你訂閱了 Claude，但可能錯過了它最強的功能

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。

選 AI 助手不是比功能，是比信任能不能轉起來

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。

AI 是失憶的天才——幫它裝上記憶，你的數位紀錄才會變成資產

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。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 是失憶的天才——幫它裝上記憶，你的數位紀錄才會變成資產

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。

記憶的管控是一切重點：Context Management 才是 AI Agent 的核心戰場

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。

你可能不知道的 Claude.ai 十個隱藏功能：從語音到 Computer Use 到 MCP，一次搞懂

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。

你可能不知道的 Claude.ai 十個隱藏功能：從語音輸入到 MCP 部署，一次搞懂

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。

過去花一年做的專案，現在 AI 幾天就搞定——但你該辭職去學 AI 嗎？

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。

做出虛擬網紅的三大關鍵：人物、場景、聲音的一致性攻略

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。

AI 生成影片最好的投資？不是模型，是你的工作流

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 Claude 幫你做影片，這件事真的可能嗎？

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，在寫程式也是一樣

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。

AI

安裝 OpenClaw 之前，你一定要知道的三件事

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。

AI

花了 6,000 塊學到的一堂課：用 AI 自動化 FB 廣告的真實體驗

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。

AI

如何讓 OpenClaw 能夠穩定地執行？從混亂到可控的實戰經驗

從混亂到可控：工具分工、資料庫追蹤、指揮家原則、Obsidian 知識庫，四個關鍵原則讓 OpenClaw 穩定執行。

AI代理人

AI 代理人變現的真相：為什麼我越來越看好 ToC 市場

上個月我花了很多時間在思考一件事：AI 代理人的商業化，到底要怎麼做才行得通？ 這不是一個簡單的問題。 你必須先搞清楚，你的目標客戶是誰。 ToB 還是 ToC？先把問題說清楚 如果你選擇 ToB，也就是做企業端的生意，你要面對的挑戰是非常現實的。 企業要的是能在地端執行的系統，他們有嚴格的法規要求，他們的業務流程複雜，而且你必須打進高端市場、建立產業典範，才有辦法收到真正的錢。 這條路很長，很硬。 如果你選擇 ToC，也就是直接服務一般消費者，你的核心挑戰完全不一樣——你需要了解演算法怎麼推薦，你需要做到大範圍的觸及。 這兩件事，聽起來容易，但真正做到的人不多。 我為什麼越來越看好 ToC 最近我一直在想一個具體的場景：用 AI 代理人主動產生虛擬網紅，讓它自己去做發布。 這件事在技術上已經可以實現了。 你可以讓一個 AI 代理人每天自動生成內容、自動發布到社群平台，不需要人工干預。 這代表什麼？ 這代表觸及成本趨近於零，內容產出速度可以爆炸性成長，而且整個系統可以在你睡覺的時候繼續運轉。

AI Agent

拿一台閒置 Mac 架設 OpenClaw，我發現它在我睡覺時就能自動替我工作

用一台閒置 Mac 架設 OpenClaw AI Agent，從安裝到串接 Discord、自動架站、網頁瀏覽，測試它能不能在你睡覺時自動完成社群觀察、架站、發布的完整閉環。

AI

Claude Agent Team 來了：AI 從單打獨鬥走向團隊作戰，複雜任務處理效率大翻倍

Claude 推出 Agent Team 功能，讓 AI 從單打獨鬥進化為團隊協作。下屬間可互相溝通、自動化任務分工，大幅提升複雜任務處理效率。

AI

當 AI 助手突然調用了你的知識庫，那個瞬間我真的愣住了

當 Claude Opus 4.6 主動調用我的 Heptabase 知識庫來設計課程，我才意識到 AI 助手已經能真正理解你——只要你持續跟他溝通。

AI

台大資工 vs Anthropic 工程師：差距不在 AI 工具，而在你怎麼看待「控制權」

最近跟一位朋友聊到一個問題：台灣頂尖的工程師，和 Anthropic 這些世界一流 AI 公司的工程師，差距到底在哪裡？ 聊完之後我有一些想法，但後來自己反覆思考，又覺得最初的結論不夠完整。 所以這篇文章，我想把「我原本的假設」和「後來的自我反駁」都攤開來講。 我原本的觀察：Mindset 的差距 我發現台灣的工程師其實也在用 AI 工具。 但大部分人的使用方式是這樣的：問一個問題，AI 幫你搜尋、找到要修改的地方，你確認之後點 OK，讓它去改。 整個過程中，人是主導者，AI 只是建議者。 但頂尖公司的做法完全不同。 他們會同時讓多個 AI 平行協作，開發者甚至不需要看到具體的修改細節，而是透過系統化的驗證方式來確認成果。 這裡面有一個哲學上的根本轉變：你完全信任 AI 會去執行，你也知道它可能會做錯，但你思考的不是「我要不要接受這個建議」，而是「當它做錯的時候，

AI

Google Ads Agent：讓 AI 代理人幫你投廣告，不用再啃操作手冊

我打造了一個 Google Ads Agent，讓你不需要學習複雜的廣告系統，AI 代理人會在適當時機引導你完成廣告設定、關鍵字研究和績效查看。所有提供 API 的服務，都值得用 Agent 重新做一次。

AI

你就是最好的產品經理

這次黑客松，四個小時，230 位老師把過去四個月都覺得困難的事一次搞定。真正能把產品做好的人，不是最懂技術的人，是最懂問題的人。

AI

Claude Code 創始團隊的 10 個最佳實踐，讓你的 AI 編程生產力翻倍

Claude Code 創建者 Boris 分享團隊內部的 10 個最佳實踐：並行 worktree、Plan Mode、維護 CLAUDE.md、自動化 Skills、讓 Claude 自己修 Bug 等，從執行層面釋放注意力，專注在決策和方向上。

生日

41 歲生日的七個人生收穫：打造代理人、獲取流量、累積信任

今天 41 歲了。 很少有機會可以這樣正式地表達感謝，剛好趁著生日這個時刻，想跟大家說說心裡話。 先來看看目前各平台的關注情況：Threads 大約有 3,500 個粉絲，YouTube 快要突破 1,000，其他頻道嘛⋯⋯表現也很不錯，粉絲數大約都還在個位數階段。 好啦，開玩笑的。 但真的很感謝大家願意花時間看我分享的東西。 回顧過去這一年，我想跟大家分享七個最重要的收穫。 ▋ 第一個收穫：打造代理人，而不是只使用代理人 如果說 2025 年是最多人問起 ChatGPT 的一年，我認為 2026 年將會是最多人開始打造自己「代理人」的一年。 為什麼這件事這麼重要？ 很簡單，人的時間只有 24 小時。 如果你平常有正職工作，又要照顧小孩跟父母，你可能根本沒多少時間留給自己。 但打造代理人這件事，能讓你增加兩倍、三倍，甚至更多的產能。 這絕對是目前最有價值的投資。