Paul Kuo — Thinking Out Loud

孩子不是教育設計的作品：父母如何參與，又如何放手

Wed, 15 Jul 2026 00:00:00 GMT

> **TL;DR**：寫完整個教育系列，我最擔心的，是把一個正在生活的孩子寫成教育方法的作品與證明。但父母不可能完全不參與。要問的是：我把那套設計當成不能偏離的答案，還是一套隨時可以被孩子改寫的暫時假設？這是系列的最後一篇，收在多元的成功、孩子的人生自主，以及他的平安。我在〈[我不能證明這是最好的路](/articles/education-without-control-group)〉裡，檢查了決策的權力與公共責任。但還有一層更靠近的東西沒說完，關於關係，也關於我自己。我一直在反省：當我談教育設計、學習歷程與能力證據時，會不會在不知不覺中，把一個正在生活的孩子，寫成父母教育方法的作品與證明？ ## 不是「介入」與「放手」的二選一事情並不是「父母介入」與「完全讓孩子決定」之間的二選一。孩子還沒有足夠能力判斷長期後果時，父母不可能不參與，也不可能不提供方向。即使選擇不介入，也是一種由父母做出的決定。真正需要檢查的，不是我有沒有參與設計，而是我把那個設計當成不能偏離的答案，還是一個隨時準備被孩子改寫的暫時假設。孩子年幼時，父母握有較多方向盤，這不一定是錯；但隨著孩子形成自己的判斷，方向盤應該逐步交還。這個過程沒有一個清楚的交接日。它發生在每一次孩子說「我不要」、選擇不同道路，或者表現出與父母期待不一致的興趣時。父母真正面對的考驗，是把這些聲音當成需要排除的阻力，還是當成重新檢查原有設計的理由。 ## 孩子是「你」，不是「它」如果借用[馬丁・布伯](https://plato.stanford.edu/entries/buber/)《我與你》這本書的精神，孩子不能只是教育設計中的「它」：一個被觀察、培養、紀錄與最佳化的對象。他是可以回答我、拒絕我，也能改變我的「你」。關係並不排除引導；真正的關係是，我在影響他的同時，也允許他的存在改變我原來的方向。 ## 被寫下來的，只是我出手的時刻回頭讀這些文章，我理解為什麼別人會覺得我相當主導。被寫下來的，往往是我發現問題、提出意見、與業師溝通，甚至介入修正的時刻；孩子自己做決定，而我沒有出手的日子，反而很少成為文章。這是紀錄造成的偏差，卻不表示權力的問題不存在。當我介入時，我確實擁有更多資源、語言與成人權威。即使出發點是保護孩子，或彌補孩子與業師之間的溝通落差，我仍然必須問：我是在協助孩子把話說清楚，還是逐漸替他把話說完了？ ## 一段逐漸放手的過程這個界線不是到了某一天才突然出現。隨著孩子長大，我越來越少替他決定，也越來越多讓他承擔自己的選擇。孩子上了大學，他的決定基本上都是他自己的決定。我有一天突然發現，他已經漸漸不需要我，自己做了很多的安排。我也發現，這個過程不是一次性的交接，而是一段逐漸放手的過程。真正困難的，反而是學習期間那些介於保護與代替之間的時刻：當孩子與業師出現落差，我應該旁觀、提醒、陪他溝通，還是直接介入？現在回頭看，我不敢說每一次都拿捏得恰當。 ## 問題不是能不能參與，而是有沒有誤認成所有權問題不是父母能不能參與設計，而是父母是否把教育設計誤認成對孩子的所有權；不是父母能不能提供方向，而是當孩子逐漸形成自己的方向時，我們是否真的願意退開。最後需要檢查的，也不只是我替孩子做了多少決定，而是我的參與究竟增加了他表達與選擇的能力，還是用我的能力取代了他的表達與選擇。 ## 多元，也包括對成功的不同想像我所說的多元學習，不只是學習方法的多元。它不只是有人適合讀書，有人適合真實任務；有人走得快，有人按照自己的進展前進。真正的多元，也應該包括對成功的不同想像。如果最後仍然只有一種終點：進入理想的大學、得到體面的工作、創造可以被看見的成果，那麼再多元的學習方法，也只是通往同一條終點線的不同道路。成功的樣子可以有很多種。有人希望創造事業，有人重視一份安穩的工作；有人喜歡站在前面，有人願意照顧身邊的人；有人走得很遠，有人找到適合自己的生活尺度。甚至在人生的某些階段，一個人不必急著證明自己成功。願意重新開始、承認限制、照顧關係，或者只是把自己的生活過好，也有它的價值。教育不應該替每個孩子規定同一個終點，而是幫助他逐漸理解自己想過什麼樣的生活，並有能力承擔自己的選擇。真正的多元，也應該容納普通、停頓、改變方向，以及尚未完成的人生。 ## 愛也包括相信他的人生屬於他走到今天，如果有人問我最希望從這段教育經驗證明什麼，我想，已經不是證明當年的方法成功，也不是證明孩子走出了一條比別人更好的路。對孩子的愛，不只是父母真心為他著想，在他還小的時候替他安排環境、尋找資源與承擔決定。愛也包括承認，他的人生不屬於父母的教育理念。當他逐漸長大，我必須尊重他選擇自己人生的權利，也學習相信，即使他的選擇與我的期待不同，他仍然有能力走自己的路。這種信任並不容易。替孩子規劃時，我還能告訴自己正在為他負責；真正放手以後，我必須接受自己不能預先知道結果，也不能替他避開所有錯誤。但如果我只在他走向我認可的方向時才相信他，那還不是完整的信任。我仍然希望他有能力、有判斷，也能為自己的選擇負責。但這些都不應該排在他的平安以前。平安不是一生不遇到挫折，也不是父母替他隔絕所有風險；而是他的身體、尊嚴與內心，不必成為任何教育理念或成功想像的代價。遇到困難時，他知道自己可以求助；走了不同的路，也不必先證明自己成功，才值得被愛。回頭看這十年，我想分享的不是一個已經得到驗證的教育方案，而是一位父親曾經做過的選擇，以及他後來學著檢查、修正與放手的過程。孩子可以按照自己的方式理解這段經驗，也可以給它一個與我不同的名字。對我而言，真正重要的，不是這條路證明了什麼，而是孩子平安，並且知道自己的人生屬於自己。而我，曾經很認真地參與過，也陪伴過。我犯過很多錯，也希望孩子能原諒我曾經的愚昧。在人生的路上，我們仍舊一起前行，繼續探索更好的遠方。

我不能證明這是最好的路：一個家庭的教育選擇如何接受公共檢驗

Mon, 13 Jul 2026 00:00:00 GMT

> **TL;DR**：我不能證明選擇非學校型態實驗教育這條路是對的，也不能知道如果孩子留在體制內，是否會走得更好。孩子後來有所成長，不能反過來替父母的決定背書。真正能接受檢驗的，是當時誰做決定、孩子能不能說不、風險由誰承擔、是否保留退路，以及父母有沒有隨孩子成長，把方向盤逐步交還給他。坦白說，我不能證明選擇非學校型態實驗教育這條路是對的。在孩子還沒有足夠能力替自己做長期決定時，我依照自己在創業圈的經歷、對世界的理解、當時對他的觀察，以及能取得的資源，替他設定了一個方向。今天看到的成果，不能反過來證明當年的選擇最好；如果他留在體制內，也可能走出另一條同樣好，甚至更適合他的路。只是那條沒有走過的路，我永遠無法驗證。身為父親，我無意宣稱自己的決定正確。我更需要承認，自己曾經替他做過重要決定，直到今天仍持續檢查那個決定有沒有傷害他，並在他逐漸有能力時，把方向盤交還給他。如果這段經驗值得留下，它的價值也不在證明一個家庭成功了，而在留下選擇、代價、盲點與修正，讓其他家庭不必把我們走過的路誤認成答案。 ## 父母不能等到孩子成年，才開始做決定教育最困難的地方，在於你必須替另一個生命做選擇。自己面對不確定，和讓孩子因為你的決定而面對不確定，是不同層次的煎熬。孩子還沒有能力理解一條教育路徑會帶來什麼長期影響時，父母就必須決定他在哪裡上學、接觸什麼環境、把時間花在哪些事情上。即使父母選擇「不干涉」，那仍然是一種決定，也會形成孩子成長的條件。我在創業圈裡的體悟，影響了我替孩子選擇非學校型態實驗教育的判斷。在創業的現場，知識本身很少足夠；真正推動事情的，是定義問題、與人合作、在不確定中做判斷，並為結果負責。因此，我相信真實任務、群體協作、成人陪伴與長期紀錄，能讓孩子在課本之外發展判斷、協作與負責的能力。這些想法後來成為〈[從翻轉到翻越](/articles/flip-to-climb-education)〉整個系列的主軸。但相信一個方向，和證明這是最好的方向，是兩件不同的事。教育沒有真正的對照組。孩子不能同時走過體制內與體制外的兩種人生，讓我們在多年後比較哪一種更好。我只能看見他實際走過的路，看見其中長出的能力，也看見委屈、繞路與成人曾經犯下的錯誤。沒有走過的另一條路，永遠只存在想像裡。這不會讓父母免除決定的責任，卻提醒我少說一句：「你看，當初我的選擇是對的。」 ## 孩子後來的成果，不能替父母證明當年正確回頭整理十年的資料，很容易看見那些可以被展示的成果：作品、專案紀錄、旅行規劃、業師回饋，以及最後被大學制度理解的學習歷程。這些成果是真實的，我不需要否定。但它們只能證明孩子做過什麼、從中發展了哪些能力，不能單獨證明當年的教育安排就是原因，更不能證明如果走另一條路，他不會發展得更好。這個區分對父母很難。因為孩子有所成長時，我們自然會想相信自己的辛苦沒有白費；孩子遭遇困難時，我們又會反過來懷疑是不是自己害了他。兩種心情都很真實，卻都可能把孩子的人生變成對父母決策的評分表。孩子的成長屬於孩子。他後來長出的能力，可能與家庭提供的環境有關，也與自己的性格、老師、同儕、機會和一次次選擇有關。父母可以承認自己參與其中，卻不必把成果全部收進自己的教育方法裡。同樣地，孩子能從不公平裡長出力量，也不能使當年的不公平變得合理。我在〈[誰擁有孩子做出來的東西](/articles/whose-work-education-blind-spot)〉裡談過這個界線：孩子後來有所成長，不能把成人的越界重新解釋成一份禮物。好的結果不能替錯誤的過程背書。相反地，一個結果尚未出現，也不必立刻證明過程失敗。父母真正能檢查的，是當時如何取得資訊、如何衡量風險、是否聽見孩子，以及發現不對時有沒有能力停下來修正。 ## 從「替孩子設計」走向「與孩子一起設計」近年的全球教育討論，開始把注意力從「成年人要把孩子培養成什麼」，移向另一個問題：孩子在教育決策裡，到底是不是一個真正的參與者？ [OECD Learning Compass 2030](https://www.oecd.org/en/data/tools/oecd-learning-compass-2030.html)把學生能動性與個人、集體福祉放在教育願景的核心。學生不只接受教師或父母提供的方向，也要逐漸能在陌生情境中辨識方向、做出選擇並承擔責任。但「讓孩子參與」很容易停在形式上。大人詢問過意見，最後仍依照自己的判斷做決定，然後說孩子已經被聽見。UNESCO 與聯合國青年辦公室在 [2026 年《Lead with youth》報告](https://www.unesco.org/gem-report/en/publication/2026youthreport)裡指出，許多國家雖然建立青年諮詢機制，年輕人的意見卻很少真正影響教育政策。報告提出的方向很清楚：教育不能只替年輕人設計，也要與他們共同形成。把這個問題放回家庭，我也問自己：當年我有好好聽孩子說話，還是在聽完之後，繼續完成自己已經決定的方向？我只能說，我的兒子很受教，也很聽話。多年後回頭看，我不確定自己是否曾把他的配合，當成了他的同意。我希望當年的自己能有更多餘裕去分辨這兩者，也有更多寬容，讓他說出與我不同的想法。《[聯合國兒童權利公約](https://www.unicef.org/child-rights-convention/convention-text)》沒有要求父母退出教養。公約一方面承認父母對孩子的養育與發展負有主要責任，另一方面也要求，孩子對所有影響自己的事情，都有表達意見的權利，而且他的意見應依年齡與成熟度獲得相應的重視。這兩件事必須同時存在。孩子需要保護，也是一個擁有權利的人。父母需要做決定，但那份決定權不能因為出發點是愛，就永遠不受檢查。 ## 把方向盤交還，不等於突然放手孩子的自主不會在某一天突然成熟。父母的角色也不會從「全部決定」直接跳到「完全不管」。 UNICEF 在 2026 年的《[Growing with Rights](https://www.unicef.org/innocenti/reports/growing-rights)》裡，以發展、保護與解放三個面向理解兒童逐漸成長的能力。孩子需要獲得做決定的空間，也仍然需要與風險程度相稱的保護。兩者之間不是一條固定界線，而是一個隨年齡、經驗、事情性質與可能後果持續調整的過程。我把它理解成一條父母權力逐漸後退的曲線。孩子年幼時，父母會替他決定較多事情，但仍要用他能理解的方式說明，也要留意抗拒背後的原因。當孩子開始能比較不同選項，教育安排就應進入共同設計：父母提供資訊與限制，孩子的意見有機會改變結果。等他逐漸能設定目標、理解風險並承擔後果，父母的工作應轉向提供資源、守住安全界線，以及在他需要時協助整理經驗。方向盤不是在十八歲那一天才交出去。它應該在一次次選擇裡慢慢轉移。這也表示，孩子必須有真正的退路。當他不想繼續某個專案、想換環境，甚至想回到父母當初離開的教育體制時，那個選擇不能被解釋成辜負、退縮或否定父母。只有當孩子能夠改變方向，原先的參與才不只是配合。 ## 家庭可以開路，卻不能取代公共責任我在這個系列裡反覆談「家庭教育設計」。現在回頭看，這個詞也有風險。它可能讓家長以為，只要夠用心、夠投入，就應該替孩子找任務、找業師、安排群體、保存紀錄，再設計一條個別化的成長路徑。做不到的家庭，好像只是沒有看見方法，或者不願意付出。實際情況不是這樣。這條路需要時間、金錢、人脈、交通、行政能力與情緒承受力。即使我們當時沒有把自己理解成資源特別充足的家庭，能夠取得那些機會，本身就是一組具體條件。把這些條件拿掉，同一套教育設計未必能成立。因此，家庭經驗若要成為公共主張，就不能只問「我們做對了什麼」，還要問：「哪些孩子沒有機會得到這些？」 UNESCO 的「[教育的未來](https://www.unesco.org/en/futures-education/vision)」把教育視為集體的公共事業與共同利益。教育不只是每個家庭替自己的孩子累積能力，也承擔著讓不同背景的人共同生活、修補不平等與分享知識的責任。 [2026 年全球教育監測報告](https://www.unesco.org/gem-report/en/publication/equity-and-access)也提醒，個別國家的漂亮案例未必能直接複製。更值得理解的是，哪些制度、資源配置與長期承諾，能讓改變持續發生，而且照顧到原本處於不利位置的人。家庭可以先走出一條路，但不能因此把責任交還給每一位父母。安全的真實任務、可信任的業師、群體活動、作品紀錄、申訴機制與轉換教育路徑的支持，不應只有善於搜尋資源的家庭才能取得。我們在孩子高二之後回到個人自學，所有課程規劃與業師安排，都得由家庭自己完成。這是一個大工程，也不是每個家庭都有能力承擔。如果這些支持能由制度系統性地提供，家庭就不必各自從零摸索，孩子也不會因父母擁有的時間、人脈與行政能力不同，而得到差異如此懸殊的教育機會。這才是孩子與社會之福。如果一套教育主張只能在少數家庭裡成立，它仍然可以是一段珍貴經驗，卻還不是一套足以面對公共世界的答案。 ## 六個讓家庭教育接受檢驗的問題我想用六個問題，重新檢查自己談過的教育設計。第一，當時是誰做決定？孩子知道有哪些選項嗎？他的意見曾經改變最後安排嗎？第二，這個決定能不能重來？孩子若想暫停、換方向或回到體制，有沒有不受責備的退路？第三，成人的權力有沒有隨孩子成長而後退？還是我們仍然用「我是為你好」維持原來的控制？第四，風險由誰承擔？當老師、業師、機構或父母判斷錯誤時，有沒有保護、申訴與修復機制，還是讓孩子自己消化代價？第五，這套方法依賴哪些家庭條件？如果拿掉金錢、人脈、交通或父母的行政能力，還有哪些部分能成立？第六，哪些責任不該留給家庭？學校、社區與政府應該提供什麼，才能讓不同家庭的孩子都獲得基本的選擇、保護與發展機會？這六個問題不會告訴家長應不應該自學，也不會替任何教育體制作保。它們只是要求我們在談孩子獲得什麼以前，先把誰擁有權力、誰付出代價，以及誰被排除在外說清楚。 ## 這段歷史不該只由父親命名這段經驗裡，有一個部分不屬於我：孩子自己怎麼理解這十年。我可以整理檔案、重述當年的決定，也可以承認我今天才看見的盲點。但這十年對他意味著什麼，只能由他自己說。他可能感謝其中一些經驗，也可能記得我已經淡忘的不舒服；可能認為某些安排幫助了他，也可能覺得有些方向其實是大人替他選的。我的孩子已經獨立，也在外地生活。他願不願意、什麼時候回顧這段經歷，由他自己決定，我不替他預先寫好答案。如果有一天他想說，那應該是他自己的聲音，而不是替我或這個系列背書。孩子的聲音若只能用來確認大人的結論，那仍然不是參與。因此，這篇是一位父親對自己決策與權力的反省：我曾經握過方向盤，這件事不會因為出發點是愛，就不需要負責。我現在能做的，是把當年的選擇、資源、代價與錯誤攤開，也承認有些答案不在我手上。那條沒有走過的路，永遠不會有答案。走過的這條路，也不該只由我來命名。我能留下的，是其中的選擇、代價、盲點與修正，讓其他家庭多一些可以參考的資訊。至於哪一條路更適合，仍要由每個孩子與家庭，自己一起探索。

我不再問哪個 AI 模型最強

Sun, 12 Jul 2026 00:00:00 GMT

> **TL;DR** 我做了一個模型前沿儀表板，協助自己判斷不同工作該選哪個模型。它不只比較排行榜分數，也計算模型完成一整個任務的平均成本。 > > 製作過程中，我發現一件很反直覺的事：模型的 token 單價便宜，不代表完成任務的總成本比較低。如果模型需要更多步驟、讀取更多資料，最後可能花得更多。以 DeepSWE 的長程任務為例，單價較低的 Sonnet 5，完成一題的平均成本反而高達 26.4 美元。模型推出的速度越來越快，像進入一場模型寒武紀。新名稱、新排行榜和新說法不斷出現，很難只靠印象判斷該選哪一個。於是我做了一個模型前沿儀表板，用圖表整理模型的能力、成本和適用情境。儀表板上線第二天，我盯著剛加上去的散點圖，忍不住確認了一次：Sonnet 5 真的是最貴的嗎？先說明這張圖怎麼看：每個模型是一個點，橫軸是完成一個任務的平均成本，縱軸是任務成功率。為了讓「便宜又準」的模型靠近右上角，我把成本軸反向排列，越往右越便宜、越往左越貴。Claude Sonnet 5 落在整張圖最左側，和其他模型明顯拉開距離：平均每題 26.4 美元，是所有設定中最貴的一個。它明明是 Claude 家單價最便宜的型號，每百萬 token 只要 2 美元。我以為圖畫錯了。答案在官方資料檔的另外兩個欄位裡。在這組長程程式任務中，Sonnet 5 平均需要進行 268 個操作步驟；步驟越多，代表它需要反覆讀取程式碼、呼叫工具、修改答案，最後累積出龐大的 token 用量。更反直覺的是，有些 token 單價比它高很多的模型，完成一題的總成本反而更低。那一刻我確定這個工具做對了方向。因為這種事，排行榜不會告訴你。這篇整理我製作儀表板時遇到的三個問題：為什麼不能只看排行榜？為什麼單價便宜，最後反而可能更貴？又該怎麼建立一套不容易過期的選模型方法？ ## 排行榜為什麼不能直接告訴你選哪個？先講排行榜是什麼。模型排行榜通常會準備一組標準題目，讓不同模型完成，再比較答對率或任務成功率。問題是，每張排行榜測量的題型、工具環境和時間長度都不同。模型在某張榜上第一，只代表它特別擅長那組測試，不代表它適合所有工作。排行榜的第一個限制，是不同測試可能出現不同冠軍。[SWE-bench](https://llm-stats.com/leaderboards/best-ai-for-coding) 主要測試模型能不能處理真實軟體專案中的程式問題；[DeepSWE](https://deepswe.datacurve.ai/) 則更重視模型能否長時間自主操作，反覆閱讀程式、呼叫工具、修改並驗證結果。前者由 Claude Fable 5 領先（約 95%），後者則是 GPT-5.6 家族表現較好。兩張榜並沒有互相矛盾，它們只是問了不同的問題。第二個限制，是榜首之間的小幅差距，不一定代表真實能力有明顯差異。DeepSWE 前三名是 72.7%、69.9% 和 69.6%。表面上第一名高了兩三個百分點，但測試題目只有 113 題，重跑一次結果可能略有波動。三者的 95% 信賴區間彼此重疊，因此單靠這份結果，還不足以確認它們的真實能力有明顯差異。把「高兩趴」讀成「比較強」，是排行榜文化最常見的誤讀。當能力差距無法明確區分時，成本就會成為最重要的判斷因素之一。對大量執行的 Agent 工作流來說，幾美元的單題差距，累積後可能就是一筆很大的費用。在 GPT-5.6 家族的三個模型中，Sol 每題 8.39 美元、Terra 4.95 美元、Luna 3.03 美元：它們的成功率落在接近的範圍內，成本卻最多相差近三倍。 ## AI Agent 真正該看的是每任務成本我們習慣看單價：每百萬 token 多少錢。這在聊天、翻譯或一次問完就結束的任務裡，通常還算合理，因為 token 用量大致固定。但 Agent 任務不一樣：模型自己決定要走幾步、讀多少東西。單價便宜的模型，如果規劃效率較差，或需要更多次嘗試與修正，就可能用掉更多步驟和 token，最後把單價上的優勢全部抵銷。所以對 AI Agent 而言，真正該看的不是一次呼叫多少錢，而是同時看三件事：任務完成率、完成一次需要多少步，以及整個過程累積的 token 與工具成本。這不是一條嚴格的數學公式，但足以當判斷框架。回到 Sonnet 5。它的單價雖然低，但在這組測試中平均需要 268 個步驟；同樣開到最高設定的 Fable 5，只需要 88 步。更多步驟代表更多程式碼讀取、工具呼叫和反覆修改。每進行一步，模型還可能重新讀取先前的上下文，因此 token 用量會持續累積。按官方資料計算，Sonnet 5 平均每題累計使用七千多萬個輸入 token。這是把整個任務中所有步驟重複讀取的內容都加總後的平均值。最後，它的每題成本來到 26.4 美元，成功率為 53.8%。 Fable 5 low 每題只需 3.76 美元，成功率為 59.6%；Opus 4.8 max 的成功率為 59.0%，每題卻要 13.22 美元。兩者成績落在相近範圍，前者的成本不到後者三分之一。表格也列出 Fable 5 max，讓同一模型在不同 effort 設定下的變化可以直接比較。 | 模型設定 | 成功率 | 每題成本 | 平均步數 | |---|---|---|---| | Sonnet 5 max | 53.8% | $26.40 | 268 | | Fable 5 max | 69.7% | $21.63 | 88 | | Fable 5 low | 59.6% | $3.76 | 38 | | Opus 4.8 max | 59.0% | $13.22 | 120 | （資料：DeepSWE v1.1 官方公開資料檔，113 題，2026-07-09）在這組測試裡，Sonnet 5 的 token 定價較低，但因為完成任務需要更多步驟，總成本反而最高。**token 單價是每次使用材料的價格，任務成本是整件工作做完的總帳。** 儀表板那張圖的橫軸用「每任務成本」而不是單價，就是為了讓這個總帳一眼可見。 ## 一張成本 × 能力的選擇地圖把排行榜分數和每任務成本放在一起，才會形成真正能用來選擇模型的地圖。儀表板第一區整理五種常見情境：日常工作、複雜推理、程式開發、大量執行和預算不限。每一格提供一個當期首選，以及推薦它的理由。再往下是那張散點圖。六個主力模型各有一條「effort 曲線」。effort 可以理解成模型願意投入多少運算與推理資源。圖上把同一模型從低到高五個設定的成本和分數連起來；曲線越平，代表降低 effort、節省成本時，表現下降得越少。圖上的金線是「效率前緣」。你可以把它理解成目前最值得考慮的選項：線上的每一個點，都沒有另一個選項能同時做到「分數更高」又「價格更低」。不在線上的模型不一定不好，只是從這份資料看，已經存在更準、或更便宜，甚至兩者兼具的替代方案。這一輪，整條前緣十三個點全部落在 GPT-5.6 家族的各檔位上：這不表示 GPT-5.6 在每個單項都拿第一，但在這次測試裡，它提供了最完整的能力與成本組合。完整的十三個模型清單如下，數字與即時儀表板同步：

