一根 $2 熱狗，怎麼贏過一瓶年份香檳？Will Guidara 的「熱狗效應」拆解
2010 年的一個午餐時段，紐約麥迪遜公園旁的 Eleven Madison Park 裡，一桌歐洲來的饕客正在享用精心設計的多道式料理。 他們吃遍了紐約最好的餐廳——Per Se、Le Bernardin、Daniel——但離開前有一個遺憾：沒吃到一根正宗的紐約街頭熱狗。 餐廳總經理 Will Guidara 聽到了這段對話。他走出餐廳，在街角花 $2 美元買了一根熱狗，請主廚用米其林等級的擺盤端上桌。 那桌客人的反應，比任何一道菜都強烈。"I really do believe I could have comped that table a bottle of vintage champagne and given them a free bucket of caviar, and it would not have had the same impact as that two-dollar hotdog. Because it would not have been specific to them." （我真心相信，就算我請那桌客人喝一瓶年份香檳、送上一大桶魚子醬，效果也比不上那根兩塊錢的熱狗。因為那些東西不是專門為他們準備的。）Guidara 後來在他的 TED 演講（2022 年 10 月）裡這樣回憶。一瓶年份香檳、一桶魚子醬，都比不上那根 $2 熱狗——因為它們不是「為那個人」準備的。 這就是「熱狗效應」（Hotdog Effect）。 Will Guidara：用「不合理的款待」把餐廳從第 50 名做到世界第一 Guidara 不是廚師，他是前台的人。2006 年成為 Eleven Madison Park 的總經理時，這家餐廳在「世界五十大最佳餐廳」排行榜上剛好是第 50 名。到了 2017 年，他們拿下了世界第一。 他在 2022 年出版的《超乎常理的款待》（Unreasonable Hospitality）裡拆解了這段旅程的核心邏輯：追求卓越讓他們坐上了牌桌，但真正讓他們登頂的，是追求「不合理的款待」。"Pursuit of excellence brought us to the table, but pursuit of Unreasonable Hospitality took us to the top." （追求卓越讓我們坐上了牌桌，但追求不合理的款待讓我們登上了頂峰。）什麼是「不合理的款待」？Guidara 用一個簡單的區分來解釋——"Service is black and white; hospitality is color." （服務是黑白的；款待是彩色的。）服務是把事情做對：準時上菜、正確收費、回覆客訴。這是黑白的，是基本功。 款待是讓人感受到你真的在乎他這個人，不只是在乎這筆交易。這是彩色的，是讓人記住你的東西。 2026 年 3 月，Guidara 上了 Chris Williamson 的 Modern Wisdom Podcast #1076，把這套方法論講得更具體。他提到，大多數公司都在優化「服務」——更快的回覆時間、更標準化的流程、更完善的 SOP。但真正讓客戶一輩子記住你的，是那些「脫離劇本」的瞬間。 95/5 法則：省到骨子裡，才有資格「浪費」 Guidara 不是在鼓勵亂花錢。恰好相反，他是出了名的摳門。 他的原則叫 95/5 法則：95% 的時間，像瘋子一樣管每一分錢。砍掉沒人注意的隱形成本——洗碗精的品牌、廚師紙帽的材質、不必要的裝飾。然後把省下來的那 5%，「愚蠢地」花掉。"Manage your money like a crazy person 95 percent of the time so that, 5 percent of the time, you can spend 'foolishly.'" （95% 的時間像瘋子一樣管理你的錢，這樣剩下 5% 的時間，你才能「愚蠢地」花掉。）但他馬上補了一句：這些「愚蠢的花費」其實一點都不愚蠢，它們是「with great intention」——帶著強烈意圖的。 在 Eleven Madison Park，這 5% 變成了什麼？買了一批小雪橇，帶第一次看到雪的客人一家去中央公園滑雪 客人因班機取消無法去海島度假，團隊把私人包廂鋪滿沙子，擺上躺椅和 Mai Tai，做了一個迷你海灘 準備好 Tiffany 的香檳杯，隨時為求婚的情侶慶祝 在結帳時附上一杯白蘭地，讓客人可以慢慢喝，不用急著離開 有客人提到他爸只喝 Budweiser，團隊就把香檳推車改裝成 Budweiser 推車這些事的成本都不高。但每一件，都變成了客人「一輩子的故事」。 Guidara 在書裡寫道："The true gift wasn't the street hot dog or the bag full of candy bars; it was the story that made a Legend a legend." （真正的禮物不是那根街頭熱狗或那袋巧克力棒；而是那個讓傳奇之所以成為傳奇的故事。）重點從來不是你花了多少錢。重點是你給了對方一個值得說出去的故事。 造夢者制度：把驚喜變成可複製的組織能力（Dreamweaver） 一根熱狗的故事很動人，但如果只是老闆偶爾的靈光一現，那就不是方法論，只是軼事。 Guidara 厲害的地方在於，他把「製造驚喜」變成了一個正式職位。 他在 Eleven Madison Park 設立了一個全新的角色叫 Dreamweaver（造夢者）。這個人唯一的工作，就是協助每一個服務人員把他們聽到的線索，變成具體的行動。 運作方式是這樣的： 第一步：聽。 每一個服務人員在點菜、倒水、收盤子的過程中，都在留意客人不經意提到的事。 「我們明天就要回倫敦了。」 「她今天剛拿到升遷。」 「好想念小時候吃的那家冰淇淋。」 第二步：傳。 服務人員把聽到的資訊傳給 Dreamweaver。 第三步：做。 Dreamweaver 在用餐結束前，把驚喜變成現實。 這套系統也催生了大量「預製工具包」——Guidara 的團隊發現，有些情境會反覆出現。幾乎每週都有客人來慶祝訂婚，所以他們跟 Tiffany 合作準備了香檳杯組。經常有客人趕飛機，所以他們做了精美的機場零食盒。外地來的客人常問「附近有什麼好吃的？」，所以他們印了一張私房美食地圖——最好的 pizza、bagel、早午餐、還有魯賓博物館這種隱藏景點。"Identify moments that recur in your business, and build a tool kit your team can deploy without too much effort." （找到你的業務中反覆出現的時刻，建立一套團隊不需要費太大力氣就能部署的工具包。）