這一年，我們真的把越來越多事情交給 AI。

研究新技術、寫文章、生圖、做音樂、整理 Gmail、找資料、看股票，甚至連職涯規劃跟一些重要決策，也會先拿去跟 AI 討論。

但用了這麼久之後，真正的問題已經不是「AI 能不能做」。

而是：

哪些事情真的可以放心交出去？
哪些看起來很厲害，最後反而更麻煩？
哪些做到 70% 很快，但剩下那 30% 才最折磨人？

這集我們就來做一次 AI 成果驗收。

Gary 覺得 AI 做研究幾乎可以給 10 分，寫文章已經可以到 8、9 分；展佑卻覺得 AI 寫作可能只有 5 分，因為「修改文章本身，就是重新思考一次」。

生圖也是一樣。

做封面、示意圖可能超好用，但只要開始要求精準修改小地方，很快就會進入「算了，我自己來」的狀態。

還有 AI 整理 Gmail、整理電腦資料、幫忙印東西、追蹤資訊、看股票，甚至幫忙思考人生和職涯決策。

有些真的留下來變成日常工作流程，有些做到一半就被我們放棄。

最後我們發現，AI 最有趣的地方可能不是它可以一次做到 100 分，而是它可以超快把事情推到一個「有東西可以看」的狀態。

但真正決定成果好不好、能不能用、是不是你要的，往往還是在最後那一段。

這集就來聊聊：

那些我們真的交給 AI 的工作，後來到底怎樣了？

—

本集聊到：

・AI 幫忙做研究，為什麼幾乎可以給 10 分？
・AI 寫文章到底是 5 分還是 9 分？
・為什麼 AI 味有時候自己反而看不出來？
・生圖很好用，但為什麼修改細節這麼痛苦？
・AI 做背景音樂很強，真的寫歌又是另一回事
・整理 Gmail 為什麼最後做到一半放棄？
・只講一句話，AI 就自己把資料找好、排版、印出來
・AI 幫忙看股票，真正有用的可能不是選股
・職涯、人生決策可以問 AI 到什麼程度？
・AI 講得很有道理，不代表它真的講對
・很多 AI 任務前 70% 很快，最後 30% 才決定成果

—

適合誰聽：

・已經開始用 ChatGPT、Claude，但還不知道哪些事情真的值得交給 AI 的人
・常常覺得「AI 很厲害」，但實際用起來又沒有想像中省事的人
・會用 AI 寫作、生圖、做研究或整理工作的創作者、PM、工程師
・想知道 AI 放進真實工作流程後，最後到底長什麼樣子的人
・對 AI 有興趣，但不想再只聽模型規格、功能更新的人

留言告訴我你對這一集的想法： https://open.firstory.me/user/cmph1dktz081401mfca9ighy6/comments

Powered by Firstory Hosting

LM、Token、Context Window、Memory、幻覺、Thinking Model、Deep Research、Multimodal、Connector、Computer Use、Skill、Agent……

這些字你可能都看過。但真的問一句：「所以這到底是什麼？我可以拿來幹嘛？」好像又不一定講得出來。

所以這集我們決定乾脆全部抓進來，來一場：AI 工具關鍵字大雜燴，一次講爆！

我們從最基本的 LLM、Model 開始，一路聊到 AI 到底是怎麼「記東西」的。為什麼聊一聊它會開始忘記前面的事情？Context Window 跟 Memory 到底差在哪？Token 又到底是在算什麼？

接著再來聊一個大家應該都遇過的經典問題：為什麼 AI 明明不知道答案，還是可以一本正經地歐北共？也就是大家常聽到的「幻覺」。

但現在的 AI 也開始有了 Thinking / Reasoning Model，會多跑幾個步驟去分析、規劃、驗證，所以不同問題，其實也可以選擇不同等級的「思考力」。

再來 AI 開始不只是待在小黑屋裡文字接龍了。它可以 Web Search、可以 Deep Research，幫你一次找大量資料、整理來源。它也開始可以看圖片、聽聲音，甚至直接生圖。現在用 ChatGPT 生圖，中文字已經強到真的可以拿來做社群圖、行銷素材，不再只是畫一張「很有 AI 味」的圖片而已。

再往下，AI 甚至開始長出手腳。Connector 可以讓它接上 Gmail、Notion 等第三方工具。Browser Use、Computer Use 可以讓它真的去操作網頁、使用軟體。