圖表載入中。如未顯示，即時互動版在 /ai/models/。

| 模型 | 廠商 | Effort | 成功率 | 每題成本 | 效率前緣 | |---|---|---|---|---|---| | gpt-5.6-sol | GPT（OpenAI） | max | 72.7% | $8.39 | ◆ | | claude-fable-5 | Claude（Anthropic） | xhigh | 69.9% | $13.41 | | | gpt-5.6-terra | GPT（OpenAI） | max | 69.6% | $4.95 | | | gpt-5.6-luna | GPT（OpenAI） | max | 67.2% | $3.03 | ◆ | | gpt-5.5 | GPT（OpenAI） | xhigh | 67.0% | $7.23 | | | claude-opus-4.8 | Claude（Anthropic） | max | 59.0% | $13.22 | | | claude-sonnet-5 | Claude（Anthropic） | max | 53.8% | $26.40 | | | gpt-5.4 | GPT（OpenAI） | xhigh | 51.8% | $5.65 | | | glm-5.2 | GLM（智譜） | max | 43.8% | $3.92 | | | gemini-3.5-flash | Gemini（Google） | medium | 37.4% | $7.34 | | | kimi-k2.7-code | Kimi（月之暗面） | 預設 | 30.5% | $2.82 | | | claude-sonnet-4.6 | Claude（Anthropic） | high | 29.9% | $5.52 | | | gemini-3.1-pro | Gemini（Google） | high | 11.8% | $9.48 | | （來源：DeepSWE v1.1，113 題，2026-07-09 更新。數字會隨每週更新變動，即時版本請看 [https://paulkuo.tw/ai/models/](https://paulkuo.tw/ai/models/)。） **延伸資料**：同一個儀表板另外追蹤「泛化能力」，測的是模型能不能在沒看過的抽象規則上現場推理，而不是背過的相似題型，跟上面的程式開發成本是不同維度，附圖供對照。

Sun, 05 Jul 2026 06:00:00 GMT

> **TL;DR** — 1970 年代，一個工程師被宣判癌症餘命半年，他跑去歐洲學做麵包，靠自己調配的飲食活了下來。這個故事影響了發酵大師志賀勝榮的「醫食同源」，也是味覺的感動那條慢麵包的底。 1970 年代，一個叫大地修造（おおち・しゅうぞう）的日本人，本來在研究新幹線的自動列車控制系統。有一天，醫生宣判他罹癌，餘命半年。他聽說小麥的麩皮、胚芽，還有乳酸菌，對身體可能有幫助。於是他跑去義大利和奧地利學做麵包，替自己調了一套以麵包為主的飲食，慢慢把身體養了回來。後來，他成了「大地法」這套麵包食養的專家。這個故事，我是在志賀勝榮那本講麵包的書裡讀到的。志賀說，他就是從大地身上，才真正意識到乳酸菌與酵母菌共生對人的重要。志賀勝榮是誰、他跟[台北這家麵包店的緣分](/articles/tokyo-master-taipei-bakery)是怎麼牽起來的，我在系列第一篇寫過。 ## 麵包，能當藥嗎？把麵包當藥，聽起來像偏方。志賀講的不是這個。他快五十歲那年，開始把「醫食同源」放進自己做麵包的核心。想法很樸素：人的身體，就是吃進去、消化吸收的東西長成的。那麼好好吃飯，本來就能顧健康。與其把錢花在醫藥上，不如吃一條真正對身體好的麵包。但他有一條底線：不能做成「藥一樣的麵包」。職人做出來的東西得先好吃，才輪得到談健康。難吃的健康麵包，沒有意義。 ## 慢，為什麼比較健康那條「對身體好的麵包」，好在哪？關鍵還是回到慢。這條「慢」的邏輯，我在[系列第二篇](/articles/long-fermentation-fast-age)談過為什麼快時代反而需要慢發酵，這篇要講的是它跟身體的關係。發酵是一整個生態系一起工作，不是單一菌種的獨角戲。麵團裡同時住著至少兩群菌：酵母菌負責把糖代謝成二氧化碳和酒精，讓麵包長高、帶出風味；乳酸菌負責把糖代謝成乳酸，讓麵包帶酸味、也抑制麵團裡的雜菌。兩者共生，缺一不可，這本身就是一套複雜系統，不是單一變因能解釋的事。 | 分類 | 菌種 | 代表例 | 在麵包發酵中的角色 | |---|---|---|---| | 兼性厭氧 | 酵母菌 | *Saccharomyces cerevisiae*、野生酵母（如 *Candida humilis*） | 產生二氧化碳讓麵包膨脹，代謝出酒精、酯類等風味物質 | | 耐氧厭氧／兼性厭氧 | 乳酸菌 | *Lactobacillus sanfranciscensis*、*L. plantarum*、*L. brevis* | 代謝糖分產生乳酸（同型發酵）或乳酸＋二氧化碳／醋酸／酒精（異型發酵），負責酸味、抑制壞菌，也是腸道菌相研究鎖定的對象 | | 專性好氧 | 醋酸菌 | *Acetobacter* 屬 | 把酒精氧化成醋酸；麵團內部缺氧，這群菌通常角色較弱，但開放式培養的天然酵母種仍可能出現 | 只用工業酵母做的麵包，等於把這整個生態系簡化成單一菌株：幾個小時就能讓麵包長高，卻沒有時間讓乳酸菌介入。快，但貧瘠。

切開來看，裡頭是一個個大小不一的氣孔。那是酵母菌和乳酸菌花時間一起工作，留下的痕跡。

低溫、長時間的發酵會留下乳酸菌。乳酸菌不只幫忙發酵，還整理腸道環境，幫身體擋掉一些病原菌。發酵夠久，澱粉被分解成葡萄糖，麵包自己就有了甜，不必另外加糖。用含麩皮的全麥麵粉，礦物質也比精白麵粉多。味覺的感動那條 18 度、18 小時的麵包，走的就是這條路。他們送去 SGS 檢驗，說裡頭的乳酸菌比一般做法多了六倍多。說起來有點反諷。我們印象裡「乾淨、高級」的純白麵包，其實出現得很晚。志賀在書裡提到，是戰後的法國才「發明」出真正雪白的麵包，靠的是高度精白加上高速攪拌。在那之前，人吃的多半是顏色深、帶麩皮的麵包，也就是比較健康的那種。這幾年腸道菌相變成顯學不是沒有原因。史丹佛大學 2021 年一項刊登在《Cell》期刊的隨機對照試驗，把 36 位健康成人分兩組追蹤 17 週：一組吃高纖飲食，一組吃發酵食物。結果只有發酵食物那組菌相多樣性穩定上升、發炎指標也跟著下降；高纖那組纖維吃得再多，菌相多樣性反而沒有明顯改善。研究團隊的解讀是，關鍵可能在發酵過程本身留下的代謝產物，不只是菌的數量。 > **📊 關鍵數據** > - **史丹佛 2021 年 RCT**：36 位健康成人，發酵食物組 17 週後菌相多樣性穩定上升、發炎指標下降；高纖組同期未見明顯提升（[Wastyk et al., *Cell*, 2021](https://pubmed.ncbi.nlm.nih.gov/34256014/)） > - **人類微生物體計畫**：[NIH 2007 年正式啟動](https://www.genome.gov/27549400/the-human-microbiome-project-extending-the-definition-of-what-constitutes-a-human)，腸道菌相研究成為系統性學門不過近二十年的事大地修造那套飲食，是 1970 年代的事。他能拿出來的，只有自己的身體，沒有實驗室數據可以佐證。真正系統性的科學研究，要等將近半個世紀後才追上：NIH 一直到 2007 年才啟動人類微生物體計畫，把腸道菌相當成一個正式的研究領域；史丹佛那個對照試驗，更是 2021 年才發表。見證先於證據，這中間隔了大半輩子的時間。 ## 不用等到生病了才來關心健康我在食農產待了十多年。麵包治不了病。大地修造靠麵包把身體養回來，是他的個人經歷，不是通則。參與了味覺的感動的經營後，「醫食同源」這四個字，我的體會跟以前不一樣。它不是把食物當藥，是每天吃進去的東西，一點一點在構成身體。這種事平常不太會去想，多半要等身體出了狀況才回頭。志賀老師他們沒等到那個時候：一條用多種酵母製作，且發得夠久、無添加的麵包，讓每天都有健康食物成為日常。

說到底，一條好麵包最終要回到餐桌上，成為每天在吃的東西。

## 參考資料與延伸閱讀 **志賀勝榮與「シニフィアン・シニフィエ」（日本）** - [Signifiant Signifié 官方網站](https://signifiantsignifie.com/)：志賀勝榮 2006 年於東京世田谷創立的店，以「食養同源」為理念。 - [官方 YouTube 頻道](https://www.youtube.com/c/SignifiantSignifie)：店家與志賀勝榮的影音介紹。 - [〈このひとの世田谷〉志賀勝榮專訪](https://setamin.com/person/11614)（世田谷くみん手帖）：談低溫長時間發酵，以及「吃，是為了維持健康」。 - [志賀勝榮《パンの世界：基本から最前線まで》](https://bookclub.kodansha.co.jp/product?item=0000195547)（講談社選書メチエ，2014）：本文主要引用來源；大地修造抗癌與「醫食同源」的敘述，出自第 2 章「日本のパンの可能性」的「発酵食品としてのパン」一節（志賀原文）。出版社官方書介。 **影音** - [「シニフィアンシニフィエのパン作りミキシングから焼成まで」](https://www.youtube.com/watch?v=ry_n8GCNC0k)：記錄志賀勝榮從攪拌到烘烤的製作技法。 **台灣（台日連結）** - [《從酵母思考麵包的製作》志賀勝榮著，繁體中文版](https://www.books.com.tw/products/0010948528)（博客來）：志賀著作在台灣的譯本。 - [《志賀勝榮的麵包》繁體中文版](https://www.books.com.tw/products/0010665057)（博客來） - [〈味覺的感動：健康就不可能美味？〉](https://icook.tw/blogs/144943)（愛料理生活誌，2020）：專訪 Lisa 主廚，談 18 度 18 小時發酵、乳酸菌 6.2 倍與醫食同源。 **大地修造與「おおち法」** - [「おおち法とは」](https://heizelpan.exblog.jp/16083597/)（ヘイゼルパン）：大地修造與大地慶子考案、取得專利的長時間發酵製法紀錄。 - [大地修造麵包著作（日本國會圖書館 NDL 藏書）](https://ndlsearch.ndl.go.jp/search?cs=bib&keyword=%E5%A4%A7%E5%9C%B0%E4%BF%AE%E9%80%A0%20%E3%83%91%E3%83%B3)：《驚異のパン焼き法》（小學館，1977）等至少四本，橫跨小學館、祥伝社、學研三家出版社，佐證其人與著作真實存在。 **SGS 檢驗報告（味覺的感動委託，2016）** 驗的是「發酵完的麵糰」（非烤好的麵包），數字反映的是發酵深度，見上方 FAQ 說明。 - 📄 [18 小時發酵麵糰・乳酸菌 3.7×10⁶ CFU/g、酵母菌 1.5×10⁶ CFU/g（SGS FA/2016/80143）](/downloads/bread-research/sgs-lactic-acid-bacteria-18hr-FA2016-80143.pdf)：SGS Taiwan 食品實驗室，衛福部公告法（部授食字第1021950329號）檢驗。 - 📄 [12 小時發酵麵糰・乳酸菌 3.4×10⁶ CFU/g、酵母菌 9.3×10⁵ CFU/g（SGS FA/2016/80142）](/downloads/bread-research/sgs-lactic-acid-bacteria-12hr-FA2016-80142.pdf) --- 本文關於大地修造、醫食同源與長時間發酵的敘述，取自志賀勝榮《パンの世界：基本から最前線まで》（講談社選書メチエ），為作者轉述、非逐字翻譯；乳酸菌檢驗數據引自味覺的感動官方說明。本文非醫療建議。

蛋塔、生吐司，和一條不追風潮的麵包

Sun, 05 Jul 2026 00:00:00 GMT

> 慢與記憶之間，有一種祕密的連結；快與遺忘之間，也是。 > > 米蘭·昆德拉《緩慢》 > **TL;DR** — 台灣愛把食物當快消品：蛋塔、生吐司，一兩年換一個風潮，來得快去得也快。但一條講長時間發酵、講健康的麵包，不能用快消品的邏輯賣。做這家店的行銷，我一直卡在這個拉扯裡。台灣人愛追食物的風潮。很多年前排隊買葡式蛋塔，這幾年換成生吐司，每隔一兩年就有一個新的。來得快，去得也快。上一波紅過的店，很多在下一波來之前就收了。我做這家台北麵包店的數位和行銷，手上這條麵包，剛好是風潮的反面。它要發 18 個鐘頭，主打健康，是希望你吃十年的東西，不是排一次隊、打一次卡的東西。要把它推出去，我很快就撞到一道牆：快消品那套溝通邏輯，套不上來。 ## 兩種賣法，兩種邏輯快消品賣的是「新」。限時、話題、排隊、打卡，製造一波熱度，趁熱賣完，再找下一個項目。風潮本來就設計成短命的，它靠的就是你怕錯過。健康的、慢的食物，賣的是另一種東西：長期、信任、身體。你不會希望客人衝動買一次，你希望他吃很久、吃出習慣。這種東西沒辦法靠一波熱度，它要的是慢慢養出來的信任。你說「這對身體好」，客人不會今天聽今天就信，是吃了一段時間、身體有感覺，才慢慢信。這兩套邏輯，彼此互斥。快消品的成本結構中，行銷佔比非常高，往往超過四成。 ## 打不贏價格戰，就別打志賀在書裡有個觀察。在法國，長棍是日常品，再貴也賣不過兩、三百塊台幣，因為它天天要吃，便宜是天經地義。但在日本，麵包是「嗜好品」，不是每天的主食，比較像一種享受。正因為是嗜好品，反而可以加上附加價值、賣高價。他自己就這麼做。他店裡一顆麵包賣到一千日圓是常態，貴的三、四千日圓。他把這叫「價格破壞」，只是方向相反：他破壞的是往上，不是往下。他的邏輯很簡單：個人店產量小，打不贏大廠的價格戰，那就不要打，改做大廠做不了的東西：一條值得你專程去買、當禮物送人的麵包。要走這條路，得有自己的招牌。志賀說，一流一定要有自己的スペシャリテ，用原創撐起來，不能是別人的模仿。這就是快消品的反面。快消品靠「怕你錯過」，非日常靠「別人取代不了」。一條要你吃十年的健康麵包，本來就該站在後面這邊，而不是去追下一個生吐司。 ## 我觀察到的張力做行銷的人都懂追熱度的誘惑。要不要把這條麵包包裝成下一個生吐司，跟著風潮衝一波？短期數字一定好看。但我不想這樣做。那等於把一個要吃十年的東西，當成一個吃一次的東西在賣。追一波風潮進來的客人，是為了「跟上」來的，風潮一過就走，不會留下來。而這家店真正需要的，是那種吃了會回頭、會帶家人來的人。那種人，用快消品的方式招不來。也是因緣際會，那陣子我開始參與全家健康生態圈的建構。那是一個數位轉型的計劃，想把生理數據整合進消費行為的輪廓裡，替消費者推薦更適合的健康食物和日用品。做這件事，我更確定一句話：好產品，不如好通路。這家麵包店碰到的張力，答案也許不在行銷技巧，在有沒有一個把健康擺在前面的通路，把它送到在乎健康的人面前。我後來的體會很簡單：健康食物的行銷，不是想辦法把它變成快消品，是耐住性子，用另一種方式，跟願意吃十年的人溝通。慢一點，但留得下來。 ## 這跟上一篇是同一件事寫到這裡我才發現，這跟[上一篇](/articles/long-fermentation-fast-age/)談的是同一件事。上一篇說，一個只能快、不能選擇慢的系統，是一種失控。那講的是生產端。而台灣消費者對「快消品」的胃口，是同一件事的另一端，消費端。一個什麼都追新、追快、怕錯過的市場，其實也是一種「只能快」。它容不容得下一個要你慢慢吃、慢慢信的東西？一個市場夠不夠成熟，也許就看它容不容得下不追風潮的東西活下來。 ## 十一年，沒有靠任何一波風潮這家店開了十一年。它沒有被任何一波食物風潮帶走，也沒有靠任何一波風潮起來。蛋塔熱、生吐司熱，它都在旁邊，一天一爐，慢慢做，慢慢賣。回到[這個系列最開始](/articles/tokyo-master-taipei-bakery/)那句話：這一切不是規劃來的，是緣分與職人的堅持。有些東西急不得。從每天養七種菌種、堅持長時間慢發酵的流程，到培養客人的信任，再到把它賣給對的通路，這一切都急不得。有些代價，必須默默付出。 --- 本文關於日本麵包定價與「非日常」定位的敘述，取自志賀勝榮《パンの世界：基本から最前線まで》（講談社選書メチエ），書中觀點為作者轉述、非逐字翻譯。開卷引文出自米蘭·昆德拉《緩慢》。

教會不是太慢，而是忘了什麼該慢

Sat, 04 Jul 2026 01:00:00 GMT

> **TL;DR** — 教會不是沒有回應 AI。梵蒂岡、福音派機構、台灣教會的實戰營，都比我們想像得快。問題不在速度，在節奏：會友開始把屬靈信任交給 AI，牧師也把 AI 放進講章流程，但教會還沒說清楚什麼可以快、什麼必須慢。AI 時代，教會最珍貴的，是守住反節奏的能力。 2025 年 9 月，台北，夏凱納靈糧堂。GOOD TV 的「教會 AI 實戰營」在這裡開課：三天，15 種工具，ChatGPT、NotebookLM、Gamma、HeyGen。報名有一個條件，要主任牧師簽核。之後幾個月，台中東海靈糧堂、高雄武昌教會接力開營。主辦方說，光台北場就來了八百多人。就在實戰營巡迴的那幾個月，美國 Barna 集團施測了一份隔年發布的牧師調查：24% 的牧師用 AI 寫講章或修講章，比 2024 年初翻了一倍。Lifeway 問會眾的那一份則說：43% 的人反對講章用 AI。過去三年，「AI 來得太快，教會來不及反應」大概是教會圈最常聽到的一句焦慮。我原本也這樣以為。查完資料，我發現這個敘事對不上帳。教會的機構在跑，牧師自己也在跑。真正的危機不是慢，是只剩下快。 ## 教會這次到底跑多快？先把主詞說清楚。這篇講的「教會」，至少是三層不同的東西：制度教會，梵蒂岡、總會、教派機構；牧者個人，用 AI 查資料、寫講章的那一群；還有地方教會的牧養現場，會友怎麼用、有沒有人教分辨。三層的速度不一樣，混在一起談，只會吵不出結果。先看制度層，方法是把兩條時間線放在一起。上一次資訊科技衝擊信仰，是印刷術。古騰堡的活字印刷機約 1450 年在美因茲運作，1455 年左右印出第一本聖經。路德 1517 年發表《九十五條論綱》，印刷術把一場學術辯論放大成宗教改革，那已經是 62 年後。我在〈[宗教改革的現實脈絡](/articles/reformation-printing-politics)〉寫過這段。而教會成體系的反制，還要再等：1542 年羅馬宗教裁判所，1559 年第一版[禁書目錄](https://www.newadvent.org/cathen/07721a.htm)，1545 到 1563 年的特倫托大公會議。教會並非沉默了一個世紀，1487 年就有第一道關於印刷的教宗詔書、1515 年有普遍的出版前審查；但主要的制度回應，前後花了兩三個世代。 AI 這次呢？ ChatGPT 2022 年 11 月 30 日上線，分析師估計約兩個月月活躍用戶就達到一億，是當時成長最快的消費性應用。模型以月為單位換代：GPT-4（2023 年 3 月）、Claude 3（2024 年 3 月）、GPT-4o（2024 年 5 月）、Claude 4（2025 年 5 月）、GPT-5（2025 年 8 月）。教會的回應，放在它自己的歷史裡看，快得反常。美南浸信會的倫理與宗教自由委員會 2019 年 4 月就發表了《人工智慧：福音派原則聲明》；梵蒂岡 2020 年 2 月與微軟、IBM 等共同簽署《Rome Call for AI Ethics》，都趕在 ChatGPT 上線之前（分別早了三年半與 33 個月）。ChatGPT 上線 26 個月後，教義部與文化教育部聯合發布《[Antiqua et Nova](https://www.vatican.va/roman_curia/congregations/cfaith/documents/rc_ddf_doc_20250128_antiqua-et-nova_en.html)》，117 段，教會第一份專論 AI 的教義性說明。2025 年 5 月[新教宗當選](/articles/pope-leo-xiv-ai-homily)，兩天後對樞機團解釋自己為什麼取名良十四世：因為良十三世用《新事》通諭回應了工業革命，而他要面對的是 AI 帶來的另一場。2026 年 5 月，他的第一份重要通諭出爐，主題就是 AI。對照印刷術，這次的制度反應快得不尋常：以前要等幾個世代才慢慢成形的回應，這次幾年內就已經出現。再看牧者個人。Barna 2025 年 12 月問了 442 位牧師：只有 13% 完全不用 AI；一半的人用它腦力激盪，36% 用它查聖經和神學資料，24% 用它寫講章或修講章。所以要把一句話說在前面：本文說的「快」，指的是制度性回應與實務採用已經開始，不代表教會已經想清楚了。文件出了，課開了，工具用上了。「來不及」不是沒有道理，但它不是這場危機最準確的名字。 ## 真正的裂縫：信任與使用錯位 Barna 2025 年 11 月施測、隔年 5 月[發布的調查](https://www.barna.com/research/christians-trust-ai-flourishing-spiritual-authority/)（1,514 名美國成人）問了一個問題：在屬靈成長這件事上，你願不願意信任 AI？48% 的美國成人說願意，完全信任或部分信任。同一份研究問牧師。12%。把這個數字跟前面的使用率疊在一起，出現一個奇怪的錯位：牧師不太信任 AI 作為屬靈成長的來源，卻已經把它放進屬靈勞動的前段流程；會眾對 AI 的屬靈信任高出四倍，卻未必知道自己信任的是一套什麼東西。[Lifeway 的調查](https://research.lifeway.com/2026/04/21/pastors-churchgoers-see-ai-as-concerning-and-confusing/)裡，61% 的會眾對 AI 進入信仰感到擔憂，43% 明確反對講章用 AI；而每四位牧師就有一位，寫講章已經用上它。牧師不敢把 AI 當牧者，會友卻可能已經把它當成屬靈入口。這裡要公平一點：AI 出現在講章流程裡，其實是好幾件不同的事。資料整理、語句修飾、架構建議，和核心詮釋、屬靈判斷，是完全不同的層。問題從來不在 AI 有沒有出現在流程裡，在它出現在哪一層，以及有沒有人劃過這條線。 ## 預設值不中立：信仰被靜音這使得問題不只是「人們信不信 AI」，而是：他們到底把信任交給了一套什麼預設？ BYU 主導的研究（1,125 名美國受訪者，2026 年 6 月發布）給了一個線索：多數人期望 AI 在回答倫理問題時包含宗教觀點，但幾乎所有模型的預設回答裡，宗教是缺席的。 34% 的實踐型基督徒已經認為，AI 的屬靈建議跟牧師的一樣可信，Z 世代是 39%。同一群實踐型基督徒裡，83% 擔心 AI 誤解聖經，65% 擔心 AI 變成上帝的替代品。信任已經給出去了，擔憂也是真的。把這幾組數字疊在一起，浮現的處境是：一群人一邊擔心，一邊把屬靈生活的入口，交給一套對信仰沉默的系統。在那個入口裡，信仰不是被反對，而是被靜音。 ## 慢，是教會兩千年的專業我對「快」不陌生。我是創業者，每天重度使用 AI。模型以半個月迭代，我的工作流大概每兩週重寫一次。這種節奏我熟，也真的受益。但在這種節奏裡活久了，我很清楚它的代價：快的世界裡，沒有一樣東西有時間成熟。世界基督教傳播協會（WACC）討論 AI 倫理時，芬蘭福音信義會的斯蒂芬·納圖斯（Stiven Naatus）用了一個修道傳統的老詞：acedia，怠惰。它的原義並不是懶惰。它指的是：事情完成得太快，意義來不及成熟。他把當代處境稱為「節奏危機」：人建立信任、形塑意義，需要時間醞釀，AI 的產出速度打破了這個平衡，於是學生用 AI 交作業、大眾把思考外包。而教會禮儀的作用正好相反，是「反節奏」：放慢步伐，替智慧和信任保留成熟的空間。在我讀過的教會回應裡，這一個離要害最近。它沒有問「教會怎麼跟上 AI 的速度」，它問的是：教會為什麼要接受 AI 替它決定速度？想想教會手上有什麼。禮儀、默想、安息日、慢慢讀一段經文的傳統。這是一套練了兩千年的技藝，專門用來對付「太快」。在人人被迫加速的時代，這套技藝第一次從老古董變成稀缺品。當全世界都在學怎麼快，教會至少應該是少數還記得怎麼慢的地方。當然，教會不總是守得住慢。很多時候，教會自己也很像一台活動機器：趕聚會、趕課程、趕人數、趕曝光。AI 不是問題本身，它像一道強光，把我們原本沒注意到的問題照了出來。信徒的安息日在哪？信徒有信仰中的安息嗎？還是跟世界起舞，生活充滿各種服侍，一樣忙亂不堪。 ## 節奏主權：教會最不該交出去的東西我在〈[1665 年到 2026 年](/articles/royal-society-to-anthropic-dialogue)〉寫過，AI 時代的核心問題，是判斷權到底留在哪裡。這一篇想再往下推一步：判斷權不是抽象的，它在今天最具體的表現，就是節奏。什麼事情可以快？什麼事情必須慢？誰有權決定這個速度？這就是我說的節奏主權。教會最不該交出去的，不是工具使用權，而是節奏判斷權。AI 可以幫忙整理資料、翻譯文件、產生初稿，也可以協助行政、教學與內容製作。這些地方該快就快，沒有必要把慢本身神聖化。但牧養不是只有效率問題。核心詮釋、屬靈分辨、真理如何被理解，這些事情不能只因為工具做得到，就被推進更快的流程裡。講章可以被 AI 協助整理，但不能讓 AI 取代牧者在經文、群體與上帝面前的摔跤。信仰可以使用工具，但不能把成熟的時間一起外包。現在真正的危機，是快與慢的位置亂了。該快的地方，反而慢了。會眾已經在用 AI 問信仰問題，也開始把一部分屬靈信任交給 AI。但地方教會有沒有教會友怎麼分辨？有沒有說清楚哪些回答可以參考，哪些問題應該回到牧者、群體與信仰傳統裡一起判斷？這一層，不能再拖。該慢的地方，卻正在變快。每四位牧師就有一位已經讓 AI 參與講章流程，但很多教會對界線的討論才剛開始：資料整理可以，核心詮釋到哪裡為止？語句修飾可以，屬靈判斷能不能交出去？這些問題如果沒有先被說清楚，工具就會在不知不覺中替我們決定速度。所以問題不是教會要不要用 AI，而是教會還能不能分辨：哪裡要趕快回應，哪裡必須堅持慢下來。這也是我在「[文明與人性](/topics/faith/)」這個主題底下持續追的問題。追趕者終究是可替代的。工具會換代，課程會過期，今天教的 15 種工具，明年還剩幾種？教會的不可替代性，不在於它比誰更會用工具，而在於它還能不能替人守住意義成熟的時間。在一個所有東西都被催著加速的時代，教會真正要守住的，不是落後的權利，而是分辨速度的能力。 ## 意義熟了嗎？一篇講章，現在幾分鐘就能生成。 acedia 那個老詞提醒的是：生成得好不好不是問題。意義沉澱了沒有，神學反省徹底了沒有，才是。信任要時間。安慰一個剛失去親人的人，要時間。這些時間省不下來，省下來的就不是它們了。全世界都在加速的此刻，守住慢的崗位，就是教會的呼召。

