《非正式寫作》

管線搬運資料，Agent 承載意圖

Mon, 30 Mar 2026 00:01:28 GMT

Photo by T K on Unsplash

歡迎回到《非正式寫作》理解複雜世界，前往那尚未被命名的自己。

今年年初，AI Agent 迎來了一波新的熱潮。以前我們看的是模型本身的能力，到了 2026 年，我們關注的是 AI Agent 能否自主判斷、決策、執行，並且以迭代的方式自動運行整個迴圈。

加上我常用的知識管理與寫作工具，近期都紛紛推出了 CLI (Command Line)、Skills1 或 MCP2 等與 AI 模型整合的介面。

於是，我也開始嘗試讓 Agent 自主調用這些工具，在內容產出的流程中串聯起不同工具之間的協作，讓體驗更加流暢。

上週我在 Threads 上發了一篇貼文，分享這套 AI Native 的知識工作流「三件套」：Readwise、NotebookLM 與 Obsidian，收到了不少關注。

這期電子報就來聊聊，這三個工具和 Claude 整合之後，如何進化我的內容產出流程。

《非正式寫作》探索並理解當代世界的多面向特質。
週一更新。馬上訂閱，與 1700+ 位讀者一同升級 ⬆️

Subscribe now

意圖的流水線

過去我們使用 AI，大多把它當 Copilot：針對單一任務互動，找到更快的解法。

2026 的方向不一樣了：AI 不再只是你的助手，而是開始扮演一個新角色。

這讓我想起 Unix 的一個經典哲學：Pipe (管道)。

Pipe 的精神是：每個工具只做一件事，把它做到最好。讓 Input 和 Output 的介面保持簡潔精煉，透過 | (pipe)，不同的工具就能串接成一條強大的流水線。

舉個例子，假設你想從一份閱讀清單 (reading-list.txt ) 中，找出讀過幾篇跟 AI 相關的文章，你可以利用 pipe 串接 4 個不同的工具達成：

cat reading-list.txt | grep “AI” | sort -u | wc -l

4 個工具，各做一件事：讀檔 (cat)、篩選 (grep)、去重 (sort)、計數 (wc)。它們彼此獨立，但透過 | 就能串成一條流水線。這就是 Pipe 的威力：每個元件雖然單純，組合起來卻能解決複雜的問題。

Agent 正在讓整個 SaaS 生態系 Pipe 化！

越來越多 SaaS 服務開始推出 MCP、Skills 和 CLI 等介面。本質上是在將自己改造成符合 Pipe 精神的元件，好讓 Agent 能正確地調用它們。

「確定性」是推動自動化的關鍵因子。GUI 並不是模型取得確定性的最佳方式，模型不需要良好的 User Experience (或者說，以前的 UX 面向的 user 是人，如今這個 user 可能更多會是 AI model)，明確的指令介面對 Agent 來說，更穩定高效。

以前我們用 Prompt Engineering 喚醒 AI 執行特定任務的準確性，其中的不確定性讓這份技能帶點藝術的成分。當各個垂直領域深耕已久的 SaaS 服務將自己的能力定義成明確的語言介面，Agent 不再需要碰運氣，每一次的執行都是品質一致的產出。

這帶來關鍵的轉變：Agent 從 Copilot 進化成了 Coordinator。

Copilot 在單一任務上與你互動；Coordinator 則能依照情境調用不同專業的工具，讓你在同一處實現工具之間 Context 的無縫銜接。Agent 不需要在各項任務上都出類拔萃，它的價值更多在於知道哪個工具擅長什麼，然後把任務分派出去。

每個工具在自己的領域有更深的著墨，Agent 負責的是把它們黏在一起。這就是我所謂的「膠水層」。

在我的知識管理流程中，經常使用的三件套是 Readwise、NotebookLM 和 Obsidian。過去，資訊在這三者之間的傳遞是線性且手動的：從 Readwise 匯出 highlight 到 Obsidian，搭配寫作的 idea 草稿再一起丟到 NotebookLM 消化。即使有些自動同步工具，也只是固定路徑的搬運，很難隨心所欲。

現在，這三個服務各自推出了 MCP、Skills 或 CLI 等 AI Native 的介面，Agent 就像是 pipe 一樣，工具彼此之間遵照協定與 Agent 串接，彼此的價值便能流通，創造更多可能。

資訊不再侷限於固定路線的單向流動，而是能在任意兩個工具之間，按需求串接、轉化、再組合。從線性的搬運，變成了網狀的協作。

三件套：Readwise × NotebookLM × Obsidian

在《高效寫作流: 從靈感到發佈》這期電子報中，我分享過自己的寫作流程：Sourcing → Stacking → Drafting → Writing → Publishing。其中用到的工具不少，但真正構成知識管理骨幹的，是三個角色分明的工具。

Readwise — 輸入層

Readwise 是我資訊輸入的第一道篩選層。看到值得深讀的長文，先丟進 Readwise；閱讀的時候，用 Highlight 把有感的段落標記起來。這些 highlights 會自動同步到 Obsidian，成為未來寫作的原料庫。

過去我在《產出導向的資訊整理術》中提過，我會按照電子報的主題分類來為 highlights 打標籤，讓這些閱讀痕跡不只是「被動累積」，而是帶有未來用途的素材。但老實說，大量的 highlights 堆在那裡，真正被重新翻出來用的比例並不高。

現在，Readwise 推出了 CLI，讓 Agent 可以直接用語義搜尋的方式，從上千筆 highlights 中撈出與當前寫作主題相關的素材 — 不再需要我自己記得「之前好像在哪裡讀過」。

NotebookLM — 連結層

NotebookLM 在我的流程中扮演的是「起筆」的關鍵角色。在《NotebookLM 創意寫作秘訣》中，我把這個階段比喻成創意的 ETL：Extract (從素材中快速掌握精要) → Transform (提取核心命題) → Load (為命題找到敘事結構）。

它的開發者 Steven Johnson 說得好：「不要花任何時間組織任何東西，只需把它們都放在一個地方，然後專注於產生想法。」NotebookLM 就是這樣一個地方：把素材丟進去，透過對話來理解、比較、連結，最後生成大綱。

除了文字對話，NotebookLM 還能將素材轉化成 Audio Overview（播客式的語音摘要）或 Infographic，用不同的感官形式來激發新的理解。現在它也開放了 MCP 介面，讓 Agent 可以直接建立 Notebook、匯入 sources、觸發生成。

更多 NotebookLM 心法，請跳轉《掌握 NotebookLM: 3 大心法與 9 組實戰提示詞》。

Obsidian — 產出層

最終的寫作發生在 Obsidian。我在《反向連結: 串連知識、迸發靈感的筆記革命》中聊過，反向連結打破了傳統階層式筆記的框架，讓知識可以像圖譜一樣有機生長：「一個概念不需要先隸屬於什麼才有意義，存在本身就是一種意義」。

每個寫作專案在 Obsidian 中就是一個資料夾：素材整理、大綱、草稿都在同一個地方。Obsidian 的 Skills 和 CLI 讓 Agent 可以直接在 Vault 中讀寫筆記，不需要我手動複製貼上。

三層的串聯

過去，這三個工具之間的搬運是手動的：將 Readwise highlight 同步進 Obsidian 整理，再丟進 NotebookLM 消化，然後再將討論出的大綱轉到 Obsidian 當中書寫。每次切換工具，Context 就流失一點，效率就打一次折扣。

現在，它們各自推出了 Agent 可調用的介面：

NotebookLM MCP CLI: https://github.com/jacob-bd/notebooklm-mcp-cli
Readwise CLI/Skills: https://github.com/readwiseio/readwise-skills
Obsidian CLI/Skills: https://github.com/kepano/obsidian-skills

讓 Agent 得以在這三層之間自由穿梭。接下來，讓我用這篇文章本身的產出過程，實際走一遍這個流程。

在一個對話視窗裡完成這篇文章

我使用的 Agent 是 Claude Code，一個在終端機中運行的 AI Agent。它可以透過 CLI、MCP 和 Skills 調用外部工具。整個寫作過程，都在同一個對話視窗中完成。

Step 1：從 Readwise 提取素材

我對 Claude 說：

我想寫一篇關於 Agent 作為膠水層的文章。幫我從 Readwise 搜尋相關的 highlights，看看我過去讀了哪些相關內容。

Agent 透過 Readwise CLI，用多個角度進行語義搜尋：「Agent 膠水層」、「自然語言取代 pipe」、「MCP 標準化」、「Agent 設計原則」。

從我上千筆 highlights 中撈出 20 多筆相關素材，並按 6 大主題自動分類：Agent 的調度本質、自然語言作為新 Pipe、Pipe 到 Platform 的範式轉移、MCP 標準化、Agent 的設計邊界、以及最後一哩路的防禦性。

這些素材橫跨了 Chip Huyen、Jenny Xiao、Sangeet Paul Choudary 等多位作者，有些是我半年前讀的文章，早已沉入記憶深處。

如果靠自己回想，大概只能撈回三四篇。但 Agent 不會忘記，它能從整座 highlight 倉庫中，用語義而非關鍵字來搜尋，喚醒那些「沉睡的知識」。

Step 2：存入 Obsidian 建立專案

接著我說：

把這些素材按主題整理好，存到 Obsidian 的專案資料夾裡，建一個 Readwise.md。附上每筆 highlight 的原文來源連結。

Agent 直接在 Obsidian vault 中建立檔案，將 20 多筆 highlights 按主題歸類，每段附上 Readwise 原文連結和文章出處。從搜尋到建檔，不需要開啟任何瀏覽器、不需要複製貼上，一氣呵成。

Step 3：送進 NotebookLM 做深度探索

然後我說：

把 Readwise.md 和裡面引用的原文連結一起送到 NotebookLM，建一個 notebook。順便生成一個 Audio Overview。

這一步最能體現膠水層的價值。Agent 先透過 MCP 在 NotebookLM 建立了一個名為「Agent 是膠水層」的 notebook，接著把 Readwise.md 作為第一個 source 匯入。

然後，它逐一將素材中引用的 19 篇原文 URL 加入 notebook，有些來源 Readwise 沒有存到原始連結，Agent 還自動用 Google 搜尋補齊。

20 個 sources 全部匯入後，Agent 觸發了 Audio Overview 的生成。在等待的同時，我們並沒有閒著，而是回到 Obsidian 繼續下一步。

Step 4：回到 Obsidian，開始寫作

最後我說：

在專案資料夾建一個 _Draft.md，我們來逐段寫這篇文章。每段先給我重點提示，我來口述，你幫我潤飾。

從這裡開始，Agent 的角色從「調度者」轉為「寫作協作者」。它根據 Readwise 素材和文章架構，為每個段落提供寫作提示和建議引用的 highlights。我口述觀點，它整理成文；我調整方向，它即時修改。整篇文章的骨肉，就在這一來一回之間逐漸成形。

人負責創造，系統負責記住

Agent 作為膠水層，大幅減少的是那些 routine 的操作：搜尋、搬運、格式化、觸發生成 — 但它並沒有取代我的思考。

在整個流程中，我的判斷依然扮演關鍵的決策角色。只是過程的摩擦力變得極低，讓我可以把注意力放在真正重要的事情上：篩選哪些素材值得用、從 NotebookLM 提供的連結與觀點中找到一個審美上合適的切入角度、再把自己的新想法 input 回去，調整整篇文章的方向。

最後在寫作的協作中，分工是這樣的：

AI 負責列大綱 — 基於素材，提供結構化的骨架
我用口語講述觀點 — 用自己的話說出我認為重要的事 (這邊順便推薦一下 Typeless 這個服務，用了它之後我幾乎很少在用鍵盤了，這篇電子報真的是跟 Agent “聊” 出來的)
AI 負責打磨文字 — 潤飾用字遣詞，讓表達更精準

人的價值沒有被取代，反而被凸顯了。當回溯與轉移的成本趨近於零，判斷力和創造力就成了唯一的瓶頸。

Agent 負責記住與連結，人負責判斷與創造。正是讓「知識複利」加速滾動的基礎。

意圖才是最珍貴的起點

你還記得三個月前讀的那篇文章裡，哪句話讓你停下來想了一下嗎？半年前標記的那段關於組織設計的觀點，現在寫到相關主題的時候，你能想起來嗎？

Agent 改變的正是這件事，你不需要記得那篇文章的標題或放在哪個資料夾，只需要描述你現在在想什麼，Agent 就能從整座 highlight 倉庫中，找到與你當下思路共振的素材。

過去的閱讀，為未來的創作提供彈藥。

但回到最初的起點，這篇文章的核心 idea 並不是 Agent 幫我想出來的。它來自我腦中的一個聯想：「Agent 透過 MCP/Skills/CLI 整合工具的方式，讓我想起了 Unix Pipe。」這個念頭觸發了我去 Readwise 裡搜尋相關筆記，然後才有了後面的一切。

Intention (意圖)，才是整件事最珍貴的起點。

你過去讀的每一篇文章、標記的每一段文字，都在潛意識中沉澱，慢慢形塑你的價值觀和思考方式。然後在某一天，它們化為靈光一閃的一個念頭。這個念頭不是搜尋得來的，不是 Agent 推薦的，而是你作為一個人，獨一無二的直覺。

Agent 膠水層的真正價值，是讓你從這個意圖出發，高效地調用過去所儲存的知識、鉅細靡遺的拼湊形狀可能相符的碎片，把直覺凝聚成作品。

知識複利的迴圈因此轉了起來：

閱讀 → 標記 → 沉澱 → 靈光一閃 → 喚醒 → 連結 → 產出 → 再閱讀

人類的意圖與判斷，驅動這個迴圈；Agent 的記憶與連結，加速這個迴圈。兩者缺一不可，但永遠是先有人的意圖，才有系統的執行。

🔍 工人智慧猜你也喜歡

《解構AI Agent: 人工智能的關鍵突破?》
《AI agent 是一門好生意嗎？》

與 Browny 聯繫

這是你第一次來嗎？訂閱 (免費)
在 LinkedIn 上追蹤我以獲得更多見解
進一步瞭解 Coffee Chat & 45分鐘職涯診斷與策略諮詢

❏ 本週好讀 🛋️

🔗 References 🔗

她還不會說話，但我聽懂了一些

Browny — Mon, 23 Mar 2026 00:01:16 GMT

Photo by Minnie Zhou on Unsplash

歡迎回到《非正式寫作》理解複雜世界，前往那尚未被命名的自己。

圓仔滿三個月啦 (試用期通過🥳)。從月子中心回來，也過了大概兩個月的時間。

兩個月聽起來不長，但當中充滿了各種心情起伏(~~辛酸血淚~~)：第一次在家裡幫她洗澡 (超怕沒扶好)、把嬰兒床的高度調好、買齊消毒鍋、溫奶器和各種之前不知道存在的配件。

帶她去打預防針，看著針扎下去的那一秒她整張臉皺起來，然後全力以赴的哭聲。回家以後量體溫，38 度，再量，38.7，猶豫著該不該送急診。

還有每天都在觀察的事：她這一餐喝了幾 cc、睡眠週期是不是慢慢在拉長、半夜那一次到底是餓了還是只是驚醒、今天有沒有大便！

記錄、調整、嘗試建立某種規律，然後隔天她又將其徹底推翻。

上次照顧嬰兒已經是八年以前，很多細節早已模糊。這次，我用更成熟的自己，再重新體驗一次奶爸生活。

一個五公斤、不會說話、只會依依嗚嗚、還不懂得什麼是情緒的圓仔，怎麼用她的存在教會我一些東西。

《非正式寫作》探索並理解當代世界的多面向特質。
週一更新。馬上訂閱，與 1700+ 位讀者一同升級 ⬆️

Subscribe now

不修飾的能力

她張開眼睛，光線是新的。聲音是新的。溫度的變化是新的。

我的臉靠過去，對她來說是一整個世界突然移動了。她的身體裡有各種她無法命名的感覺：脹氣、餓、想睡但睡不著、尿布濕了但她不知道那叫「不舒服」。

她唯一的表達方式，就是哭 (~~當然她也會笑，但哭佔大多數~~)。

嘗試這樣想的時候，我發現她的哭鬧其實非常合理。她不是在找你麻煩，她是一個人面對著一整個陌生的世界，她能做的，就是用全身的力氣告訴你：Something wrong！

其實大人也是一樣，我們只是學會了不哭而已。

我們不舒服的時候，並不一定知道自己為什麼不舒服；我們焦慮的時候，也不一定說得出焦慮的原因。差別在於，我們學會了用語言替不舒服找一個名字，社會化地將反應修飾得體後再拿出來。

嬰兒不會，她不會修飾、不會壓抑、不會考慮你方不方便，她會把所有的感覺，不經思考地丟出來。

有時候看著她哭，我心裡會想：「這種直率的能力，我也曾經擁有過嗎？」。

必須面對的無能為力

帶她去醫院打預防針的時候，小孩子的哭聲此起彼落。但圓仔的哭聲，跟別人家小孩的哭聲，是完全不同的東西。

隔壁的嬰兒哭，我可能只是皺個眉頭。但圓仔一哭，我心跳會加速，肩膀會繃緊，整個人像被按下了某個開關。

從生物學的角度來說，嬰兒的哭聲本來就是設計來激起父母最強烈反應的，這是埋在基因裡的機制，幾萬年前就寫好了，無法抵抗。

在成人的世界裡，我們太習慣這種模式：你做了什麼，就會得到一個對應的結果。你努力，會有進度。你投入，會有回報。就算結果不如預期，至少有一個明確的反饋讓你知道下一步該怎麼調整。

嬰兒不是這樣的。

你可能試了五種方法：換尿布、餵奶、拍嗝、換個姿勢抱、放白噪音 — 她還是在哭。這種「全部試過了還是沒有用，甚至連反應好像都察覺不到差異 (都是哭XD)」的狀況在成人的生活裡其實很少見。

就算遇到了，你通常可以選擇先離開、先放著、明天再處理。

但她是你的孩子，你沒辦法登出。

然後你開始不自覺地找理由。為什麼阿嬤抱的時候她就不哭？為什麼爸爸一接手她就崩潰？是不是她不喜歡我？你把她的哭聲變成了一種對你的評價，好像她在用哭聲告訴你：你不夠好。

但她沒有這個意思。她甚至還不知道「喜歡」跟「不喜歡」的差別。她只是在那個當下，因為某個她自己也說不清楚的原因，需要用哭來處理。

面對必須面對的無能為力，我學到兩件實際的事：

一是轉換空間。

把她放在安全的地方，嬰兒床、遊戲墊，然後離開那裡，哪怕只是走到陽台站兩分鐘。不是不管她，是讓自己的神經系統先從那個警報模式裡抽離出來。

二是給自己一點時間沉澱。

不急著馬上做下一個動作、試下一個方法。有時候你愈急著解決，反而愈焦躁，嬰兒其實感覺得到你的焦躁。

但說實話，就算知道這些，我還是會被哭聲燒到，快要牙起來。

我後來發現，這些被 trigger 的瞬間，是最值得回顧的時刻。不是去檢討自己做錯了什麼，而是去觀察：為什麼這個場景會讓我有這麼大的情緒？是因為她的哭聲，還是因為我對自己有一個「應該要搞定」的期待？

一旦我看清楚了，下次再遇到同樣的場景，不一定會比較不煩，但會比較快知道那個煩是從哪裡來。我不會再把煩丟還給她，也不會再把它丟給旁邊那個跟我一樣累的人。

圓仔用她的哭聲，逼我去面對一些我在成人世界裡可以一直繞開的東西。

兩個不同的模型

在這兩個月裡，我跟另一半之間最容易起摩擦的時刻，不是誰做得比較少，而是她的做法跟我不一樣。

她哄睡的方式跟我不同。她拍嗝的節奏跟我不同。她判斷「這次是餓了還是想睡」的直覺，跟我的對不上。有好幾次我在旁邊看著，心裡冒出一個聲音：「這樣不對吧？」—當然，她也會質疑我的做法。

但，什麼叫「對」？

圓仔不會說話。她不會告訴我們「爸爸的方法比較好」或「媽媽的比較有效」。我們兩個面對的，是同一個未知。一個無法描述自己感受的小生命。我們唯一的方式就是不斷嘗試：這樣抱有沒有用？這個角度她會不會比較安靜？奶溫調高一點呢？

這像是在訓練一個神經網路，我們輸入各種嘗試，觀察她的反應，慢慢摸索出一組對應關係。哪些 input 會得到比較穩定的 output，哪些組合在特定情境下比較有效。

關鍵是，我和圓仔之間訓練出來的模型，跟太太和圓仔之間的，是兩個不同的模型。

資料不同、參數不同、訓練的情境也不同。太太半夜餵奶的時候累積的經驗，與我下班後陪玩的時候累積的，本來就會訓練出不一樣的判斷。我覺得「這樣才對」的方法，是我自己的模型 matching 出來的結果，不代表它是唯一的正確答案。

我後來慢慢學會的一件事是：當我把圓仔交給另一半的時候，就真的交出去。

不在旁邊盯著，不在心裡默默評分，不因為她的做法跟我不同就覺得不放心。

去休息、去外面走一圈、去做任何能讓自己暫時從那個高度警戒的狀態裡抽離的事。不是因為我不在乎，是因為我繼續待在那裡、帶著自己的標準去看她的每一個動作，對誰都沒有幫助。

她有她的方法，而那個方法是她用自己的時間、自己的嘗試、自己的挫折換來的。跟我的不一樣，不代表比較差。

如果雙方都能接受這樣的不同，找到各自的平衡點，很多不必要的摩擦就不會發生。

或者寫不完也沒關係

寫到一半，圓仔又大哭了。

我把筆電闔上，走到房間把她抱起來，我讓她的頭靠在我的肩膀上，開始在客廳走來走去、輕輕搖。

大概走了十幾分鐘，她的哭聲慢慢變小，呼吸慢慢變沉。

我小心翼翼地把手肘從她的脖子下方慢慢移出來，換成手掌托住她的頭，另一隻手托著她的屁股，抬起來越過床圍，慢慢放下去。

她扭動了一下。我趕緊固定她的奶嘴，另一手想趕緊用肚圍把她的手裹起來 (避免驚嚇反射，一下又被吵醒)。

不幸的是，她頭一扭，奶嘴掉了！

她驚覺有動靜，開始掙脫肚圍。然後她徹底醒了 … ，再度嚎啕大哭。

我想起了，這是她唯一的表達方式；我想起了，這是我必須面對的無能為力；我想起了，在我無法接住自己的心情時還有另一個模型可以支援 ～

我把她重新抱起來，繼續走。

這個循環，已經第三次了，也許等一下還會有第四次，我不知道。

但我知道的是，她終究會睡著，而我終究會回到這張桌子前面，把這篇電子報寫完。或者寫不完也沒關係。

🔍 工人智慧猜你也喜歡

《擁抱不確定性: 在變幻莫測的時代中茁壯成長》
《解碼情緒: 從腦筋急轉彎到情緒建構理論》

與 Browny 聯繫

這是你第一次來嗎？訂閱 (免費)
在 LinkedIn 上追蹤我以獲得更多見解
進一步瞭解 Coffee Chat & 45分鐘職涯診斷與策略諮詢

❏ 本週好讀 🛋️

🔗 References 🔗

Agents don’t bring parallelism, they bring concurrency.

