靈感不會等你：用 MCP 串接 Voicenotes 與內容產製 Skills，把語音變成文章的完整方法
▲ 從 Voicenotes 語音筆記，經 MCP 串接進 Claude Code，再由五個內容產製 Skills 接力，產出一篇完整文章。
打開你的手機，看一下語音備忘錄或筆記 App，裡面躺著多少段你錄過、卻再也沒回去聽的靈感。
我猜不少。通勤路上想到一個觀點、洗澡時冒出一個比喻、會議空檔抓到一個切角，當下覺得「這個一定要寫」，於是錄了下來。然後呢？然後它就躺在那裡，直到你忘記自己錄過。
靈感最大的敵人，從來不是匱乏，而是流失。它的保存期限很短，而從一段語音到一篇成形的文章之間，隔著一段大多數人跨不過去的距離：你要重聽、要轉成文字、要整理結構、要查資料佐證、要潤稿、要配圖、要發布。每一步都不難，但加起來的摩擦力，足以讓九成的靈感胎死腹中。
這篇文章，要談的就是怎麼把這段距離，用 AI 補起來。
先說結果：這篇文章就是這樣產出的
你現在正在讀的這篇文章，以及我前一篇〈活用 AI 從拆解工作流程開始〉，都是用同一套方法產出的：我把錄在 Voicenotes 裡的語音筆記，透過 MCP 串接進 Claude Code，再交給我設計的一組內容產製 Skills 接力，從汲取靈感、研究、撰寫、精修一路跑到發布。
中間我做的事，主要是判斷與決定：這個角度對不對、這段話該不該留、這個案例夠不夠力。其餘的搬運工作，幾乎都交了出去。
我寫這篇文章，不是要你驚嘆 AI 有多厲害。我想讓你看見的，是更值得學的東西：當你能把一件複雜的工作，拆成一條清楚的生產線，先進的 AI 技術才有地方著力。接下來，我會完整拆給你看這條線怎麼搭；而更關鍵的，是怎麼把它用進你自己的工作裡。
這條生產線長什麼樣子
先看全貌。整條線可以濃縮成一句話：Voicenotes 負責捕捉，MCP 負責串接，Claude Code 加上內容產製 Skills 負責加工。
其中最多人卡住、也最關鍵的一環，是 MCP。
MCP 全名 Model Context Protocol，模型脈絡協定，是 Anthropic 在 2024 年底開源的一套標準。它要解決的問題很單純：過去 AI 是一座孤島，它很聰明，卻碰不到你的真實工作環境。你的筆記、你的檔案、你的工具，它一概看不到，你只能不斷複製貼上。MCP 就像一個通用插座，讓 AI 可以安全地、標準化地接上各種外部服務。
打個比方：如果 AI 是一臺功能強大的主機，MCP 就是 USB 規格。有了這個共通規格，Voicenotes 這類服務只要提供一個 MCP 接口，Claude Code 就能直接讀取你的語音筆記，不需要你手動匯出、上傳、貼上。
這個看似技術性的細節，其實是整件事的轉捩點。因為它把靈感從一個你要費力搬運的東西，變成一個 AI 可以主動去取用的資料源。
流程拆解：語音進來，文章出去
接上 MCP 之後，我的內容產製 Skills 就能接力。我把它設計成五個環節，對應你在文章開頭那張圖看到的五個 Skill。
第一個環節是汲取與立題。我會讓 Claude Code 透過 Voicenotes 的 MCP，把某個主題相關的語音筆記全部撈出來、讀完逐字稿，整理出反覆出現的觀點，定出這篇文章的切角。這一步的價值，在於它讀的是我自己說過的話。所以它整理出來的種子，從一開始就帶著我的個人觀點，不會是一段沒有靈魂的通用內容。
第二個環節是研究。立好題之後，Skill 會去延伸查證：補上數據、找對應案例、確認趨勢。我前一篇文章引用的 Gartner、麥肯錫數據，就是在這一步補進來的。
第三個環節是撰寫。這一步把研究素材和我的語音觀點，按一個敘事框架組織成初稿。要注意，初稿的骨架來自我的語音筆記，所以它一開始就有我的影子，而不是一篇沒有靈魂的範文。
第四個環節是精修。初稿出來後，Skill 會做兩件事：先掃掉 AI 寫作的痕跡，那些空泛的開場、機械的連接詞；再對照我的個人風格檔案做校準，讓文字讀起來像我寫的。
第五個環節是發布。轉圖片格式、產出 SEO 描述、建立部落格文章檔、自動翻譯成多語版本、推上線。這些純粹是搬運的工作，全部自動化。
整條線跑下來，我的角色從執行者變成了決策者。我不再需要做那些重複、消耗的工序，只需要在每個環節做判斷。
商業價值：你買回來的不只是時間
很多人看到這裡，會把這套方法理解成一個省時間的技巧。省時間當然是真的，但如果你只看到這一層，你會低估它。
它真正的商業價值，有三層。
第一層，是時間槓桿。一篇長文從概念到上線，過去要五、六個小時，現在大約一小時。但重點不是快，而是省下來的時間流向哪裡。它流向了那些 AI 還做不到、也最值錢的事：想觀點、說故事、把你的真實經驗揉進文字。你把低價值的搬運外包，把高價值的判斷留給自己。
