研究筆記
AI 工具、證照、讀書與動手實驗：一邊學，一邊記下來。共 62 篇。
同一個模型，一個榜給 62.7 分，另一個榜給 99.9 分，你該信哪個
Caleb Writes Code 拆開 GPT-6 Astra 的發布：十四個跑分裡只有一個跟主流綜合榜重疊，同一個模型在同一個測驗上，換一套執行框架分數從 62.7 變成 99.9。他提出一個新尺：省 token 不等於省錢。我拿自家一週的帳來對，發現輸出 token 只佔帳單 8%，跑分在量的那一小塊，剛好是我最不痛的那一塊。教育性整理與延伸，不是購買建議。
四家 AI 訂閱，誰剩得多就派誰：我怎麼用一行額度表排 AI 的班
同時付四家 AI 訂閱，週額度、月額度、五小時額度各算各的，靠記憶派工的結果是一家爆掉一家閒著。我把開源儀表 CodexBar 的讀數接成一行燈號，每次開口前先看誰剩得多，再決定機械活、寫程式、下判斷各派給誰。四條不看額度的固定規則也一起講。教育性整理與個人做法分享。
一個請求十美元：掄錘者被 GPT6 Astra 燒掉餘額那天，我回頭看了自己的帳
掄錘者實測 GPT6 Astra：網頁聊天三題花一美元，接進 Codex 一個小任務就把七美元餘額燒成負的。他的結論是我們窮，模型並不貴。我拿自己一天的 AI 用量對了一遍，發現帳單算的是它讀了多少，不是它答了多少。教育性整理與延伸，不是購買建議。
訂閱比按量划算得多，那他為什麼還是不敢一次丟六個任務
掄錘者被留言逼著用訂閱制重測 GPT6：同一個小任務，昨天走 API 花九美元，今天走訂閱只吃掉一週額度的 4%。他認了訂閱划算，卻說不敢再像用便宜模型那樣一次丟六個任務。我把自家一週的用量照牌價算了一遍，發現訂閱是把錢換成一個會重置的時鐘，省下來的錢只是表面。教育性整理與延伸，不是購買建議。
陶哲軒說機率只有在事情會重複時才是對的尺，那我手上那些只發生一次的決定呢
陶哲軒在 Big Think 講了八十分鐘他的新書《六個數學要素》。我聽完留下四件事：機率的適用邊界、加倍下注是把破產壓進一個小機率、事故排除後塞車還會持續、以及一個初期比較不準的正確模型會被資料淘汰。我拿自家的驗證簿與結算扇校準來對，這四件事每一件都戳到我。教育性整理與延伸，不是投資建議。
他要的答案是「不」，AI 給了他好幾頁的「是」
陶哲軒說數學家要兩樣東西：答案，跟理解。幾百年來這兩件事分不開，因為要拿到答案你非得先懂不可。現在分家了——題目被沒有領域專業的人解掉，答案是對的，也驗得過，可是沒有人知道發生了什麼。他說 AI 缺的是刪掉的能力，不是生成能力。我拿自家一盞壞掉的警報燈和一份 16 KB 的教訓檔對了一遍。
今年我買了一套很貴的美股資料，然後找到這份公開的
介紹一份公開的美股歷史資料：日線股價、法說會逐字稿、財務三表、公司新聞，而且下市公司的歷史都留著。一個付費用戶的實測心得，附開始使用的方法與一個該注意的地方。教育與方法論用途。
AI 改 AI，不一定要改腦子：聽小天講 EvoX 的蜂群
小天用十分鐘講一個問題：AI 自我改進一定要改模型權重嗎？他拿 EvoX 的蜂群模式當例子，主張人類文明靠的是制度和協作在進化，AI 也可以。我拿自家跑了半年的兩條「AI 改 AI」迴圈對照，發現偵測做到了、自改沒發生，而蜂群缺的那件事我今天早上剛親身撞到一次。教育性整理與延伸。
Graph Engineering 是什麼？管一群 AI agent 要畫兩張圖——一張幾個月不動，一張用完就丟
Graph Engineering 七月在 X 上爆紅：一則推文、一個半小時後 Google 產品經理接話定義、48 小時文章潮。Kelly Tsai 的影片把它講清楚——迴圈寫出 agent 的行為，圖寫出 agent 的組織；實作上是兩張圖：穩定的組織圖加用完就丟的分工表。我拿自己管一群 AI 的日常對了一遍，連怎麼長出來的過程都一樣。
Codex、DeepSeek Harness、Hermes 誰最好用？實測的答案是：沒有最好用的 agent，只有站對位置的 agent
一支實戰影片把三個 AI agent 工具丟進真任務：開發論壇皮膚、修 bug、日常運維防攻擊。結果 Codex 最會開發、Hermes 最穩能連跑一個月、代碼最漂亮的 DeepSeek Harness 反而翻車。搭配本地 Qwen3.8 27B 吃粗活、雲端 DeepSeek V4 Flash 收尾，一天測下來只花 30 元人民幣；全接高階模型要 100 多元，兩個月差價就是一張 4090。
陶哲軒的硬幣遊戲：AI 解數學做了四件事，人也做了四件事，我把自己的分工表拿去對了一遍