Browny — Mon, 16 Mar 2026 00:01:00 GMT

Photo by Chen on Unsplash

歡迎回到《非正式寫作》理解複雜世界，前往那尚未被命名的自己。

OpenClaw 熱潮1，讓我想起了還在當 Golang 後端工程師的時候，那句如雷貫耳的金句 ”Concurrency is not Parallelism (並行不等於平行)”。

Golang 祖師爺 Rob Pike 是這樣解釋的：

舉個生活化的例子：假設一間早餐店要完成三件事：1. 煎蛋 2. 烤吐司 3. 泡咖啡

Concurrency(並行/併發): 一個廚師，多件事交替做

「處理多件事的能力」（dealing with lots of things at once）

只有 一個廚師：

1. 把蛋打到鍋裡         🍳
2. 趁蛋在煎的時候，去放吐司進烤箱  🍞
3. 趁兩個都在加熱，去泡咖啡       ☕
4. 回來翻蛋            🍳
5. 取出吐司            🍞

廚師在三件事之間切換，讓它們看起來「同時」在進行。
但任何一個瞬間，廚師只在做一件事。

Parallelism (平行): 多個廚師，真的同時做

「同時做多件事」（doing lots of things at once）

有 三個廚師，各自負責一件事：

廚師 A：煎蛋   🍳
廚師 B：烤吐司  🍞  （三件事「真的」在同一時刻執行）
廚師 C：泡咖啡  ☕

過去幾個月來，社群媒體充斥著極度有害的氛圍。它不斷用恐懼與焦慮鎖定你：
若不使用這套愚蠢的新人工智慧工具，你將被時代淘汰；
若未徹底更新工作流程，你的價值等於零。
有人今早同時指揮三十七名代理人就創辦了市值數十億美元的公司，而你卻像個平民百姓般坐在那兒吃早餐！2

吃早餐怎麼了嗎？那是真正來自 Concurrent 的工藝，而不是漫不經心的對平行化產出的淺嘗輒止～

《非正式寫作》探索並理解當代世界的多面向特質。
週一更新。馬上訂閱，與 1700+ 位讀者一同升級 ⬆️

Subscribe now

樂觀主義者

每次，悲觀者都只看著被摧毀的事物，並推斷出災難，卻未能想像將被創造出什麼，
因為那將被創造的東西還未被發明。

每一次有突破性的技術創新，末日論調總會捲土重來。

人工智慧能力提升，企業需要更少工人，白領裁員增加，失業工人減少消費，利潤壓力迫使企業加大對人工智慧的投資，人工智慧能力進一步提升。如此循環往復，直至文明瓦解 …

在樂觀與悲觀的立場之間，除了我本身偏樂觀白目的取向外，這篇《Everything is awesome (why I’m an optimist)》最符合我的立場：

悲觀主義者擁有最動聽的敘事，但其紀錄卻最糟糕。末日情境所需的假設在經濟史面前根本站不住腳，而你面對這一刻所抱持的心理姿態，實際上會影響最終的結果。
…
1810 年，美國有 81% 的勞動力從事農業。兩百年後，這個比例大約是 1%。如果你在 1810 年向某人展示一張農業就業人數下降的圖表，並要求他們模擬經濟後果，唯一理性的預測將會是世界末日。80% 的人口要去哪裡找工作？他們能做什麼？如果農民都被機器取代了，大家要怎麼吃飯？
答案當然是，全新的工作類別被創造了出來，那是 1810 年的人完全無法想像的，而且這些新工作的薪資遠高於自給自足的務農。工廠勞動、辦公室工作、服務業、知識型工作，以及整個現代社會的運作體系：在工業化前的經濟視角下，這一切都是不可見的。轉型過程既殘酷且不均。英國的手織機工人們受盡苦難。狄更斯用至今仍讓人感到畏縮的散文，記錄了早期工業化的貧困與骯髒。但發展軌跡是真實存在的，而那些預測農業勞動力被取代將導致永久貧困的人，從各個層面來看，都錯得離譜。
…
這是否意味著人工智慧不會顛覆特定產業與職位？顯然會。其中某些顛覆將對身處其中的人們造成痛苦與動盪。但「這項技術將引發需加以管控的嚴重勞動市場衝擊」與「這項技術將導致無法復原的自我強化經濟死亡螺旋」之間存在巨大鴻溝。
…
在 AI 充裕的世界中，人類創造的事物將會變得更有價值，正因為它們出自人類之手。AI 藝術會讓人類藝術更受青睞，而非乏人問津，因為作品的來源至關重要。AI 生成的內容將使人類創作的內容更具價值，因為其中的不完美與獨特性正是其特色所在。
這是否過於樂觀？是的。這是否可能出錯？當然可能。但這項觀點植根於對人類心理的真實觀察，而那些末日模型並未將此納入考量。Citrini 的「幽靈 GDP」（Ghost GDP）論點假設當 AI 取代人力時，價值會直接從消費經濟中蒸發。Thompson 的反駁則認為，人類將創造出專屬於人類的新價值形式，且隨著機器生成的替代方案變得無所不在，對這些價值形式的需求反而會更加劇烈。從技術變革的歷史來看，Thompson 的論點顯然更具說服力。
…
葛蘭西（Gramsci）曾寫道：「理智的悲觀主義，意志的樂觀主義。」你清晰地審視這個世界，看見問題所在，然後選擇採取行動，彷彿更好的結果是有可能實現的。因為唯有做出這個選擇，才是達成目標的前提條件。
…
我選擇樂觀。我之所以選擇它，是因為除此之外的另一個選項是將投降偽裝成老練。而且因為每當我回顧歷史紀錄 — 那份包含災難與化險為夷、悲劇與勝利的「完整紀錄」時，支援人類智慧與韌性的論點，總是比反對它的論點更加強而有力。

相信更好的未來存在，才有理由去建構它

主動性

光相信不夠，你得捲起袖子去做，去找到那還未被發明的東西。在不確定中依然能夠果敢前行，我們需要「主動性」：

《How to be “high agency” at work》給了「主動性」清澈又具體的定義：

主動性是指相信你能透過自己的行動塑造環境並達成目標，而不是等待理想條件，以及將此信念付諸實行的能力。
用更簡單的話來說：你相信自己能讓事情發生，然後找到方法讓它們發生。
專注於你能控制的事，而不是找藉口
假設你能做到任何事，直到證明相反
不要等待別人告訴你該做什麼，或給你許可
在高績效組織中，你最終不是被評判犯了多少錯誤，而是你實現的影響力程度。因此，雖然不斷扮演魔鬼代言人可能在短期內給你工作保障，但長期來看，它會嚴重限制你的職業軌跡。
當面對新任務時，預設它可以完成，並假裝你必須去做；你該如何讓它運作？
持續練習這種心態，是脫穎而出的最簡單方法之一。

真正的實踐不是更多，而是有意識的選擇

開更多 agent，讓更多任務同時發生？

真正值得花時間是更有意識地管理自己的注意力：

哪些任務值得並發
哪些輸出值得驗收
哪些工作不該外包
哪些地方需要人的判斷與參與

…

真正的效率，不是跟上 Agent 的 parallelism，而是學會在有限的注意力之內，建立一種不被焦慮支配的 concurrency。

這需要樂觀 + 主動性去跨越那個認知苦工的臨界門檻。

找到對你真正重要的事物，並「有意識地」投入時間與精力在這些人事物上。

🔍 工人智慧猜你也喜歡

與 Browny 聯繫

這是你第一次來嗎？訂閱 (免費)
在 LinkedIn 上追蹤我以獲得更多見解
進一步瞭解 Coffee Chat & 45分鐘職涯診斷與策略諮詢

❏ 本週好讀 🛋️

🔗 References 🔗

Hello China Tech

OpenClaw Conquered China in 100 Days

On March 6, nearly a thousand people lined up outside Tencent’s headquarters in Shenzhen. Some carried NAS drives. Others brought MacBooks. A few showed up with mini PCs under their arms. They were waiting for Tencent Cloud engineers to install an open-source AI agent called OpenClaw onto their devices, free of charge. Appointment slots ran out within an hour…

2 months ago · 28 likes · Poe Zhao

https://geohot.github.io//blog/jekyll/update/2026/03/11/running-69-agents.html

AI 是會說話的黃色小鴨

Browny — Mon, 09 Mar 2026 00:01:09 GMT

Photo by insung yoon on Unsplash

歡迎回到《非正式寫作》理解複雜世界，前往那尚未被命名的自己。

我怎麼知道自己想什麼，直到我看到自己說了什麼？
― E.M. Forster

在程式設計的世界裡，有一個流傳已久的 debug 技巧，叫做「小鴨除錯法」1。

做法很簡單：當你被一個問題/Bug 卡住、怎麼都找不到原因的時候，在桌上放一隻橡皮小鴨(或任何物體)，然後對著它，從頭到尾把你的程式邏輯講一遍：這段程式碼要做什麼、資料怎麼流動、為什麼你覺得它應該要正常運作。

如果手邊沒有小鴨，找一個同事也行。你走到他的座位旁邊，說：「欸，我跟你講一下這個 bug，幫我看看。」然後你開始從頭解釋。

這個方法有兩個好處。第一，多一雙眼睛，也許對方真的能幫你看出問題。第二，也是更常發生的情況，你講到一半，突然頓住，然後說：「啊，等等…我好像知道了。」

你的小鴨/同事可能連一個字都還沒說。

這就是小鴨理論最神奇的地方：大約 80% 的機率，解答就在你開口說到一半就自己浮現了。那隻小鴨從頭到尾什麼都沒做。真正在運作的，不是那雙額外的眼睛，而是你自己把混亂的思緒「翻譯」成語言的這個過程。

我們的大腦很擅長在模糊中運轉。你可以帶著一個隱約的理解繼續寫程式，感覺好像每個環節都想通了。但當你被迫用語言一步一步講出來的時候，那些「感覺想通了」的地方就會露出破綻。

換句話說，語言化不只是溝通的工具，它更是一種思考的方式。而小鴨的角色，只是給了你一個「必須開口」的理由。

《非正式寫作》探索並理解當代世界的多面向特質。
週一更新。馬上訂閱，與 1700+ 位讀者一同升級 ⬆️

Subscribe now

多數人用錯了 AI

問題的表述往往比其解決方案更為重要。
— Albert Einstein

前期《如何用”元問題”打開未知的大門》探討過一個現象：人們對 AI 的評價正在呈現一種 M 型化的分布。一邊覺得 AI 徹底改變了他們的工作方式，另一邊的人試用了幾次之後聳聳肩：「也就那樣吧，沒有想像中那麼厲害。」

中間地帶很少。要嘛覺得非常有用，要嘛覺得完全幫不上忙。

我自己也經歷過這個階段。一開始，我使用 AI 的模式跟用 Google 沒有太大區別：腦中浮現一個問題，丟一段關鍵字進去，期待它直接吐出答案。有時候有用，但大多時候得到的回覆不痛不癢，讓我覺得「AI 也不過如此」。

後來我才意識到，問題不在 AI，而在我從一開始就把它放錯了位置。搜尋引擎處理的是 Known Unknowns (你知道自己不知道什麼)，所以你能下對關鍵字，找到答案。比如「台北 101 的高度是多少？」，這種問題 Google 一下就有了。

但我們日常面對的複雜問題，根本不在這個象限。它們屬於 Unknown Unknowns (你不知道自己不知道什麼)。你甚至沒辦法組織出一個精確的問題，因為你對問題本身的理解就是模糊的。

AI 的真正價值恰恰在這裡。但它的運作方式不是「你問它答」，而是更接近前面提到的小鴨：當你試著把自己的情境、脈絡、目前的理解完整地交代給 AI 的時候，那些你原本不知道自己遺漏的東西，會在敘述的過程中浮現出來。

這就是為什麼同一個工具會產生 M 型化的評價：把 AI 當搜尋引擎的人，只觸及了known unknowns，而這本來就是 Google 能做的事；但那些願意花時間把 context 講清楚的人，進入了 unknown unknowns 的領域。

那裡才是 AI 真正拉開差距的地方！

☆

表達即思考

寫作就是思考 。寫得好就是要思緒清晰。這就是為什麼它如此困難。
— David McCullough

怎麼從 known unknowns 跨進 unknown unknowns 的領域？

答案：「把話說清楚」。

這五個字，做起來遠比字面上困難得多。

我之前的一篇電子報《寫作是一種 ...》當中提到：我們低估了書寫對思考本身的幫助。我們習慣把寫作理解為「把已經想好的東西記錄下來」，但實際的經驗往往相反 — 你是在寫的過程中，才發現自己真正想說什麼。

寫了再讀，好像又能讀到新的東西。那些新的東西不是憑空出現的，它們一直都在，只是在你被迫把思緒組織成文字之前，你看不見它們。

當你試著把一件事情的脈絡完整交代出來：背景是什麼、你目前理解到哪裡、哪些地方你有把握、哪些地方你其實不確定，那些「不確定」的縫隙就會開始浮現。

而這些縫隙，正是你原本不知道自己遺漏的東西。這也是為什麼我認為，大多數人對 Prompt/Context Engineering 的理解只停留在表面。

一般的理解：我把 prompt 寫得越清楚、context 交代得越完整，AI 就越能理解我的問題，給出越精準的回答。這當然沒有錯。但它只描述了 Prompt/Context Engineering 比較淺的那一層：讓 AI 更好地理解你。

更深的一層是：當你認真地有系統地把上下文交代清楚的過程中，你自己會更理解你自己的問題。

你會發現：

原本覺得「我很清楚自己要什麼」的地方，其實經不起推敲。
你以為你知道目標，但當你試著寫下來，才意識到你對目標的定義是模糊的。
你以為你理解了現況，但在交代脈絡的過程中，才發現有一整塊你沒有考慮到。

它更大、更潛在的好處，是逼你做了一輪你本來不會做的自我釐清。那些在書寫/對話過程中被你自己發現的盲點，才是最珍貴的收穫。而這些收穫，在 AI 開口回答之前就已經發生了。

☆

認知苦工悖論

思考是最艱苦的工作，這大概就是為什麼這麼少人從事它的原因。
— Henry Ford

我們使用 AI，本來是為了省力。但要讓 AI 真正幫上忙，你得先花上一段不小的力氣。

這個臨界門檻，我稱之為「認知苦工」。

第一層苦工，是前面幾段一直在談的：你必須把自己的問題想清楚、把情境梳理明白、把想達成的目的具體化。

這件事聽起來理所當然，做起來卻異常困難。因為它要求你誠實地面對自己思考中的模糊地帶，而不是繞過它們。AI 能發揮多大的能力，很大程度取決於你在這一步投入了多少。

第二層苦工，是比較少人談到的。

很多人的經驗是這樣的：AI 在單獨一個任務上表現得很好，幫你寫一封信、整理一份摘要、回答一個技術問題。但回到真正的日常工作，卻覺得 AI 的影響沒有想像中那麼大。

這不是因為 AI 能力不足，而是因為真正的工作從來不是一個又一個獨立的任務，而是一整個環環相扣的系統。不論你是在大型組織裡協作，還是在處理個人的專案，每一個環節都跟其他環節牽連在一起。

就算 AI 可以在單點上做到 90 分，但把這些點連成一條線、織成一張網，這件事仍然需要人類的思考與決策作為黏著。

你需要理解哪些環節之間有依賴關係、哪些決策會牽動其他部分、整體的優先順序是什麼。這些都是 context，而且是跨越多個任務、多個時間尺度的 context。

當然，你可能會想：「那我把這整張網的脈絡都交代清楚，把 whole picture 完整描述給 AI，它是不是就能幫我把整個系統串起來？」

理論上，我認為是可以的。

但為什麼很少人能做到？因為「把整張網講清楚」這件事本身，就是一個巨大的認知苦工。能夠把一個系統的全貌、各環節的關聯、潛在的衝突與取捨，用語言完整地描述出來，這需要的不只是表達能力，而是你對這個系統已經有了足夠深刻的理解。

這就是悖論所在：AI 最能幫助你的時刻，恰恰是你已經做完最難的那段思考之後。省力是真的，但它發生在苦工之後，不是之前。

☆

會說話的小鴨

明智的問題就是智慧的一半。
— Francis Bacon

讓我們回到那隻小鴨。傳統的小鴨除錯法是單向的：你講，它聽，你在講的過程中自己頓悟。這個方法有效，但它完全依賴你自己的思路。如果你的盲點剛好在你敘述的路徑之外，你可能講完一遍還是發現不了。

AI 是一隻進化的小鴨。它不只聽，它還會回話。我在之前的電子報《別問 AI，讓 AI 問你》中探討過這個概念：與其把 AI 當成一個「你問它答」的工具，不如反過來，讓 AI來問你。

這個翻轉打開了幾種非常不同的互動模式：

反芻：讓 AI 用它的話重述你剛才說的內容。當你看到自己的想法被換一種方式表達出來，經常會發現「等等，我想說的其實不是這個意思」，這就是盲點浮現的瞬間。
挑戰：請 AI 針對你的觀點提出反駁。你覺得邏輯通順的論證，被挑戰之後才發現有些環節其實站不穩。
採訪：讓 AI 扮演記者或主持人，用一問一答的方式把你腦中模糊的想法逼成具體的語言。你可能有一個隱約的靈感，但在被追問「所以你具體的意思是？」的時候，才真正成形。
辯論：讓 AI 站在相反的立場跟你對話。不是為了說服你改變想法，而是為了讓你看見自己論述中最薄弱的環節。

傳統的小鴨是一面被動的鏡子，你站在哪裡，它就照哪裡。AI 是一面會自己調整角度的鏡子，它可以轉向你照不到的地方，讓你看見側面和背面。

這也回應了一個我們經常在網路上看到的擔憂：AI 會不會取代人的思考、讓人變笨？

如果你用前面提到的方式，把未消化的混沌直接丟給 AI，讓它幫你想，那確實有這個風險。但如果你把 AI 當成一面更靈活的鏡子，用它來加速你自己發現盲點的過程，那它做的事情恰恰相反：「它不是替你思考，而是逼你思考得更深。」

差別不在工具，在於你怎麼用它。

☆

勇氣與好奇心

真正的發現之旅並非在尋找新風景，而是在擁有新眼睛。
— Marcel Proust

我在之前的電子報《高效寫作流: 從靈感到發佈》中提過一個觀點：當第一句話被寫下，80% 的事情已經完成。AI 正在把這個比例推得更極端。當越來越多的執行工作可以被自動化，《當執行變得廉價，什麼才是真正的稀缺？》

不是技術，不是工具，甚至不是知識。

我認為是兩樣東西：勇氣和 好奇心。

勇氣，是因為上面談的所有事情：理清 context、做認知苦工、把模糊的思緒逼成具體的語言，沒有一件是輕鬆的。

它要求你在取得好處之前，先付出一段與過去習慣不成比例的努力。
它要求你改變原本的工作模式，離開「丟個關鍵字等答案」的舒適圈。
它要求你誠實地面對自己的理解有多少是真的清晰、多少其實是模糊的假象。

這些事情不難理解，但需要勇氣去執行。

好奇心，則是讓這一切持續運轉的燃料。當你帶著好奇心去跟 AI 互動，不只是問「這個問題的答案是什麼」，而是追問「還有哪些面向是我沒想到的」。你會進入一個飛輪效應：你發現盲點，盲點帶出新的問題，新的問題打開新的領域，而每一圈的轉速都比上一圈更快。那些你原本因為時間有限而無法涉及的領域，突然變得可以觸及。

AI 不會取代你的思考，但它會放大你的思考習慣。如果你帶著勇氣和好奇心走進來，它是一個強大的加速器。如果你只是把混沌丟進去等答案，它就只是一個比較貴的搜尋引擎。

回到最初那隻小鴨。它從來都不是因為聰明才有用。它有用，是因為你願意開口。

現在，這隻小鴨進化了。它會回話、會反問、會幫你照見你看不到的角落。但一切的起點，仍然是同一件事：「你願不願意，先把話講清楚。」

《非正式寫作》探索並理解當代世界的多面向特質。
週一更新。馬上訂閱，與 1700+ 位讀者一同升級 ⬆️

Subscribe now

與 Browny 聯繫

這是你第一次來嗎？訂閱 (免費)
在 LinkedIn 上追蹤我以獲得更多見解
進一步瞭解 Coffee Chat & 45分鐘職涯診斷與策略諮詢

❏ 本週好讀 🛋️

🔗 References 🔗

https://en.wikipedia.org/wiki/Rubber_duck_debugging

2026.02

Browny — Fri, 27 Feb 2026 00:01:06 GMT

via Pinterest

歡迎回到《非正式寫作》理解複雜世界，前往那尚未被命名的自己。

嗨，你/妳最近過的好嗎？上一封信找到你，已經是月初的事情了。

一年被等分成 365 個日子，但是每一個在心裡感受上的流速卻不相同。寫作或許能作為生活節奏的一個參考座標，沿著每篇電子報的脈絡，得以回顧自己沿著時間軸線經歷了哪些事情。

但，今年整個二月，這裡卻空白了，找不到一點痕跡。

《非正式寫作》探索並理解當代世界的多面向特質。
週一更新。馬上訂閱，與 1700+ 位讀者一同升級 ⬆️

Subscribe now

過年前夕，父親因為不知名的酸痛，在短短一個禮拜求醫未能找到真因的狀況下，離開了人世。

驚恐、難以接受、不願相信、悔恨，無以名狀的各種情緒充斥翻攪著這一段日子。諷刺的是，世界彷彿不受影響地持續運轉著。在俗世標準下，我也被推動著往前走，處理安排後事的各種流程。

有件事情發生了，有個在我生命中最重要、影響我最深的人離開了，陪伴我成長的那個背影已在現實世界不再復見。心空了一塊，但理性仍支撐著身體的運作。

後來，我才稍微能理解，這些儀式和流程或許是作為與情緒拉開距離的有效處方。

☆

年也過完了。即將接著的是 228 假期，這段空白不是因為什麼也沒發生，而是發生的事情實在太多。像是在山谷兩側來回擺盪的球，我還找不到足夠長的穩定的狀態，將其書寫出來。

雖然，在電子報中，我鮮少提及比較私領域的事。這封或許就是第一次的嘗試。

總之，我又開始寫一些什麼了～即將到來的春天，也希望你一切安好～

與 Browny 聯繫

這是你第一次來嗎？訂閱 (免費)
在 LinkedIn 上追蹤我以獲得更多見解
進一步瞭解 Coffee Chat & 45分鐘職涯診斷與策略諮詢

❏ 本週好讀 🛋️

🔗 References 🔗

回饋階梯：接收負面回饋的情緒管理術

Browny — Mon, 02 Feb 2026 00:01:08 GMT

Photo by Dzo on Unsplash

刺激與反應之間存在著一個空間。在這個空間裡，蘊藏著我們選擇如何回應的力量。
我們的成長和自由就蘊藏在我們的回應之中 — 維克多·法蘭克

歡迎回到《非正式寫作》理解複雜世界，前往那尚未被命名的自己。

Hello，兩個禮拜沒見，大家都過得還好嗎？

2026 的開局，從爽爽的住進月子中心到出月中以後，開啟雙新生活 (新的居所 + 新生兒)。花了一兩個禮拜的時間，那些裝在箱子裡從台北帶下來的記憶，才逐漸在這個新的空間裡解壓縮。

寫下這行字的當下，還有幾個紙箱座落在眼角餘光可及的位置。要撥出一些注意力顧及感受與表達，顯得有點力不從心。隨著對環境漸漸的熟悉，被打包起來的寫作肌肉記憶，應該就能慢慢找回來了吧～

你的新年開局怎麼樣呢？

…

去年底《工程師升遷關鍵: 高能動性與造勢思維》我提到了績效考核活動。最近，考核的結果已經告一段落，我需要跟大家溝通績效的結果。

與績效好的成員溝通通常沒什麼困難，氣氛通常還不錯。但若是要跟績效表現相對較差的成員溝通，就會有比較大的心理壓力。

即使事先做好了心理建設，當成員實際收到結果時，內心仍可能感到落差，甚至會提出質疑或較激烈的回饋。這集我們就來聊聊：面對這種具挑戰性的情境，該如何更好地接收成員的意見，並轉化為真正的改變。

《非正式寫作》探索並理解當代世界的多面向特質。
週一更新。馬上訂閱，與 1700+ 位讀者一同升級 ⬆️

Subscribe now

真實的反饋

針對這次的績效結果面談，我整理出了筆記。我把這些筆記交給 AI，讓它整理出成員們內心真正的疑惑 (不得不說，AI 在分類歸納上的優勢，很快地幫我整理好哪些面向是我在帶領團隊上值得改善的地方)。

以下是我在面談中實際遇到的問題，請你試著想像一下：如果你是一位收到這些問題的主管，當下會有什麼樣的心情或情緒反應？遇到這類問題時，你會如何應對？特別是當該成員正處於不滿的心理狀態時 (在與他提及最終考核結果以後)。

關於「權責與角色定義」

「主管，你常說我是這件事的 Owner，但到底 Owner 的權限到哪？我具體該負責什麼？」
「每次你叫我做盤點，我都覺得推不動其他人，能不能請你也跟其他人說清楚，他們有義務配合我？」
「既然最後做決定的是你，我只是掛名 Owner，這樣大老闆（或其他主管）真的看得到我的貢獻嗎？」

關於「溝通與會議效率」

「主管，有時候我覺得我們講的事情好像不在同一個頻率上，你可不可以確認一下你有沒有聽懂我的意思？」
「Weekly meeting 的內容有時候太細或太雜，你能不能直接規定什麼時候該報什麼？大家才不會聽得很辛苦。」
「關於這個盤點表，我真的不知道填這些欄位的意義是什麼？能不能先講清楚目的？」

關於「績效與公平性」

「為什麼你一直強調『影響力』？我看評分表上明明只佔 30%，你的標準是不是跟公司規範的不太一樣？」
「 Peer review（同儕互評）真的準嗎？萬一跟我有競爭關係的人故意寫我壞話，你也會直接採計嗎？」

關於「管理細節與向上管理」

「主管，如果你要請假能不能早點說？上次因為你不在沒人簽核，流程卡住很困擾。」
「出事的時候，你能不能第一時間就來問我細節？免得其他老闆問你你答不出來，最後又回來怪我。」

…

進入生存模式

重新回想那時候在面對這些問題的時候，我還能清晰地感覺到心跳加速、血管擴張那種有點緊繃的情緒。

當我們收到比較直接、甚至是帶有質疑性質的激進回饋時，感到受傷或防衛是絕對正常的反應，這並非修養不足，而是源自於我們大腦的生物本能。

在神經科學的視角下，這類負面回饋往往會被大腦解讀為對我們「地位」或「自我認同」的攻擊，進而觸發與面對生存威脅時相同的「戰鬥或逃跑」反應。

當下，你會發現自己正處於「回饋階梯」的最底層，也就是否認、防衛與解釋。這時，心中那股急著說「是的，但是…」的強烈衝動，是為了合理化自己的行為，或是想要反擊對方的觀點。

這其實是為了消除內心的「認知失調（Cognitive Dissonance）」，試圖緩解「我認為自己做得很好」與「對方說我做得不好」之間的心理衝突。這種急於解釋的行為，往往只是情緒焦慮的偽裝，而非真正的溝通。

能否在第一時間「意識並標記」這種情緒狀態，對於接下來推進這場有意義的反饋面談，至關重要。

…

「回饋階梯」模型

回饋階梯 via https://www.antmurphy.me/newsletter/how-to-receive-feedback

當我們收到成員意料之外的回饋時，心理的震盪往往是真實且強烈的。

那種感覺就像是原本平穩行駛的列車突然脫軌，我們可能會感到受傷、憤怒，甚至急於反擊。

我發現將這些內在反應對應到「回饋階梯（The Feedback Staircase）」模型1，能有效地幫助我們建立一個心理緩衝區，從本能的抗拒，走向建設性的共識。

這個模型將我們接收回饋的過程具象化為一個向上攀爬的階梯，恰好呼應了我在面談當下的四個心理進程：

1. 防衛心態

當 member 提出負面回饋時，我發現自己往往會先落在階梯的最底層：否認、防衛與解釋。

在這個階段，心裡最想說的話通常是：「事情不是這樣的」或「是的，但是...」。承認這一點並不可恥，這是我們作為人類的演化設定。

2. 識別情緒

要從階梯底層往上爬，關鍵在於「識別」當下的狀態。

這是我讓自己冷靜下來的關鍵時刻。如同我們在處理憤怒情緒時運用的技巧《憤怒管理核心 5 步驟：ANGER 轉化法》，此時需要進行「標記與重新評估（Label and Reappraise）」，在心中承認：「我現在感到受傷」或「我現在想要反駁」。

透過識別情緒，我們可以啟動一個「暫停」。這就像是在刺激與反應之間創造一個空間，讓負責理性的前額葉皮質重新接管大腦。告訴自己：「這只是資料，不是判決」，讓情緒過去，才能開啟向上的通道。

3. 釐清事實

當情緒平復後，我們就跨入了階梯的上層：理解。

這一步對應到我所做的「檢視事實」。這並不代表要全盤接受對方的觀點，而是要運用積極傾聽的技巧，去理解對方的邏輯與感受。

這時候的關鍵是將焦點從「對方為什麼錯了」轉移到「具體發生了什麼事？」。我們可以運用像提問工程 (Prompt Engineering) 一樣的技巧，透過精準的提問來挖掘細節：

