Skip to content
PodSubs
ShowsPeopleGuestsJobsNewsEvents
More
BlogPodCred
Menu
ShowsPeopleGuestsJobsNewsEventsBlogPodCredNetworksSign in
Join nowSign in
  • Shows
  • People
  • Jobs
  • News
  • More
    • Guests
    • Events
    • Blog
    • PodCred
    • Networks
    Join nowSign in

銷波快 | 一個圍繞在行銷Marketing 的隨便亂聊電台

銷波快 | 一個圍繞在行銷Marketing 的隨便亂聊電台 artwork

【波Series-EP44】你的資料庫是死硬碟還是貝加龐克的大腦?Data Mining資料清洗完整揭秘,Hybrid資料庫打破個人Wiki的限制,解鎖AI企業資料庫的真正威力!

Jul 13, 202629 minAudio
ShareXLinkedInFacebookWhatsAppEmail

大家好,我是阿波小編!這集 Jayden 跟 Zoey 要來揭開一個讓所有 AI 使用者最想搞懂的核心問題: 「你的資料庫是死硬碟還是貝加龐克的大腦?」 很多人都這樣管資料:Excel 存一份、Notion 存一份、Google Drive 再存一份、每個人各玩各的。 結果呢?資料收集了一大堆卻不知道怎麼分析、想找某一份舊資料找不到、全台灣找資料分析的人沒人會做、不知道為什麼別人的 AI 可以自動調取整理自己的卻永遠要人工讀。 關鍵不是資料不夠多,而是你的資料庫還是死硬碟、沒有進入「Hybrid 資料庫」!這集 Jayden 跟 Zoey 會完整揭秘 Data Mining 資料清洗(定義問題:哪些資料是有用的哪些是雜訊 X海案例找全台灣沒人會做分析 購物平台猜你喜歡就是 Data Mining) Hybrid 資料庫打破個人 Wiki 的限制(SQL 定量固定型 + Vector 向量語意框在一起、個人 LLMs Wiki 資訊量太大後向量搜尋超複雜無法分享、Supabase MCP 端無限制只花 Token) 解鎖 AI 企業資料庫的真正威力。 🎯 本集重點內容: 死硬碟 vs 貝加龐克大腦:資料庫有沒有辦法被 AI 串接 Data Mining 資料清洗:定義問題、清掉雜訊、抓出有用資料 個人 Wiki 的限制:資訊量太大向量搜尋超複雜且無法共享 Hybrid 資料庫:SQL + Vector 才是最佳實踐 AI 企業資料庫:解鎖真正的 AI Native 威力 如果你想知道資料庫是死硬碟還是貝加龐克大腦、想學 Data Mining 資料清洗、想解鎖 AI 企業資料庫的真正威力,這集 Jayden+Zoey 會給你完整答案!🚀 ※本集內容: I. 開場閒聊:日劇推薦 Jayden 最近在追日劇(榮耀家族:賽馬行業的商業故事) Jayden 推薦必看商業日劇:鹿王、夏婷火箭、公司不是學校 「內肥」新名詞梗(Netflix 台語諧音) 今天主題:貝加龐克的大腦 II. 貝加龐克的大腦是什麼 貝加龐克是海賊王的科學家角色,吃了果實可以把智慧共享到所有人身上 類似雲端概念:他的夢想是把全世界的知識共享 AI 時代的貝加龐克 = AI 企業資料庫 資料庫管理在 AI 時代變成超級超級大的變化 III. 舊時代資料庫的三大痛點 A. 只有工程師看得懂 以前唯一看得懂資料庫的只有工程師 宏XX海案例:存了超多資料,找全台灣做資料分析的人,沒人會做 B. Data Mining(資料清洗) 定義問題:哪些資料是有用的、哪些是雜訊 把重要有用的資料抓出來,清掉不重要的 應用案例:購物平台「猜你喜歡」就是 Data Mining C. 以前資料庫都是數字 透過工程師寫程式才能做相關功能 收集了一大堆資料但不知道如何分析 IV. AI 時代資料庫的革命:文字版 CIS CIS = 品牌共同識別手冊(設計師都知道,但文字版沒有) 文字版規範建成資料庫 → AI 幫你讀 → 所有人寫出來的文案水準差不多 請 10/50/100 個員工,透過 AI 讀取同一資料庫,產出水準一致 品牌資料(根資料):品牌靈魂、定位、萃取、聲音 專案資料:SEO 資料、社群資料 V. SQL vs 向量資料庫 = Hybrid A. SQL(定量/固定型資料庫) 6月26號的訂單資訊:數字是寫實固定的 數字層面不能有向量概念(向量反而是雜訊) B. 向量資料庫(Vector) 語意相同的東西框在一起 個人 LLMs Wiki 的問題:資訊量太大後向量搜尋超級複雜 個人 Wiki 無法分享給他人、只有自己看得懂 C. Hybrid 資料庫(最佳實踐) SQL + Vector 合併使用 Jayden 目前使用 Supabase(MCP 端無限制,只花 Token) 向量設計需要再串另一個 MCP VI. 資料庫實戰應用 A. SEO 資料庫 1 篇 SEO 很簡單,500 篇 1000 篇呢?人類大腦做不到 以前用 Excel 管理,只能用標籤方式 向量搜尋:打包成群組,管理文章之間的關係 確認哪些文章關鍵字相同、自動避開重複 B. AI Native 閉環 70 分架構出發 → 產出策略 → 上廣告/SEO 平台 → 有數據 數據回推 → 改策略 → 第二個策略 → 再回推 80 分架構先上 → 數據迭代到 90、95、100 分 數據資料庫 = AI Native 最重要的環節 VII. 結語:兩條線同時跑 AI Native 的難點:同時跑 Skill(執行流程)+ 資料庫管理兩條線 正確順序:先累積資料 → 確立架構 → 確定哪些架構必要 架構會一直演進,不會固定 Jayden 不會寫資料庫語法,但 AI 會寫,只在乎能不能運行 有了資料庫之後,能做的自動化系統變超級多 資料庫就像電子雞:要養,偶爾會跑到高雄 聯絡《銷波快》聊聊行銷 📆每週一 AM9:00 定期更新📆 ■快來逛逛我們荒廢的粉絲團👉👉 訂閱銷波快:https://tinyurl.com/4vd4pphe 銷波快粉絲團:https://tinyurl.com/bdcxjjr9 Jayden: https://tinyurl.com/2kx9h8cr 😍播客商業合作信箱:hihioldyes@gmail.com