這套系統的精髓在於：它把「款待」從個人天賦變成了組織能力。不需要每個人都有 Guidara 的直覺，只需要每個人都有「聽」的習慣，加上一個有執行力的 Dreamweaver。 一吋法則：最後一步決定前面所有努力是否值得（One-Inch Rule） Guidara 還有一個訓練團隊的具體技巧，叫 一吋法則（One-Inch Rule）。 一道菜從食材採購、備料、烹調到擺盤，可能經過了十幾個人、好幾個小時的努力。但當服務人員把盤子放到客人面前的那一刻——最後那「一吋」的距離——如果眼神飄了、手晃了、態度隨便了，前面所有的努力都白費。 Guidara 在書裡這樣說："Their Perception Is Our Reality." （客戶的感受就是我們的現實。）客戶的感受就是事實。不是你做了什麼，而是他們感覺到了什麼。 這個法則的意思是：你的客戶不會看到你背後付出的 99%，他們只會記住最後那 1% 的體驗。 前面的一切都是為了那最後一吋服務的。 想想看：你花了三個月經營一個客戶，做了完美的需求分析、精準的方案設計。但如果在最後一次面對面會議上你看起來心不在焉，或者合約裡有一個低級錯誤——前面的一切都可能歸零。 Guidara 在 TED 演講裡把這種專注力歸結為一個字：present（在場）。"Being present means caring so much about the thing you're doing or the person you're with that you stop caring about all the other things you need to do." （「在場」的意思是，你如此在乎正在做的事或身邊的人，以至於不再在意其他所有待辦事項。）「在場」不是效率，不是多工處理。它的意思是：你在乎眼前這個人在乎到忘記了其他所有待辦事項。 為什麼「不合理的款待」在同質化市場裡特別致命 Guidara 在 Modern Wisdom Podcast 上被問到：為什麼這套方法論能跨產業適用？ 他的回答很直接：因為今天大部分行業的「產品」差異已經微乎其微。高級餐廳的食材來源差不多、烹飪技術差不多、擺盤邏輯差不多。真正的差異化，幾乎完全來自「人」的部分。"In a restaurant, the food, the service, and the design are simply ingredients in the recipe of human connection." （在餐廳裡，食物、服務和設計，都只是「人與人連結」這道料理的食材。）這句話放到任何高度同質化的行業都成立。當產品本身很難拉開差距時，客戶選擇你的理由，往往不是你的產品比較好，而是跟你互動的感覺比較好。 而「感覺比較好」這件事，不需要花大錢。它需要的是——聽見對方沒有說出口的需求（Dreamweaver 的核心運作邏輯） 在對的時機做出完全出乎意料的回應（熱狗效應） 把最後一吋做到完美（One-Inch Rule）Guidara 在 TED 演講的最後說了一句話，可能是整套方法論最好的總結："If you start to look closely enough, you will find opportunities for unreasonable hospitality, to give people more than they could ever possibly expect, all around you." （如果你開始夠仔細地觀察，你會發現不合理的款待機會——給人們超乎預期的體驗——就在你身邊各處。）不合理的款待機會無處不在。你只需要開始認真看。📎 這篇文章的主要素材來自 Will Guidara 在 2026 年 3 月 26 日上線的 Modern Wisdom Podcast #1076，那集有更多他聊到從第 50 名到第 1 名過程中犯的錯、跟主廚 Daniel Humm 從互看不順眼到一起登頂的過程，以及他如何在 2025 年把款待思維帶進運動場館餐飲。想更完整理解他的系統，推薦直接讀他的書《超乎常理的款待》，或者看他 13 分鐘的 TED 演講——熱狗故事他本人講的版本，比任何轉述都精彩。
你的 AI 銷售信寫錯重點了？Oxford 研究：塞滿事實比個人化更有說服力
用 AI 幫你寫客戶信、產品提案、LINE 訊息的時候，你花最多時間在哪裡？ 如果答案是「想辦法讓每封信都針對不同客戶量身打造」——一份剛發表在 Science 期刊的研究會告訴你，你可能把力氣花錯地方了。 Kobi Hackenburg 與史上最大規模的 AI 說服力實驗 Kobi Hackenburg 是牛津大學網際網路研究所的博士候選人，同時也在英國 AI 安全研究所（UK AI Security Institute）擔任研究科學家。2025 年 12 月，他和來自 Stanford、MIT、LSE 的研究者共同在 Science 發表了一篇論文：〈The Levers of Political Persuasion with Conversational AI〉。 這不是一般的小實驗。他們動員了 76,977 名英國受試者，部署 19 個不同的大型語言模型（從 5 億參數的小模型到 4,050 億參數的巨型模型都有），橫跨 707 個政治議題，讓 AI 跟真人進行平均 7 輪、約 9 分鐘的即時對話，然後比較受試者在對話前後的態度變化。 研究者還動手做了一件很瘋狂的事：他們對 AI 生成的 466,769 個事實性宣稱逐一進行了準確度查核。 結論出來，直接挑戰了行銷圈一個根深蒂固的信念。 資訊密度：說服力最強的單一因素 研究的核心發現可以用一句話講完：AI 之所以能改變人的想法，靠的不是心理操控，不是個人化，而是塞進更多可查證的事實。 他們把這個概念叫做「資訊密度」（information density）——一段回應中包含多少個可以被事實查核的具體宣稱。 數據有多誇張？在所有影響說服力的變數中，資訊密度這一個因素就解釋了 44% 的變異量。如果只看經過特別訓練的模型，這個數字飆到 75%。 具體來說，每多塞進一個事實性宣稱，說服力就增加 0.30 個百分點。在最有說服力的實驗條件下，AI 平均每次對話丟出 22.1 個事實宣稱——而一般條件下只有 5.6 個。"Insomuch as factors like model scale, post-training, or prompting strategy increased information density, they also increased persuasion." （只要模型規模、後訓練或提示策略等因素提高了資訊密度，它們就同時提高了說服力。）