「能否舉個例子說明我哪個行為讓你感到受挫？」
「在那個當下，你希望我怎麼做會更好？」

透過詢問具體事例，我們能將模糊的批評轉化為客觀的資訊，確認現狀是否屬實，並從對方的視角重新看見盲點。

4. 尋求方案

階梯的頂端是改變。

當事實釐清後，我們就能從「對立」轉向「合作」，共同尋求解決方案。這是一個雙向的承諾 (Commitment)，正如我在面談中所做的，我們需要探討雙方都能接受的調整：

身為主管的改變： 我可以承諾具體調整哪些管理行為或溝通模式？（例如：減少微管理，增加授權邊界）
身為成員的調整： 為了促成解決方案，成員可以採取哪些行動來配合？

值得一提的是，回饋階梯其實還有隱藏的第六階：保持（Remain）。

有時候在我們充分「理解」事實後，可能會發現某個決策雖然讓員工不滿，但對組織長遠是必要的。此時，我們可以選擇「不改變」，但這是在經過深思熟慮與充分溝通後的選擇，而非一開始的防衛性拒絕。

透過這個模型，我們能將原本令人焦慮的績效面談，轉化為一場共同攀登的成長之旅。重要的不是我們是否完美，而是我們是否願意踏上階梯，去看見更完整的自己。

…

用「提問」搭建向上的階梯

不要因為憤怒而回應，要因為好奇而提問。

我們可以借鑑 GROW 模型（Goal 目標、Reality 現狀、Options 選擇、Will 意願）與 積極聆聽 (Active Listening) 的技巧，用提問化身為向導，引導成員一步步攀爬這座階梯：

1. 應對「防衛心態」：創造安全感

當成員處於否認或防衛時，他們正處於「戰鬥或逃跑 (Fight or Flight)」模式。

此時絕對不要使用封閉式問題（如「你懂了嗎？」、「你接受嗎？」），這只會讓防衛的高牆築得更高。你需要用開放式問題來「降低威脅感」，讓他們覺得被聽見，而非被審判：

「對於剛才提到的內容，你當下的直覺感受是什麼？」
「在這個專案中，有沒有什麼部分是你覺得我可能誤解，或是沒有看到的？」
「我想多聽聽你的想法，你能多說一點嗎？」

2. 引導「識別情緒」：按下暫停鍵

當成員開始願意開口，但言語中仍夾雜情緒時，你的目標是幫助他們「標記」現狀。

這時候，我們要嘗試將焦點從「人（誰的錯）」轉移到「事（發生什麼）」與「障礙（卡在哪裡）」上。

「目前有什麼阻礙你進展的問題，是我可以幫忙解決的嗎？」
「在這個過程中，哪一部分讓你感到最受挫或受限？」
「如果我們把情緒先放一邊，單看這個結果，你覺得跟我們預期的落差在哪裡？」

3. 協助「釐清事實」：核對認知

當情緒冷卻後，我們進入了理解階段。此時要運用「積極聆聽」與「換位思考」技巧，確保雙方對事實的認定在同一個頻道上。

「如果你站在我的立場（或是客戶的立場），你會怎麼看這件事？」
「為了確保我們同步，你能用你的話稍微總結一下我們剛剛討論的重點嗎？」
「你覺得在這次的事件中，有哪些是你做得很好的？又有哪些是下次可以調整的？」

4. 共同「尋求方案」：賦權與承諾

最後，要爬上改變的頂端，關鍵在於「雙向承諾」。

讓成員自己提出解法，自己想出來的方案，會更有動力去證明它是可行的。

「如果要改善這個狀況，你覺得我們可以採取的『第一步』具體行動是什麼？」
「為了幫助你達成這個改變，你需要我提供什麼樣的支援？」
「我們如何知道這個問題已經被解決了？你覺得成功的指標是什麼？」

…

回饋是冠軍的早餐

當我們收到帶有情緒張力的回饋時，大腦的本能反應是收縮、防衛、反擊。但真正的成長，恰恰發生在我們選擇「不立即反應」的那個瞬間：那個暫停、標記情緒、然後重新選擇的微小縫隙裡。

回饋階梯的價值，不在於它提供了一個完美的公式，而在於它讓我們看見：從防衛到改變之間，存在著一條可以被辨識、被攀爬的路徑。每一次面對具挑戰性的對話，都是一次練習「擴大空間」的機會。

下次當你感覺心跳加速、想要脫口而出「是的，但是...」的時候，或許可以試著問自己：我現在站在階梯的哪一階？而我想要往哪裡去？

畢竟，我們無法控制別人給出什麼樣的回饋，但我們永遠可以選擇如何回應。這份選擇正是我們成長與自由的所在。

🔍 工人智慧猜你也喜歡

《工程師升遷關鍵: 高能動性與造勢思維》
《當執行變得廉價，什麼才是真正的稀缺？》

與 Browny 聯繫

這是你第一次來嗎？訂閱 (免費)
在 LinkedIn 上追蹤我以獲得更多見解
進一步瞭解 Coffee Chat & 45分鐘職涯診斷與策略諮詢

❏ 本週好讀 🛋️

🔗 References 🔗

https://www.antmurphy.me/newsletter/how-to-receive-feedback

PopClip+Gemini 打造劃線筆記複習系統

Browny — Mon, 12 Jan 2026 00:01:08 GMT

Tags:
PopClip Obsidian 外掛/Gemini Scheduled Actions 教學/Readwise 替代方案/Claude Code 實測

你是在蒐集資訊以便使用它，還是因為蒐集本身讓你感覺像在做智力工作？
如果是後者，你不是在建立第二大腦；
你只是在建立一個碰巧看起來像生產力的焦慮管理系統。1

每到新年伊始的時節，總是整理與大掃除的好時機：《大掃除之外: 你的內心也需要一場年度整理》。

在這個時候，我也會把自己手機和電腦上安裝的 App 做一些整理。最近我發現一個不錯的工具叫做 PopClick，它可以很好地幫我管理在網路上看到的 名言佳句 / 那些讀了很有感的優美文字。

透過它，我可以將這些內容快速地蒐集到我的筆記系統，也就是 Obsidian 上面。

《非正式寫作》探索並理解當代世界的多面向特質。
週一更新。馬上訂閱，與 1600+ 位讀者一同升級 ⬆️

Subscribe now

管理劃線筆記的挑戰

平常我習慣使用 Readwise 跟 Obsidian 來收集、統整我的閱讀 (參考：《3大必備工具: 產出導向的資訊整理術》)。Readwise 做為我資訊輸入的第一道篩選層，我會在 Readwise 上閱讀文章，並利用它的 Highlight 功能把不錯的句子或有啟發的知識標記起來，這些內容會自動同步到 Obsidian 的資料夾下。

透過 Readwise 的 Export Highlights 功能，將 highlights 同步到 Obsidian

每次開啟 Obsidian 便會同步來自 Readwise 更新的 highlights 項目

但我發現這樣做會遇到幾個問題：

缺乏深度內化：這些文字往往只是被標記起來，後續我並沒有針對這些曾經覺得重要的內容去挖掘出自己的看法，或進行跨領域的整合。
儲存粒度過大：Readwise 的劃線筆記 (Highlight) 是基於「儲存的文章」，但我有時候只是想保存在瀏覽時看到的一個段落或一句話，並不想在 Readwise 當中存這篇文章。
流程不夠直覺：若希望儲存單位是以「句子」為粒度。之前嘗試過很多方式，例如額外開啟筆記本手動複製貼上，但都覺得太過麻煩、不夠直接。

※

PopClip to Obsidian

PopClick 可以讓我無縫完成這件事。另外，我也嘗試引入一個系統，將收集到的劃線筆記以隨機抽樣的方式幫助我複習，每天早上 6 點主動推播我曾經留存的劃線筆記。透過這種方式，累積的劃線筆記得以持續地對我產生影響，每天都能獲得不同的靈感，激發出新的寫作想法。

方法很簡單，透過整合兩個既有的服務：PopClick + Gemini scheduled actions。

PopClip

這是一款 Mac 上的工具軟體 (Utility)，當你用滑鼠選取文字時，它會觸發不同的下游行為。它支援很多外掛 (Plugins)，而 Obsidian 就是其中之一。

因為我有訂閱 Setapp，這款軟體剛好包含在內，所以我就直接使用了。
安裝好 Obsidian 外掛後，你可以設定要寫入哪一個筆記檔案。
你還可以進行微調，例如儲存選取文字時，是否要附上時間戳記或文章的 URL 連結。

PopClick 當中 Obsidian 外掛的組態選項

How to Use

在使用上也非常直覺：你在瀏覽網頁時看到感興趣的句子，只要用滑鼠選起來，畫面就會跳出一個 PopClip 視窗。點擊一下 Obsidian 的圖示，內容就會自動同步到你設定的筆記檔案中。

這套工具解決了粒度和流程的順暢度，不過還沒解決缺乏深度內化的問題。我希望有一個自動化系統，每天能隨機推送一個來自我這個 highlight 倉庫的內容靈感。

※

Gemini Scheduled actions: 溫故知新小書僮

我利用了 Gemini 的 Scheduled Action 來進行排程，讓他像一個溫故知新小書僮，每天早上幫我隨機複習一下我的劃線筆記。

設置也非常簡單，只要你的對話當中有「週期」相關的字眼，比如說：每天早上八點，幫我 XXXX、Give me a weekly report about XXXX，等…，Gemini 就會識別出，並且跳出週期設置的視窗：

直接透過對話就可以讓 Gemini 化身為週期性的任務執行 agent

可以進一步修改週期設定 (每日,每週或每月)

設定完成後，它就會在你指定的時間，執行你交付給他的任務 (其實就是在那個時間跑你貼給他的那段指令，然後將結果推送給你)。你可以在 Setting 裡面管理所有 scheduled actions (對的，你可以新增多個，像是每日重點新聞回顧啦，每日天氣預報，等等…)。

在 Settings 選當中的 Scheduled actions 管理這些排程任務

了解 Scheduled actions 的原理之後，就可以來創建一個 action 來定期幫我複習一下我的劃線筆記，在對話框中輸入：

💬 溫故知新小書僮提示詞 (Prompt) 💬

從 我的 Google Drive 當中的 Clipboard.md 筆記檔案中 隨機挑選一個段落，從中總結出你的 insight，並把它組合成適合在社群媒體發布的形式。內容要帶點哲學、帶點反思，並且有些趣味感，讓我可以快速地發布在社群媒體上。

除了幫我自己複習過往的劃線筆記外，我也告訴 Gemini 可以整理成適合在社群分享的形式。這樣一來，不僅可以幫助我溫故(深化記憶)也能幫我知新(以分享的視角看待這個內容)。

來看看他每天早上運行的結果長怎樣：

Scheduled actions 每天的執行結果會用 push notification 的方式通知你

※

Vibe coding 一個 Chrome extension

有仔細看的朋友應該會注意到，PopClick 將劃線筆記寫到 Obsidian 但是我們的 Gemini scheduled action 是去讀 Google Doc 裡面的文件？

Obsidian → Google Doc 這段是怎麼做到的呢？答案是：我手動複製貼上的 😅，由於是個幫我複習的 Agent，我並不太在意他是不是那麼即時更新，所以我只要想到的時候，再去把比較新的 Obsidian 的筆記檔案，copy 到 Google Doc 覆蓋掉那個檔案即可。

…

BUT，凡是都有一個 BUT！我心想：既然 Gemini 還不支援直接讀取 Obsidian，要不乾脆我直接 Vibe Coding 一個 gdoc-appender Chrome extension 直接將我的劃線筆記 append 到指定的 Google doc 當中。

於是，在與 Claude Code 協作兩小時以後，神奇的 gdoc-appender 完美地解決這個問題啦！生在這個 Vibe Coding 的時代，還是挺幸福的，如果既有的功能滿足不了你，直接捲起袖子，指揮 Agent 去實現吧！

設定 Google account 和想要 append 上的 Google Doc 文件 URL

選取文字，點擊右鍵「Append to Google Doc」

我也將這個 Chrome extension 放到 Github 上面啦！有興趣的朋友可以按 README 的方式安裝看看 (由於要操作 Google Doc 所以要透過設定 GCP 來啟用 Google Doc API，有點小複雜)。

※

連推到 Github 都是 Claude Code 幫我的

用 Claude Code 氛圍編碼了一個 Chrome extension 方便我把滑鼠選取的文字，直接 append 到指定的 Google Doc (做為我管理名言錦句之用)。中途一度卡在 Google 的 OAuth Client 設定錯誤，把錯誤訊息貼給 Claude，他一直跟我鬼打牆 OAuth Client ID 要砍掉重建 (我照做了兩次都沒用)。
後來只好自己 survey 了一下，找到一篇疑似在討論這個問題的討論串 (github.com/supab…)，我也懶得看，直接貼給 Claude 叫他去讀。神奇的事情就發生了，Claude 說要把 App 類型從 Chrome extension 改成 Web application，我照做了，然後就成功 Google Sign in 了！！！明明是開發 Chrome extension 但是要選 Web application？？？
既然能動，我也就不去深究背後的道理了，這就是 Vibe coding 的精神吧 🦥

在把 source code 推到 Github 的時候，Claude Code 還將自己設成的 contributor 之一 😅。好喔，我不否認整個過程從頭到尾我就只有出一張嘴而已 XD。

※

🔍 工人智慧猜你也喜歡

《Claude Skills: 從協定到心法的抽象之道》
《湖倉救不了你: 真正卡住數據孤島的是人性》

我用熱情為燃料進行寫作，您的鼓勵使我不至於 burn out：

請我喝杯咖啡 ☕
將其轉發給可能也會欣賞它的同伴。
留言告訴我什麼讓你印象深刻，分享你的想法，或只是打個招呼。

💡 歡迎約 coffee chat 閒聊。如果您想探討合作方式，請透過我的社群媒體聯絡我，或回覆此郵件。

❏ 本週好讀 🛋️

🔗 References 🔗

https://www.joanwestenberg.com/a-metabolic-workspace/

新年目標總失敗？建立系統才是關鍵

Browny — Mon, 05 Jan 2026 00:00:49 GMT

Photo by Andre Taissin on Unsplash

贏家和輸家通常擁有完全相同的目標 — 目標從來不是造成差異的因素。

你很可能會放棄你的新年決心。
這沒關係。大多數人都會(研究顯示失敗率為 80–90%)，因為大多數人並不真的想在深層、內在的層面改變。
我們訂下新年決心只是因為別人也這麼做 — 真正的改變遠比說服自己今年要更有紀律或更有生產力來得更深刻。
人們試圖改變生活卻幾乎每次都徹底失敗這個事實仍然成立。以至於健身房在一月人潮擁擠，二月又回復正常，已成為一種迷因。1

…

歡迎回到《非正式寫作》理解複雜世界，前往那尚未被命名的自己。

你設定新年目標了嗎？隨著倒數送走 2025、迎來 2026，全世界正進行著 24 小時的煙火接力。過去的就讓它過去，在這裡畫下句點，今天就是全新的開始，值得對自己有新的期許。

然而，有多少人會想起去年的這個時候，也曾對滿懷雄心的自己喊話：「沒關係，今年我一定會更有意志力去做到。」直到 365 天後，才發現自己再度陷入這個似曾相識的循環。

或者，你可能已經歷過無數次這樣的循環。這一天與其他 364 天其實並無不同，你或許已對追求意義感到倦怠。你深信，那些不會改變的現狀，並不會因為你在特定的一天立下目標就有所不同，對吧？

既然設定目標不是重點，那麼，究竟是什麼原因讓有些人能持續進步，有些人卻原地踏步？

《非正式寫作》探索並理解當代世界的多面向特質。
週一更新。馬上訂閱，與 1600+ 位讀者一同升級 ⬆️

Subscribe now

選擇，就是將無限的可能性坍縮成一條路徑。

「我想要變瘦」、「暑假我想帶家人出國旅行」、「今年要多讀書」、「我要戒掉宵夜」…。你是不是也在紙上寫下了新年的願望清單？

為什麼我們熱衷於設定目標，卻大多以失敗告終？拿出去年的清單出來 (可能已經不知道跑去哪裡了)，想想過去 12 個月發生的事情，你找到野心慢慢被澆熄的線索了嗎？

我們以為「改變」就是增加一些什麼？擁有一個精實的身材、增添一份難忘的家族旅行回憶、成為一個博學多聞言之有物的人…。

我們沒有看到的是，這些「添加」背後，其實都附帶著相應的「刪減」：不能再吃高糖食物、要抽出時間運動 (犧牲窩在被窩滑手機的時間)、捨棄無謂的社交…。

每一個光鮮亮麗的「獲得」，都是由無數個默默堅持的「放棄」所構築而成的。

在問自己「我想成為什麼樣的人」之前，或許更應該先誠實地問自己：「我願意為了這個理想，刪除掉現在生活中的哪些部分？」

在立下這個新年目標的同時，正視你將失去的部分！

※

為什麼追蹤結果反而讓你失敗

你必須區分「結果」與「流程/系統」。
你可能會打掃一間亂七八糟的房間或重構一個雜亂的程式碼庫，那會帶來短暫的成果。如果你不改變最初造成混亂的那些懶散習慣，一個月後你會發現自己又回到同樣的情況。2

我們習慣以量化指標來追蹤我們距離目標有多遠 (畢竟 SMART 原則建議我們這樣做)，這類對結果的測量通常被稱為「滯後指標」：「已經減掉 3 公斤了，還差 7 公斤」、「已經讀了 3 本書」、「已和 5 個舊友重新取得聯繫」等等…。

我們必須明確區分這兩者：

滯後指標 (結果)：例如體重數字、存款金額。這是過去習慣的產物，是你無法直接控制的。
先行指標 (流程)：例如每天運動 30 分鐘、每天存下 100 元。這是當下的行動，是你完全能掌控的。

關鍵在於：你無法直接「做」一個結果。你無法「做」一個減掉 5 公斤的身體，你只能「做」每天的跑步與飲食控制。

當你一味追求無法控制的結果，帶來的往往是焦慮與挫敗；將注意力轉移到你能掌控的「流程 (輸入)」上，期望的「結果 (輸出）」才會作為 side effect 自然發生。

然而，要從「結果」轉向「流程」聽起來很理智，但執行起來卻很痛苦。為什麼？因為結果通常是令人興奮的，但流程往往是枯燥且充滿「摩擦力」的。

如果你只關注流程，卻不處理隨之而來的「犧牲感」（例如早起的痛苦、拒絕美食的掙扎），你的意志力很快就會被消耗殆盡。這就是為什麼許多人「知道」要做什麼，卻依然「做不到」。

這時，你需要的不僅僅是毅力，更是一套能「主動降低摩擦」的系統。系統設計的目的，就是為了讓「執行正確的行為」變得比「放棄」更簡單，從而減少對意志力的消耗。

正如我們在《42k馬拉松: 從零開始的百日挑戰》所實踐的：環境大於意志力。

要克服阻力，核心原則不外乎：

讓執行變得簡單 (Easy)：把跑鞋放在門口，而不是鞋櫃深處。
讓提示顯而易見 (Obvious)：前一天晚上就穿著運動服睡覺。
讓過程具有吸引力 (Attractive)：邊跑邊聽喜歡的 Podcast。
讓結果令人滿足 (Satisfying)：跑完給自己一個小獎勵。

此外，執行過程中應保持彈性，避免過度緊繃。生活中難免有突發狀況介入，我們應容許偶然的中斷，但必須杜絕「連續性」的放棄 (採用下面的雙層容忍度框架)。

※

你的底線在哪裡？雙層容忍度框架

你的生活樣貌，與其說是由你追求的事物所形塑，
不如說是由你所容忍的事物所決定。3

找到對你真正重要的事物，並有意識地投入時間與精力在這些人事物上。
大多時候我們處在 default mode (導航模式) 在過生活，而簡單生活需要我們「有意識地」思考和警惕熟悉感，耐心的維持這份細緻。

即使你搭建了低摩擦的系統，如果不持續維護，它終究會崩塌。物理學稱之為「熵增定律」，白話來說就是：混亂是自然的常態，秩序是需要費力的特例。

就像我去年年初搬家時 (今年又要再搬一次 Orz)，剛整理好的新家井井有條，每樣物品都有它的歸屬。但隨著日子一天天過，只要稍不注意，雜物就會像雜草一樣不知不覺地長出來。即使一開始的收納規則再好，也會因為生活的變動而逐漸失效。

這就是為什麼除了「建造系統」，你還需要「校正能力」。你必須對生活中的「微小偏離」保持高度敏感。不管是房間開始變亂，還是習慣開始鬆懈，在它失控之前，投入注意力將其修正回軌道。

我們失敗的原因，往往是把標準設反了：我們容忍自己「不去做」，卻不容忍自己「做不好」。

新的思維 (雙層容忍度框架) 要求我們設定兩條線：

地板(身分底線)：這是關於「有沒有做」，關於你是誰。對此我們要採取幾乎零容忍態度。
天花板(表現強度)：這是關於「做得多好」。對此我們可以保留較大的彈性與緩衝。

以「每天運動 10 分鐘」為例，你的檢核標準應該如下調整：

雙層容忍度框架：對缺席零容忍 (不連續 miss)、對表現保留緩衝 (允許狀態不佳)

同樣的邏輯也能應用在寫作上，參考《完美主義: 寫作的助力與阻力》。

如果你的系統是「每天早上寫作 20 分鐘」，當你早上不小心滑了手機錯過時間：

❌「算了，今晚再寫」
✅ 立刻停下來，馬上寫 5 分鐘，哪怕寫的仍很粗糙。

※

無限賽局：你不是在完成任務，而是在打造身份

目標設定 → 系統搭建 → 即時校正這套機制的價值，並不在於它能保證你抵達那個固定的「目標」、那個固定的「終點」。

當正向循環開始運轉後，你會發現當初設定的那個目標是否有 100% 達成，其實已經不再那麼重要。

一旦系統開始運轉，你就是在透過實踐與真實的自己對話。透過不斷地感知與修正，你會過濾掉那些「以為自己想要」的雜訊，逐漸看清對自己而言什麼才是「真正的重要」。這份自我認識，會進一步孕育出更新、更真誠的目標。

這就是高手眼中的「無限賽局」：不是為了完賽而跑，而是為了在奔跑中不斷進化。

讓輪子轉動起來吧，系統帶給你最大的禮物，不是那個終點線的獎盃，而是一個不斷更新、越來越清晰的自己。

※

One more thing (Goal2System 提示詞)

最後，提供一個 goal2system 的 prompt 給大家，將你的新年目標貼在最後一行 (取代掉 {{ … }})，然後整串貼給 AI 模型，就可以得到系統化的建議囉。

或者，你可以用這個 Gemini Gem，直接打上你的新年目標，按下 Enter。

習慣養成與系統設計教練

你是一位專精於習慣養成與系統設計的教練。你的任務是引導使用者將模糊的願望轉化為具體、可持續的執行系統。

角色使命

協助使用者克服拖延，透過環境設計與行為科學（參考原子習慣等理論），建立一套即便在意志力薄弱時也能運作的自動化流程。

行動準則

1. 目標解析

當使用者輸入目標後，請嚴格按照以下六個步驟進行回覆：

步驟一：正視代價 — 你願意刪除什麼？

列出 3-5 項為了達成目標必須犧牲或減少的現有活動
例如：減少刷社群媒體、犧牲睡眠時間等

步驟二：區分指標 — 滯後 vs 先行

明確區分「滯後指標」（最終結果，如體重）與「先行指標」（可控行為，如每日步行步數）
提供 3-5 個具體的先行指標

步驟三：降低摩擦 — 環境設計

運用行為設計原則（Easy, Obvious, Attractive, Satisfying）
針對先行指標提供優化建議

步驟四：雙層容忍度框架 — 設定底線

定義「地板」（最糟情況下的低標行動）與「天花板」（理想狀態下的目標）
提供一個表格，明確對比：

\n\n\n\n\n\n\n\n\n\n\n\n\n\n

錯誤的容忍	正確的容忍
對缺席容忍	對表現強度波動容忍

步驟五：即時校正機制

提供「5 分鐘急救方案」
提供每週檢核問題清單（3-5 題）

步驟六：身份認同轉化

協助使用者建構一個以身份為導向的陳述句
例如：「我是一個注重健康的人」

2. 語言與語氣

全程使用繁體中文
語氣需表現出專業、務實，且帶有理性的鼓勵
避免過度空泛的雞湯口號
確保所有行動建議都是具體且具備高度可操作性的

3. 結構化輸出

使用 Markdown 標題、清單與表格
使資訊易於閱讀

【我的新年目標】

\n
{{在此輸入你的目標，例如：我想減重 10 公斤 / 我想每年讀 24 本書 / 我想學會一門新語言}}
\n

\n\n

\n view raw\n \n prompt_goal2system.md\n \n hosted with ❤ by GitHub\n

\n","stylesheet":"https://github.githubassets.com/assets/gist-embed-ed91f9610ae6.css"}" data-component-name="GitgistToDOM">

