頭銜認證

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！

200年保存資料的承諾

 

太陽底下沒有新鮮事，我上禮拜花時間研究如何在SOLANA (簡稱SOL)上，利用註解保存資料，但總感覺應該有人早就想到才對。花一點時間在google以及AI查了一下，果然有幾個區塊鏈公司早就在搞這個，其中ARWEAVE竟然還是SOL底層所使用的儲存基礎，也就是說SOL除了最近的幾個交易/正在挖的block之外，歷史紀錄都是存在ARWEAVE(簡稱AR)，而AR自己並不熱衷於提供meme幣等等，他是專注於提供區塊鏈建設，特別是區塊鏈已經有「不可能刪除」「不可能更改」的特性，他進一步用各種方法加強「永久保存」，也就是說，他要加強的是整個AR區塊鏈，怎麼樣確保未來200年還活著！細節可以看這個white paper

所以，我當然趕快修改我的project實作方式，讓整個project改用AR而不是使用SOL。既然SOL是基於AR的基礎上，那等於那個一直在跌的川普幣，其實也是在AR的基礎上，從某個角度來講，搞不好川普也是想讓他的川普幣繼續賺錢200年？

AR為了確保整個鏈的源頭也不可能被修改，特別搞了個登月計劃實質上把創始區塊「物理的」放到月球上。老實說這個噱頭的意味比實質用處大，但的確讓人感覺的出來，AR想用各種方法保證他的承諾，所以會讓人放心的使用ＡＲ來建構各種需要「不可修改」「不可刪除」「長期承諾」的應用。最容易想像的就是交易紀錄／會計帳，還有這個我自己做的數位刺青 

永久保存的數位刺青

有許多不同的地域文化都有刺青的傳統，一般來說，古代都是要表達某種「長期承諾」或者「不可改變」的事情。我們小時候，最常聽過的就是岳飛媽媽幫忙刺青的故事，通常是說他刺了精忠報國，也有說是盡忠報國，不管怎樣，代表的某種長期不可改變的承諾。後來我讀了其他歷史書籍小說，例如水滸傳，裡面很多刺青都是被迫的，例如黥面(念作"情"面)就是在你臉上刺青，用在不讓人家逃跑的時候。有些時候刺青太花時間，就直接用燙的，像是武松，宋江，都被燙過。

以古時候的技術，刺上去就不可能磨滅，是某種永久保存的生物技術。

現在人刺青概念上差不多，只是大部分，應該不是被強迫的。絕大部分是為了自我的風格，以及某種紀念性，有聽過很多人把自己的親人甚至寵物刺在身上，代表永遠紀念吧？

事實上，刺青只能表達自己永遠不忘，表達自己的承諾。但是，區塊鏈有一種應用方式，可以讓資訊像刺青一樣永不消滅。

 

區塊鏈的帳本是一個一個向前關聯的「區塊」組成，每個區塊包含上一個區塊的簽名(SHA-256或者其他數位辨識簽章)，換言之，一但區塊交易被寫入，是不可能被改變，也不會被移除。大部分的區塊鏈交易的時候，除了必要資訊，像是轉入轉出帳號，數量，用的是哪個交易程式等等必要資訊之外，允許寫入少量字串作為紀錄或者擴充用途。這個少量資訊也是區塊的一部分，也不可能被刪除，也就是說，如果你有一句想要永遠存在的一段話，寫在市面上的大型虛擬貨幣區塊鏈裡面，那句話就幾乎不可能消失。等同於有個數位刺青，「刺」在區塊鏈裡面。

舉一個很極端的例子，例如你想要告訴你的女朋友說「to某某人 我永遠愛你，from 某某人」你可以透過區塊鏈交易，把這句話寫在區塊鏈，他永遠可以公開查到。從某個角度來說，如果有一天你換女朋友了，他比刺青還慘，刺青你還可以找皮膚科醫生想辦法弄掉，區塊鏈的資訊是永遠不可能弄掉的。

