2025-05-23 08:00:00
大家好，好久不見，距離上次寄信已快一個月，想說來更新一下最近在幹嘛。
如信件標題所述，我最近開始會透過 ChatGPT 協助我摘要內容，主要是摘要有一定長度的英文訪談內容和長篇論述，像是 Lenny’s Podcast 或者是 Stratechery。我會直接透過設定好的 prompt 請 ChatGPT 產出中文摘要，產完後就把它們存在 Heptabase 裡面，排時間閱讀、寫簡單的筆記在 Heptabase 裡面。
為什麼要這樣做？
在回答這個問題前，不如先説説，為什麼以前不這樣做。
在 ChatGPT 剛推出的時候我就有嘗試過請他摘要內容，開放 API 後也有嘗試建立自己的摘要助手，也有用過一些摘要工具，但體驗都沒有很好，我猜可能是因為我不會下 prompt、當時的模型還不夠厲害、或者是 context window 還不夠長，還有一個原因是我有某種自傲或偏執，認為只有自己讀進去才是讀，靠 AI 摘要的東西根本就進不了腦袋，那還不如不要摘要。
在這一兩年內我一直都抱持著這樣的價值觀，認為不該把「閱讀」這件事交給 AI。我也確實這樣實踐，每當我認真閱讀一些很長的文章或 Podcast 逐字稿，花了一兩個小時讀完並做完筆記，我都會覺得自己很棒，認為我這樣的「人工堅持」是很有意義的。
但另一方面，這樣做真的很花時間，所以我真正讀完的我想讀的長內容少得可憐，真的很少。
那是什麼改變了？
有一個遠因跟一個近因，遠因是在我雖然讀得少，但我在幾次工作機會上有接觸到 Alan 的筆記方式，我覺得那樣整理逐字稿的效果很好，當時我花了幾個小時整理了一集 Lenny’s Podcast 的逐字稿，那集的內容我到現在都還印象深刻，看到那些筆記也還是覺得很有價值。這個經驗讓我好像更掌握「怎麼製作摘要」這件事。
近因是 Heptabase 最近的協作功能推出 “Can edit” 跟 “Can view” 的權限，讓我打算開啟一個我想了很久的計劃：一起共學 Lenny’s Podcast ，於是我寫了一篇文介紹這個計劃，也開始徵求協作者。
但在開徵的隔天，我突然想到一件事，如果我跟 AI 協作這個白板，會不會更有效率？於是我就再度開始嘗試 AI 摘要，結果，測試的結果令人驚訝的好。由於我的 prompt 技巧並沒有什麼進展，我想肯定是因為模型更好了，才有這樣的好表現。
現在的我是怎麼做？
這幾天，我每天都丟幾篇很長的 Podcast 去產摘要，有時可能連產幾次看看哪篇最好看，然後再馬上讀完。我發現這種「濃縮後的 Podcast 內容」恰好符合我現在的需求。因為一集訪談通常都要一小時左右，裡面參雜著一些沒那麼重要的資訊和閒聊，但是 AI 會幫我抓出那些核心的重點，我只要讀那些重點就好。
我覺得這樣子體驗很好，雖然是簡化、摘要後的內容，但實際上卻增加了我的閱讀量。
我甚至不太在意產出的摘要是否有幻覺或者誤讀，對我來說那是可以容忍的錯誤空間，因為現在的模型已經好到八九成以上的內容都沒什麼問題，而且我也是基於原文生成，而不是請他搜尋或依照訓練的資料生成，這也讓幻覺的比率降低了不少。總之，目前用這種方式閱讀，對我來說明顯利大於弊，因為若不這樣做，我實際上就是完全不會閱讀。
底下分享一篇範例，歡迎跟我分享你看了的心得，無論是覺得很不錯或覺得還好，都歡迎跟我分享！
範例原文：The Agentic Web and Original Sin
產出的摘要內容：
廣告驅動的網路模式雖然引發隱私與操控的爭議，但在缺乏直接付費機制的早期網際網路階段，它是唯一能大規模提供免費內容、讓用戶、網站和廣告商三方共贏的商業模式。
早期網際網路嘗試在瀏覽器中內建支付功能，但受到 Visa 和 Mastercard 等信用卡體系壟斷的阻礙未能成功實現。支付功能的缺位使得廣告成為線上內容唯一可行的大眾化營利模式，長期塑造了網路經濟的走向，並在無形中開啟了依賴用戶數據與隱私交換的商業生態。