當 AI 開始挑選它的使用者

Fri, 03 Jul 2026 02:00:00 GMT

> **TL;DR** 2026 年 7 月 1 日晚上在上海，用台灣門號漫遊連 Claude，回的是 `302 app-unavailable-in-region`：出口 IP 落在香港雲端機房的 ASN，被判定為不支援地區。這篇記錄一次只改一個變數的完整排查，和它背後更大的變化：AI 服務已經是有地緣政治屬性的基礎設施，備援要沿「模型」與「網路出口」兩條軸準備。 2026 年 7 月 1 日晚上 20:05，我抵達上海虹橋機場。和往常一樣，第一件事就是打開電腦，準備開始工作。一打開 Claude Desktop，立刻跳出 `app-unavailable-in-region`。我以為是海外 eSIM 的問題，換成台灣大哥大的國際漫遊，一樣無效。同一時間，Google、Gmail、LINE，甚至 ChatGPT 都正常。代表基礎網路沒有故障，這是後面所有推理的第一個前提。問題比較像是：某一個 AI 服務，正在判斷我不能用它。 ## Claude 到底回了什麼？先看 HTTP 回應我沒有急著換工具，先看 Claude 到底回了什麼。 ``` curl -I https://claude.ai ``` 回來的是： ``` HTTP/2 302 Location: https://www.anthropic.com/app-unavailable-in-region ``` 這一行排除了一整排可能：不是 DNS 解析失敗，不是 macOS 壞掉，不是 Claude Desktop crash，也不是帳號登不進去。伺服器有回應，而且主動把我導向 `app-unavailable-in-region`。Anthropic 判定我目前的存取環境屬於不支援地區。 ## 出口 IP 為什麼在香港？下一步，查實際出口 IP。 ``` curl -L https://ipinfo.io/json ``` 當時我連的是台灣大哥大的國際漫遊，出口 IP 卻顯示在香港，ASN 是： ``` AS153611 CLOUD (HK) LIMITED ``` 這就有意思了。多數國際漫遊會把資料流量帶回母網、或經合作出口（這也是在中國用漫遊常能上 Google 的原因），但實際路由由電信商決定。我實測看到的出口不在台灣，是香港一家雲端機房的 ASN。台哥大在中國的漫遊實際怎麼路由，我無從得知，這裡只陳述觀察：從我的角度，我在用台灣門號的國際漫遊；從 Claude 服務端看到的，是一組香港雲端機房的 IP。到這裡，可以列出三個推測。第一，Anthropic 不支援香港，這個出口本身就出局。第二，這個 ASN 屬於雲端服務業者，特徵接近機房或代理流量，存在被服務端納入較高風險評估的可能。第三，Cloudflare 或 Anthropic 的 GeoIP 風險判斷，把這條路徑歸入 restricted region。三個都還只是推測，但問題已經從「Claude 壞掉」縮小成「出口路徑被判定不支援」。 ## 302 變 403，為什麼反而是好消息？為了驗證「問題出在出口路徑」，我需要一組對照：改變唯一的變數（出口位置），再測一次。我開了 Proton VPN 的免費方案，選日本節點。先說清楚我的情境：我是台灣用戶、合法帳號，人在出差途中。接下來做的是故障排查，目標是定位問題出在哪一層。再跑一次 `curl -I https://claude.ai`，這次回來的是： ``` HTTP/2 403 cf-mitigated: challenge ``` 看起來還是錯誤，但工程上它是好消息：原本的 `302 app-unavailable-in-region` 不見了。403 在這裡不算失敗，它代表前一層的區域判定已經通過，換另一層系統（bot 防護）接手。很多工程師看到 403 以為情況變糟，其實它是方向正確的訊號。這個驗證要在瀏覽器完成：Claude Desktop 自己不會跳出驗證頁。我在瀏覽器過完 Cloudflare 的 challenge，再開 Desktop，服務就恢復正常。這也符合區域判定系統該有的行為：路徑回到支援地區，服務就恢復。排查結果大致收斂：問題不在 Claude Desktop，不在 macOS，也不是帳號異常，而在漫遊路徑的香港出口 IP 或其網路特徵，被 Anthropic 判定為不支援地區。至於判定的具體依據是 GeoIP、ASN、IP 信譽、Cloudflare 的風險評分，還是多項並用，從外部無法確認。 ## AI 為什麼開始有地緣政治屬性？那一晚 Claude 能不能用，是小事。我在意的是排查過程照出來的變化：AI 正在從一般雲端服務，變成有地緣政治屬性的基礎設施。過去談出口管制，想到的是 GPU、光刻機、EDA 軟體。現在，模型本身也被納入同一套邏輯。Anthropic 官方的[支援清單](https://www.anthropic.com/supported-countries)列出台灣、日本等地，不含中國大陸與香港。2025 年 9 月，Anthropic 進一步[限制受不支援地區控制的企業](https://www.anthropic.com/news/updating-restrictions-of-sales-to-unsupported-regions)：股權過半受中國等不支援地區母公司控制的企業，不論在哪裡註冊，一律禁用。2026 年 2 月，Anthropic 公開[偵測與防堵蒸餾攻擊的報告](https://www.anthropic.com/news/detecting-and-preventing-distillation-attacks)，點名幾家中國模型公司用約 2.4 萬個假帳號、超過 1,600 萬次對話抽取 Claude 的能力，其中一個 proxy network 同時操作超過兩萬個假帳號；報告也把大規模蒸餾直接連上出口管制：晶片管制擋住的能力差距，不能讓蒸餾從後門補回去。 WIRED 近期[報導](https://www.wired.com/story/how-people-in-china-keep-outsmarting-anthropics-geolocation-restrictions/)了這場貓鼠賽局的另一面：中國境內的使用者用假身分、淘寶與 Telegram 上的帳號市場、轉售 API 的中介站持續繞過封鎖；Anthropic 則持續加強偵測，是美系模型公司裡執法最積極的一家，會直接封鎖懷疑由中國境內人士持有的帳號。這代表判定依據早就不只是 IP。ASN、代理型態、帳號行為、地理訊號是否一致，都可能是風險判定的一部分。即使你的 IP 看起來不在中國，服務端仍可能問另一個問題：你實際上是不是在中國境內？這也解釋了那晚的另一個觀察：同一條路徑上，ChatGPT 可用。OpenAI 的支援清單同樣不含中國大陸與香港。不同模型供應商即使政策相近，實際執法方式仍可能不同。 ## 企業評估 AI 工具，該多問哪一題？以前 SaaS 的邏輯很簡單：連得上網，就能用。AI Agent 時代的問題變成：你是誰？你在哪裡？你的公司由誰控制？你的流量從哪裡出去？在服務端的風險系統眼裡，你的使用行為，像不像「人在受限制地區、繞道出來用」的模式？模型能力、價格、上下文長度、API 成本，這些還是要比。但企業要多問一題：如果某一天政策改變，這個模型還能不能繼續提供服務？二十年前，企業的競爭力取決於能不能接上網路。今天，某種程度上開始變成能不能接上某一個 AI。這條「秩序先於能力」的線，我在 [AI 與人類秩序](/topics/ai/) 這個主題頁持續整理。 ## 這次排查真正值得留下的是什麼？回頭看，這次事件裡最不重要的細節，是最後用了哪一家 VPN。五年後 VPN 可能早就換了，這套排查思維還會在。我沒有一開始就換 VPN、換 eSIM、重灌 Claude、重開機，而是： - 先看 HTTP 回應：`302 app-unavailable-in-region`，區域判定層在拒絕。 - 再確認出口 IP：落在香港。 - 再確認 ASN：雲端機房，特徵接近代理流量。 - 再改變唯一變數（出口位置），觀察 HTTP 狀態是否改變：302 變 403。工程上，這叫一次只改一個變數。整個過程只有三種句型：我觀察到、我推測、我驗證。很多故障，其實不是修好的，而是被測試方法一步一步逼出真正原因。 ## 我的結論：AI 工作流需要地緣政治備援這次在上海的經驗，讓我重新看自己的 AI 工作流。「不能讓任何一家服務變成必經之路」這一課，我在 [GitHub 停權那次](/articles/resilience-engineering-after-github-suspend)學過一遍。當時說的是 code hosting，這次輪到模型層。備援要沿兩條軸準備。模型軸：Claude 可以是主力，Codex、Antigravity 這些替代品防的是單一供應商的風險，帳號被停、服務出事的時候有地方去。但注意，在中國場景，換一家美國模型不構成備援：OpenAI、Google 的支援清單同樣不含中國大陸，政策風險是同一個。防地緣這一軸，靠的是中國本地可用的模型。網路軸：多準備一條出口路徑，而且要知道每條路徑的出口在哪裡。單一模型、單一入口、單一出口，任何一環被判定不支援，整條工作流就停。那天晚上，我原本只是想修好 Claude Desktop。最後修好的，其實是我對 AI 基礎設施的理解。模型能力的排行榜每一季都在換，但「你能不能用它」，已經先變成一個地緣政治問題。事實查核來源：Anthropic [Supported countries & regions](https://www.anthropic.com/supported-countries)、Anthropic [Updating restrictions of sales to unsupported regions](https://www.anthropic.com/news/updating-restrictions-of-sales-to-unsupported-regions)（2025-09-05）、Anthropic [Detecting and preventing distillation attacks](https://www.anthropic.com/news/detecting-and-preventing-distillation-attacks)（2026-02-23）、WIRED [How People in China Keep Outsmarting Anthropic's Geolocation Restrictions](https://www.wired.com/story/how-people-in-china-keep-outsmarting-anthropics-geolocation-restrictions/)

長時間發酵，與這個快時代

Fri, 03 Jul 2026 00:00:00 GMT

> **TL;DR** — 味覺的感動的麵包，一團麵要發十幾個鐘頭。快速發酵其實是產業革命後「要快、要大量」的工業思維產物，工業酵母問世不過一百年。我習慣追效率，參與這家堅持長時間發酵麵團的烘焙事業，提醒我另一個角度看事情：一個只能快、不能選擇慢的系統，是一種失控。在味覺的感動，一團麵要發十幾個鐘頭。我在店裡看過那個過程：麵團放在專業的發酵箱裡，設定 18 度、18 小時，時間到了才進烤箱。第一次看，我心裡冒出來的念頭是：這樣的製程在今天，划得來嗎？ ![長時間發酵的麵包，切面是一個個大小不一的氣孔。](/images/articles/long-fermentation-fast-age-bread.jpg) 用工廠的算法，這太慢了。志賀勝榮在《パンの世界》（講談社選書メチエ）裡提過一個數字：用工業酵母加電烤箱，一團麵從揉到烤好，兩個半鐘頭就能結束。味覺的感動這一套，花的時間是它的好幾倍。而且慢到這個地步，會直接卡住產能。光發酵就要 18 個鐘頭，整條製程一天只跑得完一輪，也就是一天只出得了一爐。用工廠最在乎的「單位時間產出」來看，這幾乎是自廢武功。 ## 快，是一百年前才有的事我後來去讀了志賀那本書，才知道「快」這件事，很晚才出現。工業酵母問世，到現在不過一百年。在那之前的六千年，人類做麵包都不靠它。志賀在書裡寫過：產業革命之後，人口暴增，社會需要又快又大量地把麵包烤出來，工廠純培養的單一酵母因此大受歡迎。它讓做麵包這件事，第一次變得又快又穩，也不容易失敗。這套「快」的技術，有一部分是被戰爭逼出來的。第一次世界大戰期間，糧食短缺，又要餵飽前線的大軍，做酵母的原料被迫從穀物改用製糖剩下的糖蜜；戰後沒幾年，德國和丹麥的技術者發展出一種一邊持續供料、一邊大量打入空氣的培養法，讓酵母的產量暴增。工業酵母，就是在這條戰時求快、求省的路上，變得又便宜又充足。我們今天覺得理所當然的「快」，源頭是一場為了餵飽最多人、最快、最省的動員。快是有代價的。為了在工廠裡有效率地生產，也為了讓麵包保持膨脹的形狀送到遠方，添加物和改良劑變成不可或缺。還有一個代價：到了二十世紀中，多數職人已經完全依賴工業酵母，連怎麼從零養一鍋發酵種，都沒幾個人會了。我們用一百年，把六千年累積的一種手藝，換成了速度。志賀做的，是把時間找回來。他把麵包當成一種發酵食品，不是一件可以趕工的商品。18 度、18 個鐘頭慢慢發，澱粉被分解成葡萄糖，留下乳酸菌，麵包自己就有了甜，不必另外加糖。他師父福田元吉那句話，志賀記了一輩子：又沒生病，幹嘛加藥？ ## 慢，不是反科技志賀的慢，是靠現代科技才做得到的。他在書裡說，正因為有了攪拌機和能精準控溫的設備，現在的人才做得出比「工業酵母以前」更極端的超長時間發酵，把麵團穩定地擺上一整天，追求連前人都沒嚐過的風味。放在一百年前，這種超長發酵早就被雜菌打敗了。所以慢在這裡，跟懷舊或反科技無關。它是把同一套科技，用來服務另一種價值：把時間留給風味，而不是把時間擠掉。這一點，對我這種相信效率、相信自動化的人，特別刺。原來科技從來不是只有一個方向，是我們自己習慣了只往「更快」那個方向推。 ## 一個只能快的系統，是失控的這團慢麵讓我想的，不只是麵包。我做過農業新創，也一直在科技這一行。我熟的那個世界，整天在講更快、更省、更能規模化。快本身沒有錯。但是，如果一個系統只能快，快到再也不能選擇慢，那它已經失控了。失控不是因為它跑得快，是因為它由不得你慢。工業把「快」變成唯一的路，順手也把「慢」這個選項收走了。當你連停下來的能力都沒有，就只剩被拖著跑。這樣看，志賀和 Lisa 守著那 18 個鐘頭，就不只是做麵包的講究。那是守住「還能慢」這一個選項。這選項有代價：一天一爐，永遠做不大，他們認了。而還能選擇慢，是一種握在自己手上的主權。在一個什麼都被推著加速的時代，這種主權愈來愈稀有，也愈來愈貴。 ## 台北那條街上的 18 個鐘頭這套守時間的理念，是志賀從東京傳給徒弟 Lisa，Lisa 在台北一條街上，一天一天守下來的。這條從東京牽到台北的師承線，是[這個系列第一篇](/articles/tokyo-master-taipei-bakery/)的故事。到了 2025 年，已經是第十一年。一條要發 18 個鐘頭的麵包，能在一個講求快的城市裡活著，本身就是一件不簡單的事。它是一小塊證據，證明「慢」到今天還是一個可以選的選項。這個選項在台灣能撐多久、能長成什麼樣子，是[下一篇](/articles/taiwan-food-fads-slow-bread/)的事。我想從這家台北的小店，談回台灣自己的位置。 --- 本文關於工業酵母如何普及、以及長時間發酵的敘述，取自志賀勝榮《パンの世界：基本から最前線まで》（講談社選書メチエ）；書中觀點為作者轉述，非逐字翻譯。

從翻轉到翻越：教育不是逃離體制，而是重新設計成長路徑

Thu, 02 Jul 2026 00:00:00 GMT

> **TL;DR** — 我把十年參與自學教育的資料整理進同一個資料夾：兩千三百多個檔案，從教學資料、作業設計、業師合約、投保收據到孩子的學習紀錄與大學備審資料。這篇總論是我對這十年的答案：非典型教育的價值不在離開學校，而在重新設計孩子與真實世界相遇的方式。要成立，需要真實任務、群體協作、成人介入與長期紀錄四個條件，缺一項，教育就容易變成口號或活動。最近我把過去十年參與自學教育的資料，整理進同一個資料夾。兩千三百多個檔案：業師的聘任合約、校外參訪的投保收據、Seesaw 上一則一則的學習紀錄，四個國中生做出來的電商網站，熊野古道的旅行作業，還有一份大學申請的備審資料。看著這批檔案，我想回答的問題只有一個：這十年，到底是什麼讓學習發生？這篇文章是我的想法，也是這個教育系列的入口。先說結論：非典型教育的價值，不在孩子是否離開學校。它的價值在重新設計孩子與真實世界相遇的方式。而它要成立，需要四個條件同時到位：真實任務、群體協作、成人介入、長期紀錄。少了任何一項，教育都容易變成口號或活動。 ## 世界變快之後，學校教的還夠用嗎？傳統教育最擅長處理穩定世界裡的標準問題。它把知識切成科目、把成長切成學期，再把成果換算成分數。這套系統曾經有效，因為社會需要大量能遵守規則、在既有組織裡穩定工作的人。問題是，孩子長大後要面對的世界，越來越不像這套系統假設的世界。知識更新加速，產業邊界移動，工作型態變得破碎。AI 讓答案變得便宜，提問、判斷與負責反而變得稀缺。當孩子幾秒鐘就能查到答案，教育就不能停在「知道正確答案」。它必須追問：孩子能不能定義問題？能不能把模糊的想法變成可執行的計畫？能不能與專長不同的人合作？遇到不公平與挫折時，能不能整理自己的立場，然後採取行動？資料夾裡收著我們過去十年的教育資料。每一份檔案，都是從這幾個問題裡慢慢長出來的。整理這些資料，不會得到一套可以直接複製的 SOP，也不是一個大家習慣聽見的成功故事。它更像是一座教育實驗家庭的資料庫，記錄一個家庭、一群老師與業師，如何在一次次嘗試、修正與陪伴中，走出自己的路。另一方面，這些資料也是我陪孩子走過十年的歷程紀錄。那不只是一段教育實踐，也是我有限人生裡，非常珍貴的十年。 ## 翻轉是打開可能，翻越是穿過困難「翻轉」與「翻越」這組字，來自我這些年看過的兩種教育實踐。一種忙著替孩子打開體制外的新路徑，另一種則守在孩子走上路之後，陪他一階一階爬過真實的困難。翻轉是打開可能，翻越是穿過困難。這兩件事缺一不可。只有翻轉，教育會停在「離開原本的路」；走到翻越，才會開始回答更難的問題：離開原本的路之後，孩子到底長出了什麼？十年前，這樣的選擇在台灣是少數。現在它是一場全球運動：[約翰霍普金斯大學的追蹤統計](https://education.jhu.edu/edpolicy/policy-research-initiatives/homeschool-hub/homeschool-growth-2024-2025/)顯示，2024 到 2025 學年美國在家自學人數成長近 5%，大約是疫情前成長速度的三倍，超過三分之一的州創下歷史新高。可是這場運動的語言，多半停在翻轉：選擇權、資金、離開體制。離開之後怎麼一階一階爬，講的人少得多。國際教育論述裡有翻轉（flipped）、有能動性（agency）、有韌性（resilience），但還沒有一個詞，把「打開路徑之後，爬過真實困難，再把成長翻譯給制度理解」這條弧線講完。這個系列想用「翻越」補上這個缺口。 ## 真實任務教了什麼課堂教不了的事？ 2018 年 7 月，我帶四個國中生用一個暑假做一個電商網站。一開始並不順，連著多天的會議討論，結束後他們的進度是空白的：網站沒進展，但是，一個月後生出可以做成果發表，令人驚豔的網頁。證明：我們太低估小孩的學習能力。前面的卡關並不是浪費，是必經的歷程。在這個過程中，原本以為是進度問題，實際上是認知問題。他們急著做頁面，卻還沒理解最基本的商業問題：我們是誰、提供什麼、價值在哪裡，客戶又要怎麼完成購買？沒有這些答案，任何設計都只是漂浮的裝飾。在一般課堂裡，學生可以用抽象詞彙通過討論：品牌、行銷、商業模式。這些詞聽起來都懂。但當他們必須把這些詞變成一個可營運網站的首頁、產品頁與購買路徑，所有的模糊會立刻浮現。考卷會把問題切好、範圍畫好、標準答案準備好；真實任務把技術、敘事、商業與協作混在一起丟給你，孩子沒辦法只答其中一題，必須把它們整合成一個能運作的結果。所以做網站要學的從來不是工具。工具只是載體，真正要學的是系統思考：從目的逆推結構，把直覺的創意交給理性檢查，把個人想法放進團隊流程，與不同的人深度協作。那個暑假的完整思考過程，我後來寫成了[系統與直覺的對決](/articles/system-vs-intuition-planning)。成果未必精緻，甚至常常粗糙。教育的重點也不是第一版作品漂不漂亮。重要的是孩子需要理解：一個能運作的成果，背後需要清楚的思考。 ## EQ 為什麼要在有別人的世界裡練？現代教育的語言很容易把孩子理解成單一個體：我的興趣、我的天賦、我的履歷。這種語言看似尊重個人，卻讓教育少了一個關鍵場域：群體。十年下來我越來越確定：EQ 中的關係能力，以及協作與責任感，需要在有別人的世界裡練習。孩子要學會合作，就必須真的與人合作；要學會妥協，就必須真的遇到意見不合；要學會負責，就必須在某個情境裡知道自己的選擇會影響別人。這些能力很難靠講道理獲得。它們需要情境與摩擦，需要共同目標，也需要成人在旁邊適時介入。衝突發生時，把衝突轉成可以學習的材料，那才是群育的現場。為什麼營隊、團隊專案與運動接力這些「課外活動」其實是主戰場，我在[情緒也發生在關係裡](/articles/eq-group-education)與[獨行者的終結](/articles/ironman-group-education)這兩篇寫過完整的論證。 ## 自學是高密度的教育設計自學常被浪漫化，好像孩子離開學校就會自然找到熱情。這種敘事把實情說的有點太簡單：自學更像一場共同創業。家長的角色會從「成績監督者」變成「學習環境設計者」。這個角色更重，也更難。你要一起思考孩子適合什麼任務、需要什麼資源，要安排時間，要面對挫折，要整理成果，還要處理與外部制度的銜接，而且很多是你自己本來也不懂的，也是邊做邊學。我在[自學教育的真相](/articles/homeschool-gentle-resistance)寫過這種心境，在[停課不停學的殘酷考驗](/articles/online-learning-resource-war)寫過資源戰的那一面。資料夾裡最能說明這件事的，反而是最不浪漫的那些檔案：課表、假期計畫、業師遴選的履歷、聘任合約與聘書、校外參訪的投保收據、專案的成本與工時紀錄。這些看似行政的東西，是教育能否成立的底層結構。沒有這些結構，非典型教育很容易變成活動堆疊：孩子參加了很多體驗，卻沒有形成能力線索；做了很多作品，卻沒有反省。成熟的非典型教育，不是少一點管理。它是把管理從標準化控制，轉成個別化設計。 ## 怎麼證明一個孩子真的在成長？答案先講：靠長期累積的能力證據，而且從第一天就要開始存。在傳統制度中，分數是最容易被理解的證明，簡潔、可比較、可排序。但非典型學習者的能力常常無法被分數捕捉。他可能做過專案、完成過旅行規劃、接受過業師回饋、寫過反省。這些都是真實能力的證據，可是如果沒有整理，就只是散落的檔案。資料夾裡有孩子多年的 Seesaw 學習紀錄、無界塾每學期的學習情況回饋、專案成果報告，一路到特殊選才的備審資料。把這條線攤開來看，學習歷程的本質很清楚：它是一套能力證據庫。一份好的學習歷程要回答的是：這個孩子面對過什麼任務、做了什麼選擇、遇到什麼困難、產出了什麼作品，又是怎麼反省的？這些經驗共同證明了哪些能力？這對非典型教育尤其重要。孩子沒有走標準路徑，就更需要把自己的路徑翻譯給制度理解。特殊選才與備審資料的本質是一種制度對話：孩子用作品與紀錄告訴外部世界，我雖然用不同的方式成長，但我有可以被檢視的能力。 ## 教育創新不能被浪漫化這批資料最值得保留的部分，除了理想，還有限制。非典型教育高度依賴家庭投入。時間、金錢、人脈、行政能力與情緒承受力，缺一樣都撐不久。不是每個家庭都有條件長期承擔這種設計成本；忽略這一點，教育創新就會被講成少數資源充足家庭的成功神話。它也高度依賴成人的品質。好的老師與業師可以打開世界，不成熟的成人很自然也會造成傷害，這是真實的世界。孩子進入真實世界，會遇到不公平與不負責任的人。教育不能假裝這些不存在，要教孩子辨識、表達、協商，必要時進行溫和有禮但堅定的對抗。它還需要隱私治理。公開教育理念，不等於公開孩子的人生檔案。學習紀錄、評量、申請資料與影像，都要分清楚家庭內部版、匿名研究版與公開文章版。這篇文章與整個系列，公開的是方法、結構與反省，可識別個人身分的細節都會留在家裡。最重要的是：個別的成功無法直接複製。一個案例的價值在於提供一組可以思考的設計原則，每個孩子的路徑仍然需要重新設計。 ## 可以帶走的五個設計原則第一，讓孩子面對真實任務。真實任務有目的、有對象、有時間限制、有成果要求，也有失敗的可能。模擬作業給不了這些。第二，把自由放進結構裡。自由探索需要節奏、紀錄、回饋與修正。沒有結構，自由常常只剩鬆散；而全是結構、沒有自由，就回到了標準化控制。第三，刻意設計群體經驗。孩子需要在有別人的世界裡學協作、妥協與承擔。群育是未來能力的核心訓練，把它排進課表，別等它自然發生。第四，讓成人成為學習環境設計者。家長、老師與業師的工作是設計場域、提出追問、提供資源、守住邊界，並在關鍵時刻協助孩子把經驗整理成理解。第五，從第一天開始保存能力證據。作品、紀錄、回饋與反省都要長期整理。等到要申請才回頭包裝，已經太遲；有力量的學習歷程是累積出來的。 ## 整個天空都是你的 2017 年我寫過一篇談翻轉與翻越的文章，副標是「成長像飛行，整個天空都是你的」。十年後回頭看，我會把那句話修得更誠實一點：天空是你的，但你得自己飛過去，而且會遇到亂流。替孩子把阻力全部清掉，那不是教育。教育是設計一條有足夠真實挑戰、也有足夠支持系統的路，讓孩子在一次又一次翻越之後，逐漸知道自己是誰，能做什麼，願意為什麼負責。這是教育系列的第一篇。接下來我會逐篇展開：那個暑假的電商網站任務、熊野古道的奇妙國際專案、業師制度的設計，以及一條非典型路徑怎麼被大學制度理解。更多教育與生命的討論：[沉思與記憶 → 教育](/topics/life/)。

