影片以「追蹤好市多線上商品價格，並在降價時收到 Email」為例，示範如何把 Google 試算表、AI 協助撰寫的程式碼，以及少量人工操作組合起來，打造一套簡單的價格監控工具。它的核心不只是省錢，而是展示：不必追求全自動或複雜技術，善用現成工具與務實的人工介入，也能解決生活中的小麻煩。
一、從 AI 爬蟲開始，卻遇上現實限制
創作者最初請 ChatGPT 協助撰寫程式，想定期抓取好市多商品頁面的價格。AI 建議使用 Google Apps Script 製作網頁爬蟲，概念上合理，但實際測試時，程式無法穩定抓到原價與特價資訊。
影片指出，原因在於大型電商網站可能採用動態網頁結構或防機器人機制；AI 能提供理論上可行的程式碼，卻未必了解目標網站的實際限制。因此，AI 給的技術解法不一定就是最適合現場情況的解法。
二、改用試算表公式：讓工具簡單而實用
放棄較複雜的爬蟲後，創作者改用 Google 試算表的 IMPORTXML 函數，從商品頁面擷取目前價格。
這種方式較輕量，能抓取部分商品頁面上公開顯示的價格；但它仍受網頁結構與資料呈現方式限制。這次遇到的關鍵問題是：目前價格能抓到，線上原價卻抓不到。
三、接受少量人工輸入，換取長期穩定
為了解決「沒有原價就無法判斷是否降價」的問題，創作者沒有繼續追求更複雜的自動抓取，而是選擇手動輸入原價：
- 在試算表中貼上商品網址。
- 到商品頁查看並輸入原價。
- 由試算表定期抓取目前價格。
- 以目前價格和原價比較，判斷商品是否特價。
影片特別強調，新增商品時花幾秒鐘輸入原價，可能遠比花大量時間破解網站限制、維護容易失效的爬蟲更有效率。這是一種務實的取捨：保留少量人工步驟，換取後續監控流程的簡單與穩定。
四、把價格變化轉成主動通知
只在試算表裡看到降價還不夠，因為使用者不會天天打開表格檢查。於是，創作者再請 Google AI Studio 協助撰寫 Apps Script，設定每天早上自動檢查試算表，並在商品價格變動時寄送 Email。
通知設計有兩個重點：
- 商品降價時寄出通知，內容包含原價、特價與省下的金額，並附上商品連結。
- 價格恢復原價時也通知一次，之後等待下一次降價。
影片提到，AI 一度在寄信程式裡加入重複抓取商品網頁的程式碼；但價格資料早已由試算表取得，這些部分並不需要。創作者因此刪除多餘內容，只保留讀取試算表結果與寄信的功能。這呈現了重要的 AI 協作能力：不只會請 AI 產生程式碼，也要能檢視、刪減並修正它。
五、工具有邊界：網頁沒有公開價格，就無從追蹤
影片也展示了系統的限制：有些商品頁面沒有標示價格，試算表自然無法擷取。創作者測試某款商品時發現，頁面價格欄位是空白，原因不是設定錯誤，而是商品頁本身沒有公開價格。
因此，這套系統能否運作，取決於來源頁面是否提供可讀取的價格資訊。自動化工具無法從不存在或未公開的資料中推導出答案；AI 提示寫得再精準，也無法越過資料來源本身的限制。
六、影片的主要結論
1. 不要把「更複雜」誤認為「更好」
AI 可能優先提供完整、技術性強的做法，但實際問題往往有更簡單的解決路徑。人類需要用情境判斷，選出真正可行、值得維護的方法。
2. 自動化不必百分之百無人介入
只要把最耗時、需要反覆進行的部分自動化，偶爾一次的人工輸入並不會讓整套流程失去價值。與其追求完美自動化，不如衡量成本、效益與維護負擔。
3. AI 是協作者，不是能獨立掌握全局的執行者
AI 可以協助寫程式、整理想法與加速試作，但使用者仍須理解需求、檢查輸出，並移除不必要或不符合現有流程的部分。
4. 用基礎工具也能打造個人化小系統
影片示範的組合並不複雜：試算表負責記錄與比對資料，簡單公式負責取得價格，腳本負責寄送通知。掌握「監控某項變化，再觸發通知」的邏輯後，也能嘗試應用在租屋價格、課程名額等其他情境。
總結
這支影片的價值，不在於打造一套無所不能的價格爬蟲，而在於示範一種務實的人機協作思維：從需求出發，試用 AI 建議的方法；碰到現實限制時，不盲目加碼複雜技術，而是重新設計流程，必要時保留簡單的人工步驟。
最終想傳達的是：你不必是工程師，也不必把所有工作交給 AI；只要能清楚描述問題、善用手邊工具並做出合理取捨，就有機會把日常煩惱變成一套可用的小型自動化方案。 ✨