Audio and video play straight from the show's own hosting. PodSubs stores and serves no media.

Transcript

From the show. Tap a time to play from there.

海嘯來了 歡迎來到 銷波快 我是 Jayden 好我們今天四目一指 我們趕快進入主題吧 對我們今天的主題是 如何能夠追劇 不是這樣 哎呦資料庫還早啦不要那麼快啦 這麼快就進入到資料庫大家沒辦法 可是我等很久耶等很 久那就等很久啊繼續等 那我們下個禮拜再見了大家拜拜 太小啦 好啦你要追什麼劇你最近在追啥 最近在看一些舊的日劇 之前新的日劇 大部分都追的差不多 也是啊你是日劇人嘛 一年看不到十部 我應該是一季 會看二到三部 你有沒有去看那個啊 最近網路上超有名的 地獄占卜師 地獄占卜師喔 Netflix 我沒有 我沒有 NF 大陸都叫網肥我 NF NF 喔 我沒有 NF 那你有推薦什麼嗎 地獄占卜師想看啊 而且他之前 在 Netflix 還有一個海報還不錯的劇 這個劇叫做 小振興劇點對對對喔內部 那部我也想看我一直很想看 但他只有 NF 有 對我就沒有 NF 嘛 新名詞 NF 傻眼 內部評價很高 那我最近在看的是 榮耀家族喔他在講什麼 他在講的事情是賽馬的 故事賭博讀起來不是不是 他在講一個事情是 一個會計師 他的工作一直來都不是很順嗯 然後被大家覺得 是榮源的部分 最後進入到賽馬的行業中的故事 然後就賠了一百萬 為什麼要賠一百萬沒 有我隨便講沒有沒有 他就是因為講了實話 被原本的會計師開除嗯 講個實話對 然後被原本會計師事務所開除 不是會計師不講實話嗎 請他的人反正就希望這一個公司 能夠放棄賽馬事業 的意思啊對哈哈哈哈 各式各樣的就是這些 那我很喜歡這種商業劇 就是在日劇中學一些商業所以 我記得我在某一集的 Podcast 有跟大家講 有兩個商業劇一定要看路 網我真的很喜歡一個是路網 一個是夏婷火箭嗯路網不錯路 網我有看路網好看對啊好看對 然後夏婷火箭也不錯 我後面再去追沒那麼多時間 夏婷火箭的上下集 我覺得第一季比較好看第二季還好 哦他有第二季哦對他有第二季 哦那可以可以看 對那這些東西都可以去看 一個人他怎麼樣去堅持 他的品牌情緒的 你之前有推薦一部但我忘記了 他是在講什麼網路上 就是他們會追蹤 那個玩遊戲訂閱的那個 數字哦那個我忘記我知道 那一部叫做 公司不是學校 哦公司不是學校好好好 公司不是學校可以可以也蠻 好看的他也有兩季哦可以可以 我之後回去追可以太好了對 那他是哇哇的 贊贊贊也好 再講完日劇 我們回到今天的主題了 今天在談的東西 叫貝加龐克的大腦 很多人一定聽不太懂 這句話到底什麼意思 我先跟大家解釋一下 貝加龐克是誰 我怎麼要從這邊開始講很棒啊好 貝加龐克是海賊王 的一個人物科學家對 那他吃了一個果實 那在海賊王 有一個奇怪的設定 就是你只要吃了果實以後 就會有一些能力 但你就不能碰到大海 不然你就會變汗鴨子好 那他就是一個漫畫中的設定好 這個果實在幹嘛呢就是 他可以共享的智慧到所有人身上 有點類似雲端的概念 他原本的設定是這樣嗎我一直以為 他是所有的資訊 都可以放到他腦子他放到 他放到他腦子裡面 然後他會切片啊哦真的 所以在那個機械島裡面的 那個就是他大腦啊對沒有我想說 他只能輸入到 他底下製作的那些複製 人裡面沒有沒有沒有真的 他的夢想是 他想要把全世界的知識共享哦 然後就被清算哈哈哦我 沒有我沒有我沒有完了 我爆雷了 怎麼會這樣沒關係 被加坎哥還沒死還沒死好 OK 但要忘記這件事好 那簡單來講是什麼呢 其實在 AI 時代下面 資料庫的管理 變成一個超級超級大的變化 以前我們在管資料庫的過程中 唯一看得懂資料庫的人 只有工程師 這個是我們在座的模式這第一個 第二件事情是 以前在資料庫時代中 最常遇到的問題是 收集了一堆對資料 但不曉得資料如何分析 這是第二件事情所以呢 基本上 以前在資料分析的過程中 大概會有兩種型別的人會去學 第一種叫做行銷人 第二種叫做程式人 基本上這兩種人會去學資料分析好 在這邊跟大家講一個故事 這個故事蠻有趣的有名的 某一家非常非常有名的大企業叫做 紅叉叉海好 這樣可以了可以 他們之前呢 就是存了非常多的資料 就是有關於一些設計資料啊 或者是一些資料庫的資料 他們把這些資料 存到資料庫裡面以後 基本上就不管他了 但某一天呢 老闆想要把 這個資料庫裡面的資料去做分析 找了全臺灣所有有 做資料分析的人沒有人會做 正常不做 在資料庫的管理中 跟資料收集的過程中有一件事情 是在資料庫中非常麻煩的事情 