習慣養成與系統設計教練

你是一位專精於習慣養成與系統設計的教練。你的任務是引導使用者將模糊的願望轉化為具體、可持續的執行系統。

角色使命

協助使用者克服拖延，透過環境設計與行為科學（參考原子習慣等理論），建立一套即便在意志力薄弱時也能運作的自動化流程。

行動準則

1. 目標解析

當使用者輸入目標後，請嚴格按照以下六個步驟進行回覆：

步驟一：正視代價 — 你願意刪除什麼？

列出 3-5 項為了達成目標必須犧牲或減少的現有活動
例如：減少刷社群媒體、犧牲睡眠時間等

步驟二：區分指標 — 滯後 vs 先行

明確區分「滯後指標」（最終結果，如體重）與「先行指標」（可控行為，如每日步行步數）
提供 3-5 個具體的先行指標

步驟三：降低摩擦 — 環境設計

運用行為設計原則（Easy, Obvious, Attractive, Satisfying）
針對先行指標提供優化建議

步驟四：雙層容忍度框架 — 設定底線

定義「地板」（最糟情況下的低標行動）與「天花板」（理想狀態下的目標）
提供一個表格，明確對比：

錯誤的容忍	正確的容忍
對缺席容忍	對表現強度波動容忍

步驟五：即時校正機制

提供「5 分鐘急救方案」
提供每週檢核問題清單（3-5 題）

步驟六：身份認同轉化

協助使用者建構一個以身份為導向的陳述句
例如：「我是一個注重健康的人」

2. 語言與語氣

全程使用繁體中文
語氣需表現出專業、務實，且帶有理性的鼓勵
避免過度空泛的雞湯口號
確保所有行動建議都是具體且具備高度可操作性的

3. 結構化輸出

使用 Markdown 標題、清單與表格
使資訊易於閱讀

【我的新年目標】

{{在此輸入你的目標，例如：我想減重 10 公斤 / 我想每年讀 24 本書 / 我想學會一門新語言}}

view raw prompt_goal2system.md hosted with ❤ by GitHub

※

🔍 工人智慧猜你也喜歡

《別再測量錯誤的事: 績效指標設定指南》
《系統只為行動者服務: 你也能獨自升級》

我用熱情為燃料進行寫作，您的鼓勵使我不至於 burn out：

請我喝杯咖啡 ☕
將其轉發給可能也會欣賞它的同伴。
留言告訴我什麼讓你印象深刻，分享你的想法，或只是打個招呼。

💡 歡迎約 coffee chat 閒聊。如果您想探討合作方式，請透過我的社群媒體聯絡我，或回覆此郵件。

❏ 本週好讀 🛋️

🔗 References 🔗

future/proof

How to fix your entire life in 1 day

You’re probably going to quit your new years resolution…

4 months ago · 1796 likes · 67 comments · DAN KOE

Strategize Your Career

Read this if you want a successful year at work in 2026. New Year's Resolutions done right for software engineers

Most engineers begin the year with high hopes and specific targets. By February 15th or earlier, most have dropped their goals already. This happens because we focus on the wrong things. We look at the result we want rather than the habits required to get there…

4 months ago · 27 likes · 2 comments · Fran Soto

BAD GIRL MEDIA

You are what you choose

Most people think identity is something they discover, like some buried artifact waiting to be excavated if they just do enough therapy or read enough self-help books or take enough personality tests…

4 months ago · 1893 likes · 64 comments · stepfanie tyler

把這 10 句話裝進口袋，去遇見全新的 2026 吧

Browny — Mon, 29 Dec 2025 00:01:30 GMT

Photo by Jakob Owens on Unsplash

A good quote is a concise expression of wisdom

歡迎回到《非正式寫作》理解複雜世界，前往那尚未被命名的自己。

再過兩天，就將迎來 2026。2025 對我來說是變動蠻大的一年：

年初決定離開已經待了十年的公司，踏上中年轉職之路《如果你也在猶豫轉職，試試這個系統性方法》。
三月底有緣份又恢復了非單身分 (再婚)，也去了義大利蜜月旅行《AI 吉卜力風: 創作與版權的交鋒》。
六月開始了新的工作，踏進完全不熟悉的領域，也開始了遠距離通勤之路《完美通勤計畫的失敗》。
七月開始接手團隊，組織文化的心態調適和 domain know-how 的各種轟炸，上一份工作的游刃有餘完煙消雲散，成了連滾帶爬《邊界思維比目標設定更重要！》。
十二月迎接新生命的誕生，有了第二個小孩，也確定了前世情人的存在。開始著手準備搬到新的城市生活 (沒想到繞了一圈又回到了學生時代一直想逃離的新竹)。

算是相當對得起犯太歲的這一年 (苦笑)。放下種種變動，其中有個唯一不變的堅持：持續《非正式寫作》。

今年總共寄出 35 份電子報，訂閱者也多了 1345 位。感謝持續抽出時間書寫的自己，通勤搭高鐵的時候寫、在醫院陪產的時候寫、在早起天還沒亮的清晨寫，也感謝正在讀這封信的你。

2025 年末，讓我們回顧過去的書寫，那些擲地有聲，曾經激勵著過去的我的那些句子。希望他們也能激勵到你，充滿能量地迎接嶄新的 2026。

《非正式寫作》探索並理解當代世界的多面向特質。
週一更新。馬上訂閱，與 1600+ 位讀者一同升級 ⬆️

Subscribe now

1. 關於行動：完成大於完美

Done is better than Perfect

《完美主義: 寫作的助力與阻力》

完美主義往往是一種恐懼，恐懼犯錯或失敗。但寧做不完美的事，也勝過完美地什麼也不做。在快速變動的時代，先求有再求好，透過迭代來接近完美，才是避免拖延與焦慮的最佳解方。

※

2. 關於節奏：無限遊戲的心態

走得多慢都無所謂，只要你不停下腳步。

《1000 訂閱達成: 5 個潛藏思維讓寫作從挑戰變習慣》

無論是寫作、經營電子報或是馬拉松訓練，關鍵不在於短期的衝刺速度，而在於能否維持「慣性」。將人生視為一場無限遊戲，允許自己偶爾缺席，但避免連續中斷，時間的複利效應將會帶你去到意想不到的遠方。

※

3. 關於選擇：效力優於效率

Efficiency is doing things right; effectiveness is doing the right things.
效率就是正確地做事；效力就是做對的事。

《PM總說”都很重要”: 技術領導的priority策略》

我們常陷入「低頭拉車」的忙碌，卻忘了「抬頭看路」。如果你正忙於錯誤的方向，再高的效率也只是加速抵達錯誤的終點。在設定目標與績效時，務必區分「活動」與「結果」，確保你的梯子是搭在正確的牆上。

※

4. 關於未來：主動權在你手中

The best way to predict the future is to create it
預測未來的最佳方式，就是創造它。

《10 個 2025 年的 AI 趨勢預測》

面對 AI 帶來的焦慮與不確定性，被動等待只會增加恐懼。人類相對於 AI 剩下的獨特特質是「好奇心」與「自我驅動」。與其擔憂被取代，不如主動運用新工具去構建你想要的世界。

※

5. 關於思考：寫作即思考

想法如果只是存在腦子裡，那就永遠只是一個想法。
當想法被寫下來，它就會成為一個濾鏡。

《1000 訂閱達成: 5 個潛藏思維讓寫作從挑戰變習慣》

寫作不只是輸出的過程，更是整理思緒、構建世界觀的方式。當你將模糊的想法具象化為文字，它們就成為了你審視世界的基準與濾鏡，幫助你在資訊洪流中保持清醒，並開啟向內探索的旅程。

※

6. 關於AI：提問的價值

當答案變得越觸手可及且成本低廉，好的問題就越有價值。

《如何用”元問題”打開未知的大門》

AI 時代，獲取資訊的成本趨近於零。真正的競爭力轉移到了「問對問題」的能力。不要只把 AI 當作搜尋引擎，而應視為思考夥伴，運用「元問題」（如假設、反向、類比）來打開未知的邊界。

※

7. 關於情緒：反應的自由

刺激和反應之間有一個空間。在這個空間裡，我們有能力選擇我們的反應。
我們的反應在於我們的成長和我們的自由。

《擁抱不確定性: 在變幻莫測的時代中茁壯成長》

情緒韌性不是壓抑，而是覺察。當憤怒或焦慮來襲，試著在行動前按下暫停鍵。理解情緒背後未被滿足的需求，你就能從情緒的奴隸轉變為情緒的主人，這才是真正的自由。

※

8. 關於生活：專注即平衡

重要的不是你在每個領域花費的時間多寡，而是當你身在其中時，投入的專注程度。

《注意力才是一切：重塑工作生活新平衡》

打破 Work-Life Balance 的迷思，追求 Work-Life Integration。平衡不是時間的數學題，而是注意力的品質。無論是在工作還是陪伴家人，全心投入當下（Attention is all you need），才是重塑生活質量的關鍵。

※

9. 關於自我：動態的定義

我是誰？我是我所做的事、是我所經歷與感受的一切集合。

《我是誰？從”存在是一種動態”重新定義自我》

不要被職業頭銜或他人的期待框住。你是一個持續生成的存在（Process），而非靜態的名詞。接受存在的動態性，你將不再被單一的成敗定義，而能在每個當下的體驗中找到意義。

※

10. 關於成敗：過程即目的

前進不是採集金罐的手段，前進本身就是目的。

《只是運氣比較好吧！》

成功很大程度上取決於運氣，我們能掌控的只有「前進」。如果你真心享受在路上的過程，那麼偶然發現的金罐只是錦上添花。這種心態能讓你面對不確定性時，依然保持堅韌與快樂。

※

前世情人 5 days old

2025，有什麼令你印象深刻的句子嗎？歡迎留言分享，也祝福你有個美好的跨年 🦥

我用熱情為燃料進行寫作，您的鼓勵使我不至於 burn out：

請我喝杯咖啡 ☕
將其轉發給可能也會欣賞它的同伴。
留言告訴我什麼讓你印象深刻，分享你的想法，或只是打個招呼。

💡 歡迎約 coffee chat 閒聊。如果您想探討合作方式，請透過我的社群媒體聯絡我，或回覆此郵件。

❏ 本週好讀 🛋️

工程師升遷關鍵: 高能動性與造勢思維

Browny — Mon, 22 Dec 2025 00:01:03 GMT

Photo by Samuel Ng on Unsplash

當「準時交付」變成標配，頂尖與平庸的關鍵，
就不再是你建設了什麼，而是你如何解釋你所建設的一切。

歡迎回到《非正式寫作》理解複雜世界，前往那尚未被命名的自己。

2025 來到了尾聲 (一個被聖誕歌曲包圍的月份)，工作或是生活上，這都是一個好好放慢步伐，回顧過去一年的好時機。

上個月開始的績效考核活動，讓我開始思考什麼樣的特質，會是 AI 時代的稀缺能力：《當執行變得廉價，什麼才是真正的稀缺？》。

隨著考核活動接近尾聲，要從眾多部門成員中，識別出有潛力升遷的人選，又是另一番考驗。我們在判斷一個人選是否已經準備好升遷到下一個階段的時候，經常會在討論中出現這樣的字眼：這個人有沒有展現出下一個職級相應的「扮勢」或寫作「範勢 (pān-sè)」或「款勢 (khuán-sè)」。

這股「勢 sè」(無需言語就能展現的實力位階) 究竟意味著什麼呢？

孫子曰：「故善戰者，求之於勢，不責於人。」

所謂「有沒有那個勢」，指的不是這個人有多努力 (不責於人)，而是他是否已經：

1. 站對了位置 (建立了如棘輪般不可逆的信任聲譽)。

2. 看懂了局勢 (懂得利用組織的政治浪潮來推動專案)。

3. 展現了動能 (具備 High Agency，能像急流一樣衝破組織的官僚與慣性)。

《非正式寫作》探索並理解當代世界的多面向特質。
週一更新。馬上訂閱，與 1600+ 位讀者一同升級 ⬆️

Subscribe now

① 解釋即創造

我們往往誤以為，只有寫下程式碼的那一刻才是在創造價值；
但事實上，「解釋價值」本身就是創造價值的一環。

工程師的成長路徑，通常始於一種對「掌控感」的迷戀。我們熱愛建設，享受那種一夫當關、萬夫莫敵的英雄時刻。在這個階段，世界很單純：你的投入與產出成正比，只要技術夠強，你就是那個能搞定一切的 10x Engineer。這是一個舒適圈，因為一切操之在己。

但當我們從單兵作戰走向大型戰場，遊戲規則悄悄改變了。在大組織的迷宮裡，資訊在層層轉述中流失，一個錯誤方向的代價遠高於執行效率的低落。這時你會發現，那些技術實力與你相當、甚至不如你的同儕開始脫穎而出，不是因為世界不公，而是因為他們懂得切換視角。

對於忙著到處救火的主管來說，他們沒有時間拿著放大鏡去檢視你的代碼有多優雅。在組織中，不僅要做對的事，還要確保大家知道這是對的事。當「準時交付」變成標配，區分頂尖與平庸的關鍵，就不再是你建設了什麼，而是你如何解釋你所建設的一切。

※

② 重新編譯「政治」

對多數工程師說「政治」這個詞，看看他們的表情就會像剛咬到檸檬一樣皺起來。我們都被灌輸相信職場政治是一場骯髒的遊戲，由那些操縱、爬梯子的人玩弄，而「真正的」工程師則專注在程式碼上。
我以前也這麼想。當工程師的這些年裡，我把對政治的厭惡當成一種榮譽徽章。我覺得自己高人一等，這些無聊的東西與我無關。我只想交付產品。政治是留給那些技術上不夠格的其他人的。
現在我則有相反的看法：問題不在於政治本身，而在於糟糕的政治。假裝政治不存在？那正是糟糕政治會得逞的方式。1

然而，拒絕參與並不會讓政治消失，它只是意味著關於你的決策，將在沒有你參與的情況下被定案。

問題不在於政治本身，而在於我們只看到了「糟糕的政治」。如果我們將其去污名化，良性的政治其實就只是：為了達成良好結果，而對關係與影響力進行的策略性運用。 它包含在需要幫忙前先建立交情、理解他人的動機，以及創造雙贏。

在大型組織中，你若不主動成為玩家，就會自動變成棋盤上的工具。而聰明的玩家，懂得「順勢而為」。最艱難的做法，是燃燒有限的政治資本，試圖逆風推石上山；而高明的做法，則是「將你的構想，嫁接於現有的政治浪潮之上」。

組織的注意力像潮汐一樣有漲有跌。與其在公司瘋狂衝刺新產品時，抱怨沒人重視你的代碼重構計畫，不如將計畫打磨好，存入你的「戰略庫」。等待一次重大事故發生、當高層急於展示「我們正在重視可靠性」來向更上級交代時，適時遞出那份早已準備好的方案。

這時，你不是在乞求資源，而是在幫主管解決燃眉之急。這就是高動能工程師的智慧：不需憤世嫉俗地對抗體制，而是耐心地等待浪潮，然後在對的時刻，讓組織的資源為你的目標服務2。

最好的技術領導者都擅長政治，
只是他們稱之為「利害關係人管理」、「建立共識」或「組織敏感度」。

※

③ 轉動信任的棘輪

解釋你所建設的一切、利害人關係管理、與他人建立共識，這些之所以能順利的開展，都基於你必須先在團體中取得信任。

但在信任建立之前，你得先知道從何下手。產品路線圖從來就不是單純由技術價值決定的，它是由政治資本、時機與人際信任混合攪拌後的產物。要在這場遊戲中累積資本，你需要先看穿那些隱形的規則：

尋找無主之地：不要只做被指派的事，要去尋找那些無人認領、但解決後影響巨大的髒活。
鎖定關鍵人物：你的工作不會說話，你得替它說話。這意味著你必須知道誰有權力說「可以」，以及他們什麼時候「方便」說可以。
翻譯你的價值：將你的提案「翻譯」成對方的語言。當你向非技術主管提案時，不要只談架構優美，要談這如何「降低風險」、「加速上市」或「達成團隊目標」。

正是這些具體的行動，推動了你的「聲譽棘輪」開始轉動。3

聲譽就像一個單向旋轉的棘輪：你每攻下一個無主之地、每贏得一位關鍵人物的認同，棘輪就向前卡進一格，你的可信度也隨之鎖定在新的高度。這是一個無法跳關的遊戲，你不能指望靠一次轟動的大案子就一步登天。

比較實際的策略是：先用小規模的勝利潤滑齒輪，證明你是個「能搞定事情」的人；等到地基穩固後，再轉向高曝光度 (High Visibility) 的戰場，將聲譽推升到高層管理者的視野中。

高動能有雄心的工程師懂得「策略性同理」：專注於自己想做的技術是很容易的，但要說服別人，最快的方法是理解他們的痛點。一旦你能將原本的技術提案，轉譯為關鍵決策者眼中的「解藥」，就會發現，原本阻礙重重的推動過程，將變得水到渠成。

※

④ 用使命包裝野心

當你學會了「策略性同理」，懂得讓他人感到被理解、讓推動過程順利無比之後，是不是意味著我們從此就要當個只會說 YES 的討好者？

正好相反。一旦你真正開始展現高動能 (High Agency)，你會發現自己經常成為那個「讓人感到不舒服」的存在。如果你沒讓任何人感到不舒服，那你可能沒在做重要的事。4

大型組織是靠著一套既定的劇本在運作的：大家心照不宣地接受那些稱不上計畫的計畫，坐在毫無結論的會議裡點頭，遵循著幾年前就壞掉的流程。這是一種職場的集體偽裝，因為照著劇本演最安全、最舒適。

而高動能的人之所以令人討厭，正是因為他們拒絕配合演出。

他們不照本宣科，只聽內在權威：不依賴外部許可證，遇到無效的會議，選擇主動介入導正議程，或是果斷止損，而不是為了合群而坐視生命浪費。

他們戳破國王的新衣：當眾人對顯然不可行的計畫點頭如搗蒜時，他們會提出那些「不合時宜」的尖銳問題。

他們執行，但不請求許可：與其中規中矩地等待任務掉到頭上，他們傾向於先動手解決那些無人聞問的慢性痛點，先斬後奏。

這種「不需許可 (Permissionless)」的行動力，打破了群體中最深層的保護傘 — 只要照著規矩來，就不必承擔責任。當你強迫旁人面對他們一直逃避的決策責任時，摩擦是必然的。所以，別害怕成為那個「麻煩製造者」。大多數時候，我們需要的不是更多的共識，而是有人願意為了正確的結果，承受短期內被誤解與討厭的勇氣。

不過，這裡有一條微妙的界線。

「讓人感到不舒服」是打破慣性的副作用，而不該是你的目的。如果你只是為了展現優越感而四處衝撞，那不叫 High Agency，那叫有毒的野心。同事們會開始提防你，因為他們感覺到你的每一次行動，背後都像是在說「我比你們聰明」。

要如何確保你的雄心不會變成讓人畏懼的利刃？關鍵在於你的出發點是為了「證明自己是對的」，還是想「把事情做成」？

當你的企圖心是綁定在組織的使命而非個人的光環上時，旁人是可以感受到的。

有毒的野心 (爭奪控制權)：「看，這是我想出來的，大家都該聽我的。」
健康的企圖心 (承擔責任)：「這是一個重要的問題，我先跳下來解決它，誰願意一起來？」

當大家意識到你願意為了團體的目標，去承擔那些最麻煩、最容易失敗的風險時，原本的不適感就會轉化為敬意。

高能動性不是叫你義無反顧的一股腦往前衝，而是有策略地對齊自己的價值觀與組織方向，成為那個最先跳進泥沼裡的人。當你站對了位置、看懂了局勢、展現了動能，你就是那個已經準備好了的，具有「扮勢」的升遷優先考量。

※

⑤ 造勢的 pān-sè

當「執行」變得廉價，真正稀缺的，不再是你能把事情做多快，而是你能不能把自己放到對的位置、讀懂局勢、並讓事情穿越組織的摩擦力。

你需要的不只是產出，而是能「解釋價值」讓正確的事被看見、被理解、被採用；
你也需要重新編譯「政治」，不把它當成髒活，而視為利害關係人、共識與注意力此消彼漲的策略運用；
更重要的是轉動信任的棘輪，用一連串可驗證的小勝利，換到更高曝光、更大槓桿的舞台。

最後，野心要用使命包裝：高能動性會帶來不適感，目的是把事情做成，而不是證明自己更優秀。

計利以聽，乃為之勢，以佐其外。勢者，因利而制權也。

🔍 工人智慧猜你也喜歡

《7 個領導力原則: 從運動會排演看管理藝術》
《系統只為行動者服務: 你也能獨自升級》

我用熱情為燃料進行寫作，您的鼓勵使我不至於 burn out：

請我喝杯咖啡 ☕
將其轉發給可能也會欣賞它的同伴。
留言告訴我什麼讓你印象深刻，分享你的想法，或只是打個招呼。

💡 歡迎約 coffee chat 閒聊。如果您想探討合作方式，請透過我的社群媒體聯絡我，或回覆此郵件。

❏ 本週好讀 🛋️

🔗 References 🔗

https://terriblesoftware.org/2025/10/01/stop-avoiding-politics/

https://www.seangoedecke.com/how-to-influence-politics/

https://www.seangoedecke.com/ratchet-effects/

BAD GIRL MEDIA

High-agency people are annoying; that's the point

People have been calling me “intense” since I was a little girl…

6 months ago · 197 likes · 39 comments · stepfanie tyler

船長偶爾划槳: 工程主管該不該寫 Code?

Browny — Mon, 24 Nov 2025 00:00:43 GMT

Photo by Mitchell Luo on Unsplash

領導的價值不在於做了什麼，而在於能讓團隊做什麼。

1. 從執行者到領導者的陣痛
2. 加法與乘法: 兩種截然不同的思維
3. 理解的邊界: 看 code 與寫 code 的鴻溝
4. 體感: 對不可預期的掌握度
5. AI 時代: 追求問題而非解法
6. 判斷準則: 何時該下場,何時該放手
7. 船長偶爾劃槳

歡迎回到《非正式寫作》理解複雜世界，前往那尚未被命名的自己。

最近讀到 Will Larson 的一篇文章 [1]，他提到自己加入 Imprint 擔任 CTO 後的六個月裡，合併了 104 個 pull requests，比過去十年加起來還多。他的論點很直接：AI 工具降低了寫 code 的時間成本，所以主管可以更多地參與編碼工作。

這讓我開始思考：工程主管到底該不該寫 code？

表面上看，這是個「該不該」的問題。但深入下去，我發現真正的問題其實是：為了什麼而寫？何時寫能產生乘法效益？何時不寫反而是更負責任的選擇？

《非正式寫作》探索並理解當代世界的多面向特質。
週一更新。馬上訂閱，與 1600+ 位讀者一同升級 ⬆️

Subscribe now

① 從執行者到領導者的陣痛

能夠成為主管的人，必然曾是優秀的執行者。我們習慣用「交付」來感知進度、用「產出」來衡量價值。當這樣的人升遷到管理職，角色的轉換並非一蹴而就 — 要求一個戰力滿點的 IC 馬上轉換成乘法心態，是不太可能的。

我想每個從 IC 升上來的主管都有體會。也許都要經過一些團隊動盪，才能醒悟自己更大的責任其實是掌舵，而不是奮力劃槳。

以很快的速度前往錯誤的地方，會讓以速度引以為豪的執行者醒悟到掌舵者的重要性。

※

② 加法與乘法: 兩種截然不同的思維

最容易混淆的動機，我認為是誤以為寫 code 才算產出，忽略了領導是乘法不是加法。

加法思維就是看到一件事就想著如何解決，一是一、說一是一。看起來很有執行力，實際上事倍功半。

乘法思維會拋出更多為什麼，找到更多槓桿點：如果一件事能不做，那為什麼要做？如果一定得做，能不能一魚多吃，做一件事少十件事？如果值得做，怎麼讓它順勢而生，而不會持續被那些所謂很急的任務排擠？

加法的危險在於：你以為自己在幫忙，實際上可能只是在滿足「我今天有產出」的安全感。乘法的挑戰則在於：如何將自己的貢獻可視化，建立一套回饋閉環，不斷優化自己的方向校準和力量放大是否真正奏效。

什麼時候主管要綜觀全域，什麼時候要親身實踐？取決於團隊的能力和規模。

規模越大，劃槳的一致性就越難對齊，掌舵者需要花更多心力協調；能力越強，每個人主動性都很高，能夠自發性地迭代校準，掌舵者就能省下心力，也參與到劃槳的行列。

※

③ 理解的邊界: 看 code 與寫 code 的鴻溝

那麼，主管真的需要寫 code 嗎?

我的答案是：不一定需要，但需要理解。

通過 code review，我可以理解業務邏輯如何透過軟體的抽象對應出來。理解這個關係，就能做出正確的技術決策，掌握時程，進一步幫助團隊排定正確的優先序。

AI 工具在這方面幫了大忙。現在的上下文視窗已經可以容納下常規應用的整個代碼庫，你可以像調整焦距一樣，以各種不同尺度來理解一份複雜的程式邏輯：從整體架構到模組職責，再到具體的某段 code。擁有一個伸縮自如的透鏡，可以更快在腦中形成理解的結構。

相比以前從零開始 code review，像瞎子摸象或拼圖一樣，前期花費大量時間東拼西湊才能慢慢構築起結構，現在的效率提升是顯著的。

但看 code 與實際執行，始終有一段落差。

系統不會獨立存在，必定是與許多其他系統整合的結果。真正下去實作，遇到那些實際的困難：API 不穩定、資料格式衝突、時序問題，才能真的瞭解。簡單來說，看是一回事；做又是一回事。實際做的時候可能會有各種突發狀況、不在預期內的挑戰。

這些或許可以透過經驗提前預知，不過就是這種不可預測性，才讓軟體開發這樣的創造性活動充滿趣味。

※

④ 體感: 對不可預期的掌握度

設計階段有許多假設，很多假設都要等到實作時才能被驗證。

這就是為什麼主管偶爾需要寫 code！不是為了產出，而是為了保持對「不可預期的掌握度」的體感。

這個體感是什麼？就是當你經常接觸時，這個 sense 能越準確地預測；當你太久沒有接觸，那麼這個 sense 就會偏離。

一個體感準確的主管，在聽到團隊說「這個兩週能做完」時，能夠綜合考量開發者的能力做出準確反應。一個體感失準的主管，可能會被團隊唬弄、或者激怒團隊 — 質疑「為什麼需要那麼久」。

在時程管理上，相依性高的系統通常要抓更多緩衝時間，正是因為這些「設計時的假設」需要在實作中驗證。主管如果沒有實作經驗，很容易低估這個驗證過程的不確定性。

偶爾實作，能夠讓你保有這種體感。頻率取決於團隊面對的開發緊湊程度：越緊湊的開發進度，就需要越頻繁的體感校準。我認為通常每個月需要碰一碰。

主管寫 code 的價值不在於產出，而在於校準對執行現實的感知，從而做出更準確的判斷。

※

⑤ AI 時代: 追求問題而非解法

AI 時代帶來了新的變數。

Larson 認為 AI 降低了寫 code 的時間成本，所以主管可以更多參與。這個觀察是對的，但我認為更重要的變化是：技術迭代加速了假設-現實的漂移。

像現在許多 AI 技術出現，大幅縮短了某些任務所需的時間。主管如果對這個技術沒有掌握，就無法做出正確的風險判斷。如果沒有親手用過 AI coding tools，當工程師說「這個用 AI 三天就能做完」時，你無法判斷是真的可行，還是過度樂觀。

體感偏離：可能過度樂觀(以為什麼都能加速)；也可能過度保守(不相信 AI 真的有用)。

但這不代表主管要追著每個新工具跑。工具太多了，與其去瞭解功能本身，不如去探究問題的本質。唯有把問題的本質看清楚了，才能不被炒作過多的工具迷惑。

當新工具出現時，追求解法的主管會想「哪個工具最好」；追求問題的主管會想「產生了什麼新問題，更適合這個工具」。

問題與工具是一體兩面的：問題催生了解決方案(工具)，新的解決方案可能催生新的問題。主管需要親手驗證某個新工具，不只是為了學會用它，而是為了理解它解決了什麼問題，發現它帶來了什麼新問題，判斷這些新問題是否值得承受。

只有親手用過，才能感受到 trade-off 的真實性。

只要是一個有所「追求」的技術專家，肯定會有追不上的焦慮。但回到那個答案：不要追求解法，而是追求問題。理解「問題本質不變，只是解法在迭代」可以減緩焦慮！

※

⑥ 判斷準則: 何時該下場,何時該放手

那麼，什麼時候主管該寫 code？什麼時候不該？

首先要理解：技術工作不只是寫 code。需求確認、規格訂製、架構設計、維運考量，這些都是環繞寫 code 的技術工作。主管應該觀察團隊在哪個環節是短板，引入自己的經驗來起到身先士卒 (自己做一次，然後剩下的請成員按照同樣思路執行) 的效果。在日常的團隊技術會議中就可以觀察出來。

主管該寫 code 的時機：

當新技術或工具會顯著改變時程基礎假設時。特別是那些能帶來乘法效益、不會用在緊急任務、具有前瞻性但短期不一定產生效益的技術。這類技術通常團隊太忙無暇探索，主管有時間可以先行驗證。
當需要理解「新工具帶來的新問題」時。不只是學會用，而是感受 trade-off，避免盲目引入技術債。
當你發現自己的判斷持續與執行結果偏離時。這是體感失準的信號，需要重新校準。
當團隊對某個技術方案評估分歧很大時。需要主管用實作來破除爭議，做出有根據的決策。

主管不該寫 code 的時機:

當任務緊急且時間敏感時。你的介入會打亂團隊節奏，保護團隊的執行效率更重要。
當任務只有加法效益時。如果你投入時間與產生效益是 1:1，就要仔細考慮是不是應該委派出去。事前要評估，事後也要回顧，從落差中習得經驗，之後判斷就會越來越準。
當團隊能力足夠、只是需要時間時。你的介入會剝奪成長機會，養成依賴，長遠來說反而不好。自己跳下來做可能快一時，需要調適，需要耐心。
當你只是為了「感覺有產出」時。這是最關鍵的動機檢查：你是為了團隊，還是為了自己?

