[AI 影響] 2026 年，是手寫程式碼的最後一年期限

 [AI 影響] 2026 年，是手寫程式碼的最後一年期限

昨天身體不舒服，今天一早起來打開電腦，就看到更多的美國裁員訊息，從今年年初到現在，幾乎每個月都有不同公司在進行大規模裁員，最近看到的小道消息則是，這個5月份4個10分不平靜的月份，接著微軟與臉書這兩大科技公司有要繼續再加入裁員行列，他們早在前幾個月已經進行一波裁員，我覺得現在應該先不用關注哪些公司正在裁員，而是可以找看看究竟還有哪些公司到現在為止都沒有因為AI的需求導致裁員的。這波裁員力道來得又快又急，很多上班的人幾乎都不知道如何去因應未來該如何去面對AI的衝擊，甚至是有些人還在想說，AI會不會取代掉我的工作？

我覺得這個問題已經不是重點了，因為現在的趨勢是，AI已經開始取代掉很多人的工作了，說實在的我覺得這只是開頭，就算這些公司正在使用AI，也需要花費一些時間進行公司的人與組織和AI工作流的謀合，不過這些大廠最不缺的就是錢，畢竟要加AI代理人與現有公司組織的工作流進行整合，也不是那麼容易的一件事，現有的公司組織與流程，原本就是為了人而設計的，因此新的AI agent出現之後，原有的公司組織與工作流將會面臨到巨大的挑戰，這兩者之間江存在的重大衝突，硬要把2個完全無法融合的東西疊加在一起，將會注定是要失敗的，而且從現在網路上可以看得到的資訊，能夠真正將AI agent與現有公司組織與工作流完全成功進行整合的公司， 並且直接的因為這樣的整合江公司的營收提升到一個程度，似乎並沒有這麼多的訊息，甚至是連一些AI agent的開發者都還在摸索當中，這也就代表說，未來的趨勢是，AI agent將會取代掉很多人的工作了，這個趨勢已經是不可逆轉的了。

但是這樣卻是一個強烈的訊號指標，在這些先前投入AI agent 的各個公司，他們一定會經過不同的迭代，在執行過程中遇到不同的困難與瓶頸，一旦熟練了如何將AI agent 與公司組織與工作流進行整合之後，這些訊息接著是放到網路上，這就是告訴其他正在觀望或者還存在疑問的相關公司， AI agent是已經成功的了，這些公司也會開始投入AI agent的開發與整合了，這樣的趨勢是會越來越明顯的了，隨著越來越多人的加入AI代理人的行列，勢必會釋放出更多有人成功的訊息，當然也會有人遇到挫折傳出失敗的新聞，不論如何，這一些先烈的血將不會白流。他讓我們後進者將會知道該用什麼樣的方式投入到企業內，江他們以前踩過的坑，列入到經驗裡面，因此要邁向成功的階段就會變得越來越快。

所以我覺得，2026年，將會是手寫程式碼的最後一年期限了，就在這個準備進入2026年6月的時間點，如果你是一個軟體開發人員，觀察你身旁的同事以及朋友，究竟是還有多少人沒有透過AI來寫成是的，又究竟還有多少人堅持要使用古法方式來寫軟體的，如果還是有人要堅持使用古法的方式來手寫程式碼，相信這些人應該要被列為瀕臨絕種的保護動物，大家應該要更加地愛護他們，不要讓他們受到更多的傷害。

AI的技術一直持續的在成長， 雖然有很多人再說，那語言模型已經進展到盡頭了，無法再看到有更多的令人驚艷的創造出來，但是截至年底之前，我個人認為還是會友更多的突破，這些新創造出來的技能或者是功能，將可以喂後半年的AI產業注入更多的活力，AI agent不可以說完全成熟了，已經可以完全取代掉人類的程式設計師了，但是越來越多人已經離不開AI了，甚至放棄了引以為傲的一些技術和技能，這些是他們以前引以為生的驕傲，甚至於是他們這幾年或者這十幾年來謀生的依據，也就是說他這幾年來所賺的錢，擁有的工作，都是靠著這些技術和技能所賺來的。若是現在要憑藉的AI就要躺平過生活，真的是相當困難的，當然這個趨勢是不可逆轉的了，現在的趨勢是，AI agent已經開始取代掉很多人的工作了，隨著AI agent 的成熟，更多的AI數字人員工誕生，我們這些靠知識營生的傳統員工，江面臨到巨大的挑戰，一次性的將所有人類員工的能力進行取代，這是一次性的痛，但是當你發現身旁的相關工作環境，這些AI agent所創造的AI員工，開始提供了各種不同的工作能力與服務，使用的是1點1滴的方式，慢慢侵蝕掉你的生活，慢慢的取代你原有的工作，當你發現的時候，也許是在一年半到兩年之后，這個時候想要做些補強或者因應的措施，甚至於改變或者去尋找其它的工作機會，不能說是相當困難，是需要換個思維換個腦袋來想想未來該怎麼做了？

再次回到古法手寫程式碼的碼農，換各角度來說，我們這些每天靠著寫成是換取金錢的人，有誰覺得每天生活是過得還不錯的呢?又或者是每天就為了人與人之間的溝通、突然之間又要改這些錯誤、突然之間又要追加新功能、甚至於需要把整個架構做改變、更讓人無法接受的是要把第一個禮拜前甚至一個月前所提到的事情或者需求，要你把現在的系統改變成那樣的狀況，說實在的我覺得寫程式的人面對這些日常的工作，已經是相當的痛苦了，甚至是有些人已經開始厭倦了這樣的工作了，現在又要面對AI agent的衝擊，這些人真的很辛苦了，當然也有一些人是非常喜歡寫程式碼的，甚至是把寫程式碼當成是一種興趣或者是嗜好來做的，那麼他們就會覺得這樣的工作是相當的快樂的了，不過我覺得這樣的人應該是少數的了，大多數的人應該都是覺得寫程式碼是一件相當痛苦的事情了。不過我覺得是不是可以換個心態來思考，趁著這波AI浪潮的到來，或許可以把這些痛苦的工作交給AI agent來做，讓自己的生活是不是可以過的更加快樂，也可以藉由這樣的工作變化，找出自己更多的價值出來呢?當然這些都是需要一些時間來適應的了，畢竟AI agent的成熟度還沒有到完全取代掉人類程式設計師的程度了，不過趨勢已經是不可逆轉的了，現在的趨勢是，AI agent已經開始取代掉很多人的工作了，這個趨勢已經是不可逆轉的了。

