現在隨便一個 AI 工具都很聰明。但你把它接進公司，第一天就會發現一件尷尬的事——它什麼都會，就是不懂你。
我是 Dream，琢奧的商務長。這一兩年我們幫不少企業與組織導入 AI，最常被問的問題是：「你們用哪個模型？」但真正卡住專案的，從來不是模型。是知識萃取——把公司真正值錢的東西，從人腦裡挖出來、整理成 AI 用得上的樣子。這一關，才是所有人都低估的地獄。
你的公司最值錢的知識，其實不在任何文件裡
想一想：誰記得那個大客戶的地雷是什麼？上次那個奧客是怎麼處理的？這個流程為什麼要多蓋一個章？新人報到，為什麼永遠要問三輪才問得到答案？
這些東西不在 SOP、不在系統、不在雲端硬碟。它們只在幾個資深員工的腦袋裡。平常沒事，一旦那個人請假、離職、換部門，公司的一部分記憶就跟著消失。你不是沒有知識，你是把知識存在會離職的地方。
這就是為什麼很多公司興沖沖導入 AI，最後卻覺得「它好像也沒多懂我們」——因為根本沒人先把公司的知識餵給它。你給它一個空的腦袋，它當然只能講漂亮的場面話。
模型再強，沒有你公司的知識，它只是一個很會講話的陌生人。
大家都在談 Agent，卻漏掉最重要的那塊
業界談 AI Agent，翻來覆去就兩個詞：model（模型）和 harness（讓模型能用工具、能執行任務的框架）。這兩個當然重要——一個是大腦的運算力，一個是讓它動起來的手腳。
但我們實際做下來，發現真正決定「這個 AI 好不好用」的，是第三塊很少人談的東西：Brain——幫你的公司打造一個「第二大腦（Second Brain）」。
你或許聽過 Second Brain（第二大腦）這個概念，多半用在個人身上——把腦袋裡的想法、筆記、資料，通通外接到一個系統，讓自己不用什麼都硬記。我們做的，是它的企業版：把整間公司的知識萃取出來、整理成結構、可以被查、可以被治理。這一塊沒做好，模型再貴、框架再花俏，都只是空轉。
運算與語言能力。市面上人人都拿得到。
讓 AI 能查資料、跑任務、發訊息的手腳。
你公司的知識被萃取、結構化、可查可審核。
講白一點：模型和框架，我們給誰做都差不多。第二大腦，是為你這家公司量身長出來的——這才是我們真正在賣的東西，也是 AI 能不能「懂你」的分水嶺。
知識萃取到底難在哪？六個現場的痛
這不是理論。以下每一條，都是我們在 Evershine（BNI 長輝分會）與其他客戶現場，被真實打臉、然後一條一條解掉的。
| 現場的痛 | 沒有第二大腦時的代價 |
|---|---|
| 知識散在人腦、群組、Excel | 換一個人就斷層，新人要問三輪才找到答案 |
| 靠人手動發公告、提醒、名單 | 漏發、晚發、格式亂，重要的事情靠運氣 |
| AI 亂改設定、亂寫名冊 | 正式資料被污染，一次就讓人不敢再信任 AI |
| 群組很吵，又希望 AI 隨叫隨到 | 不是每則都回、也不能永遠已讀不回 |
| 「訊息有送」就當「事情做完」 | 提案沒人審、名單沒人回、事情懸在半空 |
| 老闆想知道「組織到底懂多少」 | 沒有儀表板，只能靠口頭回報、憑感覺 |
你會發現，這些痛沒有一個是「模型不夠聰明」造成的。全部都是知識沒有被好好萃取、治理的後果。這也是為什麼我們把力氣，放在別人不想碰的那塊。
為什麼我們從商會（BNI 分會）開始？
有人問：你們為什麼拿商會當第一個完整落地的場域？老實說，不是因為商會「簡單」，而是因為它比一般公司還難。能在這裡跑通，回到一般企業反而容易很多。
一般公司至少還有固定的組織架構、職稱、部門、SOP。商會分會不一樣——它更像一個每會期都在換血、卻又必須持續運轉的志願型組織：
| 商會的現實 | 為什麼比一般公司更難 |
|---|---|
