現在年輕人比較辛苦？

每隔一段時間，總是會有各種文章，用各種數據，告訴大家「現在年輕人比較辛苦啊，房價很貴生活困難」

這些數據不能說不對，但是綜觀人類發展，從整體的角度來看，一定是「現在年輕人比以前年輕人日子過得好」。當然如果只挑一個特定的角度，例如房價對比薪資收入，當然會覺得現在年輕人比以前辛苦啊，要工作更多年才能買個更小的房子。

如果只挑一個片面角度，當然會這樣。例如，選1980跟1780這兩個時代在台灣的年輕人，他們的房地價所得比，1780是低的嚇人，基本上只要願意唐山過台灣得人，取得數甲耕地根本等於不用錢啊。

如果真的認真比對的話，必須要比的是「生活」的本身。那古代的生活之慘，是根本不用比的，你能想像活在沒有抽水馬桶的年代嗎？當然我們不用比較這麼遠，只要比較最近的三個世代就好：2026, 2006, 1986 每個時代差距20年，比較一下哪個世代的年輕人「生活整體」比較好？

既然要比較就要科學性質比較，什麼叫做生活品質？根據國際衛生組織的定義是:「個人在其所生活的文化和價值體系中，對照其目標、期望、標準和所關心之事，對自身生命地位的主觀認知。」

而對比到的實際數字，就包含實質所得，房價比率，旅行容易度，資訊取得成本等等。

其中，旅行容易度跟資訊取得成本看似容易，但非常重要，因為可以越低成本的取得資訊，就越能拿到機會。

簡單的說，房價確實問題，經濟確實困難，但是如果跟前兩個世代比較！這困難跟生活幸福程度哪個重要就因人而異。但無論如何，資訊越發達 選項越多！

衡量象限	1986 年（民國75年）	2006 年（民國95年）	2026 年（民國115年）
1. 年輕人實質所得 (25-35歲單人月/年所得中位數)	月薪約 1.2 萬 至 1.8 萬元 ・青年年所得約 18 萬至 22 萬元。 ・當時起薪低，但經濟成長率高達 11%，調薪幅度極快。	月薪約 3.1 萬 至 3.5 萬元 ・青年年所得約 40 萬元。 ・面臨全球化與科技業分流，實質薪資開始陷入停滯。	月薪約 4.3 萬 至 5.2 萬元 ・30歲以下年所得中位數約 55.9 萬元；30~34歲約 72.7 萬元。 ・基本工資已調升至 29,500 元，但通膨使購買力受壓縮。
2. 所得房價比 (以台北市/全台平均為準)	台北市：約 3 至 5 倍 ・台北市平均房價每坪僅 7.18 萬元。	台北市：約 8 至 9 倍 ・全台平均：4.97 倍。 ・	台北市：約 14.6 至 15.4 倍 ・全台平均：約 9.8 倍。
3. 旅行容易度 (免簽國數量 / 出國成本)	免簽國：近乎 0 國 ・當時出境仍有嚴格管制（1979 年剛開放觀光，至 1989 年才免除出境許可審查）。 ・機票極度昂貴 年輕人 出國人次 大約12萬人	免簽國：約 50 多國 ・出國觀光全面普及，廉價航空（LCC）開始萌芽。 ・亞洲線機票約 8,000~12,000 元，相當於年輕人 1/3 的月薪，出國旅遊成每年常態。 年輕人出國人次：大約175萬	免簽國：140 國以上 ・護照極為好用，各國通關程序數位化。 ・雖然疫情後機票價格大幅上漲，但透過廉航、自助旅行，去日韓旅遊僅需花費約 1/3 至 1/2 的月薪，旅行容易度達歷史新高。年輕人出國人次：大約360萬以上
4. 資訊取得程度 (獲取知識與外部資訊門檻)	低 ・網路尚未誕生，獲取海外資訊需依賴實體進口報章雜誌。 ・解嚴前夕，仍略有限制及圖書審查制度，資訊獲取極為被動、昂貴且受限。但已經比1960放寬很多	中高（PC 互聯網與搜尋時代） ・ADSL 寬頻與學術網路（BBS / PTT）普及。 ・年輕人習慣用 Yahoo、Google、維基百科查詢世界資訊，獲取成本接近 免費（僅需負擔月租費），但受限於電腦桌前。	無限（行動網路與 AI 時代） ・智慧型手機與 5G 普及率接近 100%。 ・除了各類社群平台（IG、Threads）即時串聯全球，2026 年生成式 AI（如 ChatGPT、Gemini）已成為年輕人的日常標配，資訊取得成本為 0 秒與 0 元，資訊呈現爆炸狀態。

如果比較工作的話，永遠都是越後面的世代越好，不可能是以前比較好！

比較項目	1986 年（解嚴前夕）	2006 年（週休二日成熟期）	2026 年（多元彈性與 AI 時代）
工時制度	隔週週休一日（或無週休） ・每週法定工時 48 小時。 ・週六必須上半天班（半天課）。	隔週週休二日 ・每週法定工時 84 小時（雙週）。 ・多數外商與科技業已自行實施每週「週休二日」。	一例一休 / 週休二日 ・每週法定工時 40 小時。 ・法律強制規範例假與休息日。
典型工作時間	實質長工時、高加班 ・每天 8-10 小時，週六半天。 ・年輕人普遍「以廠為家」，加班是常態，勞基法剛起步（1984年實施）保障極低。	「責任制」與過勞時代 ・每天 9-12 小時。 ・科技業與辦公室白領盛行「責任制」（無加班費），年輕人面臨嚴重的「爆肝」與過勞死社會議題。	混合辦公與彈性工時 ・每天 8 小時（部分外商或科技業實施彈性上下班、每週數天遠端辦公）。 ・年輕人極度重視「工作與生活平衡」（WLB），排斥無薪加班。
主流工作型態	大部分的人是在 傳統製造業與實體辦公 ・製造業、成衣加工、傳統外貿。 ・工作高度依賴「打卡鐘」與「實體在場」，沒有任何遠端工作的可能。	辦公室白領、科技新貴、派遣興起 ・竹科半導體、金融業、網路泡沫後的電商與 IT 產業。 ・非典型勞動（合約工、派遣）比例開始大幅上升。	斜槓、零工、遠端、AI 協作 ・自由職業、網紅/自媒體、外送平台（UberEats/Foodpanda）等平台經濟盛行。 ・IT/AI 工具普及，年輕人普遍使用 IT/AI 縮短庶務時間，重視自主掌控權。

退職代行

日本有獨特的職場文化，而獨特的職場文化會產生獨特產業。退職代行就是其中之一。退職代行是指勞工因面臨巨大心理壓力、職場霸凌或雇主"可能"惡意留人，自己覺得無法親自向公司提出辭職時，付費委託第三方機構代為向雇主傳達辭職意願，並處理後續離職手續的服務。

日本的退職代行年處理件數已達十幾萬件，預估接近20萬件，主要集中在 20 至 29 歲的年輕世代（佔利用人數約 5 至 6 成），並以銷售零售、餐飲、護理及業務等高流動率、高人際壓力的行業最為普及。

