Antigravity

長期以來，AI 代理程式雖然能思考、能寫碼，但在作業系統與應用程式之間，總像隔著一層玻璃。透過 Obsidian 1.12.x 全新釋出的 CLI 工具，AI 終於擁有了能直接操作 UI 的「手腳」。

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？」 這就是今天發布的 v1.4.0 核心任務：讓理論落地為「團隊實踐原型」。 1. 遞迴演化的邏輯：為什麼是「團隊」？ 企業轉型往往死於規模的巨大。我們在 v1.4.0 中提出了一個關鍵假設：「團隊是企業賦能的最小實踐原型」。 如果一個 5 人的 Nano-Squad 能夠達成高度的 AI 對合與智力自動化接力，那麼企業級的轉型只不過是這套原型的無數次複製與連結。因此，我們在全書的第一章之前，強行插入了「第 0 章」，直接定義這套「虛擬企業實踐原型」。 2. 第 0 章：虛擬企業的「物理骨架」與「數位管家」 在 v1.4.0 中，我們不僅是寫書，更是直接產出了可運作的資產： 協作格律 (Chapters 0.1-0.2)： 我們不再談空泛的溝通，而是直接發布了 「團隊手冊 (Handbook)」 與 「工具指引 (Tools Guide)」 範本。這是團隊的「數位憲法」，明確定義了資產存放位置與 AI 互動的格律。 管理 Repo 目錄設計 (Chapter 0.3)： 這是一套針對虛擬企業設計的 管理 OS 目錄架構。透過 /workmgr/（執行）、/meeting/（共識）、/assets/（資產）與 /members/（個人空間）的物理隔離，讓團隊的「單一事實來源 (SSOT)」成為現實。 數位幕僚長 SyncHub (Chapter 0.4)： 這是本次升級的最大亮點。我們將 SyncHub 定位為 「數位管家」 而非「數位憲兵」。它守在背景，透過 Git 事件驅動，默默地整理進度、產出小報，並在成員完成任務時自動為下一位接棒者準備好脈絡。 3. 個人沙盒如何接入團隊？ 很多團隊協作的失敗，在於犧牲了個人的「創造手感」來換取「集體同步」。 ...

如果說 v1.2.0 是幫企業做了一場全身斷層掃描（2D 矩陣與遺傳屬性偵測），那麼今天發布的 v1.3.0，就是我們正式為企業種下第一批「數位器官」的時刻。 這是一次從「紙上談兵」轉向「物理建設」的轉型大躍進。 1. 昨天的焦慮：解決理論的「空洞化」 在推進 v1.2.1 的語感校準時，我心中一直有一個揮之不去的焦慮：企業 AI 轉型的動力源到底在哪裡？ 我突然意識到，過去的方法論中缺少了一個決定性的「地基」——企業 AI 賦能必須基於個人 AI 賦能。如果我們只談企業級的 RAG 或 Agent，卻忽略了構成企業的每一個「人」如何統御 AI，那麼所有的架構都只是空中樓閣。而在當時的方法論裡，這個連結是斷裂的。 我當時在想，如果一個 CoE 主管聽完了我的演講，回到辦公室，他第一步要在他的決策儀表板或任務清單裡建立什麼檔案？如果一個工程師要寫 Prompt，他該如何「繼承」公司那本厚厚的合規手冊？ 這份焦慮在昨天演變成了一份激進的 Upgrade Proposal：我們必須建立一套**「物理載體架構」**，讓轉型方法論不再只是 Markdown 裡的一行字，而是 Linux 文件系統裡的一個實體。 2. 層次化分形賦能：L0-L4 的誕生 我們將企業的脈絡（Context）拆解為五個分形層次。這就像生物的遺傳密碼，每一層都決定了 AI 代理人的「格位」與「行為邊界」： L0: 協作型態 (Work Style)：定義非同步、Task-based 的物理底座。 L1: 產業領域 (Domain)：封裝醫療、金融等產業的法律重力與硬限制。 L2: 職能邏輯 (Function)：存放財務、行銷、審計的標準戰術（T-Patterns）。 L3: 企業實體 (Entity)：注入公司的獨特文化、資產字典與格律。 L4: 個人主權 (Sovereignty)：這是最關鍵的頂層。它封裝了領主個人的「品位」與「裁決風格」，具備最終的風格疊加權。 透過這五層的堆疊（Context Stacking），我們解決了 AI 「有技術、無立場」的空洞問題。 3. 三明治轉型軌道：治理與賦能的「經緯對合」 過去的轉型往往死於「頂層想治理，底層不響應」。 v1.3.0 提出的 「三明治轉型軌道 (Sandwich Transformation)」 完美解決了這個衝突： ...