[AI 經驗] 想要成為一個好的AI工程或架構師。遠比你想的困難多了

 [AI 經驗] 想要成為一個好的AI工程或架構師。遠比你想的困難多了

今天一整天接受到1個挑戰，他是一個非常簡單的工作流，我全程都想要用AI Agent 來把它實作出來，並且想要創建出一個AI Native的應用程式，這期間遇到了許多問題，每個問題其實又有多種的解法。 每個解法又有各自的優缺點。 把這整個的過程拆解成不同的節點的話。 就會變得十分錯綜複雜，但最後必須要能夠滿足當初的需求設定。 結論是到現在為止。 這樣的挑戰還沒有成功。 我自己。大概只有到，70%完成度。

首先看到的就是。若要這樣的系統變成可以在正式環境下可以運作，它的穩定度與可靠度將會面臨到嚴苛的挑戰。我這次所做的。練習全程都是在一個AI Agent 下來執行。我曾嘗試用我的同樣一個需求提示詞。 對AI代理人嚇出五次以上的請求，得到的結果就是他使用五種不同的做法來幫我解決問題。 有些時候他使用的是一個腳本。 有些時候他就在大語言模型之內立即生成一小段程式來幫我執行。 這兩個的差別在於前者需要我自己去執行。 或者則是由AI代理人自動來幫我執行。

另外，他使用的方法也會不同。有些時候透過skill來處理。有些時候，他嘗試的去網路找看看有沒有更適合的CLI工具。 總之，我自己覺得這樣的結果是十分混亂。 那也許大家會說，你可以把提示詞寫得更明確吧。 這就會造成了第2個所看到的問題。 一開始要用AI代理人來解決問題。 我們要怎麼知道要告訴AI代理人，一定要使用某種特殊的做法來幫我解決這個問題呢？ 還是要AI代理人自己去創造自己的想像力。 找到1個合適的做法。

不過面對這樣的狀況。 若是在進行軟體系統開發的過程中。 這樣的問題我已經找到了解決辦法。 並且在各種不同的專案底下獲得了驗證。 也就是。 不管AI代理人要怎麼幫我解決問題。 最終AI代理人產出的結果。 都會符合在我的預期。 而且所使用的技術或者程式碼。 原則上都在我可以接受的範圍。 剖析這樣的做法，其實也滿單純的。 因為對於軟體開發的過程，我自己也蠻了解的。 所以我給他架設了很多邊界條件。 讓他不要做。 許多事情但是我要求的需求必須要能夠幫我做好。

接下來就是費用的問題。 我這次使用的AI代理人。 採用的是每個月20美元的額度，也就是說。 我每5個小時將會被在特定的額度底下才能夠運作。 由於這是一個長期的輪轓需求。 所以AI代理人每隔10秒鐘就必須去查詢系統上的狀態。 根據我的要求做出適當的反應動作。 每一次他做的任何一個動作。 都要耗費大語言模型的算力。 也就是說，每一個動作都是要花錢的。其實有這樣5個小時或者每週的額度限流。我個人認為這樣的設計是不錯的。最起碼不會造成你的帳單爆表。讓AI代理人做了一個晚上的工作。早上一起來看到你收到了可能是10萬塊美金的帳單。那時候你應該會覺得整個天都塌下來了。

接下來則是可靠度的問題。 也許在前面的5個小時運作都很正常。 但是也許在接下來的時間，網路可能會突然斷線。 類似這樣的異常狀況發生。 那麼AI代理人是否能夠偵測到這樣的狀況？ 自我進行排除或者是暫緩排程工作，等待下一次繼續來執行。 對於排成類的工作若某一段時間沒有去執行。 那這一段時間的排成工作是否會重新再執行一次？ 因為如果沒有這樣的話。 在有些系統設計上，將會造成資料有所遺失。 這也是大家所不願意看到的狀況。

最後更嚴峻的挑戰就是。 如何把上面的所有過程？ 讓他可以在一個穩定的架構下來執行。 蒐集到各種例外狀況，記錄下每個時期的執行狀況。最終將它可以變成一個反覆執行的。 系統或者程式。 那這個程式或系統又該如何的來驗證它的可靠度？ 以及它的穩定度？ 對於部屬到正式環境下。 又還會遇到什麼樣的問題？ 會不會執行到1半？ 就會遇到了額度不夠的問題。 當場系統就被鎖住了。 而這是一個正式要用的環境。你是否允許讓你這樣的系統可以被遠端的大語言模型廠商？鎖住兩個小時不能使用嗎？

我原本以為AI工程或者架構師的工作不外乎就是我會用AI代理人來解決工作上的問題。單就剛剛所講的幾個簡單狀況。就需要不斷的花時間來做復盤，分析他的各種不同狀況。 以便在未來要做同樣或類似工作的時候。 可以擬定出一個比較好的策略。 而相對這樣的工作。 不會是只有一次的。 每個AI代理人的工作都需要延續這樣的做法。 而這樣的一些經驗以及過程。也就需要被記錄下來。這些事情想到了就頭很大。 那麼這樣的工作真的還值得繼續往下做嗎？ 畢竟在現代這樣的狀況。 也沒有人可以說得準。 該如何來做這些事情？ 畢竟這樣的技術與經驗也就在2026年初才剛開始萌芽。 大家有什麼樣的看法呢？

[AI 正能量] 為什麼需要 Token 最大化？

 [AI 正能量] 為什麼需要 Token 最大化？

在這波AI的巨浪中從一開始不能相信。真的有這麼神奇嗎？到了焦慮，產生除了個人的焦慮。也有了集體焦慮的互相交叉影響。接著就到了寧可信其有。不可信其無的階段。這時候大家所拋出的術語就是。你要去擁抱AI，才知道AI才知道你要做什麼？等你開始使用之後。 接著就發現要盲目的去。 理解和學習各種不同的名詞。 學習與理解各種不同AI代理人工具的差異，學習與理解這些AI代理人究竟可以幫你做到什麼事情？

