還沒被取代

這集我們來拆 Gary 自己做的「個人知識雷達」。 從一開始手動追工程 Blog、技術人物、GitHub Trending，到後來慢慢變成一套會自己搜尋、整理、篩選、更新關鍵字的 AI 流程。 我們聊到 Gary 怎麼挑資料源、為什麼會拆不同的偵查 Agent、怎麼讓 AI 自己判斷哪些資訊值得留下，以及為什麼還要維護一個 Archive，把幾個月來看過的知識慢慢串成脈絡。 但聊到最後，問題也開始慢慢冒出來： 資訊真的追越多越好嗎？ 新技術出來就一定要學...

為什麼 AI 這麼強，工作好像也變快了，但人反而更累。 從一開始只是開一個 ChatGPT 對話框，到後來同時開好幾個 AI、好幾個 Coding Agent、好幾條工作線一起跑，AI 是不會累啦，但人會！ 以前寫 code，可能是一天慢慢解幾個 bug；現在是三個 Agent 同時跑，每隔幾分鐘就回來問你一個需要人類判斷的問題。結果不是不用思考，而是一直被迫切換脈絡、理解狀況、做決策、驗收結果。 這集我們也聊到「認知負擔」這件事：有些累，是事情...

這集我們聊 AI 幹的那些鳥事。 本來只是想抱怨一下： AI 暴衝、亂做事、一直諂媚、記憶錯亂、圖像生成多一隻手，還有那些明明叫它幫忙，結果反而讓人更抓狂的瞬間 聊著聊著，竟然歪到一個很奇怪的地方。 我們發現，AI 最有趣的地方，不只是它幫你工作， 而是它有時候會逼你重新整理自己。 你要它幫你分析問題，就得先講清楚自己的狀態。 你要它不要亂猜，就得補 context。 你要它更懂你，就得定期清記憶、修 prompt、修工作流程。...

這集我們終於來聊那個一直聽起來很工程師、很高大上、很像某種密碼的詞： Harness 。 Harness 到底是什麼？ 是 Prompt 嗎？是 Agent 嗎？是 Context Engineering 嗎？ 還是工程師又把一件很日常的事，搞得很複雜的名詞？ 這集我們從「Harness 原本是馬具、韁繩」開始聊，慢慢拆到 AI 裡面的意思： 幫 AI 給方向、給工具、給記憶、給流程，讓它真的能幫你做事。 Context Window 像 AI 的腦容量，聊到個人知識庫、Notion 筆記、股票...

我們平常都拿 AI 來做什麼？ 像是把 AI 變成個人助理，幫忙整理 Gmail、記錄客戶資料、管理品牌策略；也聊到用 AI 接股票投資資料、整理新聞雷達、輔助判斷持股方向。 再一路聊到各種 Side Project： 補習班出勤系統、公司知識庫、飲食紀錄、冰箱管理、個人網站、吉他樂理練習、睡前故事配樂，甚至是把 AI 助理接進 Line 裡。 聊到最後才發現，這集不只是在問「AI 可以做什麼」，而是在問： 當 AI 已經可以碰資料、用工具、寫程式...

這集聊的是 Gary 的 AI 焦慮。 從 2023 年底拿 ChatGPT 寫歌詞，到 2024 年開始用 AI 寫程式，再到 2025 年 Coding Agent、OpenClaw、手機控制 AI 助理出現，AI 好像從一開始的玩具，慢慢變成真的會改變工作方式的東西。 Gary 分享了自己在義大利旅行時，看到社群上大家都在用 AI 做出各種工具、agent、作品，卻完全跟不上、玩不到的焦慮。後來真的開始使用 OpenClaw 之後，又發現 AI 不只是會聊天，而是可以排程、提醒、整理資訊...

用 AI 寫程式，有條件嗎？ 現在好像只要打開 ChatGPT、Codex、Claude Code，跟 AI 說一句「幫我做一個網站」，網站就出來了。 出來之後呢？ 這集我們從幾個真實案例聊起：有人用 AI 做 CRM，結果卡在 local storage、localhost、部署；有人用 AI 做平台，才發現資料庫越長越多、版本不知道哪個才是對的；也有人想讓 AI 幫忙做更完整的產品，才發現 prompt、測試、記憶、工具選擇、需求拆解，全部都會變成問題。 所以 vibe coding...

這集從「AI 會寫 code 之後，工程師的價值到底在哪？」出發，Gary 與展佑用第一線開發經驗，聊 AI 工具如何改變真實的軟體開發現場。 從 Copilot 到 coding agent，AI 確實讓寫 code、改 bug、做 prototype 變得更快；但工程師的價值並沒有消失，而是從「產出程式碼」轉向「理解需求、拆解問題、判斷架構、驗證結果，以及設計讓 AI 正確工作的流程」。 這集也會聊到前端、C++／音訊軟體、AI 顧問、domain knowledge，以及為什麼未...