本集節目深入探討了 SpaceX 收購 800MHz 低頻譜 的重大新聞，分析其對傳統電信市場的影響與技術極限。主持人從第一性原理與物理特性出發，詳細解析了低軌衛星直接連網（Direct to Cell）在距離損耗與頻寬容量上所面臨的挑戰，並認為其更適合作為傳統電信服務的備用方案而非全面取代者。此外，內容也順勢盤點了 SpaceX 在算力出租與 Starship 火箭領域的最新進展。最後，節目亦簡短更新了 Tesla 在德州擴大部署 Cybercab 的無人駕駛車隊近況。整體而言，本集透過理性的技術角度，為聽眾剖析了馬斯克旗下企業在通訊、AI 與交通領域的最新布局。本集節目深入探討了 SpaceX 收購 800MHz 低頻譜 的重大新聞，分析其對傳統電信市場的影響與技術極限。主持人從第一性原理與物理特性出發，詳細解析了低軌衛星直接連網（Direct to Cell）在距離損耗與頻寬容量上所面臨的挑戰，並認為其更適合作為傳統電信服務的備用方案而非全面取代者。此外，內容也順勢盤點了 SpaceX 在算力出租與 Starship 火箭領域的最新進展。最後，節目亦簡短更新了 Tesla 在德州擴大部署 Cybercab 的無人駕駛車隊近況。整體而言，本集透過理性的技術角度，為聽眾剖析了馬斯克旗下企業在通訊、AI 與交通領域的最新布局。

本集重點：

重點一：SpaceX 併購 800MHz 低頻譜補齊室內涵蓋最後拼圖 SpaceX 宣布收購美國 800MHz 低頻譜，被馬斯克視為補齊 Starlink 衛星服務的關鍵拼圖。低頻無線電波具備波長較長、易繞射的物理特性，能輕易繞過建築物與障礙物傳透至室內。過去 Starlink 主要依賴較高頻率（如 2GHz）與戶外天線接收盤（Dishy）；取得 800MHz 頻譜後，將能實現**衛星直連手機（Direct-to-Cell）**並大幅改善室內通訊涵蓋，讓衛星訊號真正無死角地延伸至用戶手機。

重點二：距離損耗與容量限制使其難以完全取代傳統電信商 儘管市場反應熱烈，但從物理學第一性原理分析，衛星網路無法完全取代傳統地面電信。主要原因在於：距離損耗嚴重，低軌衛星距離地表數百公里，訊號衰減幅度遠大於幾百公尺內的地面基地台（功率相差達 25 萬倍）
；其次是容量瓶頸，單一衛星波束覆蓋廣達數十公里，區域內所有用戶須共享頻寬。在都市高密度人群下，人均網速會被極度稀釋，即便使用 MIMO 技術切分資料流，也受限於頻譜與設備間距，難以提供與地面光纖基地台同等的穩定度與網速。

重點三：Starlink 的合理定位為備援補充網路與低價市場方案 Starlink 的核心定位不在於完全取代傳統業者，而是作為全球電信網路的備援與死角補充。它能精準解決高鐵、深山、海運郵輪及航空等傳統基地台無法涵蓋的通訊痛點。此外，SpaceX 未來可透過地表微型基地台與 Direct-to-Cell 的混合網路，以較低的建置與營運成本，推出具價格競爭力的低價資費方案，搶攻對價格敏感的客群，與傳統電信商形成互補與分眾競爭的市場結構。

這篇文章 科技浪｜馬斯克砸 80 億買頻譜！SpaceX 真的要取代傳統電信商了嗎？ 最早出現於 科技島-掌握科技新聞、科技職場最新資訊。

本集節目主要教導 iPhone 用戶如何透過調整 iOS 系統設定來提升隱私安全、減少耗電並改善手機效能。影片中詳細說明了哪些非核心功能與追蹤設定建議直接關閉，哪些項目需要依個人需求調整。同時，講者也特別提醒用戶切勿隨便關閉自動更新、電池最佳化與緊急定位等重要安全設定，並在影片尾聲推薦了幾款實用的充電配件。本集節目主要教導 iPhone 用戶如何透過調整 iOS 系統設定來提升隱私安全、減少耗電並改善手機效能。影片中詳細說明了哪些非核心功能與追蹤設定建議直接關閉，哪些項目需要依個人需求調整。同時，講者也特別提醒用戶切勿隨便關閉自動更新、電池最佳化與緊急定位等重要安全設定，並在影片尾聲推薦了幾款實用的充電配件。

1. 關閉 App 跨軟體追蹤與廣告：關閉允許要求追蹤與個人化廣告，防止個人活動被跨平台鎖定
2. 精簡定位服務與精準位置：關閉非必要 App 的背景定位與精準位置，保護隱私並省電
3. 管理背景 App 重新整理：針對不常用的 App 關閉背景重整，減少不必要的流量與耗電
4. 關閉螢幕共享時的通知：避免鏡像或錄影時跳出私人訊息，防止隱私外洩與尷尬
5. 保留核心安全與電池功能：最佳化充電與 App 自動更新切勿關閉，以確保安全與壽命

