41 歲生日的七個人生收穫：打造代理人、獲取流量、累積信任

今天 41 歲了。 很少有機會可以這樣正式地表達感謝，剛好趁著生日這個時刻，想跟大家說說心裡話。 先來看看目前各平台的關注情況：Threads 大約有 3,500 個粉絲，YouTube 快要突破 1,000，其他頻道嘛⋯⋯表現也很不錯，粉絲數大約都還在個位數階段。 好啦，開玩笑的。 但真的很感謝大家願意花時間看我分享的東西。 回顧過去這一年，我想跟大家分享七個最重要的收穫。 ▋ 第一個收穫：打造代理人，而不是只使用代理人 如果說 2025 年是最多人問起 ChatGPT 的一年，我認為 2026 年將會是最多人開始打造自己「代理人」的一年。 為什麼這件事這麼重要？ 很簡單，人的時間只有 24 小時。 如果你平常有正職工作，又要照顧小孩跟父母，你可能根本沒多少時間留給自己。 但打造代理人這件事，能讓你增加兩倍、三倍，甚至更多的產能。 這絕對是目前最有價值的投資。

你不應該拿 Mac mini 來跑 Clawdbot，這三個理由你聽完可能會改變想法

最近看到很多人興奮地買了 Mac mini，然後第一件事就是想：「來架 Clawdbot 吧！」 我完全理解那種心情。 一台效能不錯的主機放在家裡，不拿來做點酷炫的事情，好像對不起自己。 但我想說的是——先停一下。 第一個問題：你真的知道自己要做什麼嗎？ Clawdbot 的本質是讓 AI 擁有完整的系統權限。 聽起來很厲害，但問題來了。 很多人在還沒想清楚自己需要什麼任務的時候，就先把權限全開。 這就像你還不知道要去哪裡，就先把車鑰匙、家門鑰匙、銀行密碼全部交給一個剛認識的人。 我不是說 AI 會害你，但這種「先給權限再說」的心態，本身就是一個危險訊號。 你應該先搞清楚：我到底需要 AI 幫我做什麼？ 而不是先讓它能做所有事，再慢慢想。 第二個問題：Mac mini 有更好的用法 如果你真的想善用這台 16GB 的 Mac mini，我會建議你去研究

Claude 的 Project、Skill、Connector 到底怎麼分？一次搞懂三者的關係

很多人問我，在 Claude 裡面，Project、Skill、Connector 這三個東西到底差在哪裡？ 什麼時候該用哪一個？ 老實說，我一開始也搞得很混亂。 但實際用了一段時間之後，我發現其實邏輯很簡單。 先從最基本的開始：Connector 是對外的資料來源 如果你需要從外部拿資料，比如說接 Google Calendar、接 Notion、接你自己的資料庫，你就需要 Connector。 它就是一個 MCP 的連結，讓 Claude 可以去外面抓資料回來。 沒有 Connector，Claude 就只能用它自己知道的東西，沒辦法碰到你的資料。 Skill 則是內部的運算邏輯 Skill 沒有辦法對外連接。 它只能在內部用 Python 或程式碼執行。 你可以把它想成是一個 Controller，專門負責處理運算的部分。 比如說，你想讓 Claude 用特定的格式改寫文章、

讓 AI 認識你 — Memory is All You Need

讓 AI 認識你 — Memory is All You Need 最近我在 Claude 上快速搭建了七大 Agent。 原因很簡單：你的助理應該是越使用越懂你。 而 Claude Project 有個關鍵功能叫 Memory，它會根據你不斷詢問的過程，主動提取記憶。 這就是我認為 AI 助手真正強大的地方。 GA 分析助手：從進階到客製化 自從我串接 GA MCP 後，這位助手已經變得非常厲害。 漏斗分析、訪客來源、異常事件追蹤、站上任何問題都難不倒它。 但我想要的不只是這些。 我希望它隨著時間，能夠對齊我的知識，知道我要什麼。 你不用想太多，不用一次設定好整個 instructions。 試著使用一週，再回頭看看 memory，你會發現它已經根據你的行為開始學習客製化了。 許多助手不需要懂老闆要什麼，但網站分析不一樣。 因為我沒有那麼多美國時間，