| 每會期幹部輪替 | 主席、副主席、教育組、秘書——半年一換，交接靠口頭，上一屆的經驗常常帶不走 |
| 成員來來去去 | 有人加入、有人凍結、有人轉會，名冊與行業資訊永遠在變 |
| 大量「軟性知識」 | 誰適合引薦給誰、這個行業的潛規則、上次來賓怎麼接待——很少寫成正式文件 |
| 商務資訊在群組裡流動 | 引薦機會、合作討論、臨時提案，全在 LINE 對話裡，過了就被洗掉 |
| 多層領導團隊並行 | 主席團、教育組、各委員會各有職責，權限與責任邊界需要被記住 |
| 例會是知識的生產線 | 每週固定產出：來賓、簡報、引薦、公告——錯過一週，資訊就斷一截 |
換句話說，商會同時踩中「人員流動率高」「知識高度口傳」「行政節奏固定卻靠人記」這三顆地雷。如果第二大腦在這裡能站穩，代表它真的能扛住組織記憶斷層——這也是為什麼我們選在這裡把整套方法磨到能複製。
商會不是特例，它是放大版的公司縮影——只是換人更快、軟性知識更多、流程更依賴人腦。能在這裡跑通，你的公司通常也能。
我們的解法：第二大腦 + AI Agent
我們幫 Evershine 做的東西，說穿了就兩件事，掛在企業每天都在用的 LINE 上（Telegram 作為第二通道）：
成員、職稱、行業、流程、排程等知識，結構化存放、可視化檢視。用「提案 → 審核 → 寫回」的機制，讓 AI 可以學，但不能擅自定案。
在 LINE 上隨叫隨到、依規則查資料、定時推送提醒與名單，並在管理者允許的範圍內推進日常營運動作。
一句話定位：把公司裡「問了才知道、記得才做得到」的知識與流程，變成一套 24 小時可呼叫、可排程、可審核的數位營運系統。
賣點一：第二大腦，讓 AI 的答案有憑有據
第二大腦做的第一件事，是把組織記憶從「某個人的腦袋」搬到「一個看得見、查得到的地方」。誰做哪一行、缺哪些資料、待辦有哪些，管理者打開儀表板一眼就懂，不用再一個一個問。
但真正讓企業主放心的，是接下來這兩條紀律：
第一，AI 可以「學」，但不能「擅自定案」。對話中冒出新資訊，AI 不會直接改你的正式名冊，而是先寫成一則「提案」丟進待審區，等管理者按下通過，才會寫回正式資料。AI 負責加速蒐集，人永遠掌握最終真相。對任何公司來說，這代表你不用擔心哪天 AI 聽錯一句話，就把客戶資料改壞。
第二，查詢有「真源」，不靠模型瞎掰。被問到公司內部的事，Agent 被要求先去查你的知識庫再回答。查不到，它會老實說「資料裡沒有」，而不是一本正經地編一個聽起來很專業的答案。對外服務時，這一條可以省下你無數次事後道歉。
你現在看到的圖譜，只是某個時間點的快照。實際跑久了，第二大腦會比截圖複雜得多——節點會越長越多，連結也會越織越密。這不是 bug，是我們刻意這樣設計的。
我們不是做一個「要有人每天手動餵資料」的知識庫。系統被設計成嵌進你們本來就在做的工作流程裡自動生長：
- 例會資訊——來賓、簡報、引薦、決議，從固定節奏裡被擷取、結構化
- LINE 群組對話——領導團隊、教育組、分會群裡的討論，經提案機制進入待審區，通過後寫回正式知識
- 雲端與既有文件——wiki、表單、公告，作為可查的真源，而不是另開一套要大家重新適應的系統
重點是：沒有人需要「額外多一件事」去維護第二大腦。大家照原本在 LINE 裡討論、照原本開例會，知識會自己累積。久了，這張圖會比現在更豐富——因為組織真的在變、在成長，大腦也跟著長。
賣點二：AI Agent，把「該做的事」變成不會忘的行政助理
有了大腦，還要有能做事的手。Agent 掛在 LINE 上，做三件企業最有感的事：
- 隨叫隨到、但不吵。群組裡被點名（@）才回應，還會依角色（管理者／幹部／一般成員）給不同權限，不會變成洗版的噪音。