不過舉一個好一點的例子，除了刺一段話之外，其實只要有足夠的交易次數，你甚至可以刺入一張圖片，例如你可以刺入某個人跟你借錢的借據照片，那個借據永遠都會存在。

數位刺青其實有很多有趣的應用。我做了一個 可以簡單「數位刺青」的網站應用-> https://tt.saltycat.tw/有興趣可以試看看

AI時代的隨身物品

在手機時代以前，人類好像沒有什麼固定的隨身攜帶物品。歷史書籍，小說，古早時候的報紙雜誌，或許會記錄特定原因出門要帶的東西，但是沒什麼共通性。

"水滸傳"裡面，大部分的角色逃亡出遠門都是帶朴刀棍棒；"悲慘世界"裡面，小人物出門幾乎就兩手空空，有錢有權的人出門是要帶傭人，至於傭人帶什麼就不一定；"福爾摩斯"裡面，大概是因為時間對於犯罪事件很重要(不管是好人還是壞人)，所以懷錶變成一個似乎很常見的隨身攜帶物品。

手機時代開始之後，成年人幾乎出門一定會帶手機，好像不帶手機出門是個可怕的事情。人對手機的依賴性，比對喝水的心裡依賴性感覺高很多，可是其實連續兩天不喝水，人是會死的，但是兩天不用手機，你搞不好活得更健康。很多人會以為自己很重要，不讓人聯絡到好像世界就不會和平一樣，老實說，其實大部分的人沒那麼重要，你朋友親戚，兩天找不到你其實一點關係都沒有。

不過，隨身攜帶智慧型手機，倒也不全然是聯絡方便。畢竟出門在外需要各種資訊的時候，智慧型手機確實是目前最佳選擇。公車什麼時候會來？附近哪裡有好吃的餐廳？要去某地方，走哪條路比較快？下午會不會有雷陣雨？這些是古時候的人沒辦法簡單地用個小小的裝置就知道的訊息，而智慧型手機的時代卻變得再簡單不過。

只是AI加上機器人的時代很快就會來了，現在只是個過渡階段，所以很多人會用手機上的應用程式來使用AI。科技的過渡階段，有時候會延續很多年，但有時候卻很快就不見得。當人類利用電話線來「傳真影像」時，這其實是一種資訊的過渡階段，傳真機當然是好東西，可是畢竟是過渡階段的產品，隨著數位網路一開展，傳真機很快就消失了。

人類以後應該會變得跟17~18世紀的人一樣，出門都帶著一個AI機器僕人，只是這個機器僕人是非常厲害的，他可以幫你接電話打電話，幫你帶水跟零食，坐捷運幫你刷卡，他自己可以上網，因此原本智慧型手機可以做的事情他都可以做。如果你買的是全配版本，他甚至可以背得動你，讓你去登山郊遊的時候變得很輕鬆。你已經沒有需要攜帶任何物品，只要記得讓AI機器僕人跟你一起出門就好...事實上，只要你一但依賴AI機器僕人，你就已經沒辦法獨立的"出門"，你會變成喪失了基本方向感，無法透過自己的些許基本常識知識來讓自己做想做的事情，你依賴那個AI機器僕人的程度，遠遠超過現在我們依賴智慧型手機的程度。

人類的預測

每到歲末年終，媒體雜誌或日常討論中總會充斥著對明年的各種預測。不論是股市（像最近台股站在三萬點已久，美股道瓊甚至衝上五萬點），或是對政治經濟的展望，大家總愛預測未來。報章雜誌登這些內容無妨，讀者看得有趣，也能為生活增添新鮮感。但其實，人類對未來的長期預測，其實通常相當不準。

最令我印象深刻的預測時間點是 1999 年末。當時我還在念研究所，那時媒體對 21 世紀的預測大致分為「極度樂觀」與「極度悲觀」兩個極端。這其實很符合人性，畢竟平淡的標題沒人想看，唯有極端的情論才能吸引眼球。

