AI
我把一個複雜的印度外包專案,整個交給 Claude 維護,結果超出我的預期
本來每月花 200 美元外包給印度工程師的複雜專案,我把它整個交給 Claude 維護。沒想到短短幾小時,它就開始逐一修掉那些得在瀏覽器來回測試的 Bug,成本還降到只剩 100 美元的訂閱方案。
AI
AI 把迭代的成本降到趨近於零,於是瓶頸從「能不能做」位移到「知不知道下一步要修什麼」。護城河不是迭代次數,是有方向的迭代——而方向,只有泡在現場的人才有。
AI影片
多數人做 AI 影片失敗,不是因為模型不夠強,而是因為「人在錯的環節介入」。他們把 80% 的力氣花在最後一步,卻沒人在第一步把故事寫好。這篇分享我用工程師的方法,把 AI 影片產線拆成風險、從最高風險的地方開始一個一個卡死的整個邏輯。
AI 工作流
Boris 一個 loop 跑十幾個 Agent,我才發現自己還在「一次叫一個」。差距不是技術,是架構;不是 Prompt 能力,是組織思維。下一個值錢的能力,不是寫更好的 prompt,是設計更好的組織。
AI 自動化
我手動發了一段時間圖文,效果差到懷疑人生。直到看了 Alex Hormozi《$100M Leads》才意識到:Lead Magnet 不是一份 PDF,而是一整套系統。本文拆解 AI 時代規模化 Lead Magnet 漏斗的四個環節、實戰工具鏈,以及為什麼「閉環」才是自動化真正的前提。
AI 工具
過去我們請設計師,付的其實是他腦袋裡那種「說不出來但能看出來」的品味。現在,那個品味可以被一份 YAML 封裝起來。Nano Banana + YAML 反向萃取法,讓一張不到兩塊錢的圖請到一位專業設計師。
AI
AI 已經這麼厲害了,但它到底改善了你什麼?學會封裝專家智慧為 AI Skill,讓一個人擁有多位專家的集體智慧與行動執行力。
AI
大家都以為 Skill 越多 AI 越強,但事實正好相反。本文提出 Skill → Plugin → Marketplace 三層架構,教你像經營公司一樣組織你的 AI 團隊。
AI
大部分人用 Claude 只是聊天,但 Claude Schedule 才是整個訂閱裡 CP 值最高的功能。它能在你睡覺時自動幫你整理社群資訊、監控流量和金流,而且直接用你已經付費的 Token。
AI
選 AI 助手不是比功能清單,是比信任閉環能不能跑起來。完成力、安全感、懂你——這三個條件缺一不可,跑得通你就有了越來越強的 AI 夥伴。
Thoughts, stories and ideas.
AI 本質上是一個失憶的天才。不管它多聰明,每次對話都從零開始。把 Obsidian 知識庫接上 Claude,用向量搜尋建立 RAG 系統,幫它裝上長期記憶——你的數位紀錄瞬間從佔硬碟空間的檔案,變成真正的資產。
AI 本質上是一個失憶的天才。不管它多聰明,每次對話都從零開始。但如果你幫它裝上記憶——用 Obsidian + RAG 建立個人知識庫——你的數位紀錄就能從佔空間的檔案,變成真正的資產。
記憶的管控才是 AI Agent 的核心戰場。從李宏毅老師解構 OpenClaw 的分享出發,探討 Context Window 的不可能鐵三角、記憶分層設計、壓縮與提取兩大核心技術,以及為什麼善用模型廠商的方案是更好的選擇。
用了快一年的 Claude,竟然有一堆功能搞錯或沒搞懂。從語音模式到 Team Plan 隱私、Artifacts、Computer Use 沙盒、MCP 部署到 Memory 機制,十個你可能不知道的隱藏功能一次整理。
我今天花了一整個下午跟 Claude 聊天,結果發現自己用了快一年的工具,竟然有一堆功能我根本搞錯或沒搞懂。從語音輸入的坑、Team Plan 隱私問題、到 MCP 部署和 Computer Use 的限制,十個你可能不知道的隱藏功能一次整理。
過去做一個專案要花一年多,現在用 AI 半年做了 40 幾個。但投資自己的成長,比做出一個賺錢的 SaaS 更重要。
研究虛擬網紅的三大核心挑戰:人物一致性、場景一致性、聲音一致性,以及如何用 Nano Banana、Gemini、ElevenLabs 等工具逐一克服。
SeeDance 一分鐘 300 元的成本新基準已經出來了,但 API 還沒開放。現在最聰明的做法不是急著用模型,而是趁空窗期把自動化工作流建起來,從劇本到分鏡圖一氣呵成。
讓 AI 做影片有幾個很明顯的好處:自動選擇最佳模型、省去大量人工活、串接整個製作流程。本文分享各生圖和影片模型的差異,以及如何用 vpick 讓 Claude 幫你做影片。
信任帶來新幸福,這句經典台詞套用在寫程式上也一樣。當你願意讓 Agent 自動寫程式、推上 Production,一個人操控 100 個 AI,你的產能將無可限量。
安裝 OpenClaw 之前,你一定要先搞清楚三件事:用 Skill 程式化降低不確定性、用 Obsidian 當 AI Agent 的大腦、善用免費工具打造完整生態系。
我寫了一個 FB 廣告的 MCP,花了 6,000 塊卻零轉換。但這堂課讓我學到了預設設定的陷阱、廣告目標的選擇、以及如何用 Claude Project 記錄錯誤讓 AI 越用越順手。