30 天前，我在這個系列的第一篇文章中，提出了一個不少職場人都曾經想過的心願：「如果有另一個我來幫我就好了。」

每天工作總有處理不完的事情。Email、會議、提案、報告、資料整理，還有那些一直想做，卻總是抽不出時間做的事。很多工作其實我都會做，也知道該怎麼做，問題是每件事情都需要自己動手，時間根本不夠用。

既然真的沒辦法把自己 Ctrl+C、Ctrl+V 複製一份，那能不能用 AI Agent 打造另一個自己？

於是，我開始了這個為期 30 天的實驗：以 Hermes Agent 為基礎，逐步打造一個能理解我的背景、學習我的工作方法，甚至可以使用工具替我完成任務的 AI 工作分身。

坦白說，剛開始我也不知道最後會做到什麼程度。畢竟，從只是讓 AI 幫寫一封 Email，到讓它能按照我平時做事的方法完成一件工作，中間還有不小的差距。

沒想到，這 30 天一路研究下來，不只讓分身學會了不少工作技能，還讓它能使用我的工具、依照排程執行任務，甚至在上一篇，已經能用我的聲音與肖像，對著鏡頭說話。

來到這個系列的最後一天，我想換個角度，重新整理這 30 天學到的東西，把一路實驗、踩坑累積的經驗，整理成一套可以重複使用的 AI 工作分身養成方法。也分享一個我在實際使用過程中，慢慢發現比起技術，還有哪些更值得思考的問題。

回顧這 30 天，我們一起經歷了什麼？

回頭看這段時間，有時候在研究 Hermes 的設定與使用方式，有時候在整理要訓練分身的材料，有時候又在研究 Skills、API、MCP，甚至還花了不少時間處理資料安全與工具權限。

如果把這些東西一篇一篇攤開來看，很容易以前自己是在學習各種不同的 Agent 功能。但把它們重新整理後，我發現整個過程其實可以歸納成一個明確的路線圖：

從「會做事」，到「能用我的方式完成工作」

這段過程中，有幾個心路歷程的轉折讓我印象特別深刻。

一開始我標準頗低，只希望 Hermes 能聽懂指令，完成交辦的工作就好。但用了一陣子，很快就遇到一個問題：即使 AI 跟 ChatGPT 剛問世時相比，智能進化相當多，不過它畢竟不知道我是誰、我的背景脈絡是什麼，導致每次產出的內容還是跟我的需求有落差。

於牛我開始建立 USER.md，讓分身有自己的個人背景設定，再慢慢加入偏好、工作情境與表達風格。

後來又發現另一個問題：AI 能模仿我的語氣，寫出看起來很像我會寫的文字，但它不一定知道我平常怎麼做提案、怎麼分析問題，以及我如何判斷一份成果是否可以交出去。

因此，我開始研究如何從自己過去做過的提案、文件與工作成果中，蒸餾萃取那些原本只存在自己腦中的方法，再整理成可重複使用的 Skill。

有了工作方法後，下一步自然是讓它能動手做事。

所以開始為分身安裝現成 Skills，透過 API、MCP 使用外部工具，甚至讓它直接操作電腦，完成簡報、內容發布等工作。當某些工作已經有固定流程後，再透過排程，讓它在指定時間自動開始執行。

到了上一篇，我們又透過製作數位分身 Avator，讓這個分身擁有接近我的聲音與外貌，可以出現在影片裡對著鏡頭說話。

這些能力是逐步實驗，漸進式累積出來的。

而這也讓我開始思考，如果今天要教會非技術背景的小白，從無到有如何建立起自己的 AI 工作分身，我能不能把這些經驗整理成一套系統化的方法？

於是我試著重新梳理出好懂的認知框架、必要的技術知識地圖，與如何快速建構 AI 分身的流程方法，後面一一向大家介紹。

AI 工作分身的認知框架

經過這 30 天的實作，我試著把 AI 工作分身的概念，梳理為一個認知框架：

第一層：認識我，讓 AI 知道它在替誰工作

這是 AI 工作分身的基礎。

想象公司今天來了一位能力很強的新同事，第一天報到就請他幫你處理工作。即使他的專業能力很好，如果不知道你的角色、工作內容、偏好和目標，仍然很難在一開始就做出符合期待的成果。