- 定時的事，它從不忘記。每週要發的公告、要提醒的名單、要通知的來賓，設定好排程就自動送到正確的群組——不再靠某個人「記得」去發。
- 「送出 ≠ 完成」。提案送了要追到審核通過、提醒發了要追到對方確認。發現待辦堆積、資料過舊、關鍵名單沒人回，它會主動私訊管理者。它不只是嘴上幫忙，是真的幫你盯到閉環。
對分會長、秘書、教育組，或是任何公司的行政與客服來說，這等於多請了一位不會累、不會忘、不會離職的營運助理。
我們踩過的坑，就是你的保險
Evershine AI 的價值，不只來自功能清單，更來自我們已經替你付過的學費。買 AI 系統，你買的不是「demo 當天很會講話」，而是「三個月後群組還穩、資料還乾淨、排程還在跑」。這些是我們真的跌倒過、然後寫進標準流程的教訓：
在後台介面隨手改個設定，結果把正式環境的核心設定覆寫掉，AI 整個行為跑掉。
→ 我們的做法把「日常操作」和「核心設定」嚴格分開，關鍵變更走固定流程、有紀錄可查，不讓任何人一個手滑就搞壞生產環境。
排程看起來有設，實際執行卻默默失敗；或是設定值一個空白，整個群組全部沒回應。
→ 我們的做法把這些「沉默的失敗」全部列為上線檢查項，用監控與健康檢查主動盯著，而不是等客戶反映才發現。
AI 有時會冒出簡體字，對「台灣在地服務」的專業感是一種傷害。
→ 我們的做法在規則裡明確要求只用繁體中文、內建簡繁自我校正，並定期清查殘留。細節，是專業感的來源。
這些不是黑歷史，是我們的底氣：我們知道哪裡會炸，而且每一種炸法都有對應的解法。
我們解的是商業流程，不是技術問題
這一點，我想講清楚。琢奧的定位是商務顧問，不是接案寫程式的工程行。客戶找上來，十個裡面有八個以為自己要的是「幫我接一個 AI」——但真正卡住的，幾乎都是流程：
- 知識散落在誰的腦袋、哪個群組，沒人說得清楚
- 每週例會產出的資訊，開完就散，沒有地方接住
- 幹部換屆交接，靠一份 PDF 和幾通電話，下屆從零開始
- 想導入 AI，但不知道該讓它「做什麼」，只知道要「很聰明」
所以我們的工作，很多時候不是解技術問題，是把商業流程理清楚，然後讓技術嵌進去。第二大腦要抓哪些知識？Agent 在什麼時候該開口、什麼時候該閉嘴？誰有權審核、誰只能查詢？這些都是流程設計，不是寫 code 能自動想通的。
也因此，我們一直堅持一個原則：越簡單越好。不另外開一套大家不會用的系統，不逼員工學新工具，就嵌在 LINE 裡、嵌在例會節奏裡、嵌在幹部本來就會做的事裡。技術是手段，讓組織記得住、做得到、改得對——才是目的。
好的 AI 導入，使用者感覺不到「多了一個系統」，只覺得「事情變簡單了」。
技術上，我們是玩真的（給想看細節的人）
如果你或你的技術夥伴想知道底層，這裡是我們在 Evershine 實際在跑的 Tech Stack——不是簡報上的美好想像，也不是「接個 ChatGPT API 就結案」：
| 層級 | 技術 | 說明 |
|---|---|---|
| Agent 核心 | NousResearch Hermes Agent（Docker） | 對話、工具呼叫、Cron 排程、記憶管理的核心執行引擎。 |
| LLM | 商用大語言模型 API | 透過標準化端點連接，可依需求替換模型供應商。模型是消耗品，第二大腦才是資產。 |
| 知識庫 | Git Wiki（BNI Evershine wiki） | Agent 查詢的「真源」。新資訊先進 inbox 待審，通過後才寫回 wiki／facts。 |
| 第二大腦 | Python Brain Server + Dashboard | 知識圖譜、成員完整度、待審提案、訊息與排程總覽。幹部看得見組織到底懂多少。 |
