TSA 電商品牌分享

TSA · 2026.04.16

讓每個好點子，都能落地

Agentic AI × Zeabur — 團隊的協作日常

Vita Chen

PM @ Zeabur

今天現場有老闆、有主管、
也有每天在第一線的同事——

我猜大家的心情不太一樣：
有人興奮！
有人在想：又來一個新東西？
有人在想：會不會害我更忙？

poll --round 1

先聊聊，
AI 通常出現在什麼時候？

大概分兩種情境——哪一種比較像大家？

// 情境 A

工作上

寫報告、整理資料、
串流程、做小工具、
把煩的事交給 AI。

// 情境 B

個人生活

行事曆、筆記、
旅遊規劃、追劇整理、
純粹因為好玩。

poll --round 2

那再細一點呢？

大家比較常做的是哪幾種呢？

01

Web / Coding

做一個小網站、小工具、小頁面

02

工作自動化

n8n、Zapier，把重複流程串起來

03

AI 應用整合

Open AI、API 串接、prompt 套件

04

生活小幫助

行事曆、筆記、出遊規劃、追劇整理

05

App / 個人專案

自己的 side project、創作工具

00

還沒開始

沒關係，今天正好

我自己呢？

我是從跟工作無關的事，
開始抄襲的。

那是——

2025.08

為什麼記得這麼清楚？
因為那時候——
我做了一個⋯

魚缸？

Session 1

./fish_tank --open

Chapter 1

一切從
一個魚缸開始

Chapter 1 — 從好玩的開始

關於那個魚缸

去年在 Product Hunt 看到一個很有趣的專案。
跟工作無關。跟效率無關。

純粹覺得好玩，也想做一個。

Chapter 1 — 怎麼開始的

暴力提供指示

工具：Cursor → GitHub → Vercel

需要一個 GUI 介面——
有區塊可畫魚、畫筆顏色可選、
粗細度可調、有魚缸區塊。

畫錯可回上一步、
魚放進魚缸後可游動、
可以切換夜晚模式。

Chapter 1

做好了！

But —

別人的魚都游得很生動

我的魚像死了一樣？

Chapter 1

後來去了一個線下社群

有人給了一個關鍵字——

「移動算法」

突然間，所有人都在研究魚要怎麼游？？？

Chapter 1

蓋出 80% 之後

會點燃想完成剩下 20% 的探索。

水草隨時間生長、
魚缸顏色跟著日光時間變化——

我會開始想要做更多。

Chapter 1

「你是那個魚缸同學嗎？」

一個禮拜後，在某棟大樓裡被認出來。

一個純粹好玩的專案，
變成大家時不時會關心進度的小事。

80% 之後的延伸

Takeaway 1

從最有趣的開始

不一定要從工作流。不一定要追求效率。

如果覺得壓力大，從生活開始。
找到屬於你的魚缸。

2025.08

━━━━━ 6 months ━━━━━

2026.04

而這半年，
一切又不一樣了。

Session 2

AI 的進化

AI 不只是聊天了

回答問題

告訴你「怎麼做」
你還是得自己執行
停留在建議層

執行任務

讀你的檔案、寫程式
操作終端機、部署
交付成品，不是建議

交付的形式改變了：從「怎麼做」變成「做好了沒」。

poll --openclaw

有沒有人用過這隻龍蝦？

OpenClaw —— 農曆年前後現象級爆紅的工具。
它是一個很典型的代表：直接幫你做完一連串任務。