AI 工作分身也是一樣。

因此，第一層要建立的是關於「我本人」的背景資訊，例如：

• 我的身份、專業背景與工作角色。
• 我平常負責哪些事情、使用什麼工作環境。
• 我的偏好、長期目標與基本品質要求。
• 哪些資訊值得保留在長期記憶，哪些只跟眼前任務有關。

在 Hermes Agent 中，我們透過 USER.md、Memory，以及不同的 Context 機制來處理這些需求。

但這一層還不需要讓 AI 學會所有工作方法。它只需要先對自己服務的對象建立足夠的理解，避免每次新開一個對話，都得從頭自我介紹。

第二層：用我的方式工作，學會我的執行方法與產出風格

這是我認為我們每個人最有價值的一層。

前面我們花了不少篇幅，讓 AI 學會我的表達風格。但後來透過實際提案案例發現，光是文字看起來像我，還遠遠不夠。

真正的工作分身，還得學會我怎麼分析問題、使用工具、執行流程，以及如何判斷成果是否符合要求。因此，我會把第二層再分成兩個面向。

面向一、內在執行：我怎麼做事？

包含我的思考方式、工作方法、判斷標準、工具使用，以及完成任務的流程。

例如，收到一份客戶的 Brief，我通常不會馬上開始想創意或製作簡報，而是會先確認客戶真正想解決的問題、目前有哪些資訊不足、哪些假設還需要驗證，再決定接下來的提案方向。

這些工作習慣，就是前面幾篇我們透過個人 Skill 想要保留下來的東西。當然，除了學會我的方法，分身也得學會使用工具。否則再懂我的工作流程，最後仍然只能告訴我「你應該怎麼做」，實際工作還是得我自己完成。

因此，Skills、Tools、API、MCP、Workflow 和 Automation，都可以成為這一層的支援能力。

面向二、外顯產出：我怎麼呈現工作成果？

同一份內容，不同人做出來的成果，可能有很大的差異。

有些人喜歡先講結論，有些人習慣從背景和問題慢慢鋪陳；有人寫簡報喜歡大量文字，也有人習慣用圖解整理複雜概念。

甚至同樣是解釋一個技術觀念，每個人習慣使用的例子、語氣、用字遣詞，都不太一樣。

因此，這一部分要學會的是我的表達方式、內容組織、文件格式、視覺呈現，以及那些我認為「這樣才比較像我的作品」的細節。

以創意提案為例：

• 「內在執行」決定 AI 如何理解需求、研究資料、評估方案，以及判斷成果是否達到標準。
• 「外顯產出」則決定它如何安排提案故事、使用什麼語氣、如何呈現資訊，以及用什麼方式讓讀者理解內容。

兩者結合，AI 才更有機會產出符合我工作習慣和品質期待的結果。

第三層：用我的聲音與形象對外表達

當 AI 已經能根據我的背景、方法與表達風格產出內容後，還可以進一步延伸到聲音和影像。

例如，透過聲音複製（Voice Cloning）、文字轉語音（TTS）及 AI 數位化身（AI Avatar），讓分身使用接近我的聲音和外貌，製作口播影片。

不過，這一層屬於可選配的延伸應用，不是所有 AI 工作分身都必須具備的能力。

如果你的分身主要用來整理報表、分析資料或寫程式，可能根本不需要聲音和肖像。只有當你希望它協助製作影片、進行內容分享，或處理其他需要人物形象的工作時，這一層才有實際價值。

安全性務必要貫穿整個養成過程才能安心

不論你的 AI 分身打算做到哪一層，資料安全、權限管理、成果驗證，以及持續校正，都應該一路跟著我們。

例如，讓 Agent 學會我的工作方法時，必須小心處理真實工作資料裡的商業機密；替它安裝 Skill 時，需要確認來源與執行內容；讓它使用外部工具時，也得決定哪些操作可以自行執行，哪些需要經過我的同意。

這些問題不會因為分身越來越有能力、越來越聰明，我就不用管。反而是當它能做的事情越多，我們就越需要清楚知道自己到底開放了哪些權限，以及出了問題之後要怎麼緊急處理。

AI 工作分身必要的技術知識地圖

有了三層養成框架，接下來我們再回到技術面，要建立這個分身，我們需要哪些技術機制來支持它？就目前來看，可以歸納成六個主要模組。

這些模組各有自己的用途，但真正使用時，通常會組合在一起。

例如，今天我交辦分身幫我整理一份市場研究報告。它可能需要從 Context 和 Memory 理解我的工作背景，使用 Skill 依照我習慣的方法研究和整理資訊，透過工具取得資料，再根據指定的流程完成內容。過程中如果遇到缺少資訊、來源不可靠，或需要對外執行的操作，就必須依照設定的規則進行確認。

