水電工阿水的 AI 轉型日誌
首頁內容關於
哥倫比亞大學論文說「用弱模型管強模型」效果更好。但我用1人+6AI跑公司半年多，發現問題不在模型強弱，在制度有沒有寫清楚。我自己也踩過貪快跳流程、產線炸掉的坑。而且客戶根本不在乎你用什麼模型——就像吃麵的人不會問你用幾號壓麵機。技術是你的事，讓客戶感覺不到技術，才是本事。
我六個 AI 員工。每次開工，得先把文件貼給他們看——因為他們不記得昨天。
AI 沒有跨對話的記憶。六個月下來我得出一個結論：AI 協作的瓶頸不是模型不夠強，是記憶系統沒設計好。
上週讀到好萊塢女星做的開源記憶系統，上線兩天 GitHub 破兩萬三千顆星。這篇寫我從中看到什麼，以及下一步打算怎麼做。
2005年台灣電商起飛時，懂技術的不懂商務、懂商務的不懂技術，中間缺翻譯者。二十年後的AI產業正在重演同樣劇本。技術派追模型追框架，商家砸錢做AI卻沒人用。真正稀缺的不是會用AI的人，而是能把AI翻譯成商業價值的人。先找商業模式，再談技術。
我讓 AI 監工跳過流程直接寫程式，一張 97 bytes 的壞圖炸掉整個對話，五張任務卡遺失、四項決策指令全部消失。但按正規流程做的檔案一個都沒少。這次踩坑讓我學到：AI 團隊的分工邊界是物理隔離，不能靈活補位；流程裡看似多餘的人工中轉，其實是品質關卡。一人公司用 AI 協作的真實教訓。
Anthropic 用百萬筆對話數據發現：AI 老手的成功率比新手高一成，但他們反而花更多時間跟 AI 來回討論，而不是讓它全自動跑。從「幫我做完」到「跟我一起想」，這個轉變才是真正的差距。
我請 AI 畫「倒推規劃」的圖，它給了我一雙腳走向旗子。每個字都執行正確，卻完全不是我要的東西。AI 不是不聰明，它只是太愛走捷徑——永遠選最直覺的答案。學會當「導演」而不只是「使用者」，結果完全不同。告訴它你要什麼感覺，而不是每個零件放哪裡。一個具體的失敗案例，三層提示詞結構，你今天就能開始練習。
一個水電工，一顆石頭，六個 AI。從什麼都不會開始，花一年煮出一鍋七人制的創業團隊。這篇文章記錄的，是從第一次打開 AI 對話框，到建立完整 AI 協作架構的真實過程。
「大多數人用 AI 做簡報，把內容和設計混在一起做，結果兩邊都不好。四步完成法教你拆開來做：先讓 AI 消化原稿、用結構化 Prompt 生成腳本、丟進簡報工具、套上主題。每一步你都能控制。」
你每天跟 AI 對話幾十次，問它寫文案、整理資料、幫你想點子。但你有沒有發現，AI 的回答總是很「泛」？像在跟一個完全不認識你的人說話？
因為事實就是這樣 — AI 真的不認識你。
每次開一個新對話，AI 都從零開始。它不知道你做什麼行業、你的溝通風格、你希望它怎麼回答。
哥倫比亞大學論文說「用弱模型管強模型」效果更好。但我用1人+6AI跑公司半年多，發現問題不在模型強弱，在制度有沒有寫清楚。我自己也踩過貪快跳流程、產線炸掉的坑。而且客戶根本不在乎你用什麼模型——就像吃麵的人不會問你用幾號壓麵機。技術是你的事，讓客戶感覺不到技術，才是本事。
我六個 AI 員工。每次開工，得先把文件貼給他們看——因為他們不記得昨天。
AI 沒有跨對話的記憶。六個月下來我得出一個結論：AI 協作的瓶頸不是模型不夠強，是記憶系統沒設計好。
上週讀到好萊塢女星做的開源記憶系統，上線兩天 GitHub 破兩萬三千顆星。這篇寫我從中看到什麼，以及下一步打算怎麼做。
2005年台灣電商起飛時，懂技術的不懂商務、懂商務的不懂技術，中間缺翻譯者。二十年後的AI產業正在重演同樣劇本。技術派追模型追框架，商家砸錢做AI卻沒人用。真正稀缺的不是會用AI的人，而是能把AI翻譯成商業價值的人。先找商業模式，再談技術。
我讓 AI 監工跳過流程直接寫程式，一張 97 bytes 的壞圖炸掉整個對話，五張任務卡遺失、四項決策指令全部消失。但按正規流程做的檔案一個都沒少。這次踩坑讓我學到：AI 團隊的分工邊界是物理隔離，不能靈活補位；流程裡看似多餘的人工中轉，其實是品質關卡。一人公司用 AI 協作的真實教訓。
Anthropic 用百萬筆對話數據發現：AI 老手的成功率比新手高一成，但他們反而花更多時間跟 AI 來回討論，而不是讓它全自動跑。從「幫我做完」到「跟我一起想」，這個轉變才是真正的差距。