說實在的。 不管AI到底可以真正是否幫忙人類解決很多問題。 我總感覺以上的過程。 都是在最近這三四個月內所拋出來的。 這分明是一個精心策劃的過程。 只要你開始聽從或者是接受到其中一個階段。 你將會無法控制的繼續墮入到他們所設計的另外一個階段。 接著你就無法跳脫他們所設定的框架之中。 這種被人設計的感覺真的不是很好。 但是說實在的整個AI工具使用下來。 我確實覺得他對我來講是不錯的。 也許這是商業資本化必經的過程吧

我已經經歷過了擁抱AI的階段。 也開始紛紛嘗試著將身旁的相關工作。 或者是自己的想法。 那AI代理人來幫我實現。 甚至於思考應該用什麼樣的方式來做。 才是最佳的做法。 最近聽到的是。 算力最佳化也就是Token最大化，這個迷遲的用意十分的清楚。那就是AI所創造的人力以及價值。是人類本身的數倍到數百倍。對於從事軟體開發的人而言。 這句話應該就不用多說了。 以往可能需要一個禮拜工作才能夠完成的時間。 就算你對於AI工具並不十分熟練。 至少也可以在3到4天之內。 把以往需要七天的工作量給完成。 相對而言透過了AI工具，你已經把自身的能力提升到了一倍。

透過AI工具的使用。 就像是一個槓桿。 可以把你工作上。所要做的事情以及工作上的價值盡情。 不斷的放大。 那麼，我們為什麼要去不斷的將其放大呢？ 那是因為以往這些事情，都屬於知識工作者才能夠去做的。 而現在的AI工具。 最擅長的就是處理這些原本知識工作者最遺以為傲的能力。 將這些工作內容交由AI來處理。 原來的人就可以同步或者接著來處理其他的事情。 甚至於有人可以同一個時間。 操作。多個AI智能體。讓這些AI代理人可以同時的平行處理不同的事物。這就像是。給我一個槓桿和一個支點我就可以把地球頂起來。

想要做到這樣的境界，必須要有一個前提。 那就是你一個人究竟可以消耗到多少的算力？ 因此才會有人說。 看你一個人的能力到哪裡就要看你用了多少token，我個人滿支持這樣的論點。 理由是若你沒有使用AI去做更多的事情，你將不會發現到還有哪些問題在處理的過程中是你所無法面對的。 接著你才會知道，要如何平行同時的處理這些工作。沒有經歷過這些。 說實在的。 你還是一個單一的個體。 就像我而言。 直到現在20元美金的每月訂閱，我還是無法把每週的額度消耗殆盡。 我也無法摸清楚。 我究竟可以用AI代理人？ 將我本身的能力放大到幾倍？接著我到底有沒有能力去應付這些放大能力的工作態度與方法。

所謂捨不得孩子套不到狼，若沒有把你的能力與其價值放大到數倍，甚至數十倍以上。 說實在的。 AI的能力已經做到1個大家都可以接受的。 那就是同時預期使用AI的一群人。在開始的那一剎那。 其實大家都站在同一個旗袍點上。 也就是大家的能力都已經瞬間歸零了。 接下來就是。 為什麼你可以透過AI代理人把事情做得更多更好？ 而其他人同樣的使用AI。 卻好像沒有達到更大的成效。這一切都需要智慧來操作。

[AI 觀察]：當萬人企業遇上 AI，看到的 6 個殘酷真相

 [AI 觀察]：當萬人企業遇上 AI，看到的 6 個殘酷真相

從現在看到網路上關於 AI 的各種資訊，我一直期待能夠看到關於真實企業，如何接地氣的使用 AI，並且最終是要接受還是要放棄，甚至於與 AI 妥協了，從這篇播客訪談內容中，讓我看到的 AI 是否是一個值得走的一條路。

2023 年底，理想汽車站在神壇之上，市值一度觸及 376.8億美元的高點。然而，緊接著而來的 2024 年卻是一場慘烈的硬著陸：市值腰斬、自由現金流暴跌至負 128 億人民幣、護城河被競品層層瓦解。在這種「背水一戰」的逆風局中，創辦人李想沒有躲進財務報表尋求安慰，而是選擇了一種極其硬核的解焦慮方式：在 200 多天裡親自「燒 Token」學習 AI，並將面試當作「下載」產業大腦的捷徑——他一年面試 500 到 600 人，將各路頂尖人才的思維模型內化為自己的認知。這不是一場跟風的公關秀，而是一個實務主義 CEO 在萬人企業生死關頭進行的生存實驗。當他褪去「彩電、冰箱、大沙發」的產品標籤，以一個深度觀察者的視角審視 AI 時，他看到的不是矽谷式的樂觀，而是 6 個足以重塑管理邏輯的殘酷真相。

1. 沉默者的逆襲：那些「不擅言辭」的人，才是 AI 時代的大腦

在大企業的傳統權力結構中，光環往往屬於那些擅長向上管理、PPT 做得精美、在會議上口若懸河的人。但李想在觀察公司內 AI Token 使用量最高的 20 個人時，發現了一個令管理者脊背發涼的事實：這些人平時多半沉默寡言、內向、甚至因為害怕社交負反饋而刻意躲避人群。這些「非典型員工」並非不思考，而是他們將過去無法向人訴說、或是在官僚體系中難以推行的業務邏輯，全部交給了 AI 進行「重構」。AI 給了內向者一種無需社交壓力的「重構勇氣」。洞察： 李想提出一個極具傳染力的比喻：AI 在組織中的滲透不應是「傳播」（自上而下的宣講），而應是「傳染」（自下而上的病毒式替代）。當這些沉默者利用 AI 做出讓全公司震驚的成果時，技術帶來的生存威脅會逼迫整個組織正視這股力量。

2. 裁員陷阱：AI 是一面「照妖鏡」，它會先照出老員工的包袱

當企業面對負 128 億現金流的壓力時，第一個反應通常是「裁員增效」。但李想發出了警告：絕對不要按舊時代的標準，砍掉新時代的「大動脈」。在舊標準下，一個人的價值來自經驗資歷、信息差、以及對舊有繁瑣流程的熟悉度。然而，AI 時代是一面「照妖鏡」，它迅速抹平了經驗優勢。如果企業依照「誰更有資歷、誰更懂舊制度」來決定留人，最終留下的可能是滿身包袱的平庸者，而砍掉的卻是那些沒有經驗包袱、能熟練與 AI Agent 對話、從零定義工作流的年輕人。資深員工的經驗，在無法轉化為 AI 提示詞（Prompt）的那一刻，就已經從資產變成了負債。

