Posts

在「哈爸實驗室」雙周會 #1 結束後，我嘗試建立了一套「低阻力」的會議後處理流程。目標很明確：不要讓產出會議記錄變成一種負擔，而是透過 AI 工具鏈，在幾分鐘內完成從音訊到 GitHub 存檔的全部動作。 以下是這次實戰的完整工作流： 🛠️ 五步驟 AI 自動化工作流 1. 音訊最佳化：從 MP4 到 Optimized MP3 會議是在 Google Meet 上進行錄影，產出的 MP4 原始檔通常很大（數百 MB），且不便直接上傳 AI 工具。 作法：我使用自製的 media-processor Skill，透過 ffmpeg 自動計算最佳位元率（Bitrate），將影片轉為單聲道、小於 20MB 的 MP3 檔。 關鍵點：這樣的大小最符合 Google NotebookLM 的上傳限制，且能保持語音的清晰度。 2. 建立 AI 脈絡：Agenda 與共筆雜記 AI 需要「背景知識」才能寫出好的紀錄，而不僅僅是逐字稿。 準備：我準備了預定的議程（Agenda）以及在會議中隨手記下的「成員自我介紹雜記」。 角色賦能：告訴 AI 位講者的背景（例如志全的水利專業、Jimmy 的軟體背景），這讓 AI 在辨識聲音與觀點對位時精準度大幅提升。 3. NotebookLM 的深度提煉 將 MP3 與背景雜記上傳至 NotebookLM。 Prompt 策略：不直接使用內建摘要，而是下一段特定的 Prompt，要求 AI 根據「議程框架」去搜尋錄音中的對應片段，並特別強調「Demo 亮點」與「跨界觀點的連結」。 成果：AI 成功抓住了關於「水利編碼有碼無座標」的痛點，以及對 AI Agent 協作中「Human-in-the-loop」的精彩討論。 4. 圖像化摘要：AI 幫你畫重點 NotebookLM 產出的摘要可以進一步產生視覺化的重點圖。將這張圖下載下來，作為會議記錄的封面或視覺補充，能讓讀者一眼看清本次會議的關鍵價值。 ...

這不只是一本書，這是我這陣子在台灣河床邊、在螢幕前，與 AI 進行的一場深入土地靈魂的對話。 今天，我正式在 GitHub 釋出了 《流域導航：台灣母親之河的深度探索與實踐指南》。這不僅僅是我的田野筆記，更是一套結合了 Deep Research、地景偵探術 與 WalkGIS 共創 的數位探索方法論。 ...

經歷了密集的理論建構與多產業案例（製造業、醫療業、電商業）的壓力測試，我決定將這套 《企業生成式 AI 轉型方法論 (v1.1.0)》 正式分離為獨立專案，並在 GitHub 上開源釋出。 這不僅是一本書，更是一套為組織量身打造的 「轉型作業系統」。 🚀 為什麼要獨立釋出？ 隨著這套方法論從 v1.0.0 的理論架構進化到 v1.1.0 的實戰導向，它已經具備了獨立演進的生命週期。為了讓更多對企業 AI 轉型感興趣的朋友能參與討論、甚至進行 Fork 實裝，我將其從原本的筆記專案中分離，建立了專屬的 Repository。 GitHub 傳送門：EnterpriseGenAIAdoption 🌟 v1.1.0 的核心亮點 在最新的版本中，我們解決了企業導入 AI 時最常見的三個「死結」： 需求死結 ➡️ 「評測先行 (EDRA)」： 不再盲目追求模型跑分，而是透過撰寫 100 題「業務考卷」來反推需求。這份考卷是企業最穩固的數位資產，不隨 AI 技術迭代而消逝。 學習死結 ➡️ 「Wing Group 與分享式循環」： 打破「上課、考試、遺忘」的惡性循環，強調「學習與需求脫鉤」。透過 2-3 人的敏捷特遣隊持續實驗並存入「公用知識庫」，讓賦能在有實際需求時才啟動。 動力死結 ➡️ 「生活先行與共付制補助」： 利用心理學中的「損失厭惡」與「個人投入」，鼓勵員工在生活場景中使用 AI，並透過部分補貼誘導全體跨出第一步。 📂 專案內包含什麼？ 當您 Clone 或是造訪這個 Repo，您會得到： 📗 《企業轉型全書》：24 個節點的深度理論與案例分析。 🚀 CoE 實施指引：從第零階段到規模化的行動清單。 📋 企業診斷 Schema：一套開箱即用的組織評估工具。 📑 三大實戰案例：橫跨製造、醫療、電商的深度演練側欄。 🤝 人機共創的實驗歷程 這套方法論的誕生本身就是一次「人機協作」的完美實驗。我提出核心的商業洞察與心理戰略，而由 AI 助手 Antigravity (Google DeepMind) 進行邏輯壓力測試、案例模擬與文件的結構化編撰。 ...

