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。
Latest
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。
Mac mini
你不應該拿 Mac mini 來跑 Clawdbot，這三個理由你聽完可能會改變想法
最近看到很多人興奮地買了 Mac mini，然後第一件事就是想：「來架 Clawdbot 吧！」 我完全理解那種心情。 一台效能不錯的主機放在家裡，不拿來做點酷炫的事情，好像對不起自己。 但我想說的是——先停一下。 第一個問題：你真的知道自己要做什麼嗎？ Clawdbot 的本質是讓 AI 擁有完整的系統權限。 聽起來很厲害，但問題來了。 很多人在還沒想清楚自己需要什麼任務的時候，就先把權限全開。 這就像你還不知道要去哪裡，就先把車鑰匙、家門鑰匙、銀行密碼全部交給一個剛認識的人。 我不是說 AI 會害你，但這種「先給權限再說」的心態，本身就是一個危險訊號。 你應該先搞清楚：我到底需要 AI 幫我做什麼？ 而不是先讓它能做所有事，再慢慢想。 第二個問題：Mac mini 有更好的用法 如果你真的想善用這台 16GB 的 Mac mini，我會建議你去研究
Claude
Claude 的 Project、Skill、Connector 到底怎麼分？一次搞懂三者的關係
很多人問我，在 Claude 裡面，Project、Skill、Connector 這三個東西到底差在哪裡？ 什麼時候該用哪一個？ 老實說，我一開始也搞得很混亂。 但實際用了一段時間之後，我發現其實邏輯很簡單。 先從最基本的開始：Connector 是對外的資料來源 如果你需要從外部拿資料，比如說接 Google Calendar、接 Notion、接你自己的資料庫，你就需要 Connector。 它就是一個 MCP 的連結，讓 Claude 可以去外面抓資料回來。 沒有 Connector，Claude 就只能用它自己知道的東西，沒辦法碰到你的資料。 Skill 則是內部的運算邏輯 Skill 沒有辦法對外連接。 它只能在內部用 Python 或程式碼執行。 你可以把它想成是一個 Controller，專門負責處理運算的部分。 比如說，你想讓 Claude 用特定的格式改寫文章、
AI
讓 AI 認識你 — Memory is All You Need
讓 AI 認識你 — Memory is All You Need 最近我在 Claude 上快速搭建了七大 Agent。 原因很簡單：你的助理應該是越使用越懂你。 而 Claude Project 有個關鍵功能叫 Memory，它會根據你不斷詢問的過程，主動提取記憶。 這就是我認為 AI 助手真正強大的地方。 GA 分析助手：從進階到客製化 自從我串接 GA MCP 後，這位助手已經變得非常厲害。 漏斗分析、訪客來源、異常事件追蹤、站上任何問題都難不倒它。 但我想要的不只是這些。 我希望它隨著時間，能夠對齊我的知識，知道我要什麼。 你不用想太多，不用一次設定好整個 instructions。 試著使用一週，再回頭看看 memory，你會發現它已經根據你的行為開始學習客製化了。 許多助手不需要懂老闆要什麼，但網站分析不一樣。 因為我沒有那麼多美國時間，
YouTube
AGI 來臨：兩大 AI 巨頭的預測與警示
在近期的達沃斯論壇上，Anthropic 執行長 Dario Amodei 與 Google DeepMind 執行長 Demis Hassabis 進行了一場關於「AGI 之後的世界」的深度對談，揭示了 AI 發展的最新進展與未來展望。 AGI 時間線預測 Dario 重申了他去年的預測：在 2026-2027 年，AI 模型將能夠在諸多領域達到諾貝爾獎得主的水準。他表示目前 Anthropic 的工程師已經不再親自寫程式碼，而是讓模型來完成編寫工作，人類只負責編輯和周邊任務。他預估在 6-12 個月內，模型將能端到端完成大部分工程師的工作。 Demis 則持稍微保守的態度，認為在十年內有 50% 的機會實現 AGI。他指出編程和數學領域較容易自動化，因為結果可驗證；但自然科學領域則更具挑戰性，需要實驗驗證，且目前模型在「提出問題」和「建立理論」