這篇文章 3c Tim哥｜iPhone這些設定必須都要關閉！更省電、更好用、更安全（iOS27蘋果小技巧） 最早出現於 科技島-掌握科技新聞、科技職場最新資訊。

Excel 的 Power Query 功能是一套強大且完全免費的資料處理工具，能夠幫助使用者輕鬆整合來自多個不同來源的檔案與記錄。透過這套工具，人們可以將原本雜亂無章的表格進行清理、重組、轉置以及錯誤檢查，大幅減少手動整理的繁瑣工作。系統會自動記錄所有的操作步驟，當未來有新資料加入時，只需點擊重新整理就能夠瞬間完成更新。這項技術不僅適用於銷售記錄與領料資料的計算，還能自動監控庫存並產生叫貨提醒。整體而言，它讓數據分析與自動化管理變得更加直覺且有效率。Excel 的 Power Query 功能是一套強大且完全免費的資料處理工具，能夠幫助使用者輕鬆整合來自多個不同來源的檔案與記錄。透過這套工具，人們可以將原本雜亂無章的表格進行清理、重組、轉置以及錯誤檢查，大幅減少手動整理的繁瑣工作。系統會自動記錄所有的操作步驟，當未來有新資料加入時，只需點擊重新整理就能夠瞬間完成更新。這項技術不僅適用於銷售記錄與領料資料的計算，還能自動監控庫存並產生叫貨提醒。整體而言，它讓數據分析與自動化管理變得更加直覺且有效率。

🔹 內容綱要

00:00 Power Query 功能簡介

02:15 匯入活頁簿

03:07 轉置表格

04:59 取消其他資料行的樞紐

05:22 認識資料類型與錯誤處理

06:33 從範例建立新欄位

07:07 重複與參考查詢

07:51 合併查詢

08:36 修剪多餘空白

09:26 新增自訂公式欄

11:31 用左方反向合併找出錯誤值

13:00 匯入資料夾到 Power Query

14:10 附加查詢建立流水帳

15:30 新增資料條件欄

16:58 載入至 Excel 與樞紐分析表 17:52 重新整理更新資料

🔹 練習檔下載 https://papayaclass.s.gy/UowOg7

🔹 網站連結

🔹 請 Papaya 喝咖啡 ☕️ https://buymeacoffee.com/papayaclass

🔹 頻道會員影片目錄 https://bit.ly/3PaC4Jj

#教學 #Excel #PowerQuery

這篇文章 PAPAYA 電腦教室｜免 AI 訂閱！用 Excel 輕鬆實現自動化！Power Query 手把手基礎教學，一鍵自動清理所有雜亂資料 最早出現於 科技島-掌握科技新聞、科技職場最新資訊。

本集節目探討了穩定幣與區塊鏈技術的運作原理及其對整體金融市場的實際影響。內容指出，雖然發行穩定幣理論上會增加貨幣供給量，但因公有鏈交易速度緩慢且私有鏈格式繁雜，其對日常流通與通貨膨脹的實質影響其實非常有限。本集節目探討了穩定幣與區塊鏈技術的運作原理及其對整體金融市場的實際影響。內容指出，雖然發行穩定幣理論上會增加貨幣供給量，但因公有鏈交易速度緩慢且私有鏈格式繁雜，其對日常流通與通貨膨脹的實質影響其實非常有限。

文章進一步分析，許多宣稱利用區塊鏈達成的快速跨境交易，本質上只需透過中心化伺服器即可完成，區塊鏈技術往往只是將簡單問題複雜化的行銷包裝。最後，隨著美國監管機構的開放與支持，加密產業正逐步進入傳統金融市場搶占客戶，傳統金融業者絕對必須嚴陣以待、不可輕忽。

1. 區塊鏈本質與速度限制：
   區塊鏈僅是資料結構，公有鏈因分散記帳，交易速度遠慢於單一伺服器
2. 跨境匯款快速的真相：
   匯款快速並非因區塊鏈技術，而是繞過了傳統金融的監管與申報流程
3. 區塊鏈的三角悖論：
   無法同時做到去中心化、高安全性與擴展性，中心化伺服器效率更高
4. 穩定幣對通膨影響有限：
   雖然發行會增加貨幣供給，但因流通與結算受限，對通膨影響非常有限
5. 加密產業衝擊傳統金融：
   加密業者以創新術語吸引客戶，傳統金融業必須嚴陣以待其市場競爭

這篇文章 曲博科技教室｜區塊鏈真的快？穩定幣會造成通貨膨脹嗎？讓你真的了解它！ 最早出現於 科技島-掌握科技新聞、科技職場最新資訊。

本集內容深入剖析了近期迅速崛起的個人雲端 AI 助理趨勢，探討其如何透過獨立身份與雲端虛擬機徹底顛覆傳統的對話介面。節目詳細比較了四大主流產品 Instinct、Meta Muse、Grok Bot 以及 OpenAI Dots 在功能設計上的差異與各自的優勢。此外，講者也分析了各家廠商所採取的交易抽成與訂閱計費這兩種截然不同的商業模式。最後，內容延伸探討了這波技術浪潮將如何重塑未來網路生態，並試算支援龐大用戶所需的 CPU 基礎設施成本。本集內容深入剖析了近期迅速崛起的個人雲端 AI 助理趨勢，探討其如何透過獨立身份與雲端虛擬機徹底顛覆傳統的對話介面。節目詳細比較了四大主流產品 Instinct、Meta Muse、Grok Bot 以及 OpenAI Dots 在功能設計上的差異與各自的優勢。此外，講者也分析了各家廠商所採取的交易抽成與訂閱計費這兩種截然不同的商業模式。最後，內容延伸探討了這波技術浪潮將如何重塑未來網路生態，並試算支援龐大用戶所需的 CPU 基礎設施成本。

本集三大重點：

1. 個人雲端 AI Agent 的定位與架構
與傳統單次任務的 Session（如 ChatGPT）不同，最新的 Personal AI Agent 被賦予獨立身份、長期記憶與高層次目標責任，能自主跟進廠商談判或關注新模型並自動更換部署。它具備主動性，可在緊急或關鍵時刻主動傳訊提醒。架構上，廠商直接在雲端資料中心劃分虛擬機器（Cloud VM），免去過去自行在本地設備裝機（如 OpenClaw）的繁瑣設定與維護，大幅降低一般人的使用門檻與操作摩擦力。