翻成白話：不管你用什麼技巧——更大的模型、更精巧的提示詞、更多的訓練——只要最終結果是讓回應裡塞進更多事實，說服力就上升。事實密度是所有槓桿背後的共同機制。 個人化的效果遠比你想的小 接下來是最反直覺的部分。 行銷圈這幾年最熱的口號是什麼？「大規模個人化」（personalization at scale）。AI 最讓人興奮的應用場景之一，就是根據每個客戶的背景、偏好、痛點，自動生成量身打造的訊息。 Hackenburg 的實驗直接測試了這個假設。結果呢？ 個人化帶來的說服力提升，平均只有 +0.43 個百分點，沒有任何一種個人化方法的效果超過 1 個百分點。 相比之下：後訓練（post-training，也就是針對說服力去微調模型）提升了最多 51% 的說服力 提示工程（prompting，用不同的指令去引導模型）提升了約 27%論文裡寫得很直白："While we do find some evidence of persuasive returns to personalization, they are small in comparison to the magnitude of the persuasion gains we document from model scale and post-training." （雖然我們確實發現個人化帶來了一些說服力回報，但與模型規模和後訓練所帶來的說服力增幅相比，這些回報很小。）這不是說個人化完全沒用。但它的效果被嚴重高估了——至少在「改變別人想法」這件事上，你花在個人化的時間，遠不如花在「確保內容裡有足夠多的具體事實」來得有效。 小模型也能跟巨型模型一樣有說服力 另一個讓人意外的發現：模型大小的影響也沒想像中大。 一個 5 億參數的開源小模型，經過針對性的後訓練之後，說服力可以逼近甚至追平那些動輒幾千億參數的頂級商用模型。Hackenburg 自己在牛津大學的新聞稿中說："Our results show very small models can be fine-tuned as persuasive as massive systems." （我們的研究結果顯示，非常小的模型經過微調後，說服力可以媲美巨型系統。）這意味著什麼？說服力不是只有大公司的專利。任何人只要掌握正確的訓練方法和提示策略，都能讓 AI 產出高說服力的內容。 說服力越強，準確度越低：不能忽視的取捨 到這裡聽起來好像結論很簡單：那就叫 AI 盡量多塞事實就好了？ 沒那麼單純。這份研究最讓人不安的發現是：說服力和準確度之間存在系統性的反向關係。 具體的數字：GPT-4o 在一般條件下，78% 的宣稱被判定為準確 同一個模型切換到「資訊密集」的提示策略後，準確率掉到 62% GPT-4.5 更慘：從 70% 掉到 56% 在最高說服力的實驗條件下，29.7% 的宣稱是不準確的（一般條件下只有 16%）也就是說，當 AI 為了說服你而拼命塞更多「事實」的時候，它開始編造看起來像事實的東西。 有評論者引用了哲學家 Harry Frankfurt 的概念來形容這個現象——這不是刻意說謊（lying），而是「bullshit」：對真假根本不在意，只在意聽起來是否有說服力。 這對所有用 AI 寫客戶溝通的人來說是一個嚴肅的警告：你不能只追求說服力，你必須同時守住準確度。否則你贏了這一次對話，卻輸了長期信任。 資訊密度原則：怎麼用在你的溝通裡 把這份研究的發現翻譯成實務操作，有三個要點： 第一，堆事實，不堆形容詞。 與其寫「我們的方案能大幅提升您的效率」，不如寫「導入我們方案的客戶，平均每月減少 14 小時的行政作業時間，退件率從 8% 降到 2.3%」。具體數字和可查證的事實，比任何華麗的包裝都有說服力。 第二，別花太多時間在個人化上。 這不是說完全不要做——稱呼對方的名字、提到他的公司當然是基本禮貌。但如果你的選擇是「花 30 分鐘研究客戶背景來量身打造一封信」還是「花 30 分鐘找到更多可以佐證你論點的具體數據」，這份研究很明確地說：選後者。 第三，一定要人工查核。 這是整份研究最重要的警告。當你要求 AI「寫得更有說服力」或「多給一些佐證數據」的時候，它可能會開始「創造」看起來很像真的但其實是編的數據。每一個具體數字、每一個引用，都要回頭驗證。這份研究是在政治說服的場景下做的，不是商業銷售。但底層的機制是一樣的：人類會被大量具體事實打動，遠比被「我知道你是誰」的個人化感動來得多。 在一個人人都能用 AI 產出漂亮文案的時代，真正的差異化不是誰寫得更滑順，而是誰的內容裡有更多經得起查證的事實。📎 Hackenburg 等人的完整論文〈The Levers of Political Persuasion with Conversational AI〉2025 年 12 月發表在 Science，牛津大學的新聞稿用比較白話的方式做了摘要。論文裡還有很多這篇沒覆蓋到的細節，包括三個實驗的完整設計、19 個模型的個別表現比較、不同後訓練方法（SFT、獎勵模型、SFT+獎勵模型）的效果差異，以及對話式 AI 跟靜態單向訊息在說服力上的巨大差距。如果你對 AI 的影響力機制有興趣，值得花時間讀完整版。
Jeb Blount：AI 時代的三種業務員，只有一種能活下來
你的信箱裡是不是越來越多那種「一看就知道是 AI 寫的」開發信？千篇一律的開頭、假裝很熟的語氣、永遠在第二段問你「有沒有時間聊十五分鐘」。 Jeb Blount 說，發那種信的業務員，正在親手毀掉自己的職涯。 Jeb Blount：17 本銷售書作者，全球最大銷售 Podcast 主持人 Jeb Blount 是 Sales Gravy 的創辦人兼 CEO，也是全球下載量最高的銷售 Podcast《Sales Gravy》的主持人。他寫過 17 本銷售相關的書，其中《Fanatical Prospecting》幾乎是每個英語系國家業務人員的必讀書目，講的是為什麼「瘋狂開發」才是業績的根本。 2024 年 9 月，他和另一位銷售大神 Anthony Iannarino 合著了《The AI Edge》，專門談業務員該怎麼用 AI 來賣更多，而不是被 AI 取代。2026 年 3 月，他在 Sales Gravy Podcast 的一集〈The AI Edge: How to Use Technology Without Losing Your Human Touch〉裡，把這套觀點濃縮成一個很直覺的框架：AI 時代的三種業務員。 核心觀念：AI 不會殺死業務，但會嚴厲懲罰平庸 Blount 的立場很明確：AI is not going to kill sales, but it is absolutely going to punish mediocrity. 