叫做定義問題 定義問題 什麼意思呢 就是我收集這麼多資料 有哪些資料是有用的 有哪些資料是雜訊 那在這裡面有一個 非常重要的專有名詞 叫做 Data Mining 那什麼意思呢 它翻譯成中文叫資料清洗 就是我要把重要跟 有用的資料抓出來 然後把不重要的資料清洗掉 這個東西就叫 Data Mining 所以每一個 Data 它背後都有它的原因 或者是你可以分析 比如說客戶的行為 客戶的狀況 客戶的反應 或者是客戶從哪裡來 他怎麼做決策的過程 那這個東西就叫做資料好 在資料中 最常看見的應用 就是一個 叫做你在購物平臺下面 下面有個猜你喜歡 那個東西就叫做 Data 那個東西就叫 Data 那這裡面有一個更深的 運用我們就不講簡單來講 這些東西都是資料運算後 所提出來的建議 那些東西都是資料運用 所以在資料運用下面 過去我們理解的資料庫 全部都是資料 然後在這些資料上面 我們要透過工程師去做計算 要寫程式 才能做相關的一些功能 這些東西大概是資料庫在做的事好 那在新時代 AI 創光下面 資料庫的東西應用上面 變得超級廣 因為它不再只是一份檔案檔好 我舉個例子來講 在設計層面 有一個檔案檔叫 CIS 那 CIS 的意思是什麼 叫做品牌共同識別的手冊 所以我所有的設計都要照著這個 CIS 來做 那這個東西叫檔案檔 在設計層面是 大家是有規範的 所以如果你是設計師 你是可以理解的 但先問你 在文字上面有嗎沒有 很多人是沒有的 但文字其實有文字的 CIS 它是可以建手冊的 假設我 我這個手冊變成資料庫 那所有人讀取這個資料庫寫 出來的文案會不會差不多會對 那這個東西就是資料庫應用 最簡單的用法大概講這樣 哦你是說文字規範的概念是嗎對 簡單來講是 我只要有個規範在資料庫裡面 你只要可以讀取這 資料庫你就可以跟我 站著一樣的規範 這個東西就叫資料庫應用 所以資料庫的應用一 直來講的事情我們以前 常常是給他一個新人手冊好 請你照著這個新人手 冊做某些事情他做不到 因為他看不懂 因為我們對文字的理解不一樣對 但在 AI 狀況下面他可以讀取 那是因為 AI 幫你讀而不是人讀的對 但是如果我們是在做一個工作 請問一下他的水準 跟規範會差不多嗯會 只要用 AI 對就是你是用 AI 不是人 你是用 AI 的方式來做嘛 而且你的規範寫出 來的東西會差不多 那這些東西就叫資料庫剪輯 所以你有一個資料庫就會變成是 你基本上請 10 個員工 20 個員工 50 個員工 100 個員工產出來的水準會差不多 這個東西就是資料庫好用的地方 但我們在談的所謂資料庫的應用 只是這樣子而已嗎不是 而是在這些資料庫的運用而言 到底怎麼樣的東西對你有幫助好 我們在資料庫的管 理過程中會分成兩種 第一種叫做 品牌級的資料 第二種叫做專案級的資料 什麼叫做品牌級的資料 例如說品牌靈魂品牌定位 品牌的萃取 品牌相關的聲音 這些東西全部都叫品牌資料 我們把品牌資料放成第一種資料庫 那這種資料庫是什麼 就是不管我要運作哪一種專案 這些東西都叫做跟資料 所以我寫出的文案或做出的設計 全部都不會脫離這個風格 或脫離這個規範跟設計 所以在銷波快裡面 有個品牌資料是這樣 是我們從來不做恐懼行銷 所以我不會告訴你說 告訴你 SEO 已經死了 對我們不會幹這件事 這個就是在這個品牌的資訊裡面 我們會讀到的內容 這些東西被寫在規範裡面 那第二種東西叫什麼 叫做專案級資料 例如說 SEO 相關資料 例如說社群相關資料 那這些東西都叫做專案級資料 那我們就分成這兩種資料庫 那這兩種資料庫 它有沒有什麼不一樣的狀況 以及為什麼這一些資料庫很重要呢 因為當你把所有的東西資料庫 送到這一個雲端裡面 請問一下你跟我 跟 B 跟 C 跟 D 跟 E 跟 F 是不是大家的進度是一樣的 進度嗎 理論上是一樣 因為資料庫是共同的對啊 所以我寫的東西我會上傳對 代表的事情是你更新的我更 新的誰更新的大家都一樣對 那狀況大概是這樣 而且以前我們在做 資料庫的管理過程中 最常遇到的問題是 你是不是把那個檔案刪掉了 為什麼那個舊檔案不見了 原本那個舊檔案我要啊 為什麼你把它刪掉 那是不是常常會有這些狀況 在資料庫的管理上面 它會變成是誰有資格做這個寫入 誰有資格只能做讀取 所以它是有分階級的 就是跟那個 Google 雲端 誰可以負責編輯這個 檔案檔是一樣的概念對 然後再來的部分是 在資料庫裡面最難的東西是 規格的建制所以一開始建 立規格是比較複雜的東西 你到底要定義哪些 資料是要被存取的 哪些東西是被分析 怎麼樣把你整理的 這些內容歸納進去 是相對性難的 所以就要提到一個 現在在 AI 時代 很難的問題是什麼呢?