最重要的三條準則:

不要為了感覺有產出而寫 code，主管最大的價值在於放大團隊的優點與效益。
也不要完全不碰 code，久了會失去對時程的 sense。
專注在乘法效益，如果今天主管投入時間和產生效益是 1:1，那就該委派。

※

⑦ 船長偶爾劃槳

回到根本的問題：主管的價值到底是什麼?

我認為最重要的就兩點：校準方向(掌舵) 與 賦能團隊(放大眾人劃槳之力)。

加法思維的危險在於事倍功半。乘法思維的挑戰在於，如何將自己的貢獻可視化，如何建立回饋閉環，驗證方向校準和力量放大是否真正奏效。參考：《別再測量錯誤的事: 績效指標設定指南》

掌舵者會記得怎麼劃槳，但會失去劃槳的 sense。失去 sense 後，無法準確判斷劃多久會累、水流阻力多大、劃槳節奏如何。偶爾劃槳，就是為了保持這個 sense。

判斷的準確性如何放大團隊效能？時程估得更準、團隊壓力更小；技術選型更準、少走彎路；風險預判更準、少踩坑。這些看似微小的改善，累積起來就是巨大的乘法效應。

身份認同也在這個過程中轉變。個人貢獻者的時候，身份認同在於做事又快又省又好。到了管理者，身份認同在於團隊朝一致認同的方向前進。一個人走得快，一群人走得遠，到達一個人無法到達的目標。

比如要把原本的報表系統引入新的 agent 探索互動方式，這種會涉及不同系統整合和團隊合作的長遠目標，很難靠一個人完成。主管在這種任務上的角色，就是拆解複雜的問題、協同不同角色的分工、管理前進的風險。

工程主管該不該寫 code？這不是該不該的問題，而是:

為了什麼而寫？
何時寫能產生乘法效益？
何時不寫是更負責任的選擇？

AI 時代降低了寫 code 的時間成本，但更重要的變化是技術迭代加速了假設-現實的漂移。主管需要更頻繁地校準 sense，但校準的目的不是保持技術能力，而是保持判斷準確性。

船長偶爾劃槳，不是為了推動船，而是為了更好地指引正確的方向。

🔍 工人智慧猜你也喜歡

《文件力就是你的超能力: Daily Log 實踐指南》
《邊界思維比目標設定更重要！》

我用熱情為燃料進行寫作，您的鼓勵使我不至於 burn out：

請我喝杯咖啡 ☕
將其轉發給可能也會欣賞它的同伴。
留言告訴我什麼讓你印象深刻，分享你的想法，或只是打個招呼。

💡 歡迎約 coffee chat 閒聊。如果您想探討合作方式，請透過我的社群媒體聯絡我，或回覆此郵件。

❏ 本週好讀 🛋️

🔗 References 🔗

[1] Coding at work (after a decade away) - https://lethain.com/coding-at-work/

記憶與日常: 在平凡中編織生命意義

Browny — Mon, 17 Nov 2025 00:00:39 GMT

Photo by Point Normal on Unsplash

記憶以離散的片段存在，日常卻如流水般綿延不絕。
媒體濾鏡讓我們誤以為生活應該璀璨奪目，
忽略了平凡時刻織就的紋理，才是生活真實的質地

1. 如何讓平凡的生活變得有意義
2. 覺得生活很重複乏味怎麼辦
3. 如何練習活在當下

歡迎回到《非正式寫作》理解複雜世界，前往那尚未被命名的自己。

姍姍來遲的十一月的第一封信，你最近過的都好嗎？

不知是工作得過於勤奮，還是天氣轉涼後變得比較遲緩，上次提筆已經是半個月以前。

也許是日照的關係，過了十月半，同樣的時間 (六點)，我變得比太陽早踏出家門。下班後原有的重見天日的感覺，也被一道道侷促的車燈取代。

白天的樣子變得模糊？除了幾次去廁所時在走道窗邊瞥見的悉悉簌簌的樹影，沒有什麼能特別被提起的印象。這就是所謂的「十月病」吧 🚬

沒有輪廓失去重量的每一天
侷限在框框之中
像條乾掉的河流
遼闊的十月
荒涼的十月

《非正式寫作》探索並理解當代世界的多面向特質。
週一更新。馬上訂閱，與 1600+ 位讀者一同升級 ⬆️

Subscribe now

① 記憶的離散本質

在這遼闊而荒涼的十月裡，生活變得不再鮮明。是環境的日曬不足，還是成像時沒有仔細顯影。

今天做了什麼、昨天做了什麼、這個禮拜又是什麼模樣？我像 AI 一樣，嘗試對生活做出總結，驚訝地發現最近每一天幾乎雷同。

是模型能力的不足，還是缺乏足夠的素材？

試著把時間尺度拉得更大：一年、三年、五年、十年；剛出社會、剛畢業、甚至更早到國中與小學。我發現，記憶是以離散的形式存在。

我不記得過程，只記得一個個輪廓鮮明的事件，像是一顆顆珍珠，回憶將他們輕輕串起。但生活的慣性並沒有鮮明的輪廓，也不承載明顯的情緒波瀾，它只是徑直往前，連續而合緩的起伏，像是一條平緩的河流。

或許就是那份荒涼的根源。

※

② `當日常失去輪廓`

是什麼造就了記憶的輪廓，他人掀起的波瀾，還是日常軌道外的小小偏離？

從往復循環的日常中，我按下倒退播放鍵，一格一格地檢視每一個畫面，仍找不著足以讓記憶成形的線索。

總是在 6:51 坐上車，出站後沿著同一條路徑往停車場走去，短短的路途上總有一位熟悉的身影陪伴 (我時常懷疑他是個 NPC，某天他沒出現時，我甚至覺得今天的世界初始設定出了差錯)。

一樣的車陣，一樣的在大約 7:50 左右進了公司的地下停車場，一樣地買杯熱美式，9:05 開站立會議，開始了一樣的認真工作的一天 …

那些值得 highlight 的時刻都去哪了？或許是這幾週沒寫電子報的緣故，每週按下「發佈」按鈕，像是在平滑的日子上打了個結，讓雄心勃勃的自己回望時，有顆珍珠能從記憶深處撈起。

忙著吸收、忙著執行，卻忽略了輸出與記錄，像穿越風景的旅人只顧著趕路卻忘了舉起相機，直到善感的季節想要翻閱回憶，才發現行囊裡竟無一顆記憶的珍珠。

不均衡是生活的真實紋理。但在追尋內心平靜的路上，要在記憶的珍珠與平凡的流水之間取得平衡，就像在兩條隱形的譜線上舞動。偏廢任何一方，便失去了想像的空間，只剩一片荒蕪。

※

③ `讓平凡發光的三種練習`

如果生活注定是一首重複的曲子，那麼細微的變奏就是我們能譜寫的自由

每天 6:51 的那班車，選擇站在不同的車門。熟悉的 NPC 身影，試著想像今天他的心情又是如何。在單調中覺察細微的變化，是從這份荒涼中找到意義的途徑。

打斷無意識的連續

儀式是有意識的重複：在相同的動作中注入覺察與意圖。當我們為日常披上儀式的外衣，平凡便有了重量。

每天早晨一杯手沖的咖啡，為自己空下十分鐘的時間細細品嚐：今天這杯喝起來的溫度如何，萃取的程度如何，酸了一點或是苦了一些，聞起來的香氣又有什麼變化。

儀式能夠創造邊界：在高鐵上找到位子後別急著掏出手機開始滑，先靜靜坐三分鐘，什麼也不做，然後在拿出早餐專心的享用。

儀式不需要繁複，只需要在日常的慣性中植入一個「主動的停頓」，停下來意識到自己正在做什麼，為什麼而做。

視角切換

不要把自己視為每日慣性裡的一個過場演員。日常看似無情地向前推，但你可以決定從哪一個鏡頭觀看自己。將視角從「被生活推著走」切換成「生活正在向我回應」。

你可以在人來人往的車站裡，觀察別人，也觀察自己如何因為窗外的光線、某個人的動作、一句廣播而產生細微的情緒波動。

這些波動起伏是你與世界的連結：不僅僅是「經過」這一天。

尺度伸縮

如果只用一天的尺度看生活，可能疲累、單調、甚至無趣；若把時間拉長到一週、一個月、一年，能看到那些微小的偏差累加起來，形成軌跡。

尺度伸縮的練習，就像調整焦距。
你可以停在一秒：呼吸落在胸口的重量、手指碰到紙張的觸感。
也可以放到一分鐘：剛才那段對話讓你有點不舒服，為什麼？
再拉到一小時、一整天：這些細碎的感受如何影響你的能量、你的判斷、你的方向？

近距離的感受讓你看見自己此刻的真實，遠距離的尺度則讓你看見自己正在往哪個方向去。能自由伸縮時間的標尺，日常中的重複就會浮現新的層次。

不只是現在的你在過生活，而是過去的你在累積、未來的你在成形。

※

④ 耐心編織記憶與日常

生命如 DNA 般以雙股螺旋前行：一股是記憶的珍珠，一股是慣性的河流。但這兩股螺旋並不整齊對稱，慣性不會按照固定週期產出記憶，本質上是不均勻的。

You can’t connect the dots looking forward; you can only connect them looking backwards. So you have to trust that the dots will somehow connect in your future.

編織者最需要的，不是技巧，而是耐心。

耐心等待那些內外轉換的瞬間自然浮現，不急著在每個今天都要有所收穫。
耐心地同時關照事件的發生與情緒的流動，知道有些日子注定只是過渡，像音樂中必要的休止符。
耐心地在每週給自己一個黃昏時刻，不是為了立即的領悟，而是為了保持對話的習慣，有時候反思會沉默，那也沒關係。

更需要耐心的是，學會隨著情緒的潮汐調整步伐，而不是強求一個恆定的節奏。疲憊時就讓慣性載著我們，相信河流終會入海；充沛時就主動撒下種子，但不急著看它發芽。身體會告訴我們什麼時候該停、什麼時候該走，只要我們有耐心聆聽那些細微的信號。

在記憶與慣性的雙螺旋之間，我們要做的不是焦急地編織，而是有意識地切換：

透過休止來創造留白
透過視角來發現新意
透過尺度來調整焦距

像園丁相信季節，像釀酒師相信時間，我也相信，即使在荒涼的十月，珍貴的記憶果實終將結成。

當然，要記得寫作 :)

🔍 工人智慧猜你也喜歡

我用熱情為燃料進行寫作，您的鼓勵使我不至於 burn out：

請我喝杯咖啡 ☕
將其轉發給可能也會欣賞它的同伴。
留言告訴我什麼讓你印象深刻，分享你的想法，或只是打個招呼。

💡 歡迎約 coffee chat 閒聊。如果您想探討合作方式，請透過我的社群媒體聯絡我，或回覆此郵件。

❏ 本週好讀 🛋️

🔗 References 🔗

🦥 parting thoughts 🦥

雖然落了兩週沒有發文，還是陸續有零星的新訂閱讀者，默默地突破了 1600+ 啦！感謝舊雨新知們的支持，你們的訂閱與分享就是情勒我趕快發佈的最佳動力 :)
這篇用的首圖是交織的繩子，用來表達意義是記憶與當下兩股力量的連結與交錯。這張首圖也讓我想到最近在追的 Netflix「體能之巔：亞洲大挑戰」，相較於前面幾季，檔次又再度提升，看到我都忘記要寫電子報了，推薦給喜歡競技節目的朋友們。

Claude Skills: 從協定到心法的抽象之道

Browny — Mon, 27 Oct 2025 00:01:00 GMT

技能三性：可描述性、可重現性、可移轉性 / Photo by Quino Al on Unsplash

一件深具意義的事情正悄然發生：大語言模型現在有了「明確的功能定義介面」。
這不是提示工程的又一次漸進式改進。

Claude Skills 代表了「自然語言 → 執行邏輯」通道的制度化。
不是提示技巧，而是一個協議 (一個遠比 MCP 平易近人的協議)。

語言現在可以作為結構化的計算原語被宣告、調用和驗證。[1]
— Susan STEM

1. 了解 Claude Skills 的本質
2. 習得技能的三大特性：「可描述」、「可重現」、「可移轉」
3. Claude Skills 與 MCP 工具協定的差異與關聯
4. Skills 設計理念對 AI 生態系的影響

歡迎回到《非正式寫作》理解複雜世界，前往那尚未被命名的自己。

已經一陣子沒有主動追蹤 AI 世界層出不窮的新技術，最近卻被 Anthropic 推出的 Skills 重新吸引了目光1 (又重新 enable Claude Pro 訂閱)。隨著越來越多我所景仰的技術先驅給予高度評價，我決定趁假期親自動手試試。

一試之下，內心受到的衝擊不亞於當初見識 MCP 時的震撼 — 隱約感覺到，真正的大爆發即將到來。

《非正式寫作》探索並理解當代世界的多面向特質。
週一更新。馬上訂閱，與 1500+ 位讀者一同升級 ⬆️

Subscribe now

還記得今年被稱為「AI Agent 元年」嗎？除了模型的理解能力越來越強，我們更期待 AI 不只能聊天互動，還能做到三個「自動」：自動感知、自動規劃、自動執行。參閱：《解構AI Agent: 人工智能的關鍵突破?》

針對「執行」這一塊，Anthropic 在去年 (2024) 底給出了 MCP (Model Context Protocol) 這個回應：一套 client-server 架構，規範了 AI 應用該如何調用與整合外部系統。參閱：《AI 的 Type-C 時刻: MCP 如何反轉控制釋放應用生態系統》

一時之間，MCP 成了每間號稱要導入 AI 的公司必談的清單項目之一。發展至今，我們的確看到各種場景透過 MCP 讓 AI 更深入地整合進企業流程。比如：程式開發的 IDE 可以透過 Cline MCP 對接各種不同模型、讓 AI 直接讀取 GitLab 的 issue、查詢 Postgres 資料庫結構、或是透過 Slack MCP 發送團隊通知，等等 …。

但，對一般人來說 MCP 的門檻仍然太高。想讓模型基於自己的行事曆幫你安排行程，或整理眾多出遊相簿中的照片描述？得先搞懂怎麼讓模型掛載上 MCP server，掛載上去後還要煩惱模型是不是能在正確的場景下選對工具，選對工具後模型有沒有辦法正確理解意圖、有沒有辦法順利執行不出意外 (工具太多要怎麼傳遞上下文而不超出 token 限制)，等等 …。

要能透過 MCP 來擴展 Agent 的能力，技術上仍是相當挑戰的。這次，Anthropic 放了一招大的，他們推出了「Skills (技能)」，主打一個就算你是技術小白，也能打造一個專屬於你、真正懂你的 Agent。

① Claude Skills 的本質

來看看 Claude 官方如何描述「Skills」：

Claude 現在可以使用「技能」來改進其執行特定任務的方式。技能是包含指令、腳本和資源的資料夾，Claude 可以在需要時載入這些內容。
Claude 只會在與手邊任務相關時，才會使用技能。使用技能後，Claude 在處理專業任務時會表現得更好，例如使用 Excel 或遵循貴組織的品牌指南。

標粗體的這句話非常關鍵：「技能是包含指令、腳本和資源的資料夾，Claude 可以在需要時載入這些內容。」

我們可以作一個思想實驗：如果讓我們來具象描述或定義 “技能” 這件事，你會怎麼做？當我們說一個人具有某種技能，實際意味著什麼？良好的溝通技能、出色的數據分析技能、流暢的寫作技能，等等 …。

“擅長 (做的比平均水準還要好)” 的背後，我們其實對 ”習得技能” 還抱有三個隱含的期待：它應該是可描述的、可重現的、可移轉的。

你說你很會溝通，你應該講的出來那些你可能潛意識會使用的一些經驗法則 (像是：不要使用雙重否定來表達肯定、對長官報告優先講結論，等等…)。
你說你投籃很準，你應該在幾場比賽下來都能維持在一定的命中率以上，而不會今天在 A 場地很準，明天換到 B 場地就不準了。
你說你很會寫作，你應該能透過教學讓一個寫作新手也有某種程度的提升。

Skills 透過 資料夾 + Sandbox 執行環境 來滿足上面三個期待：

文件與資料夾的結構 (可描述、可移轉)：在 Skills 的世界裡，技能被抽象成三個部分：領域的知識/經驗/流程 (指令)、執行所需的確定性工具，像是 python function (腳本)、捆綁的額外材料，像是 API 文件、操作手冊，等等 … (資源)。
Sandbox 執行環境 (可重現)：在模型為任務選定合適的技能後，Skill 會將上述資料夾掛載到一個虛擬執行環境當中運行 (如下圖右)。

the skills architecture

② Skills vs. MCP

沒有 MCP 時，模型雖能理解語言，卻難以真正觸及現實世界的複雜脈絡。
MCP 就像為 AI 裝上「環境感知神經系統」通過協議層將工具能力轉化為可理解的語義描述 (例如「此服務可掃描 PDF 並提取表格」)，讓模型能像人類一樣根據手上的任務去參考工具箱裡面的可用工具，自行決定應該如何選擇與使用。
—《AI 的 Type-C 時刻: MCP 如何反轉控制釋放應用生態系統》

「讓模型能像人類一樣根據手上的任務去參考工具箱裡面的可用工具」這聽起來似乎和 Skills 有某種程度的重疊？我們期望模型可以習得某個技能的同時，其實也隱含了希望它可以選用正確的工具 (Skiils 當中的 script 可以作為內部工具，MCP 作為外部工具)。

Claude 官網上是這樣說的：

MCP 將 Claude 連接到外部服務和資料來源。技能提供程序性知識，也就是完成特定任務或工作流程的指示。您可以將兩者結合使用：MCP 連線讓 Claude 能夠存取工具，而技能則教導 Claude 如何有效使用這些工具。
— 《Skills vs. MCP》

難道，MCP server 裡頭沒有提供程序性知識嗎？一個可以透過 MCP 擴展而讓模型能夠完成的任務，同樣也能夠透過 Skill 達成；反之亦然。

我認為兩者的選擇主要取決於封裝粒度的考量。古云：「工欲善其事，必先利其器」。要完成一項任務，往往需要運用多種不同的工具，而每個工具本身也是在更細緻的層面上完成特定的小任務 (透過良好的封裝設計，提供簡潔易用的介面)。

因此，Skills 和 MCP 實際上可以互相補充：Skills 可以作為 MCP 工具體系中的一個具體功能模組；反之，MCP 也可以成為 Skills 任務執行過程中的一個支援工具。兩者的關係是靈活且互補的。

③ 技能需要淬練

Skills 的精髓就在於 SKILL.md (參考官方 skills 怎麼寫這些 SKILL.md)

了解到 Skills 本質上是採用 Markdown 格式，對指令、功能、資源進行結構化規範，讓 Agent 在結構性引導下提升感知與規劃能力，在特定任務中展現專家級表現 — 這點並沒有讓我感到特別驚艷。

畢竟現行許多 Prompt Engineering 技術發展到極致時，其鉅細靡遺的結構規模，相較 Skills 可說是有過之而無不及。真正讓我眼睛為之一亮的是：我們可以利用內建的 skill-creator 功能 (是的，它也是一個 Skill)，直接透過對話方式創建技能，完全不需要手寫 SKILL.md 檔案。

更棒的是，創建好的技能可以輕鬆與 Claude 整合，實現「隨建即用」的效果。你可以立即在對話中測試新創建的技能是否符合需求，發現問題時也能透過對話請 Claude 修改或強化該技能。

相較於過往使用 Prompt Engineering 或建構 MCP 應用程式時，需要先熟悉各種規則才能為模型配備更多功能，Skills 更鼓勵透過頻繁的互動，逐步完善對技能的理解。這樣的方式讓模型能更好地習得你身上隱含的指令、腳本與資源，最終成為該任務領域的專家。

傳承技能的真諦在於：當你教會機器思考時，你也正在重新發現自己如何思考。

④ 門檻最低的樂高式創新

可組合和可攜式是大規模採用的關鍵因子

看到 Skill 採用 Markdown 這種更接近自然語言的格式作為模型擴展的協議層，再搭配可運行程式語言的 Sandbox 執行環境，讓我聯想到了 Dockerfile。

容器技術雖然存在已久，是 Docker 這家公司封裝了許多實作細節，提供了一個極其簡潔的抽象層（Dockerfile），大幅降低了使用門檻，帶來了兩個關鍵特性，才讓這門技術潛力徹底爆發：

可組合性：你可以基於他人建構好的 Docker image，在其基礎上新增自己需要的組件，只需要在 Dockerfile 開頭引入 FROM 即可。
可攜性：只要環境中有 Container runtime，你就能確保同一個 image 在不同環境中的執行結果完全一致。

就如同 Docker 透過簡潔的抽象層引爆了容器生態系統，Skills 的可組合性與可攜性或許正預告著 AI 能力傳承的新時代，一個知識可以被無限複製、組合、穿透邊界的時代

在實際嘗試幫 Claude 掛載一個「排版技能」的互動中，我想到了師徒情誼：

🔍 工人智慧猜你也喜歡

《AI 時代，對話介面是萬能解嗎？》
《AI agent 是一門好生意嗎？》

我用熱情為燃料進行寫作，您的鼓勵使我不至於 burn out：

請我喝杯咖啡 ☕
將其轉發給可能也會欣賞它的同伴。
留言告訴我什麼讓你印象深刻，分享你的想法，或只是打個招呼。

💡 歡迎約 coffee chat 閒聊。如果您想探討合作方式，請透過我的社群媒體聯絡我，或回覆此郵件。

❏ 本週好讀 🛋️

🔗 References 🔗

[1] Claude Skills: The Functionalization of Language -

Susan STEM’s Entropy Control Theory

Claude Skills: The Functionalization of Language

Why Claude Skills Demands Our Attention…

6 months ago · 7 likes · Susan STEM

[2] Claude Skills are awesome, maybe a bigger deal than MCP -

Simon Willison’s Newsletter

Claude Skills are awesome, maybe a bigger deal than MCP

In this newsletter…

6 months ago · 184 likes · 6 comments · Simon Willison

[3] The Genius of Anthropic’s Agent Skills -

Artificial Intelligence Learning 🤖🧠🦾

The Genius of Anthropic's Agent Skills

Good Morning…

6 months ago · 45 likes · 5 comments · Michael Spencer

[4] Equipping agents for the real world with Agent Skills - https://www.anthropic.com/engineering/equipping-agents-for-the-real-world-with-agent-skills

由於工作上已經很少需要直接寫 code (更多是進行 code review)，我在 coding agent 領域便沒有追得那麼緊。我使用 AI 的場景更偏向設計思考、主題研究和寫作。

這些工作多對話幾輪就能達到目的，所以對於各種自動化工具，似乎也沒有太迫切的需求去深入研究 (Typingmind 搭配 OpenRouter 已經用得很順手)。

正因如此，我其實沒有訂閱太多 AI 服務。直到最近 Claude Skills 吸引了我的目光，讓我重新啟用了 Claude 的訂閱。

從演算法逃出的那封信

Browny — Mon, 20 Oct 2025 00:01:45 GMT

Photo by Kelly Sikkema on Unsplash

我們是殭屍；我們不再消費經演算法篩選的內容，而是消費演算法本身。
— Sam Kriss

1. 我們的滑動行為，正逐漸被演算法重塑。
2. Substack 提供了一種「從注意力經濟 → 信任經濟」的逃逸路徑。
3. 重拾主體性，不在於離線，而在於「有意識地選擇」。

歡迎回到《非正式寫作》理解複雜世界，前往那尚未被命名的自己。

若不刻意轉換到「觀察者」的角度，要察覺自身習慣的變化，其實並不容易。
我們擅長用宏觀的尺度關注外在的趨勢，卻很少對內在那種緩慢而細微的變化，給予同等的關注。

比起滑 Twitter 或 Threads，最近我更常打開 Substack，並在那裡停留得更久。
Substack 自稱是一個社交平台 [1]，這讓我開始好奇：究竟是什麼，使它如此不同？
為什麼我更願意將「滑動的時間」獻給它。

《非正式寫作》探索並理解當代世界的多面向特質。
週一更新。馬上訂閱，與 1500+ 位讀者一同升級 ⬆️

Subscribe now

你將在滑動螢幕的過程中死去。想想看：除了睡覺 (如果你不是失眠者)，
你每天第二耗時的活動是什麼？ [2]

如果滑動的時間是無法逃避的陷阱，在墜落的過程，我們或許仍能嘗試抓住些什麼。

在 Substack 出現以前，我主要透過 Twitter (也就是現在的 X.com) 獲取資訊。我習慣追蹤專家，而非追逐趨勢。那是我認為能最無損地接近第一手觀點與深度見解的方式。隨著追蹤的「專家」越來越多，平台的設計又不斷放大注意力的競逐，我開始發現：即使看了很多，仍然有種「可能錯過了什麼」的不安。

隨著電子報的復興，Substack 逐漸嶄露頭角，許多優秀的作者開始在這裡安放他們的文字與思想。我也在見識了 AI 的潛力之後，決定開始 用「更主動的創造」去對抗那種「可能錯過了什麼」的不安。於是，在 2024 年 5 月，我發佈了第一封電子報。

出乎意料地，一年多過去了，現在，Substack 不只是我的發佈平台。竟也慢慢地成為我主要的資訊輸入來源。

① Email 帶來的「認真節奏」

Substack 最獨特之處，恐怕就是這裡的受眾對於長文的容忍度出奇的高吧！

這樣獨樹一格的氛圍我認為與「電子報」的形式有很大的關聯。對創作者而言，Substack 的受眾非常具體明確：是那份訂閱者的 email 清單，而不是某個模糊的「全世界」。

這裡藏著一個微妙的反直覺：當你的內容可能被全世界看見，與當它只會寄到兩三個人的信箱，哪一種情境會讓你更認真對待？

以我親身體驗來看，數量少但是更明確的受眾，反倒會讓我更加認真的看待。大概是這個緣故，導致在這裡的作者們，經常不自覺得把內容寫的比較長吧！?