3. 拒絕「全能 Agent」幻覺：產品經理的冷靜防禦

當整個產業界都在叫囂「AI 原生應用」時，李想以產品經理的冷靜，對「凡事皆 Agent」的風潮潑了冷水。基於自主研發的「馬赫芯片」（Maher Chip）與車載系統，他為理想汽車確立了「快、中、慢」三層交互模型：

* 快（Chat Box）： 處理天氣、閒聊等即時需求。這類任務追求零延遲，不需要複雜的邏輯推理。

* 中（確定性任務）： 調用資料庫執行指令，如「查里程」、「開空調」。這是精確控制，決不能交給具有隨機性的 Agent。

* 慢（AI Agent）： 處理高度泛化、需要推理的複雜邏輯。

這背後隱含著汽車產業最硬核的邏輯：「自動駕駛不能邊開邊想」。 在極端場景下，簡單的問題必須簡單解決。盲目追求 Agent 化，往往是以犧牲延遲、穩定性與安全性為代價的技術虛榮。

4. 具身智能的「殘酷真相」：機器人是為了留住人才的防禦戰

李想對於機器人的投入，呈現了一種極其現實的商業邏輯。他毫不避諱地指出，理想投入具身智能研究，除了業務需求，更多是為了應對「組織壓力」。在公司股價腰斬、員工期權縮水的逆境下，為了留住那些想要離職去追逐機器人熱點的高層人才，公司必須在內部開闢戰場。這是一場「人才防衛戰」。

在落地場景上，李想更是徹底的實務派：

* 拒絕表演： 那些讓機器人「翻跟頭、做咖啡」的動作對汽車製造毫無意義。

* 精準降擊： 機器人不應用來「打螺絲」（高精度任務有專門的機械手臂），而應用於「泛化上料」。在工廠中，將燈泡倒入料斗這種精準度要求低、但場景多變的單調勞動，才是機器人該去的地方。

* 路徑圖： 先做應用於工廠的「輪式」機器人，再研發未來進入家庭的「有腳」雙足機器人。

5. 權力邊界：車企必須放棄「決定誰去死」的上帝幻覺

關於自動駕駛的「電車難題」（撞 4 個人還是撞 1 個人），李想給出了極其清醒的界線。他主張車企不應、也不能具備決定倫理標準的權力。AI 只是執行者。無論是碰撞抉擇還是責任認定，都屬於公共規則與司法解釋的範疇，應由國家法律與社會共識決定。企業的任務是放棄決定生死的「神性」幻覺，僅負責確保技術能精確執行國家法律規定的標準。當技術進入 L3 階段（雙手離開方向盤、眼睛無需直視前方），汽車的屬性將發生質變。李想認為，儘管共享單車消滅了通勤自行車市場，但汽車作為「私密空間」的屬性是共享模式無法取代的。自動駕駛解放了人的時間，讓汽車成為家庭用戶的「第二客廳」，這才是私家車市場在 AI 時代的護城河。

6. 結語：20% 到 2% 的殘酷躍遷

透過這 200 天的實驗，李想揭示了一個最殘酷的真相：AI 帶來的不是「平權」，而是極致的「精英化」。在過去的工業時代，優秀員工可能佔組織的 20%；但在 AI Agent 深度介入後，真正具備重構能力、能指揮 AI 軍隊的頂尖人才，可能只剩 2%。AI 正在重新定義「好員工」與「好公司」的價值排序。這不是一場溫馨的技術升級，而是一場對舊經驗、舊流程的暴力重組。在這個時代，最危險的不是技術新手，而是那些手握著舊時代「經驗包袱」，卻自以為能安然度過浪潮的資深老手。

你手中握著的，是即將縮水的舊時代存摺，還是通往未來的「Token」？

[AI 反思] 天下武功為快不破，所有的編碼技術，終究成為垃圾

 [AI 反思] 天下武功為快不破，所有的編碼技術，終究成為垃圾

剛剛遇到這樣一個 Bug，這屬於一個設計上的缺陷，因為在迭代開發過程中，最近因為異動而加入了 EQ5D & CIPN 這兩個問卷，這導致了當使用者在操作過程中，設定這兩個項目操作上，發生了詭異現象。

我嘗試了採用古法編成與工程做法，逐一設定中斷點，嘗試各種不同操作方式，花費了約 1 個小時，應該確認問題點了，並且將其修正完成。說實在的，這類問題在寫程式過程中，都是最難解決的，而且最花時間的，有些時候，花了這麼多的時間，最後只需要修改一行程式碼就解決了。

我很好奇，AI能否分析與解決這樣詭異的系統臭蟲，所以，我分別利用了 Github Copilot & Codex 來進行分析，我提出的提示詞如下：

在 [VisitCodeDialog.razor]內， 當進入到 Visit Code 設定對話窗內，勾選了 EQ5D or CIPN，而後點選了確定，進行儲存，當再度進入 Visit Code 設定對話窗內，卻發現到這個兩個項目變成尚未勾選狀態

這兩個 AI 分別都找出了真正的 Root Cause，並且說明要如何解決這個問題，平均花費了約 3 分鐘的時間，若採用樣的計算方式：

1 小時約為 60 分鐘

60 / 3 = 20

因此，透過了 AI 將會幫助我啼笑(提效)了約 20倍的能力，做到這裡，我汗顏了，做了一輩子牛馬，價值卻只需要 3 分鐘就可以解決了，我卻還花費了 1 個小時，可能那時候，我還為了我可以解決這樣的問題而在沾沾自喜，因為我資質好，才能夠這麼快且有效的在一個小時內解決此問題，沒想到我才是那個真正的笨蛋，在 AI 面前，所有的知識與經驗都是垃圾，在 AI 面前都是吹彈可破的技術，我終於知道了