2. 四大產品特色與兩大商業模式
四大 Agent 各具特色：Instinct 無獨立 App，直接融入通訊軟體並支援 Agent 間互瞧時間；Meta Muse 主打資安防護，導入 Sentinel agent 門衛與 Tainted egress 標記；xAI Grok Bot 支援建立多 Agent 團隊協作；OpenAI Dots 則深度整合 Codex 生態系與雲端開發環境。商業模式則分兩派：面向消費者的「交易抽成（Transaction Take Rate）」（如 Instinct、Muse），靠協助線上交易抽取佣金；面向專業用戶與企業的「訂閱費 + 用量計費」（如 Dots、Grok Bot）。

3. 對網路生態與算力基礎設施的衝擊
AI Agent 將成為全新網路互動入口，顛覆傳統 App UI 操作。無實體履約能力、僅靠 UI 流量與資訊聚合抽佣的服務（如 Skyscanner）容易被取代；而具備實體外送與服務網路的平台（如 Uber Eats）則能保持不可替代性。在基礎設施方面，Agent 需在背景長時間常駐運行雲端 VM 沙盒，這使得資料中心除了 GPU 與記憶體外，對伺服器 CPU 核心數量的配置需求也隨之顯著增加。

這篇文章 科技浪｜AI Agent 大戰全面開打！深度解析 OpenAI Dots、Muse、Grok Bot、Instinct 最早出現於 科技島-掌握科技新聞、科技職場最新資訊。

AI正以前所未有的速度讓智慧的成本趨近於零，人人都用得起，企業也都在導入，然而絕大多數的AI投資，無法反映在營收與獲利上。事實上，企業AI轉型並不是多裝幾套AI工具或交給資訊部門就能完成。領導者以身作則，親自使用AI、切入能改善財報的關鍵環節、找到真正對結果負責的人，才是企業推動AI轉型的關鍵。

AI正以前所未有的速度讓智慧的成本趨近於零，人人都用得起，企業也都在導入，然而絕大多數的AI投資，無法反映在營收與獲利上。事實上，企業AI轉型並不是多裝幾套AI工具或交給資訊部門就能完成。領導者以身作則，親自使用AI、切入能改善財報的關鍵環節、找到真正對結果負責的人，才是企業推動AI轉型的關鍵。

（本文選自天下文化出版的《AI未來已來：變革巨浪中的CEO、企業、個人轉型戰略》部分內容，完整內容詳見此）

組織文化引擎——照亮最該被看見的人

前三個引擎處理的是資訊、執行和決策方面的問題， 但一家公司裡最複雜也最寶貴的資產始終是人，而人是執行長最難看清的那個變數。誰認真工作、誰只是嗓門大、誰明天就想走，這些答案藏在開不完的會和聽不完的匯報背後， 而組織文化引擎能讓它們浮出水面。

先講一件關於微軟的舊事。2000 年，我升任微軟全球副總裁。後來我才知道，在我毫不知情的時候，總部一年一度的人才盤點（People Review）已經把我的名字擺上了桌面——比爾．蓋茲和史蒂芬．巴爾默（Steven Ballmer）在人才盤點中，認為我是最適合出任一個新事業部副總裁的人選。那是我第一次真切地意識到在這家公司，頂尖人才的去向不是哪個部門領導人的「家務事」，而是最高層會親自過問的大事。

就任之後，我才看清微軟人才任用制度的全貌。公司每年把員工中最頂尖的1% 挑出來——不論資歷，只看潛力：這個人有沒有可能成長為管理線上的副總裁，或者工程線上的傑出工程師（Distinguished Engineer）。微軟的人資長（Chief Human Resource Officer, CHO）告訴我：巴爾默晚上睡前的功課之一，就是翻看這些人的資料，幾十份幾十份地看，確保他們的獎勵到位，確保他們能感受到公司最高層的關注。有一次我去見巴爾默，他居然還記得我們上次會議中的細節。後來我才明白，是每年的人才盤點讓我的資料被一遍遍放到他面前，而他知道當天要見我，就特別做了準備。這並非個案，對於每年的全員意見調查，比爾．蓋茲和巴爾默都會和人事部門逐組逐人地研究。在微軟，關於人的資料，是最高決策者需要親自了解的東西。巴爾默對副總裁們說過一句讓我至今記得的話，大意是：排在前1% 的人， 不屬於你們，屬於我；我要知道他們都是誰——公司有需求時，我有權隨時調動他們。

微軟在三十年前就懂這個道理：頂尖的人才，必須由最高決策者親自盯。可它靠的是巴爾默的意志力，靠的是人資一年一度提供的名單。一年一次，幾十個人，這已經是人力能做到的極限。而一家幾千人的公司裡，真正的頂尖人才， 遠不只名單上那幾十個人。

2025 年在零一萬物，我把這件事重新做了一遍——用的是「老闆AI」。我沒有翻履歷，沒有看KPI，也沒有聽各位部門負責人輪流舉薦自己部門的人。

我和三名下屬與工程師團隊的副總裁坐下來，先討論了一個問題：在AI 程式設計的時代，「厲害」到底該怎麼衡量？討論完，我們定下了五把尺，然後讓「老闆AI」拿著這五把尺，到公司的程式碼庫裡把每位工程師過去一年的工作重新量了一遍。