代行公司還有分三種。

第一種是，私人企業（民間代辦公司）。理論上，僅能扮演「傳話筒」，無權與雇主進行任何權益協商。費用相對低，約 18,500 ~ 30,000 日圓。費用最便宜，市場競爭激烈，常有 24 小時 LINE 線上諮詢。適合完全沒有勞資糾紛、只想單純傳達「我要離職」並遞交辭呈的人。缺點也很明顯，他可能完全沒有交涉權，但大部分的私人企業會根據個案情況決定要不要律師參與，所以有可能變成第三種。照理說，依法不能替員工爭取有薪假（特休）折現、不能協商離職日期。若代辦人員越分際與公司談判，會觸犯日本《律師法》第 72 條的「非非弁活動（非法執業）」，可能導致離職程序無效。雖是如此，為什麼民間代辦還是很多？因為絕大部分的公司，也都不想過於糾纏這種情況，被通知說員工離職，很大的機率只會在嘴上抱怨抱怨，最後該讓人家走還是會依法完成手續。特別是工作內容是屬於銷售零售餐飲類別，這種嚴格上來說，根本沒什麼東西要交接，也不可能是簽署旋轉門條款，擁有公司特定的營業秘密之類的高級僱員，因此，其實只要有人幫忙講話，很多時候就夠了。

第二種是，聯名工會（合約工會）由代辦公司與外部工會合作，或由工會直接營運。利用日本法律賦予工會的「團體交涉權」來執行代辦。費用相對多一些，約 25,000 ~ 35,000 日圓。優點是費用稍微貴一點，但是合法擁有交涉權。可以代表員工與公司協商有薪假消化、調整離職日、發放退職金等細節。若雇主拒絕與工會協商，在法律上可能構成「不當勞動行為」。缺點是無法處理真正的法律訴訟。若公司因員工離職而威脅提告「損害賠償」，工會無權在法庭上擔任訴訟代理人。

第三種就是律師事務所（司法代理）由合格執業律師親自受理的正規法律諮詢與代理服務。費用是最貴的約 50,000 ~ 100,000 日圓（若需額外追討薪資或訴訟，會依比例抽取佣金）。優點也明顯，就是權限最完整、最安全。能處置所有棘手法律問題，包括：追討未給付加班費、職災賠償、應對公司威脅提告，或員工本身是公務員、派遣合約等複雜身份。律師出面通常具備極高的法律威懾力，雇主幾乎不敢刁難。缺點當然就是費用貴，而且行政流程可能比一般線上通訊軟體（LINE）為主的民間業者稍顯嚴謹與繁瑣，本來想要代行服務的人，就是不想跟別人溝通這些心理壓力大的事情，結果找了律師還是得跟律師溝通啊。

我在note.com上面看到對於這種現象截然不同的看法。而有這麼不同的看法也表示，這個退職代行真有其市場。有些是公司管理階層，特別是基層主管，退職代行對他們造成非常大的困擾。對他們的直覺感受就是：某個員工有一天突然人間蒸發，而那天他也收到一封非常正式的退職代行通知書，說不用再跟這位員工聯絡了，所有事情都跟本公司說吧。這些基層主管，會非常傷腦筋，或許有些人只是想知道原因，想知道怎麼交接，但現在只能硬著頭皮自行解決。有很多HR或者主管開始討論是不是要對這種情況有所準備，預設大家都有可能某一天隨時離開？

有些是受到職場壓力的人，無論是哪種類型的壓力，都讓人身心疲憊，甚至造成生理上的反應。但不是每個同事都很糟，一想到自己離職會造成大家困擾，壓力變更大，情況更糟。所以退職代行給了一條活路。的確是因為有市場，而產生的服務。

台灣大概是不會有這種服務。倒不是台灣人辭職比較沒有壓力，辭職恐怕都是有壓力的，但是台灣勞基法是規定可以「員工通知一下 就算離職 不管公司主管有沒有同意！」，而且所謂的通知，用口說，簡訊，電話，email都算，反正你跟公司說你不做了，就是不做了，公司依法必須要給你該有的東西。例如剩下的薪水不能拖欠，拖欠了你還可以提告。而由於勞健保是屬於政府法規，公司當然會自行幫你退保。

我後來想一想，台灣很多民法跟日本是非常接近的。難道台灣勞動基準法，會比日本更優於勞工？我覺得不太可能。所以我查了一下：日本《民法》第 627 條第 1 項規定： 當事人未約定雇用期間時，任何一方可隨時提出解約申請。自申請之日起，經過兩星期後，雇用關係即行終止。相對於台灣勞基法，其實差不多，台灣勞基法也有預告期，根據在公司工作的時間不同，最多也是30天而已，而且，即便你沒有30天前通知，只要你提出離職，不管主管把離職信撕掉還是拒絕，無論是台灣日本都是一樣，離職都已經完成了！剩下唯一個差別是，在台灣如果你沒有事先預告離職，公司因此有巨幅損失，是可以請求賠償，但在實務上公司很難提告賠償，因為絕大部分突然離職的員工根本不是做什麼重要的事情，而像是"公司要重新找人花時間成本"或者"找人要刊登廣告 廣告也要收費"這種屬於公司本來就應該處理，都不在法院的考慮範圍內。

所以其實法規是差不多的呀。真正的差別可能就真的是文化差異了。

六十億token其實很少呀

今天看到個一時之間令人訝異的新聞，是在商周上看到，內容很簡單，就是一位知名上市公司董事長說他們公司兩個月燒掉六十億token，他想要表達公司對AI的支持，並且他說"台灣不能再用人海戰術 要轉型成應用大國"

雖然我對他的想法大致是支持的，但那兩個月燒六十億token實在少得可憐。

我現在在一個小型AI公司工作，公司裡面只有7個工程師。我今天到其中一個我們使用的LLM的API key使用紀錄，光是7/2~7/3，就超過1億token。我們使用不只一個LLM(openai, claude, gemini都有用) 每個LLM大致上是均勻使用。也就是說，一個正常工作日，在我們這個小公司就要花到1.5億token，兩個月下來，最起碼66億token。但我們只是個七個人的小公司啊！這個上市公司，可是有八萬員工的公司，當然其中6萬多人是產線作業員，但白領以及工程師也有上萬人。如果他們真的把AI當作重要的程式設計，系統開發等工具，絕對不可能只有六十億token。
也有可能是董事長講錯，也有可能是記者記錯。但無論如何，沒有意識到這六十億token對於該公司是相當小，是個很奇怪的事情。我覺得更有可能的是，畢竟是硬體廠商，領導階層可能真的不解AI"應用"發展的現況，以至無法在心裡理解token數量的大致規模。

但我相信，他在腦海裡必能快速計算公司每個月可以生產多少AI伺服器，會有多少獲利，主要產線有哪些問題等等。

當然token隨便亂用也不是好事，可是以一個資深程式設計師來說，使用各種工具的情況下，一個月花到上億token真的很容易啊。

出版書籍？ISBN仍是必要的

在人人皆可自由創作、自出版（Self-publishing）崛起的數位時代，許多電商與電子書平台早已取消了強制申請ISBN書號的限制。這不免讓人質疑：既然「沒有它也能上架銷售」，我們為什麼還需要 ISBN？