而當你有一套工作流程，不想每次都重新教一次，就可以把它整理成一個 Skill。

最後把 Model、Memory、Tool、Skill、任務全部串起來，也就慢慢變成我們現在一直聽到的：AI Agent。

這集沒有要把大家教成 AI 工程師。

只是想把這一年大家一直看到的一堆詞，全部拆解成人話。

本集重點

• LLM、Model 到底是什麼？ChatGPT 跟 Model 又有什麼差別？
• Token 是什麼？為什麼 AI 的使用量、Context Window 都跟它有關？
• Context Window：為什麼 AI 聊久了可能開始失憶、亂掉？
• Memory：AI 怎麼偷偷幫你寫筆記，越聊越懂你？
• Hallucination：為什麼 AI 可以一本正經地亂講？
• Thinking / Reasoning Model：AI 所謂的「思考」到底多做了什麼？
• Tool Use：AI 明明只是文字模型，為什麼現在可以上網？
• Web Search 跟 Deep Research 到底差在哪？
• Multimodal：AI 不只讀文字，也開始能看圖、聽聲音
• AI 生圖現在到底能做到什麼程度？
• Project / Workspace：怎麼幫 AI 建一個固定的工作環境？
• Connector：怎麼把 Gmail、Notion 等第三方服務接給 AI？
• Browser Use / Computer Use：AI 怎麼開始直接操作網頁跟電腦？
• Skill：怎麼把一套 SOP 包起來，不用每次重新教？
• Agent：當 Model、Memory、Tool、Skill 全部串在一起之後，發生了什麼？

適合誰聽

• 平常有用 ChatGPT、Claude，但大部分還是在聊天、問問題的人
• 常看到 AI 新名詞，但懶得一個一個查的人
• 想知道 AI 除了聊天之外，現在到底還可以幹嘛的人
• 已經開始用 AI 工作，但想把使用方式再往前推一步的人
• 聽到 Agent、Skill、Context Window 就開始放空的人
• 想把 AI 用得更順，但又不想先去讀一堆技術文件的人

留言告訴我你對這一集的想法： https://open.firstory.me/user/cmph1dktz081401mfca9ighy6/comments

Powered by Firstory Hosting

如果把 Gmail 權限開給 AI，叫它幫我看信、整理信、貼 Label，甚至幫我回信，真的安全嗎？

現在 AI 已經不只是聊天。

它開始可以碰 Gmail、Google Drive、Notion、Slack，甚至你電腦裡的檔案、API Key，還有各種可以真的影響現實世界的工具。

那問題就變成：

如果 AI 99% 都做對，但剩下那 1% 剛好是刪錯信、寄錯信、把 API Key 丟上網，甚至股票下錯單，怎麼辦？

這集我們從 Gmail 一路聊到 AI Agent 的權限、Guardrail、Prompt Injection、API Key、物理隔離、Evaluation，還有一個很現實的問題：

AI 越有能力幫你做事，它能造成的損害是不是也越大？

後面我們也慢慢拆出兩種很不一樣的使用者：

如果你只是 Player，拿現成的 ChatGPT、Claude 幫自己處理事情，其實很多安全機制已經是產品的一部分。

但如果你開始當 Builder，自己拿 AI 做工具、接 API、做 Agent、接進公司的工作流程，那安全這件事情就很難完全跳過。

不是要每個人都變資安專家。

而是至少要知道：

你的 AI 到底拿到了哪一把鑰匙，以及最壞的情況下，它能把事情搞到多大。

本集重點

• AI 可以整理 Gmail，但權限不用一開始全部開
• Read、Write、Delete 是完全不同等級的風險
• 光跟 AI 說「不要亂來」不一定夠
• Guardrail 可以在重要操作前多一道確認
• 真正重要的系統，可以用帳號、環境或資金做隔離
• API Key 就像鑰匙，AI 看得到就代表有可能碰得到
• AI 越有 Agency，能帶來的效益越高，風險也跟著變大
• Builder 比單純使用 AI 的 Player 更需要理解 Security
• Evaluation 可以拿來確認模型或流程改版後，有沒有開始做出奇怪的事情
• 安全不是追求 100% 不出錯，而是讓出錯機率跟損害範圍都下降

適合誰聽

• 已經開始讓 ChatGPT / Claude 幫忙整理工作的人
• 想串 Gmail、Drive、Notion 或其他 AI 工具的人
• 有在用 Coding Agent、OpenClaw 或自己做 Agent 的人
• 正在 Vibe Coding、做 Side Project 的人
• 很想把權限全部打開，但心裡又有點毛的人
• 想知道 AI 資安到底是在怕什麼的人
  
  留言告訴我你對這一集的想法： https://open.firstory.me/user/cmph1dktz081401mfca9ighy6/comments

Powered by Firstory Hosting

最近社群上開始出現越來越多人在賣 AI Skill。

自動剪影片、做簡報、寫社群文、做 SEO，一包 Skill 幾百塊、幾千塊都有。

但問題是...

