網路報導與公開資料
📰 網路報導與公開資料 (哈爸 / 許武龍)# 這裡收集並整理了歷年來從網路上可以公開查閱到的「哈爸(許武龍)」相關媒體專題報導、專訪、學術引述與社會公共參與紀錄。 ...
📰 網路報導與公開資料 (哈爸 / 許武龍)# 這裡收集並整理了歷年來從網路上可以公開查閱到的「哈爸(許武龍)」相關媒體專題報導、專訪、學術引述與社會公共參與紀錄。 ...

過去幾年,生成式 AI(GenAI)、工作流自動化(n8n/Make)以及最新的「代理人自主協作(Agentic AI)」以驚人的速度重塑著軟體開發與商業運行的邏輯。 這幾個月,我藉由幾次的週期會議,幫助好幾個團體,快速基本AI賦能,也有個人AI家教,透過許願式教學,八堂課就讓沒有IT經驗的老師,善用Agentic AI, 做教學流程的自動化、開發與部署教學App。在實際企業顧問,也開始落實,企業AI賦能書中的方法。我的體會:其實都一樣,只是教會一個人、一群人很會用AI的差別。 這些實戰讓我深刻體會到:AI 的價值不在於買了多少 API Token,而在於能否將日常繁瑣、具備特定業務邏輯的流程「自動化、標準化與智能化」。 然而,許多企業與團隊在導入時,往往面臨「磨錘子而忘了蓋房子(過度專注技術卻偏離業務目標)」、或是「不知道如何訓練團隊掌握 AI 協作心法」的困境。 為了幫助更多團隊跨越這道鴻溝,我決定正式啟動 「哈爸顧問與演講服務」!我希望將自己長期累積的人機協作方法論與系統工程落地經驗,轉化為您團隊前行時的加速器。 ...

在 AI Agent 時代,我們發現傳統寫代碼 (Code) 的工法正被「定義 Goal、推理迴圈 (Loop) 與結束條件 (Exit Conditions)」所徹底顛覆。 在學習 Google Antigravity SDK 時,我慢慢體會到新的開發概念與傳統寫 Code 的根本性不同。當我們要建構一個新的 Agent 軟體或平台時,到底該如何提供精確的 Initial Prompt 與系統規格?這篇文章就來聊聊我這陣子在個人環境下,利用 「對抗式規格生成」 進行系統工程開發,以及如何死守錢包、擊退 「Token 刺客」 的第一手踩坑與自癒實戰。 ...
哈爸筆記:這一陣子,我當了幾組夥伴的 AI 家教,近距離輔導他們學習 AI。這段陪伴的過程,讓我對「個人 AI 賦能」與「企業 AI 賦能」有了全新的體悟。當我們親眼看著一個學員從不敢碰科技,到能夠用語音、拍照與 AI 流暢對話時,我意識到,這不僅僅是工具的普及,而是一場顛覆傳統教育的範式轉移(Paradigm Shift)。 ...

當我們開始擁抱具備「手」和「自主規劃能力」的代理人 AI (Agentic AI,如 Antigravity) 時,很多人會陷入一個誤區:既然 Agent 這麼強,那就把所有疑難雜症、甚至是最前期的混沌發想,通通塞給它處理。 ...

在宅醫療的醫護人員每天在案家與診所間奔波,而最耗費他們日常頻寬的,往往不是臨床診斷本身,而是繁瑣的行政病歷打字。 昨天去台北新生南路的 行一診所 做了一場 2 小時的內部訓練分享,主題是「個人 AI 賦能(Personal AI Empowerment)」。這次的對象是在宅醫療第一線的醫師與護理師,我分享了如何利用 AI 工具將繁雜的行政與病歷紀錄減量,並現場展示了地端 AI 代理人(Agentic AI)在醫療情境下的實務運用。 ...
聽完一整天精彩的 2026 生成式 AI 年會,腦子被塞得滿滿的。下巴士走回家的時間中,我發現我正在分享與構思的企業 AI 賦能書,有好多可以修正與補充的點。但因為尊重智財,我沒有現場錄音,原本預期可以用 AI 直接整理現場錄音的方法完全派不上用場。再加上年會的資訊量實在太大,只覺得很豐富、啟發很多,但走出会場後自己幾乎都忘了。 ...
薪火五十的數位轉型:交大機械系友資源對位引擎開發筆記# 今年適逢交大機械系五十週年系慶。作為系友會的一員,我一直在思考:除了餐敘與合照,我們還能為母系留下什麼? 一個系友會的本質是「連結」。但傳統的連結往往停留在「點對點」的偶然,缺乏「網對網」的動能。為此,我們在這次系慶啟動了一個大膽的實驗:開發一個自動化的「系友資源對位引擎」。 ...
本文記錄了《企業生成式 AI 轉型》方法論中,關於『個人為主,團隊為原型』的首次實體化實驗。 回顧這些日子以來,我與 AI (Antigravity) 的協作已經達到了一種近乎肌肉記憶的流暢感。從建立 [TMUX 自動化工作空間]、使用 Hammerspoon 打造「2+1 快手」,到用 TASKS_LEDGER 與 Mermaid 畫出戰略版圖,這是一套高度個人化的超級沙盒 (PA Sandbox)。 ...
在 v1.3.0 的發布文中,我們確立了企業 AI 轉型的「物理化」架構與 L0-L4 的層次化賦能。但隨著理論的完善,一個更尖銳的實戰問題浮現:「如果我只有 5 個隊友,明天早上進辦公室,我們該如何用 AI 開始協作?」 ...