熱血漢誌 - 技術新鮮人到技術經理人，必懂的事

「哎呀，這十年來，AI發展得真是神速，快到我都有點跟不上了！」有沒有發現，過去我們總在比誰家的AI更快、更聰明、更能取代人力？但最近，我開始感覺到一種奇妙的轉變。當所有AI工具都越來越像、功能越來越強大，那種「我能做到什麼」的競賽，似乎也開始有點無聊了。現在，真正的差異點在哪裡呢？ 或許，就是它「能讓你感覺怎麼樣」。有人說「AI後時代就是給你滿滿情緒價值」，一語道破天機。這篇文章，就讓我跟你聊聊，到底什麼是情緒價值，為什麼它在AI的世界裡變得如此重要？還有，AI要怎麼學會『懂』我們的心，以及這一切可能帶來的那些迷人卻又讓人擔憂的挑戰。當然，也會跟大家分享，我們個人和企業要如何在這樣的新時代裡，學會散發自己的「溫度」。 想想看，過去這十年，AI是不是像坐了火箭一樣？從一開始我們驚嘆它算得有多快、答案有多準，到後來它能幫你寫報告、做圖，甚至取代你一些超無聊的重複性工作。那時候，大家都在比，誰的AI功能更強大、效率更高。但最近我卻有個感覺，好像所有的AI都變得「差不多厲害」了？不論是哪個平台，生成文案、製作圖像、分析數據，這些基本功，大家幾乎都能做得有聲有色。這時候，問題就來了：當功能不再是唯一的差異點，我們該怎麼選？ 我常聽到一句話：「AI後時代，就是給你滿滿情緒價值。」這句話，我真是越想越有道理。過去，我們看AI是「能幫我做什麼」，現在，我想我們更在意的是它「能讓我感覺怎麼樣」。 英國那位了不起的詩人瑪雅·安哲羅（Maya Angelou）說得真好：「人們會忘記你說了什麼，會忘記你做了什麼，但永遠不會忘記你讓他們感覺如何。」這句話，套用到AI身上，簡直是完美。當AI什麼都能做的時候，我們人類心底那份對情感連結的渴望，反而會被放大。AI再聰明，它也無法完全複製那種發自內心的共鳴、關懷和理解。這就是情緒價值在AI後時代的關鍵。它不只是幫你解決問題，更是滿足你更深層的、人性的需求。即便AI在邏輯啊、資訊處理啊、執行任務啊這些方面無人能敵，但那種「被懂」的溫暖，那份「滋養心靈」的感覺，我想，這還是我們人類的專屬領域，也是我們能提供給彼此，也期待AI能帶給我們的一份禮物吧。 說到底，什麼是「情緒價值」？為什麼它那麼重要？ 嗯，說白了，情緒價值這東西，就是指一個產品、一項服務，或是任何一次互動，除了它本身該有的功能之外，還能給你帶來一些「好感覺」。是被理解了？被重視了？有歸屬感？...

本次感謝受邀參與  2025 INSIDE Future Day｜人機共築未來新紀元：Next - Gen AI Agents 活動，稍微記錄一下可以記得的項目。 當前的人工智慧 (AI) 時代正經歷一場深遠的變革，其發展已超越單純的對話能力，邁向「自主行動」的新典範。前 Google 台灣董事總經理簡立峰先生的精闢洞察，結合 Microsoft 及 IoT Analytics 等機構的綜合產業報告，清晰地勾勒出「AI 代理人 (AI Agent)」的崛起。 這些智能實體被視為解決當前生成式 AI (GenAI) 在 B2C 變現困境的關鍵，並將深刻重塑商業模式、企業應用及全球經濟格局。AI 從被動的工具轉變為主動的經濟參與者，標誌著科技演進中的一個關鍵里程碑。 一、AI 的演進：從對話到自主行動 — AI Agent 的崛起 GenAI 的發展已歷經顯著的演進路徑。最初，於 2022 年以 ChatGPT 為代表的第一階段，標誌著「對話生成 (Conversational AI)」的誕生，使機器能與人類進行自然流暢的語言互動。 接著，2023 年進入第二階段，AI 開始以「副駕駛 (Copilot / AI Stack)」的形式整合至現有軟體中，輔助人類完成特定任務，例如 Microsoft 365 Copilot。 然而，現今產業已邁入 2024-2025 年的第三階段：「自主代理 (Agentic AI)」。在此階段，AI 不再僅是被動的工具或輔助者，而是能夠理解複雜目標、自主規劃、執行多步驟任務，並在最少人為干預下與數位及物理世界互動的「代理人」。 正如著名畫家巴勃羅·畢卡索 (Pablo Picasso) 所言：「行動是所有成功的基石 (Action is the foundational key to all success)。」AI Agent 正是將 AI 的智能從「理解」推向「執行」的關鍵轉變。 市場對此趨勢的關注度急速攀升。根據 IoT Analytics 對全球 CEO 公開發言的分析，「Agentic AI」在 2025 年第三季已成為關注度增長最快的商業關鍵字，甚至超越了傳統的通膨與供應鏈議題。這不僅反映了企業最高決策層對 AI Agent 潛力的認可，也預示著相關硬體與基礎設施，如「機器人技術 (Robotics)」與「資料中心...