Skill 不就是幾個文字檔、Prompt、SOP，再加上一些工具嗎？

這集我們從「AI Skill 到底是什麼」開始聊，聊到 Prompt 跟 Skill 差在哪、Skill 怎麼安裝、為什麼有人選擇自己做，也聊到我們看到別人賣 Skill 時，心裡那種說不上來的奇怪感覺。

如果一個 Skill 幾個小時就能做出來，拿來賣算不算在賺資訊落差？

如果它真的幫一個完全不想研究的人省下幾天時間，那兩千塊到底又算不算貴？

聊到最後我們發現，這題可能根本不只是 Skill。

而是：

一個東西的價值，到底來自製作成本，還是來自它幫誰解決了問題？

本集重點：

• AI Skill 到底是什麼？
• Prompt 跟 Skill 有什麼差？
• 為什麼 Skill 很適合拿來做重複工作？
• Skill 為什麼這麼容易被拿來賣？
• 賣 Skill 是資訊落差，還是真的有價值？
• 為什麼工程師特別容易看 Skill 不順眼？
• Skill 的時效性可能比你想像中更短
• 真正值錢的，也許不是 Skill，而是 distribution

適合誰聽：

• 最近一直看到別人在講 AI Skill，但不知道那是什麼的人
• 想用 AI 自動剪片、做簡報、寫內容的人
• 曾經考慮買 Prompt 包或 Skill 包的人
• 覺得「這東西我叫 AI 做就好了吧？」的人
• 想知道工程師到底怎麼看這波 Skill 熱潮的人

留言告訴我你對這一集的想法： https://open.firstory.me/user/cmph1dktz081401mfca9ighy6/comments

Powered by Firstory Hosting

這集我們聊了一個最近很瘋狂的實驗：如果 AI 不只是工具，而是一群員工呢？

Yo 最近開始把 AI 當成一家公司來經營，不再自己盯每個細節，而是建立一個「AI 組織」，讓總經理、產品經理、Sub Agent 各自負責自己的工作，甚至自己開 Loop、自己驗收、自己找事情做。

我們也聊到，工程師的工作是不是正在從「寫程式」，變成「管理一群會寫程式的 AI」；如果這套方法真的成熟，未來不只是工程師，醫師、自營商、老闆，甚至一般人，都可能擁有自己的 AI 員工。

這集沒有標準答案，比較像是 Yo 這一週的第一手實驗紀錄，也一起聊聊 AI Agent 到底會把我們的工作方式帶到哪裡。

本集重點

• AI 不只是工具，而是可以開始像一間公司運作。
• 從自己做事，變成管理一群 AI 員工。
• Loop Engineering、Evaluation 在實際工作上的應用。
• 哪些工作適合交給 AI，哪些還是需要人類決定。
• 未來每個人都有可能擁有自己的 AI 團隊。

適合誰聽

• 想知道 AI Agent 到底能做到什麼的人
• 每天都在用 ChatGPT、Claude、Coding Agent 的人
• 想用 AI 提高工作效率的工程師、PM、創作者
• 自營工作者、創業者、小公司老闆
• 好奇未來工作模式會怎麼改變的人

留言告訴我你對這一集的想法： https://open.firstory.me/user/cmph1dktz081401mfca9ighy6/comments

Powered by Firstory Hosting

這集我們來拆 Gary 自己做的「個人知識雷達」。

從一開始手動追工程 Blog、技術人物、GitHub Trending，到後來慢慢變成一套會自己搜尋、整理、篩選、更新關鍵字的 AI 流程。

我們聊到 Gary 怎麼挑資料源、為什麼會拆不同的偵查 Agent、怎麼讓 AI 自己判斷哪些資訊值得留下，以及為什麼還要維護一個 Archive，把幾個月來看過的知識慢慢串成脈絡。