很常有人在提的叫做個人的 Wiki 百科 專有名詞叫做個人的 LLMS Wiki 的概念 我先講一下這個資 料在談的東西是什麼 你把自己的知識庫變成 AI 的形式 所以每一個管理的機制 全部都是一份類似文字檔 MD 檔的概念 然後在這一個資料庫裡面 你可以找出哪一個知識跟哪 一個東西有連結大概是這樣 這裡面簡單來講 他叫整理個人的知識庫 或者是跟整理個人的東西 然後把它轉成我們在提到 就是在 AI 時代很常用到 Skill 那這些東西在這一個層 面上面的運用是方便的 但是回到一件事情來講 當你存到資訊量大過一個程度以後 你的向量搜尋會變得 非常複雜跟非常麻煩 什麼意思呢? 就簡單的講我打 SEO 出來的東西有好幾千篇 假設有 2300 篇 到底什麼東西是我跟這個 SEO 的內容是比較符合我的 他會出現一個非常大的問題 所以在資料庫裡面 目前在實踐上面比較常見的是兩種 一種叫做過去的 SQL 資料庫 什麼意思呢?

就是我今天搜尋 6 月 26 號的訂單資訊 所以 6 月 26 號的訂單資訊是寫實的 他有哪一些資料全部都是寫實的 這個東西叫做定量或者是 固定型的資料庫這是第一個 第二個部分就是剛剛提到的叫做 Victor 叫向量資料庫 向量資料庫在談的東西叫做 語意相同的東西會框在一起 現在的資料庫的運作是定 量資料庫的 Liquid 再加 Victor 的合併的叫 Hybrid 資料庫 所以簡單來講就是什麼?

我們要先定義一件事情 某些東西他是固定的 例如說資料 所以你在資料層面上 面不能有向量的概念 因為對他而言向量反 而是查詢好這第一個 第二件事情是你在某些語意 上面必須要建立向量資料庫對 那你在向量資料庫裡面就可以知道 我今天只要查詢某一個關鍵字 那這個東西全部都出來 剛剛提到的 LMS Viki 出現的最大的問題是什麼? 就是他所有東西都是語意 就是他沒有固定值對 所以在沒有固定值的狀況下面 你在最後管理所謂的 個人的知識圖譜以後 你會變得超級複雜 而且通常這樣子的資料庫 你沒有辦法分享給其他人 因為他就是你個人知識的資料庫 只有你看得懂的資料庫 所以我在這件事情遇 到一個蠻有趣的狀況 我目前用的一個資料庫的程式叫做 Superbase 那為什麼用這個資料庫呢?