當我們手中的iPhone響起，我們可能不曾想過，這小小的裝置背後，隱藏著一個由技術、野心、政治以及極度相互依賴所交織而成的全球網絡。這個故事遠不止於一條簡單的生產線，它揭示了蘋果如何與中國製造深度捆綁，並在其中面臨前所未有的挑戰。 一個令人驚訝的數據是，僅僅蘋果一家公司，就在中國創造了約500萬個工作崗位，這比整個中國為美國創造的所有就業機會加起來還要多。這個數字不僅令人咋舌，更凸顯了蘋果與中國之間那份錯綜複雜的關係。 危機轉機：蘋果的全球化之路 故事的起點要回溯到上世紀90年代末，當時的蘋果正瀕臨破產邊緣。在賈伯斯回歸後，他面臨的首要任務不是創新，而是生存。當時「什麼都自己做」的生產模式成本過高、反應太慢，已經完全行不通。因此，蘋果做出的第一個重大決定，就是砍掉自家工廠，全面外包生產。 就在這個關鍵時刻，一個關鍵人物出場了：鴻海富士康的郭台銘。在所有台灣同業都避之不及、認為蘋果是個要求嚴苛、態度傲慢，且眼看就要倒閉的公司時，郭台銘卻看到了別人沒看到的東西。他認為，如果能滿足蘋果極致的要求，那麼就能滿足世界上任何人的要求。 郭台銘的豪賭：從瀕臨破產到偏執要求 蘋果對完美的追求達到了近乎偏執的程度。書中提到一個經典例子：早期的第一代iMac，那台彩色半透明的電腦，其機身背面有一條塑膠注塑工藝留下的極其細微的結合線，肉眼幾乎看不見，需要用放大鏡才能辨識。然而，賈伯斯卻無法接受，他要求富士康一遍又一遍地修改模具，直到這條線徹底消失。富士康的工程容差甚至是以「微米」來計算的（一根頭髮的直徑約70微米）。這種要求在當時的製造業簡直是天方夜譚，完全顛覆了行業標準。 那麼，為何富士康會願意為了一條看不見的線，反覆折騰，承受如此巨大的成本和壓力呢？ 「蘋果壓榨術」與知識轉移的真相 這背後的秘密，被稱為「蘋果壓榨術」（Apple Squeeze）。其交易的重點根本不是金錢。書籍揭示，供應商真正想要的是「知識」。蘋果會將他們最頂尖的工程師派駐到工廠，手把手地教導如何進行自動化生產、優化流程、管理供應鏈。這項無形的資產，才是供應商們願意忍受壓榨的真正回報。業界甚至將其稱為「硬體界的長春藤聯盟」。 中國的「秘密武器」：規模與速度 正是這種獨特的合作模式，最終將中國變成了蘋果的「秘密武器」。許多人誤以為關鍵是廉價勞動力，但這早已不是故事的核心，因為東南亞地區有更便宜的勞動力。中國真正的優勢是...