微支付（micro-transaction）模式看似允許用戶按篇小額付費，但信用卡手續費成本高昂、內容生產前置投入大等因素使其經濟上不可行。同時，要求用戶為每篇內容反覆決定是否付費會帶來決策疲勞，導致微支付至今難以普及。反觀訂閱模式，透過定期付費換取穩定且明確的內容服務，用戶無需頻繁抉擇即可持續獲得價值，創作者也能獲得可預期的收入，但訂閱制可能將內容封閉在付費牆內，限制其廣泛傳播。
以廣告為本的內容經濟誘導網站追求點擊與流量，曾一度刺激大量內容創作和經濟價值，但也讓粗劣內容充斥、品質下滑。如今這套模式面臨衰退：Google 等搜尋引擎提供的流量支撐正迅速瓦解，用戶大量轉向封閉的應用生態或由 AI 直接給出答案，導致依賴廣告營收的網站訪問量驟減、收入每況愈下，整體廣告支撐的網路內容生態陷入困境。
新一代 AI 技術催生了代理式網路（agentic web）的概念，即軟體代理可以代表用戶自動瀏覽網站、蒐集資訊並執行任務，帶來服務自動化與個人化體驗的新可能。然而，當 AI 代理直接擷取網路內容並提供答案時，傳統靠人類瀏覽所支撐的廣告變現模式失效，內容提供者面臨無法透過流量獲利的困境；同時，如何確保代理取得資訊的可靠性並維持內容生態的良性循環，也成為這種新模式下亟待解決的挑戰。
微軟在 2025 年 Build 開發者大會上提出了「開放代理式網路」的構想，包括採用 Anthropic 發起的 MCP（Model Context Protocol，模型上下文協議）以及微軟自研的 NLWeb（Natural Language Web，自然語言網路介面）作為開放標準，讓網站透過自然語言接口直接被 AI 代理存取，猶如為代理世界打造一套類 HTML 的通用橋樑。這套方案可讓網站更容易融入 AI 生態，然而其設計缺乏內建的支付機制，無法為內容提供者帶來直接收益，難以從根本上解決內容生態的經濟誘因問題。
區塊鏈上的穩定幣（stablecoin）為數位微支付帶來了突破：這類數位貨幣價值穩定，可像資訊一樣快速低費地傳輸，交易幾乎零手續費且金額可無限細分，使極小額支付成為可能。在此基礎上，AI 軟體代理作為純粹的程式決策主體，不受人類逐筆付費猶豫的影響，能夠根據內容使用量自動執行小額付款給內容提供者，為代理式網路注入全新的經濟驅動機制，補足過去微支付不可行的缺口。
未來可以考慮以市場機制來鼓勵內容創作：在代理式網路的協議層引入數位貨幣支付功能（例如穩定幣），由 AI 平台根據其生成答案時引用內容的頻率，透過競價拍賣機制向原內容創作者支付報酬。如此將形成一個全新的內容生態市場：創作者為了獲得 AI 引用而競相提供高品質、有價值的內容，AI 平台、使用者與創作者之間達成新的三方共贏平衡。儘管這種市場化方案的實施細節充滿挑戰，但正如當年廣告模式意外地促成了網路的繁榮，一個開放競價的內容市場有望自發地探索出 AI 與網路內容共生共榮的新道路。
2025-05-06 08:00:00
我前天在 Twitter 和 Threads 上面都發了一篇一樣的文，詢問大家對 Perplexity 的看法。我尤其想知道有在訂閱 Perplexity Pro 的人是怎麼想的、以及是怎麼用 Perplexity Pro 的。
這篇簡單收集一下問到的東西，以及兩天下來我的短暫測試心得。
我之前一直有個印象是 Perplexity 主打搜尋，但找出來的內容還是會有幻覺，因此就沒有特別想要訂閱它。最近 ChatGPT 的 o3 模型出來後，我嘗試了幾次 o3 搜尋，覺得表現很不錯，就開始好奇 o3 跟 Perplexity 哪個表現更好。
有興趣的人可以直接到 Twitter 原文和 Threads 原文看看下方的留言。感謝有留言回饋的大家！我看完以後大致上整理出下列這些心得：
覺得 Pro 版好的人的想法（佔回覆比例較高）：
覺得 Pro 版沒那麼好的人的想法（佔回覆比例較低）：
看完這些回覆後，我覺得我還是想要了解一下 Perplexity Pro 到底用起來感覺怎麼樣，所以我訂閱了一個月的 Pro，想說來測試看看。
我依照下列幾個規則測試：
我大概問了快十個問題，例如問 Heptabase 有哪些功能？ Heptabase 最近更新了什麼功能？ Heptabase 是否有 Deeplink 功能，這些是我非常熟悉的資訊，我想要測試的是資訊的即時度、完整度以及幻覺的程度。