這句話的重點在後半段。AI 不是來搶你的工作的，它是來放大差距的。好的業務員用 AI 變得更強，平庸的業務員用 AI 變得更顯眼地平庸——因為客戶現在收到的垃圾開發信比以前多了十倍，對制式內容的容忍度已經降到零。 在同一集裡，他還丟出一個很精準的觀察：在 AI 能提供無限情報（intelligence）的時代，真正稀缺的東西是智慧（wisdom）。情報是知道客戶公司剛融了一輪、智慧是知道該在什麼時機、用什麼方式提起這件事。AI 可以幫你做前者，但後者只有人能做。 第一種：被取代的業務員 這種人的工作模式，本質上就是一台效率不高的機器：照著腳本打電話、用範本發信、把客戶資料從 A 系統搬到 B 系統。 Blount 的判斷標準很簡單：如果你的工作內容可以被寫成一套 SOP，那 AI 就能做，而且做得比你快、比你便宜、比你不會請假。 這不是假設，而是正在發生的事。越來越多公司把 SDR（銷售開發代表）的初階工作交給 AI agent 處理。被取代的不是「業務員」這個角色，而是「只會執行流程」的那種業務員。 最危險的信號？你每天花大部分時間在做的事，不需要判斷、不需要讀人、不需要隨機應變。 第二種：抗拒的業務員 這種人的反應是把頭埋進沙子裡，假裝 AI 不存在。他們的邏輯是：「我做業務做了二十年，靠的是關係和直覺，那些都是 AI 學不會的。」 Blount 同意關係和直覺很重要——但他不同意這是你可以不學新工具的藉口。 抗拒型業務員的問題不是他們的技能過時，而是他們的效率正在被拉開。當你的競爭對手用 AI 在十分鐘內研究完一個客戶的產業背景、最近的法說會內容、LinkedIn 上發過的每一篇文章，然後帶著這些洞察走進會議室的時候，你還在靠「我跟他很熟」吃老本。 關係確實是 AI 取代不了的護城河。但光有關係，沒有效率和深度準備，護城河會越來越淺。 第三種：把 AI 當力量放大器的業務員 這是 Blount 認為唯一能長期勝出的那種。 他在 Podcast 裡分享了自己怎麼用 AI：用它來更快地準備（prepare faster）、更聰明地寫東西（write smarter），然後把省下來的時間花在只有人能做的事——建立連結、解讀現場氣氛、在對的時刻說對的話。 「The reps who survive and thrive will be the ones who use technology as a force multiplier without losing their humanity in the process.」（能存活並且勝出的業務員，是那些把科技當成力量放大器，同時不在過程中失去人性的人。） 這裡的關鍵字是「force multiplier」（力量放大器），而不是「replacement」（替代品）。差別在哪？ 用 AI 當替代品的人，讓 AI 幫他寫開發信然後直接發出去。結果那封信跟其他一千封 AI 信長得一模一樣，收件者直接封鎖。 用 AI 當放大器的人，讓 AI 幫他整理客戶情報、起草初稿、模擬可能的反對意見，然後自己加入判斷、個人風格和時機感，寫出一封只有他能寫的信。 Blount 在書裡提出了一個叫「三個 A」的框架來描述這個過程：Adopt（採用）：先接受新工具的存在，願意試 Adapt（適應）：把 AI 融入自己的銷售流程，找到自己的用法 Adept（精通）：反覆練習到 AI 的使用變成第二天性聽起來很基本？但 Blount 的觀察是，大多數業務員卡在第一步和第二步之間——他們可能試過 ChatGPT，覺得「也就那樣」，然後就放棄了。真正的競爭優勢來自第三步：你用 AI 用到不需要思考怎麼用的程度。 AI 開發信的陷阱 Blount 在 2026 年 3 月的 Podcast 裡特別點名了一件事：AI-generated emails are not just getting deleted — they are getting you blocked and costing you access to prospects permanently. AI 寫的開發信不只是被刪掉。它們讓你被封鎖，永久失去接觸那個潛在客戶的機會。 為什麼？因為當每個人都用 AI 生成「個人化」的開發信，這些信反而變得最不個人化。收件者一眼就看得出來，他們的反應不是「這封寫得不好」而是「這個人連寫信都懶得自己來，他真的在乎我的生意嗎？」 這是一個反直覺的結果：AI 讓制式溝通的成本降到幾乎為零，但同時也讓制式溝通的效果降到幾乎為零。在每個人都能用 AI 寫出「看起來還不錯」的信的世界裡，只有真正投入心力的溝通才能突圍。 智慧 vs. 情報 Blount 在這集裡提出的另一個區分也很值得記住：wisdom is scarce in a world of unlimited intelligence. 在 AI 以前，掌握情報本身就是競爭優勢。你知道客戶公司的組織架構、最近的策略方向、關鍵決策者的背景——光是知道這些，你就贏了一半。 現在？任何人花五分鐘就能用 AI 查到這些。情報不再稀缺。 稀缺的是智慧——知道這些情報以後，判斷該怎麼用。什麼時候提？怎麼提？用什麼脈絡包裝？配合什麼時機？這些判斷需要經驗、需要對人的理解、需要在現場讀出那些沒被說出口的訊號。 這也是為什麼 Blount 認為第三種業務員會贏。他們用 AI 獲取情報（這個步驟比以前快了一百倍），但用自己的智慧來決定怎麼行動。AI 負責「知道什麼」，人負責「知道怎麼做」。 這不是一個關於 AI 的故事。這是一個關於你選擇成為哪種人的故事。📎 Jeb Blount 的 Sales Gravy Podcast 幾乎每週都有新集數，是英語系銷售圈最有影響力的 Podcast 之一。這篇談的「三種業務員」框架來自他和 Anthony Iannarino 合著的《The AI Edge》。如果你還沒讀過他更經典的《Fanatical Prospecting》，那本講的是所有技巧之前最重要的事——開發量。兩本搭配著看，會對「AI 時代業務員該怎麼活」有更完整的理解。
用 Notion Custom Agents 打造你的第一個 AI 員工，不用寫程式