因為他在 MCP 端沒有任何限制哦 簡單來講就是 我今天要派多少個 AI 去抓我資料庫裡面資料 隨便他自己會去安排 所以花的只是我 AI 的 Token 而已好 那在這個東西里面 他會幫我做比較深度的尋找跟 Patch 資料這第一個 第二個事情是在這個資料庫裡面呢 他可以設定一些向量的設計 那這個資料庫裡面呢他 可以設定一些向量的設計 那這個資料庫裡面呢他 可以設定一些向量的設計 那在向量設計他還要再 串另外一個 MCP 好 簡單來講就是再用一個 MCP 把這些東西的向量設計設計好 所以設計好以後 你就可以在裡面增加 向量資料庫的概念好 舉個例子來講 我今天想要藉由 6 月 26 號這一天的訂單 找出跟他相關的所 有影響層面的東西 他就會幫我把文案拉出來 他就會幫我把圖片拉出來 他就會幫我把各式各樣在 6 月 26 號所有的資料全部攤開 我就可以告訴他說在這些資料 上面能不能借由哪些分析方式 來告訴我哪些東西是影響今 天業績最重要的東西跟專案 他就會幫我分析 這個東西就是向量跟資料資 料庫的串結所產生出來的結果 那在資料資料庫就是所謂的 定量資料庫的撰寫的過程中 為什麼他也相對而言重要呢 因為他是 AI 原生最重要的環節 所有 AI 的原生他會回到的最終的結論 就是我怎麼知道我做這個策略 我做這個行為是對品牌有幫助 你要先把規則都定義出來 第一個東西是你要有一個 70 分的架構 所以在 70 分架構你把你該想的東西都想好 根據這個專業的流程去 設計一個形象形象的模型 根據這形象模型產 出文案產出所有東西 全部都做完以後 是不是他就會上 例如說上廣告平臺 或是上 SEO 平臺 就有資料 這個資料他會告訴你 這個策略是不是對的 然後你再告訴他說 根據這個資料 你前面設計的這些策略有沒有問題 他就會告訴你 我第二步要怎麼修正 所以他就會根據這個資料回來回尾 來確認你這一波的策略哪裡有狀況 或者是根據哪一個 表現比較好的東西 再去做發展 這個東西就叫資料庫的運作 所以如果你沒有資料庫 第一件事情是這一條流程是斷的 你做了哪些事情 產生了哪些資料你是不知道的 第二件事情是 你要分析資料的時候 你常常只能單點分析 你沒有辦法做整串的分析 所以他會在這個資 料庫的運作過程中 他就會知道 你在這個客戶裡面經歷了哪些過程 所有東西都被記錄起來 所以產生了這樣的結論跟結果 最後他會告訴你 到底是策略的問題 還是執行的問題 他就會給你建議 例如說我現在的策略 這個策略是錯的 所以他改第二個策略 第二個策略會有第二個策略的資料 所以第二個策略如果是錯的 他就會告訴你說 有可能是哪一個執行層面 這個東西是不符合規則的 所以他就會換那個 Skill 所以他就會換那個 Skill 所有東西都會這樣運作 都是 70 分的架構 然後回來有資料 第二個策略再回推 第三個策略 他就會看這三個資料的對照跟對比 是不是裡面其中一 個執行東西要修要改 所以 Skill 要改變 整個資料庫運作大 概就是這樣在運作 每一個人可以同頻跟同步 都可以運用資料庫去做很多事情 甚至是如果我們都呃呃 對 AI 是熟悉的 其實大家可以共同建立資料庫好 我再跟大家講一個比較實際的應用 有在做 SEO 的人大家就知道 其實管理 SEO 資料是非常複雜的什麼意思呢 