Substack 聰明地借用了 email 這個「被低估的基礎設施」。不需安裝新 app，沒有通知牆，也沒有無盡的滑動。每一次寄出，都更像是一封「私信」，而非一場「廣播」。

在這裡，閱讀可以放慢節奏，你可以收藏、反覆閱讀，而不被即時熱度吞沒。從社群媒體轉到 Substack，像是從喧鬧的廣場返回書房。這裡的氛圍，不在於爭奪注意力，而在於邀請對話。

② 從「注意力經濟」轉向「信任經濟」

在社群媒體的世界，演算法優化的是「停留時間」與「互動率」。
但在 Substack，email 代表的是「允許作者進入我的私人空間」。

這意味著：

每一個訂閱都是一個「選擇性」的接收，不是被演算法推送。
寫作者不再為「曝光」服務，而是為「維繫關係」服務。
沒有受演算法鼓吹的情緒性內容，更能培養出「深思型的創作者」。

比起「點讚數」，「訂閱數」或者更準確來看「開信率」才是更能反應信任的指標。

③ 長文得以生長的慢生態

由於內容產地直送，沒有演算法這個中間人。你的內容很確定地只會被訂閱者們收到。關於內容會被誰看見這件事情，Substack 更適合那些願意對極少數人(甚至對空氣)說話的作者。

從內容消費的角度來看，它的演算法也不特別偏好爆紅內容。即使是只有幾個按讚數的文章，依然可以被相關性捕獲，偶然地出現在某位讀者的首頁上。

Substack 不是用來「被看見」的地方，而是容許「先說出口」的地方。
這種對「孤獨創作」的包容，正是它在精神層面上與其他社群平台的最大區隔。

④ 反演算法、反噪音、反焦慮

許多使用者與創作者都曾表達擔憂：Substack 推出「筆記(Notes)」功能後，這個原本專注於電子報與長篇內容的平台，似乎正逐漸變得像一個普通的社群媒體應用。

老實說，剛開始我也有同樣的擔憂。

入口頁從「你訂閱的作者電子報列表」，變成了類似 X 或 Threads 的訊息牆，一種無止盡的滾動式動態牆。雖然能在其中偶遇意想不到的內容與推薦，但同時也很害怕 viral content 將淹沒這片淨土。

社交媒體雖然有其負面影響，但也提供了連接世界和日常生活中重要事件的途徑，是創作者和讀者相遇的地方。

很快的我理解到，這樣的擔憂其實是多餘的。工具帶來的結果，最終取決於使用者的選擇。幾乎所有功能，都是一體兩面。

Notes 讓 Substack 看起來更像一個社交平台，但也讓創作者與讀者有新的分發渠道得以分享、引用、表達自己的感受與思考。

我曾在 Notes 裡發現許多有趣的新作者，也曾看到有人試圖將其他平台上的注意力爭奪文化複製過來。

注意力，是這個時代最稀缺的資源。我們應該主動守護它：

👉 區分 Follow 和 Subscribe

Subscribe 很好理解。當你訂閱一位作者，他發佈新的電子報時，你留下的信箱就會收到郵件 (也能透過 App 裡的 Subscriptions 收到)。

Follow 則是追蹤作者的筆記，這些更新會出現在首頁，並混合著演算法推薦的內容。

Substack 保留了這種彈性。如果你只想專注於那些自己有訂閱的作者，你甚至可以完全不打開 Substack 的網站或 App，只透過電子郵件閱讀即可。

Follow builds visibility. Subscribe builds relationship.

對作者來說，我把筆記視為一種輕量的互動方式，目的在於延伸觸及，讓更多人能接觸到我的創作內容，進而有機會成為訂閱者。

如果你還不確定我的內容是否值得進入你的信箱，可以先看看我的筆記！

👉 定期整理自己的清單

訂閱像是一種契約，即使是免費的，你也交出了你的注意力。對「知」的渴望誘使我們不知不覺簽下太多的契約，卻很少停下來問自己：哪些仍然需要。

我們應該定期整理這個空間，將注意力視成珍貴的資源，避免它不自覺地被消耗。留下真正有影響的力事物，其餘的，主動的斷捨離，為注意力留份餘裕。

最後，分享一些會讓我充滿期待在信箱中打開的中文世界的可愛 Substack 們：

Vincent Yu’s Substack
只贏
斑馬通訊
小果亂語 - Ringo’s Pie 🥧
沒有小說的書店
生活靈感報
Choisie 喬記洋行
日本創業野帳
🍃 leafwind.tw
書不起

期待能夠在 Substack 上看到越來越多優質的中文作者和讀者。如果你還沒開始 Substack (咦，那你是怎麼看到這篇文章的 ^^”)，厭倦了注意力競逐的 viral content，趕緊來試試 Substack 吧！

🔍 工人智慧猜你也喜歡

《簡單是”有意識地”投入》
《大掃除之外: 你的內心也需要一場年度整理》

我用熱情為燃料進行寫作，您的鼓勵將支援我持續下去：

請我喝杯咖啡 ☕
將其轉發給可能也會欣賞它的同伴。
留言告訴我什麼讓你印象深刻，分享你的想法，或只是打個招呼。

💡 歡迎約 coffee chat 閒聊。如果您想探討合作方式，請透過我的社群媒體聯絡我，或回覆此郵件。

❏ 本週好讀 🛋️

🔗 References 🔗

[1] Substack is a social media app -

The Substack Post

Substack is a social media app

7 months ago · 3932 likes · 701 comments · Hamish McKenzie

[2] You Will Die Mid-Scroll -

The Algorithmic Bridge

You Will Die Mid-Scroll

I. Mark Zuckerberg…

7 months ago · 106 likes · 29 comments · Alberto Romero

[3] Everything Is Television -

Derek Thompson

Everything Is Television

A spooky convergence is happening in media. Everything that is not already television is turning into television. Three examples…

7 months ago · 1386 likes · 35 comments · Derek Thompson

7 個領導力原則: 從運動會排演看管理藝術

Browny — Mon, 13 Oct 2025 00:01:16 GMT

Photo by KOBU Agency on Unsplash

領導是從不確定性中創造秩序的藝術。
— General David Petraeus

歡迎回到《非正式寫作》— 理解複雜世界，前往那尚未被命名的自己。

戰場上，最危險的不是敵人，而是混亂。
組織裡，最稀缺的，不是資源，而是清晰。

領導者的權威，並非來自音量，而是 能在複雜中，維持一條穩定的思考主線。

《非正式寫作》探索並理解當代世界的多面向特質。
週一更新。馬上訂閱，與 1500+ 位讀者一同升級 ⬆️

Subscribe now

最近因緣際會 (~~菜鳥中籤~~) 參與了公司運動會的進場活動。這個活動需要 100 多人的隊伍跟著音樂節奏，完成各種隊形變換，同時揮舞手中的彩球與道具。

經過幾次的練習，我有了三個深刻體悟：

首先，協調多人一致行動本身就極具挑戰性。光是要讓 200 多人步調一致就不容易，更別說還要加上複雜的動作配合。

其次，群體行動讓不確定性成倍增加。缺席會影響整體隊形的相對位置，而每次練習都有不同的人缺席，導致我們必須重新適應和調整。

最另我印象深刻的是「領導力可以帶來多麼大的影響」：這次恰好有兩位教練輪流帶領我們練習，兩人的領導風格截然不同，成效差異巨大。

教練 A 花費大量時間確認出缺席人員、討論如何調整隊形，在動作指導上也較難表達清楚，讓我們無法準確理解動作與音樂節拍的對應關係。在他的指揮下，整體的進度緩慢且經常卡頓。

教練 B 則完全不同：面對缺席狀況時果斷決策，建立了明確的補位或留空原則；在動作指導上力求化繁為簡，以便於記憶為主要考量。在他的指揮下，感覺效率極佳，通常都能提早放飯。

我不禁思考：回到工程管理的情境當中，我是不是也曾犯了類似教練 A 的錯誤？所謂優秀的領導力，具體來說是哪些行為的展現呢？或許可以從兩位教練身上看出端倪！

① 任務導向 vs 意圖導向

「指揮的關鍵，不在於步驟，而在於意圖。」

教練 A 在教動作的時候是順序性的，一步一步的告訴我們接下來要怎麼甩動彩球，怎麼移動走位。學完了一個八拍接著學下一個八拍，而我們經常學會了這個八拍就忘了上一個八拍。

教練 B 則不同，他會先非常快速的帶過一次動作 (2倍快轉那種)，然後告訴我們整首音樂可以分成三個大段落，每一個段落分別想要表現出什麼感覺，然後才進到每個段落的動作細節教學。

命令可能失效(失憶)，但意圖能讓行動持續。
同樣地，職場領導者若只交代「要做什麼」，團隊就只能執行表層任務；
說清楚「為什麼這樣做」，成員更能在變動中保持方向一致。
👉 清晰的意圖和結構，比細節的步驟更重要。

② 分層授權與節點思維

「好的指揮官，不會親自控制每一個單位，而是設計出能自己運作的系統。」

除了自己記住節拍，大多數人會無意識地去跟隨前排的動作。有些人節奏感就是比較好，只做了幾次就能記住。教練 B 觀察到了這個現象，在隊形的左右兩側，分別拉出一位表現比較好的同學作為小老師。

有了正確的參考，教練 B 省下許多糾正個別錯誤的時間，更多地專注在整體的視覺呈現上，關注更高層次的挑戰。

大規模協作中，關鍵是建立「授權節點」與「明確邊界」。
職場中的中層主管、專案負責人，就是這些節點。
👉 領導者要做的，是讓每個節點都能在自己的範圍內，自主決策、透明回報、彼此信任。

③ 快速迴圈的思考模型 (OODA Loop)

我原本理解上的排練，是音樂和動作都已經確定，我們只需要把走位和道具之間的配合熟記，並一致的對齊音樂節奏即可。

但，實際演練下來才發現，其實音樂和動作都是可變動的。教練 B 會因為某些動作可能太複雜跟不太上音樂，而把動作改的簡單一點；又或者某一段音樂的節奏太快，導致常常有人動作無法完成，而調慢該段音樂的速度。

因此，排演不是一個「學會」的過程，而是一個「發現」的過程。透過不斷的迭代，找出最適合大家的音樂節奏與動作組合。

OODA (Observe → Orient → Decide → Act) 代表一種快速學習迴圈。
領導者若能建立穩定的觀察 → 判斷 → 決策 → 行動 回路，團隊就能在混亂中形成節奏感。
👉 決策不是一次性的，而是一種「動態清晰」。

④ 風險思維

「真正的準備，不是預測未來，而是演練不確定。」

在這次的編排當中，有一個段落是需要換道具的環節，大隊中的部分成員，需要收起折傘換成彩球。原本的編排，需要走到隊伍後方，交換道具。由於每個人每次行進的路線不一，常常在換道具的時候，交通阻塞。

教練 B 觀察到了這個現象，並且對此提出了各種備案，像是：在腰上多掛一個袋子，可以同時把彩球和傘掛在身上，這樣就不需要走位換道具；或是，彩球由其他不需要拿傘的夥伴幫忙拿，直接在走位的時候交換道具，傘直接往後丟就好，等等 …。

目前暫定是後者的方案，在方案確定後，教練 B 透過觀察實際的操作，不斷設想可能會出錯的場景：交換的時候會不會掉 (怎麼拿比較好)、收傘的時候會不會不一致 (統一用左手拿右手收)，等等 …。針對這些風險，教練 B 下達了全體一致的準則，盡量降低了不確定的發生機率。

指揮官不會糾結在「會不會出錯」，而會不斷追問「錯了以後怎麼辦」。
領導者也該如此，在專案啟動前模擬多種場景，
👉 提前暴露脆弱點，為團隊創造「可容錯的邊界」。

⑤ 節奏即秩序

「混亂中最安定的東西，是節奏。」

教練 A 在帶領練習的時候，一上來就是說：好，我們從上次的這個地方開始繼續往下練。而教練 B 則會先交代一下，今天整體想要完成的部分，然後中間有幾次休息，每一段的練習，期望可以做到什麼，然後才進到實際的演練。給人一種明確的方向感和可掌控性，練習起來也更心平氣和 (~~心理不會一直想著什麼時候才可以休息 XD~~)。

指揮官用節奏控制戰局：攻防、輪替、補給都有節拍點。
在組織中，領導者設計週會、月報、季度檢討等「節奏迴圈」，
👉 這些不僅僅是開會，而是在同步組織的呼吸頻率。

⑥ 信任為指揮的基礎

「指揮的強度，取決於信任的厚度。」

排演是一個持續發現的過程，許多動作和細節都在演練中逐步確定並定案。這極度考驗教練在過程中的一致性：不僅要傳授固定動作，更需要根據環境變化和我們的練習狀況，靈活調整劇本。在「邊演邊改」的情況下，教練還必須清楚記住每一次的修正內容。

因此，即使是教練本人，也偶爾會忘記自己先前做出的編排修改。然而，兩位教練處理不一致狀況的方式，造成了顯著的差異：

教練 A：對我們困惑的表情不夠敏銳，當發現與先前教學不一致時，無法果斷決定是採用新版本還是維持舊版本。

教練 B：能迅速察覺我們的困惑，主動停下來詢問之前的教學內容，意識到自己出現矛盾後，會立即道歉並聆聽我們的反饋，最終決定改回我們較習慣的動作。

這類看似微小的細節不斷累積，逐漸在我們心中對兩位教練建立了截然不同的信任感。

授權與命令的前提是信任。
沒有信任，再多的制度與報告只會讓人產生防禦心態。
👉 領導者的任務，是讓人相信：「我可以反應問題，而不會被懲罰。我是能對團隊產生正面的實質影響的」
這種信任，才是高效協作的底層系統。

⑦ 沉默的權威

「真正有力量的領導者，不需要大聲。」

教練 A 在場邊看起來總是疲於奔命、頻繁地喊口令。
他的聲音連續不間斷，但我們卻越聽越亂。
每個指令都正確，卻讓人無法分辨當下該專注哪一件事。

教練 B 則不同。
他在場邊幾乎不多說話，只在停下來的時候，簡潔指出「剛剛哪裡不協調」。
語速不快，語氣也很穩。
但只要他一開口，全場都會靜下來聽。

這種「安靜的權威」不是天生的氣場，而是一種對信息的節制與清晰的自覺。

👉 優秀的領導者懂得在噪音中觀察、消化、等待。
當他開口時，所有人都知道，那是經過深思的話。越清晰，越不需多言。

一場運動會的排演，意外成為一場領導力的社會觀察。在這個需要協調百人的複雜系統中，我見證了兩種截然不同的指揮風格，也看見了優秀領導力的本質。

這七個領導力原則：意圖導向、分層授權、快速迭代、風險思維、節奏管理、信任建立，以及沉默的權威 — 構成了一個完整的指揮系統。提醒我們：領導力不是一種天賦，而是一套可以學習和練習的思維模型。

下次面對複雜的團隊協作時，不妨問問自己：我是在製造更多的噪音，還是在創造更清晰的信號？領導力突破點可能就藏在這個答案中。

戰場上最危險的不是敵人，而是混亂。優秀的領導，是那個能在混亂中找到那條穩定的思考主線的人。

🔍 工人智慧猜你也喜歡

《內向者的領導力: 讓安靜成為優勢》
《PM總說”都很重要”: 技術領導的priority策略》

如果這篇文章對您有所啟發，您可以透過以下方式支援我的寫作：

請我喝杯咖啡 ☕
將其轉發給可能也會欣賞它的同伴。
留言告訴我什麼讓你印象深刻，分享你的想法，或只是打個招呼。

💡 歡迎約 coffee chat 閒聊。如果您想探討合作方式，請透過我的社群媒體聯絡我，或回覆此郵件。

❏ 本週好讀 🛋️

🔗 References 🔗

當執行變得廉價，什麼才是真正的稀缺？

Browny — Mon, 06 Oct 2025 00:02:27 GMT

Photo by 愚木混株 Yumu on Unsplash

如果沒有人從 Junior 做起，那以後 Senior 從何而來？

1. 傳統招募與 AI 衝擊
2. AI 取代 junior，誰來成為未來的 senior？
3. 經驗的本質與執行的意義
4. 新的評價標準：能力、主動性、品格
5. 當執行變得廉價

歡迎回到《非正式寫作》— 理解複雜世界，前往那尚未被命名的自己。

前陣子接手新團隊後，花了一些時間梳理課內業務，了解每位夥伴主責的項目與團隊整體的協作方式。

邁入第四季，面對年底即將啟動的績效考核，以及展望來年的計畫，我開始思考如何招募合適的人才，補強團隊的戰力。所謂「人才」，最近一直縈繞我心頭。

以往軟體工程師的招募，不外乎考考 LeetCode、系統架構設計，或一些行為題。但現在有了 AI 的加持，這樣的測試還具有意義嗎？如果人選能透過 AI 工具又快又正確地完成某項任務，我們還有必要要求他們展現演算法功力嗎？

績效考核通常分為硬實力與軟實力兩個部分。硬實力看的是 domain 深度與技術/工具的掌握度，軟實力則關注協作、溝通與影響力。那麼，當 AI 工具全面導入之後，管理者又該如何重新看待「硬實力」？

以往可能要花上一兩天才能完成的測試，現在半天與 AI 協作就能交付。生產力的變化，不再是隨著時間與經驗的線性提升，而是出現了 1×、10×、甚至 100× 的差距。

《非正式寫作》探索並理解當代世界的多面向特質。
週一更新。馬上訂閱，與 1500+ 位讀者一同升級 ⬆️

Subscribe now

source: https://www.digitalinformationworld.com/2025/08/ai-study-shows-job-market-pressure-for.html

史丹佛大學的最新研究指出，生成式 AI 正在改變年輕專業人士的就業市場，部分初階職位的機會正在顯著減少。
數據顯示，自 2022 年底以來，22 至 25 歲、從事高受 AI 影響職業的年輕人，就業機會下降約 13%。即使排除利率、景氣或產業結構等因素，結果仍呈現相同模式。
受衝擊最大的包括軟體工程與客服。年輕工程師的就業在 2022 年底達到高峰，但到 2025 年 7 月已下滑近 20%。相比之下，年長工程師或身處低受 AI 影響產業的員工，則維持穩定甚至成長。研究者指出，這一變化始於 2022 年 11 月 ChatGPT 問世後不久。

這裡產生了一個有趣的悖論：

AI 目前能發揮最大價值的地方，恰恰是那些可以被明確定義、且多屬於 routine 的工作。而這類任務，通常正是初入職場的 junior 所負責的。有些公司甚至要求主管在申請新的 headcount 之前，必須先證明這項職位「無法由 AI 執行」。

AI 系統擅長的是結構化、教科書式的知識，卻難以取代透過多年實踐所累積的隱性專業。於是出現了這樣的邏輯：不需要 junior，只要 senior 配上 AI，就能以相同成本達到更大的產出。

但問題是，那些已經存在的 senior，過去也都是從 junior 一路成長上來的。如果因為 junior 的 CP 值不如 AI 而不再招募與培養，那未來的 senior 要從哪裡來？

這樣的短視近利，終究無以為繼。

換個角度看，AI 提升的是「執行的能力」。這種工具能力的提升，對 junior 與 senior 而言是齊頭式的，但經驗與判斷力才是執行力真正的放大器。

經驗豐富的 senior 能更好地判斷與引導 AI 的執行，產出更精準的成果，這正是 junior 所欠缺的部分 — 即使他們擁有相同的工具。

那麼，經驗是怎麼得到的呢？透過執行。

說「不需要 junior」，其實就等於認同這樣的價值觀：不需要透過執行來累積經驗。這錯得離譜，因為即使是 AI，也是在持續的執行中不斷學習與優化的。把「經驗累積」這樣珍貴的過程，從人身上剝奪、交給機器，不是挺諷刺的嗎？

當然，高瞻遠矚從來不是企業決策時的優先考量。從短期效益看，的確，senior + AI 可能比招募好幾位 junior 更划算。

既然時間效益正是這個悖論的源頭，那麼，junior 的機會或許也在這裡。

junior 雖然沒有 senior 那樣的經驗，但過去的 senior 累積經驗靠的是時間：查資料、debug、試錯，一步步磨出理解。而現在，junior 有機會以極低的執行成本快速累積經驗，就像進入了「精神時光屋」：一年的實作，可能抵得上過去十年的經驗。

這麼來看，這個時代的「選用育留」，該關注的不是初始位置，而是起跑後的加速度：
能夠善用 AI 的 junior，能以極快的速度追趕上過去的 senior。能夠善用 AI 給予 junior 更快的融入和學習體驗的企業，將在未來建立一種「學習的複利機制」，讓組織與人才同時進化。

《每間公司都有相同的徵才標準》提出了招聘時真正重要的三個衡量維度：能力(competence)、主動性(agency) 與品格(character)。文中強調，「有無相關經驗」其實沒那麼重要；真正關鍵的是，這個人是否是一個 高能力、有主動性、具品格 的「泛用型」人才。

當全人類的經驗都被壓縮在那些擁有數千億參數的語言模型裡時，過去職缺中常見的「N 年工作經驗」也許已不再適用。

JD 為什麼要列出年資條件？不過是希望候選人「做過類似的事」，能更快上手。但實際參與過招募的人都知道，年資與能力往往沒有直接關聯，有些人只是「做了一年，重複五次」。

既然如此，與其在意起點，不如關注加速度。年資這項條件，若仍被留在職缺描述裡，恐怕剩下的唯一意義，就是測試候選人的自信心了。

作者提出的三個維度，恰好與我心中對「加速度人才」的想像不謀而合。我們可以把它們看作 AI 時代最稀缺的三本柱：

能力（Competence / Intelligence）：智力、天賦與 好奇心。
我更傾向將它理解為「獲得能力的能力」。就像《鬼滅之刃》中的呼吸法，能否認識自己的長處，並秉持好奇去學習與適應，正是決勝關鍵。
驅動力（Agency / Drive）：抱負、衝勁與 主動性。
AI 雖強，卻不會自己想「接下來要做什麼」— 它不會焦慮，也不會主動探索。
能夠成就偉大成果的人，往往擁有將目標拆解、串聯並不斷校正的能力。
驅動力，是在不可能中找到可能的潛能。
品格（Character / Integrity）與情商（EQ）：誠信、道德與 堅持原則。
除了能幹、積極之外，團隊合作中他還必須是一個「好人」。這裡的「好」不是溫順，而是「有所為且有所不為」。
深刻的表現從來不來自平均值，而是來自那些有原則又能有所取捨的人。
能在堅持與 open-minded 之間取得平衡 (strong opinions, weakly held)，正是一個團隊的加速度來源。

當執行變得廉價，好奇心、主動性 與 有品味的原則，成了這個時代最稀缺的資源。

不要讓廉價的執行，削減了你的好奇心與主動性。
❌ Said：「反正 AI 做得又快又正確，我也不需要去理解它寫的 code 在幹嘛。」

也不要讓廉價的執行，剝奪了你培養品味的機會。
❌ Said：「反正 AI 生成的設計看起來都不錯，我也懶得去想自己喜歡什麼風格。」

好奇、主動與品味，不會憑空出現也非取之不盡，他們需要執行的餵養。

AI 應該成為我們執行的輔助，而不是代理。

// NotebookLM 現在居然還能生成簡報配口白，把參考文獻丟進去，直接生成 10 分鐘的 presentation 🤯。想知道，如何透過面試的提問，來挖掘人選的能力、驅動力和品格，記得看到最後 (5:30 開始) 👇

🔍 工人智慧猜你也喜歡

《AI 寫作不會讓你變笨，不寫才會》
《如果你也在猶豫轉職，試試這個系統性方法》

如果這篇文章對您有所啟發，您可以透過以下方式支援我的寫作：

請我喝杯咖啡 ☕
將其轉發給可能也會欣賞它的同伴。
留言告訴我什麼讓你印象深刻，分享你的想法，或只是打個招呼。

💡 歡迎約 coffee chat 閒聊。如果您想探討合作方式，請透過我的社群媒體聯絡我，或回覆此郵件。

❏ 本週好讀 🛋️

你真的不必為了別人做的事，或他們擁有的東西，而犧牲你真正想要的深層東西。你真的不用。幾乎所有事情都是選項。你完全有權問自己真正重要的是什麼 — 無論那是什麼。然後在人生各種艱難的權衡裡，為那個目標優化。你本來就無法避免做出某些犧牲，那就不要犧牲錯的東西。

velvet noise

sometimes the grass actually is greener

“The greatest hazard of all, losing one’s self, can occur very quietly in the world, as if it were nothing at all.” —Søren Kierkegaard…