悲觀預測的經典：千禧蟲危機（Y2K）

當時最著名的悲觀預測就是「Y2K 千禧蟲事件」。

我還記得1998~1999很多人的簽名檔會列出Y2K可能有問題的日期，叫大家那些日期千萬不要搭飛機。

Y2K大概是這樣來的: 早年電腦記憶體昂貴，IBM 規格的電腦在記錄年份時只取後兩位數（如 1998 年記為 98）。大家擔心到了 2000 年，年份歸零會導致軟硬體失效甚至崩潰。雖然這多半發生在飛機、交通、銀行等老舊設備上，但在 1995 到 1999 年間，這被無限放大成「文明終結」的危機。結果呢？2000 年一到，除了少數不常更新、影響範圍極小的工廠或設備外，全世界幾乎什麼大事也沒發生。跨入新世紀後，就再也沒人提起這件事了。

樂觀預測的落空：普及的太空旅行

在 1999 年，美國人對未來最樂觀的預測之一是「太空旅行」。當時認為 21 世紀的前 20 年，去太空軌道、月球甚至火星會變得非常普遍且廉價。這項預測是有邏輯基礎的：當年哥倫布發現新大陸後，不到 20 年跨洋移民就開始普及，要知道在哥倫布之前，橫跨大洋的航線跟登月的感覺是一樣的，幾乎是不保證活著回來；萊特兄弟發明飛機到噴射客機跨洋飛行，也僅花了約 60 年，萊特兄弟的其中一個人，甚至坐過噴射客機。而噴射客機的複雜度跟他們當年發明的飛機技術含量的差別就跟你手上的鉛筆和手機的差別一樣。所以，依照當時科技進步的速度，大家以為去月球是手到擒來，這並不是很不切實的地預測。然而，若缺乏資本主義的力量推動，這目標極難達成。直到最近幾年，隨著馬斯克的 SpaceX 崛起，太空旅行的希望才算重新點燃。

三個離我們很近的失準預測

除了太空跟千禧蟲，還有三個與生活息息相關的預測也跟現實大相徑庭：

1. 實體店面會消失？ 1995 年後網路發展迅速，當時預測網路購物會完全取代實體店。雖然網購確實重擊了零售業，許多雜貨店也消失了，但實體店面並未迎來末日。大型百貨公司與商場在先進國家依然屹立不搖，因為實體購物仍具備不可替代的體驗價

2. 出版業與紙本書的終結？ 隨著 PDA、電子紙與平板的出現，大家預測紙本書會消失，認為內容才是重點，載體不重要。這就像當年錄影帶出現時，有人預言電影院會消失一樣。

   
   
   但事實證明，電影院反而轉型成更好的娛樂場所；實體書至今仍有其存在的質感與價值。到今年為止，先進國家每年出版與印刷書籍的數量，甚至是過去的兩倍多。

3. 都市扁平化與去中心化？ 當初預測網路與交通發達後，大家不再需要擠在都市中心，人口密度會降低，形成廣大的衛星都市。結果卻相反，除了處於戰爭狀態的國家，全球的「大都市化」反而更嚴重。以日本為例，雖然總人口減少，但東京、大阪及福岡的人口密度卻持續攀升。台灣也是如此，儘管房價翻倍成長，大台北地區的人口與資源依然高度集中，中小都市縮減，超大型城市（Mega City）卻越來越大。

不必為悲觀預測過度焦慮

從 2000 年至今的經驗告訴我們，不論是雜誌還是專家，對未來的預測往往不準。所以，當你看到那些奇奇怪怪、或是令人恐慌的悲觀預測時，大可不必太擔心。第一，那些事很可能根本不會發生；第二，就算發生了，它發展的方向也絕對會跟你當初想的完全不一樣。

腦霧圍棋

在 2024 年到 2025 年左右，雖然我也打了四劑covid-19疫苗，還是確診了新冠肺炎。康復後，發現自己出現了腦霧的症狀，腦袋感覺總是比以前容易忘記事情。身為一名靠腦袋吃飯的工程師，這種能力的下降當然會擔心，但也不能坐以待斃。