事實上，ISBN（International Standard Book Number，國際標準書號） 的誕生，正是為了解決出版世界的混亂。在 1970 年這套國際標準正推行之前，全球書籍交易只能純靠書名人工比對，重名與物流出錯是常有的災難。自從有了 ISBN，世界上的每一本書才真正擁有了獨一無二的「跨國身分證」，它也是人類歷史上第一個全面對接電腦、用於零售物流的跨國實體商品編碼。

台灣自 1989 年起導入此系統，就展現了極具優勢的台灣特殊性：與英、美等國申請書號需花費數十至上百美元不同，台灣國家圖書館為了鼓勵文化創作，不論是實體書还是電子書，申請 ISBN 一律「完全免費」！此外，台灣電子書採用「一格式一號」的國際原則（例如同一本書的 EPUB 與 PDF 格式需分開申請），讓數位作品在公眾書目系統中具備精準的分類與歷史文獻地位。

當然世界上其實還有其他國家同樣提供免費申請 ISBN 的福利，例如加拿大。然而，這些資源都有著嚴格的「當國國民或境內依法設立」的資格限制。在台灣，申請者必須是中華民國境內依法設立的公司、政府機關、團體，或是具本國籍（或持有居留證）的個人創作者，且不接受跨國代理。這意味著，免費的書號資源是國家給予在地文化出版的專屬保障，身在台灣的創作者更該好好珍惜。此外，台灣電子書採用「一格式一號」的國際原則（如同一本書的 EPUB 與 PDF 格式需分開申請），這讓數位作品在公眾書目系統中能具備最精準的分類。

即便在純數位出版的浪潮下，為什麼申請 ISBN 依然是創作者不可或缺的選擇？以下三大關鍵點：

• 一、跨平台的「國際通行證」 如果不申請 ISBN，你在 Amazon、Kobo 或 Google Play 賣書，會被各平台各自分配不同的內部代碼（如 Amazon 的 ASIN），導致銷量、評價與個人品牌數據碎片化。而 ISBN 是全球通用的國際標準，有了它，你在全世界不同數位平台銷售的同一款電子書，都能精準串聯、統一管理。
• 二、圖書館「電子書採購」的敲門磚 近年各大公共圖書館與學校都在大力推廣雲端書庫與電子書借閱，這是創作者獲取版稅的公家管道。然而，圖書館的採購與編目系統全面對接國家書號中心。如果你的電子書沒有正式的 ISBN，多數圖書館在行政程序上便無法編目，直接錯失了被公家機關與學術機構大量採購的機會。
• 三、永久的文化留名與著作權歷史鐵證 數位時代的檔案瞬息萬變，平台可能關閉，數位檔案也可能因合約到期而下架。但只要申請了 ISBN，你的書籍資訊就會被永久收錄在國家圖書館的公眾資料庫中。這不僅是證明你擁有該著作權的歷史鐵證，更確保了即便百年之後，你在人類文化歷史上留下的思想足跡，依然能被後代查閱與見證。

在這個自由發聲的時代，在推出新作品時，不妨花幾分鐘為自己的心血結晶領一張合法的身分證號碼，讓它在無垠的數位世界中走得更遠、更具專業份量。

我也是大師!

年初因為想要改善腦霧情況，決定來學點以前不會的東西，那時候決定學西洋棋，細節可以看這篇。

網路下棋的網站app主要有兩個，chess.com 跟worldchess.com。其中chess.com應該是全世界最大的西洋棋app/網站。他的特點就是功能很多介面也很不錯，使用人超級多，如果願意付錢的話有各種教學功能。worldchess.com是第二大，但它有個獨特優勢，他是世界西洋棋聯合會（FIDE)的app/網站。世界西洋棋聯合會不是小組織，每年預算有兩千多萬歐元（大概八億台幣），是個聯合國與奧委會旗下的國際組織，除了辦比賽規則制定之外，就是頒發頭銜，例如Grandmaster「特級大師」就是比賽到某種情況，累積到某種積分加上拿過幾次冠軍，被世界公認成西洋棋最厲害的人，就是特級大師。

對於一個中年才開始學西洋棋的我來說，一開始覺得要拿到頭銜是根本不可能，不過，後來研究一下FIDE，它為了推廣西洋棋，會特別為了線上比賽弄出比較簡單的頭銜(title)，最低階段的頭銜是要積分抵達1100之後，參加50場以上錦標賽，「都必須」維持在1100分以上，就可以拿到最低的頭銜Arena Candidate Master(候選大師)。FIDE這策略相當不錯，讓人有一種情緒價值。特別是，由於這是正式頭銜（雖然沒太大用途）但要能參與錦標賽，即便是線上，還是要求要有完整的KYC，台灣的話必須上傳護照！而且畢竟是奧運組織，上傳護照能選的國籍就是那個Chinese Taipei，剛開始看到心情不太好，但沒辦法，只要是聯合國/奧委會旗下的組織，我們只能選這個啊。

對於真正高手來說，1100分是一個很基本的門檻，如果是青少年頭腦夠清楚，能夠系統性學習西洋棋，是有可能在一兩個月就達到1100分。1100對於西洋棋手來說，像是一個你熟知規則，能好好的比賽，如此而已。

而每次錦標賽都可以贏或者輸，輸贏都會根據一個統計的公式，計算你與對方的差距，來決定加分多少減分多少。但如果低於1100，這50場就要重算，也就是說最保險的當然是積分要試著維持在1200左右，這樣不小心輸幾場也沒關係。

總之今年過年時候制定的目標，前兩個月真的很痛苦，因為輸多贏少，積分離的好遠。對於中年才學西洋棋，又是自學的人而言，學習雖然快樂，但輸了還是不爽啊。

但學習訂定目標是對的，至少知道自己程度怎麼樣。

最後在兩個月前，勉強抵達最低積分1100，但是還得苦撐50場錦標賽才行。

終於在今天傍晚，達到了50場，而且積分非常的勉勉強強在1160。這時候FIDE的網站，真的就頒發了Arena Candidate Master(候選大師)的證書。

這種心理自己滿足的成就，好像已經很久不曾體驗。

稍微算了一下，這半年參加錦標賽（就是有確切開始結束時間要報名的比賽）大概200多場，而練習賽（就是隨時都可以按比賽，由系統自動媒合陌生人比賽）大概300多場。前兩個月輸多贏少，最近才開始慢慢贏多輸少。

學習西洋棋對我真正的好處其實是讓頭腦的另一個部分運作，因為covid19的腦霧，感覺好一點？也有可能是心理作用吧。但我還是沒辦法擺脫人的慣性，拿到頭銜之後，應該會休息一陣子吧:)

沒辦法阻止你養的龍蝦去刪檔案

 

在 OpenClaw 與 Hermes 等完全自主託管（Fully Autonomous）的 AI Agent 架構中，試圖單純依賴提示詞技巧（Prompt Skills）來絕對阻止 AI 經由自主判斷刪除檔案，在架構上是完全不可能實現的，慘劇早在新聞中傳播許多。這項技術結論在近年許多 AI 安全與系統研究中皆得到了證實。