有裝過的舉個手——

對話即操作

你的工作:說清楚你要什麼

你說

幫我做一個每天早上自動把前一天的營收數字整理好，發到 Discord 頻道的通知

→

✅ Discord Bot 建立完成

✅ 排程設定:每天 09:00

✅ 自動拉取營收資料

✅ 部署上線，開始運作

腦中那句「好麻煩喔」——
現在就是一個工具的起點。

./live_demo --run

Live Demo

不如現場就來做做看——
然後我們一起用。

我們一起從 0 做一個小工具，
做完以後，現場每個人手機都能用。

Live Demo — 等一下我們一起用

像今天這樣的現場——

分享會、工作坊、讀書會⋯我們都需要一個小工具，讓講者跟大家不用一直喊「好了嗎？」「跟上了嗎？」

1

掃 QR Code 加入房間

不用下載任何 App，手機就好

2

看到我丟出來的任務

任務會即時同步到你的畫面上

3

回報你的進度

卡住、做完了、需要幫忙，一鍵告訴我

4

一起往下走

大家的節奏我看得到，你的問題我接得住

Demo 之後的真心話

我猜，剛剛看完 Demo 之後，
有些人正在想⋯

「我要不要重新學一堆新東西？」

「我原本的流程會不會被打亂？」

「做出來真的就可以用嗎？」

「這是不是又是一個老闆的新玩具？」

半年前，我想的跟大家一模一樣。
所以我今天不想講什麼新名詞——
想跟大家聊的只有一件事：
我們本來就會的那些，現在能被放大 100 倍。

sleep 300 # 5 min break

Break · 中場休息 5 分鐘

05:00

先停一下——洗手間、喝水、伸展。

“

// 不想離座，聊一下吧

剛剛那個 demo，
腦中第一個想到的工具是什麼？

— 轉個頭跟旁邊的人聊聊

explain --why

停一下，回頭看看

為什麼，剛剛做得到？

Session 3

man coding-agent

Coding Agent 精華用法

工具很多，但核心概念相通

Codex、Gemini CLI、Cursor⋯⋯這個圈子變得很快。
今天用 Claude Code 演示——
現在幾乎是全球多數人使用的模型，
聰明度雖然不是唯一標準，但它已經是主流中的主流。

// 為什麼能讓大家快速上手

關鍵在「Skill 生態」

// 3-4 months, exploded

01

官方 & 開源社群

一堆 Skills 已經備好，拿來就能用。

02

快速迭代

幾乎任何能想到的需求，都有人先做過了。

專案規則 CLAUDE.md

把團隊的規則、偏好、術語寫進專案，所有人開啟 Claude Code 都自動套用。

📄 CLAUDE.md

▶

所有回覆請使用繁體中文，專有名詞保留英文

▶

部署前先確認：是測試環境還是正式環境？

▶

報告格式：摘要 → 數據 → 行動建議

▶

我們的 Discord 頻道 ID：#team-updates

一次設定好，全組任何人開啟都有同樣的基礎。

記憶 MEMORY.md

Claude Code 會自動記住跨對話的偏好和脈絡，不需要每次重說。

📄 MEMORY.md

▶

用戶偏好 Inbox Zero 工作流，處理完的信要 archive

▶

寄信前一律先給用戶看完整版，確認後才寄出

▶

建立 Gmail filter 時要同時套用到現有的信

▶

公司 tagline：Your AI DevOps Engineer.

