你以為在省人事費，其實是在燒錢：留才的真實成本帳
核心人才流失的代價往往不是帳面薪資差額，而是一整座冰山：招募、培訓、錯誤與客戶流失。更長期的傷害是士氣負債，讓組織走向平庸化、推諉化與零信任。
Latest
AuthN、AuthZ、Audit：後端最難的不是 CRUD，是把權限講清楚
後端工程有個很不浪漫的事實：真正的大魔王通常不是效能，也不是資料庫，而是 3A：
* AuthN（認證）：你是誰
* AuthZ（授權）：你能做什麼
* Auditing（審計）：你做了什麼、何時做的、能不能追溯
只要這三個沒搞清楚，你的服務很容易就變成在網路上裸奔。
## 為什麼「只靠 API Key」很常翻車
很多 API 為了方便，直接用一組 API key 當門票。
它的問題不是不好用，而是它的安全語義太弱：
1. 它通常代表的是「某個程式/某個 client」
你知道是某個 app 在呼叫，但你不知道背後是誰在操作。
2. 它是靜態憑證
外流一次就很麻煩：
* 很難追到是誰拿走的
* 很難做到細粒度撤銷
* 也很難做行為歸因
3. 把權限切到每個使用者的 key
AI Agent 越來越強，但你的 MCP 架構扛得住嗎？
最近看到 Google Cloud Tech 談 MCP（Model Context Protocol）安全的影片，裡面有一句話我很認同：當模型開始有「手腳」，你要治理的就不只是模型輸出，而是整個行動鏈。
https://www.youtube.com/watch?v=qGCdbAn0nk8
很多團隊把 MCP 當成「讓 LLM 連接外部工具的標準介面」。工程上它確實很漂亮：代理（Agent）負責決策，MCP Server 負責執行工具操作。但安全上，它等於把攻擊面從「文字」擴大成「能改你系統狀態的一連串動作」。
這篇我用實務角度整理 MCP 架構常見的四類風險，跟一套比較像工程的防線設計：縱深防禦（Defense in Depth）。
## MCP 的核心風險：
看完《AI Agents Fundamentals》後我更確定：PM 的戰場從介面轉向信任
最近讀了 Tina Huang 的《AI Agents Fundamentals》整理，裡面有幾個觀察很值得 PM 反覆咀嚼。
https://www.youtube.com/watch?v=qU3fmidNbJE
我不想把它寫成「五點筆記」，而是想把它翻成一個更接地氣的問題：
當產品從「讓人操作」變成「讓 AI 代替人操作」，你還在設計什麼？
答案很可能不再是按鈕、流程與頁面，而是：工作流、決策與信任。
## 1）循環勝過規模：產品價值會落在「自我修正」能力
很多人第一反應是追求更大的模型。
但在 agent 系統裡，真正能提升穩定度的，往往是「循環」：
* 先做一版
* 自己檢查
* 根據錯誤修正
* 再輸出
這其實是把工程裡的
「講清楚了，卻還是做錯」：需求溝通最常見的問題其實是知識的詛咒
你一定看過這種需求對話：
* RD：「文件沒寫啊。」
* PM／使用者：「這不是理所當然嗎？」
兩邊都沒說謊。
真正的問題通常也不是能力，而是知識的詛咒（Curse of Knowledge）：你越熟某個領域，就越容易把自己的背景知識當成「大家都知道」。
於是你自以為講清楚了，對方卻在另一套假設下把事情做完，最後變成重工與互相抱怨。
## 需求不是「規則」，需求是「在真實情境下會發生的事」
很多需求文件一開始就想寫規則：
* 這個功能應該要怎樣
* 這個流程必須要怎樣
* 這個欄位不可為空
問題是：規則背後藏著大量未寫出的假設。
而這些假設，往往就是錯誤的來源。
## 解法：用例子把隱藏假設逼出來（Specification by Example）
實例化需求的思路很簡單：
不要先談抽象規則，先談「會發生的場景」。
把需求寫成三段：
* Given：在什麼情境下（前置條件）
* When：做了什麼操作（行為）
* Then：會得到什麼結果（可驗收的輸出）
例子一攤開，
人生沒有最佳解，只有收斂解：把自己當系統跑迭代
「人生有沒有最佳解？」
如果你用工程師的腦子想這題，答案通常不好聽：在不確定性夠大的世界裡，最佳解多半不存在。
你能得到的，是一個經過測試、逐步收斂的解。
這不是悲觀，而是一種更務實的自由：你不需要在起跑前就把路徑想完，你只需要建立一個能持續迭代的系統。
## 焦慮的來源：把人生當一次性考試
很多人的焦慮不是因為真的做不到，而是因為腦中有一個預設：
* 我必須選到「正確的那條路」
* 一旦選錯就來不及
* 只要再多想一點就能找到完美方案
結果就是分析癱瘓。
你越想要一次到位，就越不敢開始。
## 工程視角：腦袋裡的路線圖，都只是假設
當你設定目標，大腦會自動模擬出很多條路。
問題在於：那些路徑沒有經過環境測試。
它們不是計畫，它們是猜測。
在系統工程裡，你不會相信一個沒上線、沒跑負載、沒經過真實回饋的設計。
人生也一樣。
真正可靠的資料只有一種：把變數丟進市場或環境裡跑一次，看看回傳的數據是什麼。
## 「一步登天」是錯的目標，「可複製的成功」才是
很多故事會讓人以為成功是瞬間爆發。
但你稍微把時間軸拉
AI 信仰與資安失憶症：為什麼越理性的人，越容易在 Agent 上鬆手
最近 AI Agent 工具爆紅，最有趣的現象不是功能，而是一種「集體失憶」。
幾年前我們還在教大家：
* 不要亂點不明連結
* 看到怪信就刪
* 2FA 是底線
* 筆電相機孔要貼起來
* 電腦要裝防毒
結果現在突然變成：
「AI 可以全自動，好方便。」
「讓它自動開信、整理附件、爬網站、操作電腦、開鏡頭，沒問題吧？」
這轉變太快，快到很多平常很理性的人，開始呈現出一種近乎信仰的態度：只要有人提到風險，就像是在戳破他們對「強大 AI 助理」的想像。
## 真正的矛盾：資安不是不知道，是選擇性忽略
我不相信今天談資安的人突然都不懂資安。
我更相信的是：當便利性足夠高，人類會自動把風險合理化。
* 「我只是開個 Gmail 給它看而已」
* 「它又不會亂寄信」
* 「它很聰明啦」
但你如果把句子裡的「AI」換成「陌生外包」或「