但聊到最後，問題也開始慢慢冒出來：

資訊真的追越多越好嗎？
新技術出來就一定要學嗎？
我們是在累積知識，還是只是一直被新東西拖著跑？

Yo 的做法剛好完全相反：平常幾乎不追，真的遇到問題才去查。

所以這集不只是在聊 AI 雷達怎麼做，也是在聊兩種完全不同的資訊處理方式，以及我們到底怎麼決定「什麼值得知道」。

本集重點：

• Gary 的個人知識雷達怎麼一路長出來
• 怎麼用 AI Scout 新資訊與資料源
• 為什麼關鍵字不能永遠固定
• 怎麼用 Archive 留下知識的演化脈絡
• 追新知 vs 遇到問題再學，哪種比較適合自己
• 資訊這麼多，真正難的是怎麼過濾

適合誰聽：

• 每天被 AI 和科技新聞淹沒的人
• 想知道怎麼用 AI 整理資訊的人
• 對 Agent、Scout、知識庫有興趣的人
• 常常收藏一堆文章，最後什麼都沒看的人
• 想建立自己資訊來源與學習方式的人

留言告訴我你對這一集的想法： https://open.firstory.me/user/cmph1dktz081401mfca9ighy6/comments

Powered by Firstory Hosting

為什麼 AI 這麼強，工作好像也變快了，但人反而更累。

從一開始只是開一個 ChatGPT 對話框，到後來同時開好幾個 AI、好幾個 Coding Agent、好幾條工作線一起跑，AI 是不會累啦，但人會！

以前寫 code，可能是一天慢慢解幾個 bug；現在是三個 Agent 同時跑，每隔幾分鐘就回來問你一個需要人類判斷的問題。結果不是不用思考，而是一直被迫切換脈絡、理解狀況、做決策、驗收結果。

這集我們也聊到「認知負擔」這件事：有些累，是事情本身就難；有些累，是工具跟介面太亂；還有一種累，是你真的在吸收、理解、做判斷。

所以問題不是「AI 有沒有幫上忙」，而是：

當 AI 跑得越來越快，人類的腦袋到底要怎麼跟上？

本集重點

• AI 不會累，但人會累
• 同時開太多 AI，腦袋真的會爆
• AI 省下寫 code 的時間，但增加了判斷跟驗收
• 工具太多、視窗太多，本身就是一種負擔
• 好的 UI / workflow，應該要幫人降低腦容量消耗
• 分 Project、分 Agent、分任務，其實是在救自己的腦袋
• AI 變快之後，人的價值更像是在做關鍵判斷

適合誰聽

• 每天用 ChatGPT / Claude / Gemini 用到很累的人
• 一邊用 AI 一邊覺得自己快當機的人
• 想知道工程師實際怎麼跟 Coding Agent 工作的人
• 覺得 AI 工具很多，但越用越亂的人
• 想理解 AI 為什麼沒有讓工作變輕鬆，反而變更燒腦的人

留言告訴我你對這一集的想法： https://open.firstory.me/user/cmph1dktz081401mfca9ighy6/comments

Powered by Firstory Hosting

這集我們聊 AI 幹的那些鳥事。

本來只是想抱怨一下：
AI 暴衝、亂做事、一直諂媚、記憶錯亂、圖像生成多一隻手，還有那些明明叫它幫忙，結果反而讓人更抓狂的瞬間

聊著聊著，竟然歪到一個很奇怪的地方。

我們發現，AI 最有趣的地方，不只是它幫你工作，

而是它有時候會逼你重新整理自己。

你要它幫你分析問題，就得先講清楚自己的狀態。
你要它不要亂猜，就得補 context。
你要它更懂你，就得定期清記憶、修 prompt、修工作流程。
你要它幫你回應別人，最後反而會開始理解自己真正卡住的是什麼。

所以這集表面上是在講 AI 的鳥事，實際上是在聊：

AI 怎麼從工具，變成工作夥伴。
從工作夥伴，變成人生教練。
最後，甚至有點像一堂奇怪的心靈成長課。

本集重點：

• AI 為什麼會暴衝、諂媚、亂做事
• 模型變聰明之後，為什麼反而更需要 harness
• AI 記憶太舊，可能會讓它越來越不懂你
• 用 AI 分析關係、情緒、人生選擇，到底有沒有用
• 圖像生成、影片生成，為什麼還是常常讓人崩潰
• Higher-Order Prompting：不要只寫 prompt，要寫會生 prompt 的 prompt