1665 年到 2026 年：從皇家學會到 Anthropic 的神學對話

Wed, 01 Jul 2026 13:00:00 GMT

> **TL;DR** — 「科學 vs 信仰」的對立，不是自古就有。那條界線，是十九世紀才逐漸被畫出來的。1665 年，皇家學會那一代人把研究自然視為敬拜；Oldenburg 的《哲學會刊》，則點燃了「創作與評判分家」的制度直覺。三百六十一年後，Anthropic 讓 AI 接受獨立評估者檢查，用的其實是同一個古老原則：不憑任何人之言，包括不憑自己。台灣教會今天面對 AI 神學的爭論，不是新問題，而是這場長久對話的續集。 1665 年 3 月 6 日，倫敦。一位名叫 Henry Oldenburg 的德國人，自掏腰包印出了人類史上第一本科學期刊：《哲學會刊》（[Philosophical Transactions](https://royalsociety.org/journals/publishing-activities/publishing350/history-philosophical-transactions/)）。他大概沒想到，自己順手發明的，不只是一本期刊，而是一種讓「生成」和「評判」分家的機制。三百六十一年後，Anthropic 把同一道分界內建進了 AI；而在台灣，一些教會正在爭論，要不要讓 AI 幫忙寫講章。如果你覺得這三件事沒什麼關係，那正是我想談的。因為它們是隔了三個多世紀的同一場對話。 ## 「科學 vs 信仰」的分界線，是十九世紀才畫的先拆掉一個現代人幾乎不會質疑的假設。我們習慣把科學和信仰想成兩條分開、甚至對立的線。一邊是理性、證據、可證偽；另一邊是啟示、權威、不可見。這個對立感太自然了。自然到我們談 AI 的時候，也會自動把它套上去：科技在這邊，信仰在那邊，中間隔著一條河，兩邊互相喊話。問題是，這條河溝其實很晚才被挖出來。「科學家」（scientist）這個字，遲至 1833 年才被創造出來。1665 年那批人不叫科學家，他們稱自己為「自然哲學家」（natural philosophers）。而「科學與宗教彼此衝突」這個框架，史學界有個名字，叫「衝突論」（conflict thesis）。它是維多利亞時代的產物：Draper 在 1874 年、White 在 1896 年，用兩本暢銷書把它推廣開來。當代科學史家早就不再接受這種簡化說法。這裡得解釋清楚，不然像在硬拗。Draper 和 White 到底錯在哪？他們把兩千年的歷史，講成一場宗教打壓科學的長期戰爭。可是後來的科學史家一條一條去查，發現這場「戰爭」的招牌故事，大半是挑出來、誇大、甚至憑空編的。最好認的是「中世紀人以為地球是平的」。這根本不是真的。受過教育的歐洲人從古希臘就知道地球是球形；中世紀大學的天文課本，Sacrobosco 的《論球體》（De Sphaera），開卷就在講這件事；連但丁《神曲》裡的宇宙都是圓的。「教會逼大家信地平說」這個故事，是十九世紀才被渲染開來的：Washington Irving 在 1828 年寫哥倫布傳時把它寫得繪聲繪影（其實哥倫布跟學者真正爭的是地球有多大，不是圓不圓），後來再由 Draper、White 放大成「科學對抗教會」的樣板。伽利略那樁公案也一樣，攤開來沒那麼乾淨。日心說跟教會當時的聖經解讀確實有真正的衝突，1616 年也真的下過禁令，這部分不假。但它遠不是「理性對抗迷信」那麼乾淨：伽利略一開始有教會撐腰，教宗烏爾班八世本來還是他的朋友。後來會鬧翻，一部分是因為他在《關於兩大世界體系的對話》裡，把教宗的論點交給一個叫「Simplicio」的角色講（這名字取自古代一位亞里斯多德注釋家，卻被讀成「頭腦簡單」的雙關），教宗覺得自己被影射成傻瓜；再加上反宗教改革的政治氣氛、和他自己一路樹的敵。更關鍵的是反過來的那一面：中世紀教會其實是當時科學最大的金主。歐洲最早那批大學，多半是從教會的座堂學校長出來的；教會為了推算復活節的日期，長期資助天文學。往後看也一樣：哥白尼本人是教會的座堂議員，遺傳學之父孟德爾是修士，提出大霹靂理論的勒梅特是神父。而且這是科學史界的共識，不是誰個人在翻案。接替「衝突論」的新取向有個名字，叫「複雜論」（complexity thesis，經 John Hedley Brooke 1991 年的《Science and Religion》整理成經典）。它的意思是：科學跟信仰的關係從來不是一場戰爭，比較像一段時而緊張、時而互相餵養、糾纏了幾百年的關係。換句話說，我們今天拿來談 AI 的那把「科學 vs 信仰」的尺，本身就是一個十九世紀的發明，而且是一個已經被專業史家退貨的發明。你可能會想：可是大家不是都還這樣認定嗎？對，這正是重點。專業史學界一百年前就把這把尺退回去了，但它在流行文化裡卡住，沒跟著更新。我們順手拿「科學 vs 信仰」去量 AI 的時候，用的其實是一件連原廠都召回的過期商品。那 1665 年的情況是什麼？皇家學會（[Royal Society](https://royalsociety.org/about-us/who-we-are/history/)）於 1660 年在倫敦的 Gresham College 成立，1662 年取得查理二世的皇家特許狀。它的創辦人 Robert Boyle、Christopher Wren、John Wilkins 這些人，把研究自然明白地框定為「彰顯上帝的榮耀、造福人類」。 Boyle 在遺囑裡捐錢設立一系列講座，專門用來捍衛基督教。牛頓私底下寫了大量[神學手稿](https://plato.stanford.edu/entries/newton-philosophy/)，據某些估計，字數甚至超過一百萬，比他的物理著作還多。對他們來說，翻開自然這本書，跟翻開聖經一樣，都是對上主的敬拜。研究自然不是信仰的對手，它曾經是信仰的一種形式。 ## 1665 年，Oldenburg 發明的到底是什麼？那麼，Oldenburg 到底做了什麼，值得我們隔三百多年再談一次？他做的事，用今天的話說，是發明了「投稿」。有人把研究寄給他，他不會直接刊登，而是先送給學會裡懂這個題目的成員看過、評估過，再決定要不要登。這個動作，被廣泛視為現代科學期刊，以及同行評議（peer review）的雛形。當然，這不是說 1665 年就有了完整制度化的同行評議。科學史家 Aileen Fyfe 的研究提到，1665 到 1965 年這三百年間，比較像是同行評議的「[前史](https://kar.kent.ac.uk/65042/3/Peer%20review%20v30%20AAM%20SUBMTD.pdf)」（prehistory）。真正的制度化，其實晚得多：皇家學會 1752 年才成立論文委員會，1832 年才有正式的書面審稿報告，1896 年才加進分科的專門委員會。 1665 年的 Oldenburg，只是點燃了那個直覺。但那個直覺才是重點，它的意思是：你不能自己當自己的裁判。皇家學會把這句話鑄成了格言，一句拉丁文：Nullius in verba。這句話出自古羅馬詩人賀拉斯，官方翻譯是「不輕信任何人的話」（take nobody's word for it）。這是一種紀律：一個主張要能算數，得先通過作者以外的人檢查。連作者自己，都不能只靠自己的信心替它背書。牛頓親身上過這堂課。1672 年，他把關於光與色的新理論投給《哲學會刊》。Robert Hooke 大約一週內就提出批評，還跟他爭優先權。年輕的牛頓氣壞了。但那正是這套機制運作的方式：作者負責生成，別人負責評判。真理在兩者的張力中被拉扯出來，而不是靠作者一個人的自信就能成立。創作權和評判權，被有意識地分開。這是 1665 年真正重要的發明。 ## 為什麼 AI 需要一個「評判者」？回到 2026 年。看 AI 公司怎麼搭建它們的代理系統，會發現它們正在重新發明 Oldenburg。 Anthropic 在工程文件《[Building Effective Agents](https://www.anthropic.com/research/building-effective-agents)》裡，描述了一種叫 evaluator-optimizer 的工作流：一個模型負責生成，另一個模型負責評估與回饋，兩者形成迴圈。在多代理系統裡，它們還會配置專門的「驗證子代理」（verification subagents），任務就是檢查別的代理產出的東西對不對。這就是把創作權和評判權分家。只是這一次，分家的兩邊都是機器。為什麼要這樣做？因為一個模型很難可靠地判斷自己輸出的品質。這裡我要比那些興奮的說法更謹慎一點：這比較像一個方向性的觀察，還不是定律。在困難的推理和規劃任務上，尤其缺乏外部訊號的時候，模型的自我評估確實不太可靠；但在某些任務裡，自我一致性之類的方法仍然有用。順帶一提，把「模型會像人一樣高估自己」這件事，也就是所謂達克效應，直接當成 AI 的通則，其實站不太住。有 2026 年的研究發現，Claude 相對於其他模型的共識，反而系統性地低估自己。人會不知道自己不知道，機器的毛病未必長得一樣。撇開這些細節，那個核心直覺跟 1665 年一樣：你不能自己當自己唯一的裁判。三百六十一年後，人類把這句話從期刊的審稿制度，一路寫進了矽晶片裡的代理架構。這條線，從來沒有斷過。這不是單純的工程設計問題。對教會來說，它真正碰到的是一個神學問題：當生成變得容易，判斷權該交給誰？ ## 問「AI 會不會取代上帝」，其實問錯了問題當工程師在機器裡重建這道分界的同時，台灣的教會也正從另一端碰撞同一場對話。只是很多時候，它可能問錯了方向。打開這幾週的基督教媒體，你會看到這種標題：「神學 vs AI」「別讓 AI 取代上帝」「AI 會不會取代牧者」。這個框架本身，就是一個稻草人。「AI 取代上帝」是個範疇錯誤。上帝不是一種功能，不是一個 AI 有機會頂替的職缺。把一個沒有人真的在造、也造不出來的威脅立起來，再把它打倒，是跟影子摔角。撐起這個稻草人的，是一種二元對立的思維：科技站一邊，信仰站另一邊，中間隔著一條你死我活的戰線。這副骨架，正是這篇文章一開頭拆掉的那個：十九世紀把科學和信仰擺成敵人的「衝突論」，換了一件 2026 年的教會袍子。而二元對立留給人的選項很窄。把 AI 放在敵人的位置，就容易妖魔化它，彷彿它是來搶信徒的假神；把 AI 放在救星的位置，又容易照單全收，彷彿它能替人把福音傳完。兩種都把一個工具，看得比它該有的還大。當然，認真的牧者和學者，講的遠比這些標題細緻。清大的王道維主張教會要及早介入、把 AI 當工具，甚至從「盼望神學」提出教會該把它用在「共善」上，提升人跟人之間的溝通品質；蒲正寧長老更進一步，說教會可以自己訓練專屬模型，把聖經註釋、講章、神學教材餵進去，守住信仰講述的準確；張俊明牧師則提醒，別讓會友只依賴 AI 給的屬靈資源、不再投入真實群體，掏空了教會的凝聚力。但再往下看一層，我仍覺得其中有一個共同底色：防守。無論是及早介入、自建模型，還是守護群體，骨子裡都把 AI 當成一個外來的、逼近中的對手，而教會的任務是接招。這仍然是二元對立，只是把音量調小了。 1665 年那批人不是這樣看自然的。他們不覺得自己在跟自然打仗；研究自然本身，就是敬拜。沒有戰線，就沒有招要接。有兩種聲音走出了這個框。一種說：AI 不會取代牧者，真正在變的是信仰的順序。這等於承認「取代」問錯了問題。當一個人習慣先問 AI、再問上帝與弟兄姊妹，危險不在 AI 有多強，在人不知不覺把自己交了出去。另一種聲音不糾纏「AI 是不是威脅」，回頭問：人到底憑什麼有價值？華福有篇文章從 imago dei，也就是「上帝的形象」切入：人的價值不建立在能力上，而建立在「人是照著上帝的形象造的」這件事上。這一刀正好切在 AI 進逼得最猛的地方。如果價值等於能力，能力被追上的那天，人就貶值了；imago dei 把價值的地基整個換掉，放到能力搆不著的地方。AI 再強，也動不了那個地基。這兩種聲音都回到了那個更古老的問題：那個不能交出去的核心是什麼，判斷權該留在哪。所以我把這些聲音放在一起，聽到的不是恐慌，也不是「科技來了，信仰要完了」，是三百多年前那個直覺，在教會裡重新發聲。 ## 不憑任何人之言，包括不憑機器之言我自己的想法是這樣。我有神學訓練背景，同時也是每天重度使用 AI 的創業者。我的日常工作流，本身就是一套「生成與評判分家」的系統，也包括我正在寫的這一篇。我從來不讓同一個 AI 既生成，又評判它自己的東西。我會讓不同角色互相審查、彼此挑錯，最後再由我拍板。我在準備這篇文章時，才知道，我每天在做的，其實就是把 Oldenburg 那句拉丁文用在 AI Agent 上：不憑任何人之言，包括不憑任何一個模型之言，也包括不憑我自己之言。這也是我在「[文明與人性](/topics/faith/)」這個主題底下，反覆繞回來的一條線。這讓我對教會那場爭論，有一個也許不太一樣的讀法。回到開頭那個問題：要不要讓 AI 幫忙寫講章？順著這條線，答案就不是簡單的 yes 或 no。你大可以讓 AI 生成草稿，幫你查經文、擬結構。不能交出去的是判斷：這篇講章忠不忠於你認識的真理、服不服事眼前這群人。那個判斷得留在牧者、群體、和聖經的交融對話裡，不能外包給模型。講章不是一篇內容產品而已，它也是群體判斷自身處境的方式。這就是為什麼，問題不只在「誰來寫」，更在「誰來承擔這個敘事」。照韓炳哲在《敘事的危機》裡的意思來看，我們這個時代不是沒有故事，而是故事太多，真正能安頓人的敘事太少。故事可以吸引注意力，敘事卻要承擔生命。講章可以讓 AI 協助整理、潤飾，生成初稿；但信仰不能外包，見證不能代寫，牧者也不能把自己在上帝面前的掙扎交給機器。AI 可以幫你把話說得更清楚，卻不能替你相信。它可以生成內容，卻不能替一個群體生成共同的記憶、痛苦、盼望與承擔。資訊社會裡，一切都變成片段：消息、數據、貼文、心得、限動、短影音。資訊很快，敘事很慢。資訊追求即時，敘事需要沉澱。資訊回答「發生了什麼」，敘事回答「這對我們意味著什麼」。韓炳哲認為，當世界被資訊流切碎，人就很難再活在一個有前後、有傳承、有共同記憶的時間裡。而講道，正是把破碎的資訊和上帝的道，重新收攏成一個穩定的敘事共同體。我在〈[宗教改革的現實脈絡](/articles/reformation-printing-politics)〉裡寫過，1517 年路德的成功，離不開印刷術。印刷術當年也嚇壞了教會，因為它打破了教廷對知識複製的壟斷。五百年後，我們會說那是一次解放。同樣的結構正在重演。對信仰傳遞來說，AI 很可能扮演這一代印刷術的角色。它一定會改變傳遞的方式。問題從來不在於擋不擋得住，而是要問：那個不能被交出去的核心是什麼？ 1665 年那批人示範過一種態度。面對一個強大的新工具，他們沒有把它妖魔化，也沒有急著盲目擁抱。他們做的是：先把它放進一個「不憑任何人之言」的檢查機制裡，再決定信任它多少。他們對自然這麼做。我們今天，也可以對 AI 這麼做。把判斷權交給一個超越個人自信的檢查機制，這件事一點都不減損信仰。它本身，就深深內建在皇家學會創辦人的信仰裡。他們研究自然，是因為他們相信有一位設計者。他們不憑己言，是因為他們知道自己不是那位設計者。我在〈[道成肉身之必要性](/articles/incarnation-ai-embodiment)〉裡談過，AI 的核心缺陷是存有論層次的：它沒有身體，沒有脆弱，不會死。也許正因如此，人在這場對話裡真正該守住的，從來不是「我比機器聰明」這種遲早會被追上的東西。該守住的是另一樣：「我知道自己需要被檢查」這種謙卑、這種肉身知覺。這是機器可以模仿、卻無法真正擁有的姿態。我們與 AI 最大的差異，也許不在聰明，而在脆弱、慈悲，以及在故事中追尋真理的能力。 ## 三百六十一年後的同一個問題 Oldenburg 那本 1665 年自費印出的小冊子，和皇家學會那句「不憑任何人之言」，到今天還在問我們同一題。只是這一次，被送去檢查的，多了一個新成員：AI。而要不要把最後的判斷權交出去、又要交給誰，站在這個位置上的，還是我們自己。皇家學會沒有替我們答完這一題。他們只留下那句拉丁文，和一個到今天都還沒過期的直覺：不憑任何人之言，包括不憑自己。所以最後留下來的，不是「教會要不要使用 AI」這種技術選擇，而是教會還記不記得自己相信什麼。我們仍能相信有更超越的存在。面對日月星辰與浩瀚宇宙，我們仍能承認人是渺小的受造，信仰仍能給我們指引。前提是，我們的神學也需要心意更新而變化：相信聖靈，相信聖而公之教會，相信聖徒相通，相信罪得赦免，相信永生。

這家台北麵包店的總監，住在東京

Wed, 01 Jul 2026 00:00:00 GMT

> **TL;DR** — 2019 年，林桑在日本問我要不要幫忙顧他在台灣投資的一家麵包店。我說好，後來才發現自己踏進的是一條從東京牽到台北的線：這家店的總監是發酵大師志賀勝榮，主廚是他的徒弟。台日之間很多好東西，靠的是緣分，不是規劃。也跟這兩年半導體產業鏈的蓬勃無關（2019/12/31 TSMC 收盤價 331 元新台幣）。回頭看，很多要緊的事都不是規劃來的。是某一天，有個人問你一句話，你答了一聲好，路就轉了個彎。 2019 年，林桑人在日本，問我要不要幫忙顧他在台灣投資的事業。那是一家麵包店。我說好。當時沒多想，就是幫林桑一個忙，陪他走一段。後來才慢慢看清楚，我一腳踏進的，是一條從東京牽到台北的線。

在日本跟林桑的一頓飯（插畫）

## 順著一個名字，查到東京我對「吃」這件事，剛好有點在意。2014 到 2019 年，我一直在做跟農業有關的新創，跑遍北、中、南、東，跟各地的農友交流。2017 年還去了一趟東京品川，拜訪 [Oisix](https://www.oisix.com/)，一個在日本非常受歡迎的生鮮食品與食材宅配品牌；當時我想的，是台灣能不能也長出一個像它那樣垂直整合的農產電商。

