2026-07-12 16:19:49
📸 第 184 期（2026-06-28 ~ 07-11）封面照片：這兩週的幾個切片——去了 Google Cloud Day、把「說人話」SKILL 開源分享出去，還有開箱體驗 DJI Pocket 4P
2026 年，已經被我們過完了一半。
原先想照慣例，寫一篇長長的上半年回顧復盤文1，後來想想，不太對。我不該再給自己徒增支線副本了，該把任務切小，換一種形式。索性把這半年的重要節點、心情和學習筆記，重整成 19 句短語，留一點白，給看懂的人填寫進自己的共鳴。
其中有一句是：「聰明，是能把任務有效做完；智慧，是能知道什麼值得去做；不強求什麼都要學，但要讓自己學完之後，人生能多一點選擇。」這也是在這幾個月，我很常思考的工作、生活原則：當有個非常強大的 AI 可以幫我們把許多執行的任務處理掉的時候，剩下的，只有「值不值得」，什麼是更適合我當下的？這個問題，還是得我們自己去解開的。
說回這半年，很多朋友見到我第一句話是：
「欸雷蒙，你不是說這半年要休息嗎？休去哪了，明明做了一堆事。」
其實我已經先把最費心思耗神的 Notion 訓練營暫緩、推掉許多企業顧問和合作案，粗估等於換來了多 60+ 天的空白日，只是這段時間最常出現的難題，從來不是「多了好多時間，人生好閒」，更多時候是「好多事好像都很值得做，人生好難」。
這是一種性格使然吧？不過，如果能為一件非我不可的事，盡力投入，好像也算是好好生活的寫照。
還好去年底柚子提醒我，先把訓練營放一放。我才有時間去做，一直沒有時間去做的重要任務 —— 從寫書、AI Agent 大課、會員社群、週末寫寫電子報、拍片紀錄生活。
完整內容＆逐句解讀，我放在：給 31 歲的上半年總結：生活給我的 19 句話
另一句是：「半年過去，沒變得更成功也沒關係。只要你更知道什麼該留下、什麼該放手，就沒有白走。」
當然，換來的 60 多天空白，我也不是每天都投入「產出」，中間留了不少「空白日」，去展開小旅行，跟柚子每天在家做頓午餐、晚餐，配個劇；有些日子，是拿來交出成果的；有些日子，就只是拿來過日子的。這也是我們創業六年，才好不容易才換來的一點喘息。
好，接著聊聊工作狀況吧 XD。最近開始投入 AI Agent 大課的籌備，想說每幾天就釋出一些準備內容。例如，先把我自己個人用了一個多月的「說人話」SKILL 免費開源。
起因是常看到有人說某篇文章「好 AI 味」—— 句子通順、資訊完整，但讀起來就是覺得怪怪的。我讓 AI 徹底研究維基百科的「AI 生成文特徵」條目，做成一個能抓出 35+ 種中文 AI 寫作痕跡、列出可以怎麼改的 Skill，讓你能整合到你的內容工作流中。
直接看兩個使用範例，用 /speak-human-tw 就能呼叫：
本來以為只是把 Skill 打包上傳到 github，結果為了把這個技能整理到能公開的樣子，反而花了我好幾個晚上重新研究、潤飾，甚至設計版面 XDD
然後還順手把 Github 的個人頁面打理了一下：
歡迎去 GitHub 給顆星、拿去用。
開會規定要留會議記錄，但一邊聽一邊打字，根本沒辦法專心參與討論，這大概是每個上班族都遇過的兩難。
傳譯寶是專為繁體中文打造的「即時逐字稿＋AI筆記工具」，幾個實用特色：
如果你也常常開完會回頭整理筆記整理到崩潰，這款工具很值得試試。
👉 立即免費試用：傳譯寶
—
🎁 雷蒙週報讀者專屬抽獎：抽 3 組免費一個月高級帳戶兌換碼！用任何形式分享《雷蒙週報》在社群媒體或限時動態，簡單分享你最近幾期看了有什麼心得，因為練習輸出，就是最好的學習模式！接著回信到這封《雷蒙週報》的信件，附上截圖或連結，就可以參加抽獎囉！下一期電子報抽出
—文章和學習筆記—
Hacker News 一篇頭條文章在問：AI 讓白領工作效率變高了，那能不能多放一天假？我也聊了聊我們全遠距團隊的請假機制——因為看不到你實際花了多少時間，只能看產出，所以能力夠強、品質到位，你就能自由安排時間；反過來，能力不夠又想靠 AI 偷懶的人，才是職場信任關係真正的隱患。
OpenAI 一口氣推出 Sol、Terra、Luna 三個等級的模型，還把傳統問答型 ChatGPT 整併進 Chat、Work、Codex 三種模式，共用同一套桌面應用。這一步的信號很清楚：純問答 AI，在 Agentic AI 的時代已經只是半成品了。