這五把尺，量的不是誰寫的程式碼多、誰加班多，而是更能反映工程師真功夫的東西。這裡著重講其中兩把尺。

第一把尺量的是：修復一個bug（程式缺陷），會不會順手帶來更多新bug。程式碼庫裡有兩個人的季度報表上都寫著「修復了約五十個bug」，他們看上去一樣能幹。可更詳細的資料是，一個人修復了五十個bug，只帶來五個新bug；另一個人修復了五十個bug，卻帶來六十個新bug。前者愈修復bug 愈少，後者愈修復bug 愈多。在舊儀表板上，他們的工作能力都體現為同一行漂亮的數字；但在這把尺下，一個是高手，另一個是隱患。

第二把尺量的是：動手之前，肯不肯把事情想清楚。AI 時代，敲鍵盤愈來愈沒有價值，具有價值的是定目標、劃邊界、驗成果。在第8 章中你會看到，這些就是DRI （Directly Responsible Individual，直接負責人）每天要做的事。你是先把架構和邊界想清楚的建築師，還是一頭栽進去就開始敲鍵盤的打字人員？最優秀的人，無一例外，都是想得多、敲得少的。

剩下的三把尺量的分別是誰的判斷被採納、誰帶得動別人、誰在啃最硬的骨頭。

用這五把尺量過之後，我問「老闆AI」：「公司現在最有價值的二十名技術員工是哪些？」

名單出來，二十個人中有幾個我天天開會都會見到， 這在意料之中；也有好幾個上榜的人，我幾乎沒什麼印象。他們不匯報、不搶鏡頭，卻在程式碼庫這個最不會撒謊的帳本裡，常年排在前面。晉升和獎勵，從這天起對齊的是真實的貢獻，不再是漂亮的PPT。而最讓我意外的是，榜上居然有兩位副總裁。其中一位過去一個月和AI 一起寫了將近三十萬行程式碼。我問他：「你年輕的時候，一個月最多寫多少？」他說：「三萬行就是天花板了。」而那時，他已經是同輩裡寫得最多的人，二十年後，他的數據竟然是他年輕時最佳水準的十倍。

我接著問了「老闆AI」第二個問題：「這二十個人裡， 誰不只是自己厲害，還把整個公司的AI 程式設計能力都拉高了？」

這時，「老闆AI」看的是另一組訊號：誰在群組裡、在工單裡一次次耐心回答同事的問題，並一次次收到真誠的感謝；誰把自己摸索出來的提示詞和方法，大方地寫成文件分享給所有人。最終，二十個人裡篩出了十個人。

被篩掉的那些人不是不厲害，而是把本事當成獨門兵器，深藏不露，好在內部競爭裡占上風。他們確實厲害，但只讓自己厲害。而留下的這十個人，能讓自己的智商與別人的相加。

Notion 如今估值110 億美元，它的創辦人兼執行長趙伊（Ivan Zhao）寫了一篇文章，叫〈蒸汽、鋼鐵與無限心智〉（Steam, Steel, and Infinite Minds）。文中，他提及自己的共同創辦人賽門．拉斯特（Simon Last）：賽門本來就是業界說的「十倍工程師」，可如今，他幾乎不再親自寫程式碼了。走過他的位子，你看見的是他同時指揮三、四個程式設計AI 代理，這些AI 代理不只是打字快，還會思考。午餐前、睡覺前，他把任務排進佇列；他離開位子，工作還在繼續進行。趙伊算了筆帳，這讓賽門從「十倍工程師」變成了「三、四十倍工程師」。他給這種新角色取了個名字——無限心智的管理者。

一個本來就處於頂尖的人，借助AI 把自己的價值進一步放大了三、四倍；而公司裡的大多數人，可能還沒有把自己的價值放大到兩倍。兩者的差距，不是工具的差距，而是人的差距。如果一個賽門能頂四十個人，那麼十個既像賽門一樣，又肯把方法教給別人的人，放大的就是整家公司的價值。

我立刻明白這十個人該怎麼用：第一，確保他們一個都不能走；第二，請他們多分享；第三，讓他們去帶那些有潛力但經驗尚不足的年輕人。後來我真的這麼做了，讓榜上的一位年輕同事，去指點另一位工作遇到困難的年輕工程師， 幾個月後，後者肉眼可見地進步了。

然後，我問了「老闆AI」第三個問題，問出口的時候，我心裡有點緊張：「這十個人對公司太重要了，他們當中有誰已經有了要走的跡象？」

「老闆AI」給了我一個名字，一個我本以為不會想走的人。他已經想走的訊號其實一直都有，只是沒人注意。他在會議中不再提供實質性的技術建議，任務分工時不再挑最硬的骨頭，帶新人的勁頭也弱了。

再往下找原因，我愣住了。不是賺得少，也不是工作累，甚至不是他對公司灰心，而是他的直屬主管把他「藏」起來了。他的直屬主管清楚這個人有多厲害，又怕公司哪個更要緊的專案缺人時，我會把他調走，於是好機會輪不到他，需要露臉的場合見不到他。他不傻，感覺到自己被一隻手按住了，卻說不清那隻手是誰的，於是動了離開的念頭。

我找他談了一次，把一個更需要他的專案直接交給他負責。他留了下來，而且沒過多久，就攻克了一個卡了很久的關鍵技術難題。

後來，我常想到這個篩選過程：從二十個人到十個人， 再到一個人。巴爾默當年靠每晚睡前讀資料，把人才盤點名單上的幾十個名字記住；可對於這樣一個被自己直屬主管悄悄「藏」起來的人，再勤奮的執行長靠肉眼也永遠無法發現。如果沒有這套系統，我多半會在某個再平常不過的早上，收到一封措辭客氣的辭職信，心裡還嘀咕：這麼個不聲不響的人，走就走了吧。直到很久以後才隱約聽說，我失去的是全公司最好、也最肯帶人的工程師之一。留下這位工程師，我只解決了一半的問題，解決另一半問題同樣重要：處理那位把人才「藏」起來的團隊領導人，後來他離開了公司。