我還問了一些中文的問題，比方說我這兩天剛好回母校清大一趟，在後山的台積館一樓看到已經沒有餐廳而是兩台 7-11 與全家的自動販賣機，我正在猶豫中午該不該吃販賣機的東西，我想起人社院中午應該有自助餐，但我不知道是否還有在營業，所以我就問「請問台灣的清華大學科管院以及人社院是否有任何餐廳可以提供午餐？」這個問題是想要測試資訊的正確程度。
我還問了「研究題」，因為 Perplexity Pro 有 “Research” 功能，雖然先前聽不少人說過跟 ChatGPT 的 Deep Research 差很多，但我還是想測試看看，所以我問了一個我想研究的主題，請他幫我搜尋至少 50 筆相關的資料，然後給我一份完整的結果。
幾個我主觀的評比結論：
體感的搜尋完整度跟驚艷程度差距大概是：
ChatGPT Deep Research >>>>>>>>>>> Perplexity Pro Research >> ChatGPT o3 >>>>>>>>> Perplexity Search
根據上述評比，我覺得如果工作或生活上需要大量、頻繁的快速搜尋正確資料，那麼使用 Perplexity Pro 的 Research 功能可以得到很不錯的結果。
假設沒有這樣的需求，那麼同樣的錢拿來訂閱 ChatGPT Plus 並使用 o3 + Deep Research 應該更划算。假設有深度研究的需求，則不用考慮，訂閱 ChatGPT 就好。
我自己應該就屬於這個狀況，我不太有大量搜尋正確資料的需求，所以 o3 程度的正確性跟完整度對我來說就足夠了。
假設它有推出每個月 $5 美元程度的訂閱方案，可以限量使用 Pro 的 Research 功能，我應該會考慮看看。我覺得他搜尋資料來源的廣度還是比 o3 更好一些。但由於搜尋對我來說不是那麼高頻率的需求，若要每月 $20 美元我應該是不會再嘗試訂閱。
2025-04-30 08:00:00
我發現最近我在社群上會自動略過那些 ChatGPT 生成的兩格或四格漫畫、過於強調淺景深的 AI 人像、或者是看起來豐富繽紛的 AI 情境圖，為什麼呢？
是因為那容易生成而讓人感到廉價？還是因為那仿真而不夠真而觸發某種生理上的不適？還是因為什麼原因？是因為缺乏細節嗎？那如果是請 AI 產生充滿細節的圖像，可以改善這個問題嗎？是因為那「非人造」的感覺嗎？這好像也不是關鍵差異。
我發現好像是細節不夠多、風格不夠討喜，因為我剛剛為了驗證這個想法，試著請 ChatGPT 4o 產了一張莫內風格的貓咪照片（我喜歡莫內），我就覺得很好看，所以應該是內容不夠好，或者說不是我的菜，我才會膩。
對，所以 AI 與否並不是重點，品質的高低與我自己的偏好才是重點。
文字好像也一樣，有些人寫的文字總是讓人看不膩，有些看幾句我就有點受不了，我感覺 AI 與否也不太是重點，因為多的是非 AI 但仍然品質不好的文字，那怎樣的文字對我來說是高品質的？怎樣的文字符合我的偏好？
我覺得應該是下列幾項的綜合：
這三者比重愈高，我好像就愈喜歡，就愈看不膩，但裡面最關鍵的好像是真誠與正直，我也說不上來細節，但大概就是某種「可以信任的感覺」吧。只要散發出這種感受的人，我就會想要繼續看他寫的東西，參考他的觀點與建議，甚至是購買他的產品與服務。
根據我的經驗，通常這些人的文字、創作或各種產物，都不會讓人有膩的感覺。
2025-04-24 08:00:00
昨晚看到 Instagram 總監 Adam Mosseri 宣布 Threads 即將推出廣告，他短短的 po 文寫著：
Ads are rolling out more broadly on Threads today, and our goal is still for them to enhance your overall experience. We’re closely monitoring and will continue listening to your feedback as we scale.