我請 AI 畫「倒推規劃」的圖，它給了我一雙腳走向旗子。每個字都執行正確，卻完全不是我要的東西。AI 不是不聰明，它只是太愛走捷徑——永遠選最直覺的答案。學會當「導演」而不只是「使用者」，結果完全不同。告訴它你要什麼感覺，而不是每個零件放哪裡。一個具體的失敗案例，三層提示詞結構，你今天就能開始練習。
一個水電工，一顆石頭，六個 AI。從什麼都不會開始，花一年煮出一鍋七人制的創業團隊。這篇文章記錄的，是從第一次打開 AI 對話框，到建立完整 AI 協作架構的真實過程。
「大多數人用 AI 做簡報，把內容和設計混在一起做，結果兩邊都不好。四步完成法教你拆開來做：先讓 AI 消化原稿、用結構化 Prompt 生成腳本、丟進簡報工具、套上主題。每一步你都能控制。」
你每天跟 AI 對話幾十次，問它寫文案、整理資料、幫你想點子。但你有沒有發現，AI 的回答總是很「泛」？像在跟一個完全不認識你的人說話？
因為事實就是這樣 — AI 真的不認識你。
每次開一個新對話，AI 都從零開始。它不知道你做什麼行業、你的溝通風格、你希望它怎麼回答。
黃仁勳說，每個人的工作都有兩面——任務和目的。十年前有人預言 AI 會消滅放射科醫師，結果需求反而暴漲。AI 取代的是任務，但目的變得更重要。身為一人公司經營者，我消化完訪談後認為我們該做三件事：把麻煩的事交出去、用對工具、把省下來的時間投入真正喜歡的事。
最近看到一個故事，讓我停下來想了很久。
一個中國大四學生，叫郭航江，20 歲。他用 10 天做出一個叫 MiroFish 的 AI 預測引擎，登上 GitHub 全球趨勢榜第一名，超越 OpenAI、Google、Microsoft 的專案。
盛大集團創辦人陳天橋看到他的 Demo 影片，24
Amazon 工程師用 AI 修系統，AI 判斷最有效率的做法是把整個環境刪掉重建，停機 13 小時。三月初又出事，北美網站掛了 6 小時，損失 630 萬筆訂單。問題不是 AI 不夠聰明，是沒人管。一個水電工出身的創業者，分享他怎麼用切小任務、逐張驗收、文件記憶來駕馭六個 AI。
最近讀到一個詞，讓我停下來想了很久。
那個詞叫 Harness——馬具。
HashiCorp 創辦人提出 Harness Engineering，我才發現自己一個人帶六個 AI 的工作流程，早就是一套完整的 Harness。
AI 時代，真正的機會窗口
40年前我以前水電工，25年前我是小水電行的老闆兼員工，20年前我透過自學建置網站，成為全台第一家透過自營網站銷售熱水器。賣了十年熱水器，最後卻不敵追隨者的削價競爭、網路形態的改變，網站從靜態網站到購物車型態，到2015年的手機普及，響應式網站優先被看到造成銷售形式改變
黃仁勳說，每個人的工作都有兩面——任務和目的。十年前有人預言 AI 會消滅放射科醫師，結果需求反而暴漲。AI 取代的是任務，但目的變得更重要。身為一人公司經營者，我消化完訪談後認為我們該做三件事：把麻煩的事交出去、用對工具、把省下來的時間投入真正喜歡的事。
最近看到一個故事，讓我停下來想了很久。
一個中國大四學生，叫郭航江，20 歲。他用 10 天做出一個叫 MiroFish 的 AI 預測引擎，登上 GitHub 全球趨勢榜第一名，超越 OpenAI、Google、Microsoft 的專案。
盛大集團創辦人陳天橋看到他的 Demo 影片，24
Amazon 工程師用 AI 修系統，AI 判斷最有效率的做法是把整個環境刪掉重建，停機 13 小時。三月初又出事，北美網站掛了 6 小時，損失 630 萬筆訂單。問題不是 AI 不夠聰明，是沒人管。一個水電工出身的創業者，分享他怎麼用切小任務、逐張驗收、文件記憶來駕馭六個 AI。
最近讀到一個詞，讓我停下來想了很久。
那個詞叫 Harness——馬具。
HashiCorp 創辦人提出 Harness Engineering，我才發現自己一個人帶六個 AI 的工作流程，早就是一套完整的 Harness。
AI 時代，真正的機會窗口
40年前我以前水電工，25年前我是小水電行的老闆兼員工，20年前我透過自學建置網站，成為全台第一家透過自營網站銷售熱水器。賣了十年熱水器，最後卻不敵追隨者的削價競爭、網路形態的改變，網站從靜態網站到購物車型態，到2015年的手機普及，響應式網站優先被看到造成銷售形式改變
