嗨各位浪人好🐋 昨天看到一支講「怎麼把 skill 寫好」的影片，27 分鐘，我看完對照自己這幾個月的做法，有兩點被打到。 先講最重要的一句：大部分人的 skill 都在寫「怎麼做」，沒有寫「怎麼驗收」。 這就是拿到手 75 分跟 95 分的差別。 —— 1️⃣ 不要從空白開始寫，要從「成品」倒推 他的比喻很好懂：你跟 AI 說「給我雞肉」，它給你雞肉三明治，但你要的是雞排飯。 正確做法是先自己好好做一份你滿意的成品，丟給 AI 說「幫我倒推，這是怎麼做出來的」。 讓它問你：資料哪來的？怎麼算的？為什麼這樣排？ 你回答完，skill 就有了。 比對著空白畫面寫十遍還快。 —— 2️⃣ 最重要的是驗證，而這正是多數人漏掉的 每一支 skill 都要有驗證迴圈：AI 做完自己檢查，或叫另一個 AI 來檢查，沒過就重做。 判斷方法一句話就夠：如果這件事你交給一個人做，你會怎麼驗收他？ 把那句話原封不動寫進 skill，那就是你的驗證。 驗證分兩種。 可以證明的：十張截圖就是十張、每個數字都要二次查核。 沒辦法證明的：順不順、像不像我的語氣。這種就寫清楚「什麼叫做好」，讓 AI 自己當評審。 —— 3️⃣ 這條直接幫你省錢：把模型往下走 skill 調通之後，不要一直用最貴的模型跑。 往下換便宜的測一次，品質沒掉就再往下，掉了才退回去。 他影片裡實測同一支 skill 跑三個模型，結果很反直覺：比較貴的那個做得比便宜的還差，圖亂塞、開頭截圖是裁爛的。 我自己踩過更痛的：兩天燒掉 2500 點，事後查出來主因就是什麼任務都丟最貴的模型、開最高推理、還同時跑好幾個。 現在我預設是便宜模型加低推理，真的做不動才往上加。 —— 4️⃣ 影片沒講、但你一定會遇到的那一層 他教你怎麼建好「一支」skill，沒講建了二十支之後會怎樣：你會忘記自己有哪些、越建越亂、功能互相打架。 我自己的三條規矩給你們參考。 第一，建新的之前先查有沒有重複，有就去改舊的。 第二，改舊的只能加功能，不能砍掉原本會的事。 第三，邊界切不清楚就先問，不要硬做。 還有一條他講得很好：skill 永遠沒有做完的一天。 每跑一次就給回饋、叫它更新自己。不然你這次手動改的，下次還要再改一遍。 —— 底下有一則留言蠻有意思的，有人說：「Codex，教我怎麼把 skill 寫好。不如你直接幫我寫吧。」 這句是玩笑，但其實就是第一點的正解——你不是去寫 skill，你是做一次給它看，然後叫它把過程寫下來。 —— 原片在這裡 👇（英文，有自動字幕，27 分鐘） https://www.youtube.com/watch?v=9KOtMsZ9I28 你們現在手上有幾支 skill 在用？卡在哪一步？歡迎在底下一起討論 🫡

嗨各位浪人好🐋 今天這十則，主軸是「工具更好用了，代價也開始一項一項寫在帳單上」。 Google 的語音模型登頂，一小時 0.84 美元。 Salesforce 做出第一顆 CRM 專用模型。 Meta 開始跟一般人收 AI 月費。 而另一邊，帳單也一張一張出現：有人在讀你的 ChatGPT 對話，品牌要擠進 AI 答案得花錢買，字節跳動的利潤被算力吃掉了。 —— 1️⃣ Google 的語音模型登頂，一小時 0.84 美元 Gemini 3.8 Live 跟 Live Extended Thinking 昨天上線。 語音對語音的品質榜第一，82.6%。 支援 97 種語言，而且你講到一半換語言，它自己聽得出來。 可以即時看畫面，也可以一邊講話一邊在背景跑任務。 價格是這則的重點。 快的那檔一小時 0.84 美元，會多想幾步的那檔 3.50 美元。 API 跟 AI Studio 現在就能接。 