| LINE 通道 | 自研 line-proxy | Webhook 簽名驗證、群組識別、用戶角色（admin／office／member）、context 注入後再轉給 Agent。 |
| Telegram | Hermes Gateway 直連 | 作為第二通道，與 LINE 共用同一套 Agent 與知識庫。 |
| 反向代理 | Caddy + Let's Encrypt | TLS 終止與路由。對外服務走自訂網域，憑證自動續期。 |
| 基礎設施 | GCP VM+ Docker Compose | 可備份、可稽核。 |
| 營運 UI | Hermes Web UI | 聊天、cron、log 檢視。生產環境不建議在 UI 直接改 Provider，避免覆寫核心設定。 |
| 資料層 | SQLite · brain vault · Git | LINE 訊息存 SQLite；組織事實以檔案式 vault 管理；wiki 與設定走 Git 版本控管。 |
| 搜尋增強 | Tavily 等工具 API | 依環境啟用，補強即時外部資訊需求（如新聞廣播）。 |
| 設定與人格 | config.yaml + SOUL.md + .env | 行為規則、禁止事項、語氣與審核紀律寫在 SOUL；金鑰只在 .env，不進 git。 |
重點不是我們用了多潮的技術，而是每一層都為了「穩定、可稽核、可複製」而設計。企業要的不是炫技，是三個月後群組還穩、資料還乾淨、排程還在跑。
腦、手、眼：這套東西未來能長成什麼
我們的方向不是「再多做一個聊天機器人」，而是把它做成一套可複製、可以幫你不斷長大的營運系統：
組織記憶、知識圖譜、資料完整度、待審提案——你的知識資產，看得見也管得動。
LINE／Telegram 上對話、排程、閉環追蹤——把該做的事，變成不會忘的行政肌肉。
從累積的知識裡看出需求訊號與合作機會，讓資料不只是被存著，而是主動幫你賺錢。
這套系統適合誰？
- 有固定行政節奏（公告、提醒、名單、教育訓練）需要有人盯的組織
- 受不了「AI 很會講，但不可管、不可審、不可交代」的老闆
- 希望知識留在組織裡，而不是留在某個人的聊天紀錄或腦袋裡的公司
你買到的組合是三件事：一個看得見、審得了、累積得起來的第二大腦；一個在 LINE 上可呼叫、可排程、可追結果的 Agent；以及一套從無數次踩坑裡長出來的實戰穩定度。
一句話收束
我們不是替你加一個會聊天的帳號；我們是替你的公司，裝上一套「記得住、做得到、改得對」的數位營運系統。
常見問題
導入 AI，最難的到底是什麼？
不是接模型，也不是寫程式，而是「知識萃取」——把散落在資深員工腦袋、LINE 群組、Excel 裡的組織知識，整理成 AI 能查、能用、能治理的結構。這一關，決定了 AI 到底懂不懂你的公司。
什麼是「第二大腦（Second Brain）」？跟一般聊天機器人差在哪？
第二大腦是把組織知識結構化、可視化、可審核的知識層。一般機器人只依模型記憶亂答；第二大腦讓 AI 回答前先查你公司的真實資料，答不出來就說「資料裡沒有」，而不是編造。
AI 會不會亂改我們的正式資料？
不會。我們設計了「提案 → 審核 → 寫回」的流程：AI 學到的新資訊只會先進待審區，管理者確認後才寫回正式資料。AI 加速蒐集，人掌握最終真相。
這套系統只能用在 BNI 分會嗎？
不是。同一套「第二大腦 + AI Agent」的邏輯，適用於任何「知識散在人腦、需要固定行政節奏、換人就斷層」的組織——公司知識庫、客服 SOP、教育訓練、例行公告都能套。
如何評估我們公司適不適合導入？
透過下方按鈕開啟官網聯絡表單，說明你的知識現況（散在哪裡、誰在維護）、常見的重複性行政工作，以及希望 AI 幫忙的場景，我們會評估可落地的範圍與導入步驟。