昨天才剛完成《企業生成式 AI 轉型全書》的 v1.0.0 基礎版本，今天在與 AI 代理人進行了三個跨產業案例（製造、電商、醫療）的模擬演練後，我立刻意識到：「理論在與現實碰撞的瞬間，才真正開始產生生命力。」 這篇文章記錄了我如何將三個核心實戰想法注入 v1.1.0，以及這場「寫作即實驗」的進化過程。 一、 為什麼 v1.0.0 還不夠？案例演練帶來的「實戰壓力測試」 在 v1.0.0 中，我們建立了完整的理論支柱，但當我實際模擬「龍誠精密」的面試、或是「星辰康復」的醫療流程再造時，幾個深水區問題浮現了： 需求迷霧：部會或企業常說「幫我導入 AI」，但沒人說得出「成功長什麼樣子」。 學習抗性：強迫員工上課是沒用的，他們只關心這東西能不能幫他解決手頭上的麻煩。 資料沈睡：高品質的資料往往鎖在老師傅的腦袋或發黃的紙本裡，而不是數位化的 PDF 中。 這促使我們透過與 AI 持續對話，快速迭代出了 v1.1.0。 二、 v1.1.0 的三大核心躍遷 這是我在這次升級中，最想分享的三個關鍵補充做法： 1. 評測先行 (Evaluation-First)：以「考卷」定義「需求」 傳統做法是「先有系統再測試」，但在 AI 領域，這會導致資源浪費。 我提出 EDRA (Evaluation-Driven Requirement Alignment) 模式： 核心觀點：如果企業寫不出 100 題「期望 AI 達標的測試題」，就不准啟動資料整備。 抗模型歸零：模型每年都在變，但「業務考題」是企業最穩固的資產。考卷一旦建立，無論底層換成 GPT-5 還是 Llama-4，企業都能瞬間校準出最優路徑。 2. Wing Group 與分享式導入：讓學習與需求脫鉤 AI 變化太快，制式培訓永遠跟不上。我設計了 Wing Group 的敏捷機制： 小而美：2-3 人的特遣隊，週週實驗新工具，不限工作，甚至涵蓋生活。 分享式循環：產出 Simple Report 歸檔至公用目錄。 隨選隨學：核心價值在於「當員工產生需求的那一秒，隨時有案例可查」。這消弭了參與壓力，讓 AI 知識像電力一樣，開關一撥就有。 3. 共付式生活補助：利用「不拿白不拿」的心理補償 這是我對變革管理最直擊人性的設計： ...

哈爸碎碎念： 寫一本書不難，難的是如何讓這本書「動起來」。最近我完成了一本關於《企業生成式 AI 轉型》的小書，書名是「企業生成式 AI 轉型全書：從知識底座到自主代理人的實踐路徑」，但這次實驗最有趣的地方，不在於那幾萬字的文字產出，而是我如何引導 AI 將這些文字轉化為一套可執行的「轉型作業系統 (OS)」。 1. 源頭：從「全書 (Book)」開始 這場實驗的起點很單純：我想把對企業導入 AI 的所有思考結構化。我們從第 1 章的「為何而戰」寫到第 6 章的「產業實戰」。這本書提供了轉型的 「核心引擎 (Engine)」 與理論基礎。 但寫完後我發現，書本對企業主來說太厚了，它需要更具備「侵略性」的呈現方式。 2. 工具化：Book -> Guide -> Schema 的活化過程 我讓 AI 擔任「CoE (卓越中心) 主管」，對它下達了一個關鍵指令：「把書裡的知識，變成你隨時可以調用的技能 (Skill)。」 在這個過程中，我們延伸出了兩個關鍵組件： 實作指引 (Guide)：將書本理論範式化。它不再是長篇大論，而是 CoE 主管在不同階段（Week 1-16）該勾選的 「行動清單」。 診斷書 (Schema)：這是分析企業的 「數據規格」。在進入任何公司前，先透過這份診斷書把企業的體質數據化。 至此，Book (理論) → Guide (流程) → Schema (接口) 的三角架構正式成型。這不再只是文章，而是一套數位轉型的標準協定。 3. 測試：虛擬企業的壓力演練 為了驗證這套 OS 是否管用，我們在「數位實驗室」裡生成了三個性格迴異的病患（虛擬個案）： 龍誠精密：傳統製造業。挑戰是「老師傅的經驗傳承」與「數據沙漠」。 全球脈動：跨境電商。挑戰是「創意的無限擴張」與「預算防線」。 星辰康復：醫療機構。挑戰是「零容忍的精準」與「極端的法律責任」。 這是我覺得最具價值的部分。每一場演習都像是在對方法論進行「壓力測試」，讓我們看到同一個計畫在不同產業樣態下，會產生完全不同的執行變數。 4. 閉環：邁向 v1.1.0 的自我進化 演習結束後，我們發現診斷書漏掉了「產業時鐘頻率」這個重要參數。於是，我們啟動了 「閉環修正 (Closed-loop Update)」。 ...