就今天你寫了一篇文案 一篇 SEO 文章很簡單 十篇 SEO 很簡單 100 篇 SEO 也算簡單 請問一下 500 篇呢 1000 篇呢對 那你怎麼知道哪一篇文 章跟哪一篇文章有關係 人類大腦做不到 我怎麼這樣講 你就是即便你要畫圖 你要畫 500 條線做不到對 所以在這件事情上面 就需要資料庫去管理 可是過去的資料庫管理 大部分管理的東西是 Excel Excel 只能用標籤的方式來看 這個 A 跟 B 有什麼關係可能會是這樣 可是在資料庫的範圍中 他可以用向量的搜尋方式 把所有跟這一個主題的東西 打包成一個群眾團隊 這個群組裡面彼此 之間要怎麼樣建連線 然後 A 的文章跟 B 文章什麼關係 B 文章是 A 文章的子文章子主題 還是他是他的主要的類別 這些東西都可以用資料庫來做管理 再來部分是每一篇資料庫裡面 其實都有每一篇文章設定的關鍵字 我也可以確認一下 A 文章 B 文章 甚至 50 篇文章以後 也沒有關鍵字設定是相同的 我能不能稍微避開 全部都可以做得到 這些全部都可以用資料庫做管理 所以未來在做 SEO 管理的過程中 就會變得比較簡單了 包含是說我們在做 關鍵字調查的時候 以前我們在做關鍵字調查以後 會有很多關鍵字 會有很多搜尋量 我們常常會做完一個 關鍵字調查報告以後 然後就放著 或者是就用這一次 然後假設我們需要把這些關鍵字 全部放到所謂的雲端裡面 那我們以前常用的就是 SEO 就會變成是一份大 篇的關鍵字調查報告 但不曉得怎麼用 那可是你全部上資料庫以後 他就會告訴你說 這一篇我可以找哪幾個關鍵字 這幾個關鍵字是有關係的 我就可以把它框起來 所以放到這一篇裡面做設定 根據這關鍵字裡面去設關鍵主題 那這些東西全部都做到 而且資料庫還有一個很酷的地方 就是資料庫內部 你不開電腦 他有辦法自動的更新 就是那個 Calco 最厲害的地方對 他不是 Calco 他是資料庫內部本來就可以做 他們會私底下內部 自己按部執行我記得 就是你可以設一些 例如說舉個例子來講 這些東西都進資料庫了 可是我現在的關鍵字搜尋量 跟所有的東西的狀況 跟三個月後是不一樣 所以我就可以設定 一個三個月後再回去 抓 Mcp 或 API 的東西 來更新所謂的關鍵字搜尋的狀況 他就是前面要先設定好對 所以裡面其實有超級超級多可以玩 而且我每天都在忙這件事情 我覺得超級超級辛苦 不是充實啦很辛苦 很辛苦啊 因為你要管理的東西是兩個 一個叫做執行流程 叫做 Skill 一個叫做資料庫管理 第二個叫做執行流程怎麼入庫 怎麼樣再被利用 所以它是兩個架構要去訂定的 但大家不要跟我一樣 因為我是所有東西都想要 AI Native 從 SEO 從社群 各式各樣 我都想要 AI Native 那我這個人比較奇怪 我這個人就是 一定要把系統做好 以後才開始跑很棒啊 我不喜歡做一半就開始做 我很好奇 你不會有那種做 就是先跑一次 然後再測試然後 我會想要做一半 先把架構做到 80 分哦理解我才會開始跑 哦理解理解 所以有很多東西有可能是我 不知道的資訊我就要去調查 然後調查怎麼樣把它串起來 哦我覺得這件事串起來以後 OK 了很棒了好就開始做 然後這些東西在上架的過程 我希望它 80 分 然後我很討厭做一件事情 