提示詞的本質缺陷與工具調用的不可逆性

大型語言模型（LLM）的行為本質上是基於機率的非決定性（Non-deterministic）輸出。提示詞在 Agent 系統中屬於「軟性約束」，而非作業系統層級的「硬性隔離」。
在 OpenClaw 等工具的架構設計中，AI Agent 的核心能力在於「工具調用（Tool Use）」。系統會向模型提供如 exec（執行 Shell 指令）、write 或 edit 等基礎工具。當 AI 進入自主循環時，一旦它基於上下文推理，誤將某個重要檔案判定為應清理的暫存檔，模型就會輸出調用工具的結構化文字。

根據學術界對大語言模型安全對齊的研究指出（如 Zou 等人的 *Universal and Transferable Adversarial Attacks on Aligned Language Models*），透過特定的複雜上下文或對話，LLM 的安全限制可以被完全繞過。這證明了基於機率生成的 LLM 無法透過純文字達到硬性安全。

此外，當 AI Agent 具備自主讀取外部資料（如網頁、檔案）的能力時，還面臨更嚴峻的資安漏洞。研究 *Not What You've Signed Up For: Compromising Real-World LLM-Integrated Applications Via Indirect Prompt Injection* 證實，外部資料中的惡意文字可以輕易覆寫（Override）系統原先設定的 System Prompt。因此，即便在提示詞中嚴格限制不可刪除檔案，一旦 AI 讀取到含有惡意指令的外部檔案，該提示詞限制就會直接失效。
完全託管模式的特性，就是將模型輸出的指令直接交由底層 Gateway 執行，中途沒有任何人工審查。一旦工具指令生成，執行的結果就已經由作業系統內核決定。提示詞具有漂移、幻覺以及極易受到外部輸入污染的特性，在執行階段完全失去控制力。

安全隔離與代理能力的本質兩難

為了防範 AI 自主失控造成的檔案破壞，技術上最常見的直覺作法是實施硬性限制：降低作業系統的使用者權限，或者將 Agent 完全限縮在純 Docker 容器的沙盒（Sandbox）環境中。
然而，這種防護手段會直接導致 Agent 陷入實用性與安全性的本質兩難。
基準測試研究 *SWE-bench: Can Language Models Resolve Real-World GitHub Issues?* 在使用沙盒環境測試 AI Agent 解決真實任務時指出，為防止 Agent 損害主機而實施的嚴格權限限制，會直接導致 Agent 無法安裝必要套件、無法訪問特定本機資源，大幅降低處理複雜現實任務的成功率。

當我們將 AI 完全封鎖在純 Docker 環境或極低權限的帳戶下，雖然保護了主機檔案的安全，卻也剝奪了 AI Agent 作為「全功能代理人」的核心價值。OpenClaw 這類工具之所以強大，是因為它能幫使用者清理收件匣、編譯本機程式碼、操作本機環境。如果缺乏足夠的 OS 執行權限與檔案讀寫權，AI 將無法調用編譯器、無法讀取本機關鍵上下文、無法與其他系統軟體互動，最終退化成一個只能進行文字對話、無法真正落地執行複雜本機任務的常規聊天機器人（Chatbot）。
指望透過 Prompt 技巧來兼顧「完全放權」與「絕對不刪除檔案」在邏輯上是相悖的。給予 AI 真正具備操作現實世界的代理能力，就必須承擔提示詞被繞過或幻覺引發刪除指令的硬體風險；而純粹的沙盒硬性防禦，則是以閹割 AI 的主動執行能力為代價。這種兩難是當前自主託管 Agent 系統在架構上面臨的核心技術瓶頸。

這個問題是不可能解決，因此，在使用openclaw龍蝦, Hermes 之類的AI全面代理助理時，在特定條件下，應該讓agent把檔案存到一個結構上不可能被刪除的地方， 例如這裡 閒貓典藏 利用先天結構來解決重要檔案可能被刪的問題。

為了喝牛奶而養牛，為了養牛而經營牧場

為了喝牛奶而養牛，是以前一個老故事：有個想要獨居的老禪師，在荒野獨居很久，後來喝咖啡想要有牛奶讓他可以搞出熱拿鐵，但是附近沒人賣牛買啊，他索性就自己養牛，但他又不想每天照顧這隻牛，後來又聘了牧童，因為有了牧童，養一隻牛經濟效益不合，就乾脆養很多隻，養了很多隻就得搞個牛舍，搞了牛舍又有需要雇用農夫來經營牛舍，就這樣圍繞著獨居禪師，慢慢地竟然開始形成小聚落，慢慢變成小村落...

這個比喻描述了為了滿足單一需求，卻最終落入必須投入成倍資源與成本的困境，但說是困境也不然，只能說獨居禪師也不太想真正獨居。這個概念的核心在於，原本只是想簡單解決的問題，在追求「自主掌控」的過程中，意外地催生了一連串複雜的附屬任務：聘請牧童、興建牛舍、申請執照、員工教育訓練以及安排動物防疫等。一件簡單的事，最終演變成需要營運整個牧場的繁瑣工程。

最近，我在數位生活的需求上也面臨了同樣的狀況。由於工作與組織運作的需要，我購買了自己的網域，並希望能將個人電子郵件與此網域掛鉤。原本的解決方案是使用 Google Workspace，付費即可整合 Gmail 服務，但其按人頭收費的商業模式，對於擁有少量郵件往來或小型非營利組織的用戶而言，成本顯得極不划算。市面上雖然存在郵件轉寄（Email Forwarding）的替代方案，能以較低成本處理多個信箱，但在嘗試後，依然覺得這筆長期付出的訂閱費用與我「僅是為了轉寄信件」的初衷有違。

面對這種「小需求卻伴隨高隱形成本」的兩難，我曾思考過是否要動手架設自己的郵件服務。然而，「為了喝牛奶而養牛」的陰影立刻浮現，一旦開始動手，後續的維護、伺服器設置、防垃圾郵件機制等工作便會隨之而來。過去要實現這種架構，往往需要具備後端、前端、部署與架構規劃的多名工程師分工合作，如果要自己做也是可以，但耗時費力，短則數週，長則一兩個月，對還有工作的個人開發者而言幾乎是不可能的任務。

但我突然想到，在開發上，現在有人工智慧工具啊！搞不好養牛是划算的。透過 AI 輔助，將這場「養牛」的挑戰，搞不好可以轉化為現實，甚至將其轉變成一個可行的商業服務。所以就先用 AWS 的 SES 處理郵件傳輸，結合 GCP 的 Firebase 管理使用者登入驗證，並將靜態網頁託管在 GitHub Pages 上。這套跨平台架構雖然複雜，但有了 AI 作為 Agent，我不用再需要花心思處理瑣碎的設定與 Debug，而是將心力放在架構設計與實作規劃上。

整個專案的實作效率驚人，原本估計如果是自己做需要數週的開發週期壓縮至三個工作天內完成。透過與 AI 的來回修正，那些煩人的驗證機制、資料庫串接與雲端部署等難題都可以相對比較快搞定，可以順利的將每月九美金的服務費用降至趨近於零，更建立了一套具備擴充性的管理平台。這是一次典型的「為了喝牛奶而養牛」，在過程中不僅得到了牛奶，還順手蓋出了一個可以自己運作的看似成熟的系統。可以想見，現代工程師與 AI 協作的關鍵轉變：我們不再需要依賴龐大的團隊處理瑣碎邊緣事務，而是能以個人之力，掌握核心技術，將複雜的系統化繁為簡。

