學習筆記
AI 工具、證照、讀書與動手實驗：一邊學，一邊記下來。共 46 篇。
［AI 應用落地］裝陌生人寫的程式之前，先讓 AI 把原始碼讀一遍
一個 60 顆星、沒有授權條款的傳檔小工具，我請 AI 花五分鐘讀完 280KB 原始碼，找出四個該關掉或避開的地方，再挑三條親手核對。附裝軟體前可以問 AI 的四個問題。
【新書讀書會】房間裡有幾隻猴子：讀《Uncommon Sense》，看到連勝紀錄先問分母
新書讀書會第一本：前約翰霍普金斯大學校長 William R. Brody 的《Uncommon Sense》。我畫線最多的是講運氣的三章：一封 AI 選股信怎麼從 64,000 人篩出 500 個信徒、一千位基金經理人裡為什麼會冒出 31 位天才，還有我自己的驗證尺被亂數騙過的一次。教育性的讀書筆記與延伸，不是投資建議。
額度用完之後怎麼辦：CodexBar 看額度、監國協議交棒、排程跟著調，三個零件怎麼接成一條線
上一篇講了怎麼用一行額度表排 AI 的班，這篇講額度用完之後發生什麼事：誰接手、接手的人能做什麼、額度回來怎麼交還，以及排程怎麼跟著減肥。附監國協議的 GitHub 倉庫，和五件我當初沒想到、後來付了學費才知道的事。技術分享，不是投資內容。
herdr 新手操作手冊：剛開始用 Claude Code 或 Codex 的人，怎麼把一群 AI agent 放進同一個視窗
很多剛開始用 Claude Code 或 Codex 的朋友問 herdr 怎麼用。這篇假設你只開過終端機、對資料夾和設定檔沒什麼概念：先把五個名詞講白話，安裝只講一條最簡單的路，第一次打開只教三個按鍵，用鍵盤就能開第二個 agent。腳本那些放在最後，可以先跳過。技術教學，不是投資內容。
沒有人會來救你：讀《Crisis Engineering》，順便檢查持股在不在危機裡
三個救過 HealthCare.gov 的工程師寫了一本危機手冊。我讀完最有用的一段，是他們給的五個指標，用來判斷你到底在不在危機裡。帳上有六檔股票跌掉一半，我拿這五格逐一對了一遍。教育性的讀書筆記與延伸，不是投資建議。
出門在外，用手機接手電腦上的 AI agent：Tailscale ＋ Herdr ＋ Moshi 一步一步裝
Fred大大 教的方法：三個通用零件，把電腦上正在跑的 AI agent 視窗原樣搬到手機。照 Windows 筆電實裝順序寫，含兩個會踩的坑與修法，並和 X 上流行的 UU远程 方案比較。
Mac 裡那顆沒人在看的晶片，讓 AI 推理快了 1.8 倍：小天的實測，和我在 Windows 上算的一次
小天用一台入門款 Mac mini 做了一週實驗，把影片入向量庫的時間從 127 秒壓到 70 秒，靠的是蘋果晶片裡一塊多數人沒注意的神經網路引擎。我把他的數字跟自家在 Windows 上跑的同一種工作放在一起比，想回答一個更實際的問題：電腦跑 AI 慢，該換機還是換模型。教育性整理與延伸，非採購建議。
AI 要罵才會乖？
掄錘者說罵 AI 有用，DeepSeek 很吃這套，OpenAI 不吃。我拆開他那句罵，裡面裝的是兩樣東西：把決定權收回來，只留結果驗收。再拿自家今天派出去的二十三條驗證對帳，不罵也拿得到同樣的效果，但尺給錯了它會很有禮貌地量出一百分。教育與方法論分享。
同一個模型，一個榜給 62.7 分，另一個榜給 99.9 分，你該信哪個
Caleb Writes Code 拆開 GPT-6 Astra 的發布：十四個跑分裡只有一個跟主流綜合榜重疊，同一個模型在同一個測驗上，換一套執行框架分數從 62.7 變成 99.9。他提出一個新尺：省 token 不等於省錢。我拿自家一週的帳來對，發現輸出 token 只佔帳單 8%，跑分在量的那一小塊，剛好是我最不痛的那一塊。教育性整理與延伸，不是購買建議。
四家 AI 訂閱，誰剩得多就派誰：我怎麼用一行額度表排 AI 的班
同時付四家 AI 訂閱，週額度、月額度、五小時額度各算各的，靠記憶派工的結果是一家爆掉一家閒著。我把開源儀表 CodexBar 的讀數接成一行燈號，每次開口前先看誰剩得多，再決定機械活、寫程式、下判斷各派給誰。四條不看額度的固定規則也一起講。教育性整理與個人做法分享。
一個請求十美元：掄錘者被 GPT6 Astra 燒掉餘額那天，我回頭看了自己的帳
掄錘者實測 GPT6 Astra：網頁聊天三題花一美元，接進 Codex 一個小任務就把七美元餘額燒成負的。他的結論是我們窮，模型並不貴。我拿自己一天的 AI 用量對了一遍，發現帳單算的是它讀了多少，不是它答了多少。教育性整理與延伸，不是購買建議。
訂閱比按量划算得多，那他為什麼還是不敢一次丟六個任務
掄錘者被留言逼著用訂閱制重測 GPT6：同一個小任務，昨天走 API 花九美元，今天走訂閱只吃掉一週額度的 4%。他認了訂閱划算，卻說不敢再像用便宜模型那樣一次丟六個任務。我把自家一週的用量照牌價算了一遍，發現訂閱是把錢換成一個會重置的時鐘，省下來的錢只是表面。教育性整理與延伸，不是購買建議。
陶哲軒說機率只有在事情會重複時才是對的尺，那我手上那些只發生一次的決定呢