（本文選自天下文化出版的《AI未來已來：變革巨浪中的CEO、企業、個人轉型戰略》部分內容，完整內容詳見此）

這篇文章 給執行長裝一套「老闆 AI」 5把尺篩出最有價值的20名技術員工 最早出現於 科技島-掌握科技新聞、科技職場最新資訊。

本集節目探討了近期在人工智慧界掀起熱潮的全新模型 Jev，以及蘋果 iPhone 18 Pro 的初步評測與 AI 運算升級。主持人指出，由新創公司 Typesave AI 推出的 Jev 被定位為系統一模型本集節目探討了近期在人工智慧界掀起熱潮的全新模型 Jev，以及蘋果 iPhone 18 Pro 的初步評測與 AI 運算升級。主持人指出，由新創公司 Typesave AI 推出的 Jev 被定位為系統一模型，本質上是一種通用分類模型，雖然不能生成文字，但卻具備極高的執行速度與成本優勢。該模型透過獨特的 RLCD 訓練技術，能夠輸出極具參考價值的機率分佈，在處理大量篩選或判定任務時表現出色。儘管宣稱零幻覺帶有行銷炒作成分，但 Jev 的出現確實加速了 模型路由 的趨勢發展。最後，節目也提及 iPhone 18 Pro 搭載了 A20 Pro 晶片，其 AI 運算表現大幅提升，為未來的 Apple Intelligence 奠定了強大基礎。

本集三大重點：

重點一：Jeff 模型的本質與核心運作原理
由 Typesave AI 推出的 Jeff 被官方稱為「System 1 模型」，精準定義為基於大模型的「通用分類模型」。它不生成文字、圖片或程式碼，而是針對給定情境與最多 255 個選項，直接輸出機率分佈。Jeff 在後訓練採用獨家的校準決策強化學習（RLCD），而非傳統的 RLHF 或 RLVR。由於一次判斷僅需執行一次前向傳播（運算量相當於產出一個 token），使其推理速度比傳統大模型快近 200 倍、成本便宜 400 倍，且不會出現結構性的型態錯誤（type error）。

重點二：Jeff 的實際應用場景、優勢與局限
Jeff 並非要全面取代傳統 LLM，而是定位於高效率處理單純的判斷與選擇任務。主要應用包含模型路由（Model Routing）、海量資料初篩（如履歷過濾）、客服與郵件自動分類等。主持人實測真實工作信件分類時，Jeff 在緊急度判斷上展現極高準確率與穩定度，甚至在過期繳費信等極端案例上超越 GPT。然而 Jeff 也有明確局限：它是無視覺能力的純文字模型，且受限於 255 個選項上限，在電腦操作（Computer Use）上僅能處理標準化的網頁點擊，無法勝任需視覺推理或動態驗證碼的複雜任務。

重點三：Jeff 對 AI Agent 的產業意義與未來趨勢
Jeff 的爆紅並非顛覆現有 AI Agent 典範，而是「大幅加速模型路由（Model Routing）趨勢的普及」。當前 AI Agent 依賴單一高價大模型處理所有環節，存在龐大的成本與效率浪費。過去模型路由難以推行主因是工作流變化過快；而 Jeff 提供了一個現成開箱即用、極低延遲且低成本的通用分類器與路由工具，降低了構建混合模型系統的門檻。未來 AI 架構將走向強弱模型、雲端與地端的動態分工，Jeff 將被嵌入 Agent 工作流中，為使用者帶來更快速且廉價的 AI 體驗。

這篇文章 科技浪｜席捲 AI 圈的 Jev，到底在紅什麼？AI Agent 真的要大改了嗎？ 最早出現於 科技島-掌握科技新聞、科技職場最新資訊。

待辦清單寫得密密麻麻，行程排得匆匆忙忙，滿懷企圖心之後又總是半途熄火嗎？學會克服情緒與拖延，重新掌控時間與注意 …

待辦清單寫得密密麻麻，行程排得匆匆忙忙，滿懷企圖心之後又總是半途熄火嗎？學會克服情緒與拖延，重新掌控時間與注意力，你的生產力來自更「刻意」的選擇。被TED譽為「史上最有生產力的人」克里斯．貝利，也曾有相同的困擾。十年來他持續鑽研個人生產力研究，得出一套既深刻、實用又可能違反直覺的結論：完成目標真正的關鍵並非意志力，也不是最新的效率工具，而是「刻意行動」。當你的每個行動都建立在更深層的「意圖」之上，採取行動就會變得自然而然，甚至難以中斷。

（本文選自天下文化出版的《最有企圖心的一天：如何刻意行動，讓每個目標都有始有終》部分內容，完整內容詳見此）

總是難以堅持的目標

幾年前，我立下學會彈鋼琴的目標，但對自己的進步速度感到不耐煩。我開始回頭檢視那些曾經嘗試、卻未能達成的目標，發現這些目標簡直像進了墳場。這時我發現一個有意思的共同點：擁有企圖心對我來說從來不是問題，甚至持續一段時間也不困難；真正困難的是一路堅持到最後，尤其是那些長期目標。

我已經數不清自己有多少次設定目標要減重幾公斤，卻很快又回到原本的生活習慣，吃到復胖。也不知道有多少次，我努力培養一套美好的每日跑步習慣，卻隨著時間慢慢荒廢。我家地下室的地板上，還擺著各式各樣的居家健身器材，剛買來時用得非常勤奮，但通常只維持一、兩個月，就再也沒碰過。