寫在探索前： 身處台北，淡水河就在生活圈內。這次目標是透過「都會模組」探索台北城的防災技術與水岸演變，從繁華的大稻埕一路騎行至與世獨立的社子島尖端。 今日目標：歷史水門、高度防護與河流交會 身為台北人，我們要解讀的不只是門外的河，更是守護城內的「牆」。 日期：待定 (單日探索建議) 行進路線：大稻埕碼頭 -> 迪化街老街區 -> 延平河濱公園 -> 社子島島頭公園 關鍵字：水門、防洪牆、基隆河交匯、老物新生。 預定行程 (Itinerary) 1. 台北之門：大稻埕碼頭 (五號水門) 水門觀察：站在五號水門前，感受門內外的地勢落差。這裡曾是茶葉與布匹的世界窗口，現在是水岸生活的入口。 2. 水岸防衛：延平河濱防洪牆 高牆之下：觀察沿線高大、厚實的防洪牆。思考 200 年頻率防洪設計，如何塑造了台北人對河流的空間感。 3. 都市邊界：社子島濕地 政策痕跡：延平北路末段的建築與景觀，訴說著台北防洪計畫下被凍結的時空。 4. 終點匯流：社子島島頭公園 兩河之吻：站在島頭，看著左側的淡水河與右側的基隆河在此結合。這是感受淡水河「動脈感」的最佳地點。 導航路徑 (Google Maps) 🗺️ 都會水岸與防災導航 AI 協作聲明： 本行程由筆者與 AI 助手 Antigravity 共同規劃。AI 調閱了「流域情報開放地圖」中關於社子島與大稻埕的水門紀錄，強化了防災技術層面的觀察建議。

寫在轉化後： 我們與 AI 的對話往往像是一場漫長的淘金。在過去幾週的「河流探索」專案中，我與 AI 助手累積了數百次關於 GIS 處理、水利考掘與行程規劃的對話。這些對話中隱含著極高的「專業 SOP」，但若不加以整理，它們終將沉沒在歷史紀錄中。本文記錄了我如何讓 AI 「自我解構」，將對話轉化為持續賦能的 Agent Skills。 1. 發現遺產：在廢墟中尋找規律 隨著曾文溪、濁水溪探索的展開，我發現每次規劃時，AI 都要重新理解一次我的需求： 「我要生成 Google Maps 連結」 「我要將點位寫入 walkgis.db」 「我要撰寫帶有水利深度的 Blog Post」 這些重複性的動作，就是 「技能化」 的最佳候選者。我讓 AI 回頭檢視我們的對話紀錄，問它：「在這些對話中，有哪些動作是你反覆在幫我做的？請把它們解構出來。」 2. 技能封裝 (Skill Encapsulation)：定義專業邊界 這是我覺得最驚艷的部分。AI 並不只是給我一份總結，而是協同我建立了具體的「技能包 (Skills)」目錄： gis-data-manager：封裝了標記 POI、WKT 轉換與資料庫同步的腳本。 river-exploration：封裝了從 Phase 0 (資料準備) 到 Phase 3 (深度解析) 的完整河流探索指引。 hugo-content-wizard：專門處理「筆記轉部落格」的繁瑣格式。 我們定義了具體的 SKILL.md，這就像是賦予了 Agent 一本「標準作業手冊」。 3. 無痛轉入手感：從「手工業」到「自動化導航」 當這些技能被定義後，我再次發起任務（如這次的「蘭陽溪考掘」）時，感覺完全不同了： 溝通簡化：我不再需要解釋怎麼存資料庫，只需要說「執行 gis-data-manager 的同步邏輯」。 品質躍升：因為 SOP 已被明確化，AI 會自動執行「豐富化對話」、「異常偵測」等高階動作，產出的內容從原本的「行程表」躍升為「水路歷史考掘計畫」。 這種感覺就像是，你不用再教廚師怎麼切菜，你只需要給食材並說出你想吃的菜系，廚師已經具備了全套精湛的刀工與調味邏輯。 結語：讓 AI 成為你的肌肉記憶 這次的實驗讓我理解到，AI 的強大不在於它「懂得多」，而在於它能透過我們的引導，將「偶然的成功」沉澱為「必然的技能」。當對話不再是消耗，而是累積成一套不斷成長的 Agent Skills 時，數位賦能才真正發生。 ...