一邊寫這期電子報，一邊隨手交派任務給 AI Agent 優化 GitHub 個人頁面，被團隊虧「有在做正事嗎」，卻意外聊出一個好問題：AI 讓人能同時攤開好幾個任務並行處理，「工時 ≅ 績效」這種上個時代的算法正在失靈。以後該看的不是花了多久，是產出了什麼、解決了什麼——我心目中理想的工作型態，會從一個部門多人協作，轉為「一個人 ＋ 一支 AI 團隊」。
看到網路上有人說「國外很多 AI 教學都免費，我幹嘛付費」「付費課都是騙錢」，想聊聊自己做免費內容多年的「傷痕」——花好幾個月準備的東西發出去沒人理，還容易被當成理所當然，甚至被同行整包搬走包裝成付費服務。後來想通：我們真正反感的從來不是「付費」本身，是有人把偷懶的劣質品包裝成高價品。合理的收費，反而是在保護創作者能長期做下去的精神力。
—數位工具和 AI 應用—
分享一個用強模型（像 Fable 5、Opus）的核心原則：別自作聰明把「該怎麼做」寫死進指令裡，那反而變成限制，會讓它按你自以為的笨方法做，浪費掉它幫你發掘隱藏方案的能力。我自己最近的用法，是讓強模型專門產出計畫文檔和制度規範，再交給 Codex 或 Opus 去執行——這組任務分工，把「昂貴但聰明的判斷」跟「大量的執行」分開來用。
本週最新戰況：我的 Threads 帳號一早突然掛了，網頁版、App 全部看文、按讚、留言、通知失靈，重灌、換瀏覽器、關 WiFi 換行動網路都救不回來。問了 AI 才發現：API 還是通的，只是網頁客戶端壞了。索性直接自己用 API 寫了一個發文＆回文介面頂著用——這時代能用 AI 做的事，真的沒有界限，連社群平台掛掉，都能自己修一條路出來。（如果你剛好認識 Meta 內部的人，歡迎幫我內推求助 🙏🏼）
一個「可靠的 AI 助理」不是裝完就變強，是有一套骨架：核心規則、技能、精煉記憶、使用者畫像、對話歷史、生命週期自動化、多平台門面。我把自己養出來的 AI 分身雷小蒙，拿去跟 GitHub 上十幾萬顆星的開源專案 Hermes Agent 對照，發現骨架幾乎一模一樣——這篇把 7 層一層一層攤開給你看。（進階閱讀：Hermes 好上手，還是自己養一個更好？ 用兩個比喻幫你決定要不要換工具）
純放靜態頁，我不會叫你一定要用 Zeabur；但只要你開始養 Bot、n8n、Ghost、API、資料庫，問題就不是「哪個最便宜」，而是「你想買一台便宜主機，還是一個省事的部署管理服務」。這篇整理了我實際在 Zeabur 上運作的十幾個服務，也聊到為什麼讓 AI Agent 接手部署，比自己手動點後台更值得。
大一那年因為「電腦玩物」一頭栽進數位工作術，三年前邀 Esor 錄過一集 Podcast，這次我們第一次同台直播，主題換成了 AI Agent。他用了十幾年的 Evernote 到 AI 時代不但沒被淘汰，反而成了他最大的本錢；我們聊到「未來真正操作軟體的是 AI，不是你的滑鼠」，也聊到為什麼要刻意留一塊「摩擦力」給自己。整理了 8 個最有共鳴的收穫。
🔍 雷蒙三十會員限定內容＆學員見證：
品捷：把 Garmin 資料變成自己的跑步儀表板：用 Claude Code + Codex 打造個人化「AI 跑步教練」，把 Garmin、LifeOS 健康紀錄、訓練負荷、VDOT、心率區間與天氣資料整合進一個本機儀表板，一打開就知道今天該照課表還是該休息。他說做完這個作品，才第一次明顯感覺到 AI Agent 真正參與了整個迭代流程，不只是幫忙寫程式，還會協助整理資料來源、檢查數據、拆頁面。
Roxanne Huang：把 Claude Code 當成新手嘴巴裡的那口飯：上完課後，把自己 Google Map 裡亂七八糟的景點、餐廳資料，匯出到 Notion 美食資料庫，還能請 Claude Code 幫忙抓地址查 Naver、抓照片當封面和示意圖，設定步驟都清楚到「幾乎都是 CC 在做事」。
Zac Phua：短時間讓你學會、做出成果，才是我現在買課的標準：即使覺得 AI 已經能協助大部分自學，仍選擇報名這堂 Claude Code 課程——因為真人老師踩過的坑、整理好的捷徑，AI 給不了。短短兩三週前，Claude Code、MCP、CLI、API、Skill 對他還是完全陌生的世界，現在已經能實際應用。
Wendy Liu：把 5 年 250 本筆記匯進系統資料庫：透過這堂課建立起完整的個人資料系統架構，解決了多年來想做公開作品集的心願，也把繁瑣的重複性工作交給小工具處理，過去上課內容忘記時，現在很快搜尋就能找到。
👉🏼 點此加入Lifehacker Premium 會員