每天花兩小時處理瑣事，是你最貴的隱形成本 Notion Custom Agents 要解決的問題，其實每個工作者都遇過——整理客戶資料、回覆重複的問題、彙整週報、把新進的任務分配給對的人——這些事情不難，但加起來每天至少吃掉一兩個小時。更麻煩的是，它們散落在 Slack、Email、行事曆、各種資料庫之間，你得不斷切換工具，逐一處理。 過去的解法不外乎兩種：請一個助理，或者用 Zapier、Make.com 這類自動化平台串接流程。前者有人事成本，後者需要花時間搞懂觸發條件和 API 串接——對不寫程式的人來說，門檻不低。 2026 年 2 月 24 日，Notion 發布了 3.3 版本，推出 Custom Agents。這個功能的核心概念很直接：你用自然語言告訴 AI 要做什麼、什麼時候做、能碰哪些資料，它就會在背景持續運作，不需要你盯著。 Notion Custom Agents：用一句話定義工作內容的 AI 自動化員工 Custom Agents 不是聊天機器人。它不是你問一句、它答一句的互動模式，而是你設定好規則之後，它在背景 24/7 自動執行的自主工作者。 Notion 官方把 Custom Agents 分成三種類型： Q&A Agent——自動回答重複性問題。你把知識庫指定給它，當有人在 Slack 頻道或 Notion 頁面 @mention 它，它就根據現有資料回覆。金融科技公司 Ramp 在內部跑了超過 300 個 Agent，其中一個叫「Product Oracle」，每天自動回答幾十個關於產品路線圖和功能的問題。 Task Routing Agent——自動分類任務並指派負責人。新需求進來時，它會讀取內容、判斷類別、補充相關資訊，然後分派給對的人。遠端工作平台 Remote 用一個 triage agent 完全取代了 IT 服務台，每週省下 20 小時的人工處理時間。 Status Update Agent——自動產出報告。它從 Notion、串接的工具和網路上蒐集資訊，定時生成日報、週報或 sprint 摘要。Braintrust 做了一個「Deal Spotter」Agent，每週自動產出升級機會報告，讓業務團隊不用手動翻 CRM。 目前 Custom Agents 可以串接 Slack、Notion Calendar、Figma、Linear，也支援自訂的 MCP（Model Context Protocol）伺服器。換句話說，只要你的工具有 API，理論上都接得上。 三步驟建立你的第一個 Notion Custom Agent 整個設定流程不需要寫任何程式碼。Notion 官方的說法是：「Setting up any Custom Agent is as simple as writing a short job description and chatting with it to make updates.」（設定 Custom Agent 就像寫一段簡短的職位描述，然後跟它聊天來調整。） Step 1：在側邊欄點選「Agents」，按下「+ New agent」 打開 Notion，左側邊欄會看到「Agents」區塊。點進去之後按「+ New agent」，你會進到一個對話介面。這裡不需要填表單或選流程圖，直接用自然語言描述你要這個 Agent 做什麼。 舉個例子：如果你想做一個「客戶跟進提醒 Agent」，你可以這樣寫：每天早上 9 點，檢查「客戶資料庫」裡所有「上次聯繫日期」超過 7 天的客戶，把他們列成一份清單，發到 #sales-followup 的 Slack 頻道，並附上每位客戶的最新互動紀錄。Notion 會根據你的描述自動生成 Agent 的指令、建議要連接的頁面和工具。你可以在右側即時看到設定的變化。 Step 2：設定觸發條件與權限 Custom Agents 支援兩種觸發方式： 事件觸發（Event-driven）：當特定事情發生時啟動。例如有人在 Slack 頻道 @mention 這個 Agent、資料庫裡新增了一筆資料、或收到一封特定類型的訊息。 排程觸發（Scheduled）：按照你設定的時間自動執行。每天早上 9 點、每週一下午 2 點、每個月第一個工作天——都可以。 權限設定也很關鍵。你可以控制 Agent 能看到哪些頁面和資料庫、能不能編輯內容、能存取哪些 Slack 頻道。Notion 建議的原則是：除非必要，否則預設給「僅檢視」權限，避免 Agent 改到不該改的東西。 Step 3：測試、啟動、追蹤執行紀錄 設定完成後，先按「Run」手動跑一次，確認輸出結果符合預期。如果 Agent 會發訊息到 Slack，建議先指向一個測試頻道。 每次 Agent 執行後，你可以在「Activity」分頁看到完整紀錄——什麼觸發了它、它做了哪些動作、結果是什麼。如果哪次執行的結果不對，Notion 支援「Undo」，可以把 Agent 做的變更還原。 確認沒問題之後，點「Share」可以邀請團隊成員使用。你對 Agent 指令做的任何修改，會自動套用到之後的所有執行。 三個實用的 Custom Agent 設定範例 講完流程，來看三個具體的場景： 客戶跟進提醒 Agent：設定排程觸發（每天早上 9 點），連接客戶資料庫，篩選超過 7 天未聯繫的客戶，自動在 Slack 發出跟進清單。這比設行事曆提醒強，因為它會動態讀取資料庫的最新狀態，不是固定的靜態提醒。 每週業績摘要 Agent：設定每週五下午 4 點執行，從銷售資料庫拉取本週新增的商機、成交的案件、推進中的案件數量，自動生成一頁摘要，發到管理層的 Slack 頻道。不用再花週五下午一小時手動做報告。 常見問答自動回覆 Agent：設定事件觸發（Slack 頻道 @mention），連接產品知識庫和 FAQ 頁面。當同事或客戶在指定頻道問問題，Agent 會先搜尋現有知識庫，找到相關內容後直接回覆。找不到答案時，它會標記給指定的負責人。Ramp 的經驗顯示，這種 Q&A Agent 能處理掉大部分的重複性提問。 Notion Custom Agents 的定價與免費試用方案 Custom Agents 需要 Notion Business 方案（每人每月 $20 美元）或 Enterprise 方案才能使用。 免費試用期：即日起到 2026 年 5 月 3 日，Business 和 Enterprise 用戶可以免費使用 Custom Agents，不消耗任何 credits。 Credits 計費：2026 年 5 月 4 日之後，每次 Agent 執行會消耗 Notion credits。Credits 的價格是每 1,000 credits 收費 $10 美元。根據 Notion 官方的估算，1,000 credits 大約可以執行 45 到 90 次 Agent（視任務複雜度而定）。 換算一下：如果你的 Agent 每天跑一次，一個月大約 30 次執行，1,000 credits 綽綽有餘。也就是說，一個簡單的 Agent 每月 credits 成本大約在 $3 到 $7 美元之間。 要注意的是，credits 以工作區為單位共享，每月重置，用不完不會累積到下個月。如果 credits 用完，Agent 會自動暫停，直到管理員加購。 