前言： 在完成了四天三夜的濁水溪溯源之旅後，許多朋友好奇：如何在有限時間內，規劃出如此深度且具備彈性的行程？ 其實，這不僅是一場旅行，更是一次 AI 協作 (AI-Augmented) 的實驗。我將這次的經驗提煉成一套標準工作流（SOP），分享給所有熱愛探索與科技的朋友。 現代探險家的數位工具箱 過去的探險家靠的是羅盤與手繪地圖；現代探險家則擁有強大的數位孿生工具： GIS 系統 (WalkGIS)：提供地理空間的骨架。 生成式 AI (LLM)：充當知識淵博的嚮導與秘書。 數位筆記 (Hugo Blog)：結構化記錄與歸檔。 這套方法論分為四個階段，形成一個從虛擬到實體，再回到虛擬的閉環。 階段一：數據鋪墊 - 建立地理認知 (Data Preparation) 在出發前，我們必須先「看見」這條河流。 數位孿生基礎：利用 GIS 技術提取流域範圍、河道、堤防與水利設施。這讓我們知道哪裡是「可以走的路」，哪裡是「值得看的點」。 興趣點豐富化 (Enrichment)： AI 可以在這裡發揮大用。我使用腳本串接 Google Places API，沿著河岸搜尋「補給點」（車宿洗澡點、美食）與「文化點」（古蹟、廟宇）。 這個步驟將冰冷的經緯度，轉化為有溫度的旅行節點。 階段二：行程規劃 - AI 協作草案 (Planning) 有了數據，接著是規劃。這不是寫死板的時刻表，而是建立一個「有邏輯的劇本」。 主題分段：我們將濁水溪切分為「海口信仰」、「橋梁水利」、「生態電力」、「山湖騎行」四個主題。 撰寫計畫文 (The Plan)： 我會要求 AI 根據上述數據，草擬一份 Blog Post (行前計畫)。 AI 的角色：它負責串聯景點邏輯（如：先吃肉圓再去冰店順路嗎？）、計算時間，並生成 Google Maps 的多點導航連結。 這時候的筆記標題通常標註 (行前計劃)，內容包含「預定行程」與「AI 協作聲明」。 階段三：實地探索 - 彈性與感知 (Execution) 帶著計畫上路，但要把心打開。 彈性執行：地圖是死的，路是活的。西螺大橋封路怎麼辦？鳥嘴潭來不及去怎麼辦？AI 的計畫提供了骨架，但現場的應變才是靈魂。 多感官記錄： 數位軌跡：開啟 ATAK 或運動記錄 APP，留下真實的 GPX。 當下紀錄：利用錄音或快速筆記，記錄當下的感受（例如：電輔車的隱形推力、九蛙疊像的實際水位）。這些細節是回家後寫不出來的。 黃金時間：當日結算與發佈 (The Golden Hour) 這是我認為長期旅程能持續下去的關鍵：絕不拖延。 ...

