熱血漢誌 - 技術新鮮人到技術經理人，必懂的事

AI-Native Agent 時代的 AI-Native Engineering 從 Andrew Ng 的 AI Engineering Skills Map，到 2026 年 9 月真正正在成形的 Agent-first Software Development 2026 年 9 月 4 日，Andrew Ng 發表了 AI Engineering Skills Map 系列中關於 Using Coding Agents 的文章，同時期 Claude, Cursor, OpenAI 也發表了許多架構，經驗談，以及商業上的應用，此時將眾家以及自己在正美科技所進行的事情進行彙整，讓大家可以少走些彎路，少踩些坑。 以下這些文章，有點長度，但他對於技術人，對於商業人，對於想要 AI 導入到自己公司的人都會有所幫助，不論你想要自己 vibe coding 或者是你是想要更近一步的 AI 自媒體老師，都應該完整閱讀這篇文章 同時我也希望你可以給我更多回饋，或者加入社團討論 「AI for Developer LINE 社群連結」 本文開始 如果把整篇文章和 2026 年正在發生的事情放在一起看，以及結合自己在開發 cymkube & cympack 的經驗來說，將整個 ai 智能製造 (ai manufacturing) 的過程來說，回歸到軟體工程，可以歸納成一段話。 軟體工程正在從「Human 寫 Code，AI 幫忙」轉向「Human 定義 Intent、Architecture、Constraints 與 Acceptance Criteria，Agent 負責 Execution，而系統負責 Verification」。 回歸過去就是： 2024 Human writes code AI assists ↓ 2025 Human prompts Agent edits code ↓ 2026 Human specifies intent Agents execute in parallel Verifiers inspect output Humans make judgment ↓ Next Human manages an engineering system ...

字節跳動剛開源的 Bernini 影片模型，這個框架其實處理掉很多付費平台在做的事情。 同時也打破了一個假象， 『大家以為只要畫質夠好，就能直接拿來做廣告印鈔票。』就可以獲得市場的這件事情。 影片製作真正的問題從來不是算力，而是「溝通與交付的摩擦力」。 以前用文字 Prompt 生影片，只要稍微修改一個場景或加入一個特定產品，整個模型就開始瞎編，視覺風格直接漂移。這種不可控的不確定性，在商業交付系統裡就是災難。它讓流程卡死在「反覆調整」的無限迴圈，時間成本直接吃掉所有毛利。 Bernini 最值得看是實際根據『市場需求』來建立的 video framework， 而這個商業交付流程。它把「多模態理解」和「影片渲染」拆成兩個獨立的工作流。 先讓模型看懂參考圖、精準規劃語意，再交給底層去渲染像素。這不是單純的技術升級，這是為了解決商業上的「精準控制」問題。 當你身邊已經有參考影片，能夠拿著一張特定的產品圖或品牌視覺作為 Reference，直接引導影片生成與局部編輯時，影片的邊際修改成本直接趨近於 0。 原本一個團隊一週只能產出一支合規的視覺素材，現在系統可以每天批量產出 100 支不同情境的測試影片。內容的交付效率提升 10 倍，CAC（客戶取得成本）直接拉低 30%，規模化能力這時候才真正發揮出來。 思考點 // 技術不創造商業模式，它只負責放大已經存在的系統效率。 // 單純的影像生成已經不值錢，能被精準控制、低成本修改的交付流程才值錢。 // 未來的內容競爭不是比誰的算力多，而是比誰的本地影音資產能先被 AI 結構化利用。 個人想法 Bytedance 放了這個大招。當影片生成的生產力被徹底解放、內容製作的邊際成本歸零時， 你的商業系統裡，還有什麼護城河是別人用 10 倍效率擊不穿的？ 有什麼想法，歡迎來討論， 加入「AI for Developer」！請點選以下連結加入社群！ https://line.me/ti/g2/D2m1DA83Qb0KJCjd2mLyHD7y4yB1CA0WUJsOMA?utm_source=invitation&utm_medium=link_copy&utm_campaign=default

美國政府把 Fable 5 / Mythos 5 當成可能具有國安風險的高階技術，臨時用出口管制手段要求 Anthropic 阻止外國人使用。 WHAT??? Anthropic 在 2026 年 6 月 12 日收到美國政府指令，要求停止「任何外國國民」存取 Fable 5 和 Mythos 5；範圍包含美國境內外的外國人，甚至包含 Anthropic 內部的外籍員工。 Anthropic 表示，為了避免違反命令，只能先把這兩個模型對所有客戶關掉；其他 Anthropic 模型不受影響。 Reuters 也報導，美國官員確認商務部確實發出這項出口管制指令，AWS 則被要求在所有區域撤銷這兩個模型的存取。 WHY??? 美國政府可能認為 Fable 5 / Mythos 5 已經接近「戰略級 AI 能力」，尤其在資安漏洞發現、漏洞利用、長時間自主工作等方面，若被外國對手或惡意行為者取得，可能加速網路攻擊或危害關鍵基礎設施。因此政府用國安和出口管制作為緊急煞車。Anthropic 則認為政府反應過度、程序不透明，而且技術證據不足。 個人看法 根據之前 Anthropic 反應，會透過媒體力量，立法施壓，同步遊說三步棋同時並進方式，讓美國政府鬆口鬆動。 讓大家思考的問題 - 大語言模型私人公司研發出來之後到底算是私有財還是國有財？ - 政府怎麼評判是否真的具備威脅？ 從某個層面來看，這作法，跟獨裁的方式無異，也讓我們從另外一個角度看到，『只能跟著老大走，你並非真的自由。』 不知道大家會有什麼想法？ 歡迎加入群組討論， 「AI for Developer」！請點選以下連結加入社群！ https://line.me/ti/g2/D2m1DA83Qb0KJCjd2mLyHD7y4yB1CA0WUJsOMA?utm_source=invitation&utm_medium=link_copy&utm_campaign=default