被糾正一次就記住，下次對話自動套用，不再犯同樣的錯。

Skills 讓 Claude Code 學會任何專業技能

📄 SKILL.md — newsletter

▶

從 Linear 抓取本月所有標記為「newsletter」的 issue

▶

根據 template.html 生成六語系 HTML 電子報

▶

部署到預覽站並通知 #marketing 頻道

「一個人寫好的 Skill，整個團隊和社群都能用」

Chapter 3 — 社群生態

Browse Skills — 找到你需要的

場景想像

不只是工程師的事

客服 · 顧客體驗

客訴自動分類、回覆草稿生成

行銷 · 社群

活動頁面、文案 A/B 變體

營運 · 數據

日報自動化、KPI 儀表板

所有人

每週重複做超過三次的事，都可以自動化

pause --discuss 120

Pause · 2 分鐘轉身聊

轉個頭，聊 2 分鐘

“

你最想做哪一個工具試試看呢？

不用有答案。就聊。

Session 4

cd ~/daily_work

Chapter 4

那，工作上呢？

資訊可以自己流動——不用每次都繞過某個人。

老闆想看數據、同事想查進度——
只要是日常重複、有規則可循的事，
都可以交給 Agent 幫我們處理。

Chapter 4

我的日常，
很大一部分是在看資料。

// 01

數據面

現在的使用狀況怎麼樣？

// 02

成本面

需要完整的監控與趨勢報表。

// 03

專案面

哪些任務一直沒被推進？
平均延遲幾天？

這三個面向，資料來源都不一樣。

但是⋯

真正難的，不是「怎麼分析」

而是在分析之前——花 80% 的時間去梳理這些東西。

// 每次都要重來一次

▶ 資料存在哪張表？架構長什麼樣？

▶ 關聯怎麼接？有 API 可以直接打嗎？

▶ 欄位代表什麼意思？權限在哪？

▶ 這個指標上一個人是怎麼算的？

▶ 跨部門有沒有不一樣的算法？

▶ 定義改過幾次了？現在是哪一版？

煩啊！

真實的工作日常

做到一半，一定會卡住

真實的工作日常

做完分析，還要開 issue 跟工程來回對

我發現有幾個規格的解析資料不確定對不對——只好開 issue 去問。

● Linear · ZEA-8079 我開的 issue

✅ 待確認：伺服器規格解析

Stripe 發票的 description 解析出來是 SKU 代碼，

不是「2 vCPU / 2GB / 60GB」這樣的前端販售格式。

→ 這些 SKU 對應的規格，要從哪裡拿？

● GitHub · PR Review 工程師回覆

💬 可以用 GraphQL API 來查

                            query DedicatedServerPlans {

                              dedicatedServerPlans {

                                name, cpu, memory,

                                disk, price ...

                              }

                            }

→ 建議從 metadata 而不是 description 去取

這個來回，就是 80% 時間花在的地方。

更現實的問題

梳理完了，還得去問工程師。

但工程師之間守備範圍不一樣。

// 真實情況

→ 問 A：「這不是我負責的」

→ 問 B：「你要去問 C」

→ 問 C：「我好像以前做過⋯」

→ 問 D：「改過一次，我查查」

// 心底 OS

每次都像在玩
大地遊戲。

而且下次同樣的問題，
又要從頭問一輪。

累啊！

// 轉折點

如果，公司有一份共同的知識庫

不用每次都找人、不用每次都從頭問——
而且 Agent 也讀得懂？

那個時候，公司開始在推一個東西——

斑馬手冊 1.0

讓 Claude Code 成為最懂公司的那個人——用魔法打敗魔法。

📄 zeabur/zebra-manual private · 113 篇 SOP · 8 contributors

▶

共享集群維運、專用伺服器、客戶支援、帳務處理⋯⋯

▶

業務邏輯、指標定義、schema 關聯、歷史算法變更

▶

跨部門踩雷經驗——踩一次，全公司都學到

▶

Claude Code 讀進記憶，問手冊就好，不用再問人

「又稱斑馬手冊，讓你的 Claude Code 成為最懂 Zeabur 的斑馬。」

斑馬手冊 1.0

它長這樣：一個 GitHub Repo

Next Level

113 篇 SOP，三個系統性問題

知識庫建起來了，但光靠人維護是不夠的。

1

知識靠人推

只有人手動觸發才會新增知識，沒人推就不動。

2

過期靠運氣

沒有機制偵測「原始碼改了但文件沒跟上」，直到踩坑才發現。

3

查找靠搜尋

Claude Code 每次都要 grep 多次才找到正確文件，沒有捷徑。

這三個問題，光靠人是解不完的——需要一次結構性的升級。

斑馬手冊 — 從 1.0 到 2.0

從「一堆 md 檔」，到「看得見、找得到」

我們自己也踩過第一版的坑——然後把它做成第二版。

1.0 · GitHub markdown

知識是一坨 .md 檔

丟在 GitHub，Agent 讀得到——
但人眼很難快速掃。

知識在哪？有什麼？怎麼找？
沒有 UI，就沒有入口。

2.0 · RAG + 視覺化

知識長成一個產品

同一份知識，透過 RAG 變成
可檢索、可視覺化的介面。

Agent 用、人也用——
一份知識，兩個受眾。

斑馬 2.0

知識變成看得見的介面

斑馬 2.0 — 品質控制

Agent 學到的知識，由人決定要不要用

每一筆新知識進來，都要經過驗證才能進入下一輪循環。

未驗證

3

Agent 自動學到的新知識，等待審核。

· Dify Support in chatgpt-on-wechat
· n8n 2.0+ 導致 502 間歇性錯誤
· Next.js 部署到 Zeabur 完整指南

