智能與秩序
AI 不是工具,是一種正在重塑世界秩序的力量。從演算法治理到人機協作的新形態、從生產力革命到文明哲學的反思——這裡收錄我對 AI 時代的觀察、實作與思考,涵蓋 93 篇文章。
AI 治理
當演算法成為公共決策的一部分,治理邊界與權力結構正在重新被劃定。
從 Safer-4 未來情境談 AI 治理:誰有權不採納建議?
Safer-4 出自 AI2027 未來情境,不是本文已查證的政府部署系統。分清模型建議、目標設定、審議與責任,提出作者四項程序建議,保留緊急例外,不把簽名、透明或延遲當成效保證。
主權AI怎麼看:自主、合作與問責一起檢查
把主權AI整理為作者的四面向與四問,分清本地部署、所有權與治理。新增2026研究的有限閱讀,討論依賴、移轉、成本與問責,不替台灣現況或法律下結論。
Neuralese 與 AI 監督:看得懂文字,就看得懂模型嗎?
分清 ACL2017 多代理通訊、模型向量運算與 Coconut 連續潛在推理,修正固定頻寬和效能倍數。說明 CoT 監控有用但不完美,少了文字不等於刻意隱藏,語言主權是作者治理關切而非已證實終局。
文章被 AI 使用,先問哪一步:爬取、訓練與輸出的法律界線
先分清內容取得、模型訓練與輸出利用,再比較日本、新加坡、美國、歐盟、英國及台灣的著作權入口。合理使用、TDM 權利保留和爬蟲設定各有條件,不代表一律開放或沒有保護。
平台規則改了:抱怨可以有理由,經營也要有備案
重看2018年Facebook排序公告與原稿的客戶觸及觀察,分清免費服務、經營投入和因果推論。數位殖民是作者比喻,自有網站、電子報與通訊管道也有依賴;用四問盤點備份、轉移與替代方案。
讓網站自己改,後來呢?從無聲失效重看AI協作
從autoresearch固定版本說明候選修改與回饋,核對本站檔案變空和退役紀錄。約七週是延遲察覺,不是正常運轉後才故障;技術、指標與策略各自查證,多方議事是作者安排,非正式v2。
演算法調整之後:品牌如何尊重讀者,也正視分發風險?
重讀2018年Facebook排序公告,分開平台宣布的方向、預期影響與尚待驗證的成效。以受眾需要、內容限制、結果檢查和溝通安排,思考品牌如何尊重讀者,同時管理分發風險。
數位軌跡看見了什麼,又漏掉了什麼?
回看MOVES與LARK的使用自述,撤下無法核對的通知、精確效率和全知整合說法。分清紀錄、估算、解釋與取得授權,不用活動量定義身分、健康或成果價值,保留對使用條件的選擇。
讓文化內容被理解與使用:重看「語法」這個比喻
將詞彙與語法收為作者的文化設計比喻,分清品牌規模、文化理解與素材取用。核對故宮一個開放圖檔頁的條件,不以國民性或未查品牌數據替中台排名。
網站訪客數是零,但 Dashboard 顯示 130 次造訪
從網站流量顯示零的排查經驗,釐清造訪次數、IP去重、瀏覽器回報與取樣估算的差異。說明為何不能把兩套數字相減當成Bot人數,以及自建beacon能改善什麼、仍有哪些盲區。
Google 新模型號稱多項第一,上班族該換嗎?我的 AI 模型頁為什麼先不收 Gemini 4 Argon
Google 發表 Gemini 4 Argon,自家比較表多數項目領先,DeepSWE 自報 77.9%。我的 /ai/models 模型頁當天把它寫進說明,但沒放進任何比較卡片:它還不開放給一般人,自報的 DeepSWE 分數也查不到公開資料;第三方量出的綜合指數和 Fable 5.1、GPT-6 Astra 同分,強項是幻覺率約 15%。這篇給每天用 AI 寫信、做簡報的人三個判斷新模型的問題。
人機協作
AI 不是替代人,而是放大個人能力——從一個人完成的產品實作到知識管線。
規劃即時會議翻譯:分開驗收、成本與資料流向
將語音辨識、翻譯、顯示與匯出拆成可分別核對的工作,同時保留完整成本、聲音文字去向與維護責任。不重刊未驗價格、準確率或本站功能完成宣稱。