大家常問我：「現在科技發展得這麼快，到底該怎麼讓小孩子接觸？」 身為一個在軟體圈打滾多年的人，前陣子我幫兒子做了一個新嘗試，我拉了 Roblox Studio （一款現在全世界小學生都在玩的遊戲製作工具），再加上 AI 小幫手（Codex） ，讓他開始試著自己動手「做遊戲」，而不是每天只會對著螢幕「玩遊戲」。 結果，這個過程給了我大大震撼。 巨大的挫敗 首次果然是個大挫敗， 開始教他怎麼操作 Roblox Studio 整個開發介面， 同時也開許多 youtube 教學（自己認為很簡單）讓他知道如何入門， 想當然爾，超級失敗，沒有五分鐘就跑開閃人了，留下一句，『無聊的爸爸』 震撼：AI 時代的小孩，根本不用「學鍵盤打字」 我們這代人學電腦，都要先背鍵盤、學打字、記按鈕、熟悉一大堆複雜的操作流程。但我發現，這群「生來就有 AI」的孩子完全不一樣。 他甚至不打算用鍵盤。我後面發現，他已經透過 Mac F5 的功能流暢的進行語音輸入，他直接用大聲說話（語音輸入）的方式，劈頭就對 AI 下指令，讓 AI 去幫他寫程式、調功能。這流程順暢到像在跟朋友講話，前置作業基本上是「秒上手」。 這點醒了一件事： 打字，是我們那時代的事情， 如果在這個時代，我們還逼孩子非得先花幾個月去死背工具、熟悉死板的流程，才准他們開始操作，那絕對是最糟糕的學習體驗。 他們缺的不是聰明，而是「耐心」 說真的，現在的孩子被短影音、快節奏的網路餵養，最缺乏的就是「耐心」。 要怎麼讓他們重新找回「願意沉下心來做好一件事」的樂趣？ 過去那套「苦行僧式」的學習法已經行不通了。 我們必須透過 AI 的即時回饋，把流程重新規劃， 先用 AI 快速實現想像力 ，讓他看到成果。 引導他去探索： 怎麼在 Roblox 商店裡挑選免費的3D素材？怎麼利用官方的公開資訊，組合出自己想要的效果？ 一開始，我只給了他非常粗淺的入門教學。 但我後面發現，只要點起那把火，後續的發展完全超乎想像——他開始瘋狂挖出自己平常的「遊戲經驗」，把腦袋裡那些酷炫的打鬥效果，一項一項透過 AI 實做出來。 從「消費者」變成「創造者」 最後，他真的東拼西湊，做出了一款他自己邊玩邊大笑的遊戲。 他甚至自己一臉嫌棄地戲稱：「 這絕對是全地球最難玩、最爛的 99夜（ ...

OpenClaw 造成一股熱潮，對於商業上是什麼意義？ 這很少人探討，卻也是很值得探討的事情。 . 有人提到龍蝦，歡樂不已，覺得生產力直接頂天。 也有人提到龍蝦，恐懼不已，覺得他會刪檔案造成混亂。 . 很高興此次受到 James 邀請到『數位關鍵字』節目跟大家聊聊最近很紅的這條龍蝦 從應用面，商業面，架構面以及團隊面，倒底『你』該不該使用『龍蝦』。 . 2026 GTC 大會上黃仁勳在狂推 NemoClaw，AI 長出手腳，讓事情可以一步做到好做到完整。Claude Code 推出 Agent-team，Cowork，Perplexity Computer 也在試接管電腦，所有人都在瘋「養龍蝦（OpenClaw）」，想讓虛擬員工代勞一切。 . 問題與學習 . 真正的摩擦力從來不是工具不夠聰明，而是自己方向不明。 . 如果團隊連 ChatGPT 的基本效能都發揮不到 20%，導入 Agent 只會放大混亂。給一個沒有 SOP 限制的虛擬員工最高權限，它只會在一秒內搞砸你的資料庫。 . 這段時間最大的學習，就在主軸定義， 用於推進 Cymkube 智能製造，智能供應鏈， . 我們看 『龍蝦』 AI 代理人的視角完全不同。 不只是單純的讓 AI 寫漂亮公關信，而是試著讓它處理最簡單和最難的事情：跨職能溝通，弭平跨部門的數據斷層，再試著接上手腳。 . 同時試著將混亂中找到勝利方程式，把「客戶焦慮」變成了「定價槓桿」，轉換率跳升，交付的邊際成本卻趨近於零。 . 在《數位關鍵字》這一個半小時，跟 James 一起拆解這波 Agent 狂熱的底層邏輯。大家看到開源免費，卻沒算到除錯時間與系統重構的隱形成本。 . 真正的自動化，不是買一台 Mac mini ，也不是直接買一台最強的引擎。 . 而是組裝一台能穩定變現的系統，結合團隊與虛擬技能進行組裝。 . 很殘酷現實： . 算力取代人力的交叉點，取決於你把 AI 放在「產出內容」還是「資源分配」。 黃仁勳賣的是算力基礎建設，這些對於台灣 AI 產業鏈的確很有道理，但回歸到自己的企業營運以及利潤，往往藏在沒有人想碰的跨系統資料清洗，以及跨組織架構上。 . 這階段我所學習的是 『如果商業流程本來就是錯的，AI 代理人只是讓錯誤跑得快 10 倍。』 . 對於許多老闆來說，養龍蝦到底在養什麼？你到底應不應該進場？聽聽這...