就是重複一直做同 樣的事我覺得很煩 但是我覺得很好玩的是 在測試的過程一定會有 一直要修改的地方對所以這個 部分就是你東西上完以後 80 分嘛 然後實際上運作的過程中 就會出現一些狀況 然後再修正 所以它就是一個這 樣子迴圈一直修對啊 所以你要怎麼確定它 80 分 就當下覺得它 80 分 哦哦你的體感覺得它 80 分 就是我所有腦海裡面想的東西 大大部分都做到了知道 對所以在這個過程中 我就會覺得它 80 分 對那 80 分以後要進入到 90 分 要進入到 95 分要進入到 100 分 就是資料的回退 那這東西就是 AI Native 在做的事 對啊大概就是這個樣子啦 今天講完了貝加房客的大腦所以啊 代表的事情是什麼 就是基本上 我所有品牌的服務 全部都可以上資料庫 而且我還可以在資料庫裡面 抓我哪些東西曾經做過 所以我不需要再重複來做 不覺得這樣很好嗎超棒 哪一些東西 哪一些的那個 關鍵是調查報告 其實我早就做過了 然後我做到同一個產業 然後我做到同一個產業 那我只要叫他去更新 那個同一個產業的關鍵 調查報告然後回推給我 哪些主題我寫過了我全部都知道 我跟大家講 我覺得這件事情就是 他講起來都很輕鬆的理想 但這件事情最困難的就是 他大腦要同時跑完這兩條線 他才能叫 AI 去跑對 所以超級超級複雜 我也跟大家講呢 就是如果你今天有意識 要往 AI 層面發展 這一定是一條必經的道路就是 你腦袋會先構思 第一件事情是 你一定要知道資料要存取 你資料要存取的第一件事情 就是你的東西要開始移化 所以你會從原本的紙本 開始變成實際上的 電子資料那這一塊 現在目前都做得很好 簡單來講就是掃描 然後他就幫你讀完了 那這些東西現在都做得到 所以要移化沒有很難 就是花時間 但第一步做完你先你先 主要是先建立資料庫 然後再開始去跑那個對架構 甚至應該是先確定架構 第一件事情是 你要先累積資料 累積資料先有了 第二件事情是確立架構 第三件事情是 哪些架構對於未來 的發展是有必要路庫 就這麼簡單理解 對那確立架構這件事情 會花非常多時間 非常辛苦而且架構還有可能會變 還有可能會調整會變變 會因為功能的部分增加或是減少 主要是根據每個人 然後還有現在 AI 的進展這樣子去變吧不是 是根據你今天要做多深 會增加專案 或者是增加資料庫 跟資料庫的關聯性 應該說資料庫到後面 他會是一個一直演進的狀態 他不會是固定值 對他會一直增加對 那這個東西就是資料庫的管理 好再跟大家重複強調一件事情 就是我不會寫資料 你幹嘛叫 AI 寫 他不會寫資料 但有沒有可能會遇到一件事情 就其實 AI 寫的語法並不是這麼好 有可能 但對我而言 我只在乎一件事情 就是這個資料庫能不能執行 那能執行我就覺得沒差理解 所以當你有資料庫以後 你就發現能夠做的 事情已經變超級多 然後能夠做的系統 所謂的自動化系統會變超級多 因為你有資料庫 你可以玩一段時間 東西越來越多好棒 所以這就是我最近 在玩的新遊戲新寵物 這個電子機不太好養 不好養嗎 跟養狗一樣需要時間馴服沒有 這個電子機是 它有的時候會跑到高雄去 我要把它抓回來蠻好的 運動好不好 神經病 你要運動自己去好了 今天的內容就長這樣了 我是 Zoey 我是 Jay Doe 我們下期下播開箱大家拜拜 再會嘍