一般針對健忘、腦霧甚至是老年失智，其實都可以透過認知復健來增強腦力。過去科學界認為腦細胞數量在出生後就固定了，只會減少不會增加；但現代研究發現，大腦的智力其實取決於神經元之間的連結，也就是觸突。連結越多，智力成長就越快。以往研究認為，雖然腦細胞會隨著年齡慢慢死掉，但其實我們只需要不到十分之一的腦細胞就能維持正常智力。

但驚人的是，2023 到 2025 年間有研究指出，即便是八、九十歲的老年人，大腦每天仍會產生約八千個新的腦細胞(年輕人的話更多)。雖然與腦內總量相比微不足道，而且這些新細胞若沒有與其他神經元產生聯絡，幾天內就會凋亡。所以！「學習新事物、讓大腦接受刺激」，是留住這些細胞、改善腦霧，或者讓自己智力持續成長的關鍵。

所以前兩年，為了訓練大腦，我設定了兩個目標：學日文與學圍棋。對軟體工程師來說，學習新的程式語言或 AI 工具固然對工作有幫助，但因為邏輯相近，對大腦新迴路的刺激有限。圍棋作為歷史悠久且最複雜的棋類活動，對我而言是完全陌生的挑戰。我先在野狐圍棋網站練習了幾個月，從基礎規則學起，每天花半小時鑽研，終於能完整下一盤棋，並在網路上達到約六，七級的程度。為了驗證實力，也想看看這個圍棋世界到底長什麼樣子，我報名了今年(2026)一月初在基隆舉辦的圍棋公開賽。

比賽當天，現場聚集了八百多位選手，規模驚人，聽現場的人說這是台灣規模最大的業餘比賽。畢竟我是初學者，所以報名的是最低階的初學者組（戊組）。原以為會看到一群小朋友，沒想到成年人也佔了約四分之一，其中還有不少大學圍棋社的學生。開幕式時，主持人當然先致詞，現場其實非常吵鬧，亂哄哄的，這個主持人大概訓導主任之類的角色，竟然因為現場小朋友太吵而抓狂大罵，甚至要求全場起立罰站。我跟幾位老先生尷尬地對望後，也只好跟著站起來，自從國中畢業之後，再也沒這種被訓導主任連坐罰站。

後來那個訓導主任主持人，開始「機會教育」，強調圍棋能培養耐心與秩序，甚至提到贏了不要驕傲，輸了不要翻桌。當時我覺得這話很荒謬，下圍棋怎麼會翻桌？對這個主持人講得十分不屑，不以為然。沒想到第一場比賽還沒結束，隔壁桌就傳來砰的一聲，一個大概小學一二年級的小男生因為不服裁判判決，真的把棋盤掀了，棋子散落一地。哎，原來訓導主任才是對的。

在比賽前，我曾有過欺負小朋友的幻想。我在網路上聽說初學者組的程度大約只有十五級，而我在野狐圍棋有七、八級的實力，應該能輕鬆取勝。但我忽略了一個關鍵：台灣業餘圍棋的級位系統最近改版了。過去級位證書常由老師或補習班核發，導致部分級位與實力不符。新規上路後，規定必須參加正式比賽才能拿到等級證明，這導致許多實力堅強的高手，因為多年未參賽或從未拿過正式證書，全都必須從初學者組打起。這讓原本應該是新手村的地骯，突然變成了高手雲集的戰場。