如果這份報告每週都要產生，才進一步考慮加入自動化排程。

這張知識地圖最大的價值，是讓我們看懂每一種技術在整個系統裡扮演什麼角色。以後即使換成其他 AI Agent 平台，或出現新的工具，我們也比較容易判斷它究竟解決了什麼問題、應該放在工作流程的哪個位置，以及是否真的有必要使用。

快速建構自己 AI 工作分身的流程步驟

經歷了這不斷地實驗、踩坑 30 天後，如果讓我重新開始，從零打造自己的 AI 工作分身，我會怎麼做？

我建議先挑一件真實、最常需要處理，而且容易檢查成果好壞的工作，並從最小可用的分身開始，依下面七步逐漸完善。

Step 1：先決定，我希望分身替我做什麼

先從自己的工作中，挑出一件適合交辦的任務。

例如，每週蒐集產業新聞、整理會議紀錄、製作固定格式的報告，或協助產出文章初稿。

這裡最重要的是把「想要的成果」說清楚：輸入什麼資料、希望得到什麼結果、怎樣才算完成，以及哪些地方一定要由本人決定。

不要一開始就把目標設定成「我要一個什麼都會做的 AI 分身」。目標太大，反而不知道該從哪裡開始測試。

可參考 Day 01｜「如果有兩個我」－這 30 天我打算如何打造出另一個我？，思考自己最希望 AI 分身協助處理哪些工作。

Step 2：建立 Agent 環境，學會正確交辦任務

選擇適合自己的 Agent 平台。這個系列使用的是 Hermes Agent，你也可以考慮使用 Claude Code、Codex，或其他任何的通用型 Agent。

安裝完成後，先熟悉基本操作、Session、Context 和任務規劃方式，嘗試交辦一件簡單工作，觀察它的思維鍊、怎麼執行、會在哪裡卡住，以及什麼情況下需要人來介入。

這些基礎會直接影響後面能不能順利使用更複雜的功能。

如果想跟著本系列使用 Hermes Agent，可以從 Day 03｜Hermes Agent 是什麼？為什麼想用它來打造 AI 工作分身？ 認識這個工具，再依照 Day 04｜打造 AI 分身前，先架設好 Hermes Agent 環境 完成安裝與設定。

接著透過 Day 05｜Hermes Agent Desktop 基本操作，及設定、切換 Agent 靈魂 熟悉操作介面，並跟著 Day 06｜第一次交辦事項給 Hermes Agent 實際交辦任務，再透過 Day 11｜如何交辦任務，Hermes Agent 才能交出好成果？，學習如何用好的指令框架來提高 Agent 交付的品質。

當開始需要處理更複雜的工作時，則可參考 Day 10｜要求 Agent 先計畫再動手：Hermes 內建二種模式 plan & goal，學習如何先與 Agent 對齊計畫，或設定明確目標讓它持續執行。

Step 3：讓分身開始認識我

透過 USER.md 等機制，建立自己的基本背景、偏好與工作情境。

這個階段不用把自己所有人生經歷都寫進去，只需要整理那些會長期影響 AI 如何協助自己的資訊。

例如，我的工作角色、經常處理的任務、專業背景、慣用工具，以及對回答方式和成果品質的要求。

可以從 Day 12｜打造 AI 工作分身的第一步不是教它做事，而是讓它認識你 開始了解觀念，再跟著 Day 13｜打造 AI 工作分身－實作如何建立你的分身背景資訊 一步步建立自己的背景設定。

Step 4：把自己的表達方式與工作方法教給 AI

如果有過去累積的文章、提案、報告或其他工作成果，就可以用這些真實資料，讓 AI 協助分析自己的表達習慣和做事方法。

對於那些確實有個人獨到做法的工作，可以進一步整理成 Skill。

這一步特別重要，因為它讓我們開始把多年累積的個人工作經驗，轉換成 AI 參考執行的規則。

如果想先讓分身學會自己慣用的表達方式，可參考 Day 15｜打造 AI 工作分身二部曲－實作如何讓分身開始「像我」說話和產出？。

接著，再透過 Day 17｜打造 AI 工作分身三部曲：不只學會我的表達方式，還要學會我怎麼工作，以及 Day 18｜實作－讓 AI 分身學會我的思考及做事的技能，把自己的工作方法進一步整理成 AI 可以重複使用的能力。