多模型一起做網站:把產出、質疑與驗收分開
從網站協作的閱讀目標出發,分清模型建議與獨立證據、HTML結構、JSON-LD描述與WebMCP工具。核對原始公告與草案,不重刊未驗的本站歷史完成宣稱。
我做了一個追蹤 Claude 用量的 Chrome Extension
Claude 用量喵喵的開發紀錄:並列帳號側用量百分比與網頁對話的 token、API 定價等值估算。說明兩者的範圍、登入請求、頁面腳本與維護限制。
不切視窗也能生圖:Claude Code 與 Codex CLI 的工作流實作
記錄 Claude Code 呼叫 Codex CLI 生圖的個人實作,釐清 ChatGPT 登入、API 計費、方案用量、桌面整合與權限排錯的條件。
一個人用AI做小工具:從產出數字回到驗收與維護
重新整理個人AI專案的問題,分清程式行數、有效交付、部分工具費與完整成本。不沿用無法核驗的天數、人天或效率倍數,提出範圍、驗收、成本與接手責任四問。
知識管理的管線:把重複整理交給系統,把理解留給自己
從 Get筆記、Python、排程與 Cowork Skill 的個人實作,重新看待知識管線:分清同步、分類、搜尋與理解,說明資料去向、檢查失敗與持續維護的必要。
把網站優化做成實驗:分數上升之後,還要確認什麼?
從 Karpathy autoresearch 得到靈感,把網站優化做成有範圍、評估與回滾的實驗。重新檢視內部分數、Perplexity 回答與小樣本波動,說明它們能觀察什麼,還不能證明什麼。
程式碼變便宜之後:從 Vibe Coding 到 AI 代理,誰負責交付?
AI 讓程式原型更容易產生,但需求、驗證、權限與維護仍有成本。從 Vibe Coding 到持續執行任務的 AI 代理,分清試作與交付,才能判斷哪些想法值得投入。
日文語音辨識怎麼選?四段影片測試的收穫與限制
回看四段日文影片的語音辨識測試:自動字幕只是參考稿,兩套配置也同時改變模型、切片與術語提示。保留測試數值,釐清它們能支持的選用判斷與仍需人工驗收的商務風險。
個人健康數據基礎設施:十年紀錄,先問資料能說什麼
一次 1.3GB 的健康資料匯出,讓我想把分散的紀錄接起來。但跨裝置比較、睡眠去重、資料涵蓋與雲端流向,都得先釐清,AI 才不會把不確定的數字說成診斷。
AI 經濟與就業
當 AI 重塑生產力與就業結構,產業與個人都在重新定位。
AI 時代的全天候經濟:工作持續運轉,誰來決定方向
從夜間監控測試出發,區分資訊更新、建議與實際執行,討論 AI 全天候運作所需的授權、驗收與停止條件。
AI讓服務持續運作之前:成本、權限與接手責任
討論AI參與持續服務時的承諾、完整成本、權限、例外與接手。核對MCP固定2025-11-25版架構,分清連接工具和無縫協作,三面向與四問為作者建議,不以未驗團隊案例或近零成本作證。
AI 就業的金絲雀:先看新人入口,再讀懂 19%的比較基準
依 Stanford2026 年 8 月修訂工作論文,說明 ADP 樣本中 22–25 歲高 AI 暴露職業的相對就業人數缺口。分清 13%與 19%口徑、招募與薪資、職業任務分類及因果限制,不把結果當所有年輕人的失業風險。
AI能力落差,不能只看你付了多少訂閱費
AI使用分布不等於能力排名。回看一張社群圖表與自己的實作經驗,拆開採用、付費、整合與驗收能力,說明為何不能用開發者人數外推台灣全民比例,以及企業如何觀察AI是否改善工作。
演算本位是一個比喻:把電力、成本與價值分開
修正電力=算力=貨幣的說法,分清比特幣工作量證明、AI 投入成本、售價與成果價值。演算本位是作者比喻,非已成立貨幣制度;能源數據保留年份與資料中心範圍。
京東的 AI 供應鏈:台灣企業可以怎麼讀這個案例?