AI 降世，凡間自稱或尊稱為大神的凡人，趕快退駕，免得褻瀆 AI 的不可質疑的能力

[AI 效果] Air是否真的能夠幫助解決問題？

 [AI 效果] Air是否真的能夠幫助解決問題？

大家好，星期三因為太多事情又十分的累，所以沒有發表一些看法。今天是小週末了。明天又要放假了，在這裡提出一些最近與AI碰撞的經驗與感想。

距離距離上次谷歌發表新模型。 到現在已經快3個月了。 如同之前所觀察的。 大語言模型幾乎是每3個月就會有一個新大版本推出。 就在這一兩天。 谷歌發表了一系列的相關AI的產品與服務。 市場上說法兩期。 但是這絕對是一個正面的走向。 因為只要你沒有推出任何新的服務或者產品。 勢必就會在這個AI的賽道中出局。 想要在花費更多的時間與成本。 回到這個賽道。 原則上是十分困難的。

臉書在5月20號。 如同網路上所傳聞的進行了一波大裁員。 這次裁員關係到8000名員工。 其中還有額外的7000米員工。進行了職務調動，他們朝向了組織扁平化邁進。這些AI大廠各自有各自的謀劃，不管大家使用哪一種做法。 在今年年底之前，投入巨額的基礎建設費用這一方向看樣子是已經底定不變了。 而且。 大家都已經準備好看誰錢砸的多。我基本認為，在2026年之前。這波AI的競合，基本上局勢是大致底定的。 接下來就是看未來的這半年，各自又有什麼壓箱底或絕活？ 在不同的時間，讓大家所看到。

重點在於相信這些AI大廠。口袋裡早就把這些讓大家看到或聽到就會十分驚豔的各項議題，應該都已經準備的差不多了。 接下來就是看準時間點逐步的把這些利多訊息釋放出來。 我會這麼觀察。 這是因為有錢就會好辦事。 這些AI大廠集結了全世界頂尖又聰明的人才。 這些人和廣大數量的。 工作者勢必將會創造出各種不同經驗的內容出來。由於未來AI的走向十分的廣泛，與多樣性。 我個人基本認為現階段是已經入手的比較晚的時間點。 因為現在進入這個局。還要把最近這三，四葛月的落後資訊補充起來。 另外，對於AI工具的使用。 也需要時間和經驗來把它熟練。 這不同於以往的任何工作。 因為這些的經驗無法透過以往所學到或做到的方式來進行累積。 必須要不斷的經過碰撞以及練習才有辦法得到。 因此。 若要到明年初才要進入這場賽道。 除非投入更多的金錢以及人力，要不然很多東西將會。 比較困難來進行競爭。

今天我個人又接了一個挑戰題目那就是原本用搭.NET 8開發的NAUI手機專案因為升級到.NET 10，導致現在Android的系統要能夠匹配 EDGE TO EDGE 這樣的能力，這樣的工作需求真是為難了這個老頭，畢竟這個名詞究竟是什麼？ 要如何才能做到這樣的需求，又要使用哪些的SDK？ 或者原生的API？ 說實在的，我一看到這樣的內容，我的腿就已經軟了，因為我已經沒有力氣再來去追逐這些技術。

我首先使用大家最為稱讚的克勞德4.7。 來進行輔助開發，首先我先與客勞得進行交談。 把我的問題告訴了他，也透過了客勞德了解了這個新的規格到底在做什麼。 最後，我請客勞得提交了一個計畫，仔細看一看，好像沒有什麼問題。所以我就直接請他開始進行建置。很不幸的第一輪挑戰是失敗了。修正。 好的專案是沒有解決掉我的問題。 但我不認為克勞德所標示的問題點。 是錯誤的因此我反覆與他進行了第二輪和第三輪的交談並且反覆起他使用不同的角度來進行修正。因為時間已經花費了快要兩三個小時，所以我想說，我還是對客勞放棄的念頭。

接下來派出的第二名選手就是OpenAI的。Codex，這名選手的特色就是他的理解力可能沒有克勞德利害。 但是他具備了肯幹實幹，並且認真負責的能力。 我把同樣的需求內容貼到第二名選手身上，他同樣的標示出可能發生的問題。 並且進行第一輪的。 產出結果是出來的結果和克勞德一樣，其中一個環節並沒有解決。 因此，我請他針對這一個問題進行第二輪的修正。 讓我非常訝異的是，他竟然提出了另外一個做法。 我覺得抱著姑且一世的心態。 讓他去嘗試看看。 發現到出來的效果就是我要的。 說實在的，在以網絡整個東西是我用古法人工編程。 我著實不會想到這樣的做法。因為他的技術門檻真的太高了。

接著進行了完整的系統測試，陸續發生了兩個潛在的問題。 由於是之前採用的新技術與方法所造成的，很快的第二名選手也知道是因為這樣的問題所造成。 因此，它就可以繼續的把這些副作用所造成的影響。 進行了修補完成。還是要來進行問題的回顧與比較。 在以往這樣的問題，從開始進行規劃，事前進行研究以及學習相關的技術。 開發過程。 這不斷測試，或者在到網路找各種API的使用方式，原則上沒有七天的時間我覺得應該無法完成。然而，我卻在一天的時間透過了兩個AI代理人。反覆的語。 他們交談。 就把我的問題給解決了。 這期間我也有觀察他所寫出來的程式碼。其實是相當的簡潔，而且直接命中要害。因此，對於今天的挑戰與結果我是相當的滿意。

在此之前，聽到了許多AI代理人在幫忙寫程式，造成了一些副作用，或者是寫出一些無用的程式碼的傳聞。 透過之前的與其共處，再加上今天的測試，我是覺得要能夠操控好AI。 是有一些方法，可以使用的。 也就是說，若沒有掌握到1些訣竅。 或者AI的精神。 憑著硬幹的做法其實會得到反效果，甚至於不好的影響。 這也貫穿了我之前所觀察到的，我們要不斷的與AI的進行磨合，以及調適。 透過AI所給予你不是你希望的內容。反覆疊帶的進行。與AI再度溝通，找到適合你的結果。

AI這條不歸路，其實也不是每個人都樂於想要走的。 可是在於這樣的一個時代，以及契機之下，很多東西就算我自己也無法接受。 但也必須與其妥協畢竟他所帶來的好處是遠大於大家所說的影響