陶哲軒用一個硬幣遊戲示範人和 AI 怎麼合力解開一題數學：Gemini 補證明缺的一步、AlphaEvolve 算到 16 堆、Aristotle 把證明翻成 Lean 讓機器驗，而出題、猜想、看懂證明、認出兩題其實是同一題，全是人做的。AI 四件事、人四件事，這張分工表跟我自己派 AI 幹活的原則幾乎一樣：驗收能交給機器的，才放心交給 AI。
便宜的夠用，貴的用不完：聽掄錘者講怎麼選模型和 agent
掄錘者用十八分鐘把他這幾個月測過的模型和 agent 排了一次隊：本地只認 Qwen3.8 27B，線上首推 DeepSeek V4 Flash，日常助手用 Hermes、寫程式用 Codex，Gemini 和 Grok 直接勸退。他的排隊方法比排隊結果更值得學：先問你一個月用多少、任務要跑幾步，再決定付誰的錢。我拿自己這一個月的實測數字對了一遍，有兩處跟他一致，一處相反。
本地大模型要買卡還是租卡？RunPod 一小時 24 元台幣，我實際跑過之後怎麼想
昨天我第一次在 RunPod 租雲端 GPU 跑一個小批次任務：一張 4090 每小時約 24 元台幣、按秒計費，四輪嘗試、567 秒 GPU 時間，帳單三塊四。這篇把「租」和「買」兩條路的形狀攤開來比：什麼時候租划算、什麼時候該買，還有本地端開發常見的幾種應用——文件向量索引、截圖批次判讀、本地模型當 agent 腦袋、微調、生圖生影片——各自該租還是該買。程式實作及測試由好友 Fred 協同開發。
只給分子不給分母：陶哲軒說 AI 解題像個微醺的天才，而我們可能在優化錯的東西
陶哲軒在一段訪談裡把 AI 做數學的現況講得很白：四年從國中題爬到解開幾個人類卡住的問題，但成功率、燒了多少錢、掃了幾題才中一題，全是黑箱。他的比喻是一個懂得很多、有點醉的人不停丟點子，指一千題給它，解掉五十題，但不一定是你最想解的那五十題。我拿自己做因子驗證的登記簿對了一遍：分母沒人記，是我們自己也犯過的錯。
資策會 AICE 人工智慧工程素養：一週衝刺的考取筆記
教育性備考心得：AICE 考試題型、最容易搞混的觀念、我們的準備方法，以及及格關鍵的取捨策略。
AICE 必考觀念筆記：一頁把四大面向的地基打完
教育性整理：AICE 人工智慧工程素養認證的必考觀念——評估指標、機器學習、大數據生態系、神經網路、生成式 AI 與 AI 倫理，附記憶鉤。
看過的影片找不回來？我把「影片記憶」整套搬回自己電腦
從一支開源插件出發，把「看影片自動變成可搜尋的向量記憶」的整條鏈路——採集、嵌入、儲存、查詢——全部搬回本地的過程紀錄。一個晚上、三個坑、零雲端服務。
本地模型 Qwen3.8 27B 適合你嗎？
看完兩位 YouTuber 三支硬體實測影片後的綜合心得。從一次回本計算出發，拆解在自己家裡跑大模型的三個真實成本，以及怎麼判斷這件事適不適合你。工具選擇的思考練習，非採購建議。
當結束碼開始說謊：一個響了七天沒人聽懂的警報
自動化系統的靜默故障：工具答對了卻回報失敗、警報每天都響卻喊錯名字。一次除錯的完整推理過程，以及三個可以直接拿去查自己系統的檢查項。
別讓 AI 說「沒問題」：一套逼它重算的規則
朋友花了一整晚跟 AI 說圖表數據有問題，AI 一直回沒問題，發火之後它才承認有一組量測把平均拉低了。問題不在它不夠聰明，在於沒有東西逼它重算。這篇把我兩年累積的十七條規則整理成一隻公開的 skill，每一條都附當初付出的代價。
當天才決定離開：從 Grok 追上前沿、Google 人事地震到 Meta 重返開源
聽完科技浪 EP150 的心得筆記。從三件事拆一個判讀方法：技術路線一旦收斂，明星研究員的邊際貢獻就會下降——這對看新聞做決策的人意味著什麼。教育性內容，非投資建議，不含個股推薦或目標價。
硬體為什麼難：一集對談裡最值錢的三句話
沒有事後更新、太熱情的供應商是警訊、時間買不回來——Supply Chained 用二十分鐘拆掉硬體創業的浪漫。反過來讀，創業者的痛苦清單，正是投資人的護城河清單。
沉舟側畔千帆過：聽掄錘者談 AI 內容工廠——流量去哪了、誰在跟誰競爭，和一個三五年的窗口
一位中國接案工程師的 YouTube 頻道罕見地不談硬體，談自己身處的行業：創作者流量崩塌。短影音分流疊加 AI 批量工廠，一個人能同時經營十個頻道；平台偵測 AI 內容的能力有到期日，而且已經在誤殺真人。他的結論是你的對手是掌握 AI 的人；他的自救是拿「還能證明自己是真人」的三五年當窗口。我的延伸：內容可以批量，臨場不行；臉會過期，紀錄不會。
herdr：同時養一群 AI agent 的人，遲早要回答「誰在做事、誰卡住了」
herdr 是什麼、怎麼裝、怎麼用，以及我們沒把它裝進生產線、卻把它最好的兩個設計搬回家的經驗——教育與方法論分享。