這個故事其實還有後續，有機會再寫另一篇

你要的是「純AI運營系統」而不是AI員工

AI 員工（Agent）最近幾個月瘋狂成長，有些 repo 甚至已經包山包海地提供超過 120 個 Agent 橫跨各種系統。根據 Belitsoft 的預測，2025 年 AI Agent 市場規模達 80 億美元，2026 年預計成長至 118 億美元，年複合成長率高達 46.61%。這種爆炸性成長的背後，有一個關鍵問題值得我們停下來思考。

AI Agent 確實可以提高工作效率，但他很有可能造成類似 Rube Goldberg machine（魯布·戈德堡機械）的化簡為繁的反效果。

魯布·戈德堡機械是一種刻意過度設計的裝置，以極度複雜的方式完成極為簡單的任務——這個比喻，正精準地描述了當今許多企業的 AI 導入現狀。許多經驗豐富的技術領導者和專家，仍不斷地將時間與預算投入到這種精心設計的複雜系統之中，還以為越複雜的架構就越顯得聰明，殊不知真正的簡潔才是更高的境界。

Token 浪費：已被數據證實的代價

如果大家只是拼命的利用 Agent 而不管彼此的合作，那巨幅浪費 token 是一定會發生。已經有許多公司在 2026 Q1 花費上百萬美元的 token，而做出的效果卻沒有想像中的好。

這一現象有個專有名詞，叫做「Tokenmaxxing」——公司把消耗 token 的數量當成員工 AI 生產力的衡量標準，鼓勵工程師拚命使用 AI 工具。結果走火入魔：Amazon 的部分員工甚至讓 AI 去執行毫無意義或不必要的任務，只為了拉高 token 使用統計數字，因為管理層已將此作為評估員工績效的指標。

事實上，Agentic AI 工具（能自主執行多步驟任務的 AI）所消耗的 token 量，是直接查詢大型語言模型的 1000 倍以上。這意味著，一個未經妥善設計的 Agent 工作流，可能在短時間內燒掉驚人的成本。許多Agent每次的prompt加入許多根本不需要的資訊，有些傳聞甚至說，公司員工會把整個公司可用的資料當作每次Agent的prompt，導致暴增的input token，而需要的資訊，可能只是「幫我找上次訂比薩的電話」這種蒜皮小事。

更多例子像是：Uber 宣布在 2026 年僅前四個月就燒光了全年的 token 預算，部分原因是 Claude Code 的高度使用；Salesforce 執行長 Marc Benioff 則表示，今年的 Anthropic 帳單將高達約 3 億美元。最終，Meta 撤下了員工自發建立的 Tokenmaxxing 排行榜；Microsoft 也在多個核心產品部門取消了 Claude Code 的訂閱；Uber CEO 明確表示，Tokenmaxxing 與實際出貨任何有價值的成果之間，並沒有關聯。

這背後的原因在於，隨便花費 錢(token)當然容易，但如果沒有朝向整體化設計，那效果會很糟。企業高層真正在意的不是每個 token 的成本，而是每個「結果」的成本。那些將衡量指標對準業務成果的組織，表現遠優於那些只優化推論效率的組織。

企業其實要的是「純AI運營的系統」

企業，特別是新創公司，其實要的是「純AI運營的系統」，而不是每個地方有一個更好用的 AI Agent。

如果說 2025 年是企業學習「用 AI 建造」的一年，那 2026 年就是企業學習「以 AI 原生方式運營」的一年。AI 不再只是輔助人類工作的工具，它正成為企業運營中的自主參與者。這種轉變，要求的不只是多採購幾個 AI 工具，而是整個企業架構思維的根本重塑。
然而，Gartner 預警，超過 40% 的 Agentic AI 項目有在 2027 年前被叫停的風險；目前只有 21% 的組織對自主 AI 代理擁有成熟的治理模型。問題的核心不在技術，而在於許多企業只是在舊有流程上貼了一層 AI，而非從零開始重新思考作業系統的設計。

到目前為止，「純AI運營的系統」還是需要經過妥善設計的以及擁有領域背景，智人週刊 就是一個典型範例。雜誌週刊公司，是一個從 1605 年開始就有的出版業。他的作業流程從 1760 就幾乎定型沒有改變：

1. 邀稿與撰寫
2. 手工排版（無論是手工還是電腦）
3. 圖像製作（無論是木刻版圖、油墨印刷還是電腦製圖）
4. 印刷（無論是哪種印刷技術，或者只是編排在 PDF 特定位置）
5. 裝訂與發行（無論是傳統送信，還是用 email）

這五件事情已經三百年沒有改變，即使是有電腦網路，也只是加快速度而已。這正說明了一件事：流程的本質沒變，只是工具換了。如果 AI 只是被當成「更快的工具」插進舊流程，那它終究只是加速了一個三百年前設計的系統，而非真正的革新改變。

但是，「純AI運營的系統」可以讓整個過程有系統性變化！例如，撰寫與圖像製作可以先行完成、可以先行審閱，而且編排印刷與發行可以同時進行不同 AI 製作的版本。

更重要的是，每個階段都可以由「總編輯」校稿修正。成功的 AI 原生組織，是那些將 AI 視為業務運營核心設計原則的組織，而不只是把 AI 作為提升效率的附加工具。「總編輯」這個角色，正是系統中保持人類判斷力與品質把關的關鍵節點，它不是取代 AI，而是讓整個系統在自動化與問責之間保持健康的張力。

 ---------

2026 年，競爭優勢不屬於擁有最先進模型的公司，而是屬於那些在 AI 調度上最具經濟紀律的公司。衡量 token 消耗量的組織會停滯不前；衡量業務成果的組織才能持續擴張。這個在新創特別更是如此。

我們需要的是「純AI運作企業」還是僅僅只是更多的 AI 員工？一個設計精良、朝向整體化的 AI 運營系統，遠比一百個各自為政的 AI Agent，更能帶來真正的競爭優勢。

---

參考資料

• Fortune: Tokenmaxxing is dead - Companies didn't get the ROI from AI they wanted to see
• CIO: Agentic AI is here, now CIOs must orchestrate
• Gartner: The AI Agent Layer
• GitHub: Agency Agents Repository
• 第一個純AI運營的線上週刊雜誌：智人週刊

找好員工比較難 還是建構AI員工比較難？

 

作為一個企業主、小主管或創業者，你是否曾思考過：要雇傭一個還不錯的員工比較困難，還是訓練出一個 AI 員工幫你處理各種固定的事情比較困難？事實上，這兩者都很困難，只是面臨的面向完全不同。

為什麼通用型的 AI 員工目前還不存在？

許多中小企業主或許會認為，現在市面上已經有許多深度整合的工具，例如 Google Workspace（Gmail、Google Drive 等）與 Gemini 的結合。你可以設定它每天早上 6 點自動尋找過去 24 小時的特定信件並執行後續動作。這看起來很聰明，且能一天 24 小時不間斷運作，但它仍然不是一個真正的 AI 員工，因為它能做的事情完全受限於工具本身。