Step 5：補齊需要的 Skills、工具與權限

分身不需要所有能力都從主人身上學。

像前端網頁設計、文件處理等通用能力，可以先看看有沒有現成的 Skill 能使用。真正具有自己獨特工作方法的部分，再另外建立個人 Skill。

接著，依照實際任務需求，逐步讓 Agent 使用資料與外部工具。

但這裡想特別提醒，安裝 Skill、提供 API Key 或開放電腦操作權限之前，都需要確認來源是否可靠，以及工具實際能做哪些事情。

可參考 Day 22｜不用什麼都自己教：幫你的分身裝上別人的 Skills，以及 Day 23｜Skill 越多越好？幫 AI 分身擴充能力時需要考慮的事。

Step 6：先驗證成果，再考慮自動化

當你的分身已經能透過你下指令就完成一件工作時，還先不要急著讓它完全自動化排程執行。

我建議要多測試幾次，觀察它在不同情況下的表現。尤其是資訊不完整、工具失敗，或遇到超出原本工作範圍的情況時，它會怎麼處理？

等到確認流程相對穩定，並設定好需要人工確認的地方後，再把工作轉成可重複的流程，必要時才加入定期排程。

例如 Day 24｜每次都要等我指示才幹活？為你的 AI 分身安排固定工作任務，我們就開始處理固定工作何時自動啟動的問題。

Step 7：依照需求，加入更多個人化應用

當基本工作能力都穩定後，再來思考有沒有讓分身以你的具體型像出現的表達需求。例如，讓分身具備你的聲音和肖像，協助快速製作口播影片；或整合更多工具，處理不同類型的工作。

這算是 AI 分身最後選配的延伸能力，端看你的日常工作中有沒有需要。

有的話可參考 Day 29｜讓 AI 分身用我的聲音和外貌，對著鏡頭說話與表達 ，進一步學會如何複製出自己外型的數位虛擬人（Avator）。

這 30 天有哪些重要的觀念不會過時？

回頭看整個系列，我認為有價值的收穫，並不只在於用 Hermes Agent 摸索出自己建立 AI 分身的一套方法。即使未來新的技術又進化改變了，這過程中所建立的正確觀念與好習慣依然可以繼續運用。

一、把自己的隱性工作經驗整理出來

以前我在做提案、整理資訊、判斷品質時，很多方法其實已經內化成直覺。

但如果今天真的要我坐在空白頁前，把自己怎麼做事完整寫成一份 SOP，反而沒那麼容易。

透過這次實作，我開始學會從過去的工作成果與過程中，反過來分析自己究竟是怎麼思考、怎麼判斷，以及有哪些反覆出現的工作習慣。

二、讓 AI 從只出一張嘴，到能真的動手完成

以前我們用 AI 的方式只能得到建議：「這件事該怎麼做？」

現在進入 Agent 時代，則變成：「請你照這個方法，用這些工具，幫我完成。」

例如整理資料、製作簡報、將內容發布到指定平台，甚至透過操作電腦處理沒有直接 API 可用的工作。

這也讓我重新思考，以後工作中哪些事情真的需要自己親自動手，哪些則適合改成由我決定方向與品質標準，再交給我的分身執行就好。

三、學會怎麼管理 AI 的安全性及機敏資料

當 Agent 開始使用真實資料、工具和工作環境時，安全與權限問題就無法忽略。

例如，為了讓它學會我的工作方法，我們需要把過去的工作資料提供給它，但那些資料裡可能包含客戶名稱、商業機密或個人資訊。

因此，我們才會花時間研究資料去識別化，甚至嘗試使用本地端模型或專門工具，協助處理敏感資訊。

同樣地，Skill 能擴充能力，卻也可能帶來風險；工具能讓 Agent 做更多事，但也要清楚設定權限。

我開始發現，打造工作分身，除了增加它能做的事情，也得管理它能做、不能做，以及要做之前必須先問我的事情。

四、建立一套可以橫跨不同 AI Agent 的方法

這 30 天，雖然我們是透過 Hermes Agent 來實作。

而真正值得帶走的，是 Context、Memory、Skills、Tools、Workflow、Automation 等概念背後的整體設計思路。這樣以後就算是換成其他 Agent 或平台，這些方法都一樣成立。