[AI 影響] 我正式放棄古法編碼技術

 [AI 影響] 我正式放棄古法編碼技術

在這兩三週內，網路上關於AI的相關新聞，真的冷靜了許多。 最近紛紛看到了許多。 在之前一直在鼓吹AI有多好的人，他們也陷入了一個平靜的思考。那就是他們對於AI的熱情已經大幅降低了，原因並不是他們不再需要AI這樣工具了。而是在這個之前，他們不斷地吸收各種網路上以及市面上AI各種的訊息。學習AI相關的技術和技能，造成他們腦中的多巴胺過度的釋放，使得牠們無法更集中精神的來學習更多的AI知識。我想這也是一個AI所帶來的副作用。我覺得這樣的短暫結局。 是好的。 畢竟我們人，從以往到現在，是沒有習慣於接觸或者處理這麼大量的資訊與工作。 現在正是一個冷靜與思考的好機會。

在同一個時間，在美國矽谷那邊。 大家也紛紛習慣於另外一種作業方式。 那就是透過語音的方式來操作AI，而不是向傳統的方式來用打字輸入。 這其中的轉變我覺得是好的。 例如當你想要告訴AI幫你處理某些事情的時候，你只需要透過麥克風將你想到的事情。 並不需要使用完整的方式來描述。 將這些內容提供給AI，它會自動進行疏離，以及理解你想要做的事情。 就算你說的並不完整。 也可以讓AI把你所想要的結果處理好，並且回覆給你。 這就有一點像是我們在做氛圍編程一樣，而且這個這樣的開發程式技術，說實在的我並沒有實際來體驗過，這是因為我的辦公環境實在安靜到讓人有一點害怕，所以若是我在處理事情的過程中，透過語音的方式來驅動AI來做事情。我覺得辦公室的人可能會認為這邊為什麼會有一個精神不正常的人。在那邊不斷的睡睡念。

最近這三週。我不斷的嘗試使用AI工具來進行程式問題的處理，慢慢的，我習慣於不再深入去觀看所產生的程式碼。 也不再去思考當有一個問題如何把它形成一個可以執行的邏輯。 接著把這些邏輯編寫成一個可實行的程式。 最後透過編譯以及除錯的過程中，得到我想要的結果。這種古法技能在我這邊應該已經宣判出局了。會有這樣的體悟，那是因為當我使用了新的方式來進行開發，我只需要把我所理解的內容，告訴了AI。 我就可以得到我想要的結果。 並且這個過程中幾乎不會有過多的意外結局產生。 而且我也可以透過AI讓它把我進行其他的檢視。判斷出因為做了這樣變動，是否會造成其他的邏輯影響？也就是我們常說的改A壞B。

說實在的，任何一件事情的改變。會影響到你以前長久以來所做的任何的事情的方法與態度。 要形成這樣的變化，並不是那麼的容易。 對於一個有能力或者是負責任的人。 都會去思考做了這樣改變。 是否會造成我原有工作上的影響？ 是否可以一樣完成我想要做的事情？ 這些00總總的思考。 都需要花費時間來做驗證。驗證一個變化的好與壞，說實在的這樣的工作技能並不是那麼容易做到的也許要經過不斷的迭代以及嘗試和修正最重要的是要讓時間來去消化這一切。

而我覺得這個時間點是到的時候。那是因為最近的工作。真的不再需要我去看程式碼，並且工作真的可以提早完成。 而且也避免了相關副作用的產生。 在經過一兩次真的放手讓AI去做這些事情，得到的結果也是確認的。 更讓我確信這樣的做法是沒有問題的。另外一個思考點則是，距離2026年底也只剩下半年了。 那個時候幾乎所有的人將會全部擁抱AI，來處理軟體開發的工作。 我所剩下的時間也真的不多了。 我也需要花時間來熟悉如何讓AI幫助我做事情。我也需要時間來讓我熟練，以及精通這樣的工作方法，若是這麼說。 看樣子我也是個有在思考的人。 所以不管這樣的決定是好是壞。說實在的，我也沒有更多的選擇了。

[AI 回歸] 一切行為終究還是要回到正常商業模式

 [AI 回歸] 一切行為終究還是要回到正常商業模式

所謂潮水退去了，才知道誰沒有穿褲子。這幾個月所造成的AI風起雲湧，其實源自於AI大廠的資本炒作和一些有心人士趁這樣的風潮想要從中獲利一筆，他們賣的是焦慮，以及隨手可得的課程。和一些整理後的AI知識。其實真正的AI海嘯還在路上。 這波人為操作的小波浪。 並不算是AI所造成的。 因為他們販賣的並沒有真正落實到1般客戶所需要的商業模式中，許多的一人公司也在這個時候誕生了。天下有人力的人何止成千成萬？ 若僅是因為這樣的一個時機點，就可以成就這些人都開創成為一個人的公司。 那麼，AI所創造的槓桿人力也未免巨大到讓人無法想像。 我想這個時候AI大廠早就應該簽上出各種不同的小公司，讓底下的員工都獨立出來，成為上千萬個小公司趁這一波浪潮，把這一波的獲利給席捲走。

沉浸了一兩個月之後。那些在兩三個月前姓氏淡淡的人。 說他們可以拿下這一波AI的相關紅利，憑藉的他們一個人就可以翹起整個槓桿。 時間可以說明一切，他們每天更新的，他們的自媒體影片訴說著他們如何從無到有的發跡。 要讓大家來見證這一波奇蹟。 可是事實上可以得到觀察。 絕大部分的人都承認他們失敗了，有人虛心的在檢討，為什麼我在這一波的衝刺中卻失利？ 有人還在不斷的鼓吹，他每天獲利了多少，憑藉了他們開發出的一些手機應用程式。或者一些網站小工具。 這些透過AI生成的工具，幫助了多少人，節省了多少時間與成本？ 可是說實在的，這些事情只是集中了一些非常非常小的公司。 真正的中型以上的公司似乎都沒有在這一波的AI紅利中看到有所動機

這也就是大家所謂的護城河有沒有建立好。 以及這樣的商業模式是否可行，先來談談這樣的商業模式是否可行。許多人提到的一些解決方案。 其實就是他們自媒體本身日常的工作行為。 進而延伸到了一些網路拍賣業者，或者是同樣身為自媒體的人。 透過了同樣工具的延伸確實可以幫他們縮減了許多工時以及成本，但是說實在的面對著其他的企業以及商業這樣的垂直整合模式。真正的問題有很多種。 其中最重要的是這些身為科技的技術人並不了解這些商業模式中的垂直整合。 該如何運用？ 這些存在於企業中的工作流該如何進行疏離？ 或者是建構AI原生的工作流。 最需要很多的時間去與客戶進行溝通與及教育。 因為大家都沒有成功的案例。難道我要成為那個第一隻白老鼠嗎？