AGI 來臨：兩大 AI 巨頭的預測與警示

在近期的達沃斯論壇上，Anthropic 執行長 Dario Amodei 與 Google DeepMind 執行長 Demis Hassabis 進行了一場關於「AGI 之後的世界」的深度對談，揭示了 AI 發展的最新進展與未來展望。 AGI 時間線預測 Dario 重申了他去年的預測：在 2026-2027 年，AI 模型將能夠在諸多領域達到諾貝爾獎得主的水準。他表示目前 Anthropic 的工程師已經不再親自寫程式碼，而是讓模型來完成編寫工作，人類只負責編輯和周邊任務。他預估在 6-12 個月內，模型將能端到端完成大部分工程師的工作。 Demis 則持稍微保守的態度，認為在十年內有 50% 的機會實現 AGI。他指出編程和數學領域較容易自動化，因為結果可驗證；但自然科學領域則更具挑戰性，需要實驗驗證，且目前模型在「提出問題」和「建立理論」

讓 AI 當你的健康顧問：我用 Apple Watch 數據打造個人健康分析 Agent

最近我嘗試做了一個 Agent，專門用來分析我的身體健康狀況。 這不是什麼有商業潛力的專案，純粹是出於好奇。 我想知道現在的 AI 到底能幫我們把健康分析做到什麼程度。 資料從哪來？ 要讓 AI 分析任何東西，首先得有資料。 我第一個想到的就是 Apple Health。 因為我每天戴著 Apple Watch，它本來就會自動記錄睡眠、運動、心跳這些數據。 除此之外，我也在嘗試另一個經絡檢測的儀器，有點像中醫把脈的概念，只是還沒整合進來。 我覺得如果未來能把更多資料源串在一起，應該可以做出更有意思的應用。 技術架構其實不難 我用了一個叫「Apple Health Auto Export」的 App。 這個 App 可以把健康資料透過 REST API 自動傳送到你指定的伺服器。 資料打到伺服器後，我再處理並存到 Database 裡。 接著寫一個 MCP Server，然後在

Claude in Chrome：最嚴重被低估的 AI 工具，它讓我實現了每天醒來就有懶人包可看的夢想

訂閱了一堆很棒的工具，付了錢，卻發現自己根本沒時間用。Claude in Chrome 讓我實現了每天醒來就有懶人包可看的夢想。

Claude in Chrome：最被低估的 AI 自動化工具

2026 年最重要的 6 個 AI 趨勢：從模型之爭到應用落地

根據麥肯錫、OpenAI、史丹佛等機構的研究報告，2026 年 AI 產業將迎來重大轉變。以下是六個值得關注的關鍵趨勢。 趨勢一：模型不再是重點 過去幾年，每次新模型發布都會引發「哪個 AI 最好」的討論。但從 Artificial Analysis 的數據可以看到，各大 AI 模型在效能圖表的右上角越來越密集，彼此差距正在縮小。 史丹佛的研究也顯示，免費的開源模型如 DeepSeek 和 Llama，效能已逐漸逼近付費的前沿模型。更重要的是，使用成本正在大幅下降。NVIDIA 最新晶片每個 token 的能耗，比十年前降低了 10.5 萬倍。 當效能趨同、成本下降，AI 模型正在變成「大宗商品」。就像沒人會問「誰家的電力最好」，未來的競爭焦點將從模型本身，轉移到應用層。 趨勢二：

GA分析助手，你的營運長上線了

每天早上起床，我最期待的一件事，就是看到 GA 分析助手整理好的昨日報表。它會清楚告訴我用戶在哪裡卡關，讓營運長的智慧不再被瑣事淹沒。

Claude Agent 自動化實測:從 GA 分析到 NotebookLM 簡報,全程零人工介入

實測 Claude Agent 完成從 GA 數據分析到 NotebookLM 簡報生成的全自動化流程,展示 AI Agent 如何理解任務、操作介面、完成複雜工作流程。

流量三溫層：為什麼你辛苦引進的人潮，最後都留不住？

流量本身不是目的，讓流量「回來」才是 這幾個月在做產品推廣，我終於搞懂一件事：流量本身不是目的，讓流量「回來」才是。 很多人以為只要有人潮湧進來就成功了，但事實上，那些衝著某篇爆文或某個推薦進來的訪客，絕大多數都是一次性的。 他們來了、看了、走了，然後再也找不到回來的路。 流量的三個溫度 在開始談怎麼留住人之前，先理解一下流量的本質。 我把流量分成三種溫度。 第一種是「冷流量」，這群人完全不認識你，撬動他們通常要靠廣告，而且花費不小。 第二種是「溫流量」，他們可能看過你的內容、聽過你的名字，有點興趣願意點進來看看。 第三種是「熱流量」，他們已經對你有信任、有意圖，這群人最值錢。 社群爆發帶來的是「溫流量」 如果你在社群上某篇內容突然爆了，帶進來的通常是溫流量。 這群人品質其實不錯，他們是被內容吸引、主動點進來的。 但問題是，他們只是「路過」，還沒有建立任何連結。 如果你是靠廣告獲取流量，狀況又不一樣了。