陶哲軒在 Big Think 講了八十分鐘他的新書《六個數學要素》。我聽完留下四件事：機率的適用邊界、加倍下注是把破產壓進一個小機率、事故排除後塞車還會持續、以及一個初期比較不準的正確模型會被資料淘汰。我拿自家的驗證簿與結算扇校準來對，這四件事每一件都戳到我。教育性整理與延伸，不是投資建議。
他要的答案是「不」，AI 給了他好幾頁的「是」
陶哲軒說數學家要兩樣東西：答案，跟理解。幾百年來這兩件事分不開，因為要拿到答案你非得先懂不可。現在分家了——題目被沒有領域專業的人解掉，答案是對的，也驗得過，可是沒有人知道發生了什麼。他說 AI 缺的是刪掉的能力，不是生成能力。我拿自家一盞壞掉的警報燈和一份 16 KB 的教訓檔對了一遍。
今年我買了一套很貴的美股資料，然後找到這份公開的
介紹一份公開的美股歷史資料：日線股價、法說會逐字稿、財務三表、公司新聞，而且下市公司的歷史都留著。一個付費用戶的實測心得，附開始使用的方法與一個該注意的地方。教育與方法論用途。
AI 改 AI，不一定要改腦子：聽小天講 EvoX 的蜂群
小天用十分鐘講一個問題：AI 自我改進一定要改模型權重嗎？他拿 EvoX 的蜂群模式當例子，主張人類文明靠的是制度和協作在進化，AI 也可以。我拿自家跑了半年的兩條「AI 改 AI」迴圈對照，發現偵測做到了、自改沒發生，而蜂群缺的那件事我今天早上剛親身撞到一次。教育性整理與延伸。
Graph Engineering 是什麼？管一群 AI agent 要畫兩張圖——一張幾個月不動，一張用完就丟
Graph Engineering 七月在 X 上爆紅：一則推文、一個半小時後 Google 產品經理接話定義、48 小時文章潮。Kelly Tsai 的影片把它講清楚——迴圈寫出 agent 的行為，圖寫出 agent 的組織；實作上是兩張圖：穩定的組織圖加用完就丟的分工表。我拿自己管一群 AI 的日常對了一遍，連怎麼長出來的過程都一樣。
Codex、DeepSeek Harness、Hermes 誰最好用？實測的答案是：沒有最好用的 agent，只有站對位置的 agent
一支實戰影片把三個 AI agent 工具丟進真任務：開發論壇皮膚、修 bug、日常運維防攻擊。結果 Codex 最會開發、Hermes 最穩能連跑一個月、代碼最漂亮的 DeepSeek Harness 反而翻車。搭配本地 Qwen3.8 27B 吃粗活、雲端 DeepSeek V4 Flash 收尾，一天測下來只花 30 元人民幣；全接高階模型要 100 多元，兩個月差價就是一張 4090。
陶哲軒的硬幣遊戲：AI 解數學做了四件事，人也做了四件事，我把自己的分工表拿去對了一遍
陶哲軒用一個硬幣遊戲示範人和 AI 怎麼合力解開一題數學：Gemini 補證明缺的一步、AlphaEvolve 算到 16 堆、Aristotle 把證明翻成 Lean 讓機器驗，而出題、猜想、看懂證明、認出兩題其實是同一題，全是人做的。AI 四件事、人四件事，這張分工表跟我自己派 AI 幹活的原則幾乎一樣：驗收能交給機器的，才放心交給 AI。
便宜的夠用，貴的用不完：聽掄錘者講怎麼選模型和 agent
掄錘者用十八分鐘把他這幾個月測過的模型和 agent 排了一次隊：本地只認 Qwen3.8 27B，線上首推 DeepSeek V4 Flash，日常助手用 Hermes、寫程式用 Codex，Gemini 和 Grok 直接勸退。他的排隊方法比排隊結果更值得學：先問你一個月用多少、任務要跑幾步，再決定付誰的錢。我拿自己這一個月的實測數字對了一遍，有兩處跟他一致，一處相反。
本地大模型要買卡還是租卡？RunPod 一小時 24 元台幣，我實際跑過之後怎麼想
昨天我第一次在 RunPod 租雲端 GPU 跑一個小批次任務：一張 4090 每小時約 24 元台幣、按秒計費，四輪嘗試、567 秒 GPU 時間，帳單三塊四。這篇把「租」和「買」兩條路的形狀攤開來比：什麼時候租划算、什麼時候該買，還有本地端開發常見的幾種應用——文件向量索引、截圖批次判讀、本地模型當 agent 腦袋、微調、生圖生影片——各自該租還是該買。程式實作及測試由好友 Fred 協同開發。
只給分子不給分母：陶哲軒說 AI 解題像個微醺的天才，而我們可能在優化錯的東西
陶哲軒在一段訪談裡把 AI 做數學的現況講得很白：四年從國中題爬到解開幾個人類卡住的問題，但成功率、燒了多少錢、掃了幾題才中一題，全是黑箱。他的比喻是一個懂得很多、有點醉的人不停丟點子，指一千題給它，解掉五十題，但不一定是你最想解的那五十題。我拿自己做因子驗證的登記簿對了一遍：分母沒人記，是我們自己也犯過的錯。
資策會 AICE 人工智慧工程素養：一週衝刺的考取筆記
教育性備考心得：AICE 考試題型、最容易搞混的觀念、我們的準備方法，以及及格關鍵的取捨策略。
AICE 必考觀念筆記：一頁把四大面向的地基打完
教育性整理：AICE 人工智慧工程素養認證的必考觀念——評估指標、機器學習、大數據生態系、神經網路、生成式 AI 與 AI 倫理，附記憶鉤。