AI
最近我嘗試做了一個 Agent，專門用來分析我的身體健康狀況。 這不是什麼有商業潛力的專案，純粹是出於好奇。 我想知道現在的 AI 到底能幫我們把健康分析做到什麼程度。 資料從哪來？ 要讓 AI 分析任何東西，首先得有資料。 我第一個想到的就是 Apple Health。 因為我每天戴著 Apple Watch，它本來就會自動記錄睡眠、運動、心跳這些數據。 除此之外，我也在嘗試另一個經絡檢測的儀器，有點像中醫把脈的概念，只是還沒整合進來。 我覺得如果未來能把更多資料源串在一起，應該可以做出更有意思的應用。 技術架構其實不難 我用了一個叫「Apple Health Auto Export」的 App。 這個 App 可以把健康資料透過 REST API 自動傳送到你指定的伺服器。 資料打到伺服器後，我再處理並存到 Database 裡。 接著寫一個 MCP Server，然後在
AI
訂閱了一堆很棒的工具，付了錢，卻發現自己根本沒時間用。Claude in Chrome 讓我實現了每天醒來就有懶人包可看的夢想。
AI
YouTube
根據麥肯錫、OpenAI、史丹佛等機構的研究報告，2026 年 AI 產業將迎來重大轉變。以下是六個值得關注的關鍵趨勢。 趨勢一：模型不再是重點 過去幾年，每次新模型發布都會引發「哪個 AI 最好」的討論。但從 Artificial Analysis 的數據可以看到，各大 AI 模型在效能圖表的右上角越來越密集，彼此差距正在縮小。 史丹佛的研究也顯示，免費的開源模型如 DeepSeek 和 Llama，效能已逐漸逼近付費的前沿模型。更重要的是，使用成本正在大幅下降。NVIDIA 最新晶片每個 token 的能耗，比十年前降低了 10.5 萬倍。 當效能趨同、成本下降，AI 模型正在變成「大宗商品」。就像沒人會問「誰家的電力最好」，未來的競爭焦點將從模型本身，轉移到應用層。 趨勢二：
AI
每天早上起床，我最期待的一件事，就是看到 GA 分析助手整理好的昨日報表。它會清楚告訴我用戶在哪裡卡關，讓營運長的智慧不再被瑣事淹沒。
AI
實測 Claude Agent 完成從 GA 數據分析到 NotebookLM 簡報生成的全自動化流程,展示 AI Agent 如何理解任務、操作介面、完成複雜工作流程。
流量
流量本身不是目的，讓流量「回來」才是 這幾個月在做產品推廣，我終於搞懂一件事：流量本身不是目的，讓流量「回來」才是。 很多人以為只要有人潮湧進來就成功了，但事實上，那些衝著某篇爆文或某個推薦進來的訪客，絕大多數都是一次性的。 他們來了、看了、走了，然後再也找不到回來的路。 流量的三個溫度 在開始談怎麼留住人之前，先理解一下流量的本質。 我把流量分成三種溫度。 第一種是「冷流量」，這群人完全不認識你，撬動他們通常要靠廣告，而且花費不小。 第二種是「溫流量」，他們可能看過你的內容、聽過你的名字，有點興趣願意點進來看看。 第三種是「熱流量」，他們已經對你有信任、有意圖，這群人最值錢。 社群爆發帶來的是「溫流量」 如果你在社群上某篇內容突然爆了，帶進來的通常是溫流量。 這群人品質其實不錯，他們是被內容吸引、主動點進來的。 但問題是，他們只是「路過」，還沒有建立任何連結。 如果你是靠廣告獲取流量，狀況又不一樣了。
創業
創業成功的關鍵不是技術，而是時機。從 NotebookLM 編輯器的實戰經驗中，我學到了流量分發的重要性，以及如何在對的時間點交付對的產品。
Claude Code
YouTube
AI 模型每週都在更新，新功能不斷推出，很多人嘗試了各種工具，最後卻感到更加迷茫。 這支影片系統性地整理了一套完整的 AI 學習路徑，從最基礎的溝通技巧到進階的自動化應用，幫助使用者真正發揮 AI 的潛力。 與 AI 溝通的三大核心 有效的 AI 提示包含三個關鍵元素：清晰的任務說明、相關的背景資訊、以及明確的輸出格式。 以績效考核對話為例，若只是籠統地詢問，ChatGPT 會給出普通的回應。但當我們清楚說明任務目標、提供背景脈絡、指定輸出形式時，回應品質會大幅提升。 一個實用技巧是：讓 AI 主動提問，幫助你發現還缺少哪些必要的背景資訊。 四個進階提示技巧 第一是「範例提示法」，給 AI 參考樣本。影片中示範用 Gemini 建立網頁，單純描述需求只能得到標準化的結果，但附上兩張風格參考圖後，產出立刻變得精準且有質感。 第二是「觀點轉換法」，讓 AI
Claude Code
AI
在 AI 快速發展的年代，到底該追產品還是追技術？答案是：從問題出發。先問自己想解決什麼問題，再找技術、學技術、分享過程，你就已經在累積第一批使用者了。