翻成我們用得上的話：做語音客服、做電話機器人、做口說練習工具的成本，今天又降一階。 但一樣那句老話——便宜的活留給便宜的那檔。 接電話問營業時間，不需要動用會多想三步的那顆腦。 —— 2️⃣ OpenAI 請了數百人，在讀你的 ChatGPT 對話 這則是我今天看完最有感的。 404 Media 拿到內部文件，代號「Project Lily」。 OpenAI 透過人力公司找了數百名承包商，時薪 50 美元以上。 他們的工作是：讀使用者的真實對話，摘要出這個人想幹嘛，然後幫四種可能的回答打 1 到 7 分。 他們看不到你的帳號名稱。 OpenAI 說會先去識別化，但也承認敏感資訊還是會漏過去。 而消費方案是預設拿去訓練的。 我想講的重點不是「OpenAI 好壞」。 所有 AI 公司都在做這件事，這是模型變好的方式之一。 重點是這句：你貼進去的東西，預設不只有機器看得到。 客戶的報價單、員工的薪資表、還沒公開的企劃案——貼之前想一秒。 真的要貼，就去設定裡把訓練那個開關關掉，或改用不拿去訓練的企業方案。 —— 3️⃣ 幫品牌擠進 AI 答案的公司，募了 1.8 億美元 這則對做行銷的浪人最直接。 Profound 完成 D 輪 1.8 億美元，估值 18 億，紅杉跟 Kleiner Perkins 共同領投。 離上一輪 9,600 萬美元，只隔七個月。 它做的事叫 AEO——Answer Engine Optimization，答案引擎優化。 追蹤 ChatGPT、Gemini、Perplexity 提到你的品牌幾次、在什麼情境下提到、怎麼描述你，然後想辦法去改。 以前是 SEO：把網頁優化到 Google 排前面。 現在是 AEO：讓你的品牌出現在 AI 生成的那段答案裡。 我覺得值得記的不是這家公司。 是「七個月估值翻倍」這個速度本身——它代表市場已經認定，客戶的第一個問題會問 AI，不是問 Google。 你自己的生意也該問一句：現在有人問 AI「台灣哪家做 XX 比較好」，答案裡有沒有你？ —— 4️⃣ Google 開放全體工程師用 Claude 以前 Google 禁止員工用外部的寫程式工具，要用就用 Gemini。 現在改了。全體工程師都可以在自家的 Antigravity 平台裡選 Claude Opus 5，每個人有額度。 （不能直接用 Claude Code，得從 Google 自己的平台裡選模型。） 官方補了一句話很有意思：「Gemini 仍然是我們內部開發的主力與基礎模型。」 我覺得這則值得看的是那個姿態。 一家投了幾十億美元推自家模型的公司，最後選擇讓工程師去用對手的——因為速度比面子重要。 這件事對你的啟示很簡單：不要為了「統一工具」而犧牲產出。 哪支好用就用哪支，別讓品牌忠誠度變成你的成本。 —— 5️⃣ Salesforce 做出第一顆 CRM 專用模型 名字叫 Koa，建在 Nvidia 的 Nemotron 3 Super 上面。 做法值得看：他們沒有用客戶資料訓練，而是把近三十年的 CRM 部署經驗做成合成情境資料，拿去後訓練。 內部的 CRM 測驗裡，做「更新商機、派案、排追蹤」這類動作時，錯誤比市面上頂尖模型少三倍。 目前試營運，Winter 2026 全面開放。 這條線我追很久了，今天可以講清楚： 通用模型負責聰明，專用模型負責不出錯。 你在做自動化也一樣——同一件事重複一百次，你要的不是最聰明那顆，是最穩那顆。 —— 其他五則我放在下面的來源連結裡，值得點開看的有這幾條： Meta One 全球上線了，Core 每月 7.99 美元、Premium 19.99 美元，把 IG、臉書、WhatsApp 的加值功能跟 Meta AI 額度綁成一包，付費就能多生圖、多用 Muse 跟 Restyle。目前累積 1,500 萬份訂閱與試用。「AI 助理」正式變成一般人會看到的月費商品（第 6 則）。