對我來說這段文字的刺點是 “enhance your overall experience” ，因為在我的印象裡，廣告大多是降低我的使用體驗的元素。
在這篇文底下的留言也幾乎都是類似的想法，這讓我好奇，為什麼 Mosseri 要這樣寫？他們是否真的有什麼創新的做法？真的可以透過廣告給用戶更好的使用體驗？我用我乾枯的腦袋想了想，若以最善意的方式去解讀，也只想到這兩種可能性：
但以第一種論點來說，更好的說詞是可能是誠實跟用戶說這是一個維繫平台運作的關鍵，若不這麼做會活不下去。這點跟「更好的使用體驗」應該是不太一樣的事。
以第二個論點來說，關鍵好像更在於演算法，若演算法夠好，即使沒有廣告，還是可以讓用戶發現自己可能喜歡的內容。這一點我覺得 Threads 一直都做得很厲害（可能有點過激），我每天都可以在上面看到我喜歡的足球和攝影相關討論分享。
但這些都不直接等於「更好的體驗」。好像沒有遇過哪種狀況是廣告帶給我更好的體驗，特定少數廣告可能有讓我覺得有趣、新鮮、學到東西，但那也不是整體的好體驗。
想完這些後，我覺得原本的發文應該可以有更好的處理方式。
2025-04-23 08:00:00
昨天在網站裡寫了一篇「我目前會用 AI 做的事，與不會用 AI 做的事」，我蠻喜歡這篇文，寫的時候就有種目錄感、序章感，覺得之後應該會仔細地更新與編修它的內容。
今天下午在工作時，有一件事是要寫一段文字。我想了一下就直接把某些原始內容丟給設定好 prompt 的 ChatGPT o3，讓他依照我想要的格式產出文字給我，我再簡單微調後就完成了這段文字。
做完這件事後，我突然想到，昨天我不是才說我目前不會用 AI 「寫作」嗎？那我現在做的這件事是「寫作」嗎？如果不是，究竟我說的寫作是什麼？如果是，為什麼我昨天才說不會寫作，今天就這樣做？是不是我根本就已經開始依賴 AI 寫作，只是礙於某種面子之類的東西不願意承認？
我覺得我需要好好梳理一下這些東西，於是有了這封信。
我想先把寫作的目的大致上區分為兩類：
第一類包含寫信、寫部落格文章、寫社群貼文，這些都是我基於某種念頭，有某些想法想要表達，想要被別人看見或者知道別人怎麼想而寫出的內容，由於他們服務的是我的念頭和想法，我好像有種感覺是不該假手於他人，所以我不會用 AI 來寫這類東西。
除了第一類以外的所有內容，我好像就比較有種「沒差」的感覺，這個沒差並不是指對文字的品質毫無要求，而是指「我可以接受那不是我的文字」，所以只要有設定好 prompt，選擇適合的模型，產出的結果看起來不錯，我就覺得沒問題。
對，在這種情境裡我似乎會把自己當成一個編輯，只要 ChatGPT 這個同事給的東西還不錯，就沒問題，即使整個過程的內容都是生成出來的，我也可以接受。
但話說回來，第一類的寫作還是有很多模糊的地方。雖然我不能接受這類的內容直接透過 AI 生成，但「與 AI 一起寫作」也不一定只有「完全生成」這種樣子。比方說，幫忙產標題算嗎？幫忙產網址的 Slug 算嗎？幫忙產大綱算嗎？幫忙產論點算嗎？幫忙產佐證論點的虛構案例算嗎？幫忙給反對意見算嗎？幫忙做研究找資料算嗎？甚至，假設我的知識完全就是 AI 教我的，這樣到底算不算是他有介入或參與我的寫作？
我發現，如果這樣一層一層剝下來，關於第一類的寫作，我目前只能退守到這幾件事完全不透過 AI 產生或協助產生：
其他有可能都會有 AI 的影子，尤其是那個「激發我想法」的內容來源，我覺得會有愈來愈高的比重跟 AI 有關係。但由於第一類內容就是要滿足、要服務我的表達慾，所以關於這件事最核心的那幾個骨幹，我想了想，短期內應該還不會交給 AI ，除非我連表達的慾望都沒有了。