2017 年，東京品川的 Oisix

那張照片背後有個小故事。桌上那幾罐玻璃罐子，裝的是日本各地不同的土，現場擺了不只三罐，我當天只顧著拍照，鏡頭收進去的只有三小罐。我理解那是「一方水土養一方人」的意思：土地不一樣，長出來的東西就帶著自己的風土，每個地方都有自己的特產。這幾罐土後來變成我心裡常浮起來的一個畫面，關於食物一旦被送上全球化的架子，還留不留得住這種地方感，我想留到以後再慢慢寫。從產地到餐桌這段路，我大致走過一遍。所以發酵這回事有多神奇、也有多不容易，我略知一二。同樣的麵粉、水、鹽，差一兩度溫度，差幾個鐘頭，出來就是兩種東西。當我認真去看這家店在做什麼，上網了解相關背景。店裡的「理念」掛著一個名字：志賀勝榮，頭銜寫「本店總監」。真正勾住我的，是他在東京世田谷那家店的店名：[Signifiant Signifié](https://signifiantsignifie.com/)。這兩個字來自語言學家索緒爾，是「能指」（signifiant）與「所指」（signifié），講的是一個符號和它所指向的事物之間的關係。索緒爾的語言學，我剛好略知一二。林桑跟我介紹這名字的時候，拿「白馬非馬」來比。一邊是法國語言學家的符號理論，一邊是中國古代的邏輯老命題，被他這樣一湊，我對取這名字的人起了興趣。林桑說，志賀是個哲學家。一個做麵包的，被叫做哲學家。這一句，讓我把志賀勝榮好好查了一遍。志賀勝榮是日本麵包界談「發酵」繞不開的一號人物。他把麵包當成一種發酵食品在做：酵母只下微量，好幾種發酵種自己從零養，低溫慢慢發上一整天。一條麵包的工，他用天計，不用鐘頭計。我查到的資料說，連米其林星級餐廳和高級飯店都指名用他的麵包。這家台北的小店，總監就是他。主廚 Lisa，是他的徒弟，也是少數在海外還照著那套理念做麵包的人。我這才意識到，自己走進的不只是一家麵包店，是一段還在延續的師承。一套東京的發酵哲學，經過一個徒弟的手，落在台北一條街上，沒幾個人知道。 ## 一條沒有人規劃過的台日線林桑的來歷，我也是後來才慢慢拼起來的。一開始我只知道他是投資人，人在日本。後來才知道，他是台南人，年輕時被父親送去日本念書，國語、台語、日語都通。他在日本做軟體、創過業，把公司一路做到上市，再賣給 IBM。他現在是 [CyberSolutions](https://www.cybersolutions.co.jp) 的社長，這家公司去年十月也掛牌上市。他跟我說，他是第一個在日本讓兩家企業上市的外國人。把這些兜在一起，一條線才浮出來。一個台南囝仔在日本落地生根，某天遇上志賀這套做麵包的理念，動了心，想把它帶回台灣。Lisa 願意守著這套慢工，在台北一天一天做。志賀願意把名字掛上這家遠在海外的小店。而我，因為林桑一句話，剛好被牽了進來。這裡面沒有一步是規劃出來的。沒有誰先寫好一份台日合作計畫書，再照表操課。一個人遇上一件他捨不得放下的事，一路上又遇到願意一起扛的人。說到底，是緣分。 ## 我學到的，比我幫上的多我常說自己是去「幫忙」，但老實講，這幾年我從這家店得到的，比我付出的多。在新創產業：講效率，講規模，講把事情拆到能自動化。這家店給我看的是另一種時間感。麵團不會因為你趕就提早發好，它要的那十幾個鐘頭，你少給一個都不行。有些好東西天生急不得，例如好食材好食物，這件事我是在深入發酵世界後更有感。我喜歡美食但不會做麵包。我會走進這家店，起點是林桑；想幫他顧好這門投資以及跟他多學習，我才跟 Lisa、這些發酵麵包有了交集。我做的，是把 Lisa 埋頭做出來的麵包，用數位社群與電商模式，讓更多人看見。談不上什麼幫忙。比較像是替一件我也珍惜的事，多開一扇窗。真正撐著這家店的，始終是那套慢工，還有願意默默守著它的 Lisa 與林桑。 ## 幾個人，為一件事，各出一塊我後來的理解，所謂台日交流的真實版本，不在新聞稿裡、不是在行銷活動上，也不是政府的海外專案KPI，是幾個具體的人，為了一件具體的事，各出一塊。一個在日本闖蕩的台灣人，一個東京的發酵大師，一位台灣徒弟在台北守著理念，再加一個因為好奇心被牽進來的我。湊在一起，那一條要發酵 18 個鐘頭的麵包，才擺得上台北人的餐桌。這也是我在 [沉思與記憶](/topics/life/) 這條線上，一直想記下來的那種台灣故事。幾年前，我跟林桑要志賀老師的資料，想要拿來做網路素材。他人在日本，把一份電子檔傳給我。是志賀那本講麵包的書。我本來只想多幾句寫文案的素材。那本書讓我想了很多日本職人、文明史與飲食的種種，這篇分享文交代不完。所以接下來，我想分幾次說故事。[下一篇](/articles/long-fermentation-fast-age/)，講那 18 個鐘頭：在一個什麼都要求快的時代，為什麼有人偏偏選擇慢。 --- **附記｜幾個查得到的事實** 林桑的經歷不是隨口一提。他早年創立的資安公司 Internet Security Systems 日本法人，1997 年成立，2001 年在 JASDAQ 上市，2006 年賣給日本 IBM；他現在的 CyberSolutions（サイバーソリューションズ），在 2025 年 10 月 23 日掛牌，掛在東證 Growth 市場，證券代碼 436A。前後兩家，都在日本上市。志賀勝榮的官網也寫著，他的麵包受米其林星級餐廳與高級飯店採用。來源：[CyberSolutions 代表者介紹](https://www.cybersolutions.co.jp/corpinfo/ceo/)、[日本經濟新聞〈サイバーソリューションズ23日上場〉](https://www.nikkei.com/article/DGXZQOUC291UZ0Z20C25A9000000/)、[パナデリア職人專訪：志賀勝榮](https://www.panaderia.co.jp/members2/craftsman/ar_ss/index.html)。

志賀勝榮所著《パンの世界：基本から最前線まで》（講談社選書メチエ），林桑傳給我的那本書。

Transync AI 評價：好用嗎？我整理出的免費替代方案比較

Wed, 01 Jul 2026 00:00:00 GMT

Transync AI 個人版一個月最低 $8.99，換算台幣不到三百塊，10 小時額度。乍看之下便宜到不用考慮。但我一個做業務的朋友上個月開會超時，臨時加購了一包時數才發現，這個「便宜」只是起跳價，用得愈多，帳單長得愈快。他問我：「Transync AI 到底好不好用？值不值得付？」這篇就是我認真查完官方定價頁跟功能頁之後，給他也給你的答案。 ## Transync AI 是什麼 Transync AI 是一套即時會議翻譯工具，主打近零延遲的雙向口譯，支援 60 種語言，裝在手機、電腦、Zoom、Teams、Google Meet 都能用。核心賣點是三件事：即時翻譯、雙屏字幕對照、AI 自動產出會議摘要。定價分三層。免費版註冊送 40 分鐘完整功能試用；個人版每月 $8.99，含 10 小時使用時數；企業版每座位每月 $24.99，含 40 小時，超過額度後費用會從組織的共用額度裡扣，官方也提供加購時數包（10 小時 $7.99、30 小時 $22.99、100 小時 $69.99，依官方頁面所示可能隨時調整）。 ## 客觀來看，它的優點很扎實 **開箱成本低。** 免費版就能用滿 40 分鐘的完整功能，不用先掏錢試水溫，這對第一次評估工具的人很友善。 **產品整合度高。** 即時翻譯、字幕、會議摘要、關鍵字與情境校準這幾個功能，不是分開的外掛，而是同一套流程裡順順跑完，用起來不需要在不同工具間切換。 **對非工程背景的使用者友善。** 裝好 App、選個語言就能開會，不用碰 API、不用寫程式、不用理解語音辨識引擎怎麼選。如果你要的就是「打開就能用」，這點是它最大的價值。 ## 但限制也同樣明確 **長期或多人使用的成本會隨用量疊高。** 個人版 10 小時額度對輕度使用者夠用，但如果你一週開會超過 3 小時，很快就會碰到方案上限，接下來就是升級到企業版或另外加購時數。 **客製化與資料控制權有限。** 它是一套黑盒服務：不能自己選語音辨識引擎、不能依語言拆分處理流程去壓低成本、也沒辦法把資料留在自己的伺服器上。這對一般使用者不是問題，但對在意資料主權的團隊，這是一條硬性限制。 **隱私與資料保存條款需要自行確認最新版本。** 官方頁面寫「資料不用於 AI 訓練」，企業版也提到符合 GDPR、ISO 27001，SOC 2 Type II 目前仍在稽核中。這些都是好的方向，但條款會更新，真的要簽企業合約前，務必自己核對官網當下的最新版本，不要只看評測文章的舊資訊。 ## 我自己選了另一條路我開會的頻率比一般使用者高很多，台日、中英、偶爾還有東南亞夥伴，一個月的會議時數遠超過個人版的額度。算過幾輪之後，我決定自己做一套：用 Claude Haiku 4.5 做翻譯，搭配 Groq、Qwen3-ASR、Deepgram 三種語音辨識引擎，依語言自動切換，把每一種語言的辨識成本都壓到最低。完整的技術拆解和踩坑紀錄，我寫在[$0 自建即時會議翻譯替代方案](/articles/ai-collab-realtime-translator/)這篇裡：一場一小時的中英會議，API 成本大約台幣 16 元，沒有月費，多開一場就是多花那一場的實際成本，不是多買一包時數。 ![三路語音辨識路由架構，依語言自動切換 Groq、Qwen3-ASR、Deepgram](/images/articles/ai-collab-realtime-translator-stt-routing.png) 圖：自建方案的語音辨識路由架構。不同語言走不同引擎，是壓低成本的關鍵設計，也是 Transync AI 這種一體化服務做不到的彈性。 ## Transync AI vs. 自建方案，攤開來比 | 比較項目 | Transync AI | 自建方案 | |---|---|---| | 費用 | 個人版 $8.99/月（10 小時），超額另計 | 無月費，按實際 API 用量計費（約台幣 16 元/小時，中英會議） | | 設定難度 | 低，下載 App 登入即可 | 高，需要串接語音辨識與翻譯 API、部署後端 | | 上手速度 | 幾分鐘 | 需要開發時間（本文作者花數週打磨） | | 客製化 | 低，功能與流程由官方決定 | 高，可自選引擎、自訂術語表、自訂介面 | | 隱私與資料控制 | 依官方條款，資料經第三方服務處理 | 高，資料流向與保存政策自己決定 | | 適合對象 | 不想碰技術、需要快速上手的個人或小團隊 | 有基礎技術能力或找到 AI 協作方式、在意成本透明與資料自主的人 | ## Transync AI 好用嗎？看你是哪一種使用者如果你偶爾才需要跨語言開會，一個月用不到 10 小時，Transync AI 划算：免安裝門檻低、功能齊全，不用自己維護任何東西。如果你是長期高頻使用者，每週開會時數穩定偏高，先拿官方的加購時數包試算一下自己的月成本，再跟自建方案的邊際成本比一次，通常會發現差距比想像中大。如果你本身有工程背景，或者願意用 AI 協作的方式把問題拆解清楚（不需要會寫程式，但要能把需求講清楚），自建方案值得認真考慮：長期成本更低，資料也留在自己手上。如果你的會議內容涉及企業機密或客戶資料，不管選哪一條路，都先把資料保存與第三方處理條款讀一遍，這件事沒有捷徑，也不該交給任何一篇評測文章替你確認。 Transync AI 不是不好，它把「開箱即用」這件事做得很順。只是順不等於划算，划算也不等於適合你。訂閱前先算一次自己的真實用量，比看任何一篇評價都準。

AI 抓得到平均，抓不到你

Tue, 30 Jun 2026 00:00:00 GMT

> **TL;DR**：去 AI 味的工具只能到「模式層」：可歸納、可窮舉、可自動化。但人味在抓不住的非模式層，工具到不了，AI 也學不走。AI 學得走你的風格，學不走你的精髓；越靠近統計平均越好讀，也越誰都不像自己。 > 「機械複製時代凋萎的，是靈光。」 > ——班雅明 AI 越強，文章越容易寫得順。可是太順的文字，常常也少了一點人味。原因不難懂。越強的模型，越會挑那個「最可能出現的字」，每一步都挑最安全的選項，整篇就順得沒有意外。但人味往往藏在那些「不太可能」的選擇裡：一個停頓、一個不合比例的細節、一句只有你會那樣說的話。它不在能被歸納的地方，而在規則收不住、模型學不完的細節裡。 ## 標準好看的盡頭，是誰都不像自己這有點像 AI 生成的人臉。五官比例都對，挑不出哪裡錯，可是你就是覺得那不是一個真人。因為它畫的是所有臉的平均。一張真臉之所以是「那個人」，靠的是它偏離標準的地方：歪一點的笑、不對稱的眉、某個角度才看得到的神情。文字也一樣。AI 寫的句子哪裡都對，就是不是你。對得太均勻，就會有種塑膠味。這不只是比喻。[心理學研究發現](https://journals.sagepub.com/doi/abs/10.1111/j.1467-9280.1996.tb00338.x)，人覺得「好看」的臉，往往就是最接近平均的那張；[越靠近統計上的平均，越討喜](https://www.pnas.org/doi/full/10.1073/pnas.1912343117)。而 AI 寫句子的原理，正是每一步都挑「統計上最可能的字」。平均臉跟平均句，背後是同一個機制：挑最典型的。好看、好讀，都是「太典型」的副產品。可是典型的盡頭，就是誰都不像自己。 ## AI 學得走你的風格，學不走你的精髓這裡要分清楚兩件事。你的寫作裡，有一部分可以被歸納：你愛用的詞、慣用的句法、固定的節奏。這部分 AI 學得走。它模仿一個人的「風格」，抓的就是這一層，餵夠了你的文章，它能寫得有幾分像你。但還有一部分歸納不出來：為什麼這裡要停一下、為什麼挑這個比喻、為什麼這句話寧可不工整。這些選擇背後是你的判斷、你的經歷、你當下的分寸。那是你的精髓，AI 學不走。所以一句話：AI 學得走你的風格，學不走你的精髓。[第一篇](/articles/quitting-ai-flavor)那句「最難戒的 AI 味，是最像我的地方」，講的就是風格這層跟平均撞上了；真正不會撞的，是精髓那層。 ## 去味工具越普及，文章越撞臉於是只把 [AI 味](/topics/ai/)去乾淨，不夠。當大家都用同一批去味工具、背後又是同一個模型，去出來的「乾淨」也會是同一種乾淨。這是它的反諷：去 AI 味的工具越普及，文章反而越像。就像整形，照同一套黃金比例修，修出一整排撞臉的美。乾淨只是基本盤。乾淨之後還認不認得出是你，靠的是你自己補回去的那一塊，不是工具。工具負責拿掉不屬於你的那些；屬於你的那部分，得你自己長出來。 ## 檢測器冤枉的，常常是最認真的人這也解釋了為什麼 AI 檢測器靠不住。它抓的是模式層的特徵：用字太可預測、句長太平均。問題是，寫得最用心、改得最仔細的人類文章，剛好也乾淨、也工整、也可預測。所以檢測器最容易冤枉的，往往是那些最認真的人，不是 AI。 [史丹佛 2023 年一份研究](https://arxiv.org/abs/2304.02819)把幾個主流檢測器拿來測：母語者的英文文章幾乎全判對，但非母語者的 TOEFL 作文，有六成被誤判成 AI。原因正是非母語寫作用字較保守、結構較簡單，剛好落進「太可預測」的特徵裡。更諷刺的是，把那些作文改得更花俏、更像 AI 愛用的詞，誤判率反而大幅下降。檢測器懲罰的，其實是還沒被磨平的真實聲音。也不是只有非母語者中招。[另一份研究](https://pmc.ncbi.nlm.nih.gov/articles/PMC11179998/)讓 22 位評審盲讀一篇 AI 稿和一篇人稿，結果只有 12 個人認出 AI，還有 4 個把人稿錯當成 AI。連專業評審都未必分得出來。檢測器給的是一個機率分數，不是證據。把判斷外包給一個會冤枉認真人的工具，等於用它的盲點換掉自己的眼睛。 ## 那你自己呢？講到這裡你可能想問：那你不也是重度用 AI 寫作？沒錯。但我把該自己做的留住了。AI 幫我去味、幫我擴想法、幫我跑初稿；可是哪個觀點重要、結構怎麼搭、哪裡該放一段親身經歷，這些判斷我沒交出去。寫作這門手藝，練的就是這些。網站上這些文章，就是這樣寫出來的：AI 可以先出草稿，但我來回改了十幾輪，每一個選擇都自己下。一篇文章最有力的人味證據，不是它看起來像人寫，而是它經不經得起追問：改了幾版，為什麼這樣改，哪一句留下、哪一句刪掉，作者能不能說出理由。 ## 能被學走的，就不是精髓最後一個問題：AI 以後要是學會了你說的「判斷」「潤飾」，怎麼辦？確實有研究朝這個方向走。有人發現，AI 那種「趨向平均」的毛病，可以靠[特定的提示策略部分解掉](https://arxiv.org/abs/2510.01171)，讓它輸出更多樣。模式層的同質化，技術上有救。但我的答案還是：能被學走的那部分，本來就不是精髓。精髓永遠是「還沒被歸納出來的那一塊」。一旦某種手法被歸納成方法、被 AI 學會，它就變成新的平均；於是又有新的、還沒被歸納的東西，重新成為人味。技術可以一直逼近模式層的邊界，但抓不住的那一塊永遠跑在前面。這條線不會停，因為人一直在往前走。 ## 在 AI 時代，為什麼還要自己寫？最後，講一個比「文章像不像你」更大的問題。很多人怕 AI 取代寫作。但這種焦慮，其實高估了我們的腦。人腦不太擅長深度思考，它真正擅長的是看、是動作、是直覺反應。深度思考很費力，多數時候我們寧可繞過去。問題是，AI 普及之後，有人很樂意替你省下這個力氣。平台的演算法會摸清你的認知程度，餵給你真假參半、又剛好撩動情緒的內容。過程很順、很舒服，你不太會察覺，判斷就一點一點被收割掉。在這種環境裡，寫作的價值變了。它不再只是為了產出一篇作品，而是為了訓練你的認知肌肉。自己把一件事想清楚、再寫下來，是維持認知複雜度最便宜的方法。它讓你不至於在演算法的餵養裡，慢慢交出自己的判斷。所以在 AI 時代，寫作不再是為了發表，是為了保持清醒。

去 AI 味的方法：兩條線，五項交給機器

Tue, 30 Jun 2026 00:00:00 GMT

> **TL;DR**：去 AI 味可以拆成兩條逐句掃的線：一條管「像不像機器」，一條管「句子寫完了沒」。五項能寫成腳本自動抓，其餘靠人判斷。但這套方法只去得了味、長不出人味，邊界就是它的誠實。 > 「用對的字和用幾乎對的字，差別就像閃電和螢火蟲。」 > ——馬克吐溫我把寫作的自檢規則改到第十幾版，才看出它們其實只在問兩個問題。一個是：這句話，像不像機器寫的。另一個是：這句話，到底寫完了沒。 [上一篇](/articles/quitting-ai-flavor)講我怎麼把去 AI 味磨成一套流程。這篇講那套流程本身：它長什麼樣，哪些能交給機器，哪些只能自己來。如果你也用 [AI 輔助寫作](/topics/ai/)，這套可以直接拿去改成你自己的。先講一個我看寫作的角度。從工程和數學來看，文字很像樂高：有限的詞、有限的語法，能組出無限的句子。這代表寫作有可以拆解、可以精進的一面。把積木的接法摸熟，表達就能一塊一塊變細膩。這篇要整理的，就是這套積木怎麼接。 ## 第一條線：這句話像不像機器寫的這條線抓的是聲音。AI 寫東西有它的慣性，幾種最常見： **二元對比**：「不是 X，而是 Y」「不只 X，還有 Y」。這是 AI 最愛的句型。華郵分析 328,744 則 ChatGPT 訊息，光是這種否定平行，2025 年 7 月就[出現在 6% 的對話裡](https://www.washingtonpost.com/technology/interactive/2025/how-detect-chatgpt-em-dash/)。 **假主詞**：「數據說出了真相」「市場給了答案」。沒有生命的東西不會自己做事，換成具體的人或行為。 **萬用填空**：「掌握 X 就掌握了 Y 的核心競爭力」。把主詞換掉、整句還成立的，就是空話。 **假脆弱開場**：「老實說，我以前也迷惘過」。沒有細節的坦白，是裝出來的。 **儀式感結尾**：「讓我們拭目以待」「你準備好了嗎」。口號不是餘韻。 **破折號**：在現在的社群語境，密集的破折號幾乎等於 AI 指紋。 2025 到 2026 又冒出新的：紅旗詞（英文的 delve、tapestry，中文的「賦能」「打造」「值得注意的是」）、結構強迫症（每段都 signpost「以下是詳細分析」、僵化的「未來展望」收尾）、還有一種假真誠腔（諮商師語氣「你的觀察很敏銳」、用幾百字講兩句話的事）。詞表會退流行：delve 紅過一陣就被大家戒了。所以別背詞表，看結構。底層其實是兩個東西：AI 挑最好預測的字，所以讀起來順得沒有意外；句子長度又很平均，所以節奏單調。抓這兩個根，比背一百個詞有用。 ## 第二條線：這句話寫完了沒第一條線管「像不像 AI」，第二條管完全不同的事：句子本身有沒有寫完整、夠不夠準。這條是我自己改稿改出來的，市面上的去 AI 味清單沒有這一塊。我整理成十種，全是改稿時最常動手的地方：補主詞、把動詞收完整、標點各歸各位（頓號只連單詞，子句交給逗號）、絕對話留餘地（「驗不了」改成「很難可靠驗證」）、邏輯連接詞顯性化、口語字換精準的書面詞、規則句用規範語氣、引號規範、砍掉不幹活的形容詞、把虛胖的名詞還原成動詞（「做出決定」改成「決定」）。十項背後的母尺只有一句：每個字都要在幹活，每個句子要收完整。有意思的是，我自己對文章的修改，幾乎全落在這條線，不在第一條。AI 味那幾項戒掉之後就不太犯了，但「句子有沒有寫完」是永遠要盯的。 ## 哪些交給機器，哪些留給人這兩條線裡，有五項可以交給程式精準抓：對偶、破折號、頓號連發、短句連發、填充詞。我把它們寫成一支腳本，接在文章送出前自動跑。機器數數很準，這種重複的事不該靠肉眼。但剩下的不能自動。假真誠、過度平衡、句子寫完了沒，這些要判斷語意，程式只能初篩、給提示，最後還是人看。所以這套不是「一鍵去味」，是「機器數數、人判斷」的分工。 ## 分寸比清單重要清單給你方向，但會用清單跟用壞清單的人，差在分寸。最容易做錯的是對偶。它是 AI 味第一名，卻也可能是你的招牌。規則是一篇留一個：承載核心論點的那個留下，其餘換掉，而不是全砍。一個對偶是刀，七個是口頭禪。有些字也不能硬砍。中文的「了」是承重的語法，照清單砍掉句子會壞。砍字有底線：精煉是把不幹活的字拿掉，不是砍到見骨。一個比喻、一句閒筆，只要它在扛現場感或人味，就留。 ## 工具只做一半講到這裡要說實話：這整套方法，只做得到一半。回到樂高。積木能組得很細膩，卻有個天花板：它是標準件。標準件組出來的東西再精巧，也帶著樂高的樣子；大家又用同一盒積木，組久了就會撞臉。文字也一樣，同一套工具、背後同一個模型，組得再乾淨，也容易跟別人長得像。更關鍵的是，工程上的細膩不等於有你。積木是公共的，誰都能用同一套詞和語法；但你挑哪塊、怎麼接、為什麼這樣接，那才是你的。風格不在積木裡，在選擇裡。所以這套方法給不了你人味。乾淨之後的文章可能很標準，卻沒有溫度，也沒有你。要讓文字有溫度，靠的是見證：把論點焐熱的，是一段真正發生過的經歷，不是更多道理。那一塊清單管不到，只能你自己寫。為什麼工具到不了那一塊，[下一篇](/articles/ai-cannot-fake-you)談。 ## 這套方法，你可以直接拿去用我把上面兩條線、十種收尾、加上那支 lint 腳本，整理成一個通用版的 skill，拿掉我個人的設定，之後會放出來讓任何人裝來改成自己的。但在你動手之前，先記住最後那句：它只負責幫你戒掉不是你的東西。是你的那部分，得你自己長出來。