設定目標一點問題也沒有。為了達成目標而擬定詳細計畫，並且規律執行計畫，也不是問題。但要長時間關注這些目標呢？要能持續行動，讓自己長期下來取得實質進展呢？回頭看來，這顯然困難得多。

過去十年裡，我研究並撰寫大量關於個人生產力的內容，讀過的書籍和論文多到數不清。然而，儘管投入這麼多研究，隨著時間過去，我那座裝滿被遺忘目標的墳場中，卻只變得愈來愈擁擠。

我開始問自己為什麼會這樣。

為什麼有些目標做起來輕而易舉，有些卻像苦差事？
為什麼某些目標不管我們多努力，就是始終差那麼一步或遙不可及？
目標設定與目標完成，究竟是怎麼運作的？又該怎麼運作才對？
研究告訴我們什麼，幫助我們更有效的實現目標？
我們要怎麼讓目標變得更有意義，有意義到感覺很自然，就像自我的一部分？
究竟需要什麼條件，才能讓我們的企圖心不只是閃過的念頭，而是真正落實自己設定的目標與構想？

貫徹始終的關鍵

當我開始深入探究這些問題時，我和研究人員、科學家，甚至佛教僧侶交換意見，不但找到這些問題的答案，還意外得到更多發現。我先在這裡透露一個不小的劇透：凡事有始有終的祕訣，關鍵在於學會「刻意行動」。正因如此，「刻意性」（intentionality）與實現目標都是本書的核心主軸。

「刻意性」就是在付諸行動之前，先清楚決定自己要做什麼的能力。這個概念有時名聲不太好，而且其來有自。畢竟，我們常常無法將自己的各種起心動念貫徹到底。就像有些人的地下室堆滿曾經立志會用的健身器材一樣，我們的腦海也有一片堆積失敗構想的荒地，任它們靜靜的積滿灰塵。

不過，你可以放心，這很正常，甚至可說在意料之中。我們腦中先冒出一個構想，最後卻沒有完成，本來就是人之常情。幸好，關於我們如何在每天、每週、每年，甚至在一生中更常刻意的行動，這個問題背後其實有紮實的科學基礎。在這個過程中，達成目標的關鍵是「意圖」（intention），也就是我們腦中先浮現某個構想，接著才付諸實行。舉例來說，我們計劃去晨跑，但不一定每次都能成行，有時是被生活瑣事打斷，有時則是提不起勁。但當我們真的出門跑步，那是因為一開始就想要去跑步。

換句話說，在我們做任何事之前，內心都會先醞釀「意圖」，推動我們繼續往目標前進。我之所以說「刻意性」是實現目標不可或缺的一環，正是因為它會引發後續行動。

刻意性的概念與實踐方法，本身具有迷人的魔力。每個人心中都有渴望完成的事情，不論是養成每天多喝點水的習慣，跑完一場馬拉松，還是寫一本書。每個人的構想都不一樣，有大有小、有難有易，有的深刻、有的單純。

我在此借用一個你可能已經聽過很多次的比喻。每當你冒出一個構想，就像冰球名將韋恩．格雷茨基（Wayne Gretzky）的那句名言：你不出手，就百分之百不可能得分。我們不一定每次都能貫徹腦中浮出的構想，但如果你從來沒有任何構想，你就得不到任何想要的成果。

一般來說，構想愈多，表現往往愈好。格雷茨基的名言更完整的版本是：「你不出手，就百分之百不可能得分，即使實際進球的機率只有1%到5%。」幸運的是，你的構想本身就大幅提升成功的機率，而且我們可以讓這個構想更加堅定，讓自己更頻繁的貫徹目標。

這正是本書接下來會一步步帶你了解的內容。

【節錄自：第0章 有企圖心與達成目標的遙遠距離】

（本文選自天下文化出版的《最有企圖心的一天：如何刻意行動，讓每個目標都有始有終》部分內容，完整內容詳見此）

這篇文章 訂下目標卻總是難以堅持 貫徹始終的關鍵是什麼？ 最早出現於 科技島-掌握科技新聞、科技職場最新資訊。

本集介紹了如何利用 AI 助理（如 Claude 或 ChatGPT）來零基礎打造專屬的 AI 語音助理 App。使用者只需透過清晰的文字描述提出需求，並搭配 GitHub 進行程式碼的版本管理與備份。接著，透過設定 Cloudflare、Gemini 金鑰以及連接 Line 官方帳號，就能實現透過口說來設定提醒或傳送賀卡的功能。此外，開發者還能利用 Claude 建立新分支來安全地測試與新增功能。最後，透過撰寫 CLAUDE.md 備忘錄，能讓 AI 迅速掌握專案脈絡，方便日後進行維護與更新。本集介紹了如何利用 AI 助理（如 Claude 或 ChatGPT）來零基礎打造專屬的 AI 語音助理 App。使用者只需透過清晰的文字描述提出需求，並搭配 GitHub 進行程式碼的版本管理與備份。接著，透過設定 Cloudflare、Gemini 金鑰以及連接 Line 官方帳號，就能實現透過口說來設定提醒或傳送賀卡的功能。此外，開發者還能利用 Claude 建立新分支來安全地測試與新增功能。最後，透過撰寫 CLAUDE.md 備忘錄，能讓 AI 迅速掌握專案脈絡，方便日後進行維護與更新。