歷時三年的數位考古、手感建構與代理人實驗，在今天 2026 年 2 月 14 日，這部《個人賦能：在 AI 時代找回原創力的演化實戰》正式完成了第一個完整版本的建構。 這不只是一本書，這是一個關於「人如何與機器共同演化」的活體證據。 1. 第十三章：領主的「入軌期」計畫 與其說第十三章是學習的終點，不如說它是真實賦能生活的起點。我將其定義為 「入軌期」 (The Orbit Entry)。 在寫作這一章時，我非常有意識地跳脫「教學」模式，轉向「部署」模式。AI 賦能最難的不是學會指令，而是建立「凡事思考：這能不能讓代理人代勞？」的肌肉記憶。我們設計了四週的衝刺軌跡： Week 1: 捕捉覺醒（建立紀錄慣性）。 Week 2: 資料定錨（打造真相基地）。 Week 3: 代理統御（正式奪回時間主權）。 Week 4: 戰略治理（封裝個人能力為虛擬資產）。 最後的《領主宣言》是全書的心法總結：當 AI 可以產出一切時，唯有您的「品位」與「裁決力」，才是對抗數位平庸的最後堡壘。 2. 集成達成：116 個碎片的數位大一統 這本書的建構過程本身就是一場大規模的 Agentic 實驗。全書橫跨了 13 個章節、512 個考古 Session，最終收合為 116 個正式 Markdown 檔案。 為了產出 v1.0 總檔，我們撰寫了一個專門的 merge_book_content.py 集成腳本。這個腳本不僅負責按物理順序（00 -> 13）進行合併，更加入了對稱式索引標記。當這超過 120 萬字的「數據碎石」在一秒鐘內收合為一個名為 FullBook_Personal_AI_Empowerment.md 的單一資產時，那種「意志穿透資料」的快感，正是本書一直強調的系統統御力。 3. 主權校準：對抗平庸的「語言風暴」 在全書集成後的最後一刻，我與 Antigravity 進行了一場深刻的 「台灣語感校準風暴」。 在長期的 AI 對話中，許多非在地術語（大陸用語）會像灰塵一樣滲透進文稿。身為數位領主，語言即是主權。如果不校正「數據」、「生成」、「運行」、「代碼」，我們就會在潛移默化中失去自己的文化格位。 我們重新建構了 align_taiwanese_linguistics.py 腳本，具備以下硬核能力： ...