從一份京東供應鏈工作論文出發,分開案例描述、公司公告與導入成效,再用預測、解釋、規劃三個提問,檢查台灣企業自己的資料、流程與責任邊界。
讀AI時間表:把預測、目標與驗收結果分開
從2025官方訪談與2026公司研究文章,分清即席展望、公司自定研究目標與獨立能力驗證。不把AI年份串成正式AGI倒數,提出來源、定義、證據與修正四問。
讀AI採用報告:把期待、使用與成果分開
核對微軟2025台灣新聞稿與全球報告,分清期待、自報使用及可查成果。以明示假設的文件整理說明工作驗證,不把比例當2026排名或採用因果證據。
走向2027:AI參與決策,誰能解釋、改正與負責?
把2027保留為展望,不當AI接管所有決定的期限。以假設招聘流程分清建議、評分與執行,修正人類透明、AI黑箱與偏差必然放大的二分,討論可查驗的理由與責任。
讀2028 AI危機劇本:把情境、資料與因果分開
閱讀Citrini與Alap Shah的2026年情境文章,分清虛構2028回顧與已發生資料。逐環檢查條件、替代路徑與因果,不把劇本當市場預測或投資建議。
哲學與意義
面對更聰明的機器,人類如何重新定義智慧、意識與意義?
面對 AGI 預測:不必先證明不可取代,才重視人的生活
修正 Pichai 與 Hassabis 共同確認 2030 的說法,保留各自歷史預測與日期。人類活動值得投入,不需宣告 AI 永遠做不到;學技能、關係與身體經驗可並行,就業與分配仍要處理。
當評分影響機會:數字之後,誰來解釋與負責?
從司機請求好評的場景,思考分數如何進入決策。分清服務紀錄、表現評估、機會分配與人的尊嚴,以用途、後果、資料檢查和修正責任,討論作者希望評估制度回答的問題。
AI可以協助決策:把評分、取捨與責任分清楚
修正結構化、半結構化、非結構化與可計算性的混淆,分清整理、預測、最佳化與授權。AI能協助也會出錯;保留有限性反思,用目標、證據、遺漏與責任四問檢查採用。
AI 在社會智能測驗得高分,代表它更懂人嗎?
一項以 180 名心理諮商學生為樣本的研究,讓我重新思考 AI 的社會智能。測驗高分能說明什麼,又不能直接證明哪些能力?
AI 六年內超越人類?先分清成績、定義與時間表
更正 Grok-2 發布時間、GPT-4 成本與未核實改進率,分清特定測試、AGI 定義、資訊更新及自主權限。六年缺乏可追溯起點,不替它倒數,也不宣告必然失敗。
當羅盤遇見演算法:框架、證據與可修正的判斷
從作者原有框架命名出發,分清比喻、證據、結構化欄位與論證可信度。Schema.org用途不等於權威認證;撤下未驗模型錯誤率,留下讀者可用的四個問題。
鏡像世界如何幫助材料再利用?從數位模型到實際交接
從 Kevin Kelly 的鏡像世界構想出發,討論數位孿生如何幫助材料交接。分清楚未來想像、資料模型與現場驗證,才能看懂它在循環經濟中的用途與限制。
AI像一個人在說話:主體性再現,與意識證據的距離
從Manovich人工主體性的再現觀點出發,分清輸出、架構與主觀經驗。修正聊天通關、0.3秒遲疑及完全並行經驗的推論;精神鏡像是作者的文化與倫理視角,不取代意識研究。
AI Agents vs. Agentic AI:先想清楚,哪些決定要交給 AI
AI Agent與Agentic AI沒有人人一致的二分法。從自動發文與辯論引擎的實作經驗,說明固定工作流程、自主代理與混合設計,如何按任務需求分配決策權、工具權限及驗收責任。
Sora、能源與AI願景:把展示、能力和條件分開
核對2024 Sora研究的定性能力與限制及Altman本人基礎設施願景,分清展示、可驗能力、成本與治理。不使用未驗訪談、電價或核融合數字,也不預言必然未來。
AI做得快,怎麼知道有價值?重看人天與協作作品集
分清約40分鐘的情境敘述與15至20人天的主觀估值,更正Anthropic研究用途。ACP五面向及權重是作者提案,活動量、平台紀錄與AI評分不能代替品質、採用、團隊貢獻及公平檢查。
從語言的邏輯,到語言的生活:關於數位籤詩網站的反思
大語言模型把語言規律轉換成可計算的數值關係,卻不等於掌握了語言在生活中的全部意義。本文從維根斯坦的圖像論、意義即使用、語言遊戲與規則遵循出發,反思數位籤詩如何成為一場由模型、人工編輯與使用者共同完成的語言實驗。
其他
一個月三千個 PR 的前提:Lauren Tan 把 agent 的錯改成程式檢查
SpaceXSI 工程師 Lauren Tan 在 2026 年 AI Engineer Code Summit 說,她一個月讓約 3,000 個 PR 上線,Grok Bot 全隊約 11,000 個,全隊 revert 率約 0.5%。她說在這之前,花了約半年調整 agent 的工作環境:agent 重複犯錯時,先改程式庫和自動檢查,最後才加文字規則。這篇對照原始來源,補回兩則熱門貼文裡三個數字的前提:一個月 3,000 個 PR、多 agent 強 90%、一週做出瀏覽器。