🔹 內容綱要

00:00 設定專案資料夾

02:27 設計 App 圖示

03:17 提出 App 功能需求

05:44 將專案納入 Git 版本管理

07:11 雲端空間註冊和申請金鑰

11:16 App 功能測試

13:15 修改和新增 App 功能

🔹 提示詞連結 https://papayaclass.s.gy/ogpU2y

🔹 網站連結

Claude https://claude.ai/

ChatGPT https://chatgpt.com/

GitHub https://github.com/

GitHub CLI https://cli.github.com/

Google AI Studio https://aistudio.google.com/

🔹 請 Papaya 喝咖啡 ☕️ https://buymeacoffee.com/papayaclass

🔹 頻道會員影片目錄 https://bit.ly/3PaC4Jj

#教學 #Claude #line #AI #VibeCoding #Vibe #NoCode #Gemini #GitHub #App開發

這篇文章 PAPAYA 電腦教室｜找不到適合自己的 App？不如乾脆自己做一個！無程式基礎也沒有關係 只要會「許願」就可以！ 最早出現於 科技島-掌握科技新聞、科技職場最新資訊。

科學家從觀察走向發現的旅程，從來不是一條直線，而是充滿失敗、意料之外的轉折，以及令人欣喜的頓悟時刻。「英國皇家學會科學圖書大獎」得主卡蜜拉．彭博士，在本書中帶領我們探討當今科學面臨的一些大謎題，及那些頂尖科學家們如何在自身生活中進行觀察、提出假說、深入探索、排除疑難與發現真相的方法。其實，我們每個人心中都藏著一位科學家。科學帶給人類最珍貴的禮物，不是公式，而是那股驅使我們不斷探索、讓我們真正成為「人」的力量。當你以科學家的思維來面對人生，看懂失敗與擁抱未知，那眼前遇到的每一次人生困境，或許都能找到最佳解方。

科學家從觀察走向發現的旅程，從來不是一條直線，而是充滿失敗、意料之外的轉折，以及令人欣喜的頓悟時刻。「英國皇家學會科學圖書大獎」得主卡蜜拉．彭博士，在本書中帶領我們探討當今科學面臨的一些大謎題，及那些頂尖科學家們如何在自身生活中進行觀察、提出假說、深入探索、排除疑難與發現真相的方法。其實，我們每個人心中都藏著一位科學家。科學帶給人類最珍貴的禮物，不是公式，而是那股驅使我們不斷探索、讓我們真正成為「人」的力量。當你以科學家的思維來面對人生，看懂失敗與擁抱未知，那眼前遇到的每一次人生困境，或許都能找到最佳解方。

（本文選自大塊文化出版的《困境使用說明書： 關於失敗與擁抱未知，科學教我們的事》部分內容，完整內容詳見此）

我心裡許多疑問的開頭都是，「如果⋯⋯會怎樣呢？」有些事我能決定（如果我改走另一條路上班；如果今天吃三明治，而不是吃沙拉），有些不受我控制（如果接下來通過路口的六輛車全都不是藍色的），那如果這些狀況全都發生，或全都沒發生——這有什麼意義，或有什麼差嗎？有些日子我會把打亂日常習慣當成一種遊戲，好分辨什麼是真的重要、什麼只是習以為常；我想把自己帶到知覺與現實之間反差最大的地方，就像煎蛋柔軟潔白的蛋白與酥脆焦香的邊緣相接之處。

我一直在腦海裡玩這類遊戲，從有記憶以來就是如此。我這麼做，一半因為好玩、一半因為成了習慣，也因為我還希望在日常瑣事裡挖出一點規律與意義。而我之所以持續這樣做，是因為這本質上就是科學：想把看不出關聯的事連接起來，搭幾座隨時可能垮掉的橋，只為試試那些聽起來有點古怪的想法。這是任何科學探究的下一階段，把觀察到的現象拿出來試著弄懂，猜想事物可能是這樣運作的，或這種想法能否解釋那個現象。身為科學家，我們為這種不斷發問和「如果這樣的話，會怎樣呢」的思考，取了個聽起來很厲害的名字：假說。

當我問科學家，假說在他們工作裡扮演的角色時，有些回答實在出乎我意料。其中兩位分別做心理學和理論物理的研究者，不約而同用了同樣的比喻。他們講的是看起來挺科學的東西：故事的力量。「我們會觀察、會看出關聯，但最後得把這些塞進一個有運作機制的架構裡，簡單講，就是編成一個故事，」鑽研精神病理的神經科學家卡塔琳娜．施馬克（Katharina Schmack）博士說：「我把它稱故事，是因為最後呈現出來的就是一個說法。而這就是通往可測試假說的路。」1 物理學家琪亞拉．馬萊托（Chiara Marletto）博士也有同樣的感觸。「我從小就愛看犯罪推理小說，」她跟我說。「做研究真的很像破案，你拿著一堆索要把它們拼湊起來，卻常常看不出全貌。一旦卡關，就表示組合方式有問題，只好把所有東西重新攤回桌上，再想一次，也許得用更有創意的方式來想。」

我很喜歡把假說想成一本讓人欲罷不能的驚悚小說的開場設定。聽起來簡直跟科學唱反調：用情緒和主觀取代邏輯與理性。但科學其實不是那回事，起碼不只如此。儘管科以精確、有序和確定性著稱，但研究現場常常完全相反。實驗室一點都不是理論完美無誤、執行零失誤的井然世界，反而經常是混亂與困惑稱王的地方。多數時候，實驗室像個漩渦，裡面滿是沾滿咖啡漬的紙片、鬼畫符般的白板塗鴉，有看起來完全毫無意義的資料點。只有經過無數抓頭苦思、反覆試錯，並從各種角度瞇著眼檢視之後，答案才會逐漸從這片泥淖中浮現。而且，當然答案一出現，就會生出更多問題，把你再度趕回那塊忙得不可開交的塗鴉白板前。你得不斷對自己正想推進和驗證的研究唱反調。