大家好，我是小鹿😊 終於鼓起勇氣來報到啦！ 目前是 AI 新手一枚，還在努力摸索中，常常一邊學一邊驚呼「原來還可以這樣！」🤣 希望能在這裡認識更多志同道合的夥伴，一起交流、一起進步，有機會也一起踩坑（笑）。 請大家多多指教，期待跟大家變熟！🙌

目前是UI/UX設計師，希望可以在這裡學習AI知識來應用在工作裡🤓

嗨各位浪人好🐋 早上日報第 2 則我講了 Astra 開始下放到付費方案，但可用次數砍半。 這則講另一半：有人把 70 個真實測試案例整理成一個資料庫，我全部看完了。 結論不太浪漫——現在拿它接案，還太早。 —— 1️⃣ 70 個案例裡，一半在做遊戲跟 3D 分類是這樣的： 3D 空間與建模 19 個、遊戲原型 16 個，這兩類就佔了一半。 真正跟做生意沾得上邊的——界面與產品流程 9 個、辦公與音樂 4 個——加起來 13 個。 而且那 13 個裡面，幾乎每一條的備註都寫著「未驗證真實用戶結果」「未給轉換數據」。 我的判讀是：它現在能做出「看起來完整的東西」，但還沒有人證明那個東西交得出去。 —— 2️⃣ 真正的限制不是能力，是額度 清單裡有一組唯一的對照實驗，我覺得是全部 70 個案例裡最實用的數字： 同一個遊戲，用 Max 檔跑 53 分鐘，吃掉一週額度的 4%。 換成 Medium 檔跑 25 分鐘，只吃 1%。 換算一下——如果你每次都開最大檔，一週只能跑 25 次。 還有一個更誇張的：一家資安公司拿它去找已知漏洞，跑三次，燒掉將近 4000 美元。 所以接案報價前要算的，不再只是「AI 幫我省幾小時」， 而是「這個任務會吃掉我這週幾分之幾的額度」。 這是一個以前不存在的成本科目。 —— 3️⃣ 這份清單最值錢的，是它寫了「什麼沒被驗證」 這點很少見，我要特別講。 每一條案例底下都標了證據邊界，像這樣： 「作者自述，未打開試玩驗證」 「接近完美是主觀描述，無尺寸誤差驗證」 「可列印僅為作者宣稱，沒有實物列印證據」 你在 X 上看到「我 45 分鐘做出一個 3D 遊戲」，那是真的。 但「做出來」跟「能跑、能玩、能交件」中間，隔著一段沒人去驗的距離。 翻成我們的話：你看到的爆款 demo，多半沒有被驗收過。 拿它當接案的信心來源，會出事。 —— 4️⃣ 一個藏在細節裡的規律 我把 70 個案例掃過一遍，發現表現最好的那幾個都有同一個共同點。 它們不是 Astra 憑空生成的，是 Astra 去操作 Blender。 3D 角色、房間漫遊、辦公室復刻、掃描檔轉 CAD——查下去幾乎都是「Astra ＋ Blender」。 翻成人話：它強在「幫你操作你本來就會的專業軟體」，不是「讓你不用會」。 所以你會的軟體越多，它對你越值錢。 你不會 Blender，它也不會讓你變會——它只會做出一個你看不出哪裡有問題的東西。 —— 最後補一句該講的：這個資料庫是一位中國的創作者做的，同一個網站上也在賣模型 API 的接入服務。 資料整理得很紮實，每條都標了出處跟原作者，但你點進去的時候要知道它不是中立的第三方評測。 原始推文跟資料庫在這裡 👇（上面那支 14 秒影片是他們做的網站展示，我一起放上來了） https://x.com/cheerselflin/status/2096166255824617579 —— 問你一句：如果現在給你一個「跑 40 分鐘、會吃掉一週 4% 額度」的 AI， 你第一個想丟給它的是哪件事？ 歡迎在底下一起討論 🫡 我是威森，一個專研商業 AI 的理工男。