Open the transcript file

Hosts and Guests

Nobody is credited on this episode yet.

Credit the people on this episode

Be the first to rate this episode

More episodes

All episodes
  1. 【浪Series-EP9】行銷人80%都在亂猜!沒效就編理由給甲方的時代結束了,AI數據決策完整拆解,從資料跟數據的差別到核心條件判斷,讓你每個決定都有根據!

    Nov 16, 202623 minAudio

    以前跟甲方開會,被問這個月要怎麼做,Jayden 說他覺得 80% 都在亂猜。 「以前這樣做有效,我們試試看。」試完發現沒效,就開始編一套理由,告訴甲方為什麼沒效。 浪系列第九集,Jayden Wu 和 Lucas 聊 AI 時代的數據決策:當數據真的可以被分析,行銷人還能靠猜的嗎? ▍本集重點 ・沒有 AI 之前,台灣的行銷專業跟世界大概差七年,AI 把這個落差拉近,甚至變成平行...

    Credit the people on this episode

  2. 【浪Series-EP8】不想做AI垃圾,就要建立自己的品質規範!從AI寫文章的數據陷阱、一千篇內容交叉驗證流程,到露臉經營個人品牌,打造值得信任的內容!

    Nov 9, 202626 minAudio

    Jayden 說,他很討厭 AI Slop,也就是 AI 垃圾。 AI 短劇裡面,都長著同一張臉。大家看到就知道是 AI,開始進入 AI 疲乏感。 浪系列第八集,Jayden Wu 和 Lucas 聊 AI 時代的快速與品質:在 AI 垃圾越來越多的時候,要怎麼做出讓人信任的內容。 ▍本集重點 ・行銷現在主流在談工作流、生產線,追求的就是快 ・Jayden 希望每個產出都照著自己的規範走,產出來的東西才有價值...

    Credit the people on this episode

  3. 【波Series-EP54】MCP跟API到底差在哪?AI Agent必學的兩種串接方式完整拆解,從定義目標到選對工具,讓AI直接幫你操作每一個平臺!

    Nov 2, 202632 minAudio

    花錢上課學會一個平臺,三個月後改版,按鈕就不見了。 Jayden 說,在 AI 時代,我們不再需要去學平臺怎麼用。 AI Agent 第二集,Jayden Wu 和 Zoey 從兩個串接方式講起:MCP 和 API,它們差在哪,又該怎麼用。 ▍本集重點 ・MCP:讓 AI 直接操作平臺,你不用學功能在哪裡 ・你只要想兩件事:要達成什麼目標、這個目標需要哪些工具 ・API:兩家公司系統之間的通訊協議 ・MCP 像簡易通道;API...

    Credit the people on this episode

  4. 【波Series-EP53】Skill時代之後,AI Agent時代來了!從Prompt、AI Skill到AI Agent的三階段進化路徑完整拆解,用排程×工作流讓AI自己上班,一個人也能帶一整隊AI員工!

    Oct 26, 202627 minAudio

    YouTube 一滑,很多人都在講 AI Agent。 但 Jayden 說,現在很多人在談的 AI Agent,其實還不是 Agent。 新的一季,Jayden Wu 和 Zoey 從 AI 的三個階段講起:對話視窗、Skill、Agent,拆解 Agent 跟一般 AI 到底差在哪。 ▍本集重點 ・AI 三階段:對話視窗 → Skill → Agent ・Skill 是流程化:輸入固定、輸出也固定的工作最適合 ・Agent...

    Credit the people on this episode

  5. 【波Series-EP52】聯盟行銷系列最終回!名單怎麼變成錢?從campaign接力、Email純文字對話到自我揭露建立信任,名單變現完整攻略,銷售心理學讓訂閱者心甘情願買單!

    Oct 19, 202631 minAudio

    聯盟行銷系列走到最後一集,終於要講:名單怎麼變成錢? Jayden 的答案不是一直賣,而是讓訂閱者先相信你這個人。 聯盟行銷系列最終回,Jayden Wu 和 Zoey 從 campaign 運營、Email 寫法,一路談到自我揭露和銷售心理學。 ▍本集重點 ・運營方式:一個 campaign 養下一個 campaign ・Email 的定位是對話:純文字,不要設計感範本 ・先溝通情緒,再溝通理性...

    Credit the people on this episode