照施馬克醫師的說法，科學研究包裝和溝通的方式，會加深大家對研究結果的產生過程有過於單純的想像。「我們看（科學）論文時，故事總是非常線性：先有假說，接著驗證，找到結果，再下結論。但現實中的科學往往完全不是這麼回事。我們先有個觀察，再提出假說，之後又回頭調整。實際情況比最後呈現出來那種線性故事混亂得多。」

承認這種混亂，是理解假說的關鍵：假說是種尚未證實的理論或解釋，也是科學裡既重要又耐人尋味的生物。所有的研究都是奠基在這之上。在許多面向上，假說都是後續研究的根基——是用來搭建與打磨想法的起點。但假說同時也是流動又不穩定的存在，隨時可能改變，在新證據出現時也得再重新檢視。假說是一種猜測，比起穩定可靠的指南針，它更像一支風向標，時時指向不同方向。假說優雅地映照出科學過程那種又雜亂、又叫人抓狂，卻偶爾令人著迷的特質。它突顯出科學工作的循環性質：你經常又回到起點，檢查假設，尋找新路。它也再次提醒我們，任何研究流程都很不穩定——可能因為許多不同原因而瓦解、必須重來：也許找錯對象、找錯地方，或用錯方法。

對任何科學家而言，假說不可或缺，並使人謙卑。假說象徵著研究者與未知共舞，提醒我們這世界由證據、理論，及無數的假設與可能性構成。假說就像你建造的一座橋樑，即便明知引渡想法的過程中隨時可能崩塌，你依然必須建造。失敗的可能性本就是此過程的一環，實驗做得越多、投入得越深，失敗機率當然就越高。如此看來，假說有點像是換了個名稱的求職信。假說是你試圖實現的點子，宛如一處可見卻不知能否攀上的岩壁。就跟求職一樣，你必須冒著失敗的風險才能獲得進展。正如哲學家卡爾．波普爾（Karl Popper）在一九六○年代所主張的，無法受檢驗並證偽的假說，根本稱不上科學。因此，每位寫下假說的科學家，在試圖賦予想法生命的同時，也必須做好想法夭折的心理準備。這種重構過程往往令人氣餒、一點也不酷，且難以投入，尤其是當這情況導致我們偏離軌道時。然而，建立理論的過程本就包含不斷的重塑，不只一次，而是無時無刻都在發生。我的博士班指導教授在初次碰面時甚至直言，研究最重要的兩件事，一是擬定計畫，二是有膽量隔天將其扔進垃圾桶。聽到這番話，確實是我當時極為需要的定心丸（還有厚厚一疊便利貼）。尤其對一個滿懷憧憬、因規律作息而筋疲力盡的完美主義研究生而言。

假說本身具有可被推翻的特性，這聽起來或許有些不穩定、令人不安（不過科學家大概會說：這正是最有趣的地方），但這並不代表我們無法依賴假說，或從中獲得真知灼見。事實上，假說正是理解科學過程與其美德的絕佳途徑。假說有助於解開科學家如何從混沌中建立流程，並最終（在狀況特別好的日子裡，哪怕只是小小地）將問題轉化為答案。假說揭示科學家想法的萌芽與演變，並對比嚴謹的理論與偶然的發現之間，兩者截然不同的角色。假說展現這兩者如何促成重大的邏輯躍進，同時保留改變方向的權利。說到底，假說直指科學核心：能證偽的發現與能證實的發現同等重要。你必須為全新的思考與執行方式預留空間，即使這與你的既有認知背道而馳。你內心的某部分渴望獲得證明是正確的，但另一部分更自虐的靈魂卻又期盼被推翻（存在於每位科學家體內的反骨特質），因為一個原本看似合理的假說若被證明錯誤，其後果可能比你最初的想法更加重大，也更加有趣。如同求職失敗（或是申請研究經費失敗，如果那是你的經費來源），可能會促使你磨練想法與更新技能，更專注迎戰下一次的挑戰。這也是為何我曾在衣櫃鏡子貼滿便利貼，上面潦草寫著：「你可以改變心意，科學家每天都在麼做。」以及，「這並非散漫、無理或不科學，而是充滿彈性且順應需求。」（順帶一提，這過程絕無對著鏡子自言自語的橋段。）

在此，假說反映出科學最偉大且最能多方面應用的訓——充滿自信思考的同時，也必須願意在證據轉向時，斷拋棄原有的預測。你可以和好點子及可靠直覺約會，但千萬別跟這些念頭結婚。而在對幾乎任何事物形成意見時，都是值得銘記的教訓。謙遜地從已獲證明為錯的事物中抽身，與最初構思出有趣想法的能力同等重要。當證據改時，我們應抱持開放態度放棄執念，而若他人提出更佳觀點或論述，我們也該接受他人改變我們的想法。抱著死腦筋過一輩子沒有任何好處（除了能短暫提升自尊心之外），反觀將自身觀點視為假說的人則完全值得欽佩——這些假說需要證據檢驗與證實，且最終可能被推翻。諷刺與黑色幽默成為科學實驗室裡的家常便飯是有原因的：研究是一場打擊自尊的奮鬥，不斷用過去的錯誤、白費的時間與未知的領域來嘲弄你。「假說」一詞總結出科學過程中那充滿迷人不確定性的世界：是你既押上一切又必須隨時準備捨棄的直覺。

（本文選自大塊文化出版的《困境使用說明書： 關於失敗與擁抱未知，科學教我們的事》部分內容，完整內容詳見此）

這篇文章 當打亂日常習慣成一種遊戲 卡蜜拉．彭：本質上就是科學！ 最早出現於 科技島-掌握科技新聞、科技職場最新資訊。