絕大部分的現在AI從業者，拿著AI現在眼花繚亂的各種名詞與技術。 試圖要整併到各個企業工作流中。 但是這些企業的工作流。 真的是在這個階段很重要，需要急於馬上處理的嗎？ 換句白話來說，也就是說，這些AI從業技術人員。 真的知道客戶的痛點是什麼嗎？ 另外一個就是當客戶花費了這些費用以及時間和成本下去之後。 我真的可以幫助我的企業創造出更多的營收空間嗎？ 還是僅限於讓我底下的所有人提升了效率。 提升了效率之後，但沒有創造公司更多的營收。 難道就要進行所謂的人力裁解嗎？ 這樣的做法並不是十分的良好。一個企業存在的目的就是為了創造更大的營收。 當更大的營收沒有辦法創造出來的時候。 為了提升企業的經營績效。 創造出更好的帳面報告。 當然就把企業內最大的成本消耗進行裁撤。 那也就是現有公司的人力。 裁撤了這些人力之後，短期一兩年之內。看到的是公司的帳面好像變得更好了。但是中期來看這個企業還是沒有創造出更大的營收空間。

一旦這些懂得企業工作流以及知道他們痛點的人員，慢慢熟悉了摸清楚了AI工具所帶來的優勢。以及使用方式。這些企業的知識分子。 雖然到時候無法使用的如同那些AI技術人員。 這麼流暢的方法以及靈活的使用這些AI工具。 但是他們會思考如何進行企業的改造，透過AI工具的加持，協助企業進行下一波的重構，並且隨時根據商業的行為進行調整。 這些都不是我們這些AI技術人員所可以理解到的。 這些短期冒出頭的AI專家或者是講師。 他們理解的是這些AI工具該怎麼使用，了解到有哪些AI的名詞，他們可以很快速地追逐到這些最新的AI動態，但是所有的相關行為還是要回歸到正常的商業行為上。

這樣的相關需求所創造的獲利空間以及另一波的商業模式。 這些AI大廠。 並不是沒有看到。 所以這些AI大廠也紛紛結合了相關的顧問公司或者是廠商。成立了這樣的AI推廣模式，他們不再天上一直喊的AI到來了。而是走路到了地下。 走路到了客戶端那裡。 陪著客戶手把手的把這些最新的科技以及技術，和客戶手把手的把它建立起來。 如此成立的模式，將會讓客戶直接信任到這些廠商。確實可以幫助他們解決他們現在所面臨到的問題。這樣的模式是不會在短短的兩三個月看到有任何成效的。 但是他的後期威力是十分巨大。 因為這些落地的廠商和客戶間建立了彼此的牽掛。 也存在了一些信心。和信任的關係，接著藉由這樣垂直整合的工作。也逐步把競爭者的互誠和給建立起來了。一旦掌握到了客戶的信任。護城河也建立了越來越堅固。以及更加的寬廣。之後想要追逐或踏入這個領域的競爭者已經幫他們建立起1個不可跨越的鴻溝。此時新一代的AI商業模式也就建立出來了。

距離距離2026年底。 還有6個月的時間。 是該需要逐步來規劃，在每個月該做好什麼樣的準備？ 到底是要進行這一波AI商業模式的競爭，還是逐步的把自己的商業互成合建立得更加穩固。

[AI 未來] 你如何與AI 和平共處

 [AI 未來] 你如何與AI 和平共處

AI 的浪潮，真的已經不是「未來」了，而是現在正在發生的事情。很多人還把 AI 當成一個聊天工具、一個幫忙寫文章的工具，但真正開始深入接觸 AI 的人，其實已經慢慢看到另一件更大的事情：AI 正在重新定義整個軟體世界。

過去幾十年，我們熟悉的軟體模式，其實都是建立在「規則」上。工程師寫流程、設計畫面、建立欄位、定義按鈕，再讓使用者按照既定流程操作。於是系統越做越大、功能越堆越多，最後變成一個沒有人敢輕易修改的龐然大物。很多企業現在最大的問題，不是沒有系統，而是系統太多、太重、太難改。

但 AI Native 的世界，不再只是這樣。未來的核心，不再只是「開發功能」，而是建立一個能讓 AI 一起工作的環境。以前是人操作系統；未來會慢慢變成 AI 幫人操作系統。很多原本需要大量人力處理的事情，開始能透過 AI Agent 自動完成。從整理文件、查詢知識、分析資料、跨系統操作，到執行整個流程，AI 開始從「工具」慢慢變成「工作者」。

而這件事情的影響，遠比很多人想像得還大。

因為企業一旦發現，同樣一件事情，原本需要十個人花三個月完成，現在透過 AI Agent 幾天就能完成，而且成本更低、速度更快，整個產業的競爭方式就會被迫改變。這也是為什麼現在越來越多人開始提到 AI Native。它不是單純把 AI 加進既有系統裡，而是從一開始，就把 AI 當成整個系統的核心。

很多人現在還在追模型、追參數、追哪個 AI 比較強，但真正重要的，其實是另外一件事：你能不能建立一個 AI 能工作的環境？你能不能把自己的 Know-how、流程、經驗，轉換成 AI 可以理解與執行的東西？因為未來真正有價值的人，已經不只是「會寫程式的人」，而是能夠設計「AI + 人協作系統」的人。

你會開始看到，有些人一天可以完成以前一個團隊才能完成的事情。有些公司，人數沒有增加，但產能卻暴增。以前一個專案需要十幾個工程師；未來可能兩三個人加上一群 AI Agent 就能完成。以前很多需要大量教育訓練才能操作的系統，未來可能只需要一句自然語言，AI 就能幫你完成整個流程。

這也是為什麼，現在很多傳統軟體的思維，正在慢慢被淘汰。過去的軟體，是把所有事情「先定義好」。但 AI 的世界，不再需要把每件事情都寫死。AI 能理解上下文、能推理、能拆解任務、能自動規劃流程。很多以前做不到的彈性，現在開始出現了。