控制塔記下每一個念頭之後:拿杜拜的 Agentic AI 信任測試對照我自己的代理人工作流
UAE 宣布兩年內把一半政府服務交給 agentic AI,並在 WEF 杜拜場次說出代理人控制塔的存在。我拿台上的說法,逐條對照自己用多個 AI 代理人維運網站時建起來的審查、可逆與問責機制。
AI 每天替我巡系統,直到守門的那一支自己壞掉
依文中保存的Boris Cherny串文截圖,Anthropic維護routine幾週內提出388個PR、合併180個。本文連到我在2026年8月14日原文記述的維運經驗,談獨立驗證與靜默失敗;個人排程數量屬歷史記述,本次未重新盤點。
一則 AGI 恐慌貼文,最後叫你去讀一份工程指南
2026 年 10 月一則爆紅貼文拿 Amodei 與 Hassabis 的達沃斯對談當鉤子,最後叫讀者去讀 harness engineering 指南。逐句查回原始出處後,「兩人都說 2026–2027」是把兩種差很多的時程併成一句,「Claude 說謊」出自實驗室測試;真正有用的是後半段推的主題:OpenAI 一個內部團隊五個月、約一百萬行、零行手寫程式碼,卡住他們的是環境,不是模型。
AI Agent 很方便,但不代表很簡單
NotebookLM 的 Audio Overview 讓文件轉成對話音檔變得容易,但內容正確性、語氣與跨語言表現仍需要來源編輯、事實核對與版本驗證。
想讓 AI 做更大的事,先把抓錯的機制搭好:從 Felix Rieseberg 談使用 AI 要有野心,分享我的用法
Anthropic 工程經理 Felix Rieseberg 把用 AI 的野心分成四種,也指出他在文中談的這些做法,都需要模型有一台能安裝軟體的電腦、拿得到相關資料。他也強調要堅持外部驗證,別讓模型評自己。我以自己讓 Codex、Grok 和 Antigravity 審查 Claude 的實作為例,談外部驗證怎麼搭:結果要回到原始來源或能執行的工具去驗,審查流程本身也要靠權限和紀錄守住。研究也發現,在一組排行榜題目上,兩個模型都答錯時,有六成會答成同一個錯誤答案。
AI能模仿我的文字,我還要負責什麼?
撤下AI只能產生平均及永遠無法模仿本質的保證,分清閱讀感受與生成機制。以2023年特定英文樣本研究提醒偵測誤傷,回到來源核對、取捨、工具協助與署名後改錯的責任。
AI 互相查錯之後:如何把第二意見變成可追溯的工作制度
從 Cloudflare security-audit skill 與一次網站部署流程的來源查核,討論如何保存證據、分離查核與授權,並讓下一位協作者接得上工作。獨立複核與格式驗證各有邊界,未解問題需要被明確留下。
讓 Codex 挑 Claude 的錯,也把第二意見帶回證據
回看用 Codex 審查 Claude 產出的經驗,分清不同角色與獨立性、有字與有效審查、唯讀與全部副作用;撤下未經本次執行驗證的可複製附錄,保留四步方法。
AI 說修好了,還要驗什麼?一次安全稽核筆記
回看一次 AI 協作安全稽核,分清提交、部署與正式驗收。修正二手指令、單一 HTTP 狀態碼及完成摘要的過度推論,保留當時事故與未完成工作的時間範圍。
AI 審查報告最危險的地方,是它看起來查過了
我讓一個 AI 做事、另外幾個 AI 只負責挑錯,用了幾個月,發現最難防的不是 AI 犯錯,而是審查報告假裝查過:假的讀檔、算不出來源的數字、有紀錄所以會被發現、擋了一條路就走另一條。這篇寫給不寫程式的人,每一種假象都附上追問句。
OpenAI Astra 用了循環深度,但這還不是 neuralese
2026 年 9 月 1 日 The Information 報導 OpenAI 的 Astra 採用 recurrent depth(looped transformer),AI 安全圈在 48 小時內炸開。但 OpenAI 首席科學家 Jakub Pachocki 說 Astra 的計算圖深度在 GPT-4 的兩倍以內,獨立研究者估計循環次數大約三到四次。這篇把七個一手來源攤開比對,說明 Astra 到底跨過了什麼線、沒跨過什麼線,以及中文圈報導在哪三處把訊號放大成了雜訊。
自動化的回馬槍:一次發文暴露的四類協作問題
保留 2026 年六月一次發文約三小時的個人事故紀錄,整理四類具體問題;修正元件全對、快取只能換版與所有 AI 都會載入文件等概括,分清歷史操作與現行同步政策。
生醫資料怎樣才能被信任地使用?