已驗證

26

確認品質 OK，進入下一輪循環素材。

· AI Hub Gemini 圖片生成路徑
· OpenClaw 資源上限避免 OOM
· 火山引擎低規格 K3s 無法啟動
⋯ 共 26 筆

已拒絕

1

品質不夠，不進入循環。

· OpenClaw OAuth 回調導向 localhost

人控制方向，Agent 跑細節。

未驗證 · 等待審核

已驗證 · 進入循環

已拒絕 · 不進入循環

Level 3 — The Loop

自我進化循環

人（團隊）

編輯 program.md：「本週聚焦 marketplace 相關文件」

↓

AI（每週一自動執行）

1

讀 program.md

→

2

跑 evaluate.sh
取得 baseline 分數

→

3

選最低分維度
執行改進

→

4

開 PR
附 before/after 分數

↓

Merge = 保留 ✓

自動跑 health-report，更新 HEALTH.md，進入下一輪。

Close = 丟棄 ✗

AI 從失敗中學習，下一輪換策略。

如果你也想在公司做類似的事

三個建議的原則

01

先有 1.0

先把知識倒出來，再想怎麼進化。不要一開始就追求完美。

02

讓 Agent 有動線

知識不只是要「寫」，還要讓 Agent 會「讀」、會「改」、會「提醒」。

03

指標要量化

沒有量化就沒人維護。至少要知道：哪些過期了、哪些沒人讀。

// 換個角度

其實，從自己開始也可以

不一定要一次做到全公司的規模。
先從自己的需求出發，驗證看看這套邏輯行不行得通。

// 一個想法的浮現

「自我迭代」好像不只能用在客服

想法一

知識來源可以不斷被擴增

想法二

來源屬性不只一種

底層邏輯是一樣的，那我自己是不是也能這樣做？

// 換個玩法

我的想法是這樣的

我的知識庫有沒有自我迭代的辦法？

靈感：透過 Auto Research 的方法，
幫我自我迭代知識庫。

// 跟 Claude 一起做

所以我跟 Claude 開始來回討論

我想做一個最小的 MVP

Claude 給了我很棒的建議

我甚至把這些建議本身，也存回了資料庫

對，連 AI 的建議都變成了知識的一部分。

個人知識庫

我也建了一個自己的 RAG Service

把公司的邏輯，套用在個人知識的建立上。

// Layer 1 · Ingest

餵進去

URL / 文字 / YouTube 連結

→ LLM 摘要 + 提取關鍵字

→ 存進 RAG

// 讀了什麼就存什麼

// Layer 2 · Query + Harness

問 + 回存

問一個問題 → RAG 回答

→ 覺得洞見有價值

→ 把「問 + 答 + 判斷」存回 RAG

// 思考過的也是知識

// Layer 3 · Auto Loop

自主迭代

定期從 RAG 撈最近的知識

→ LLM 找 cross-references

→ 產生新 insight 存回去

// 知識自己長大

我的個人 RAG

5 筆知識、2 次查詢——飛輪剛開始轉

All Chunks

丟到 Discord，定時自動存成資料

sleep 300 # 5 min break

Break · 短暫休息 5 分鐘

05:00

伸展一下、喝口水。

等一下我們進到最後一個段落——
有了點子，然後呢？

Session 5

zeabur deploy --from=idea

Chapter 5

有了點子，然後呢？

對第一線

不用管 infra，
專心做你想做的事。

對主管

賦能全公司，
用自然語言直接落地。

Zeabur 的定位

寫程式變快了——那「上線」呢？

快速部署不稀奇——Vercel、Railway 都做得到。
真正卡人的，是部署之後的每一件事。

// 你真正在付錢的，是這些

▶ 設網域、DNS

▶ 監控、警報、擴展

▶ SSL 憑證、資安

▶ 寄信服務、資料庫

—— 要嘛養一個 DevOps 工程師（很貴），要嘛自學到懷疑人生。

// 所以我們存在

Your AI DevOps Engineer

Zeabur

一站式搞定

// 01

AI Hub

統一管理所有 AI 模型的 API Key，不用一個一個去申請、切換。