未來很多系統，甚至可能不再需要複雜的操作畫面。使用者只需要一句話：「幫我整理最近三個月的異常資料，分析原因並產生報告」，AI 就會自己完成。這不只是效率提升，而是整個工作模式正在被重新改寫。而真正可怕的是，這場變化的速度，可能比過去任何一次技術革命都還快。

因為 AI 不是從零開始建立，它是直接疊加在既有的電腦、網路、系統之上。很多公司甚至不需要重建基礎設施，就能直接導入 AI。這代表，一旦企業開始真正使用 AI，變化速度會快到超乎想像。所以現在最大的問題，已經不是「AI 會不會取代人」，而是「會使用 AI 的人，會不會取代不使用 AI 的人」。

因為未來真正的差距，可能不是誰比較努力，而是誰比較懂得利用 AI 放大自己的能力。你會發現，有些人開始能同時管理多個 AI Agent；有些人開始建立自己的 AI 工作流；有些人開始讓 AI 幫忙開發、測試、分析、規劃、整理文件、管理專案。這些事情一旦串起來，人類的產能會被放大到一個非常驚人的程度。

而這也是為什麼，現在最重要的事情，其實不是只停留在看新聞、追 AI 話題，而是真正親自下場開始做。

因為只有真正開始使用 AI、真正開始把 AI 放進工作流程裡的人，才會慢慢理解：這不只是工具革命，而是整個工作模式、軟體產業、甚至企業結構的重新洗牌。很多人現在還在觀望，但有些人，已經開始進入下一個時代了。而未來最強的人，不一定是最會做事的人，而是最會「讓 AI 幫自己做事的人」。

[AI 省思] 我們為什麼需要 AI，它可以做哪些事情

 [AI 省思] 我們為什麼需要 AI，它可以做哪些事情

最近越來越能感受到，AI 帶來的變化，真的不是「多一個工具」這麼簡單，而是整個工作模式開始被重新定義。很多人現在還在把 AI 當成聊天機器人、寫文案工具、畫圖工具，但真正開始深入使用的人，其實已經慢慢看到另一件事：AI 正在開始改變「人類如何工作」這件事情本身。

過去幾十年，整個軟體世界，其實都建立在一個很傳統的邏輯上。需求來了，工程師分析需求、設計資料庫、建立流程、撰寫程式，再讓使用者按照系統規則操作。於是系統越做越大、功能越做越複雜，最後很多企業最大的問題，不是沒有系統，而是系統太多、太重、太難改。每次改需求，都像拆炸彈。每次升級，都怕舊功能壞掉。很多公司花了大量成本養 IT、養維運、養流程，但效率卻沒有真正提升。

但 AI 的出現，開始打破這種限制。因為 AI 最大的價值，不只是「自動化」，而是讓很多原本必須靠大量人力、時間、溝通成本才能完成的事情，開始能夠被重新拆解與重組。以前很多事情需要工程師一行一行寫規則，現在 AI 可以透過情境理解、上下文推理、自然語言操作，直接幫忙完成。很多原本做不到的事情，開始變得可能。很多原本需要大型團隊才能推動的專案，現在小團隊就有機會完成。

這也是為什麼現在越來越多人開始談 AI Native、AI Agent、數位轉型。因為未來真正重要的，可能已經不是「功能做多少」，而是「能不能讓 AI 幫你工作」。未來很多企業的核心競爭力，很可能不再只是人數，而是 AI 槓桿能力。你有多少 AI Agent 在幫你工作？你的工作流程有多少已經 AI 化？你的知識有沒有辦法被 AI 使用？你的組織能不能快速利用 AI 重組工作流程？這些事情，會開始變成企業之間真正的差距。

而且最重要的是，AI 不只是加快流程，它會重新改造流程。以前很多工作流程，是因為人類能力有限，所以才必須切割成很多部門、很多角色、很多階段。但 AI 出現後，很多中間流程可能直接消失。以前需要人手整理資料、彙整文件、轉換格式、查詢系統、產生報表，未來可能一句話就完成。以前需要大量教育訓練才能操作的系統，未來可能透過自然語言就能使用。

這代表未來的工作，不只是「加速」，而是「重組」。所以很多人現在會開始焦慮，到底 AI 會不會取代工作？我覺得真正的答案其實是：AI 不一定直接取代你，但會使用 AI 的人，很可能會取代不使用 AI 的人。因為未來最強的人，未必是最會做事的人，而是最會「讓 AI 幫自己做事的人」。你會開始看到，有些人一個人就能完成以前一整個團隊的工作；有些公司人數沒增加，但產能卻暴增；有些部門開始建立自己的 AI Agent，讓 AI 協助處理日常流程、知識管理、專案追蹤、文件產生、資料分析，甚至開始讓 AI 幫忙做決策建議。

而這件事情一旦開始，就回不去了。因為企業一旦發現，透過 AI 可以做到降本增效，可以減少大量重複性工作，可以提升速度與品質，接下來一定會全面推進。未來一定會出現更多「AI 員工」。這些 AI Agent 不會累、不會下班、可以二十四小時工作，而且還能快速學習與複製。很多原本需要大量基層人力處理的工作，未來都可能被重新定義。但我反而覺得，這不一定是壞事。因為真正重要的，不是害怕 AI，而是學會如何與 AI 共存。未來真正有價值的人，不只是會執行工作的人，而是懂得如何設計工作流程、如何控制 AI、如何建立 AI 系統的人。

未來的工程師，也不再只是寫程式而已，而是開始變成「AI 工作流設計師」。未來的顧問，也不只是提供建議，而是能幫企業建立 AI 化流程。未來的管理者，也不只是管人，而是開始管理「人 + AI Agent」的混合團隊。而這波最大的機會，其實不一定只屬於大型企業。因為 AI 最大的特色，就是它正在快速拉近個人與大公司的能力差距。一個懂 AI 的人，未來可能擁有過去小公司做不到的能力；一個小團隊，未來可能做出過去大型企業才能完成的產品。

所以現在最重要的事情，其實不是每天追哪個 AI 模型比較強，也不是只停留在看新聞，而是真正開始下場實作。開始學習如何使用 AI、如何建立 AI Workflow、如何設計 AI Agent、如何把自己的知識轉換成 AI 可以理解的內容。因為未來真正的差距，不一定是誰比較努力，而是誰比較早開始進入 AI 時代。