第二層，是靈感不再流失。當汲取靈感變成生產線的第一道工序，你錄下的每一段話都有機會變成作品。這是一種複利：你今天的每個念頭，都更可能變成明天的資產。對一個靠專業吃飯的人來說，這件事的長期效果，會大得超乎你的想像。
第三層，也是最容易被忽略的，是可規模化。一個沒有系統的人，產出靠的是當天的狀態與心情；一個有系統的人，產出靠的是流程。狀態會起伏，流程不會。當你的內容產出從看天吃飯變成可被預期，你才有底氣去接更大的合作、開課程、做訂閱制，因為你知道自己交得出來。
這也是我這幾年一直在講的觀念。真正讓你穩定變現的，不是某一篇爆款，而是那條能穩定產出機會的生產線。關於這一點，我在 AI 時代真正拉開差距的，是建立內容產製系統 這篇文章裡談得更深。
🎯 想把這套生產線真正搬進自己的工作裡嗎？
這篇文章講的是方法與心法，但要讓它在你自己的場景跑起來，最快的路徑是有人帶著你走一遍。我設計的《AI 內容產製系統工作坊》，正是把汲取靈感、研究、撰寫、精修到發布這整條線，拆成你可以親手操作、帶得走的系統：一份素材，跑出六種格式，覆蓋從電子報、社群、Podcast 到課程的完整漏斗。
👉 立即了解課程內容：solo.tw/courses/ai-content
不是所有工作都該自動化：怎麼挑場景
先進的 AI 技術最常見的死法，是被用錯地方。
我看過太多人，一拿到新工具就想把所有事情自動化，結果做出一堆華麗、但沒人用的流程。導入這類技術，第一個心法是：挑對場景，比學會工具更重要。
我自己判斷一件工作適不適合交給這套生產線，會問三個問題。
一，它重複嗎？做一次就結束、每次又都長得不一樣的工作，自動化的投資報酬率很低。但像把語音轉成文章這種每週都在做、步驟又穩定的工作，就非常值得。
二，它的成敗能被驗證嗎？轉圖片格式、產出 SEO 描述，對錯一目了然，可以放心交出去。需要細膩判斷、錯了又不容易發現的工作，就得留在自己手上。
三，它消耗的是你的體力，還是判斷力？消耗體力的搬運工序，交出去；消耗判斷力的決策工序，自己扛。這條線我畫得很清楚。
你會發現，這三個問題其實都指向同一件事：你得先夠了解自己的工作，才知道哪一段該交出去。這正是我前一篇 活用 AI 從拆解工作流程開始 的主旨：AI 導入的起點，從來不是工具，而是把你的工作流程拆解清楚。
讓方法落地的三個心法
挑對場景之後，真正的考驗是讓它在你的日常裡跑起來。以下是我的三個心法。
心法一，先拆流程，再接工具。不要一開始就埋頭研究 MCP 怎麼設定。先拿紙筆，把你某一項內容工作的完整流程畫出來，看清楚每一個環節，再決定哪個環節要接 AI。流程清楚，工具自然找得到位置；流程不清楚，工具只會變成你新的負擔。
心法二，從一個環節開始，不要想一次到位。你不需要第一天就把五個環節全部自動化。挑那個最煩、最重複的環節，對很多人來說是研究，或排版發布，先把那一段交出去，跑順了，再往前後延伸。一條生產線是長出來的，不是設計一次就定案的。
心法三，人一定要留在判斷端。這套方法會讓你產出變多、變快，但它不會幫你決定什麼值得寫。如果你把判斷也一起交出去，你產出的就會是大量正確、卻沒有靈魂的內容。AI 的角色是把你的判斷放大，而不是取代你的判斷。守住這條線，你的內容才會一直是你的。
🛰️ 想在 AI 變動的浪潮裡，有人陪你看清楚一點？
你看到的公開文章，幾乎都是反覆打磨後的成品。但我自己最珍惜的，反而是成品之前那些還帶著溫度的判斷——這正是我做 Vista AI 靈感補給站 的原因：每週一封寫給 AI 時代同行者的思考札記，把那些不會出現在正式文章裡的吉光片羽，分享給願意走近一點的你。
你不必自己摸索整條路
這套方法，我走了不短的時間才打磨成形。技術會變，但背後的心法是穩定的：拆解流程、挑對場景、人留在判斷端。
如果你讀到這裡，心裡開始浮現「我也想把這套搬進我的工作」，我想給你兩個起點。
一個是，現在就動手。打開你的語音備忘錄，挑一段你最想寫成文章的內容，試著把從這段語音到一篇成品之間的環節列出來。光是列出來，你就會比昨天更清楚自己卡在哪。
另一個是，如果你想少走一點彎路，我把這整套生產線，從汲取靈感、研究、撰寫、精修到發布，拆成了可以親手操作的課程與工作坊，也透過訂閱持續分享我最新的做法與工具。先進的 AI 技術其實不難，難的是有人把心法講清楚、帶你完整走過一遍。這件事，我很樂意陪你。
靈感不會等你。但只要你有一條接得住它的生產線，它就不必再流失了。
如果你想把這條線理解得更深，可以接著讀 用 Claude Code 串起整條內容生產線，以及 Claude Code 不只是工程師的工具 這兩篇文章。