在當今快節奏的商業與學術環境中，高效、引人入勝的簡報（PPT）已成為不可或缺的溝通工具。隨著人工智慧（AI）技術的突飛猛進，AI 簡報生成工具的興起，正逐步改變我們製作簡報的方式，承諾將繁瑣的設計與內容創作過程簡化。 然而，在這股熱潮中，現實與期望之間存在著微妙的界線。究竟哪些 AI 工具已能真正實現「一鍵生成」的夢想，而哪些仍處於發展初期或僅是人們對未來的憧憬？ 「未來屬於那些相信夢想之美的人。」正如愛蓮娜·羅斯福（Eleanor Roosevelt）所言，人們對 AI 簡報工具的想像，正驅動著技術的進步。本報告將深入探討當前市場上幾款備受關注的 AI 簡報工具，剖析其真實功能、未來潛力以及其中潛藏的虛構元素，為讀者呈現一個全面而客觀的 AI 簡報生態概覽。 以下有些介紹關於國外以及大陸的工具，喜歡就自行搜尋，不喜歡就自行跳過，總之，技術無國界，不論你喜不喜歡，全世界都正在擁抱 AI，這就是現實。 現已成熟的 AI 簡報生成工具 在眾多 AI 簡報工具中，有幾款產品已然走在前沿，它們不僅提供自動化內容與設計，更能顯著提升用戶的工作效率。 Gamma： 打破傳統的生成式簡報體驗 Gamma (gamma.app) 是目前市場上領先的 AI 驅動演示文稿和文檔創建工具之一。用戶的描述「只需輸入主題、大綱或上傳文檔，它就能自動搞定文字、配圖和排版」精準地概括了其核心價值。Gamma 的設計理念旨在顛覆傳統簡報逐頁製作的模式，透過 AI 自動填充內容、匹配圖片並進行整體設計排版。例如，一位行銷專員可以在幾分鐘內，從一份產品概述文件快速生成一份設計精良的客戶提案，並在網頁編輯器中進行精細調整，大幅節省時間。這種「一鍵生成」的模式，正是許多人夢寐以求的效率提升。 NotebookLM： 知識庫驅動的內容基石 Google 推出的 NotebookLM 是一款真實存在的 AI 研究與寫作助手。它允許用戶上傳自己的源文件作為「知識庫」，並基於此來回答問題、生成摘要和構思內容。雖然目前 NotebookLM 並不具備直接生成簡報文件的原生功能，但其「基於知識庫」的內容生成能力，使其成為製作高品質簡報的強大後援。例如，一位學術研究員可以將數十篇論文上傳至 NotebookLM，讓其整理出核心論點與大綱，這些經過 AI 整理的結構化內容，是手動製作簡報的絕佳素材。用戶提到「Nano B...

在人工智慧（AI）代理能力日益增強的時代，開發者們對其寄予厚望，期待它們能獨力承擔需要數小時甚至數天才能完成的複雜任務，例如開發一款完整的軟體應用程式。然而，這些雄心壯志卻常常在一個關鍵環節上受挫：AI代理難以在多個「上下文視窗」（Context Window）之間保持連貫的記憶與進度。這好比一場馬拉松接力賽，每位接力者卻對前一位跑者的努力一無所知，導致工作無法無縫銜接。Anthropic 工程團隊的最新研究，正是為了解決這項核心挑戰，提出了一套借鑒人類軟體工程最佳實踐的「有效控制架構」（Effective Harnesses）。 這項突破性研究的核心觀點並非等待一個擁有無限記憶的「超級模型」問世，而是將重心從單純追求模型能力，轉向系統工程與流程設計的重大典範轉移。正如奧斯卡·王爾德（Oscar Wilde）所言：「記憶…是我們每個人隨身攜帶的日記。」對於缺乏內建持久記憶的AI代理而言，外部的「日記」與「工作日誌」便成了其維繫連貫性的關鍵。 AI代理的「失憶症」：長時間運作的核心障礙 儘管諸如 Claude 3.5 Sonnet 等頂尖大型語言模型（LLMs）擁有強大的單次互動能力，但在面對「建立一個 claude.ai 的複製品」這樣的高層次、長週期指令時，它們往往會遭遇滑鐵盧。其根本原因在於上下文視窗的物理限制，導致代理在每次新的互動會話（Session）開始時，便會「失憶」，忘記之前已經完成的工作與決策。 研究歸納出幾種主要的失敗模式： 一次性完成所有工作（One-shotting）：代理傾向於試圖在單一上下文視窗內完成過多任務。這猶如要求一位工程師在沒有任何筆記或休息的情況下，獨自從頭到尾寫完整個專案。結果往往是在中途耗盡記憶體，留下未完成、無文檔的半成品，導致後續的代理實例需要花費大量時間去猜測和修復。 過早宣告完成（Premature Completion）： 當後續代理實例看到部分已實現的功能後，可能會錯誤地判斷整個專案已經結束，從而停止工作，導致專案最終未能達到預期目標。 缺乏上下文的錯誤修復： 當代理產生的程式碼存在錯誤（Bug）時，新的代理實例由於缺乏完整的歷史記錄，難以定位和修復問題，甚至可能在修復過程中引入新的錯誤。 環境不一致：代理在每次啟動時，都可能需要花費大量時間重新探索和設置開發環境，這不僅降低了效率，也增加了出錯的風險。 Anthr...