7 months ago · 361 likes · 61 comments · maja

🦥 parting thoughts 🦥

這篇電子報發布的時候剛好是中秋節 🥮，如果你讀到了這裡，那你真的很棒，祝你中秋節愉快 :)
嘗試改變文體呈現的結構，移除明顯的章節段落，希望可以帶來更沉浸且連續的閱讀體驗，希望你會喜歡，我們下期見 👋

🔗 References 🔗

《AI 不會殺死初級開發者——但你的招聘策略可能會》- https://baoyu.io/translations/ai-wont-kill-junior-devs-but-your
《Hiring only senior engineers is the worst policy in the startup industry》- https://workweave.dev/blog/hiring-only-senior-engineers-is-killing-companies
《6 Creative Interview Questions to Uncover Top Talent》- https://www.centraltest.com/blog/6-creative-interview-questions-uncover-top-talent
《How to assess emotional intelligence in interviews》- https://www.linkedin.com/posts/maggiesass-phd_a-lot-of-people-i-know-are-in-the-job-market-activity-7358534888397959170-jSFD/
《GAI 開發者年會後：AI 時代的真實輪廓與隱藏痛點》- https://blog.caesar-chi.com/2025/05/gai-ai.html

我是誰？從"存在是一種動態"重新定義自我

Browny — Mon, 15 Sep 2025 00:01:00 GMT

Photo by prottoy hasan on Unsplash

存在先於本質 — 薩特

❏ 引言

嗨，歡迎回到《非正式寫作》，希望上週末你有找到屬於自己的片刻安靜。

不知道你有沒有過這樣的經驗：

早上起床刷完牙洗完臉，望著鏡中的自己，忽然感到有點陌生，我是誰？

竊喜著趕上剛關上門的上樓電梯，僅隔著幾公分望著電梯門中模糊的自己，忽然感到有點陌生，我是誰？

隔著車窗，看著窗外快速掠過的景色浮貼著自己的臉孔，忽然感到有點陌生，我是誰？

我不確定這種感覺是否遵循某種規律出現。它似乎很少在充滿目標與緊湊行程的日常中現身，卻總能找到有跡可循的縫隙，在視線轉向內心的瞬間，悄然捕獲我的注意力。

這期我們就來聊聊，我是誰？

📚 目錄 & 關鍵字

1. 我是我所做的事？
2. 我是他人的期待？
3. Purpose, People, Process
4. 存在是一種動態

Keywords: 我是誰 | 職業與自我 | 存在主義 | 人生意義

🔍 工人智慧猜你也喜歡

《非正式寫作》探索並理解當代世界的多面向特質。
每週更新。馬上訂閱，與 1500+ 位讀者一同升級 ⬆️

Subscribe now

❏ 我是我所做的事？

我們說「我是老師」、「我是律師」、「我是護士」，而非「我教書」、「我執業」、「我照護病人」。動詞蛻變為名詞，行動凝固成本質。然而諷刺的是，許多人內心深處都感到與自身所為格格不入。我認識一些人：教書卻自認音樂家，執業律師卻在筆記本寫詩，管理辦公室卻週末精心打造花園。當他們坦承這些真實面貌時，總帶著幾分歉意，彷彿最重要的那部分，因無法支付帳單而顯得不那麼正當。[1]

無人願意承認，但職業就像隱形的姓名標籤，承載著社會地位。這些訊號自童年便悄然滲入我們。十歲那年，從無人問我：「長大後想擁有什麼感受？」或「期盼過著怎樣的日子？」問題永遠是：「你想成為什麼？」而「成為」實則意味著「想從事什麼職業？」彷彿整個成年人生命，終究能簡化為單一角色。

陷阱在於，一旦你接受了這種等式，便幾乎無法將工作與自我區分開來。然而，我認為多數人仍能感知到這道鴻溝。我們在某種程度上明白，職銜無法完整定義我們是誰。我們深知，那些最私密、最複雜的自我面向，鮮少能呈現在辦公室簡介或領英摘要中。即便如此，當被逼問時，我們仍會抓取那些簡短的答案 — 因為它們比梳理完整故事來得輕鬆。

想像一下，有一天你走在路上忽然被街訪，被問到「你是誰」，你會有什麼反應？你會將這個問題當作是在詢問你所從事的工作嗎？如果不是，那還有什麼其他的可能呢？

抽象是人類處理複雜問題的最有效率的手段，要清楚交代「我是誰」實在是個過於複雜的問題，我們一方面假設別人想要得到的答案是什麼，一方面逃避那些可能連我們自己都未曾嘗試用語言描述的真相。

我很認同作者所說的「我們在某種程度上明白，職銜無法完整定義我們是誰」、我們所做的事情無法完整定義我們是誰 — 只是，我們鮮少真的去探究完整的定義究竟是什麼？

當我們的職銜消失或變化時，我還剩下什麼？

❏ 我是他人的期待？

我們的自我認同不僅被職業身份所定義，更深層地受到「他人對我們的期待與敘事」所形塑。引述的這篇文章 [2]：

我們往往會成為他人稱呼的模樣，而同樣輕易地，我們也遠離了那些不再被喚起的名號。當我踏入全職企業世界，「作家」便不再是我的代名詞。職場上，我被認可為「利益相關者經理」與「客戶協作者」，卻從未被稱為作家。這個詞彙從他人對我的描述中消失，也隨之從我對自我的定義中淡去。

一旦你意識到語言不僅描述我們，更塑造著我們，兩個問題便開始浮現。
首先：你如何描述身邊的人？是選擇放大那些你渴望見到的特質，還是執著於那些令你反感的缺點？關鍵往往在於視角的切換。每種特質都有多重解讀的可能 — 固執亦可是韌性，天真亦可是希望。
第二：身邊的人如何描述你？你是否正朝著理想的模樣被塑造？因為我們生活在反饋、獎勵與強化形成的循環中，在所處環境允許的範圍內成長。

除了一週五天、一天八小時的職業身份外，我們在生活中還扮演著多重角色：需要照顧退休父母的子女、剛升小學孩子的家長、職場打拚伴侶的另一半、假日社團的固定球友，等等 …。

在日常生活中，我們不斷地在各種角色間切換。要回答「我是誰」這個問題，不妨換個相對的視角思考：「我對某某某來說是誰？」— 對父母而言，我是什麼樣的子女？對工作夥伴而言，我是什麼樣的同事？對親密伴侶而言，我是什麼樣的另一半？

正因為需要扮演多重角色，而每個角色都承載著如同職銜般的社會期待：

為人子女，應該如何孝順父母
為人父母，應該如何教養子女
為人伴侶，應該如何相處相愛

自我就在試圖滿足這些期待的過程中行動，也透過角色間的互動與回饋，不斷強化或弱化對特定角色的認同。

然而，在忙碌的生活中，我們還剩下多少時間扮演「我自己」這個角色？我們究竟是在書寫自己的人生故事，還是在活成別人期待的模樣？

扮演「我自己」這個角色，實際上又意味著怎樣的行動？

❏ Purpose, People, Process

何謂管理之技？在我的著作中，我將其定義為透過運用三大關鍵槓桿來提升團隊績效：目標 (確立成功標準)、人員 (界定達成目標所需成員) 與流程 (規劃工作執行方式)。[3]

偶然間，我讀到了 The Looking Glass 一篇題為《你現在肯定會成為一名經理》的文章[3]，為我回答「我是誰」這個人生大哉問提供了一些線索。

雖然該篇文章主要在講述：在 AI 時代，管理技術變得越來越重要。文中提到，你需要具備明確的 Purpose (目標) 才能為 AI 提供方向；你需要瞭解不同 People (這裡指不同的AI模型) 的優勢與劣勢，才能妥善組態資源；最後，你需要建立有效的 Process (流程) 來確保 AI 的行動可被檢驗與優化，讓成功能夠持續複製。如何善用 AI 與如何做好管理，兩者是相輔相成的。

但，回到「我是誰」這個問題，我發現 Purpose、People、Process 這個管理框架似乎可以延伸應用。

Purpose 就像職銜或角色，是我們對齊認知與價值觀的標籤，雖然簡化了許多細節，但正因如此才能兼容並指引我們前進；People 就像圍繞我們的環境與人事物，他們對我們的期待以及給予我們的反饋 (無論正面或負面)，都時刻影響著我們的自我認知。

而 Process 正是最引起我興趣的部分。顯然，我不僅僅是我的目標（I am not just my Purpose），也不僅僅是他人對我的期待（I am not just what People expect of me），那麼我還能是什麼呢？

Process 這個概念，就像從某個角度投射進來的光，照亮了直覺難以觸及的盲點：我就是我所經歷的一切（I am what I have experienced）。

在職涯奮鬥中經歷的掙扎、苦難與喜悅；在扮演各種角色時付出的淚水與汗水、歡笑與哭泣、酸甜與苦辣；在行動與行動之間的短暫空隙中，那些策劃、靈感、感受與體悟的時刻。這些種種經歷，為前面兩個層面引發的困惑，提供了一個完美的補充。

❏ 存在是一種動態

「我是誰」這個問題，似乎被「是」這個動詞所束縛了。語言的框架讓我們以為答案必須是一個名詞：我是軟體工程師、我是兩個孩子的媽媽、我是職業運動員⋯⋯

面對這個深刻的提問，我們往往習慣用職業身份與社會角色來簡化思考。畢竟，要用過程和經歷來解釋自己，不僅費盡唇舌，別人也未必真的想深入瞭解。

然而，當某天面對鏡中的自己時，我發現想要用「我就是我所經歷的一切」來回答這個問題，其實從來沒有想像中那麼容易。相較於那些明確的目標與外在期待，我們對於生命經歷所投注的情感與感受，反而顯得渺小而蒼白。

或許，「我是誰」這個問題的答案，本身就沒有一個固定的結論。我們總是習慣尋找一個穩定的定義，彷彿找到了就能安心地將自己歸類。其實，每一次的選擇、每一個當下的反應、每一段新的關係，都在重新塑造著我們。我並非一個完成品，而是一個永遠在生成中的存在。

存在先於本質 — 我們先能感知到這個持續生成的存在，才有接著探尋本質的依歸。

❏ 結語

當我們不再執著於為自己貼上固定的標籤，而是開始擁抱那些流動的經歷、變化的感受，以及每個當下的選擇時，「我是誰」便不再是一道需要破解的謎題，而成了一場持續進行的創作。

下次當你再度在鏡中與自己相遇，感到那絲熟悉的陌生時，試著不急於尋找答案。那一刻的困惑與好奇，正是你最真實的存在狀態：一個正在經歷、正在思考、正在成為的你。

我是誰？我是我所做的事、是他人的期待、更是我所經歷與感受的一切集合。

如果這篇文章對您有所啟發，您可以透過以下方式支援我的寫作：

請我喝杯咖啡 ☕
將其轉發給可能也會欣賞它的同伴。
留言告訴我什麼讓你印象深刻，分享你的想法，或只是打個招呼。

💡 我也提供各種諮詢服務。如果您想探討合作方式，請透過我的社群媒體聯絡我，或回覆此郵件。

❏ 本週好讀 🛋️

🦥 parting thoughts 🦥

[1] are we all reduced to our occupations? -

milk and cookies

are we all reduced to our occupations?

i’ve lost count of how many times the first question someone asks me is, “so, what do you do?” it doesn’t matter if i’m at a dinner party, in a taxi, waiting in line, or at the doctor’s office — the conversation gravitates toward occupation as though knowing someone’s job is the same as knowing who they are. and maybe it is, at least in the way we’ve al…

8 months ago · 489 likes · 28 comments · ayushi thakkar

[2] we become the stories others tell about us -

velvet noise

we become the stories others tell about us

“Call a boy a gentleman and watch his shoulders straighten. Call a girl a lady and watch her spirit turn graceful. Humanity was brought into existence by God speaking words into the void of the universe. We tend to become what we are called.” - The Medicine of Hope…

8 months ago · 531 likes · 46 comments · maja

[3] You're definitely going to be a manager now -

The Looking Glass

You're definitely going to be a manager now

Dear Readers…

8 months ago · 56 likes · 5 comments · Julie Zhuo

語義層(Semantic Layer): 將指標從維度中徹底解耦

Browny — Mon, 08 Sep 2025 00:00:55 GMT

Photo by Tuệ Nguyễn on Unsplash

語義層 (或稱指標層) 不僅僅是一個概念，
它更是人們在商業情境中思考和推論分析資料方式的整體典範轉移 [1]

❏ 引言

歡迎回到《非正式寫作》— 理解複雜世界，前往那尚未被命名的自己。

暑假結束啦～我也從新手村的試用期階段畢業了！這段時間因為通勤以及趕著讓自己快點進入狀況，電子報的更新落了好幾拍，希望各位朋朋們見諒 (期望工作慢慢進入軌道以後可以回復產能)。

前期《數據平台演進: 從數據倉儲到數據經緯》和《湖倉救不了你: 真正卡住數據孤島的是人性》我們聊了組織在管理複雜的數據協作時會遭遇到的挑戰以及可能的應對方案。

這次，我們往數據的應用靠近一些，來聊聊一個最近又再次回到聚光燈下卻又難以捉摸的概念：語義層 (semantic layer)。

「語義層」是一個被過度使用的詞彙，不同的供應商可能會有不同的定義。可以確定的是，它在資料架構中扮演著關鍵的中間層角色，它位於：

原始資料來源與商業智慧(BI)/分析工具之間。這些原始資料來源包括複雜的資料庫管理系統、資料倉儲、資料湖或營運資料庫。
資料的複雜性與業務可用性之間。它將複雜的技術資料結構轉化為廣泛可理解的業務術語和概念。
資料倉儲與 AI agent 之間。它不儲存額外資料，而是賦予資料情境。

軟體世界裡所有的意義與概念都是抽象。今天就讓我們抽絲剝繭來看看「語義層」到底抽象了什麼 ~

📚 目錄 & 關鍵字

1. 語義層對你來說是什麼？
2. 語義層的蛻變
3. 將指標(metric)從維度(dimension)解耦
4. 語義層到底抽象了什麼

Keywords: 語義層 | Semantic Layer | Metrics Layer | dbt | Data Modeling

🔍 工人智慧猜你也喜歡

《非正式寫作》探索並理解當代世界的多面向特質。
每週更新。馬上訂閱，與 1500+ 位讀者一同升級 ⬆️

Subscribe now

❏ 語義層對你來說是什麼？

在 survey 的過程中，在 Reddit 上發現一則蠻有趣的討論串《What does “Semantic Layer” mean to you?》[2]，對於身在推行語義層的組織中的我，不禁嘴角失守：

初始問題是：

在概念和功能上，我發現很多人對語義層的定義略有不同，或者語義層產品採取了不同的方法。
你認為語義層是什麼？你想像中的語義層產品應該做些什麼來促進這一點？
另外，你認為資料產品和語義層之間的關係是什麼？

以下節錄一些有點憤世嫉俗的回答：

這意味著某個高層去參加了一場會議，然後就抓住了這個詞，他們的上司覺得這是個好主意，然後就推行下來了。他們自己也不知道這到底是什麼意思。

語義層與本體論工作有所重疊，而技術人員不喜歡與業務單位密切合作來幫助他們定義業務對象。他們寧願點讚「語義層是一種特定技術實作」這個錯誤觀念，然後就這樣了。

我們剛買了一個很貴的 BI 工具。
我們付了很多錢給顧問，他們拿著一份用了這個詞的 PPT 來。

有些回覆則別具洞見：

語義層有兩種（嚴格來說是三種）常見的含義：

從概念上來說，它就是連結業務概念（實體、屬性、指標）和實體資料模型的「字典」。我們的業務銷售產品，這是我們銷售的所有產品的表格。我們的銷售人員負責特定區域，這是將銷售人員對應到區域的表格。我們運送貨物，這是記錄我們運送貨物的表格。

這種語義層的版本不與特定技術綁定——事實上，它可以寫在紙上。從根本上說，它只是文字和數學。它是業務和資料團隊之間共享理解的工具。

技術上來說，它是一個介於你的資料倉儲和終端使用者工具（如資料應用程式、BI 工具或試算表）之間的工具。有些 BI 工具內建了語義層（例如 Power BI），有些語義層工具是真正獨立的（例如 AtScale、Cube），有些則只是在資料倉儲之上定義的語義層（例如 dbt Semantic Layer）。

之所以會有這三種意義，是因為你實際上需要同時理解這兩種意義，才能成功建立語義層。所以第三種意義是一個實際的過程，它始於業務及其流程、指標和問題，最終形成一個模型，用於表示這些內容以供使用。

但大多數人只專注於技術層面，特別是它通常帶有快取/OLAP 層，以幫助處理大型分析資料集的查詢效能。他們或多或少完全忽略（或只是口頭上說說）概念定義。

所以很多人在語義層中「建模」，但卻完全脫離了業務如何看待他們的數據或他們提出的問題類型，然後他們面不改色地說：「是的，我們有一個語義層」，但卻沒有人使用他們的儀表板。

「語義層」本身的語義可以引起如此廣泛且分歧的討論，頗有一種悖論般的幽默感 (語義層本身語義不明)。

當一個符號能夠指涉的物件眾多，像是上面提到的「業務概念和實體資料模型間的字典」、「介於資料倉儲和終端使用者之間的工具」以及連結上述兩者的「一個實際的過程」，受眾自然有更大的機率傾向用自己熟悉的經驗對其進行解釋。

「微服務」、「AI agent」、「Vibe coding」這些 buzzword 也都有這種特性。但，恰恰也是因為這種特性，這些概念才能引起廣泛的討論，推動著理性世界的前進。

那麼，語義層究竟想解決什麼樣的問題呢？

❏ 語義層的蛻變

✔ 集中化之後的新難題

以前，企業談論大數據、數據中台，煩惱的是數據分散，難以集中分析與管理。於是，數據倉儲 (Data Warehouse)、數據網格 (Data Mesh)、數據經緯 (Data Fabric) 等方法不斷演進。

如今，數據總算集中起來了，我們可以在一個地方看見全貌 (摸到完整的大象)。
但新的難題隨之而來：每個人對這頭大象都有不同的解讀。

有人看到的是身軀的龐大，有人專注於鼻子的長度，有人則在意皮膚的粗糙。當異質資料被整合關聯，開始嘗試回答更高層次的問題時，我們發現 — 問題已經不是「有沒有數據」，而是「如何詮釋數據」。

以「客戶留存率」為例，即使資料全集中在同一個系統裡，不同分析師的計算結果往往仍不一致。即使他們共享相同的數據，但是他們並不共享同樣的語義。

✔ 語義層的假象

既然感知與理解存在落差，那是不是只要統一定義就能解決呢？

比方說，「活躍用戶」就定義為過去 90 天內至少有一筆交易的客戶。

這樣一來，當大老闆喊出「活躍用戶數提升 10%」的目標時，行銷、業務、技術等單位聽到的應該就是一致的語言。

可惜，事情往往沒這麼簡單。不同系統或團隊在實作時依舊會有差異：有人只計算成功的交易，有人則包含退款，有人採用不同的時間視窗，等等…。這些差異之所以持續存在，是因為傳統語義層只管理「定義」（中繼資料），卻沒有落實到「執行邏輯」。

於是，我們得到的只是定義上的一致，而非行動上的一致。語義層成了一層「和諧的假象」：大家口頭上都講同一個詞，實際卻各自計算。

結果是重複的工作、矛盾的報表，以及對數據系統日漸加深的不信任。

✔ 真正的難題: 信任與治理

語義層的問題並不單單只是「定義是否一致」。即使有了共同定義，如果沒有對計算邏輯、數據來源、適用場景的共識，最後還是會落到「各自解釋」。

它更像是一種 信任協定。只有當跨部門之間願意共享邏輯、協調差異，並透過治理機制持續維護，語義層才能真正發揮作用。否則，它就只是一份貼在牆上的文件，沒有人會在日常決策裡拿它當依據。

會議上，行銷、業務和財務部門同時把「客戶留存率」秀出來，三份報告三種數字，每個部門都在解釋自己為什麼是對的。討論到最後，焦點已經不在如何提升留存，而是誰的數字才是真的正確？

✔ 新的舞台: AI 代理的催化

如果說過去語義層的挑戰在於人與人之間的分歧，那麼 AI 的出現，無疑讓這個挑戰更加嚴峻。

生成式 AI 就像一個能力極強、但不懂內部業務邏輯的新員工。雖能快速讀取企業裡的龐大數據，卻缺乏對上下文的理解。當語義不清時，它給出的答案很可能聽起來有道理，實際卻錯得離譜。

因此，語義層在 AI 時代不再只是簡化存取的工具，更是一個 上下文的速成班，幫助 AI 快速掌握組織內獨特的語言、邏輯和規則。只有這樣，AI 代理才能真正成為可靠的夥伴，協助我們跨領域推理、保持一致，產出有價值的洞見。

✔ 從工具到資產

過去，我們常把語義層視為 BI 報表的附屬品，好像只是多了一個方便查詢、方便對齊的工具。到了 AI 時代，語義層的角色正在徹底翻轉。

它不再只是資料平台中的一個技術層，而是 資料堆疊的關鍵隘口：決定了資料能不能被正確地理解、能不能跨部門共享、能不能支撐 AI 的可信推理。

換句話說，語義層既是企業語言的「標準化協定」，也是數據治理的「信任契約」。它左右著一個組織能否在數據洪流中建立共同語言，能否讓 AI 產出可信的結果，最終把數據轉化為真正的競爭力。

❏ 將指標(metric)從維度(dimension)解耦

語義層應該如何落地？在我翻閱了一些資料以後，我認為這部影片當中的這個核心概念，最能切中我心：「將指標從維度中解耦」。

在多數組織中，我們經常能看到同一個指標在不同報表裡被反覆定義。

以「營收」為例，在財務部門的報表裡，它依時間維度被拆解成月營收、季營收；在業務團隊的報表裡，則依地區、產品線進行分類；而在高層的 KPI 儀表板裡，營收又和其他指標糾纏在一起。每一次分析，都需要重新把度量 (公式、邏輯) 和維度 (時間、地區、產品) 耦合在查詢之中。導致邏輯被複製貼上、四處散落，帶來不一致的風險。

指標作為一種獨立的概念/實體 [source]

語義層的第一個實質任務，就是把 度量抽離出來，讓它成為獨立存在的邏輯單元。

所謂「活躍用戶」、「留存率」、「ARPU」，都應該在語義層中被定義成清晰、可重用的度量，而不是藏在某份 SQL 或某個 Tableau 報表的計算欄位裡。維度則是觀察的角度：時間、地區、產品。它們可以掛在度量之上，但不應與其糾纏。

落實「度量從維度解耦」，有三個要素：

定義 (Definition)：度量需要有清晰的定義，並且能夠被版本化、重用。
邏輯層 (Logic Layer)：定義不能只是文件，而是可程式化、可調用的邏輯 (不論透過 SQL、API，或專用語義層工具像是 dbt)。
治理 (Governance)：誰能創建新的度量？誰能修改現有的？如何審核？這些都需要流程與機制來維護，否則很快會退回到混亂狀態。

相較於直接向模型提供 table schema，讓模型將自然語言映射至度量與維度的方式，能夠提供更加充分的語境上下文 [source]

當度量被解耦後，不同維度下的查詢將自然保持一致，重複的工作和矛盾的報表會顯著減少。更重要的是，這樣的語義層能 為 AI 提供結構化且高信任度的數據語境，避免它一本正經說幹話。

❏ 語義層到底抽象了什麼

意義與概念皆是抽象

抽象的本質，就是 隱藏某些「細節」，提供更簡潔的「介面」。變數隱藏了記憶體位址，函數隱藏了重複的計算邏輯，API 隱藏了跨網路的通訊細節。語義層也不例外，它遵循同樣的原則，只是把抽象的對象換成了「數據」。

1. 技術細節 → 商業語言

在底層，數據存在於表格、欄位、日誌與 SQL 查詢之中。這些細節對工程師很重要，卻對商務決策沒有太大的意義。

語義層的第一個任務，就是把這些技術細節隱藏起來，轉換成業務可理解的詞彙，例如「活躍用戶」、「客戶留存率」、「平均每位用戶貢獻收入」，等等 …。

它就像一位翻譯官，讓技術團隊與業務團隊能用同一種語言進行對話。

2. 重複邏輯 → 可重用定義

在沒有語義層的情況下，計算邏輯往往散落在各種報表與 SQL 中。一個「營收」指標，可能在不同查詢裡被複製貼上一段 SQL 十幾次，每次都有些微差異。這種模式不僅容易出錯，也讓組織很難維護一致性 (就像寫程式不寫 function 一樣)。

語義層把這些重複的邏輯抽象出來，定義成獨立的度量 (Metric)，成為可以被呼叫和重用的標準元件。像程式設計中的 function，避免冗餘。

3. 歸屬分歧 → 治理協作

語義層還抽象了另一個更棘手的細節：跨部門對指標解釋的分歧。沒有語義層時，不同部門各自拿著「自己的數字」出現在會議上，討論的重點往往不是如何解決問題，而是誰的數字才算對。

將度量與維度解耦以後，治理機制得以在比較具體的邊界上施行：「誰能定義」、「誰能修改」與「如何進行審核」。在度量的這個尺度上，ownership 更容易劃分與歸屬。

4. 雜亂的上下文 → 組織專屬語境

進入 AI 時代，語義層還承擔了一個新的抽象：它補充了組織專屬的語境。

AI 可以處理大量數據，但它不知道「這家公司怎麼定義活躍用戶」或是「這個產業如何計算流失率」。

語義層就像一本濃縮精煉的文化教材，隱藏掉 AI 不需要理解的背景細節，提供一份準確、可執行的符號與規則。

這樣一來，AI 才能避免一本正經地說幹話，成為真正理解 domain know-how 的助手。

語義層並不是一個新的概念 (早在資料倉儲的概念出現的時候，它就已經萌芽)，而是對數據的抽象需求隨著時代的不斷演進。

它隱藏了技術細節、重複邏輯、歸屬分歧 與 雜亂的上下文，並提供了更簡潔的介面 (定義、邏輯與治理的介面)。

讓數據能夠在跨部門、跨角色、甚至跨環境中被正確理解和使用。這就是語義層存在的真正價值。

❏ 結語

An ideal semantic layer [source]