「Coding 是在對抗語法，Vibe Coding 是在對齊靈魂。」—— 這是我在寫完《個人賦能》第十二章後，最深刻的體感。 第十二章《Vibe Coding》是全書技術難度最高，卻也是賦能感最爆炸的章節。在這一章的寫作過程中，我不斷在思考一個問題：對於一個非專業工程師的讀者，該如何讓他們真正「統御」程式碼，而不是被程式碼淹沒？（本書所有章節與練習已同步釋出於 GitHub：PersonalAI-Empowerment） 以下是我在建構這一章時的幾個關鍵 Aha! Moments 與寫作紀錄： 1. 進化歷程的再定義：從打雜到統御 在導論（12.0）中，我重新梳理了 Vibe Coding 的五階段進化路徑。我們大多數人都曾經歷過「在雲端 LLM 要範本，然後辛苦搬運到 IDE」的手動打雜階段。但這不是賦能的終點。 真正的躍遷發生在您開始引領軟體工程的時刻：在 Antigravity 這種 Agentic 環境下，AI 不再只是給你 Code，而是像你的手腳一樣直接去改檔案、跑測試。而您，負責的是更高階的「氣場校準」。 2. 「標竿萃取」戰略：對抗空白頁恐懼 這是我在寫 12.6 節時的最大收穫。很多人會說：「我不知道怎麼描述我想做的 App，AI 給我的功能太簡單了。」 我的解決方案是：利用既有的標竿專案！ 我引導讀者使用 Antigravity 去瀏覽 WalkGIS 的網站與程式碼，直接讓 AI 幫你萃取出它的 功能規格 (Spec) 與 職掌規範 (Charter)。這招極其強大——當您站到巨人的肩膀上（甚至是直接對位巨人的基因），您的 Vibe Coding 起跑點就已經是 100 分。 3. 忍住不出手：領主格位的修行 他在 12.7 節中，我設計了一個「深度除錯體感」的練習。最難的不是怎麼修 Bug，而是**「忍住不出手改那幾行 Code」**。 在 Vibe Coding 的世界裡，領主的權力來自於「裁決」而非「勞動」。如果我們能透過重新定義「意圖」與「邏輯規範」來解決問題，產出的系統才會具備低耦合的優雅結構。這場「心理戰」，才是邁向數位領主的最終驗收。 4. 🇹🇼 台灣語感：讓賦能更有溫度 在這次寫作中，我特別強化了全案的「台灣語感校準」。 「裝備化」取代「武裝化」。 「擷取重點」取代「資訊脫水」。 「寫程式碼」取代「寫代碼」。 這不只是名詞替換，而是在構建一種屬於我們的「技術主權感」。當 AI 能說出「眉角」或針對「行政區劃 POI」進行對位時，那種賦能的心理距離會瞬間消失。 ...

哈爸筆記：從「使用」到「統御」——《個人 AI 賦能》第十章發布實錄 1. 數位主權的臨界點 在撰寫第十章之前，我以為我已經很懂 AI 了。但在這一章的「抗重力訓練」中，我才發現真正的賦能邊界在哪裡。 如果說第八、九章是在教你如何與 AI 「交流」，那麼第十章就是在教你如何對 AI 「執法」。之所以稱之為「抗重力」，是因為當你開始要求代理人進到你的檔案系統、操作你的工具、管理你的進度時，那段來自技術門檻與認知複雜度的「重力」會排山倒海而來。 2. 第十章的突破：治理即自由 這章的撰寫經驗，其實就是一場「數位領地的收復戰」。 在過程中，我與代理人共同提煉出了幾個關鍵概念： A-E-G 模型：我們從意識、環境到治理，一步步奪回主權。 三層勾稽架構：羅盤（未來）、任務（現在）、日誌（過去）的咬合。這不僅是寫書，這是我現在每天賴以生存的執行格律。 數位武裝封裝：當我發現一段 SOP 重複出現，我就命令代理人將其封裝成「Skill」，這才是真正的自動化。 3. 隨書資產：三位一體治理套件 (The Trinity Suite) 最讓我驚喜的是，在寫作末尾，我們竟然直接在本機「長出」了一套治理系統。我決定不藏私，將這套包含「總指揮、羅盤管家、任務管家、日誌管家」的五個 Skill 全數收錄在公開區。讀者下載後，只要一個 *init-workspace 指令，就能在自己的電腦裡蓋起一座抗重力艙。 書本 GitHub 連結：PersonalAI-Empowerment 4. 結語：下一個演化梯隊 第十章的結束，對讀者來說是「使用者」身分的終結，也是「統御者」身分的開始。 對我來說，這一章的完稿標誌著數位個人助理體系的初步成型。我們已經準備好放下沈重的治理盔甲，去探索下一個更有趣的領域：Vibe Coding 與虛擬專家團隊。 領地已建，格律已就位，我們下一章見。 AI 協作聲明：本文記錄了《個人 AI 賦能》第十章的實戰心路歷程。由哈爸口述核心價值，Antigravity 協助進行結構校準與用語在地化。