🤝🏼 如果你喜歡〈雷蒙週報〉並願意幫助我繼續分享下去
〈雷蒙週報〉是繁體中文圈 Top 的數位工具應用、科技產品的電子報品牌，提供現代人如何聰明工作、提升生活品質的方法。訂閱者超過 25,000 人，開信率 > 55%；為了讓這電子報長久經營，我可以協助你推廣好的產品、服務或活動被更多人看見，點此進一步瞭解如何跟我合作 🔗。
2026-07-11 23:55:43
如果只是放一個靜態網頁，我不會叫你一定要用 Zeabur。
Cloudflare Pages、GitHub Pages、Netlify、Vercel 都很好，有的甚至免費！
但如果你做的網站需要後端，有資料庫、需要登入、有檔案儲存、有背景任務，問題就不是「哪個平台最便宜」了？
問題會變成：
你想買的是一台便宜主機，還是讓你省事、省時的部署管理服務？
首先先跟大家白話解釋，你部署（Deploy）的 App 網頁小工具其實分成 2 大類。技術不同，我們需要的部署環境就不同。
靜態站像貼在公告欄上的海報；動態網站像有櫃台和後台的店。
兩種部署差在哪？靜態部署，就是把做好的網頁檔案放上網，讀者打開時看到的內容基本固定。動態網站，則是打開頁面時還會去後台、資料庫或 API 拿資料，所以能登入、送表單、看個人資料，也更需要維護。
| 你要分辨的是 | 靜態部署 | 動態網站 |
| 白話比喻 | 公告欄、海報、作品集 | 有櫃台和倉庫的店 |
| 內容來源 | 預先做好的 HTML、CSS、圖片 | 後台、資料庫、API |
| 常見功能 | Landing Page、文件站、活動頁 | 登入、會員資料、Bot、n8n、後台工具 |
| 維護重點 | 部署、快取、網址設定 | 後端、資料庫、環境變數、log、重啟 |
先講我的結論：純靜態站，不是 Zeabur 的主戰場；前端產品搭配 Supabase，Vercel + Supabase 很合理；但只要你開始養 Bot、n8n、Ghost、API、資料庫、多個內部工具，Zeabur 仍然是值得評估的選項。
這陣子因為 Zeabur 漲價，社群上很多人討論：
「都已經有 Vercel + Supabase 了，還有什麼場景需要 Zeabur？」
這問題很值得展開談不同場景，所以寫了這一篇。
我自己從 AI 時代後也做了不少工具，也是 Zeabur 的重度使用者，我寫過三篇 Zeabur 相關文章：
這篇不重複教你怎麼部署，試著以我的經驗回答一個更實用的問題：
Zeabur 變貴的背景，什麼情況適合用？什麼情況其實不用？
先用一張表把幾個常見選項放在一起。
| 平台 | 最適合 | 不適合 | 白話判斷 |
| Cloudflare Pages / Workers | 靜態站、Edge Function、小型 API、全球快取 | 傳統長時間後端、完整資料庫堆疊、複雜服務編排 | 便宜又強，但你要接受 Cloudflare 的開發模型 |
| GitHub Pages | 文件站、作品集、開源專案頁 | 後端、私有商業工具、需要資料庫的產品 | 最像免費公告欄，不能期待它變雲端主機 |
| Netlify | 靜態站、Jamstack、Deploy Preview、表單、前端團隊協作 | 常駐後端、Bot、自架資料庫、多服務編排 | 比 GitHub Pages 完整，比 Zeabur 更偏前端與靜態部署 |
| Vercel | 前端產品、Serverless API、Preview Deploy、前端團隊協作 | 長時間常駐服務、Bot、自己管理多個資料庫服務 | 前端部署體驗天花板，但後端持久化通常要搭別人 |
| Supabase | Postgres、Auth、Storage、Realtime、Edge Functions | 跑任意 Docker app、n8n、Ghost、常駐 Bot、多服務編排 | 它是很好的資料庫後端，不是萬用部署平台 |
| Zeabur | 多服務專案、資料庫、Bot、n8n、Ghost、私有工具、AI Agent 代管部署 | 純靜態站、極大規模、需要精細 Kubernetes / Cloud 原生控制 | 不是最便宜的 VPS，是把 VPS 和部署管理做得更好用 |
我想寫這篇的主因：沒有想特別推哪個平台，只是想讓大家知道，我們有哪些選擇權，而我的判斷又是考量什麼。
如果你只是要部署作品集、活動頁、Landing Page、課程介紹頁、文件站、純前端小工具，我會先看 Cloudflare Pages、GitHub Pages、Netlify 或 Vercel。