打造 AI 分身 30 天之後，我發現最難也最矛盾的一件事

總結了這麼多技術方法，我想在最後，分享一個自己在實際使用過程中，慢慢「體悟」到的問題：

即使 AI 分身現在已具備了足夠的能力，我們也不見得真的敢把真實世界中的工作交給它。

有時候，明知道某件事可以請分身幫忙處理，但心裡還是會小小糾結一下：

「交給它做，萬一做錯了怎麼辦？」

「如果還要花時間檢查，會不會乾脆自己做比較快？」

這種感覺是不是很矛盾？畢竟，我們花了那麼多時間研究打造分身，結果分身打造好了，也終於能做事了，身為人類的我們卻又鬼打牆似地，開始擔心交給它會不會出問題。

但仔細想想，這件事在人類世界裡其實也很常見。

除了培養 AI 分身的能力之外，也需要培養對它的信任

假設今天你是一位主管，團隊裡有好幾位同事，但你始終覺得任何事情自己做都比較快、比較放心，所以所有工作都要親自處理。那這個團隊就算人再多，也很難真正發揮分工的價值。因為只要有工作需要完成，你依然是唯一的執行者。

與 AI 分身協作，也有類似的問題：

如果我始終不願意讓它承擔任何工作，那麼即使它有再多的 Skills、能操作再多的工具，實際上能幫我分擔的事情還是有限。

因此，除了培養 AI 分身它的能力之外，我們也得有意識地培養自己對它的信任。

但這裡的「信任」，我認為至少有兩個不同面向：

• 能力上的信任：我知道它擅長什麼、在哪些情況下能穩定完成任務，也知道哪些工作超出了它的能力。
• 安全上的信任：當它不確定、遇到問題，或工作超出原本授權時，能不能依照規則停下來，回報狀況並尋求確認。

就跟人類同事協作的時候類似，信任不能只靠 AI 分身自己信誓旦旦地告訴我「放心吧！妥妥的」，然後手比讚，我就天真的相信了。

因為，如果真的出事了，後面要背鍋的人還是我。

靈感：從人類團隊的合作方式得到的啟發

那該如何是好呢？於是我開始思考在真實世界裡，我們是怎麼和團隊成員建立起信任感的？

除了日常一起工作培養默契，通常還會有固定的團隊會議、進度同步、知識分享，甚至透過 Team Building，讓大家逐漸理解彼此的專業能力、工作習慣與能力邊界。

這些活動未必直接產出工作成果，卻能幫助成員建立合作默契。那麼，能不能把某些人類團隊的管理方法，也應用在我跟 AI 分身的合作上？

我想起敏捷開發 Scrum 裡的一個活動：Sprint Retrospective（Sprint 回顧會議）：

在 Scrum 裡，團隊會在一個 Sprint 結束時，回顧這段時間的工作方式、互動和遇到的問題，再討論下一次可以如何改善。

《R森小叮嚀》

想了解 Scrum 的 Sprint 回顧會議更多細節的朋友，可看看我之前系列專欄的這篇：Day25. 敏捷訂飲料(5)－自省會議的方法

於是我就在想，也許未來可以幫自己的 AI 分身建立一個固定排程，每週跟它開一次 Retrospective。

而這場會議裡的「團隊」，就是我跟自己的 AI 分身。

我們可以固定討論幾個問題：

1. 這週有哪些任務完成得不錯？哪些能力已經相對可靠？
2. 哪些地方出錯、卡住，或需要我介入？
3. 這些問題是因為資料不足、指令不清楚、工作方法有缺陷，還是工具本身出了問題？
4. 下一次可以怎麼改善？需要修改哪些設定或工作方法？

建立一個我與 AI 分身的「成長反省日誌」

如果只是每週跟 AI 聊聊交換意見，聊完之後就沒有下文，那恐怕也很難真正改善什麼。因此，我還想搭配一個具體的做法：建立一份成長反省日誌，例如 growth-retrospective.md。