根據瑞士規則，每人會打五場。我的第一局對手是個很有氣勢的小男生，落子非常專業。我利用小朋友愛吃子的心理設下陷阱，故意丟掉小塊弱棋誘敵，實則在圍地，最後順利取勝，這樣就稍微有點信心。沒想到第二局遇到一名大學圍棋社的學生，他雖然久未下棋，但基本功極其紮實，我們下得非常接近，最後經由裁判用手機拍照分析（對 現在比賽不用數子，都是用手機拍照，分析就知道結果），我竟然以半目之差險敗，差半目的心情真的不好。
第三局遇到一個留著西瓜皮髮型、感覺像是發胖的塔矢亮的小男生，他佈局嚴謹且速度極快，結我忘了設陷阱，加上連三場拿白棋（後手）較為被動，最終輸了三、四目。第四局又遇到一名大學生，因為瑞士制規則，勝場相同的人會排在一起，我們都是一勝二負，下起來格外保守。最後他攻勢轉趨積極，我再吞一敗，確定無法晉級。第五局面對同樣一勝三負的小男生，我重新拿出誘敵策略，讓他在吃子過程中浪費過多手數，成功圍得大模樣，最後以較大差距贏下最後一局。
最終戰績是五戰兩勝三負。整個比賽到最後我頭暈腦脹，雖然只是初學者組，但每一位的佈局與實力都遠超我的想像。每個人都是有備而來，哎，我才是圍棋底層的那個人。回到家後，我整整睡了一個下午，頭暈才緩解。這種高強度的腦力負擔，對中年人來說確實不小。雖然暫時不敢再參加比賽，但這次經驗確實讓我對圍棋世界有了深刻的體悟，也算是一場另類的腦力健行。

西洋棋體驗記

前陣子因為 COVID-19 康復後總覺得腦袋蒙了一層霧，為了讓思考重新找回清晰的節奏，我開始逼自己學些新東西。之前陸續試過圍棋和日文，而最近這陣子的新歡則是西洋棋。實際跳進去玩才發現，這項棋類在文化背景上與我們熟悉的東方思維完全不同，畢竟它是歐美國家幾百年來深植在骨子裡的遊戲。
現在學什麼都得靠網路，我第一個找的就是 YouTube 和各種教學網站。在西洋棋的世界裡，平台的規模感非常驚人，像是最大的 Chess.com，即便是在非假日的尋常時段，線上對弈的人數也隨時保持在 20 到 40 萬人之間，這還不包括那些正在解謎或是看課程的人。相比之下，我們熟悉的野狐圍棋大約只有幾千到兩萬人的規模，兩者的人口基數完全不在同一個量級。
這種人口紅利也延伸到了教育與社會競爭上。在歐美體系裡，西洋棋不只是一個休閒遊戲，它更像是智力的硬指標。申請歐美的大學或研究所時，除了課業成績，校方非常看重課外活動的領導力或智力表現。如果你能在正式的西洋棋組織裡拿到一個 Rating（等級分）或證書，那在申請時是非常有分量的參考指標。這也是為什麼你會在網路上遇到大量的印度棋手，因為對於他們或是有意送孩子留學的家庭來說，西洋棋是一張通往頂尖學府的敲門磚。
在這些平台中，Chess.com 像是一個精緻的商業樂園，它非常懂得提供「情緒價值」。當你下完棋，它的 AI 會用很人性化的口吻分析你的優劣，還會發給你各種勳章，比如跟七個國家的人下過棋就會得到一個聯合國獎勵，或是統計你最常拿哪顆棋子將軍。相對之下，非營利的 Lichess.org 就顯得硬派許多，介面簡潔、沒有廣告，AI 分析冷冰冰地只給分數和勝率，完全不打算照顧你的情緒，但也因為純粹，吸引了許多技術流的玩家。
不過，我最後選擇在 Worldchess.com 付費會員，因為它是國際西洋棋總會（FIDE）的官方線上平台。雖然它的人數較少，只有幾千人，但它能提供真正的「實體成就」。為了防弊，註冊時還得拿護照合照，確保是你本人在下。這裡給的 Candidate Master（候選大師）頭銜是全球公認的，你甚至可以花點歐元請協會主席簽署一份印有你名字和證書編號的 PDF，這種正式感對於像我這樣的業餘愛好者來說，是一種小小的、卻很實在的心理滿足。
在那裡參加線上錦標賽非常緊張，一場接一場的循環賽，中間可能只有 60 秒讓你跑個廁所，稍微慢一點就會被判負。即便你在十幾個人裡面排倒數第二名，它還是會給你一張記載了參賽國家的正式證書。這種緊張感與正式的證書回饋，讓人在對弈時不自覺地嚴肅起來。雖然我現在還在初學階段，但我希望有朝一日能拿到那個最低等級的官方頭銜，不為了給誰看，純粹是想給這段對抗腦霧的學習歷程一個小小的勳章。