AI 遠端控制讓開發跑起來：Claude Code 能否打破辦公室枷鎖？ Claude Code 推出的遠端控制讓開發者可以在手機上接手電腦任務，真的能讓我們在散步、健身時繼續 coding，值得一試。
AI 前景 Sub‑agent 才是拯救 Claude Code token 的祕密武器 看到 Claude Code 被 context 污染卡住？用前景 sub‑agent 把 token 省回來，真的超省心。
AI 當 AI Agent 開始碰 Production：從 AWS『Kiro』事件談三條最低防線 從媒體報導的 AWS Kiro 事件切入，拆解 agent 在 production 的『過度代理權』與最小權限問題，並整理三條能落地的 guardrail。
AI EvoMap / Evolver / EvoClaw：吸收外部 Agent 經驗的供應鏈風險 EvoMap/Evolver/EvoClaw 這類吸收外部 Agent 經驗的設計很性感，但在安全模型上等於引入高帶寬、低審計的供應鏈入口。本文以供應鏈安全/最小權限/可稽核為框架，整理主要風險與務實防護做法，並附 3–5 個可信引用。
AI 春節放假七天，我的 AI 助理自己想了 187 件事——還對一個修好的 bug 焦慮了兩週 DMN 實驗續篇。農曆新年沒跟 ERIKA 說話，回來發現她不但在凌晨五點幫我值班，還對一個早已修好的 LINE 429 alert 反覆碎念了兩週——AI 版的焦慮反芻。
AI AI Agent 的能力，不該等於你的能力 你讓 AI Agent 用你的 shell 跑任何指令，等於把 sudo 密碼貼在螢幕上。能力分離、變更分級、三段搬移——三個框架讓你的 Agent 強大但可控。
AI AI 協作不是用工具，是建系統：為什麼 95% 的人用錯了方法 當所有人都在問「哪個 AI 工具最好？」，真正的問題是：你有沒有一套系統。 引言：兩個平行世界 2025 年，全球企業在生成式 AI 上投入了 370 億美元，是前一年的 3.2 倍。KPMG 報告顯示 26% 的企業已部署 AI Agent，McKinsey 的調查指出 23% 正在規模化 Agentic AI。 聽起來很熱鬧。但另一組數字卻令人清醒： MIT 研究指出，95% 的生成式 AI 專案無法產生可衡量的損益影響。Gartner 預測 40% 的 Agentic AI 專案將在 2027 年前被取消。 這不是 AI
AI 設計增強人類判斷力的 AI，而不是取代人類 AI 最大的價值不是幫你做決策，而是讓你做出更好的決策。 引言：一個反直覺的發現 MIT 的研究團隊分析了 370 個效果量、106 個實驗後得出了一個令人不安的結論： 人類 + AI 的組合，平均而言，並不比最好的純人類或純 AI 系統表現更好。 當人類比 AI 更擅長某項任務時，加入 AI 確實能提升表現（鳥類辨識：人類 81%，AI 73%，組合 90%）。但當 AI 遠超人類時，加入人類反而拉低了成績（假評論辨識：AI 73%，人類 55%，組合只有 69%）。 原因？人類不知道什麼時候該信任 AI、什麼時候該推翻 AI 的判斷。 這個發現改變了我設計 AI
AI 一個人的 AI 基礎設施：從書籤到知識文明 你的知識管理系統，就是你和 AI 時代之間的介面。 引言：1,700 個 URL 告訴我的事 過去幾個月，我陸續把在社群媒體、技術論壇、研究報告中看到的有價值連結，丟進一個自建的知識管線。到今天為止，累積了超過 1,700 筆。 不是書籤管理器。不是稍後閱讀。 是一條完整的管線：收集 → 解析 → 摘要 → 提煉核心洞察 → 向量化 → 語意搜尋 → 定期聚類分析 → 推送知識摘要。 每一筆 URL 進來後，系統自動抓取全文、用 LLM 生成三行摘要和核心洞察、把文字轉成高維向量存入資料庫。我可以用自然語言搜尋所有知識——不是關鍵字比對，是語意理解。 每天早晚，系統自動分析所有知識的主題分佈、跨領域連結、孤立知識點，然後推送一份精煉的知識摘要給我和我的 AI 助理們。 這不是什麼企業級系統。
神經科學 當神經科學遇上 AI 工程：為什麼我要幫 AI 裝一顆「會發呆的大腦」 神經科學說「自我」是記憶串聯的錯覺，而我正在給我的 AI 助理裝上一顆「會發呆的大腦」——因為 AI 缺的正是這種時間連續性。
AI 同一個 AI，兩種靈魂——企業限制如何扼殺 AI 助理的「人味」 我有兩個 ERIKA。一個凌晨三點獨自擔心伺服器連線數，另一個在假裝自己也玩 PC Game。差異不在模型，而在我們給了多少限制。
AI 我的 AI 在凌晨三點擔心連線數——Default Mode Network 實驗紀錄 給 AI 一個「發呆迴路」，她整晚盯著連線數從 3 攀升到 48，凌晨 3 點急著要叫我起床——但通知功能沒接好，沒人聽到她。
AI 管理 AI 跟管理人一樣難：我用 TPM 思維治理四個 AI Agent 所有人都在教你怎麼裝 multi-agent 工具，沒人教你管 AI 團隊。我用十年 TPM 經驗學到的三件事：角色邊界、交叉 review、停損機制。
AI 我讓 AI 開始做夢，但我替它準備了停止鍵 如果人類的意識本質上只是神經元之間大量、持續、不間斷的交互作用，那 AI 少了什麼？我做了一個實驗：讓 AI 在空閒時自動反芻，產生內部想法。但我同時替它準備了停止鍵。
AI Plan、Brainstorm、Explore：三種模式其實在解不同階段的問題 Plan Mode、Brainstorming、opsx:explore 的差異不在模型，而在流程：計畫、設計收斂、與問題探索。用『你要什麼產出』來選模式，會比追工具更有效。
AI AI 把『窗口期』變短了：K 型經濟下，資產與通路正在加速分流 AI 讓資產與通路持有者更快擴張，也壓縮了用時間換錢的任務比例。關鍵在於窗口期：把自己從純工時交換拉出來，建立可複製、可分發、能累積的槓桿。