寫在升級後： 剛整理完濁水溪的探索方法論 (SOP)，正準備發佈時，發現我的 AI 助手 Antigravity 也有了新功能——支援 Skill (技能) 系統。 於是，我順手請 AI 將原本單純的文字版 Task，升級為更具結構化的 Skill。這不僅是一次工具的迭代，更是 AI 協作模式的進化。 什麼是 Antigravity Skill？ 過去我們習慣用 Task (任務) 來告訴 AI 做什麼，通常是一份 Markdown 文件，寫滿了步驟與指令。 而新的 Skill (技能) 則更像是一個 「可執行的軟體包」。它不僅有說明文件 (SKILL.md)，還可以包含專屬的腳本 (scripts/)、模板 (templates/) 與範例。 簡言之，Task 是給 AI 看的「說明書」，Skill 則是給 AI 用的「工具箱」。 實戰：建立 River Exploration Skill 我請 AI 將剛剛總結的「河流探索工作流」封裝成一個 Skill。 AI 迅速在 .agent/skills/river-exploration/ 建立了以下結構： SKILL.md：核心 SOP，包含了我強調的「黃金時間 (The Golden Hour)」當日結算流程。 scripts/gen_map_urls.py：把之前散落在專案裡的 Google Maps 連結生成程式，收納為此技能專用的工具。 templates/blog_post_template.md：標準化的遊記 Markdown 模板，確保每次產出的格式一致。 Task vs. Skill：優缺點比一比 在實際體驗後，我對這兩種模式做了簡單的比較： ...

寫在終章後： 旅程的最後一天，以此行最輕鬆愜意的方式——騎乘電輔車環日月潭一圈，畫下完美的句點。 雖然因時間關係取消了鳥嘴潭行程，但深度體驗了日月潭的湖光山色、廟宇建築與熱鬧碼頭，讓這趟濁水溪溯源之旅在滿滿的回憶中結束。 濁水溪_day4_relive 今日目標：環湖騎行與遊船體驗 日期：2026/01/16 (五) 行進路線：水社碼頭 (電輔車環湖) -> 各大碼頭 (遊船與美食) -> 賦歸。 關鍵字：捷安特電輔車、順時針環湖、九蛙疊像、伊達邵美食。 實際行程 (Actual Itinerary) 1. 捷安特電輔車：神一般的騎乘體驗 早上在水社碼頭租了捷安特的電動輔助自行車，這絕對是今日最正確的決定。 騎乘體驗： 隱形神力：不同於有油門的電動車，電輔車是「偷偷地」幫你加力。踩踏時感覺自己體力好得驚人，上坡如履平地。 真實 vs. 虛幻：我在小上坡試著關掉輔助，瞬間感受到沉重的地心引力，才驚覺科技的力量有多大。 意外收穫：邊騎邊玩《Pikmin Bloom》（皮克敏），沿途種花成果非常突出，整條環湖公路都開滿了花。 2. 順時針環湖：擁抱湖景 選擇順時針方向騎行（水社 -> 文武廟 -> 伊達邵 -> 玄光寺 -> 向山 -> 水社）。 右側優勢：在台灣靠右行駛的規則下，順時針騎剛好可以整路都靠在湖邊，視野無遮蔽，景色絕美。 深度漫遊：本來 時間非常充裕，再加上有電輔車的神助攻，原本可能匆匆路過的景點都能停下來好好欣賞。 3. 文化與生態觀察 廟宇巡禮：沿途造訪了文武廟、玄光寺等。這些廟宇在 921 大地震後重建，不僅依然雄偉，細節處更顯細膩，展現了台灣民間豐沛的生命力與財力。 水情指標：特地去看了著名的九蛙疊像，看到了六隻青蛙，顯示水庫容量約還有 90%，水情相當不錯，湖景也因此更加飽滿美麗。 4. 碼頭遊船與美食饗宴 騎完車後，換乘遊船往返幾個主要碼頭，體驗不同的視角。 伊達邵碼頭：在這裡大快朵頤，品嚐了昨天 AI 推薦的特色小吃（如東東刈包 (豆干扣肉夾)、總統魚酥捲、麓司岸 飯飯雞翅、等），口味確實都很不錯，另外紅茶冰淇淋也有特色。 經典滋味：當然也不能錯過著名的阿婆茶葉蛋，在湖畔吃起來特別有味。 5. 變更與賦歸 行程調整：因為在日月潭玩得太盡興（騎車+遊船），時間比預期晚，因此取消了原訂回程順路造訪的鳥嘴潭人工湖，留待下次再訪。 賦歸：帶著滿滿的電量（與皮克敏花朵），心滿意足地踏上歸途。 導航路徑 (Google Maps) 🗺️ Day 4 日月潭深度環湖路線 ...