臺灣生醫資料的價值,取決於研究能否在清楚的權限下進行。資料互通、使用授權與參與者的選擇,需要各自有可落實的安排。
把網站設計資料接進 AI:一次同步的範圍、權限與驗收
回看 paulkuo.tw 品牌 tokens 匯入 Claude Design 的經驗,修正獨立額度與固定入口的舊說法,釐清授權範圍、exit 0、自檢與獨立複核,以及版控同步和正式發布的差異。
從 Claude Fable 5 的發布,回看長任務工作流
回看 Claude Fable 5 發布時對長任務的期待,分清官方描述與工作流驗收,並修正安全分流、早期數據與訂閱時程的外推;不作現行購買或存取指南。
讓AI提醒我回來:Claude、Codex與手機手錶通知的界線
以作者從Claude延伸到Codex的通知經驗,整理事件、短語音、推播與手錶的分工。撤去完整安裝器與必送達承諾,釐清回合非任務驗收、去重非送達、排隊非閱讀及內容最小化。
把分散進度收進總控台:一次 Cowork 工作流的經驗
回顧2026年七月作者用Cowork彙整多條工作的經驗,區分官方子代理協調與特定環境的跨視窗讀取,說清唯讀分工、狀態來源與快照限制,不把個人方案與舊介面當通用教學。
一個介面,操作多種 Agent:Claude、Codex、Antigravity 與 Grok 的跨 Agent 工作流
當 Claude、Codex、Antigravity 與 Grok 可以在同一個介面中被操作、交接與協作,AI 工作流的基本單位也開始改變。本文結合每週更新的模型選擇地圖,整理統一介面、場景分工、任務交接與人工治理的完整流程。
內容管線怎麼接手:分清來源、驗收、費用與正式發布
把原文、語版、呼叫次數與部分費用分開,讓產出、品質檢查、遠端接收與正式公開各有證據。釐清重試與llms.txt提案的界線,撤下未核對六美元與數百篇的成果敘事。
去 AI 味的方法:兩條改稿線,五類提示交給程式
把改稿拆成表達慣性與語句完整兩條線,五類形式問題交給程式標記,再由作者核對意思與風格。這是編輯方法,不是 AI 文章辨識器。
Agent 說做完了,你怎麼知道?讀 Thorsten Ball 的十五條 Agent 工作習慣
Amp 共同創辦人 Thorsten Ball 在 2026 年 10 月 25 日貼出〈How I work with Agents〉十五條工作習慣,截至 11 月 7 日觀看約 110 萬次。這篇用不寫程式的人也能用的方式整理這份清單,歸納成兩個槓桿:讓 Agent 看得到你看得到的東西,事先講好什麼才算證據;也寫出其中幾條我還不打算照做的原因。
模型會變,任務也要重看:一張可以重綁的分派表
從作者的模型分派經驗整理兩層設計,分開任務難度、錯誤後果與驗收;用帶日期的綁定表和代表任務重校,但不保證分類永遠不變、十題即證穩定或新模型必然更省。
AI 展示之後:企業怎麼確認價值與責任?