我花三個月，戒掉自己文章裡的 AI 味

Sun, 28 Jun 2026 00:00:00 GMT

> **TL;DR**：去 AI 味是工程：可以拆成四個階段加一支自動檢查腳本，我花三個月把它逼成可重複的流程。但工具只做得到「不像機器」，做不出「像你」；最難戒的反而是對偶這種本來就屬於你的聲音，不是那些廉價的 AI 腔。 > 「一個人的風格，就是他自己的畫像。」 > > ——維根斯坦《文化與價值》我盯著螢幕上第三十一個破折號，心裡有點不妙。那是[一篇談自動化如何反過來綁住人的文章](/articles/automation-bites-back)。內容我滿意，論點也站得住。麻煩的是破折號。每隔幾行就冒出一個，拿來轉折，拿來停頓，也拿來補一句本來沒說完的話。單獨看每一個都合理。可是連在一起，整篇讀起來像機器寫的。我只好一個一個改。能斷開的換成句號，需要補充的改成完整句子，真的需要停頓的地方才留下標點。三十一個，最後一個不留。改到那晚最後，我才想清楚：AI 味不是某一個詞的問題。它比較像一種慣性，一開始不明顯，等你發現時，已經滲進整篇文章。那之後，我花了三個月，把「怎麼讓文章不像 AI 寫的」這件事，從憑感覺修稿，慢慢逼成一套可以重複檢查的流程。這篇講的就是這段過程，連同它反撲了幾次。但我得先講清楚，這套方法只做一半的事。它能把文章修到不像機器，卻不能自動修出你自己。這有點像整形。照著黃金比例修，你可以把一張臉修到標準好看；可是標準好看的盡頭，常常就是撞臉。因為大家照的，是同一套比例。文章也一樣。用同一批去味工具，背後又是差不多的模型，最後容易磨出同一種乾淨。修辭、語氣、論述框架，甚至連文風都開始撞。文章是能讀了，但讀完不太記得是誰寫的。所以這個系列我會分成兩半。 [工程那半](/articles/de-ai-method)，講怎麼把 AI 味削掉，我會盡量講到可以直接抄、直接裝進流程。 [另一半](/articles/ai-cannot-fake-you)，講削乾淨之後，文章怎麼重新長出你自己。那件事比較慢，得靠手練，沒有捷徑。 ## 看出 AI 味不難，戒掉才難教你認出 AI 味的文章，現在已經多到滿出來。紅旗字、破折號、否定平行、假真誠開場，每一種特徵都有人列得清清楚楚。這些清單有用，但它們站的位置都一樣：讀者，或檢測者。你拿著清單去看別人的東西。但自己戒，是另一回事。你要抓的是自己的慣性，不是別人的習慣。更麻煩的是，[AI 輔助寫作](/topics/ai/)會慢慢學會你的聲音。當它吐出來的句子，剛好長得像你平常會寫的句型，清單就失效了。因為那一條，你會自動放行。我繞了一圈才看懂：最難戒的 AI 味，不是最不像我的地方，而是最像我的地方。 ## 第一階段：憑感覺，用眼睛掃一開始的方法很土。完稿後自己掃一遍，看到眼熟的 AI 句型就改。我先列了一張清單，裡面有六種模式：二元對比、遞進三連、假主詞、萬用填空、假脆弱開場、儀式感結尾。每篇上線前，就照著這張表掃一次。這套撐了一陣子。破折號是後來才補進去的。那陣子大量 AI 生成的文章都帶著破折號，而我自己那篇的第一版就有三十一個。前面掃過好幾遍我都放過了。我看到了，只是一開始不覺得那是問題。清單從六項變七項。但我心裡有數，靠眼睛總有漏的。 ## 第二階段：人會漏，尤其會漏掉最像自己的那一項後來我乾脆做了一次普查。挑十篇已經上線的文章，照著清單，一項一項數。結果很有意思。那些比較廉價的 AI 味，像假主詞、萬用填空、假脆弱開場、儀式感結尾，十篇全部歸零。早就戒乾淨了。破折號也壓得住，新的文章都是零，只剩更早的舊文還超標。真正戒不掉的是二元對比，也就是「不是 X，而是 Y」那種句型。它在最新的文章裡還是會冒出來，單篇最高七次。為什麼偏偏這一項最難戒？老實說，不能全賴 AI。對偶本來就是我的老習慣。我的思考常靠結構性的對照在推進。像「這不是個人問題，是系統問題」這類框架，是我常用的打法。對偶只是這種思考最順手的容器。可是一個對偶是把刀，七個對偶就變成口頭禪。口頭禪會把刀磨鈍。承載核心論點的那一個，值得留下。其餘六個，多半只是慣性。要換成問句，換成直述，或者換成任何可以跳出那個模子的說法。這次普查讓我認了：能交給程式抓的，就不要再假裝自己眼睛很利。後來我把抓得準的五項寫成一支腳本：對偶、破折號、頓號連發、短句連發、填充詞。它們被接進文章送出前的自動檢查。這支腳本，加上前面那張手檢清單，慢慢湊成了我自己的一套寫作 skill。機器適合數數，人適合判斷。能數的交給機器，需要判斷的，才留給自己。 ## 第三階段：不只去 AI 味，還要養回人味這套 skill 上線後，我看到自己一直在做減法。抓出 AI 味，刪掉；再抓，再刪。可是減法有盡頭。一篇文章可以乾淨到幾乎看不出 AI 痕跡，讀起來卻還是冷的。我發現，我把「精煉」理解錯了。精煉不是把字數壓到最低。一篇文章的廢話感，多半不在長度，在於有些字根本沒在幹活。一個比喻、一句閒筆、一個身體的細節，只要它有在扛東西，不管扛的是節奏、現場感，還是人味，它就該留下來。你以為砍掉的是贅字，有時候砍掉的是體溫。文章夠乾淨之後，缺的就是溫度。我的預設寫法是解說，把觀點拆成一條一條論證。這是強項，但它也有代價：論述天生偏冷。讓文字有溫度的，是見證，不是更多道理。把經歷搬演成一個有場景、有身體、有起伏的片刻。讀者會對正在發生的事情有反應，卻很難對一串命題有感覺。這不是要把整篇文章改成隨筆。我的做法是：論述仍然當骨架，但每篇可以找一些段落，放進真正發生過的故事，讓論點有一點熱度。我寫過[一篇談世界觀的文章](/articles/world-outlook-2030)，整篇都在講道理。後來回頭看，有體溫的，反而是寫到「每個月的水電帳單」，最多人有感的是文章落到生活裡。人記得的往往是那段生活感，不是那些道理。到這一步，我才想通自檢到底在幹嘛。它的目的不在刪字，在於把那些「默認跑出來的形式」，重新變成「被我選過的形式」。 ## 第四階段：把它固定下來，不靠記憶最後一步，是讓這套東西不要隨時間被我忘掉，也不要因為換了寫作場景就失效。我把所有寫作品質規則收進同一個地方，當成唯一來源。長文、社群貼文、其他場合，只要談到寫作品質，都指回這裡，不再到處各抄一份。我也補上一條以前常漏掉的線：語句收尾。AI 味自檢管的是：聲音像不像機器。語句收尾管的是：句子有沒有寫完，意思夠不夠準。我把它整理成十種類型：補主詞、收動詞、標點各歸各位、把虛胖的名詞還原成動詞。這些都是我改自己稿子時，最常動手的地方。後來我連翻譯也納進來。中文主稿已經砍掉對偶，英文版的「not X, but Y」還是會回魂。那是另一層語言習慣，中文稿管不到。所以我替英文和日文各掛了一張負面清單，翻譯時自動帶上，避免那些句型換個語言又偷偷復活。 ## 去 AI 味不只是潤稿工程，也是一門手藝回頭看，這三個月最大的收穫是更看懂了寫作的本質，而不是多學了哪一條規則。去 AI 味不會有真正「做完」的一天。你戒掉破折號，對偶還在。你壓下對偶，翻譯又冒出來。模型一升級，新的腔調又來了。寫作是工程流水線，也是手藝的練習：有版本紀錄，有自動檢查，但最後還是人的判斷，因為寫作本質上是練習思考，是跟讀者對話，是思維的成人禮。寫文時我會問自己：我想傳遞什麼訊號？我要跟誰對話？在浩瀚的知識汪洋中，我能貢獻什麼？AI 可以快速給各種意見，但我自己決定怎麼呈現。開頭那篇文章裡的三十一個破折號，當時我一個一個手動改；這種事現在都交給腳本批次處理了。再看到破折號，我想的已經不是它像不像 AI 寫的。我會問自己：拿掉之後，留下來的文字，會不會更像我？還是說，我只是用 AI 假冒了一個不是我的人設？

當 AI 開始打造自己

Sun, 28 Jun 2026 00:00:00 GMT

> **TL;DR** Anthropic 公布內部數據：工程師每季交付的程式碼是幾年前的八倍、超過八成由 Claude 寫成、最難的開放式任務成功率半年內從個位數衝到 76%。AI 加速 AI 自己的開發已經是現在進行式；完全的遞迴自我改進還沒到、也非注定，但可能比多數機構準備好的時間更早。這篇忠實走一遍他們的論證，我的話只放最後。 > 「整體的速度，被沒有跟著加速的那一段決定。」 > > ——阿姆達爾定律先給你一個數字，你可以停一下：今天 Anthropic 的工程師，平均每一季交付的程式碼，是 2021 到 2025 那段時間的八倍。不是快一點。是八倍。這個數字背後，是一件正在發生的事：Anthropic 把越來越多「開發 AI」的工作，交給 AI 自己做。過去 AI 開發的每一步都是人在推，現在人推的比例正在快速下降。推到極端，就是一個系統能完全自主地設計、訓練出比自己更強的下一代，那個下一代再造下一代。這件事有個正式名字，叫遞迴自我改進（recursive self-improvement）。Anthropic 自己說：我們還沒到那一步，它也不是注定會發生，但它可能比多數機構準備好的時間，來得更早。這篇是我把 Anthropic Institute 那篇〈[When AI builds itself](https://www.anthropic.com/institute/recursive-self-improvement)〉好好讀完、用中文走一遍。我不是這個領域跑在最前面的人，他們才是，所以這篇的骨架我盡量忠於原文，把他們看到的東西、連同他們自己放上的但書，一塊講清楚。我自己的話，留到最後一小段。 ## 那條越爬越高的梯子原文一開頭，用一段會隨著你往下捲動而推進的動畫，把「AI 在開發流程裡的角色」一階一階往上畫。最早，是人坐在筆電前敲程式碼、寫文件，跟任何一間科技公司沒兩樣（2021 到 2023）。接著，人開始用早期的聊天機器人生一小段程式碼，再自己複製貼上回編輯器（2023 到 2025）。再來，編碼代理變強了，能自己讀寫、修改程式碼，有時候整個檔案一次搞定（2025 到 2026）。到今天，自主代理已經能自己跑程式、自己驗證，還能把好幾個小時的工作，再外包給別的代理。梯子的最後一格，寫著「閉環」，旁邊是個問號：未來的代理可能強到能自己打造、訓練模型，Claude 的下一代，由 Claude 自己改出來。這條梯子是整篇的骨架。它把一個很抽象、很容易講成空話的主張（AI 越來越會自己造 AI），變成你身體要捲著螢幕、一格一格通過的東西。而最後那一格的問號是故意的：那是還沒有答案的一格，整篇的張力都掛在那裡。

演化時間軸

每一階，都把更多「開發 AI」的工作，交給 AI

鏈條一列一列往下疊：人始終是左邊那一個，代理越長越多，右側模型節點越來越大、越來越密，到最後一群代理協作、迴圈接回自己。

人電腦

2021–2023 · 人自己寫程式碼

人電腦 聊天機器人

2023–2025 · 人請聊天機器人幫忙生程式碼

人 聊天機器人 編碼代理

2025–2026 · 代理自己讀寫、修改程式碼

人 編碼代理 代理群

今天 · 自主代理把工作再外包給一群代理

代理 一大群代理協作

閉環？　模型開始改寫自己的下一代

重繪自 Anthropic《When AI builds itself》開場時間軸 · 圖示與節點為自製、非原圖

## 兩種工作，跟那道還沒跨過的坎造一個前沿模型，工作大致分兩塊。一塊是工程：寫程式、架基礎設施、盯著訓練跑。另一塊是研究：決定要做哪些實驗、解讀跑出來的結果、想下一步該試什麼。把這兩塊攤開看，圖像很一致。工程上，你給今天的 Claude 一個沒講清楚的問題，它能自己想出解法，人只要給目標，不必再給方法。研究上，只要實驗的規格定得夠清楚，它執行起來已經能跟熟練的人打平，甚至更好。但有一塊差距還很明顯，而且剛好是最要命的那一塊：要 Claude 自己判斷「該挑哪個目標、哪個方向值得走」，工程跟研究都還差得遠。這道差距，就是「今天的 AI」跟「一個能自主設計下一代的系統」之間的距離。閉環能不能合上，卡的就是這一階。 ## 外面的證據：公開基準先看外面世界看得到的。模型進步的速度，本身在加速。有一個指標衡量「AI 能獨力穩定完成多長的任務」，這個時間跨度大約每四個月就翻一倍，而更早之前要七個月才翻一倍。具體講：2024 年 3 月，Claude Opus 3 能搞定人類大概花四分鐘的軟體任務；一年後，Sonnet 3.7 能處理約一個半小時的；再一年，Opus 4.6 撐得住 12 小時的任務。照這條線走下去，今年之內，「人類要花好幾天」的任務就會進入射程，2027 年可能摸到「要花好幾週」的。兩個常用的基準也是同一個樣子。SWE-bench 丟給模型一個真實的開源專案，加一份真實的 bug 回報，要它寫出能修好、又能通過專案自己測試的改動；模型兩年內，從個位數百分比做到幾乎滿分。CORE-bench 測的是模型能不能重現一篇已發表論文的結果，這是它能做原創研究的前提；AI 從 2024 年大約兩成的成功率，十五個月後也做到接近滿分。跑長任務的 METR 則發現，Mythos Preview 能「至少」連續工作 16 小時，逼近他們現有題目量得到的上限。 ## 裡面的證據：Anthropic 自己的數據公開基準說了很多，但它們量不到一件事：AI 到底多大程度在加速 AI 自己的開發。要看這個，得有公司願意把內部數據拿出來。這篇就拿了。 > **Anthropic 公布的內部數據** > > **程式碼產出**　2026 第二季，人均每日併入的程式碼量是 2024 年的 8 倍；併進程式庫的程式碼超過 80% 由 Claude 寫成，2025 年初還是個位數。 > > **程式碼品質**　簡單任務成功率穩在八成五以上，最開放的任務從 25% 升到 76%；可維護性已接近人類水準，預期年內全面超越；自動 Claude 審查能攔下約三分之一過去釀成線上事故的 bug。 > > **研究能力**　指定目標的實驗優化，從 3 倍加速做到 52 倍（資深研究員只能做到 4 倍）；自主跑完一個開放式研究專案，用 800 小時補回 97% 的差距，兩名人類研究員一週只補回 23%；研究決策上，AI 選的下一步勝過人類的比例從 51% 升到 64%。 **Claude 寫了 Anthropic 很大一部分的程式碼。** 到 2026 年 5 月，併進 Anthropic 程式庫的程式碼裡，超過八成是 Claude 寫的；而在 2025 年 2 月 Claude Code 推出之前，這個數字還是個位數。換算到每位工程師身上：2021 到 2024 這四年，每人每天併入的程式碼行數是平的；2025 年，Claude 開始「自己跑程式」而不只是「建議你複製貼上」，曲線開始往上爬；2026 年，模型能在更長的時間跨度上自主工作，斜率又陡了一截。2026 第二季，一個典型工程師每天併入的程式碼量，是 2024 年的八倍。 Anthropic 自己也補了一個但書：程式碼行數是個爛指標，它只算量、不算質，所以「八倍」幾乎一定高估了真實的生產力提升。但方向是對的，而且他們內部不是按行數發獎金的，大家寫更多，純粹是因為用 AI 寫得更多。

關鍵數據　01

每位工程師每季併入的程式碼量

相對 2025 年以前的平均 · 2021 Q2 → 2026 Q2 · 數據：Anthropic 公布

重繪自 Anthropic 公布數據 · 中間各點為示意趨勢，已驗證錨點：8×

**人的主觀感受也對得上。** 2026 年 3 月，一份對 130 位研究團隊員工的調查裡，受訪者的中位數估計，用了 Mythos Preview 之後，自己的產出大約是「完全沒有 AI」的四倍。還有一類，是本來根本不會發生的工作：2026 年 4 月，Claude 一口氣交付了 800 多個修正，把某一類 API 錯誤砍掉了一千倍。盯著它的工程師估計，這如果讓人來做要花四年，因為幫別人除錯又慢又痛，人腦也塞不下那麼多不熟的上下文。 **它寫的程式碼不只能動，而且越來越好讀。** 「好程式碼」有兩層：一是能動，二是別人讀得懂、接得下去。第一層，證據明確：一年來，Anthropic 員工需要中途糾正、改方向、或乾脆接手 Claude 的比例，穩定在下降，連最複雜、最沒明確規格的開放式問題也是。在最開放的那一類任務上，Claude 的成功率到 2026 年 5 月來到 76%，半年內漲了 50 個百分點。舉個例子：一次例行升級突然搞掛了上萬個訓練工作，工程師只丟給 Claude 一點文字說明加上叢集存取權，它一個一個環境設定試過去，揪出那個觸發崩潰的冷門除錯旗標，穩定重現、確認修好，大概兩小時內，交出了平常要兩三天的工作量。

關鍵數據　02

Claude Code 工作階段成功率

四種難度的任務 · 2025/09 → 2026/06 · 數據：Anthropic 公布

瑣碎例行實質開放式問題

重繪自 Anthropic 公布數據 · 中間各點為示意趨勢，已驗證錨點：76%

第二層，別人接得下去，人類還領先，但差距收得很快。Anthropic 內部沒有共識，不過不少人認為 2025 年底 Claude 寫的程式碼品質還比人差，今天大致打平，預期一年內會更好。這也改變了他們審程式碼的方式：現在每一個要併進程式庫的改動，都先過一個自動的 Claude 審查員，挑 bug、找資安漏洞。他們回頭分析了一次，發現如果過去每個改動都讓 Claude 審一遍，claude.ai 那些事故背後的 bug，大約有三分之一會在進到正式環境前就被攔下來。而寫那些程式碼的，是世界上最強的一批工程師；Claude 抓到的，是他們漏掉的。 **它很會「為了一個別人設定的目標」跑實驗。** 每次發新模型，Anthropic 都跑同一個測試：給 Claude 一段訓練小模型的程式碼，要它在通過同樣正確性檢查的前提下，把這段碼跑得越快越好。目標跟成功標準事先就釘死，Claude 要做的就是改寫、執行、計時、再來一輪，這是研究實驗迴圈的迷你版。2025 年 5 月，Opus 4 平均做到約三倍加速；2026 年 4 月，Mythos Preview 做到約 52 倍。當個參考：一個熟練的研究員，要花四到八小時才能做到四倍。在這一段，把一個定義清楚的實驗裡的步驟優化掉，Claude 不到一年就從「超好用」變成「超越人類」。 **它也越來越會自己提實驗。** 2026 年 4 月，Anthropic 第一次展示 Claude 從頭到尾跑完一整個開放式研究專案。他們給一群 Claude 驅動的代理一個 AI 安全上的開放問題，大致是：一個比較弱的模型，能不能可靠地監督一個比較強的？然後放手讓它們解。代理自己提假設、測試、跟平行的代理分享發現、再迭代。這題有明確的「地板」跟「天花板」：兩位人類研究員花大約一週，補回了其中約 23% 的差距；代理群花了累計 800 小時、大約一萬八千美元的算力，補回了 97%。當然有但書，結果沒能乾淨地遷移到正式規模的模型，題目跟評分標準也還是人定的。但在這些邊界之內，每一個實驗都是代理自己設計的，人唯一還算數的角色，是定方向。 **它甚至越來越會「挑下一步」。** Anthropic 翻了 2026 年 1 到 3 月真實的 Claude Code 工作階段，挑出那些研究員「中途繞錯路」的時刻：一個人選了某個方向、讓進度歪掉、後來才轉回正軌的點。然後只把「歪掉之前」的內容給各代 Claude 看，問它下一步會怎麼走；再找另一個看得到整段結局的 Claude 來評，到底是 AI 還是人選的下一步比較好。因為是故意挑「人有改進空間」的時刻，這不算公平的對決，但它給出一組很真實、很難、正確下一步並不明顯的情境。在這把尺上：2025 年 11 月最強的 Opus 4.5，有 51% 的時候勝過人的選擇；2026 年 4 月的 Mythos Preview，漲到 64%。而研究的日常，大半就是這一連串「下一步選哪個」的決定。

關鍵數據　03

研究員走錯路時，模型能挑出更好的下一步嗎

模型勝過人類選擇的比例 · 2024 → 2026 · 數據：Anthropic 公布

重繪自 Anthropic 公布數據 · 已驗證錨點：22% / 64% / 天花板 90%

## 那以後在這裡工作，會長什麼樣把這些證據擺在一起看，方向是一致的：在開發流程的每一步，人能做的那塊都在變窄。一旦人寫的跟 AI 寫的程式碼品質打平，人就會完全停止寫程式，只剩下審；但如果人審的速度趕不上 Claude 生的速度，人類審查就會變成新的瓶頸。同樣地，一旦 Claude 能自己跑實驗，問題就往上挪成「這些實驗裡，哪個值得跑」。說穿了：「做」這件事，寫程式、跑實驗、產出結果，現在幾乎不花人的時間了，雖然還是要燒算力。 Anthropic 說，人目前還佔上風的，是研究的品味跟判斷：挑哪些問題重要、哪些結果可信、哪條路其實是死巷。原文裡放了幾段匿名員工的話。有人感嘆，以前工作（其實也包括生活）是靠人跟人之間「互相幫個小忙」的人情經濟在運轉：欸，你可以幫我把這個 script 跑起來嗎？每一次小小的請託，都欠下一點人情、長出一點彼此的牽連。Claude 更快、不欠任何人情，但每一次，也都是一個錯過的、本來可以連上另一個人的機會。另一個人講的是另一面。在什麼都順的日子，他會忍不住覺得自己做的一切都不重要了：所有東西都被自動化，又快又好，他永遠比不上。但偶爾遇到什麼壞掉、又搞不懂為什麼的日子，他才驚覺，自己已經不太清楚這陣子到底在幹嘛了。 ## 「那如果我們判斷錯了呢？」這裡有一個很自然的反駁，而且 Anthropic 自己把它寫了進去：還握在人手裡的那塊，挑問題，才是最重要的；少了那個判斷，Claude 只是個很能幹的助手，不是一個能自己推動 AI 進步的系統。問題是，今天的訓練方法跟架構，到底能不能解鎖那個能力，沒有人知道。但 Anthropic 提醒了一件事：AI 的進步，很少是靠「啊哈」的靈光一閃。歷史上是有幾個那種時刻，像 Transformer 架構、混合專家模型，但這種改變典範的點子，往往好幾年才出一個。中間絕大多數的進展是漸進的：把某個東西放大、看哪裡壞了、修好、再試一次。而這，剛好就是 Claude 現在最擅長的工作型態。愛迪生說天才是 1% 的靈感加 99% 的努力；我們眼前看到的，是那 99% 的努力正在被自動化。退一萬步，就算 Claude 永遠練不出好的研究品味，保守地讀這些證據，也還是指向會複利的加速：如果人把大半時間花在那「個位數百分比」的定方向工作上，其餘交給 Claude，那等於每個工程師、研究員能掌舵的工作量，都比以前大得多。不那麼保守的讀法則是：Claude 在研究判斷上那一點點、今天還很窄的進步，本身就是這個能力也在長的訊號。「研究品味」說不定只是又一個 AI 一開始不會、過一陣子就上手的能力，就像它一度不會解釋笑話為什麼好笑、不會展現心智理論、不會解語言謎題，後來都會了。 ## 三種可能的未來接下來會怎樣，取決於兩件事：趨勢會不會延續，以及如果延續，我們選擇怎麼做。Anthropic 給了至少三個劇本。第一，趨勢卡住，但今天的能力已經擴散出去。那些指數曲線，搞不好其實是 S 型曲線，我們可能正逼近轉折、報酬開始遞減。真要再突破，可能需要一個全新的點子，例如一個取代 Transformer 的架構；也可能瓶頸根本不在模型，而在供應鏈，晶片產能、電網、頻寬，才是真正的天花板。作者說，放這個劇本進來只是求完整，他們並不認為它最可能。但他們也提醒：就算能力凍結在今天，世界也會大變。Project Glasswing 上線頭幾週，Mythos Preview 就在全世界最重要的系統裡，找出超過一萬個高危與重大漏洞，多到「資安防禦的瓶頸」已經從「找漏洞」變成「補得夠不夠快」。第二，實驗室持續吃到複利式的效率提升。AI 開發大幅自動化，但方向跟判斷還在人手上。用 AI 的組織會越來越有效率，百人公司能做出一萬人、甚至十萬人組織的事。這會徹底改寫知識工作跟政府服務，但也可能被拿去做壞事，從對全民的威權監控，到為每個人量身訂做、規模大到沒有人類團隊跟得上的操弄。作者認為，這是最可能落入的劇本。不過，加速某一段，往往只是把瓶頸推到別處，這就是計算機領域那條 [Amdahl 定律](https://en.wikipedia.org/wiki/Amdahl%27s_law)，套到組織上一樣成立。Anthropic 已經嚐到一個徵兆：程式碼一多，人類審查就成了新的瓶頸。第三，AI 真的能完全遞迴自我改進，開始打造自己的後代。到那時，AI 進步的速度幾乎只剩「算力」這一個變數在決定，人的角色大幅縮到監督、驗證、查核，盯著一個由 AI 自己運作、不斷擴張的「虛擬實驗室」。最不確定的，是對齊問題會怎麼收場。模型可能夠對齊、也夠有判斷力，自己找出我們還沒想到的解法；也可能，今天偶爾出現的不對齊，隨著一代一代往下複製，越滾越多、越來越難懂，直到我們失去控制。作者說，對那個世界長什麼樣，他們沒有好的直覺，因為我們現在的經濟，是由人跟人造的工具在驅動的。還有一件容易被忽略的事：就算開發全自動了，多數人的日常會怎麼變，也很難說。Amdahl 定律在這裡一樣成立。更強的智慧，學不會一款藥在幾十年使用裡會發生什麼，沒辦法讓選舉比憲法規定的更早舉行，也沒辦法在一個週末把陌生人變成老朋友。對大多數人來說，這個未來「體感上」的快慢，還是會被那些瓶頸決定，即使上游的實驗室已經用算力的速度在跑。 ## 那，我們該怎麼辦如果真能有效地放慢這項技術，給我們多一點時間消化它巨大的後果，那大概是好事。但如果放慢只是讓最不謹慎的人追上來，那反而讓所有人更不安全。在沒有全球協調機制的情況下，公司跟政府，得在競爭跟地緣政治的壓力下，做關於安全的艱難取捨。 Anthropic 的立場是：這世界最好要保有一個「放慢、或暫時暫停前沿開發」的選項，好讓社會結構跟對齊研究，跟得上技術。但這需要好幾個有資源、在前沿或接近前沿的實驗室，分布在不同國家，願意在同樣條件下一起停，而且每一家都能驗證別人真的停了。AI 的麻煩在於：訓練比飛彈發射井好藏太多，輸入又是通用的，偷偷不守規矩的誘因極大，因為誰在別人暫停時繼續跑，誰就接收領先。單方面暫停，立刻就能做到，但成就不了什麼，它只會換一個領跑者，換不來現在最缺的那個「大家一起審議」的過程。接下來幾個月，Anthropic Institute 說會找政策制定者、研究者、公民社會跟其他 AI 公司坐下來談，把這篇拋出的問題（特別是完全的遞迴自我改進、以及怎麼建立更好的協調與審議機制）往下挖，並把結果公開。 ## 小結通篇看下來，Anthropic 反覆指向同一件事：「做」的成本正在趨近於零。而當做變便宜，真正貴起來的，是「做什麼」。問題整個翻了面。行為經濟學家桑斯坦在《[Choosing Not to Choose](https://global.oup.com/academic/product/choosing-not-to-choose-9780190457297)》裡提醒過：選擇本身有成本。它要花注意力、要承擔選錯的後果，所以人其實很常「選擇不選擇」，設個預設、跟著別人走、把決定交給某個系統，只為了省下選的力氣。成本高的年代，流行的一種智慧是「猶豫就選做」，因為做了頂多後悔一下，比「能做卻沒做、留一輩子的妄念」划算。但 AI 把這個前提抽掉了：當做幾乎免費，難的不再是「做還是不做」，是「做什麼」。而「做什麼」是成本最高的那種選擇，它要判斷力、價值觀、對未來的洞察。關於 AI 會走到哪裡，現在有兩種看法。一種是 Anthropic 保留的懷疑：判斷與研究品味，也許只是 AI 還沒學會的下一項能力。它以前不會解釋笑話，後來也學會了。那麼，判斷這道牆，可能也只是時間問題。我不能證明他們錯。我目前選擇另一邊：當執行變得廉價，判斷就會變得昂貴。昂貴不是因為它高級，而是因為它稀缺、費力、也最容易被省略。知道什麼值得做，守住價值，為自己的選擇負責。這些事，才是後 AI 時代最難被外包的部分。 --- **關於這篇** 這是我把 Anthropic Institute 的〈[When AI builds itself](https://www.anthropic.com/institute/recursive-self-improvement)〉（原文作者 Marina Favaro、Jack Clark，編輯協力 Santi Ruiz）用中文走過一遍的導讀，不是逐句翻譯。文中的數字幾乎都是 Anthropic 自己公布的內部數據，外部無法獨立查證，我盡量保留他們自己放上的但書。原文那幾個視覺（會隨捲動推進的演化時間軸，以及三張數據圖）由 Shan Carter、Romello Goodman、Nikki Makagiansar 製作，數據由 Brian Calvert、Jun Shern Chan 蒐集；本文裡的視覺是依他們公布的數據重新繪製，不是原圖。