現有 AI 功能不受影響：Notion Agent（個人 AI 助手）、AI Meeting Notes、Enterprise Search 這些功能仍然包含在方案內，不額外收費。Custom Agents 的 credits 是獨立計算的。 Notion Custom Agents 的限制與注意事項 講了這麼多好處，也要說說目前的限制。 第一，Custom Agents 只支援 Business 和 Enterprise 方案。如果你用的是免費版或 Plus 方案，得先升級。對個人用戶來說，每月 $20 美元不算便宜，但如果你本來就在用 Notion 管理工作，升級的門檻比從零開始導入新工具低很多。 第二，Notion 官方在 2026 年 2 月的公告裡直接提到了 prompt injection 的風險——有人可能透過隱藏指令試圖操控 Agent 的行為。他們說有內建防護機制，管理員也可以限制 Agent 的存取範圍，但這代表你不該讓 Agent 無限制地存取所有資料，權限設定要認真看。 第三，Agent 的品質取決於你給的指令和它能存取的資料。如果你的知識庫本身就很混亂，Agent 的回答品質也不會太好。先整理好你的 Notion workspace，再來建 Agent。 Notion 在 2026 年 2 月的公告裡提到，他們內部「agents 的數量比員工還多」，早期測試者已經建了超過 21,000 個 Agent。這個數字至少說明一件事：這個功能確實有人在用，而且用量不小。 如果你的工作裡有任何「每天或每週固定要做的重複性任務」，現在是嘗試的好時機——免費試用期還有一個多月，夠你驗證這東西到底能不能幫上忙。📎 Notion 官方的 Custom Agents 發布文章寫得很完整，包含設計理念和更多企業客戶的使用案例（Ramp、Remote、Braintrust）。如果你關心資安面，他們另外有一篇專文說明 Custom Agents 的安全機制設計。想直接動手的話，Notion Help Center 的 Agent 教學有步驟截圖，比這篇更適合邊看邊做。
當 AI 幫每個人寫出 80 分的東西，你拿什麼拉開差距？Sam Parr 的品味養成法則
當 AI 能幫每個人產出 80 分的內容，品味就是那個把你從 80 分拉到 95 分的東西。 你用 AI 寫了一封開發信，措辭流暢、邏輯清晰、還附上客製化的數據。你覺得不錯，按下送出。但客戶那邊，同一天收到了十封幾乎一樣水準的信。 問題不是你寫得不好，問題是大家都寫得「不錯」了。當 80 分變成基本門檻，能讓人停下來多看一眼的，不是工具，是使用工具的人有沒有品味。 2026 年 3 月，Sam Parr 在 My First Million Podcast 第 809 集用一個詞總結了這件事：Taste is your moat——品味，才是你的護城河。 Sam Parr：把「品味」從抽象概念變成可操作的判斷力 Sam Parr 是 The Hustle 的創辦人（後來賣給 HubSpot），也是企業家社群 Hampton 的創辦人，社群成員平均年營收超過 2,500 萬美元。他不是設計師，不談美學理論，而是從一個創業者的角度回答：當 AI 把執行成本壓到趨近於零，你靠什麼贏？ 他的答案很直覺——品味。但這裡說的品味不是「我喜歡什麼顏色」，而是一種判斷力：知道什麼該留、什麼該砍、什麼會讓人覺得「對」。 這和 OpenAI 執行長 Sam Altman 在 2026 年 2 月透過 X 發文提出的觀點不謀而合。Altman 說：「The best research teams are built through context, taste and a real feel for where the field is headed next.」最好的團隊，靠的是脈絡感、品味、和對方向的直覺。當 AI 能處理幾乎所有技術性工作，人類的判斷力——也就是品味——反而成了最稀缺的能力。 Apple 案例：品味如何變成價值千億的護城河 Sam Parr 在節目中用 Apple 做案例拆解，而這的確是「品味即策略」最經典的商業示範。 Steve Jobs 說過一句常被引用的話：「It comes down to taste. It comes down to trying to expose yourself to the best things that humans have done, and then try to bring those things into what you are doing.」——歸根究底就是品味。你要讓自己接觸人類做過最好的東西，然後試著把那些東西帶進你正在做的事裡。（出自 2007 年 D5 科技大會） Apple 的品味不是表面的「好看」。它是一種深層的簡潔（deep simplicity）——不是因為少所以簡單，而是因為徹底理解了每個零件的本質，所以知道什麼可以拿掉。Jobs 對簡潔的執念體現在產品、包裝、行銷文案、甚至零售店的地板材質。這不是美學偏好，是一套完整的判斷系統。 對比之下，大部分競爭對手的做法是「加」——多一個功能、多一個選項、多一個按鈕。Apple 的做法是「減」。這種「敢砍」的能力，就是品味的核心：你不是不知道可以加什麼，你是知道不該加什麼。 用設計大師 Dieter Rams 的話說：「Good design is as little design as possible.」好的設計，就是盡可能少的設計。這句話聽起來像禪語，但背後是大量的試錯和取捨——你得先做了一百個版本，才有資格說「這一個就夠了」。 品味養成的三個核心法則 Sam Parr 在節目中整理了幾條「品味養成規則」（The Rules），結合他的觀點和相關討論，以下是三個最核心的法則： 法則一：大量接觸一流作品（Expose Yourself to the Best） 品味不是天賦，是輸入的結果。你見過的好東西越多，你的判斷基準線就越高。 這不只是「多看」，而是刻意跨領域地看。Jobs 年輕時旁聽書法課，後來把字體美學帶進了 Mac。Sam Parr 在節目中也強調，品味的養成需要跳出你的同溫層——如果你只看同業在做什麼，你的品味上限就是同業的平均值。 具體做法：去讀你領域之外的一流作品。建築、料理、電影剪輯、文學——任何在該領域被視為頂尖的東西，都在訓練你的判斷力。你不需要成為專家，你需要的是讓「好的標準」內化成直覺。 法則二：練習刪減，而非堆疊（Learn to Subtract） 品味的展現往往不是你加了什麼，而是你敢拿掉什麼。 這是 Apple 設計哲學的核心，也是 AI 時代最被低估的能力。AI 擅長「生成」——給它一個提示，它能產出十個版本、二十個變體。但 AI 不擅長判斷哪一個該留、其他九個該丟。 