適合誰聽：

• 用 AI 用到很煩的人
• 覺得 AI 很強，但又常常被它搞到抓狂的人
• 想知道 AI 除了工作，還能怎麼改變生活的人
• 對 ChatGPT、Claude、AI Agent 有興趣的人
• 想把 AI 從聊天工具變成真正助理的人

在被取代之前，練習當個有用的人。

#還沒被取代 #AI #ChatGPT #Claude #AIAgent #生成式AI #PromptEngineering #HigherOrderPrompting #AI工作流 #心靈成長

留言告訴我你對這一集的想法： https://open.firstory.me/user/cmph1dktz081401mfca9ighy6/comments

Powered by Firstory Hosting

這集我們終於來聊那個一直聽起來很工程師、很高大上、很像某種密碼的詞：Harness。

Harness 到底是什麼？
是 Prompt 嗎？是 Agent 嗎？是 Context Engineering 嗎？
還是工程師又把一件很日常的事，搞得很複雜的名詞？

這集我們從「Harness 原本是馬具、韁繩」開始聊，慢慢拆到 AI 裡面的意思：
幫 AI 給方向、給工具、給記憶、給流程，讓它真的能幫你做事。

Context Window 像 AI 的腦容量，聊到個人知識庫、Notion 筆記、股票觀察、AI 助理、工具串接、驗證機制，最後結論是一件有點荒謬但也很真實的事：

原來你每天跟 AI 聊天、叫它記住你的偏好、請它搜尋資料、幫你整理流程，其實就已經在 Harness 它了。

只是工程師很愛幫這種事取一個聽起來很難記的名字。

不過聊到最後，我們也發現，真正難的可能不是 Harness 這個詞，而是：
你到底知不知道自己平常是怎麼做事的？

本集重點

• Harness 不是什麼神秘技術，而是讓 AI 更穩定做事的一整套方法
• Context Window 可以想成 AI 的腦容量，不是塞越多東西越好
• 你自己的流程、喜好、判斷方式，其實都是 AI 能不能幫上忙的關鍵
• AI 不只要會回答，還要會找資料、用工具、被驗證
• 你可能早就在 Harness AI，只是不知道這個詞而已

適合誰聽

• 聽過 Harness、Agent、Context Engineering，但完全不知道在講什麼的人
• 每天有在用 ChatGPT / Claude / Gemini，但覺得自己只是跟 AI 聊天的人
• 想把 AI 從聊天工具變成工作助理的人
• 想知道工程師到底怎麼把 AI 用進工作流程的人
• 覺得 AI 名詞越來越多，已經有點懶得追的人

留言告訴我你對這一集的想法： https://open.firstory.me/user/cmph1dktz081401mfca9ighy6/comments

Powered by Firstory Hosting

我們平常都拿 AI 來做什麼？

像是把 AI 變成個人助理，幫忙整理 Gmail、記錄客戶資料、管理品牌策略；也聊到用 AI 接股票投資資料、整理新聞雷達、輔助判斷持股方向。

再一路聊到各種 Side Project：
補習班出勤系統、公司知識庫、飲食紀錄、冰箱管理、個人網站、吉他樂理練習、睡前故事配樂，甚至是把 AI 助理接進 Line 裡。

聊到最後才發現，這集不只是在問「AI 可以做什麼」，而是在問：

當 AI 已經可以碰資料、用工具、寫程式、接流程之後，

我們怎麼重新想像軟體？

本集重點：

• AI 助理到底可以幫我們做哪些事
• 把 AI 接到 Gmail、電腦、股票資料時，要怎麼看風險
• 為什麼很多公司想導入 AI，最後其實是在補數位轉型的洞
• Side Project 為什麼變得越來越容易做
• 自己用的 Project 跟要賣人的 Product 差在哪
• SaaS 會不會被 AI 重新改寫
• 為什麼這個時代，軟體工程師反而像是撿到槍

適合誰聽：

• 想知道大家實際怎麼用 AI 的人
• 對 AI 助理、AI Agent、Coding Agent 有興趣的人
• 想把 AI 用在工作流程裡，但還不知道從哪裡開始的人
• 正在做 Side Project、個人品牌、知識庫或自動化流程的人
• 想知道 AI 對軟體、SaaS、工程師工作會帶來什麼改變的人

留言告訴我你對這一集的想法： https://open.firstory.me/user/cmph1dktz081401mfca9ighy6/comments

Powered by Firstory Hosting