2025-04-22 08:00:00
這篇文章會持續更新，紀錄我現在會用 AI 做的事以及不會用 AI 做的事。我預期隨著 AI 功能愈來愈強，會用 AI 做的事也會愈來愈多。但我也認為，即使 AI 變得再強，有些事我還是不會用 AI 來完成。
使用工具：OpenAI API + Keyboard Maestro
我在日常生活與工作中大量使用 AI 協助我翻譯，這件事對我來說非常有價值，因為他大幅縮短了我閱讀外語資訊需要的時間與精力。
我最常用的翻譯方式有兩種，第一種是在使用英文溝通時中翻英，使用的方式可以參考「在任何輸入框都可以一鍵翻譯：我用 Keyboard Maestro 搭配 OpenAI API 做的腳本」這篇文，目前使用的模型是 gpt-4.1。
我很常用俗稱「晶晶體」的中英交雜方式輸入我想講的話，然後再透過這個工具翻譯為英文，這樣做的好處是我可以大幅保留我想要留下的正確脈絡文字，把其他比較不熟悉的文法或用字交給 AI 處理。
例如，假設上面那段話我想要確認「保留」跟「脈絡」要使用 "preserve" 跟 "context" ，我就會直接把這段話交給 AI 翻譯：「我很常用俗稱「晶晶體」的中英交雜方式輸入我想講的話，然後再透過這個工具翻譯為英文，這樣做的好處是我可以大幅 preserve 我想要留下的正確 context 文字，把其他比較不熟悉的文法或用字交給 AI 處理。」
翻譯出來的結果是：I often use a mix of Chinese and English, commonly known as "JingJing-ti," to input what I want to say. Then I use this tool to translate it into English. The advantage of this method is that I can greatly preserve the context I want to keep, while letting the AI handle the grammar and words I'm less familiar with.
使用工具：沉浸式翻譯
在工作上，或者是工作外的閱讀時間，假設我看到大量英文內容，我也會先透過上述工具翻譯為中文快速預覽。假設是比較長篇的內容，我則會透過沉浸式翻譯這個瀏覽器的延伸程式翻譯全文。安裝後我只要按下快捷鍵或者是瀏覽器側邊的按鈕，就會馬上把當前的頁面翻譯完畢，而且翻譯的內容是一段一段，原文與中文交雜的版本，例如下圖這篇來自 OpenAI 的 Reasoning best practices 範例。
我覺得這種逐段翻譯呈現的體驗非常好，因為他滿足我兩個需求：
即使快速翻譯的內容比較不精準，但我閱讀中文的速度還是比英文快非常多。沉浸式翻譯大幅增加了我閱讀的效率，真的是很棒的工具。
我有訂閱沉浸式翻譯的付費版本，基本上可以無限制使用翻譯（還是有每月使用上限，但我從來沒碰過上限），如果你也想訂閱沉浸式翻譯的 Pro 版本，輸入折扣碼 PJWU 可以享有 95 折優惠！
使用工具：ChatGPT Plus
我透過 ChatGPT 的 Projects 功能做了一個「卡片標題產生器」，他的用法是，當我貼上一段文章的文字，他會把這些內容分拆，然後逐段提供適合的卡片標題給我。整體用起來的感覺有點像是 Heptabase 的 insight generator，但由於我可以自訂 prompt ，也可以在 projects 裡面使用更進階的模型，所以我更喜歡用這個助手。