正如設計師 Eric De Castro 在 2026 年 2 月的文章中寫的：「The person who can look at 1,000 AI-generated options and say 'No. No. No. No… Yes. That one' possesses the real skill.」能從一千個 AI 生成的選項中指出「就是這個」的人，才擁有真正的技能。 未來的經濟不獎勵「能創造最多的人」，而是獎勵「能刪掉最多的人」。 法則三：從「為什麼好」開始拆解（Dissect the Why） 看到好東西，不要只是欣賞，要問「為什麼好」。 一封讓你忍不住回覆的信，是開頭的第一句話抓住你？還是整體節奏讓你讀得舒服？一個讓你願意多停留三秒的網頁，是配色的原因？還是留白的比例？ Sam Parr 在討論「學習品味」（Learning Taste）時強調的重點是：品味的養成不是被動接收，而是主動拆解。每一次你分析「為什麼這個東西讓我有感覺」，你都在建立自己的品味資料庫。 18 世紀哲學家 David Hume 在經典論文〈Of the Standard of Taste〉中早就提過類似的觀點：品味不是隨機的偏好，而是一種「可以透過廣泛接觸、仔細比較、和擺脫偏見來培養」的能力。換句話說，品味是有方法論的。 品味在 AI 時代的三個不可取代性 為什麼 AI 自己不能發展出品味？這牽涉到品味的三個本質特性： 脈絡感（Context）。 AI 活在永恆的現在——它不理解一個設計選擇的歷史脈絡，不知道某種風格為什麼在此刻會讓人產生共鳴。品味需要文化記憶。 自我限制的紀律（Constraint）。 AI 的本能是「加」——它被設計來生成更多內容。品味的本能是「減」——它需要拒絕的勇氣。 敢冒犯的底氣（Conviction）。 AI 迴避風險、追求最大公約數。但真正有品味的選擇，往往會讓一半的人皺眉，卻讓另一半的人深受觸動。如同 Eric De Castro 在同一篇文章中的定義：「Taste is the courage to alienate 50% of the audience so the other 50% falls in love.」——品味，是敢讓一半的人不買單、好讓另一半的人愛上你的勇氣。 品味是最被低估的專業能力 Sam Parr 這集節目最有價值的提醒是：品味不是天生的，也不是只有設計師才需要的東西。它是一種可以刻意練習的判斷力，而且在 AI 時代，它的價值正在急速上升。 當每個人手上都有同樣的 AI 工具，能寫出同樣流暢的文案、做出同樣精美的簡報、產出同樣「正確」的分析報告——最後讓客戶選擇你而不是別人的，是你在那些 AI 搞不定的地方展現出來的判斷：這句話要不要留、這個段落的順序對不對、這個提案的重點是不是真的打中對方在意的事。 工具會持續進化，但品味永遠是人的事。📎 Sam Parr 在 My First Million Podcast 第 809 集聊的不只是品味——他還談到自己怎麼從零開始學寫作、怎麼判斷一個商業點子值不值得做、以及為什麼他認為「無聊的生意」反而最賺錢。整集大概一小時，節奏很快，很適合通勤的時候聽。如果你對「品味」這個概念想再深入，設計師 Eric De Castro 的那篇 Taste is the Only Moat Surviving the AI Flood 從設計師的角度切入，跟 Parr 的商業視角形成很好的互補。
Vercel 的瘋狂實驗：讓工程師跟蹤最強業務 6 週，打造一個年薪三萬的 AI 分身
最近科技圈最瘋狂的一則新聞：軟體公司 Vercel 把 10 人的銷售團隊，縮編到剩 1 個人加一個 AI。 不是裁員。是他們的 AI agent 真的能做到那 10 個人在做的事。 Jeanne DeWitt Grosser：從 Google 到 Stripe 再到 Vercel 的營運長 Jeanne DeWitt Grosser 是 Vercel 的營運長（COO），之前在 Stripe 當 Chief Business Officer、再之前在 Google 帶過業務團隊。她在 2025 年 11 月的一集 Lenny's Podcast 上分享了這個故事，引爆了整個 SaaS 圈的討論。 Vercel 是一家開發者工具公司，做的是網站部署平台。他們的銷售團隊原本有 10 個 SDR（Sales Development Representative，負責開發潛在客戶的業務代表），做的事情包括回覆客戶訊息、過濾垃圾郵件、分類需求、回答問題、把案子往上丟給資深業務。 Vercel 如何用六週打造 AI 銷售分身 Vercel 的做法不是去買一堆 AI 工具拼湊。他們做了一件很聰明的事： Step 1：找出你最強的那個人。 團隊裡一定有一個人，成交率最高、客戶回頭率最好、處理問題最俐落。Vercel 找到了他們的 top performer。 Step 2：派工程師去「跟蹤」。 三名工程師花了整整六週，像影子一樣跟著這位最強業務。他們記錄每一個動作：怎麼讀訊息、怎麼判斷哪些是垃圾、怎麼回覆客戶、什麼時候把案子升級、用什麼語氣、遵循什麼邏輯。 不是問他「你平常怎麼做」——因為人往往說不清楚自己的工作流程。而是直接觀察、直接記錄。 Jeanne 在訪談中解釋：「People can't always articulate what makes them great. You have to watch them.」（人們不一定能說清楚自己為什麼厲害，你必須去觀察他們。） Step 3：把流程變成 AI agent。 六週的觀察資料，成為 AI agent 的訓練藍圖。這個 agent 現在能自動做到：篩選訊息、過濾垃圾、回覆客戶提問、判斷案子的優先順序、把需要人處理的案子丟給那位唯一留下的人。 結果？ 10 個人的工作量，現在由 1 個人 + 1 個 AI agent 完成。AI agent 一年的運行成本大約一千美元。對比原本團隊超過一百萬美元的年薪支出。 而且那 9 個被「取代」的人並沒有被裁掉——他們被調去做更有價值的 outbound prospecting（主動開發客戶），也就是 AI 目前還做不好的事。 能寫成 SOP 的工作，AI 就能接手 Jeanne DeWitt Grosser 說了一句讓人頭皮發麻的話："If you can document a workflow, it's now pretty straightforward to have an agent do it." （如果你能把一個工作流程寫成文件，那讓 AI agent 來做就很直接了。）這句話的殺傷力在於它的適用範圍。不是只有科技公司能這樣做。任何一個重複性高、流程明確的工作，都在射程範圍內。 