一旦需要跨工具運作，你就必須為公司打造專屬的 AI 員工。目前市面上並不存在通用型的 AI 員工，主要原因在於每家公司的執行方式與工作環境都有巨大的差距。

即便工作性質相同，人類員工從 A 公司換到 B 公司都需要時間調整適應。以軟體工程師為例，一個在趨勢科技工作十幾年的優秀工程師，換到其他軟體公司，前幾個禮拜也必須適應新的做法。可能以前習慣使用 Perforce 這類優秀的版本控制系統，新公司卻使用 GitHub 或 CVS；又或者需要重新適應與 PM 的溝通文件、了解公司做的是套裝軟體還是工具軟體，因而只有 Release 環境而沒有上 Production 的環境。
就算是麥當勞的服務員換到漢堡王，流程有些許不同，也需要花幾個小時或一兩天來習慣。轉換成本是不可避免的，而 AI 員工的建構則會更加複雜。

AI 員工的運作邏輯與實務挑戰

在沒有實體機器人的情況下，AI 員工的背後其實就是一整串的大語言模型互相處理彼此的問題。要讓 AI 員工做到端到端（點到點）處理問題，你必須非常清楚整個業務流程在公司內部代表的意義。
以一個自動化 AI 雜誌社「智人週刊」為例，裡面就設定了一位專門負責審閱稿件的 AI 員工，職稱是「總編輯」。每週週刊準備出版並生成 PDF 時，這位 AI 總編輯就會被驅動。它的任務包含：

1. 圖文審查：檢查自動產生的圖畫與文字是否文不對題，避免 AI 幻覺導致圖片過於誇張。

2. 內容合規：檢查所有文字與圖像是否符合「台灣善良風俗」這類較為抽象的名詞要求。

3. 格式檢查：審視 PDF 是否符合手機與電腦桌面的閱讀需求。

與人類總編輯看到問題後「大手一揮」交代下屬修改不同，這個 AI 總編輯被要求在發現不符合條件時必須自己修改，修改完後再重新審視，直到符合要求才進行最後的上架準備。不過，因為這套系統目前運作時間還不長（目前才兩週），因此最後一關仍由人類進行審查並按下上架按鈕。

企業主的最完美解法

建構一套完整、系統化且沒有安全性疑慮的 AI 員工系統，門檻其實非常高。這需要具備完整軟體工程與資訊科技背景的人才，起碼要在相關工作待個十幾年，或擔任 Programmer 至少七、八年以上，才有辦法設定出沒有太大風險的 AI 員工系統。
雖然這需要投入大量時間，但從長遠來看，AI 員工不會累、能 24 小時拼命戰鬥，這比找到一個資深員工更划算。這並不代表人類沒有生存空間，因為在設計自動化的過程中，人類扮演著至關重要的角色。自動化設計是否合理、系統放在 GCP（Google Cloud Platform）上跑是否正確，AI 目前幾乎無法做最終決定，只有人才能判斷。

因此，對企業來說最完美的結合是：

如果你能雇傭到一個資深員工，他擁有軟體工程、專案管理背景，對系統化建構有完整視野，不盲信 AI 的結果卻深知其優點；他就能幫公司設定、培養並訓練出許多個 AI 員工系統。人類只要負責最後的審閱、調教與問題解決即可。

如果你找不到這樣資深的員工來幫忙設計 AI 系統，自己也無暇處理，目前市場上也有專門協助企業打造 AI 員工的新創團隊，例如 shengshan.tw 便是這類提供 AI 員工規劃與建構服務的選擇，能協助中小企業跨越技術門檻，打造出自主運作的 AI 團隊。

建立無人化 AI 公司的典範

 建立無人化 AI 公司的典範：智人週刊

在人工智慧（AI）發展日新月異的今天，企業的組織架構正迎來歷史性的翻轉。越來越多前瞻性企業發現，與其耗費龐大成本招募與培訓傳統員工，不如主動培育專屬的「AI 機器員工」。這不僅僅是為了降低成本，更是為了追求極致的效率與 24 小時不間斷的自動化營運。
然而，當人類為 AI 打造好一個能自給自足的運作環境後，究竟有哪些傳統高度依賴人力、看似複雜的工作，能幾乎完全由 AI 接管？

實驗性專案「智人週刊」的誕生，正是為了解答這個問題。

一、 智人週刊的起源：由 AI 員工「Bob」一手打造的無人化媒體

「智人週刊」並非傳統由總編輯、記者、美編和客服組成的雜誌社，而是一個徹頭徹尾的實驗性計畫。這個專案最特別之處，在於它是由一位名叫 Bob 的「AI 員工」在人類的最高指揮下建立的。
AI 員工 Bob 打造出了一個能自主運行的「AI 雜誌作業系統」，將傳統週刊繁複的經營、採訪、撰稿、設計、審稿等流程全面 AI 化，並能定期自動生成高品質的電子雜誌。
之所以選擇「電子雜誌」而非實體印刷，是基於市場趨勢的精準判斷。自 2010 年以來，全球（包括台灣）的實體雜誌訂閱量面臨毀滅性下滑，十年間萎縮了將近 70% 至 80%。雖然技術上 AI 確實可以將最終生成的檔案直接對接印刷廠，但現階段智人週刊將核心聚焦於「從零到一生成完整出版物」的數位全自動化流程。

二、 「要害一個人就叫他去辦雜誌」

華語出版界有一句流傳已久的老話：「要害一個人，就叫他去辦雜誌。」
這句話道盡了傳統媒體出版業的辛雜與心酸。辦一本雜誌，不僅要應付永遠追著屁股跑的截稿期限，還要面對高昂的人力與印刷成本、複雜的發行通路抽成，以及逐年雪崩式下滑的訂閱量。從企劃選題、約訪、撰稿、校對、排版到視覺美編，每一個環節都是極度消耗心智與體力的苦差事，無數懷抱文藝夢想的人因此心力交瘁，甚至傾家蕩產。
也正是因為辦雜誌的麻煩程度與高難度，我們才靈機一動：能不能把這份公認最折磨人的苦差事，徹底交給 AI 自動化運作？
如果能透過精密設計的系統架構，讓 AI 來承擔所有繁鎖、重複且高壓的生產流程，我們是不是就能在「不害到任何人」的前提下，依然順利辦好一本高品質的雜誌？這成了這個實驗最有趣的初衷。
當然，看著 AI 員工 Bob 沒日沒夜地抓取資料、產圖、校對並反覆審稿，也許到了未來，這句出版界的名言會演變成：「要害一個 AI，就叫他去辦雜誌。」 :)

三、 智人週刊的無人化運作架構

一個健全的週刊雜誌社，其核心在於「內容來源」與「編輯製作」。AI 員工 Bob 將這兩個板塊拆解為高度精密的自動化工作流：

1. 創新的內容獲取渠道（Content Acquisition）

智人週刊的稿件來源主要有三大支柱，完全模擬了傳統媒體的營運模式：

AI 記者小組主動採訪與編譯： AI 記者會自動在網路上搜尋值得報導的題材。目前設定的主題包含：台灣以外各國中小企業的創新商業模式、中小企業的生意頂讓（例如創辦人特別感興趣的咖啡產業），以及深度的「社會現象」剖析。