每次 Retrospective 後，把這次討論的內容記錄下來，包含當時執行的任務、遇到的問題、可能原因、討論後的改善決議，以及後續驗證結果。

這份日誌就成為我與 AI 分身合作與改善紀錄的主要來源。

接著，在 Hermes Agent 中的 AGENTS.md 中，加入這份日誌的路徑及使用原則，讓我的分身在進行回顧或需要查閱過去經驗時，知道可以去哪裡找資料。

不過，我不打算讓分身每次開完回顧會議，就直接把所有記憶和工作規則全部改寫一遍。因為「這次做錯了一件事」，未必代表原本的工作方法就有問題。也可能只是資料不足、特殊情況，甚至是我當初交代得不夠清楚。

所以，我會希望每次修改都先經過討論，由我明確決定要不要調整。

如果只是一次性的問題，就先留在反省日誌裡。如果確認是需要長期記住的資訊，再考慮將教訓升級到記進 Memory 中；如果發現某個工作流程或判斷規則真的需要改進，就修改對應的 Skill 或 Workflow。

例如，某次 Agent 幫我製作簡報，因為沒有先確認簡報對象，結果做出來的內容不適合業務主管閱讀。我們在 Retro 回顧時發現，問題出在原本的簡報 Skill 沒有要求確認使用對象。

那麼討論後就可以決定要在簡報 Skill 裡加入一條規則：「製作正式簡報前，如果沒有提供簡報對象與使用目的，應先確認後再開始。」

接下來再用新的簡報任務，驗證這條規則是否真的改善問題。這樣一來，與 AI 分身定期的回顧會議才會產生具體的改變。

允許它在可控制的範圍內犯錯，一起持續改善

當然，我們不該期待分身只要和我開過幾次 Retrospective，就會自動變得更聰明、以後就不會犯錯。

但至少，我們有機會透過定期回顧，把曾經遇到的錯誤整理成可執行的改善措施，再透過後續工作確認成效，降低相同問題重複發生的機會。

這樣有個潛在的好處：自己也能逐漸累積「對分身的信任」。

因為隨著合作經驗增加，我會更清楚知道哪些工作它能做得好，哪些需要我檢查，以及哪些事情目前並不適合交給它。

當某些任務已經反覆通過驗證，也許就可以逐步增加交辦範圍，或在風險可控制的情況下，開放更多適當的工具權限。但像對外發送重要訊息、刪除資料、付款，或其他影響較大的操作，即使合作再久，仍然可能需要保留人工確認。

畢竟，信任 Agent，不代表什麼事情都可放手讓它做。

我認為真正的信任，是知道它有哪些能力、有哪些限制，以及當事情超出它能處理的範圍時，我們已經準備好相應的處理方式。

這也讓我深刻理解到，打造 AI 工作分身其實有兩件事情需同步進行：

1. 讓分身持續學習我的背景、工作方法和工具使用方式。
2. 讓自己學習如何交辦、驗證、回饋、反省，才能跟這個 AI 分身進行長期合作。

我和打造出來的分身，接下來會如何發展？

行文至此，這個 30 天的實驗也終於來到了尾聲，回到最初的問題：「30 天後，我真的打造出第二個我了嗎？」

如果當初想像的第二個我，是一個和本人一模一樣，擁有完整的知識、判斷與工作能力，可以完全獨立完成所有事情的存在，那麼現在還有很大的距離。它仍然會犯錯、誤判，也不一定能掌握所有我平常做事時有些難以言喻的細節。有些工作需要我檢查，有些決策仍然必須由我親自操刀。

但如果是一個能熟悉我的工作方式、使用必要工具，替我完成部分工作的 AI 分身，那麼這 30 天確實我們有打造出了一位分身好幫手。

而且我認為，AI 工作分身的養成不會這樣就結束，之後仍可將自己其他的工作方法繼續整理成 Skill、串接自己在用的新工具，解放更多時間做更重要的事。

未來，我也想進一步實驗定期的 Retrospective，建立我跟 AI 分身長期回顧與改善的機制，看看這個方法能不能讓我們之間的合作更加穩定。

《打造自己的 AI 分身》這一系列的實驗文章就先記錄到這邊，謝謝你一路跟著我走到這邊。

我的第二個我，接下來會為我繼續上班。

而這個分身的主人，也就是我，則會繼續和它保持互動，持續學習。

未來這個 AI 分身會長成什麼樣子，我們一起期待，明年見！