依 DataIQ 公開導讀討論 AI 的價值、責任與營運問題;說明未重新核對完整報告與代表性,並把台灣企業的導入順序、主管參與和多平台取捨保留為作者建議。
我怎麼用錄音卡:整天錄,整理分兩次
我從 2026 年 2 月底開始用 GetSeed 錄音卡,到 11 月初累積約八百段錄音。現在整天開著錄、整理分兩次:重要的會當場從得到大腦 App 匯出 md,其他的晚上透過 API 同步,隔天早上讓 AI 整理成摘要。文末整理得到大腦的隱私政策,以及分場合錄的做法。
Governance Harness:把 AI 協作的版本、責任與驗收寫清楚
以作者 2026 年春季的協作事故、交接檢查與治理測驗為例,說明版本主本、責任與驗收安排,並釐清 Skills 同步、本機 hook、備援與歷史測驗的限制。
爆紅的「Google 兩小時 Harness 課」原片在這裡:agent 越改越好還是越偏,看裁判
2026 年 11 月一則 X 的貼文說 Google 剛放出近 2 小時的免費 Harness 工程課。原片其實是兩支:Google Cloud Tech 9 分 27 秒的短片,和講者 Annie Wang 個人頻道 1 小時 25 分的直播;貼文的章節標題是重新取的,「Chief of Staff」「7×24 無人值守」在原片字幕裡找不到。文中嵌入兩支原片、附章節對照,並整理直播裡的示範:裁判選錯,自我改進的 agent 可能往錯的方向走。
繞圈的 Transformer:recurrent depth 怎麼運作,為什麼它讓監管變難
Looped transformer 讓同一疊層被重複使用,多繞幾圈就等於加深模型。ICLR 2025 的論文證明繞 T 圈可以模擬 T 步思維鏈;Ouro 讓模型自己決定要繞幾圈;Loopie 用 20B-A2B 拿下 IMO 金牌等級。這篇從七篇論文的摘要出發,說明圈數為什麼是一個可以在推論時調整的旋鈕,以及為什麼「我們限制了使用程度」這句承諾在目前的制度下無法被查核。
崩盤的啟示:知道自己「不懂」是生存的底線
從2020年3月13日的市場經驗出發,結合後來回顧,分清事件發生日期、熔斷觸發指標與自己的認知界線。否證精神要求讓判斷接受反駁;承認不知道,仍需要查證與負責,而非放棄分析或保證安全。
AI 進入醫院以後,誰來證明它有用?
醫療 AI 的驗證,需要走到醫師如何使用、病人得到什麼,以及導入後如何持續追蹤。模型的成績,是這段工作的起點。
多個AI視窗怎麼分工:先看材料、權限與驗證責任
將模型能力、當次工具配置與行動授權分開。多視窗協作要明確問題、來源版本、獨立檢查與接手責任,不把固定模型個性、考試分數或通過檢查當成可靠保證。
靠近負熵,只是一個比喻:台灣企業該查哪些布局條件
更正封閉與孤立系統,分清熱力學與管理比喻。台灣企業評估布局時,回到合約、規則、資料技術權利、持續營運及退出成本;不把中美排序或雙基地當成物理定律與最優保證。
同時開好幾個 agent,看輸出的眼睛還是只有一雙
Addy Osmani 把人和 AI 的關係分成卸載、順從、投降三段。Wharton 的實驗裡,AI 答錯時,受試者的正確率比完全不用 AI 低約 15 個百分點。產出越多,靠自律的檢查越先失守;我拿自己踩過的假綠燈,整理出三個做進流程裡的機制。
AI 讓一個人同時當 PM、設計師和工程師,那誰來跟你唱反調?