// 02

買網域

直接在 Zeabur 上搜尋、購買、綁定，不用再跑去第三方。

// 03

Email 寄信

配置企業信箱、設定寄信服務，通知功能一步到位。

一句話，做完所有事

不是比誰部署更快——

是把複雜的 infra 管理，用自然語言就能搞定。

$ claude ask zeabur

▶

幫我買一個網域

▶

幫我租一台 server

▶

幫我把服務部署上去

▶

告訴我現在每天的容量是多少

這些事，過去需要開 5 個視窗才做得完。

一站式串接

告別那些跑來跑去的日子

// 以前

→ 去 GoDaddy 買網域

→ 去 Cloudflare 設 DNS

→ 去 Resend 申請 API Key

→ 設 SPF、DKIM、MX⋯

→ 跑四個後台

// 現在

在 Zeabur，一站搞定。

上線需要的每一個功能，都在同一個地方提供。

Zeabur 的迭代

Zeabur 自己也在進化

// 半年前

一鍵部署很快——

但每個產品線，
還是要自己進去設定。
買網域、設 DNS、發 Email⋯
一個一個手動處理。

// 現在呢？

？

以前你在按，現在 Agent 幫你按。

還記得 Session 3 講的 Skills 嗎？

如果 Skills 可以被任何 Agent 調用——

那進到 Zeabur，為什麼還要人去找按鈕？

$ zeabur skill --list

▶

部署、綁網域、設 DNS — 一句話搞定

▶

申請 Email 服務、發信 — 一句話搞定

▶

租 Server、查容量、查帳單 — 一句話搞定

所以我們做了 Zeabur Agent Skills。

// 這就是 Zeabur 的樣子

買網域——有自己的識別

Email 寄信——一句話啟用

自動搞定 DNS——DKIM · MX · SPF 全自動

1 分鐘驗證通過

寄出測試

收到了！

Session 6

git log --mindset

最後，

來聊聊心路歷程

試錯成本趨近於零

知識的 Gap、技術的 Gap——
在這個時代，門檻比任何時候都低。

我發現自己能做到的，
似乎比想像中還要多。

有段瘋狂的期間

只要有新工具出來，我都想試。

工具是來服務我們的

找到一個用起來順手的，
持續用下去就是很棒的選擇。

工具選擇

好的工具，不應該改變你的工作流

它應該融進你本來就在做的事裡——而不是讓你多一件事要擔心。

// 舉個例子：OpenClaw（龍蝦）

我裝了，但⋯

· 方便之餘，還要擔心權限控管和 Token 消耗

· 沒有達到原本預期的便利

· 反而多了一個要管的東西，更繁瑣了

// 舉個例子：Discord + Claude Code

我每天本來就要進 Discord

· 不用多開一個 app

· 不用學新介面

· 工具融入動線，才是有用的工具

我的真實日常

我一天的使用情境

// 通勤時

07:30

在公車上打開 Discord

請 Claude Code 幫我處理一些瑣碎的事，進辦公室前就有產出。

// 進辦公室

09:30

開好幾個 Claude Code 視窗，平行跑任務

把今天能平行進行的事一次交付，用自然語言跟他對話。

// 白天

14:00

Review → 開 Linear Issue

完成的任務 review 一次；討論出的點子直接開成 Linear issue 進追蹤。

// 下班 / 隔天

18:00 →

他幫我摘要一天的工作，隔天醒來提醒我待辦

根據 Linear 上的狀態，主動告訴我哪幾張票快到期、建議先處理哪張。

一天結束 / 隔天早上

他會主動把該說的話丟到 Discord 給我

# vita-claude-code 18:30

📝 今日工作摘要

今天主要集中在三大方向：

1. 營運與合作

完成轉售合約、追蹤大額客戶、安排 Support Engineer 面試。

2. 產品策略

Product Weekly 決議紀錄、交叉銷售規劃初版。

3. 成本管控

完成 Hetzner / DigitalOcean Billing API 整合、SaaS 月帳單廠商盤點。

# vita-claude-code 隔天 08:00

⚠️ 今日提醒