如何避開智慧財產權爭議？ 為了確保合法合規，AI 記者小組會鎖定「無版權疑慮」的政府公開資料。其中最主要的來源便是法院判決書。判決書中充斥著最真實的社會百態，且每位公民皆有權閱讀與合理解讀。AI 記者會從判決書出發，編寫出既合法又具社會警示與故事性的獨家報導。

讀者投稿平台（Human Submission）： 智人週刊的網站設計了供人類投稿的表單，歡迎文學或故事類稿件。投稿系統會要求提供 Email，此時後台的 AI 客服 就會主動接刀，負責後續與人類作者的聯絡與對接。

置入性行銷與採訪需求（Sponsored Content）： 對於新創店家（如烘焙坊、手作店）而言，傳統雜誌廣告費高昂，而智人週刊則提供全自動的置入方案。商戶只需上傳足夠的素材（如照片、文字敘述、品牌故事），AI 編輯 就會自動將這些材料梳理整合，組裝成一篇架構完整的專業採訪稿，自動排程刊登於下一期週刊。

2. 全自動化的編輯與設計工作流（Editorial & Design Pipeline）

當稿件來源就位後，系統會啟動多層次的生產與品管機制：

[稿件收集] ➔ [AI 文字排版] ➔ [多模型生成 AI 示意圖] ➔ [第一輪 AI 審稿 (防幻覺)] ➔ [封面挑選] ➔ [PDF 彙整] ➔ [第二、三輪 AI 複審] ➔ [通知人類發佈]


視覺與插圖生成： 針對每篇文章，系統會調用兩種以上不同的主流大語言模型（LLM）為同一內容生成多張示意圖，並進行風格篩選與融合，確保圖文並茂。
極其嚴苛的「多階段 AI 審稿」： AI 寫作偶爾會出現「幻覺」或偏離主題的狀況。因此，在初稿完成後，會由另一個獨立的 AI 扮演「主編」進行審查，剔除文不對題、邏輯發散的內容。接著，系統會挑選出當期最震撼、最具代表性的文章作為封面故事，自動合成封面並產出可供直接印刷的高解析度 PDF 檔案。
終審與發佈： PDF 生成後，AI 會再次進行兩到三次的自我複審，確認無誤後將檔案妥善儲存，並自動發送 Email 通知人類監督者。人類只需要按下最後的「公開」按鈕，當期週刊即正式發佈。

四、 從「智人週刊」看未來企業：人人皆可擁有 AI 員工

智人週刊在實驗初期，產出的文章與預期「天差地別」。但隨著人類教練一次次的微調、反覆訓練與系統架構優化，如今它產出的商業與社會分析文章，其成熟度已驚人地接近專業人類撰稿人的水準。
這個專案成功證實了一件事：只要結構設計得當，幾乎所有的「文字型與流程型工作」，都可以交由 AI 員工完全代勞，人類則退居幕後，擔任最終的監督者與決策者。
然而，要建立這樣一個自給自足的 AI 公司，門檻並不低。創辦人不僅需要對 AI 工具有著極深的技術理解，還要克服系統建置（例如將架構部署於 GCP Cloud Run 服務）、API 串接、跨模型比對（評估 Google Gemini、OpenAI、xAI 的生成品質）等深厚的軟體工程技術障礙。
對於渴望轉型、卻缺乏技術背景的現代企業來說，這條路該怎麼走？

這正是 Sheng & Shan Tech這類型小企業存在的價值。
作為想要幫忙「企業 AI 員工建置」的先驅，Sheng & Shan Tech 致力於幫企業搭起技術的橋樑。不管是想打造像「Bob」一樣能獨立營運媒體的 AI 週刊，還是自動處理客戶需求的 AI 客服，還是專門分析數據的 AI 特助，都可以透過這種新型態的企業達成。

==========================================

「智人週刊」的成功運作，最少我們自己證明某種從這是一個「利用資訊科技自動化」演進至「AI 自主運作、人類最終把關」的方法。

智人週刊網站（https://news.saltycat.tw/）

AI員工BobSheng & Shan Tech（https://shengshan.tw）  若你也是也正尋求轉型的企業，不妨試試 開啟你自己的無人化 AI 企業？

未來的新創公司：少數核心人類，與大量 AI 員工

如果你對未來公司的想像，仍然停留在「更多員工、更大的辦公室、更龐大的組織」。那未來正好相反！

未來的新創公司，很可能會變成一種極度精簡的型態：少數幾位核心人類，配上一整群 AI 員工。

這種變化， 並不是理論。

像Sheng & Shan Tech這類型的新世代商號， 其經營模式就已經開始展現這種輪廓。 AI 不再只是聊天工具， 而是逐漸成為真正的「數位員工」。 它們負責處理文件、 搜尋資訊、 撰寫內容、 分析資料、 協助客服、 管理流程， 甚至開始參與工程工作。

過去，一家公司如果想要維持 24 小時運作， 通常意味著大量輪班人力與高昂成本。 但 AI 出現後， 第一次讓「永不停工」這件事， 變得不再只有大型企業才能做到。

尤其在軟體領域， 這種變化已經非常明顯。

在 《24 小時與 bug 戰鬥的 AI 網頁服務工程師》 這篇文章中， 就描述了一種很新的工作模式： AI 工程師持續監控系統、 檢查錯誤、 分析 log、 生成修正程式碼， 而真正的人類工程師， 開始從「親自執行的人」， 逐漸變成「決策與監督的人」。