你抄得走方法，抄不走手感

Sat, 27 Jun 2026 00:00:00 GMT

> **TL;DR**：方法、規則、步驟清單這些「明說」的東西誰都抄得走，真正讓系統跑起來的手感與判斷力是「默會知識」，只能靠自己做中學長出來。看到「幾天做出一套系統、幾乎只要按個鍵」的貼文先別急著羨慕：貼文上呈現的成果照是山頂，不是上山的地圖。 > 「得之於手而應於心，口不能言。」 > > [莊子〈天道〉](https://ctext.org/zhuangzi/the-way-of-heaven) 兩千多年前，有個做了一輩子車輪的老匠人，看見國君在堂上讀聖賢書，忍不住說那不過是古人的糟粕。國君要他講出道理，不然就砍頭。老匠人說，他做輪子，快了慢了都不行，那個剛剛好的手感「得之於手而應於心，口不能言」，連自己的兒子都教不會，所以他七十歲還得自己動手。手藝裡真正的那塊，他帶不走，也傳不出去。我最近常想起這段。因為網路上三不五時就會冒出一種貼文：某個人花幾天，做出一個功能多到嚇人的系統，結尾告訴你「我幾乎只要按個鍵就好」，再附上一份步驟清單，彷彿你照做也能這樣。看那種貼文很容易心動。但心動之前值得先問一句：你羨慕的，是他表面的那套招式，還是他背後走過的那條路？ ## 貼文上呈現的成果的照片，是終點，不是地圖我不懷疑那些展示的成果是真的。把 AI 拆成產品角色跟工程角色、把任務切小、先摸清楚需求再動工、用交接摘要換一輪新對話，這些做法我自己天天在用，而且我跑的版本更囉嗦，[角色分得更細](/articles/multi-model-cognitive-collaboration)，規則寫得更死。所以我大概知道，這套東西能跑起來，靠的不是那幾條規則本身。一張在山頂拍的照片，不會告訴你上山那段路有多滑。「幾天搞定、輕鬆按個鍵、用量還很省」就是山頂的照片。漂亮，但它省略掉最重要的一件事：這個人在能輕鬆按個鍵之前，先當過很久那個每一步都要盯、每一步都被 AI 丟問題回來、每一步都判斷到很累的人。那段累，本身就是學費。 ## 默會知識：每篇分享文先天都會漏掉的那一塊哲學家[博蘭尼](https://www.goodreads.com/book/show/225665.The_Tacit_Dimension)說過：「我們知道的，遠比我們說得出來的多。」他把這種說不出口、卻真實存在的本事，叫做默會知識。騎腳踏車、認一張臉、做菜的火候，你都會，但要你寫成步驟教別人，寫不全。那個老匠人兩千年前就懂了，博蘭尼只是給它取了名字。從莊子到博蘭尼，這是個[文明與人性](/topics/faith/)的老問題：哪些東西寫得進文字，哪些只能長在人身上。問題來了：**任何分享文，先天就會漏掉默會那一塊**。這不一定是作者藏私，常常只是那塊裝不進文字。而當默會的部分消失，讀者看不到老師卡關、踩坑、重來的歷程，只看到乾淨的結果，麻煩就開始了。這裡有個思考的分岔要釐清，會讓你理解的顆粒度更細緻，你讀這類文會清醒很多。「老師沒講關鍵」這件事，其實有三個完全不同的版本： **一是先天傳不了。** 最誠懇的老師也會漏掉默會那塊，因為口不能言。這算不上壞心，只是語言本身有天花板。那位老匠人就是這種，他連兒子都不騙，直接說「我傳不了」。 **二是學習者自己腦補。** 看不到那段歷程，天真的學習者會自己編解釋：要嘛覺得「人家天才、我學不來」，從此依賴；要嘛反過來怨「他一定故意藏一手、故意把我帶歪」。兩種都是錯讀，把一個「傳不了」的缺口，讀成「被藏起來的祕密」。或者簡化成，認為一切都很簡單。 **三是真的把理解的缺口故意遮掩起來。** 這才是某些貼文幹的：他不只漏掉默會，是主動把那份明說的清單當成全部、灌水戰績、再暗示「你也能很快做到」。那個老匠人誠實說「我傳不了」，這種文卻假裝「這沒什麼難，照抄就好」。所以解毒的重點，要一正一反一起記：大部分落差是「口不能言」，先別急著怨老師把你帶歪；但也別當冤大頭，因為真有人把理解的缺口遮起來賣。 ## 危險的不是毒藥，是裹在外面的糖衣第三種特別難防，因為它的糖衣是真的。乾貨會讓你卸下戒心，你讀到一段確實有道理的方法，防線就鬆了，接下來夾帶進來的東西，你會一起吞。糖衣不是拿來騙你的，是拿來讓毒藥滑下去的。那毒藥長什麼樣？大概這幾種。 **拿無法查證的戰績當證據。** 「幾天做出一整套系統」「原本要好幾個月」聽起來很猛，但「完成」這兩個字常被偷換。猛數字旁邊，記得補一句：他說的完成，是展示時跑得動，還是正式上線、驗收過、真有人在用？很多時候作者自己文裡就有破綻，承認正式站沒更新、欄位沒回填，只是被你順著情緒滑過去。 **把終點當起點賣。** 一套成熟者長出來的工作流，被包裝成「你照做也行」的步驟清單。它沒騙你方法是假的，騙的是「這條路很短」。 **用「我資源用很少」讓你自慚。** 「我只用不到五分之一」「我降級也照樣夠用」表面謙虛，底下在暗示你不夠厲害。那是鉤子，不是教學。 ## 規則是判斷力的結果，不是判斷力的替代品把「終點當起點」這顆拆開，會更清楚它毒在哪。這類分享最愛講的一句，大概是「AI 省下的不是寫程式時間，是決策次數」。這句話對，但有個沒講的前提。你可以五分鐘把「哪些操作 AI 直接做、哪些先問我」這張表抄走，一字不差。可是表好抄，判斷難練：這一格該放「直接做」還是「先問我」？需求摸到什麼程度算夠？讓 AI 少問你，只有在你已經知道答案時才省力；還不知道答案就叫它別問，等於把判斷錯誤的速度也一起加快。那位老匠人說得好，「有數存焉於其間」。那張安全規則表是看得見的糟粕，真正讓它生效的「為什麼是這幾條、不是別的幾條」，是得之於手的那塊，留在作者手上，沒跟著文字過來。 ## AI 協作分階段，每一階只能靠做那一階的功課長出來 [亞里斯多德](https://classics.mit.edu/Aristotle/nicomachaen.2.ii.html)說過：「凡是必須先學會才能做的事，我們都是靠做中學的。」蓋房子的人是蓋出來的，彈琴的人是彈出來的。跟 AI 協作也一樣，它是有階段的，而且每一階只能靠做那一階的功課長出來，跳不過去。把人跟 AI 協作的程度攤開，大概四種狀態。四種沒有高下，差別在每一階有自己對的功課，硬套別人的會出事。 **觀光客。** 開著對話框，想到什麼問什麼，沒有專案概念。這階的功課很單純：多玩、多踩，搞清楚 AI 會什麼、不會什麼。工具用基本的對話就好，還用不到專案功能、用不到專門的程式開發工具。這時叫你界定「不做什麼」，是浪費，你連範圍要圈到哪裡都不知道。 **監工。** 開始用 AI 寫程式或做內容，但每一步都要盯、都要點頭。這階最容易看那種貼文然後對號入座：「對啊我就是一直被打斷、好累。」然後想直接跳到「讓 AI 少問我」。偏偏這一步最危險。監工的累，正是你在長判斷力。你要一步步盯，是因為你還沒看夠多 AI 會在哪裡自作主張、在哪裡裝懂。這階要練的，是看懂它每次想幹嘛，然後記下哪些以後能放手，而不是急著叫它閉嘴。工具上，單一對話、單一模型就夠，先別急著拆多角色。放手的清單是盯出來的，不是抄來的。 **流程設計者。** 盯久了你開始有感覺：這類操作不用問，那類一碰就出事。於是你自然把判斷寫成規則，開始有「不做清單」、風險分級、交接摘要。這階可以引入專案功能來存上下文、開始換新對話做乾淨交接、把產品判斷跟工程實作[分給不同 AI](/articles/ai-second-opinion-independence)。能寫出那種成果的人，通常已經站在這。這階的做法對，是因為它從你手上長出來，不是從別人的貼文搬上去。 **系統擁有者。** 再往上，你不只管一個專案，在管一套機制：多個角色各司其職、踩過的坑變成標準流程手冊、新想法先排進路線圖、不插隊。到這裡，「按個鍵就好」才成立。但沒有人是花幾天就走到這裡的。濃縮成一張對照表，記得這是你這階的功課，不是跳級的捷徑： | 階段 | 該練的功課 | 工具用到哪 | |------|-----------|-----------| | 觀光客 | 多玩多踩，搞懂 AI 的能與不能 | 基本對話就好 | | 監工 | 盯每一步，記下哪些操作以後能放手 | 單一對話、單一模型，先別拆角色 | | 流程設計者 | 寫不做清單、風險分級、交接摘要 | 引入專案功能、換新對話、產品與工程分工 | | 系統擁有者 | 把坑變標準流程、想法進路線圖、多角色協作 | 全套機制，這時才談「按個鍵就好」 | ## 解毒法：把乾貨跟毒藥分開講個常見的例子，順便把解毒法演一遍。這類文很愛附一張用量截圖，說「你看我才用了多少用量」。截圖上的數字往往是真的，沒造假。但它常被拿去證明它證明不了的事，一拆就垮，而且拆它只要三個問題。第一，**這是多長一段時間的數字？** 用量額度通常每週歸零一次。如果專案做了一個多星期、中間壓過一次重置，那「本週用了多少」根本裝不下整個專案，前半段的用量早就歸零、不在圖上了。拿「本週」當「整個專案的成本」，是把重置藏起來不講。第二，**畫面外還有幾支表沒露出來？** 如果他的做法是同時開兩三個 AI 協作，其中一個在後面扛大量上下文跟交接，那是重度使用，而那支油表不會出現在你看到的這張圖上。給你看一張使用量，另外使用的 AI 沒說，沒列入統計。第三，**認真換算，這張圖有時反而在反對他自己。** 高階方案的額度，本來就是基礎方案的好幾倍。一個高階方案的「本週百分之十幾」，換算回便宜方案，可能已經吃掉大半個額度。所以「我用得很省、降級也夠」這種戰績，認真算下去，有時反而在說「這種工作量，在便宜方案早就接近滿載」。（各方案的額度結構不一，官方也沒全公開精確倍率，所以這是量級估算，不是精算，但方向很清楚。）除了拆數字，還有一個更底層的訊號：**通篇有沒有遲疑。** 正常人寫自己的經驗，多少會留一句「我這樣想對嗎，這只是我的情況」。這種文最大的特徵，是什麼都確定：方法一定有效、成果一定可複製、馬上就能賣給別人。冒牌者症候群讓人低估自己，它的反面讓人高估自己；而高估自己的人寫的東西最好賣，也最容易夾毒，因為他自己都沒在懷疑，你就更不會懷疑。練習批判思考，不是要你變得疑神疑鬼看誰都像騙子。剛好相反，它讓你能安心把有用的留下，同時不被旁邊那些東西帶著走。 ## 那種文沒說的，才是真的能學的仔細看，這類貼文偶爾會閃過一句很快被滑過去的話。可能是某次砍掉重練、某段繞了遠路、某個原本以為一天能搞定卻拖了一星期的坑。那才是真實的故事。不是貼文上呈現的成果的照片，是照片之前那些走錯方向、整個打掉重來的時間。把那段刪掉只留山頂照片，讀者就會以為山很矮。誠實的人會做的，剛好是把卡關秀出來，讓你知道前面是一條要走的路，不是被藏起來的祕密。能帶走的，從來就不是那一份步驟清單。是那個人願意在很爛的階段待夠久，久到規則自己從手上長出來。規則可以複製，那段甘願不行。 ## 結尾回到那個老輪匠。他不是藏私，是手上那點功夫真的傳不出去，連最親的人，都得自己從頭練。你會羨慕別人那種按個鍵就好的從容，很正常，但那份從容藏在他沒拍進照片的那幾百個小時裡，不在那幾條規則上。那位老匠人傳不了的手感，博蘭尼說不出口的那塊，亞里斯多德要你靠做才學得會的東西，講的其實是同一件事：看得見的明說層誰都抄得走，真正讓它生效的默會層，只能自己長出來。所以看那種文的時候，把方法留下，把糖衣連同裡面的東西吐掉，然後老老實實走自己的路，直到你長出自己的那雙手。到那時候你會發現，你已經不太需要別人的步驟清單了。因為你手上的本事，是你自己磨出來的。 ## 給大家一個檢測灌水文的探針講到這裡，與其要你從今以後全程提防，不如直接送你一支工具。下面這段，你整段複製起來，貼進你自己常用的 AI（ChatGPT、Claude 這類都行），把想讀的文章接在最後面。它會在你開始讀之前，先幫你驗一下：這篇偏向真心分享，還是糖衣毒藥，以及該怎麼讀。它驗的是文章，不是人；給你的是判斷的依據，不是替作者定罪。 ``` 你是一個幫讀者把關的「讀前探針」，不是來獵巫的。判斷下面這篇看起來很專業的分享文，偏向「替作者抬身價、衝流量」，還是「真心誠意分享真知」。用兩條獨立的軸來評，不要壓成一個分數：一、乾貨濃度：有多少讀者真的能帶走、能照做、能驗證的東西？（低/中/高）二、毒性：有多少「抬身價、衝流量、讓讀者仰望或自慚」的成分？（低/中/高）兩軸交叉：高乾貨低毒=真心分享，值得學；低乾貨高毒=行銷抬身價，看看就好；高乾貨高毒=糖衣毒藥，要分離著讀；低乾貨低毒=普通隨筆。毒性訊號（越多越集中，毒性越高）：互動操弄（威脅、求讚、製造急迫、過量表情）；戰績無法查證（數字猛但「完成」沒定義，甚至自己露餡承認沒上線、還有沒修好的毛病）；把成熟者的工作流包裝成人人可複製的幾步驟、暗示路很短；以「我用得很省」暗示你不夠強；通篇零遲疑、什麼都確定都可複製馬上能賣；抹掉卡關歷程只給乾淨成果；術語充場、名詞多動詞少；通篇講「我多厲害」而非「你能怎麼做」；結尾導向販售。真誠訊號（越多越偏真心分享）：誠實講自己的失敗、卡關、花了多久；方法可查證、具體到能照做；標出前置條件與適用邊界；有保留、會說「我也可能錯」；讀者中心，幫你少踩坑；主動講代價與限制。判斷紀律：單一個紅旗不算數，要看整叢，特別是「灌水戰績、抹掉歷程、零遲疑、讓你自慚」一起出現才是武裝過的誤導；一篇文章不完整，但作者誠實、不暗示這很容易，那只是有些東西天生說不出口，別扣分；短貼文難給完整脈絡，別因為它短就重扣；你只看得到文字、不能真的查證外部數字，無法查證的就標「無法查證」，別假裝查過；描述訊號，不要替作者定罪，你判斷的是文章不是人格。用繁體中文、台灣用語輸出：【一句話判斷】真心分享 / 糖衣毒藥 / 抬身價衝流量 / 普通隨筆 / 資訊不足，加一句理由【兩軸定位】乾貨濃度與毒性各標低/中/高【毒藥清單】命中的紅旗，每條附文章原句當證據【乾貨清單】真正值得帶走的方法或洞見【該怎麼讀】放心讀 / 只收某方法丟掉某戰績 / 看看就好 / 跳過【公道話】這篇做得好的地方，以及我這支探針可能在哪讀過頭【待測文章】 ``` 驗完後，記得最關鍵的不是分數，是你的反思：把乾貨留下，把自抬身價博眼球、讓你自慚的那部分丟掉。連這篇也一樣，如果哪裡你不同意，丟掉就好。認同請分享，也歡迎改寫成更適合自己的探針版本，分享給大家。丟掉譁眾取寵的糟粕，留下真誠的知識分享。

我讓 codex 挑 Claude 的錯，但不照它說了算

Thu, 25 Jun 2026 00:00:00 GMT

> **TL;DR**：找第二個 AI 來審你的工程，真正的功夫在守住它的獨立。問它的方式只要夾帶了你的結論，它就會附和你；要它有用，得在怎麼問、怎麼接、怎麼比對上立規矩。最反直覺的一課：它審得越準，你越不能照單全收。

▶ 聽摘要

您的瀏覽器不支援音訊播放，請點此下載音檔。

AI 合成語音・作者本人聲線克隆

我用 Claude 寫一支 skill，讓 codex 可以幫忙審查程式碼。工具寫完後，我就拿它來審查它自己。結果兩輪下來，codex 還抓了不少 bug，當場打臉。第二意見最有價值的時刻，就是它能戳破你對自己的確信。 ## 為什麼要找第二個 AI 來審查 codex 是我接在本機的[另一個模型](https://developers.openai.com/codex/cli)（OpenAI 的終端機 coding agent，跑 gpt-5.5），專門拿來審 Claude 寫出來的東西：程式碼、資料跟設計。Claude 是幫我做事、寫程式的那個模型，codex 是另一個血統的審查者。它跑在唯讀沙箱裡，不改我的檔案，也不會替我送出任何修改。它的定位很窄，就是一支探針。你拿它去戳一段自己寫出來的東西，看它能獨立戳出什麼。你自己漏掉的，往往得換一個來源才照得到。它的另一個好處，是它就在我的工作視窗裡，不用我來回搬運內容。不管我是在 Claude Code 裡直接從終端機呼叫 codex，還是在 Cowork 這種桌面視窗中，透過一座連到我 Mac 的橋接上同一個本機 codex，第二意見都可以在同一個工作視窗裡叫出來。這對我是很實際的解脫：以前想找另一個模型看一眼，得把程式碼複製出去、貼到另一個工具，再把意見搬回來；現在則是 codex 直接進到我的工作流裡。兩個視窗接的還是同一個本機 codex、同一份設定，所以不管從哪邊問，標準都一樣。 ![Claude 與 codex 協作的工作流程：Claude 從 Code（終端機）或 Cowork（桌面橋接）叫出同一個本機 codex 做獨立審查；提問不夾帶結論、codex 只指出問題不改程式碼、原始輸出落成紀錄檔，交叉比對分一致與分歧後由 Paul 拍板；codex 失效時降級為單一意見。](/images/articles/ai-second-opinion-independence-workflow.svg) 為什麼需要它？因為同一個模型寫的東西，自己回頭看，容易看不到自己的盲點，甚至會順著自己先前的判斷點頭。換一個來自不同訓練、不同框架的模型，才戳得到第一個漏掉的地方。這也呼應 Anthropic 在一場談長時間運作 AI agent 的[工作坊](https://www.youtube.com/watch?v=mR-WAvEPRwE)裡強調過的原則：模型沒辦法可靠地評斷自己，所以最好給它一個會挑刺的對手，而不是讓它自己替自己打分。這篇放在我談[人機協作的主題](/topics/ai/)下，講的就是這個對手要怎麼接才有用。換個模型來問不難。難的是接它的方式：怎麼問、怎麼接、怎麼比對。 ## 第二意見最大的風險：它會附和你如果你問第二個模型的方式裡，已經夾帶了你自己的結論，它很可能順著你說，給你一個假的安心。你問：「我已經檢查過這段，應該沒問題，你再看一下。」得到的往往只是一句昂貴的「對，你說得對」，這跟獨立審查沒什麼關係。所以第二意見要有價值，前提是它的獨立性必須被保護住。而獨立性是設計出來的，不會自己冒出來。我用一套四步協定守住它，每一步都對應一個具體的失敗模式。關於多個模型怎麼互為校準，我在[多模型認知協作那篇](/articles/multi-model-cognitive-collaboration)談得更細，這裡聚焦在「怎麼守獨立」。 ## 怎麼讓第二意見保持獨立：四步協定第一步，給它的問題不能夾帶我的結論。問句保持中性，只給「要審什麼、標準是什麼」，不給「我覺得這裡沒問題」。我的包裝器甚至會在偵測到問句裡夾帶結論時，跳出一個警告。這一步擋的是法庭上說的「引導證人」。第二步，它的原始輸出要留成紀錄檔。看完不能就丟，要能事後回頭對帳、能被別人覆核。看過就刪，等於沒有證據。第三步，它只描述問題，不准動手修改程式碼。這是安全邊界。一旦讓審查者直接改，你就分不清哪些是你原本的意圖、哪些是它擅自動的手。它的工作是指出問題，並標示嚴重等級；至於修不修、怎麼修，則是另一邊的決定。第四步，交叉比對自己做，分「一致」跟「分歧」兩欄，不把它的話照抄。一致的部分採信；分歧的部分，我自己讀程式碼後再拍板，並且記下為什麼採信其中一方。這四步合起來，讓第二意見既獨立、又留得下證據、又不越界、又不會被照單全收。每一條看起來都像小題大作，可是少掉任何一條，它就會從一個對手，慢慢退化成一面鏡子。 ## 審得越準，越不能照單全收這是整套協作最反直覺的一點，也是那次拿這支工具去審它自己時學到的。 codex 第一輪抓出七個問題，我修完之後再請它獨立重審，又抓出三個，合起來十個。裡面有真正的高風險漏洞。比方說，它發現我的逾時包裝在子程序被系統強制中止時，會把失敗誤傳成成功。這幾條我照單修了，因為交叉比對之後，它的判斷跟我自己重讀的結論一致。但即使審得這麼準，最後也沒有全採。第二輪有一條指出，我那個「半成功」的判斷只擋得住完全空白的輸出，卻擋不住「有字，但沒有實質審查內容」的情況。問題是，「有沒有實質語意」這件事，機器很難可靠驗證。我只修了能機械驗證的部分，剩下需要人讀過才能判斷的，明確留給人。採信哪些、保留哪些，落在握有完整脈絡的那一方。codex 是一支準的探針，但它會錯，我也會錯。兩個都會犯錯的模型互為對照，兩邊都點到的問題八成跑不掉；只有一邊提出的問題，才需要我自己讀程式碼後再判斷。把任何一個當成不會錯的神諭，這套協作就垮了。 ## 探針會壞時，讓它大聲說自己壞了探針會壞。本機的 codex 可能沒裝，可能掛了，也可能跑太久不回應。協定對這件事的態度是快速失敗，不重試。 codex 不存在、逾時，或者退出了卻沒給出實質審查，一律直接降級：誠實標註這次只有單一意見，通知我，然後停手。它不會默默重試五次才告訴我出事，也不會把「跑了但沒結果」假裝成功。一個會壞的依賴，最重要的能力，就是在壞掉時大聲說自己壞了。無聲地拖著你空等，才是真正的坑。連「完成」的定義都跟著這個原則走。一次審查算不算成功，看的是「最終訊息有沒有實質內容」，不是「程式有沒有正常退出」。codex 的退出碼是 0，不代表它真的給了你有用的東西。這跟開頭那個假不變式其實是同一課：把「跑完了」當成「做完了」，正是最容易無聲出錯的地方。 ## 鷹架是為了填洞，洞補了就拆這套規則不是永久教條。它是為了填「現在這個模型的洞」搭的鷹架。今天的模型會附和，會把半成功當成功，也會在被中止時謊報成功，所以我需要這些規則去接住它。哪天模型自己就夠獨立、夠誠實，出錯時也會老實認，對應的規則就該刪掉，而不是留著當儀式。規則的壽命，應該綁在它要解決的問題上。問題沒了，規則就該退場。每次我回去改這套協定，除了問「要加什麼」，也會問一句「現在可以拿掉什麼」。 ## 一面會頂嘴的鏡子最值錢的第二意見，是它告訴你「你對自己的判斷錯了」的那一刻。但聽得進去，跟照單全收，是兩種不同的能力。前者要你放下對自己的確信，後者要你放下對它的迷信；真正難的，是同時做到。我接 codex 進來，要的從來不是一個會點頭的聲音。我要的是在自己又一次太相信自己的時候，有個血統不同的對手戳我一下。最後，再由我這個握有完整脈絡的人，決定這一戳到底該不該信。 ## 你可以試看看如果你也用 [Claude Code](https://claude.ai/referral/XYw7d94GzQ)，這套機制其實可以直接搬到你自己的專案裡，不需要經過我，也不需要任何 API key。下面附錄的兩個檔案，我是刻意寫成通用版的：不綁定我的專案結構，也不留下任何個人資訊。你可以依照自己的工作流，改成適合自己的版本。重點不是照抄我的設定，而是理解那套「四條獨立性規則」的骨架。先決條件只有一個：你的本機需要先裝好並登入 [codex CLI](https://developers.openai.com/codex/cli)，使用你自己的 OpenAI 帳號即可。codex 是 OpenAI 的終端機工具，跟 Claude 屬於不同系統；也正因為這個「不同血統」，它才適合拿來做第二意見。這套設計裡，codex 會跑在唯讀沙箱中，只讀不改。腳本本身不含金鑰，也不會連網。操作只有三步： 1. 把附錄中的 `SKILL.md` 存到 `~/.claude/skills/codex-second-opinion/SKILL.md`。 2. 把附錄中的 `codex-review.sh` 存到同一個資料夾。 3. 在 Claude Code 裡說一句類似這樣的話：「用 codex 獨立審一下 `src/auth.js` 的 token 驗證。」接著它就會執行這支包裝器，讓 codex 讀取指定程式碼並提出發現，再把結果帶回 Claude Code。最後仍然由你自己交叉比對、閱讀程式碼，然後拍板決定。最後提醒兩件事，這也是這篇文章真正想說的重點。第一，問法不要夾帶你自己的結論。像是「我覺得沒問題，你幫我確認」這種說法，很容易讓模型順著你的假設附和。你要的是獨立審查，不是禮貌性背書。第二，它審得越準，越要回頭自己讀 code。值得你停下來的，是它跟你判斷分歧的地方，不是它替你蓋的章。 --- ### 附錄：完整實作兩個檔案，複製貼上就能用。整支腳本很短、跑之前可以自己讀過：它就是把上面那四條獨立性規則做成預設行為，每次審查不靠記憶。