當我得到這些分段的標題，我就可以快速判斷我是否要閱讀這段內容。若閱讀完後覺得內容確實很有價值，我就會再把內容製作成 Heptabase 裡面的卡片。
我從 o1 就開始這樣做，現在在 OpenAI 推出 o3 模型以後效果更好。我選擇用 o 系列推理模型的原因是，我要求他自行判斷該怎麼分拆文字，而不是依照固定字數或段落區分，我認為這涉及到一定的推理能力需求，所以 o 系列的表現會比 4o 或 4.1 更好。
使用工具：ChatGPT Plus
假設我需要決定某件事，而且是我沒有把握的事，我可能會找 ChatGPT 討論。我會簡單描述這件事的前情提要、我目前的想法、我期待得到的結果（可能是建議或者是提醒）。
我還沒有每件事都找 ChatGPT 問，也不會完全採用他的方案，但這種多一個人可以討論的感覺還挺不錯的。
在 o3 模型推出後，他閱讀圖片的能力更好了，因此我有時會直接把我要問的脈絡截圖丟給他，然後再問我想問的問題。
使用工具：ChatGPT Plus
我非常喜歡 ChatGPT 的深度研究功能，雖然我使用的頻率並不高，但是那種「我想用的時候就可以馬上用」的感覺非常好。
我曾寫過幾篇關於 Deep research 的心得，歡迎參考：
使用工具：ChatGPT Plus & Claude Pro
假設我想要改部落格的樣式、增加一些小功能，我就會找 Claude 與 ChatGPT 一起討論作法。我也有找他們問過 Google Sheets 的函式和 App Script，不過我的使用頻率並不高，大約一個月一兩次而已。
我目前沒有在使用 Cursor, Windsurf 或者是 Github Copilot 這些工具。
關於「與 AI 一起寫作」這件事，我目前的堅持是這幾件事不會透過 AI 產生：
關於這方面的討論，歡迎參考這封信：與 AI 一起寫作的界線：表達慾
若我自己有一些疑惑，我可能會與 AI 討論，但如果是別人的疑惑，或者是別人與我意見不一致，我不會拿 AI 的答案要求別人接受。
因為我知道目前使用者輸入的內容會大幅影響生成式 AI 的回覆內容，假設我詢問「某件事情是否正確」，通常 AI 會偏向回覆「能證明這件事正確」的內容。反過來說，另一方只要詢問「某件事是否錯誤」，AI 也可以給出很多支持錯誤的內容。
加上生成式 AI 仍無法避免幻覺，假設我無法確保一件事是我完全理解並正確的，我就無法拿來說服別人，但假設我自己已經很理解，也有信心是正確的，那麼我也能夠很快說明清楚，這時也不需要 AI 的協助。
我好像從來沒有想要跟 AI 討論心事，一方面是因為知道他就是基於我的「分享」來「算出」最適合給我的回覆，換句話說他根本不理解內容，只是變出文字而已。另一方面是我已經很習慣記下我的想法或心情，並藉由打字的過程簡單自我對話。再另一方面是因為我沒有太多煩惱或心事，所以我仔細想了一下，好像從來沒有跟 ChatGPT 「聊天」過，都只有拿來問問題或處理文字而已。
雖然我會問 AI 問題，但我在問問題之前會先想一下這個問題是否是 AI 擅長的問題。假設我判斷 AI 在訓練過程中可能沒有這方面的充足資訊，我就不會問 AI 這方面的問題。
舉例來說，我會跟 AI 認真討論產品開發與成長的問題，但我不會問 AI 關於台灣的法律或稅務的問題。
寫這篇文的時候我才發現，我已經蠻頻繁在使用 AI ，雖然不是一直不間斷地與他對話討論，但每天都一定會用到它。我相信這個比重只會愈來愈高，這個清單一定會有愈來愈多「會用 AI 做的事」，我邊寫著這篇文就想到好幾件想嘗試的事了！