這件事背後最重要的地方， 不是 AI 會寫程式。

而是 AI 不需要睡覺。

凌晨三點， 當人類已經休息時， AI 仍然可以繼續處理問題。 它不會疲勞， 不會情緒低落， 也不會因為連續工作十幾個小時而效率下降。

過去只有跨國大型企業， 才有能力建立全球輪班制度。 未來， 一間只有三到五人的新創公司， 也可能透過 AI， 擁有接近全天候運作的能力。

而真正讓人震撼的， 其實還不是「效率」， 而是「成本」。

現在許多 AI coding 工具， 每個月的費用， 甚至不到一位工程師數小時的薪資。

過去如果公司想建立客服部門、 文件整理部門、 資料分析部門， 往往需要招聘許多人。 但現在， 很多工作開始能夠由 AI 長時間處理。

AI 可以搜尋 Gmail、 整理文件、 撰寫摘要、 回覆基礎客戶問題、 生成簡報、 協助程式開發， 甚至幫忙追蹤系統狀態。

而且這些能力， 還正在快速變強。

過去人類最大的優勢， 是「知識工作」。 但 AI 正在大量接管那些重複性高、 標準化高、 流程固定的工作內容。

這會讓公司的組織結構， 開始出現根本性的改變。

以前一家公司成長後， 一定會慢慢出現大量中間層： 主管、 助理、 行政、 文件傳遞、 流程管理、 資訊整理。

但 AI 最擅長的事情， 剛好就是處理資訊與流程。

因此未來的新創公司， 很可能不再需要過去那種厚重的組織結構。

人類開始專注在方向、 決策、 產品、 商業模式、 創意與策略， 而大量執行性的工作， 則逐漸交給 AI。

這代表未來真正有價值的人， 未必是最會執行的人。

而是最會「指揮 AI」的人。

因為 AI 員工有一種非常特殊的特性： 它們幾乎可以無限複製。

一位真人客服做得好， 公司若想擴張， 就需要重新招聘、 重新訓練、 重新管理。

但 AI 不同。

如果某個 AI workflow 有效， 公司可以快速複製出更多 AI 員工， 而且所有 AI 都能同步擁有相同知識與流程。

它們不會忘記規則， 不會情緒化， 也不會因為新人加入而降低品質。

這讓小型公司， 第一次真正擁有接近大型企業的擴張能力。

更重要的是， AI 的邊際成本極低。

傳統企業增加人力， 成本通常是線性成長。 增加十位員工， 薪資成本就增加十倍。

但 AI 不太一樣。

一旦 workflow 建立完成， 增加更多 AI Agent， 很多時候只是增加一些 API 成本與運算成本。

這會出現一種以前很難想像的公司型態：

一家只有幾位人類的小公司， 卻擁有非常巨大的產能。

它可能同時經營全球客戶、 24 小時提供服務、 快速更新產品、 持續生成內容， 而背後真正的人類團隊， 卻非常少。

這樣的變化， 將不只影響軟體業。

媒體、 客服、 行銷、 知識服務、 內容產業， 甚至許多傳統白領工作， 都會逐漸受到影響。

未來最強的新創公司， 也許不再是「幾千人的公司」。

而可能是： 幾位能力極強的人類， 指揮數百個 AI 員工。

這不是遙遠的未來。

它其實已經開始了。

AI營運的線上雜誌：智人週刊

 

很多人聽到「AI 寫文章」，第一反應是：
「是不是機器自動生成垃圾內容？」
但真正重要的問題其實是：
「AI 被怎麼使用？」

智人週刊 的方向，不是用 AI 大量農場化生產內容，而是把 AI 當成一種新的知識工具。這背後其實有幾個非常明顯的優勢。

1. AI 可以快速整理全球資訊
現在每天的科技資訊量，早已超過人類單獨閱讀能力。
AI 最大的價值之一，就是能快速的(a)整理大量資料(b)比對不同來圓(c)摘取重點(d) 建立事件之間的關聯

尤其 新創、AI、國際科技產業變化極快，很多內容甚至一天內就會翻新。傳統媒體很難即時消化這種資訊量。

但 AI 可以協助編輯快速建立初稿、整理脈絡，把人類作者從大量重複整理工作中解放出來。這讓週刊能把更多精力放在分析以及深度整理，而不是浪費時間手動搬運資料。

---

2. AI 能跨領域連結資訊，以及深覺很小的範圍的事情
現在最有價值的內容，通常不是單一領域知識。
而是，各類型交互關聯的事情。而且！那可能是相對比較小眾，傳統報章雜誌不會花時間深入的事情。

舉例來說這篇：日本接手既有的小生意來移民創業他可能是相對小眾的事情，一般雜誌可能受限於人物力，沒辦法妥善專注於這類話題。
它能快速從不同領域中找出關聯性，例如這篇 同時橫跨日本美國的創新企業。

---

3. AI 可以降低知識門檻
很多科技議題其實非常複雜。AI 的另一個優勢，是能協助把複雜資訊重新組織成更容易理解的內容。 讓更多人可以真正理解科技變化，而不是只能看標題。當然有時候寫的沒有什麼人味是個潛在的問題，但未來一定會改善。

---

4. AI 不會疲勞，可以長時間持續追蹤議題

人類編輯有時間限制。
但 AI編輯 可以：24 小時戰鬥:)
這對於高速變化的 AI 時代非常重要。
因為很多趨勢不是單一新聞，而是長期變化。

有時候真正重要的是長期觀察，而不是單篇新聞。

---

5. 「AI + 人類編輯」比單獨任何一方都更強
《智人週刊》真正有價值的地方，不是完全由 AI 自動生成。
而是：
AI 負責高速整理資訊，人類負責判斷與觀點，這種模式其實很可能就是未來媒體型態。
因為未來最強的內容生產者，不一定是：
「完全人工」
而是：
「最懂得使用 AI 的人類」。

---

6. AI 時代，本身就需要 AI 媒體
現在 AI 正在改變原本人類的各種活動。
但很多傳統媒體其實還停留在舊時代。
如果一個媒體本身就積極使用 AI，它更容易真正理解，AI的能力和限制。

《智人週刊》最大的特色之一，就是它不只是「報導 AI」，
而是直接活在 AI 時代裡。現在剛創刊期間，訂閱不需要費用:)

另外，經過跟許多不同的AI/搜尋引擎確認之後，智人週刊是台灣第一個全面由AI運營的週刊雜誌出版者！（不知道是不是亞洲第一個）

24時間、戦えますか （你可以24小時戰鬥嗎！） 還好我有24小時戰鬥的AI工程師

 "24時間、戦えますか  " (你可以戰鬥24小時嗎)：是日本 1980年代末期，泡沫經濟巔峰時期，最具代表性的廣告標語。它是提神飲料的廣告，是整個時代對於上班族的最大的代表印象！

那個時代，歌詞中將上班族描繪成在全球奔走的「企業戰士」（ビジネス戦士），但是在這個時代，是所謂的可憐社畜。

當然，再怎麼社畜，也沒有人能真的24小時工作。再者，普羅大眾的覺醒，也讓大家知道為了公司拼死努力是很慘的事情。但反過來說，我遇到的所有老闆，都希望員工能為公司努力，只是程度上的差別，有些拼命壓榨，有些是給予"合理"的挑戰，幾乎沒有真正的老闆覺得員工隨便做沒關係 -- 除非這個老闆不是出錢開公司的人。

2000年之後，資訊科技發展很迅速，一個普通的工程師跟一個厲害的工程師，運用資訊科技的能力差異，讓他們的產出也有很大的差距。也因此，不少工程師，試圖把自己變成可以"24時間、戦えますか  "的企業戰士，超時努力奮鬥，但通常結果不會太好，至至少對自己的健康不好。

前幾年開始，工程師們有了「AI」之後，情況截然不同。我們不想當社畜，但是AI可以！只要妥善設計使用，AI可以24小時戰鬥！

我們公司nurie.ai有個極其顯著例子：「24時間、バグと戦い続けるウェブサービス・エンジニア」(24小時跟bug戰鬥的ＡＩ網頁服務工程師) ！

她是怎麼來的？

* 首先，在GCP log裡面設定把error等級以上的log，利用Sink丟到pub/sub 的設定好的topic中。

* 接下來，撰寫一個簡單的cloud function，當topic有資料的時候就驅動。他還要順便截取足夠的log，然後驅動github action

* 然後，github action裡我們使用opencode+Gemini，會先分析log與目前的程式庫，如果發現是嚴重的問題，會使用opencode自動產生出"比較副作用"的解決方案，然後產生PR等候人類檢閱。

這個自動化模式會24小時運作，就像24小時都會有個工程師不斷地檢閱目前伺服器運轉的問題，然後比對程式碼，然後產生可能的解決方案，然後撰寫文件，然後產生PR。雖然我們目前還沒有信心可以不用人類檢閱就直接合併PR並且重新部署，不過我想很快的就可以達到這個境界。

很快地，能夠妥善掌握「製造」「調教」24小時戰鬥的AI工程師，會變成資深工程師的主要工作之一！