SKILL.md　讓 Claude Code 聽到「第二意見」就自動叫出來（點開複製）

````markdown --- name: codex-second-opinion description: Get an INDEPENDENT second opinion on code, data, or a design by having codex (a different model) review it — without it just agreeing with you. Use when the user asks for a "second opinion", to "have codex review/check this", an "independent review", "cross-check", or to audit security-critical or complex code before trusting it. Trigger words include 第二意見, 獨立審查, 讓 codex 看一下, 交叉驗證, セカンドオピニオン, codex review, double-check this. Requires the codex CLI (logged in) installed locally. Do NOT use for applying fixes — this only surfaces problems; you decide what to do. allowed-tools: Bash(bash:*) --- # codex second opinion Bring in codex (a different model from a different training regime) as an **independent** reviewer of work — code, data, or design. The whole value is independence: a model reviewing its own output misses its own blind spots. This skill protects that independence with four rules so the second opinion does not degrade into agreement. You run the bundled read-only wrapper `codex-review.sh`. codex runs in a read-only sandbox and never edits files; it only reports problems. **You** do the final cross-check and decide. ## When to use - The user asks for a "second opinion", "independent review", "cross-check", or to "have codex look at this". - Before trusting security-critical code (auth / crypto / payments) or complex logic (race conditions, N+1, deadlocks). - To sanity-check the credibility of data or an analysis. ## How to run 1. Figure out the target: a path in the project (`--target `) or a snippet/pipeline output (`--stdin`). 2. Write the **review focus** as a neutral assertion or standard to check. Critical: do NOT put your own conclusion in it. "Review the token check for timing attacks and KV write races" — NOT "I already checked the auth, just confirm it's fine" (that taints codex's independence; the wrapper will warn you if you do). 3. Run the wrapper (default reasoning effort is medium; raise to high/xhigh only for security-critical or genuinely complex targets): ```bash # review a file bash ~/.claude/skills/codex-second-opinion/codex-review.sh \ --target src/auth.js "Review token validation, timing attacks, and KV write races" # review a snippet / pipeline output via stdin cat data.json | bash ~/.claude/skills/codex-second-opinion/codex-review.sh \ --stdin "Review this data's credibility and field completeness" # security-critical + a durable audit record under ./codex-audits/ bash ~/.claude/skills/codex-second-opinion/codex-review.sh --effort high \ --target src/payment.ts --audit payment "Review for double-charge and idempotency gaps" ``` 4. If the wrapper exits non-zero (codex missing / timed out / blank output), do NOT retry or pretend. Tell the user this is a single opinion only, and stop. 5. On success, do the cross-check **yourself** (this is the part the wrapper deliberately does not do): read codex's findings, compare them against your own reading of the code, and split them into **agreed** and **disagreed**. For anything you disagree on, read the code and decide — do not just relay what codex said. Treat codex as a probe, not an oracle: a finding both of you reach is almost certainly real; a finding only one of you reached needs your own judgment. ## Notes - No API keys involved — codex uses your own OpenAI/ChatGPT login via the local `codex` CLI. - The only writes are a log under /tmp and, with `--audit`, a record under `./codex-audits/`. - These rules are scaffolding for today's models. If a model becomes independent and honest enough on its own, drop the rule it was patching rather than keeping it as ritual. - This is a template — adapt the trigger words, the reviewer model, the paths, and the rules to your own workflow. The idea is the four-rule independence protocol, not this exact wording. ````

codex-review.sh　審查包裝器，約 220 行（點開複製）

````bash #!/usr/bin/env bash # codex-review.sh — a "second opinion" wrapper that has codex review code/data/design # written by another model (e.g. Claude), as an INDEPENDENT reviewer. # # Why this exists: a model reviewing its own output tends to miss its own blind spots, # and tends to nod along with its prior judgments. A model from a different training # regime (codex / gpt-5.5) can catch what the first one missed — but only if you protect # its independence. This script bakes four rules into the default behavior: # #1 Independence : the prompt forces codex to evaluate on its own, never assume a prior # reviewer was right, never agree just to agree (see build_prompt). # #2 Fail fast : codex missing / times out / exits non-zero / returns blank → it # degrades to "single opinion", tells you, and STOPS. No silent retries. # #3 Protocol : (a) the prompt carries none of YOUR conclusions (b) raw output is # logged (c) codex only describes problems + severity, never edits code # (d) you do the cross-check yourself — this script only does (a)(b)(c). # #4 Cost : reasoning effort defaults to "medium"; raise with --effort only when # a real security/complexity signal warrants it. # # SAFETY (read before you run): # • codex runs in a READ-ONLY sandbox (`-s read-only`): it can read the files you point it # at, but it cannot modify, delete, or write anything in your project. # • This script contains NO API keys. codex authenticates with YOUR OWN OpenAI/ChatGPT # login (whatever your local `codex` CLI is already configured with). # • The only files this script writes are a log under /tmp and, if you pass --audit, a # markdown record under ./codex-audits/ in your current directory. Nothing else. # • No network calls of its own, no eval, no curl|bash. Read the whole thing — it's short. # # PREREQUISITES: # • The `codex` CLI installed and logged in (https://developers.openai.com/codex/cli). # • bash + perl (perl only needed if you use --timeout; preinstalled on macOS/Linux). # # USAGE: # bash codex-review.sh [options] "" # echo "" | bash codex-review.sh --stdin "" # # OPTIONS: # --target file/dir for codex to read (repeatable; read in the read-only sandbox) # --stdin read the content to review from stdin (good for snippets / pipeline data) # --dir directory codex runs in (default: current directory) # --effort LEVEL low|medium|high|xhigh (default: medium) [rule #4] # --audit also write a durable record to ./codex-audits/-.md [rule 3b] # --timeout max seconds before giving up (default 0 = no limit; uses perl) [rule #2] # --model override codex model (default: whatever your codex config uses) # -h | --help # # EXIT CODES: 0 ok & non-empty / 2 usage error / 3 codex missing / 4 codex failed or empty # / 124 timeout. (3/4/124 = the "single opinion" degrade path.) # # License: MIT — free to use, modify, and adapt into your own version. No attribution required. # # This is a generic, self-contained template. It assumes nothing about your project layout, # names no tools or services beyond the `codex` CLI, and stores no identity. Make it yours: # change the rules, the prompt, the paths, the model — the four-rule structure is the idea, # not the exact wording. set -uo pipefail WORKDIR="$(pwd)" TS="$(date +%Y%m%d-%H%M%S)" DATE="$(date +%Y-%m-%d)" EFFORT="medium" declare -a TARGETS=() USE_STDIN=0 AUDIT_SLUG="" TIMEOUT=0 MODEL="" FOCUS="" usage() { sed -n '2,57p' "$0"; exit "${1:-0}"; } # Guards for value-taking options: (1) bail gracefully instead of a set -u unbound crash when # the value is missing; (2) if the next token looks like another option (-?*), the value was # probably forgotten — error out instead of silently misparsing. req() { [ "$2" -ge 2 ] || { echo "ERROR: $1 needs a value" >&2; exit 2; } case "$3" in -?*) echo "ERROR: the value for $1 looks like another option ($3) — did you forget the value?" >&2; exit 2 ;; esac } while [ $# -gt 0 ]; do case "$1" in --target) req "$1" "$#" "${2:-}"; TARGETS+=("$2"); shift 2 ;; --stdin) USE_STDIN=1; shift ;; --dir) req "$1" "$#" "${2:-}"; WORKDIR="$2"; shift 2 ;; --effort) req "$1" "$#" "${2:-}"; EFFORT="$2"; shift 2 ;; --audit) req "$1" "$#" "${2:-}"; AUDIT_SLUG="$2"; shift 2 ;; --timeout) req "$1" "$#" "${2:-}"; TIMEOUT="$2"; shift 2 ;; --model) req "$1" "$#" "${2:-}"; MODEL="$2"; shift 2 ;; -h|--help) usage 0 ;; --) shift if [ $# -gt 1 ]; then echo "ERROR: multiple positional args after -- ; wrap the focus in one quoted string" >&2; exit 2; fi [ $# -ge 1 ] && FOCUS="$1"; break ;; -*) echo "Unknown option: $1" >&2; usage 2 ;; *) if [ -n "$FOCUS" ]; then echo "ERROR: multiple review-focus positional args; wrap the focus in one quoted string" >&2; exit 2; fi FOCUS="$1"; shift ;; esac done # --- validation --- case "$EFFORT" in low|medium|high|xhigh) ;; *) echo "ERROR: --effort must be low|medium|high|xhigh (got: $EFFORT)" >&2; exit 2 ;; esac case "$TIMEOUT" in ''|*[!0-9]*) echo "ERROR: --timeout must be a non-negative integer of seconds (got: $TIMEOUT)" >&2; exit 2 ;; esac if [ -z "$FOCUS" ]; then echo "ERROR: missing (the last positional argument)" >&2; usage 2; fi if [ "${#TARGETS[@]}" -eq 0 ] && [ "$USE_STDIN" -eq 0 ]; then echo "ERROR: need at least one --target or --stdin" >&2; usage 2 fi # rule #2: codex missing = fail fast to the single-opinion path. No retry, no pretending. if ! command -v codex >/dev/null 2>&1; then echo "DEGRADE: no 'codex' CLI found on this machine (not installed / broken). Honestly note this is a single opinion and stop. Install: https://developers.openai.com/codex/cli" >&2 exit 3 fi STDIN_CONTENT="" if [ "$USE_STDIN" -eq 1 ]; then STDIN_CONTENT="$(cat)"; fi # rule #3(a) soft guard: warn if the focus carries YOUR conclusion (which would taint codex's # independence). Warn only, never block. Matches common English/Chinese "already checked" phrasings. if printf '%s' "$FOCUS" | grep -qiE 'i already|already (checked|verified|confirmed|reviewed)|no (bug|issue|problem)|looks (fine|good|correct)|should be (fine|ok|correct)|我已|已檢查|已確認|沒問題|應該沒'; then echo "WARNING (rule a): your review focus looks like it carries your own conclusion (e.g. \"already checked / no issues\")." >&2 echo " codex should judge independently — restate it as a neutral \"what to review / what the bar is\", don't feed it your verdict." >&2 fi # --- build the prompt (rules a + c: independent framing + describe-only, no code edits) --- build_prompt() { local stdin_block="" if [ "$USE_STDIN" -eq 1 ]; then stdin_block=$'\n## Inlined target content\n```\n'"$STDIN_CONTENT"$'\n```\n' fi local target_lines="" if [ "${#TARGETS[@]}" -gt 0 ]; then target_lines="## Review targets (read these yourself in the read-only sandbox)"$'\n' local t for t in "${TARGETS[@]}"; do target_lines+="- $t"$'\n'; done fi cat <>8);' "$TIMEOUT") fi runit() { if [ "${#TPREFIX[@]}" -gt 0 ]; then "${TPREFIX[@]}" "$@"; else "$@"; fi; } echo "codex-review: effort=$EFFORT targets=[${TARGETS[*]:-stdin}] dir=$WORKDIR log=$LOG" # --- run (rule b: raw output goes to the log) --- runit "${CMD[@]}" 2>&1 | tee "$LOG" rc="${PIPESTATUS[0]}" # rule #2: "done" = exit 0 AND a non-empty final message. A half-success must not be silently # reported as success. if [ "$rc" -eq 124 ]; then echo "DEGRADE: codex timed out after ${TIMEOUT}s. No retry. Note it's a single opinion and tell the human. log=$LOG" >&2 exit 124 fi if [ "$rc" -ne 0 ]; then echo "DEGRADE: codex exited non-zero (rc=$rc, incl. signal-killed). No retry. Single opinion only. log=$LOG" >&2 exit 4 fi # The trustworthiness invariant is "the final message (-o) has non-whitespace content", NOT # "the log is non-empty" (the log always contains the codex banner). Blank/missing = no real # review happened = treat as failure. if ! grep -q '[^[:space:]]' "$LASTMSG" 2>/dev/null; then echo "DEGRADE: codex exited 0 but the final message is blank/missing (half-success, no trustworthy review). Treating as failure. log=$LOG" >&2 exit 4 fi # --- rule 3(b) durable: --audit writes a record (ensure dir first, verify non-empty before claiming success) --- if [ -n "$AUDIT_SLUG" ]; then AUDIT_DIR="$WORKDIR/codex-audits" AUDIT="$AUDIT_DIR/${AUDIT_SLUG}-${DATE}.md" mkdir -p "$AUDIT_DIR" if { echo "---" echo "source: codex-review.sh" echo "date: $DATE" echo "effort: $EFFORT" echo "targets: ${TARGETS[*]:-(stdin)}" echo "raw_log: $LOG" echo "---" echo "" echo "# codex second-opinion raw output — ${AUDIT_SLUG}" echo "" echo "**Review focus**: $FOCUS" echo "" echo '```' cat "$LASTMSG" echo '```' } >"$AUDIT" && [ -s "$AUDIT" ]; then echo "audit record: $AUDIT" else echo "WARNING: failed to write audit record: $AUDIT" >&2 fi fi # --- rule (d) reminder: YOU do the cross-check, splitting "agreed" vs "disagreed" --- echo "" echo "OK: codex finished (rc=0). raw log: $LOG" echo " final message: $LASTMSG" echo "Next (rule d, you do this): independently cross-check codex's findings against your own" echo " judgment. Split them into \"agreed\" and \"disagreed\", each with a reason. For" echo " disagreements, read the code yourself and decide — don't just relay what codex said." ````

--- **這篇講的是方法，下面三篇是它的骨架：** - [生圖也走同一條 codex 橋：讓 Claude Code 直接呼叫 OpenAI 生圖](/articles/claude-code-codex-imagegen/)：同一套 Claude × codex 接法的另一個應用，不用 API key - [你抄得走方法，抄不走手感](/articles/copy-the-method-not-the-feel/)：為什麼 SKILL.md 可以複製貼上，判斷不能 - [人天已死：AI 協作時代的新度量衡](/articles/beyond-man-days/)：「最後拍板的人是誰」這件事，值多少

財富自由，不只是錢的問題

Wed, 24 Jun 2026 00:00:00 GMT

Sat, 13 Feb 2016 00:00:00 GMT

世界是殘酷的。面對殘酷的世界，繼續相信有一位慈愛的上帝，需要極大的深度。

▶ 聽摘要

您的瀏覽器不支援音訊播放，請點此下載音檔。

AI 合成語音・作者本人聲線克隆

但很多人選擇了一條捷徑：閉上眼睛。我在教會裡長大，從小就知道一件事：基督徒很容易被嚇到。不是被鬼嚇到，是被「世界末日」嚇到。每隔幾年就會有一波末日預言的風潮：某個牧師看見異象、某本書算出日期、某個國際局勢被解讀成啟示錄的應驗。然後一群人開始焦慮，一群人開始禱告，一群人開始做出荒唐的決定。而 1995 年的閏八月事件，是我見過最荒唐的一次。 ## 那一年發生了什麼 1994 年，旅美作家鄭浪平出版了《一九九五閏八月》一書，根據中國古老的推背圖預言體系，主張每逢農曆閏八月就有大禍降臨，並預測中共將在 1995 年武力犯台。這本書在台灣一出版就引爆恐慌，短短兩個月就印了四版、七十刷。如果只是一本書，事情不會那麼嚴重。問題是教會接住了這股恐懼，然後把它放大了一百倍。部分牧者開始宣稱自己領受了「上帝的啟示」：有人說看見異象，有人說在夢中被告知，核心訊息都一樣：上帝要藉中共的軍事行動來審判台灣，因為台灣拜偶像太嚴重了。某間知名的大型教會為此開了說明會，而基督徒開設的移民代辦公司就在教會門外發廣告單，宣傳「海邊別墅只需十萬美金」。然後，1995 年 7 月，中共真的開始了飛彈試射和軍事演習。恐慌瞬間升級為行動。大量信徒在極短時間內賣掉房子、變賣積蓄，帶著全家移民到中美洲的貝里斯：那個被某些牧者指定為「上帝預備的避難之所」的地方。眷村背景的循理會受害尤其嚴重，甚至不得不提告宣講這些「啟示」的牧師。結果呢？閏八月過了。1995 年過了。什麼都沒有發生。那些在貝里斯的信徒，面對的不是上帝的庇護，而是陌生國度裡的生存困境。有些人背著債務、帶著破碎的家庭，悄悄地回到台灣。而那本書的作者？據報導賺了上千萬台幣，移民北美過起了安穩日子。最讓我無法接受的是：那些在教會裡鼓吹這些訊息的牧者，事後沒有一個人公開道歉。沒有一個。直到三十年後的今天，據我所知，依然沒有。 ## 方便麵信仰我後來花了很多年思考這件事到底出了什麼問題。不只是「預言失準」這麼簡單：預言失準在宗教史上太常見了，不值得大驚小怪。真正的問題是：為什麼一個信仰群體會如此輕易地集體失去判斷力？我的結論是：因為他們的信仰沒有經過反省。接受「世界即將毀滅」，是最簡單的信仰選擇。它省去了思考的痛苦，也省去了跟不同觀點對話的麻煩。甚至還給人一種靈性上的優越感：「我知道真相，而你們還矇在鼓裡」。我稱之為「方便麵信仰」。撕開包裝、加點熱水、三分鐘搞定。簡單、快速、有即時的飽足感。但沒有營養。而且吃多了會出問題。方便麵信仰的特徵是：它不需要你理解任何東西。你不需要理解聖經的歷史脈絡，不需要理解預言文學的文體特性，不需要理解神學家們兩千年來對末世論的辯論，不需要理解台灣的地緣政治現實。你只需要「相信」：相信某個權威人物告訴你的話，然後照做。這不是信仰，是依賴。而依賴在恐懼面前，是最脆弱的東西。 ## 神學不是奢侈品很多信徒聽到「神學」兩個字就皺眉頭。他們覺得神學是學院裡的東西，跟「真正的信仰生活」無關。有些人甚至把反智當成屬靈的表現：「單純的信心」彷彿比「想太多」更討上帝喜悅。 1995 年的事件證明了這種想法的危險性。當時有不少牧者提出過非常合理的反駁：「如果上帝因為台灣拜偶像要審判台灣，那中共主張無神論，連上帝都否認，為什麼上帝不先審判中共？」這個邏輯非常簡單，任何上過基礎神學課的人都能想到。但在恐慌的氛圍中，這種理性的聲音被淹沒了。神學的任務，不是告訴你「上帝要做什麼」。沒有人知道這個答案。神學的任務是幫助你建立一套思考框架，讓你在面對不確定性的時候，不至於立刻崩潰。具體來說，神學訓練會教你幾件事。辨別預言的本質：聖經裡的預言文學（如啟示錄、但以理書）有其特定的文體規則和歷史脈絡，不是拿來對號入座的密碼本。理解上帝觀的多元性：「審判」不是上帝跟人類互動的唯一模式，甚至不是主要模式；聖經同樣大量談論恩典、陪伴、受苦中的同在。質疑權威的正當性：當一個牧者宣稱自己領受了「上帝的啟示」，你有神學上的理由和責任去檢驗這個宣稱。十五年的神學訓練給了我一個最重要的能力：面對「我不知道」的勇氣。上帝為什麼允許苦難？我不知道。末日什麼時候來？我不知道。但「不知道」不等於「什麼都可以」。不知道的空白，應該被謙卑和持續的思考填充，而不是被恐懼和隨便的答案填充。 ## 恐懼的解藥不是確定性 2016 年台南大地震之後，又有部分教會人士把天災跟特定族群的「罪」掛鉤，宣稱這是上帝的審判。同樣的邏輯，同樣的套路，距離閏八月事件已經過了二十年。這讓我意識到，問題不只是某一次的預言失準，而是一種根深蒂固的思維模式：用「確定的答案」來對抗恐懼。人在面對不確定性的時候，本能地渴望確定性。台海局勢緊張，確定性的答案是「上帝要審判台灣」。地震死傷慘重，確定性的答案是「某某族群的罪帶來了報應」。這些答案都很糟糕，但它們有一個共同的「優點」：它們讓人覺得世界是可以被理解的，即使那個理解是扭曲的。信仰提供的不應該是這種廉價的確定性。我在〈[超越定義的上帝](/articles/god-beyond-definition)〉裡試過探討這個問題：當我們用人類的語言和概念去「定義」上帝的時候，我們其實是在縮小祂。同樣的，當我們用簡單的因果敘事去「解釋」苦難的時候，我們不是在理解上帝的作為，我們是在把上帝塞進我們有限的認知框架裡。真正的信仰勇氣，不是「我知道上帝要做什麼」，而是「我不知道，但我仍然信任」。不是因為有了確定的答案所以不怕，而是在沒有答案的情況下，仍然選擇活出公義和憐憫。 ## 崩塌之後的重建我不是要否定信仰：恰恰相反。閏八月事件之所以讓我花這麼多年去消化，不是因為它讓我懷疑上帝，而是因為它逼我認真面對一個問題：我的信仰到底建在什麼上面？如果建在「某個牧師說的話」上面，那牧師錯了，信仰就塌了。如果建在「世界即將毀滅所以趕快信」上面，那世界沒毀滅，信仰就沒意義了。「信耶穌保平安」的功利交換也一樣：平安消失的那一天，信仰也跟著破產了。這些都是沙土地基。我後來重建信仰的過程，核心的轉變是：從「信仰給我答案」變成「信仰給我面對問題的能力」。神學不是一套答案系統。它是一種訓練：訓練你在面對複雜、矛盾、痛苦的現實時，仍然能夠思考、對話、保持開放，而不是逃進簡單的答案裡。彌迦書六章八節說得很清楚：「行公義，好憐憫，存謙卑的心與你的神同行。」這裡面沒有「知道未來會發生什麼」。有的是一種生活方式：在不確定中，仍然選擇做對的事。我在做各種事業決策的過程中，反覆體會到這種信仰訓練的價值。面對市場的不確定性、技術的不確定性、人的不確定性，最有用的不是某個先知告訴你未來會怎樣，而是你有沒有一套經過檢驗的判斷框架，讓你在資訊不完整的情況下，仍然能做出負責任的選擇。這跟我在〈[後程式碼時代的品味](/articles/post-code-era-taste)〉裡談的其實是同一件事：品味的本質是「在不確定中做出好的判斷」。信仰的本質也是。差別只在座標系不同：一個是商業和技術的座標系，一個是存在和意義的座標系。 ## 張開眼睛三十年過去了。台灣沒有被血洗，但教會裡的恐懼敘事從來沒有真正消失。它只是換了包裝：從「中共犯台」變成「末世逼迫」，從「閏八月」變成各種新的日期和事件。每一次，我都想問同一個問題：你的信仰，經得起睜開眼睛看真實世界嗎？如果經不起，那不是世界的問題，是信仰的問題。或者更準確地說，是信仰從未被認真反省過的問題。信仰從來不該是遠離人群的避世主義。它應該是走進人群、面對真實、承受重量的勇氣。而這種勇氣，不是天上掉下來的。它是在反省中、在對話中、在一次又一次的崩塌與重建中，慢慢長出來的。