明天 4/10 有 4 張 issue 到期——

▶ 3 張：稅籍登記文件二修

▶ 1 張：虎智帳單請款

全部都在 In Review 狀態，記得確認進度。

// 不是一個 app，是一個會主動找我的同事

自我迭代

不想重複溝通的事，
就讓它變成原則。

我現在讓自己
保持的心態是⋯

保持對新工具的探索

但不過於 FOMO

唯一希望你做的

就一件事

給第一線的同事

不如，撥 10 分鐘，
把今天最煩的那件事，
用一句話交給 Claude Code。

不用會寫 code、不用裝任何東西。

給主管 & 老闆

不如，給大家一個下午，
讓他們自由去試。

剩下的，他們自己會來告訴你。

腦中那句「好麻煩喔」——現在就是一個工具的起點。

Made with Claude Code · Deployed on Zeabur

Q & A

有什麼想聊的，都可以問！

Appendix

Links

Fish Tank v2

https://game-fish-tank.vercel.app/

Fish Tank v1

https://game-fishv1.vercel.app/tank.html

SillyTavern Insights

https://stinsight.zeabur.app/

Issue Analysis

https://issue.zeabur.app/

Draw a Fish

https://drawafish.com/tank.html?capacity=50

讓每個好點子，都能落地

今天現場有老闆、有主管、也有每天在第一線的同事——

先聊聊， AI 通常出現在什麼時候？

工作上

個人生活

那再細一點呢？

我是從跟工作無關的事， 開始抄襲的。

魚缸？

一切從一個魚缸開始

關於那個魚缸

暴力提供指示

做好了！

But —

別人的魚都游得很生動

我的魚像死了一樣？

後來去了一個線下社群

「移動算法」

蓋出 80% 之後

「你是那個魚缸同學嗎？」

從最有趣的開始

而這半年， 一切又不一樣了。

AI 不只是聊天了

回答問題

執行任務

有沒有人用過這隻龍蝦？

對話即操作

不如現場就來做做看——然後我們一起用。

像今天這樣的現場——

我猜，剛剛看完 Demo 之後，有些人正在想⋯

05:00

為什麼，剛剛做得到？

工具很多，但核心概念相通

關鍵在「Skill 生態」

專案規則 CLAUDE.md

記憶 MEMORY.md

Skills 讓 Claude Code 學會任何專業技能

熱門 Skills 一覽

Browse Skills — 找到你需要的

不只是工程師的事

轉個頭，聊 2 分鐘

那，工作上呢？

我的日常，很大一部分是在看資料。

數據面

成本面

專案面

真正難的，不是「怎麼分析」

煩啊！

做到一半，一定會卡住

做完分析，還要開 issue 跟工程來回對

梳理完了，還得去問工程師。

累啊！

如果，公司有一份共同的知識庫

斑馬手冊 1.0

它長這樣：一個 GitHub Repo

113 篇 SOP，三個系統性問題

從「一堆 md 檔」，到「看得見、找得到」

知識變成看得見的介面

Agent 學到的知識，由人決定要不要用

自我進化循環

三個建議的原則

其實，從自己開始也可以

「自我迭代」好像不只能用在客服

我的想法是這樣的

所以我跟 Claude 開始來回討論

我也建了一個自己的 RAG Service

餵進去

問 + 回存

自主迭代

5 筆知識、2 次查詢——飛輪剛開始轉

丟到 Discord，定時自動存成資料

05:00

有了點子，然後呢？

寫程式變快了——那「上線」呢？

Your AI DevOps Engineer

一站式搞定

AI Hub

買網域

Email 寄信

不是比誰部署更快——

告別那些跑來跑去的日子

今天現場有老闆、有主管、
也有每天在第一線的同事——

先聊聊，
AI 通常出現在什麼時候？

我是從跟工作無關的事，
開始抄襲的。

一切從
一個魚缸開始

而這半年，
一切又不一樣了。

不如現場就來做做看——
然後我們一起用。

我猜，剛剛看完 Demo 之後，
有些人正在想⋯

我的日常，
很大一部分是在看資料。

不想重複溝通的事，
就讓它變成原則。