在完成了橫跨三年的數位考古後，接下來的挑戰是如何將這些碎裂的數據轉化為具備邏輯的書稿。本文紀錄我如何利用「數位格律」與「建構紀錄」制度，指揮 AI 進行精確施工，並正式在 GitHub 上釋出《個人賦能》的前兩章內容。

在繁忙的工作與移動中，最珍貴也最易逝的是那些「隨口說出」的靈感。最近我實驗了一套流程，成功將散落在手機錄音中的碎片思緒，轉化為生產力工具中實實在在的待辦事項。 這不只是一個工具鏈的組合，更是一場關於思緒如何被抽象化、結構化並最終落地的過程。 🛠️ 思緒落地的三階進化 1. 捕捉：低阻力的語音隨筆 在開車或行走時，順手用手機錄音直接錄下四段對話與想法。這些內容通常是發散的、充滿口語贅字，但包含了最原始的戰略直覺。 關鍵工具：手機錄音、NotebookLM。 抽象化：將音訊數位化，並利用 AI 跨越語音雜訊，提取出「執行摘要」。這一步是將「感性直覺」轉化為「理性文字」。 2. 展開：與 Agent 的對話與批判 單純的摘要只是死資料，真正的價值在於「追蹤展開」。我將摘要轉入 Antigravity (我的 AI Agent)，開始一段深度的對話。 互動過程：AI 根據摘要提出升級計畫 (Proposal)。在這個階段，人類扮演的是「裁判」的角色——判斷哪些點子目前要執行的（如虛擬 COE 指揮官），哪些則是需要暫緩或歸檔的。 抽象化：將「初步想法」轉化為「具體計畫」。這是一個過濾、分類與權重分配的過程。 3. 落地：ATC 任務帳本系統的建立 最後，也是最具突破性的一步：我們意識到，如果計畫只存在於對話紀錄中，它依然會隨著視窗關閉而消失。 解決方案：我與 AI 協作，在 GitHub 環境中建立了一個持久化的任務帳本——tasks/TASKS.md。 Agentic 互動：這不再是傳統的 Todo 清單。我們定義了 ATC (Agentic Task Context) 規範。AI 不僅是「記錄者」，更是「維護者」。它會自動將對話中被暫緩的點子塞進 Backlog，將正在執行的標記為 Ongoing。 抽象化：將「離線計畫」轉化為「在線上下文」。任務檔案變成了 AI 每次啟動工作的「記憶點」。 💡 核心洞見：從「對話」到「狀態」 這次實作讓我明白，與 AI 協作的終極態樣不是不斷地開啟新對話，而是建立一個共享的「狀態帳本」。 手機錄音是捕捉靈感的感測器。 NotebookLM 是粗略的過濾器。 Antigravity 是精確的執行器。 TASKS.md 則是兩者共享的記憶體。 當這條路徑被打通後，我驚覺自己產出的點子不再是遺落在錄音筆裡的塵埃。透過 Agent 的「手」和持久化的「儲存空間」，靈感開始具備了自我演進的生命週期。 這就是我們在轉型路徑中追求的——讓 AI 成為一個不間斷的思緒延伸器，讓每一個隨口說出的想法，都能找到它的數位歸宿。 🤖 AI 協作宣告 本文內容: 由哈爸口述核心脈絡與經驗，由 Antigravity 整理結構、進行內容抽象化並潤飾成文。 背景脈絡: 本文生成的動機，即源自於本對話中剛建立的 tasks/TASKS.md 實踐過程。

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。 ...

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。 ...