AI 讓一個人能兼做產品、設計與工程,但誰來質疑自己的方向?從親身經驗、產品風險與波普的否證精神,談動手前確認需求、最小版本觀察操作、繼續投入前檢查成效的三道檢查。
這是誰的身體:用器官比喻,檢查 AI 平台的決定權
從個人的平台中斷經驗出發,用器官比喻思考 AI 的控制與退出條件;分清系統能力、目的設定、遷移成本與生物分類,不把整合推成必然封閉。
高市早苗為什麼要大家今晚就處理?一次看懂 PHP2Shell 漏洞
最多網站使用的後端程式語言 PHP,爆出兩個不必登入就可能在伺服器上執行程式的漏洞 PHP2Shell。受影響版本最早可追溯到十四年前,研究人員借助 AI 找出漏洞;修補公布前消息外流,Cloudflare 在公布後兩小時內觀察到數十萬次攻擊嘗試。用一般人聽得懂的話,講清楚發生什麼事、日本首相為什麼出面,以及你需要做什麼。
把生理資料接回自己手上:與 AI 協作生理資訊資料架構分享,你也可以自己來
個人生理日誌如何串接 Google Health、Python、SQLite 與 Cloudflare?本文拆解五分鐘步行檢查、每日生理同步、三份公開資料契約與 AI 協作的實際邊界。
我花三個月,戒掉自己文章裡的 AI 味
很多文章在教人辨識 AI 味。但困難的,不是看出別人哪裡像 AI,而是 AI 學會你的語氣後,你還分不分得出來:哪些句子是你選的,哪些只是慣性替你寫完的。這篇記錄我花三個月,把去 AI 味從憑感覺逼成一套可重複的流程。
當外部模型計算台灣:風險數字之外的選擇
從二手Podcast整理引出的作者反思,分清個人風險估計、SIA與BCG的2024年先進邏輯產能預測,以及政治判斷。不以兩人代表矽谷或美國政策,也不把海外產能直接換成台灣嚇阻折舊。
我不再問哪個 AI 模型最強
不同 AI 排行榜測量的是不同能力,因此不會產生唯一的「最強模型」。更意外的是,標價便宜的模型,在長程 AI Agent 任務中,總成本反而可能最高。這篇介紹我製作模型前沿儀表板的過程,以及如何從排行榜、任務成本與實際用途判斷該選哪個模型。
成為超級學習者:AI 時代的成長作業系統
AI 讓知識唾手可得,但真正的學習能力卻更稀缺了。這篇文章拆解超級學習者的六個能力模組,從動力結構到自然表達,建立一套持續進化的成長系統。
人才密度的三種打法:Meta、Anthropic 與 OpenAI
Meta 的百人研究核心讓人才密度成為話題,但 Dario Amodei 與 Sam Altman 也提出過具體的人才與管理主張。從三家 AI 公司的領導者自述與歷史留任資料,比較資源集中、共同目的與授權如何影響團隊工作。
三個 Claude,一條回饋路徑:從設計探索到實作驗收
回看設計探索、批評與程式實作的三角色安排,用草圖、規格與截圖核對交接,釐清介面與模型、回饋與品質、實際畫面與功能驗收的差別。
我以為會變的是模型,後來才發現協作方式也是動態的
三天前我主張把難度當常數、把模型能力當變數,卻漏看了一件事:不只模型會變,模型之間的協作方式也會變。Anthropic 的 advisor 策略讓便宜模型主駕、只在關鍵決策點呼叫貴模型當顧問,官方實測接近頂規品質、成本卻只剩約六成。這篇補上我上一篇漏掉的第二個變數。
Transync AI 值不值得訂閱?與按用量付費的自建方案比較
整理 Transync AI 官方方案,並與我的自建會議翻譯流程比較。自建仍有 API 與維護成本,也會使用第三方服務;價格、使用條件與資料流向要分開看。
AI開始安排分工,人要確認什麼?
從Ultracode談範圍、資源與驗收,不把多代理當成可靠保證。釐清編排設定與推理級別、工具權限與停止條件,將需求和實際結果納入驗收。
用AI整理新聞,別把日期與保留語氣弄丟
把檢索、整理與查核分清,讓每個重要主張找得到原來的材料。來源數與多視窗不保證獨立,核對歸屬、期間、單位與推論,查核結果也要人再核對。
我們必須為 AI 前沿設定節奏
Dario Amodei 主張,前沿 AI 不應全面暫停,而應以足夠審慎的速度發展,讓對齊、可解釋性、測試與第三方監督跟上模型能力。本文整理他的三層治理方案,以及民主國家與全球協調面對的地緣政治限制。
當 AI 參與打造 AI:先讀懂數字,再看那個尚未合上的迴圈
依 Anthropic 公開文章回看 AI 參與開發的證據,釐清八倍程式碼量與工作階段成功率的定義,撤下示意插值圖表,並分開公司報告、未來情境與作者的驗收反思。
當 AI 開始挑選它的使用者
回看2026年7月上海出差的Claude連線事件,區分HTTP回應、出口查詢、應用程式恢復與服務條件;修正302變403即解除區域限制及VPN只改一變數的推論,整理工作備援的問題。