Zubair Trabzada 對顧哥 AI Agent Workshop 的策略比較
結論
Zubair 擅長示範一個人如何快速 build，顧哥更有利的定位是證明三個真實工作角色如何在受控環境中共同指揮、驗收並修正 Agent。
可採用的產品階梯：
免費講座看懂 Agent；Workshop 親自指揮 Agent 完成工作；後續方案再處理雲端、地端與組織導入。
產品差異
| 維度 | Zubair／AI Workshop | 顧哥 Workshop 建議 |
|---|---|---|
| 主要產品 | 持續更新的訂閱社群與課程庫 | 短時數、小組共作的受控體驗 |
| 受眾 | freelancer、solopreneur、AI Agency builder | 講師、顧問、中小企業主與知識工作者 |
| 核心承諾 | 建立 AI 系統並包裝成可出售服務 | 完成一次多人指揮、執行、驗收與修正循環 |
| 教學單位 | 個人跟做工具、模板與 repository | 每頻道三人分角色輸入、共同決策、交叉驗收 |
| 技術環境 | n8n、Claude Code、Voice AI 等持續擴張 | 預建 coach meeting，不在現場做本機安裝 |
| 留存機制 | weekly coaching、支援與工具更新 | Workshop 後接 clinic、部署評估或組織導入 |
可直接借鏡
- 免費入口降門檻：免費講座只建立 Agent 與聊天 AI 的差異、展示真實案例、協助受眾辨識適合流程。
- 成果先行：先展示有辨識度的成品或工作結果，再解釋流程。
- 可帶走資產：提供成果、簡化協作紀錄、個人 use-case card、導入需求檢核表與下一步。
- 內容新鮮度：案例標示最後驗證日期，但核心課綱不追模型名稱。
- 從內容導向體驗：每篇免費內容只承擔一個問題，Workshop 才完成完整工作循環。
必須改造後借鏡
Zubair 的示範多以講師完成具吸引力成果為核心；顧哥應把觀眾角色改為參與者：
- 任務資訊不完整。
- 三名學員各持不同角色資訊。
- Agent 追問缺漏。
- 學員做必要決策。
- Agent 依命令執行。
- Agent 引用來源或指出限制。
- 學員按角色驗收。
- 講師投入條件變更。
- Agent 修正結果。
不宜照搬
- 「AI 員工」作為主要承諾，容易被理解為無人監督或直接取代職位。
- 「幾分鐘做出萬元成果」，混淆產出速度、售價與商業價值。
- 在短 Workshop 承諾取得客戶、固定收入或 production deployment。
- 以 modules 數量、會員數或 GitHub stars 代替學習成果。
- 現場安裝 Claude Code、n8n、MCP 或本機環境。
- 反覆使用無法驗證的 24 小時倒數促銷。
- 以 unlimited support 但不說明期限、管道、回應時間與排除事項。
顧哥 Workshop 的固定能力框架
澄清任務 → 人類決策 → Agent 執行 → 證據驗證 → 條件改變 → 修正
工具與模型是可替換的實作層。課程品質應以學員是否能寫出「輸入 → 規則 → 人類決策點 → Agent 動作 → 驗收 → 失敗處理」衡量，而不是記住多少工具操作。
建議 Pilot 指標
體驗完成
- 至少 80% 小組在時間內完成整個循環。
- 每組三人皆有一次實質貢獻。
- 關鍵決策不得由講師代替。
Agent 品質
- 角色記憶正確率至少 95%。
- 不捏造來源、數字或既定決策。
- 關鍵資訊可追溯至指定材料或學員訊息。
- 跨頻道誤送或資料外洩為零容忍。
教學效果
前後測至少確認：
- 能區分 Agent 與聊天 AI。
- 能指出不可交給 Agent 的決策。
- 能定義驗收條件。
- 能提出自己工作的第一個適用流程。
如何評估 Zubair 的成果主張
公開人氣只能視為市場訊號。若要把其案例當作成果證據，至少需要：
- 清楚定義誰在多久內完成什麼。
- 原始輸入、prompt、版本、成本、完整操作與失敗案例。
- 報名、活躍、完課、成功與流失母數。
- 客戶成果的期間、實收、成本及去識別佐證。
- repository 測試、issues、安全界線與維護日期。
- 贊助、affiliate 與工具商關係揭露。
目前公開資料不足以證明一般學員能取得第一位客戶，或能重現影片中的高價成果。
首批逐字稿查核：事實
十支代表影片已有四支取得逐字稿，六支仍 pending。以下只回答首批可支持的範圍：
| 查核問題 | 逐字稿可確認內容 | 尚缺證據 |
|---|---|---|
| 成本 | Custom GPT 當時需付費 ChatGPT 4；n8n Agent 需 OpenAI API account／key、n8n 與第三方 API；Zapier 需帳號與授權 | 未量化方案、token、hosting、硬體、維運與操作者時間 |
| 失敗／除錯 | OpenAI status、缺 action 錯誤、API key 等待、逐 node test、execution log、OS／chip／image 選擇、container 啟停 | 未見系統性 error taxonomy、retry、rollback、incident handling |
| demo vs production | 四片均以入門、manual／chat trigger、本機或單次成功 demo 為主 | 未清楚標示 prototype／production gate，也未涵蓋監控、備份、TLS、權限、負載與版本治理 |
| 學員判斷 | 需選模型、工具、calendar、權限、欄位、prompt、workflow ID，並測試結果 | 多數判斷由講師示範；沒有學員獨立評量或遷移任務證據 |
| 贊助利益關係 | 四份逐字稿沒有 sponsored／affiliate 口頭揭露 | 不能證明無商業關係；n8n 優於競品等主張沒有完整選型框架 |
| 人類決策與驗收 | Zapier 外部 action 前有 allow／confirm，完成後回 Google Calendar 驗證；n8n Agent 只在預先提供工具內選擇 | 尚未取得 AI Employee／AI Team 影片，不能判斷其近期內容是否保留相同責任邊界 |
首批逐字稿後的策略判斷
- 可借鏡：確認與外部驗收。Zapier 案例不是只相信聊天回覆，而是執行前確認、完成後看 Google Calendar；顧哥應把這升級成每組固定關卡。
- 可借鏡：逐節點可觀察性。n8n 的 test step 與 execution log 適合用來教「Agent 做了什麼」，但綠色成功燈只代表執行完成，不代表輸出正確。
- 不可照搬：no-code 等於低責任。四片仍要求帳號、API key、權限、mapping、prompt 與環境判斷；Workshop 不應以跟做安裝取代決策能力。
- 不可照搬：self-hosting 等於完整隱私／production。本機 n8n 增加控制，但第三方模型與 API 仍可能接收資料；沒有 auth、backup、monitoring 與更新機制的 localhost 只是 demo。
- 定位機會：把隱藏的人類責任教出來。顧哥可將 Zubair 操作中已存在但未被系統化的選擇，整理成「授權 → 決策 → 執行 → 驗收 → 回滾」框架。
仍待補證據
六支 pending 影片涵蓋 JARVIS、AI automation 銷售、停止建立 Agent、AI marketing team、AI Employee 與 Claude Code。這些逐字稿回傳前，不能完成對近期成本、商業成果、AI 員工責任與贊助關係的查核。