反過來說，如果你的工作沒辦法被寫成 SOP？那你反而是安全的。 Vercel 把人調去做 outbound，就是因為那需要判斷力、創造力、人與人之間的信任——這些東西目前還寫不成 SOP。 更值得注意的是 Vercel 的方法論：他們沒有去買市面上的 AI 銷售工具，而是從自己最強的人身上「萃取」能力。因為每家公司的客戶不同、產品不同、銷售流程不同，通用工具永遠比不上從自己的 top performer 身上複製出來的 agent。 Vercel 目前已經部署了 6 個 AI agent，目標是在未來一年內擴展到上百個——每一個都是某個 top performer 的數位分身。 三個問題，檢視你的團隊能不能這樣做 Jeanne 在訪談中強調，這個方法的核心不是技術能力，而是「觀察力」。任何公司都可以用這三個問題開始：你的團隊裡，誰的表現最好？ 不是主管覺得最好的，是數據上表現最好的。成交率、客戶滿意度、處理速度——用數字說話。他做的事情，能不能被拆解成步驟？ 如果可以，那這就是 AI agent 的候選工作。如果不行，那這個人做的事可能更有價值，不應該被自動化。你願意投入多少資源來觀察？ Vercel 投入了三名工程師六週的時間。這不是小投資，但對比省下的百萬美元人力成本，ROI 非常明確。Vercel 的案例證明了一件事：AI agent 最有效的建造方式，不是買現成工具，而是從你最強的人身上「萃取」能力。 因為每家公司的客戶不同、產品不同、流程不同，通用工具永遠比不上量身打造的 agent。 這不是未來式，是現在進行式。📎 Jeanne DeWitt Grosser 在那集 Lenny's Podcast 裡不只講了 AI agent 的事，還分享了 Vercel 從零到規模化的完整 GTM 策略，以及她在 Stripe 和 Google 累積的 B2B 銷售經驗。如果你對「科技公司怎麼打造銷售引擎」這個主題有興趣，推薦完整收聽：What the best GTM teams do differently — Lenny's Podcast。
Todd Caponi 的四槓桿談判法：為什麼你不該害怕客戶殺價？
客戶說「能不能便宜一點？」的時候，大多數業務員只有兩種反應：要嘛硬著頭皮說不行，要嘛心一橫直接打折。 Todd Caponi 說，這兩種都錯了。 Todd Caponi：用行為科學翻轉銷售的透明度倡導者 Caponi 在 B2B 科技圈打滾超過二十年，當過好幾間公司的業務副總和營收長（CRO），帶過的團隊經歷了兩次成功的公司出場。他最出名的是《The Transparency Sale》這本書——主張業務員應該主動告訴客戶自己產品的缺點，而不是藏起來。 這聽起來很瘋狂，但他用行為科學解釋了為什麼這招有效：人類天生對「太完美」的東西有警覺，主動揭露弱點反而建立信任。 2026 年初，他出了第三本書《Four Levers Negotiating》，把同樣的「透明」哲學搬到了談判桌上。 四槓桿框架：每一次讓步都是一筆交易 Caponi 的論點很簡單：每一家營利公司的定價，本質上都是由四件事決定的。 如果你把這四件事攤開來跟客戶講，「殺價」就不再是一場拉鋸戰，而是一場有規則的交換。 他把這四件事叫做「四個槓桿」：Volume（量）：客戶買多少 Timing of Cash（付款速度）：客戶多快付錢 Length of Commitment（承諾長度）：客戶承諾多久 Timing of the Deal（成交時間）：客戶什麼時候簽規則只有一條：任何一個槓桿的讓步，都要用另一個槓桿來交換。 這就是「透明定價」的談判版：你不是在跟客戶鬥智，你是在跟客戶一起算數學。 技巧一：把定價邏輯「說出來」 大多數業務員把定價當成機密——能不講就不講，被問到才勉強回答。Caponi 的做法完全相反：在客戶還沒開口殺價之前，就主動解釋定價的結構。 具體怎麼說？像這樣："Our pricing is based on four things: how much you buy, how fast you pay, how long you commit, and when you sign." （我們的定價基於四件事：你買多少、多快付款、承諾多久、什麼時候簽約。）為什麼要主動說？因為當客戶理解價格背後有邏輯，他們就不會把殺價當成「看你能讓多少」的賭局。他們會開始思考：「我可以在哪個槓桿上給對方好處，來換到我想要的？」 重點不是阻止殺價。重點是把殺價從情緒博弈變成理性交換。 技巧二：客戶要折扣時，問「為什麼」然後「換」 當客戶說「太貴了」，別急著回應。先搞清楚折扣的驅動力是什麼——是預算真的不夠？是在跟競品比價？還是只是習慣性地試探？ 然後，用四槓桿的邏輯來回應。舉個例子：客戶：「能不能打九折？」 你：「可以。如果你從月繳改成年繳（付款速度↑），我可以給你這個折扣。」 或者：「可以。如果你願意在這個月底前簽約（成交時間↑），我可以做到。」Caponi 強調，這不是在耍客戶。你是真的在做交換——年繳讓你的現金流更穩定，提早成交讓你的業績預測更準確。折扣是你「買」到這些好處的代價。 這個邏輯一旦建立，客戶會覺得自己不是被拒絕，而是拿到了一把鑰匙。 技巧三：別跟 Chris Voss 學談判（至少在銷售場景別學） 這是 Caponi 最有爭議的觀點。Chris Voss 的《Never Split the Difference》是談判聖經，但 Caponi 認為那套東西不適合 B2B 銷售。 為什麼？Voss 的書裡有一個章節叫「Create the illusion of control」——製造對方以為自己在掌控的假象。Caponi 直接說：「這是一種欺騙（a form of lying）。」 他的邏輯是這樣的：Voss 是 FBI 人質談判專家，他的場景是「談完這次，你跟對方可能一輩子不會再見面」。但銷售不一樣——你要的不只是這一筆交易，你要的是客戶續約、加購、幫你介紹新客戶。 在這種長期關係裡，任何「讓對方覺得自己贏了但其實你在操控」的技巧，遲早會反噬。 Caponi 的替代方案就是四槓桿：你的籌碼全攤在桌上，客戶的選項也清清楚楚。沒有人在猜對方的底牌，因為根本沒有底牌。這套框架最厲害的地方，不是某個話術或技巧，而是它改變了你面對「殺價」這件事的心態。當你有一套清楚的交換邏輯，你不會害怕客戶開口要折扣——因為每一次要求，都是一次讓交易變得更好的機會。📎 Todd Caponi 的新書《Four Levers Negotiating》（2026 年出版）完整展開了這套框架，包含大量的實際對話範例和練習場景。如果你每天都在跟客戶談價格，這本書值得放在桌上。他之前的《The Transparency Sale》也推薦一讀——先理解「透明銷售」的底層邏輯，四槓桿談判法用起來會更順手。