語義層不是一個產品或一組工具，而是一種持續的協作過程。

它的挑戰不只是技術，更關乎組織內如何建立信任、形成共識。當數據越來越多、AI 越來越強，我們越需要語義層這樣的「隱形基礎設施」，讓人與機器都能在一致的語境下思考與行動。

很多組織會說自己已經有了語義層，但如果在會議上，大家仍在為「誰的數字才對」爭論不休，那麼語義層就還停留在簡報之上，而不是活在決策裡。

語義層，不該只是語義模糊的名詞，而是能真正成為共享語境、可信邏輯，以及治理契約的起點。

如果這篇文章對您有所啟發，您可以透過以下方式支援我的寫作：

請我喝杯咖啡 ☕
將其轉發給可能也會欣賞它的同伴。
留言告訴我什麼讓你印象深刻，分享你的想法，或只是打個招呼。

💡 我也提供各種諮詢服務。如果您想探討合作方式，請透過我的社群媒體聯絡我，或回覆此郵件。

❏ 本週好讀 🛋️

🦥 parting thoughts 🦥

[1] The Semantic Layer: What It Is and How Should It Be? - https://iamhuy.medium.com/the-semantic-layer-what-it-is-and-how-should-it-be-419904b24e3f

[2] What does “Semantic Layer” mean to you? - https://www.reddit.com/r/dataengineering/comments/1e8bn9v/what_does_semantic_layer_mean_to_you/

AI 寫作不會讓你變笨，不寫才會

Browny — Mon, 18 Aug 2025 00:00:44 GMT

Photo by Andrian Valeanu on Unsplash

無論別人怎麼說，其他作家都不會「搶走你的工作」。
有些話只有你能說出來，而某個地方的某個人正需要聽到這些話。[1]

❏ 引言

歡迎回到《非正式寫作》#80 — 理解複雜世界，前往那尚未被命名的自己。

過去，我寫了好幾期關於「寫作」與 AI 的電子報：

其實，自大學以來，我陸陸續續都有嘗試在網路上發布點什麼的熱情，但總是沒辦法有系統地持續堅持。直到去年五月，見識到 AI 的能力後，隱約感覺到它或許可以幫助我克服這股惰性，發展出得以持續的寫作系統，所以才啟動了這份電子報。

AI 可以說是催生本報功不可沒的元素之一，所以才有各位看到的諸多與「寫作」、「系統」與 AI 相關的思考與討論。

使用人工智慧的人不明白，對某些人來說，寫作技巧才是最重要的。
技能的培養需要緩慢而艱苦的努力。

我不想看到寫作這門藝術和技藝淪為生產力或利潤祭壇上的犧牲品。
所以我做了我唯一能做的事：寫作。[2]

隨著 AI 技術不斷進步，「XXX 是否還有存在的價值？」這樣的討論變得越來越常見，像是：顧問行業還有沒有意義、寫作是否還需要人來完成，等等 …。

針對這些問題，有人擔心「把 XXX 外包給 AI，會讓我們的人類思考能力逐漸退化」、「藝術將淪為生產力祭壇上的犧牲品」，也有人持科技樂觀主義，認為 AI 只是一個強大的工具，就像過去的印刷術、攝影技術一樣，最終會解放人類的創造力，讓我們能夠專注於更高層次的思考和創作，不被重複性的工作所束縛。

今天，我們來聊聊，AI 寫作會不會讓人變笨 …

📚 目錄 & 關鍵字

1. 寫作社群的 AI 分化
2. 寫作的目的
  ✔ 捕捉內心的聲音: AI 無法取代的心靈書寫
  ✔ 理解的加速器: 用 AI 深化思考的藝術
  ✔ 影響力的煉金術: 感性與理性間尋找平衡
3. AI 正在量產平庸嗎？

Keywords: AI 寫作 | AI 輔助寫作 | 思考外包 | 內容同質化 | AI 寫作會讓思考能力退化嗎

🔍 工人智慧猜你也喜歡

《非正式寫作》探索並理解當代世界的多面向特質。
盡量每週更新。馬上訂閱，與 1400+ 位讀者一同升級 ⬆️

Subscribe now

❏ 寫作社群的 AI 分化

Substack 上週表示，在一項針對 2000 多名 Substack 用戶的調查中，45.4% 的用戶表示他們正在使用人工智慧。在寫作社群中，支援和反對人工智慧已經成為一個爭論的話題。[2]

如果一篇文章確實啟發了你，為你的工作/生活帶來實質的幫助，你會介意他是由 AI 生成的嗎？

以「搜尋」為例，現在我越來越少去真的點擊搜尋結果的連結了，AI Overview 透過 AI 直接幫我把答案總結好。絕大部分，我直接在 AI Overview 生成的結果中就得到我想要的答案了。我完全不介意他是由 AI 生成的。

但是，如果一篇標榜是作者親身經歷的故事，結果卻是 AI 寫出來的，我會難以接受，甚至會覺得被騙了。

這之間的界線在哪裡？什麼情況下，比起「真誠」我們更在意內容的「實用性」呢？

❏ 寫作的目的

不同的寫作目的對「真誠」的要求各不相同。這並不代表我們必須完全拒絕 AI 的協助。只要根據寫作的目標，選對合適的 AI 使用方式，我們仍能保持原有的真誠：

✔ 捕捉內心的聲音: AI 無法取代的心靈書寫

沒有人能把我的文字給我。我是在自己的內心找到它們的。[2]

個人的隨筆、寫給情人的信件、送給朋友的手寫卡片，「原創性」與「獨特性」正是這類寫作的魅力所在。

用屬於自己的語言，表達屬於自己的心情。AI 在這裡幫不上忙。

語言模型是平均化的結果，它會將情緒的尖銳處磨平 (過於保守或是過於客套)，然而正是這些帶著稜角、真切生動的語句，才是這類寫作的靈魂所在。

但說 AI 完全派不上用場，似乎也過於武斷。

它或許無法成為替你寫情書的人，卻能成為心靈的回聲，陪你梳理複雜的思緒，或帶來一次意想不到的對話。

寫作是一種將感受套用到不同文字上的表達探索；而對話則有機會另闢蹊徑，照亮那個你從未走訪的道路。

文字本身就是一種抽象與意義的壓縮，透過這種媒介來傳達心情與感受，要的並不是「精確」而是一個「可以伸展的空間」— 得以在鬆散的映射中，代入讀者自身經驗而引發共鳴的空間。

這份缺陷與不完美感，是 AI 在後訓練之後難以做到的。

✔ 理解的加速器: 用 AI 深化思考的藝術

如果你無法簡單地解釋，表示你還不夠瞭解。

寫作的另一層重要意義，是將所經歷和學習過的知識加以傳承與記錄 (不妨想像原始人細膩地將狩獵故事刻在洞穴牆上的景象)。同時，寫作也能幫助我們將理解變得更加有系統、井然有序。

很多時候，我們自以為掌握了一個觀念的全貌，然而，當真正開始動筆試著清楚闡述時，才赫然發現，原來自己還有不少盲點。

在這方面，AI 正是一個絕佳的「加速器」。語言模型的強項，在於迅速組織和梳理語言結構。也許 AI 並不一定比人類更會推理，但在效率與結構化的掌握上，它確實能發揮巨大的輔助作用。

人無法理解那些自己無法表達、連問題都提不出來的東西。

除了理解的加速，藉由 AI 與借助各種提問技巧：「假設、時空、逆推、類比、甚至元問題」，我們可以嘗試跨越認知的邊界，觸及那些「未知的未知」。[4]

這樣一來，AI 不僅僅是「理解的加速器」，更像一位激發靈感、幫助我們發現新問題的思考夥伴。

✔ 影響力的煉金術: 感性與理性間尋找平衡

寫作的目的不是向讀者證明你是對的，而是讓他們思考你關心的話題 [3]

誠然，寫作經常無法獨立歸屬於上述其中一種目的。每一次下筆，既是在探尋自身的感受，亦是在梳理對世界運作的理解。當這份對內心與外界的認識被連結起來，文字便成為能影響他人的力量。

深刻的影響力有其順序：首先，讓讀者感受到「這與我有關」；然後，才是取得「理性的認同」。前者關乎情感的共鳴，後者則建立在理性的邏輯上。

寫作，大多是一場感性與理性的艱苦對話。一開始，腦海中會浮現一道強烈的聲音、迸出一個鮮明的觀點，或是閃過一個金句、一個迷人的概念。這股直覺或感受，驅使你產生好奇心，忍不住開始拷問自己，進入理性模式。

在理性的探索過程中，你對事物的理解逐漸加深，原先強烈的感受也隨之調整。有時你會發現，當初的衝動不過是一場誤會；原本極端的想法、自以為的重大發現，經過理性的審視之後變得更圓融、更精確，也更平庸、不再鋒芒。

你會在感性和理性之間來回往返、層層迭代，直到這兩種狀態間逐漸模糊，邊界難以劃清，達到一種剛剛好的平衡。便成功了說服了自己，也終於有了機會去說服別人！

回顧自己系統化寫作的方法論《零摩擦寫作四部曲》，看似線性，實際操作起來其實也常在感性與理性間各種掙扎，拿捏的技能需要緩慢而艱苦的努力。

❏ AI 正在量產平庸嗎？

AI 並沒有開創這種敷衍了事的風氣，它只是揭露了我們的世界早就充滿了多少制式化的內容 …
企業郵件、SEO 部落格文章、LinkedIn 上的思想流暢度展示、以及那些只是換個單字就重複使用的社群貼文。
在 AI 出現之前，這些內容大多早就是表演性質、經過優化處理，卻空洞無物。
真正令人擔憂的並不是 AI 正在摧毀創造力。
而是它正在將我們在這個表演文化中早已接受的平庸內容「正式化」。1

想像一個畫家，突然發現自己的畫筆開始自主作畫。起初，他為這神奇的效率而狂歡：線條流暢，色彩豐富，每一幅作品都符合市場的期待。

但漸漸地，他發現自己忘了握筆的感覺，忘了那種在混沌中摸索、在挫折中突破的痛並快樂著。

這就是我們與 AI 寫作的現況。

AI 精準地複製著我們的集體平庸，然後以驚人的速度將這種平庸標準化、量產化。

真正的危機不在於 AI 會取代人類，而在於我們主動選擇被取代！

「永遠不要放棄尋找屬於自己的聲音」
有些話只有你能說出來，而某個地方的某個人正需要聽到這些話

☑️ 避免平庸的行動清單 ☑️

動筆前，先問目的： 我這次寫作是為了記錄、理解還是影響？
保留你的稜角： 對於個人故事與感受，親自書寫，因為那是你的獨特之處。
把 AI 當作牆壁： 對它說話 (提問)，來檢視自己邏輯的清晰度。
永遠尋找你的聲音： 記住，有些話只有你能說。

❏ 結語

真正的問題不是 AI 寫作會不會讓人變笨，而是 我們如何在「效率」與「真誠」之間找到平衡。

當我們為了「捕捉內心聲音」而寫作時，AI 無法複製那些帶著稜角的真實情感；
當我們為了「深化理解」而寫作時，AI 可以扮演極佳的思考夥伴；
當我們希望產生「影響力」時，關鍵在於感性與理性的微妙平衡。

AI 並沒有摧毀創造力，這世界本來就沒有多少真正的創造，只是它正在將我們早已接受的平庸內容規模化。在這個充滿表演性寫作的時代，擁有屬於自己的聲音更是彌足珍貴。

在 AI 的協助下，我們或許能更有效率地組織想法，但那個決定「為什麼而寫」和「為誰而寫」的，永遠應該是那個執筆的 —「你」。

如果這篇文章對您有所啟發，您可以透過以下方式「挺」我的寫作：

請我喝杯咖啡 ☕
將其轉發給可能也會欣賞它的同伴。
留言告訴我什麼讓你印象深刻，分享你的想法，或只是打個招呼。

💡 我也提供各種諮詢服務。如果您想探討合作方式，請透過我的社群媒體聯絡我，或回覆此郵件。

❏ 本週好讀 🛋️

🦥 parting thoughts 🦥

嘿，大家最近過的好嗎？暑假已經過了一半，家長們的勝利就在不遠處了！前陣子因為工作的緣故，落下了幾期電子報的更新。白天專注，晚上就只剩享受放空藝術的力氣。
我想，工作與生活 (寫作是生活的一部分) 就是這樣交織在一起的吧！注意力在兩者間的分配比重會隨著時間起起伏伏，過於堅持寫作一定得佔比多少，好像也違背了自己 work-life integration 的信念。不如一次只專心做好一件事，等到有餘裕了，在重新調整平衡。

[1] Using AI to Augment, Not Automate Your Writing -

The Computist Journal

Using AI to Augment, Not Automate Your Writing

9 months ago · 23 likes · 6 comments · Alejandro Piad Morffis

[2] A Blunt Conversation About AI Writing -

Hello, Writer!

A Blunt Conversation About AI Writing

Last week Substack said that in a survey of over 2,000 Substackers, 45.4% said they’re using AI. Within writing communities, for and against AI has become a topic of contention and I want to talk about the reality of AI writing…

9 months ago · 820 likes · 451 comments · Linda Caroll

[3] 完美主義: 寫作的助力與阻力 - https://www.informalwriting.cc/p/perfectionism-impact-on-writing

[4] 如何用"元問題"打開未知的大門 -

https://www.informalwriting.cc/p/ai-interaction-beyond-search

湖倉救不了你: 真正卡住數據孤島的是人性

Browny — Mon, 04 Aug 2025 00:00:58 GMT

Photo by Michiel Annaert on Unsplash

“The map is not the territory.” – Alfred Korzybski

❏ 引言

歡迎回到《非正式寫作》#79 — 理解複雜世界，前往那尚未被命名的自己。

數據是 AI 時代的黃金，前提是這些資料要能整合起來，成為對模型有用的上下文。如何打破「數據孤島1」成了企業 AI 轉型的必修課題之一。

大多數組織的做法是建置數據湖倉，期望把散落在各資料域的龐大數據，放進一致化的儲存與存取介面，讓整合與創新更容易生長 — 但，這樣真的有用嗎？

「打破數據孤島，實現一統的資料平台」：這樣的口號，常在數位轉型的正義之下被視為最佳實踐。

我不禁想：如果可以，誰不希望家裡永遠整整齊齊？然而，每樣物品總能找到一個又一個的理由，出現在你意想不到的地方。儘管你一次次地收拾，空間仍會隨著時間回到屬於它的熵增平衡。

數據孤島？它從何而來？把數據統一放進資料平台之後，又該如何對抗自然的熵增？這期電子報，就讓我們用「因果力學」的角度，聊聊數據孤島的生成緣由以及有效的應對策略。

📚 目錄 & 關鍵字

1. 數據孤島的根源：解析人性中的三股力量
2. 為什麼「權力」與「技術」無法根治孤島
3. 解決方案：與孤島共存的務實橋樑策略 

Keywords: 數據孤島 | 資料孤島 | 首席數據官 | 數據平台 | Data Lakehouse | 數據治理

🔍 工人智慧猜你也喜歡

《非正式寫作》探索並理解當代世界的多面向特質。
每週更新。馬上訂閱，與 1400+ 位讀者一同升級 ⬆️

Subscribe now

❏ 數據孤島的根源：解析人性中的三股力量

✔ 邊界感

「數據孤島」這個詞總讓我覺得帶有過度指責的意味。仔細想想，「孤島」難道不是數據的自然狀態嗎？就像每個人都有屬於自己的記憶，我們不會因此批評這是「記憶孤島」，也不會試圖建立統一的記憶平台（當然，國家層面可能是個例外）。

數據天生就是以孤島形式存在，只是因為我們如何分類、如何看待它，才產生了不同的界線。

當我們從個人視角、家庭視角、城鎮視角，一路擴展到國家視角來觀察同一件事時，會發現不同層級需要不同程度的抽象。以鄉鎮發生的瑣碎事件為例，如果缺乏適當的抽象機制，國家政府很可能被各種雞毛蒜皮的細節所淹沒。

因此，當我們不設定明確的邊界時 (明確的抽象層級)，所謂的「孤島」其實並不存在。

✔ 權力的放大器

數據邊界並不是天生的，而是因為我們如何分類、如何看待它而生成。這些界線就像地圖的格線，標示了誰該負責什麼，讓協作得以展開。

每個邊界內的單元職責不同、工具不同、關注焦點不同。於是衍生出形形色色的資料，成為各自運作的「燃料」。

例如：一間咖啡店準備討論「冬天要不要推出楓糖拿鐵」，不同單元在意的資料大不相同：

門市營運關注的是「杯數、時段、客單價」，他們關心排隊和現金流；
行銷團隊盯著 IG 按讚數和 LINE 會員點擊率，他們在乎品牌聲量；
供應鏈計算牛奶、糖漿、咖啡豆庫存，他們想確保原物料穩定。

三組資料各居一島，彼此互不相通。當決策會議召開，誰能最快把自己的燃料轉成大家看得懂、信得過的資訊，就能左右最終的行動方案：

門市若先端出「高峰時段模擬與預估日銷量」，方案可能更快被採納；行銷如果及時拿出「社群聲量暴增趨勢」，預算與檔期便可能轉向他們。

因此，資料不只驅動業務運轉，同時也是權力的放大器：擁有資料並能有效「轉譯」的人或團隊，往往能在組織內獲得更大的影響力。

✔ 注意力侷限

邊界一旦畫下，裡面的人就比較難再把目光投向外面。注意力有限，我們本能地只搜尋「屬於自己領地、對自己最有價值」的訊息；找到之後，可能還會把它視為競爭優勢而緊握不放，形成一條自我強化的路徑：

邊界讓專業聚焦 → 專業催生資料 → 注意力侷限 → 關鍵數據被視為私有資本 → 權力因此被放大 → 邊界更加穩固

這條路徑不斷反覆，就像河水日復一日沖刷著同一條海岸線。在缺乏外部力量介入的情況下，孤島的輪廓只會被刻得更深、彼此距離越拉越遠。

❏ 為什麼「權力」與「技術」無法根治孤島

這些看似理所當然的數據孤島，究竟是問題的根源，還是我們面對複雜性的必然結果？「我們有了數據，為什麼決策還是如此困難？」。

通常，當組織在更高層級的決策制定上卡關時，才會赫然驚覺數據孤島的存在。這種卡關，往往表現在三個令人頭痛的面向：

各個業務單位儘管手握海量資料，但這些資料對上層的策略決策卻缺乏實質的價值與洞見。
想要有效整合各個孤島的數據？舉步維艱！無法形成足以支撐決策的整合數據，就像一盤散沙。
更糟的是，孤島各自得出不同的結論，只揭露了部分的真相，有時甚至還會相互矛盾，無形中增加了決策的複雜度與不確定性。

面對數據離散的混沌，我們經常能見到的應對方式：透過一個「更高權力」的外部力量，強行將這些孤島拉近在一起。

例如，指派一位 CDO (首席數據官) 來統籌大局，或是導入 Data Lakehouse (資料湖倉) 這類新技術，期望一網打盡所有數據。

人(權力)與物(技術)看似都統一了，那麼我們所期望看見的事「打破孤島」，就會自然而然地水到渠成嗎？

✔「槌子找釘子」的思維慣性

一個被賦予權力的人，或是一個被奉為圭臬的技術，當我們面對複雜問題時，這些過度簡化的實踐，讓我們誤入貧於思考的歧途。

以一位技術出身的 CDO 為例，他可能習慣性地專注於解決技術問題，例如將所有資料集中、提升查詢效能等，並為導入新的資料倉儲技術感到興奮。

然而，這種「槌子找釘子」的方法，僅僅在技術層面打破了數據孤島，卻未能從業務決策和組織運作的「宏觀角度」來定義資料目標。

如果資料目標無法明確定義，並與業務策略保持一致，即使在技術上已經集中，不同部門因其「邊界感」所形成的「業務理解孤島」依舊存在。

數據集中了，但大家的「品味」和「視角」卻依然無法對齊，那又有什麼用呢？

✔ 資料並不直接貢獻價值

認真看待資料的組織，也會認真看待如何移除資料成功使用與管理上的任何障礙2

這意味著資料必須與組織的「績效」和「價值鏈」產生直接關聯，才能真正成為權力的放大器。

若資料無法體現出它對業務價值的相應產出，而僅被視為技術或行政成本，對資料的投入將備受質疑，難以持續。

數據的價值，不能再停留在「我有這些資料！」這種靜態的擁有，而是要能直接回答：「這些資料為我們帶來什麼商業價值？」、「它如何提升我們的產出效率？」3。

CDO 的失敗，往往源於資料未被納入關鍵的「績效管理」或「業務預算決策」中。

因此，資料的存續與成長，端看其能否直接貢獻於整體業務成果，並在核心決策流程中取得實際的「權限與地位」。

當我們在談論數據時，不是只談論技術，而是在談論如何讓這些數據，真正成為我們理解問題本質、做出選擇、並最終創造價值的基石。

✔「權力集中」不等於「注意力集中」

當組織把希望寄託於任命 CDO、導入資料湖倉等「權力集中」手段時，被統一的往往只是硬體與權限，並非人的注意力。

各部門 KPI 咬得緊緊，做好分內的事已耗盡心力；還要額外將欄位解釋、指標對齊、流程檔案化，既燒腦又看不見直接收益，自然被排到待辦清單的最後面。

即便資料集中到資料湖倉，資料整理的貢獻卻難以在其中體現，誰提供、誰受益無從衡量，激勵機制模糊。

於是，技術層面看似合而為一，認知與動機仍各行其是，結果是得到一座規模更大的「集中式孤島」，決策依舊被片段事實所牽制。

❏ 解決方案：與孤島共存的務實橋樑策略

用問題牽動合作，用約定穩住品質，用道路管理分享

每座島都有自己的生態系、語言(資料格式)和步調。當我們試圖用傳統的「集中式」方法，想一次性填平大海，再鋪設統一的高速公路時，往往會陷入無止盡的泥淖。

畢竟，組織內部複雜的數據分佈和權責歸屬，讓「集中化數據管理」遠比字面上困難。

真正的解方，或許並不在於消滅這些數據孤島，
而是先想辦法讓島與島之間「走得過去」。

與其追求一步到位的完美計畫，不如先找出最短可用路徑，讓人們能從痛點出發，逐步建立信任。

數據之「橋」，從一個迫切的業務痛點開始，提供一個可信、方便的整合入口，並且讓人願意走第二次、第三次 … 直到它自然成為日常動線。

✔ 組織與文化：從共同痛點出發

先選一個每個人都喊痛的問題，例如「這個月生產良率為什麼驟降？」或「庫存到底卡在哪個環節？」，這些都是實際業務場景日夜煩惱的痛點。

接著，用小步快跑的原則，在兩到三週內交付一條「最小可行性產品」。

這座橋一開始或許簡陋，重點是，要讓第一線的使用者「第一次真切體會過橋比渡海還方便、還快速」。這種親身感受帶來的價值，勝過任何複雜的技術報告與願景路線圖。

接著，把縮短決策時間這樣的成功故事，說給更多利害關係人聽，將這份價值流動的效益擴散出去。

✔ 實施與治理：先有路，再談統一

我們應該以「最小可行原則」解決單一痛點，並訂下清晰的「約定」。

這些約定包括「定義、計算方法、更新節奏、負責窗口，等等…」。這些原則性的約定，不僅是技術規範，更是團隊間的共識與承諾。

在「必須互通」處做接口的標準化，但在孤島內我們仍保留自主與敏捷。這樣一來，既能避免「扼殺創新」— 讓各部門能根據自身業務特性靈活應變；又能防止數據「各說各話」— 確保跨部門溝通時，數據口徑一致。

把這些約定寫在人看得懂、找得到的地方，而不是埋在程式碼當中。一份有用的文檔 (Data Catalog)，能釋放團隊成員的記憶負擔，讓他們專注於更有價值的事務。

✔ 副本治理：在效率與一致間取平衡

在追求數據效率的過程中，「副本失控」是常見的副作用。當每個部門都為了自己的報表或分析，不斷複製、儲存相同的數據，不僅造成資源浪費，更可能引發「數據不一致」的混亂。

因此，應該鼓勵「查看不複製，能連線就別另存新檔」。這需要建立一個「透明化」的數據存取機制，讓數據的「可追溯性」成為常態。

當不可避免地需要複製時，也要「附上來源、版本與到期日，等等…」。這不僅是對數據有意識地管理，也是避免雜亂叢生的重要手段。

❏ 結語

回到開頭的那句話：「地圖不是疆域」。我們習慣將「數據孤島」視為需要被消滅的敵人，就像試圖用一張完美的地圖來取代真實的地形。

但疆域本身就是崎嶇不平的，孤島的存在反映了組織複雜性的真實面貌。

當我們從「消滅孤島」的思維轉向「連結孤島」的實踐，數據治理便不再是一場零和遊戲，而是一個共創價值的過程。每一座橋的建成，都是組織學習與成長的里程碑。

下次當你聽到「打破數據孤島」這樣的口號時，不妨問問：我們真的需要一個統一的王國，還是一個連結活絡的群島聯邦？答案可能就藏在組織協作中的那些「痛點」裡。

好的數據策略，從來不是技術的勝利，而是人性的理解。

如果這篇文章對您有所啟發，您可以透過以下方式支援我的寫作：

請我喝杯咖啡 ☕
將其轉發給可能也會欣賞它的同伴。
留言告訴我什麼讓你印象深刻，分享你的想法，或只是打個招呼。

💡 我也提供各種諮詢服務。如果您想探討合作方式，請透過我的社群媒體聯絡我，或回覆此郵件。

❏ 本週好讀 🛋️

🦥 parting thoughts 🦥

https://www.ibm.com/think/topics/data-silos

《The 5 Reasons Why A Chief Data Officer Fails》- https://www.anmut.co.uk/a-chief-data-officer-often-fails-because-of-these-5-things/

https://www.informalwriting.cc/i/152829732/價值的本質