這些平台本來就很適合靜態站。速度快、部署簡單、免費額度大，對大多數創作者來說完全夠用。
Cloudflare Pages 像一個很大的免費公告欄。你把海報貼上去，全世界都看得到。它背後還有 CDN，速度和穩定度都很好。Cloudflare 官方頁面目前也寫明 Pages Free 方案有無限站點、無限靜態請求、無限頻寬、每月 500 次 builds。1
Netlify 則更像是前端團隊和行銷頁的老牌工具。Deploy Preview、表單、Jamstack 工作流都很成熟。它目前官方價格頁是 Free、Personal、Pro 三級，新的帳號則走 credit-based pricing。2
Vercel 的巨大優勢是 Next.js。你如果剛好是 Next.js 專案，需要漂亮的 Preview Deploy、前端團隊協作，它真的很順。Vercel 官方目前的 Pro 方案是每席 20 美元，並包含 usage credit。3
所以如果以上你有認真看完，結論：純靜態站，不是 Zeabur 的主戰場。
Vercel + Supabase 是很多人推的組合。
分工很簡單：Vercel 把你的網站放上線，Supabase 幫你存資料、管登入、放檔案。想做會員網站、SaaS MVP，或任何「使用者填資料、你存起來」的產品，用這組最省事。
費用方面，Supabase Pro 方案 25 美元起。要注意：它每開一個專案就是一台獨立的資料庫，專案越多、帳單越高。
但這組合有個前提：你做的是「一個網站＋一個資料庫」。
如果你要跑的是得 24 小時掛在背景的服務：n8n 自動化、Discord / Telegram 機器人、自己架部落格或資料庫，情況就不一樣了。
如果你是工程師，這可能對你小 case，但如果是對非工程師的小白初學者、團隊經營者，這些切換和學習成本就很高。
所以這篇文章討論的不是「Zeabur 可不可以取代 Vercel + Supabase」。我個人的答案是：不需要取代。它們本來就適合不同場景。
我支持 Zeabur，很多服務網站都有在上面運行，靠它省了我很多瑣碎的時間。
以下是我自己 Zeabur 後台的實際畫面：左邊是我的專案列表，右邊是這些專案背後那台 Linode 主機的監控指標。
左：Zeabur 專案列表，一個帳號管十幾個服務；右：服務背後共用的 Linode，CPU、記憶體、硬碟一次看。
| 服務 | 類型 | 為什麼不是純靜態站 |
| Ghost 部落格與電子報系統 | Ghost + MySQL | 有 CMS 後台、資料庫、圖片、Email 設定 |
| n8n 自動化工作流 | n8n + Postgres | 長時間運作、Webhook、排程、Postgres |
| 生活黑客群島社群 Bot | Discord / Telegram Bot | 需要 24 小時跑著、環境變數、log、重啟 |
| LiveBoard 課程即時問答工具 | Node.js 全端工具 | 課程現場即時問答與投票，不只是前端展示 |
| Finance Dashboard 財務儀表板 | 私有 Dashboard | 需要 nginx Basic Auth、noindex、真實資料保護 |
| AI 助教 | AI 助教 Web App | 有前端、後端、API、使用統計 |
| 團隊合約工具系統 | 內部營運工具 | 有登入、資料寫入、persistent volume |
| 圖片壓縮 API | Node.js + sharp | 會吃 CPU、處理檔案、回傳壓縮結果 |
這些都不是「一個靜態網站」可以解決的事，它們的共同點是：要持續運作、要看 log、要管理環境變數、要重啟、要接資料庫，有些還需要儲存資料、檔案。
這也是 Zeabur 對我有價值的地方！
※ 如果你想看更多我和學員實際做出來的 AI Agent 作品，可以直接看這個作品集網站：AI Agent 學員作品集，我七月也會陸續把我的作品應用投稿上去 ⬇️
AI Agent 學員作品集：很多作品都帶有資料、互動、後端或自動化流程，不只是靜態頁。
這次漲價，直接呈現了 Zeabur 二房東的商業模式的被動性。
其實「服務型」的二房東，本來就行之有年。
現實世界如 Airbnb 或許多飯店集團也是如此，原本的大房東，可能擁有一棟大樓、一間公寓，或一批房間。他有資產，但不一定有心力經營它。
