AI

AI Coding 的 8 個階段：真正的分水嶺在能不能交付

我把『AI Coding 的 8 個階段』當成成熟度模型來用：從答案、流程到可委派的交付。真正的分水嶺不在 prompt，而在流程、驗證、整合與治理，能不能把產能做成可維運的系統。

AI Agent 的硬體入口戰：誰能握住『行為資料』，誰就有下一代平台

AI 正從『內容智能』走向『行為智能』，硬體入口成為新的主戰場。誰能穩定取得情境訊號並交付結果，誰就更可能握住下一代平台主導權。

AI 讓「上班」成為選擇？我比較相信：它先讓「時間 ↔ 產出」的比例失真

AI 讓上班成為選擇，往往不是因為大家不用工作了，而是時間與產出開始失去線性比例。當一人＋AI 能放大產能，制度與分配機制卻還沒跟上，選擇權會先不均勻地出現在少數人身上。

指揮 Claude Code 打大型戰：把它當成「CEO + 工程師 + QA」的接力賽

大型複雜任務不是靠更長的 prompt，而是靠工作流治理：介面先於實作、分身接力而非平行亂改、每段都要有可驗證的證據，再加上標準化交接包，讓 Claude Code 像一個可控的團隊而不是全能聊天機器人。

AI 時代的「倉鼠輪」：你不是不夠努力，你只是缺少一個停下來的判斷框架

每天一個新工具、每天一個顛覆，你不是不夠努力，而是缺少停下來的判斷框架。本文用 3 個問題與 1 input→1 output 的配額制，把『想學』跟『該學』分開，從追新焦慮回到可交付的節奏。

科技的鐘擺：為什麼運算總在「集中 ↔ 分散」之間來回？

大型主機、PC、雲端、AI GPU 超級資料中心——運算反覆在集中與分散間擺盪，本質是在交換效率與自由。AI 時代算力更集中，但上下文在終端，2030 後更可能走向雲端＋終端的混合式運算。

「經驗在演算法面前一文不值」其實是錯題：你該重新定義「經驗」的單位

AI 十分钟写出更优算法，不代表经验一文不值；被压缩的是产出速度，真正稀缺的是判断：目标、约束、验证、代价与风险。经验的计价单位从“记得更多”变成“看得更对”。