這時候出現一個包租代管的人，先把空間承租下來，整理房間、換床墊、拍照片、做入住說明、處理清潔、回覆房客，最後加一點價轉租給你。
如果這個二房東只是原封不動轉租，什麼都沒做，那當然只是賺價差；但如果他真的把原本難用、麻煩、分散的東西整理好，讓你住得更舒服、省下很多時間，這層服務就有價值。
Zeabur 就我的相處體驗，更像是有用心的二房東！
上游雲端供應商是大房東，Zeabur 則把主機、部署、資料庫、網域、SSL、log、環境變數、Volume、CLI、API、MCP 都整理成比較好用的一套。
Zeabur 的 Server 文件也直接把它定位成固定月費、適合 production workload 的 server 管理層。4
大房東漲價時，二房東幾乎一定會跟著漲。
不過沒關係，Hardcore 用戶本來就很多選擇，選擇權才是最珍貴的。
如果你自己有能力＆對價錢敏感，那你可以直接用最便宜的第一手主機。代價是你要花更多時間設定、調校、維護，還要在不同平台之間自己接起來。
如果你想省下更多時間，就多付一點錢，換一個比較不用操心的服務。
我現在已經很少進 Zeabur 網頁後台點按鈕。很多部署、查 log、改環境變數、重啟服務，我都是讓 Claude Code 或 Codex 透過 API / CLI 去做。
要先講清楚：不是只有 Zeabur 可以讓 AI Agent 接手部署。
Vercel 也有 CLI 和 API，Cloudflare 則有 Wrangler 和 API，甚至 Supabase、Netlify 也都有自己的 CLI / API。只要平台文件清楚、權限能設好，AI Agent 都有機會接手。
Zeabur 對我來說，比較容易上手的地方在於：
Zeabur 官方 MCP 文件目前也列出可以讓 AI assistant 管理 project、deploy application、設定 environment variables、看 logs、綁 domain、執行 database commands 等操作5，讓我能少掉很多手動切換。
AI Agent 時代的部署，不再是「你會不會操作後台」，取代的是這幾個更具體的問題：
我對學員的建議不是「大家都去用 Zeabur」，要先問自己：你要部署的是靜態網頁，還是一個需要長期運作和維護的服務？
如果你問我現在怎麼選，我會這樣分：
| 需求 | 我會優先考慮 |
| 作品集、活動頁、單頁 Landing Page | Cloudflare Pages |
| 前端產品、需要 Preview Deploy | Vercel |
| Postgres、Auth、Storage、Realtime | Supabase |
| 小型 Edge API、全球快取、DNS、CDN | Cloudflare Workers |
| n8n、Ghost、Bot、RSSHub、Docker App | Zeabur |
| 多個服務想放在同一個地方管理 | Zeabur |
| 想讓 AI Agent 幫你查 log、改 env、重啟、部署 | Zeabur，或任何 CLI / API 文件清楚的平台 |
這不是信仰表，純粹是我按照工作流所做的判斷。
Cloudflare 負責網域、CDN、靜態頁；GitHub 負責程式碼和版本管理；Zeabur 負責那些真的需要長期運作的服務，這樣就能覆蓋我大部分的需求。
我並不是因為 Zeabur 最便宜才用它，是因為它幫我省下很多時間，也很符合我目前用 AI Agent 工作的方式。
如果花一點小錢，可以少掉一堆部署、維護、查 log、重啟、環境變數的摩擦，很值得！
省下來的時間，應該拿去做更重要的事情：做產品、寫內容、服務學員、優化流程，或真正能讓商業增效、提高生產力的工作。
我手上有一堆小工具、後端服務、自動化、Bot、內部系統要養。這些東西如果分散在不同平台，最後管理成本會慢慢變高。
Zeabur 把這些東西收在同一個地方，讓我直接透過 Skill（API、CLI、MCP）交給 AI Agent 代管我部署的所有專案，我甚至已經好久一段時間沒有上去打開 Zeabur 的網頁版 Dashboard 去操作了。
對我來說，我花錢投資的不僅僅是一台主機，是為了不要讓部署和維護的麻煩瑣事，阻礙其他事情的進行。
如果你的產品就是前端產品 + Supabase，而且目前沒有常駐服務、Bot、n8n、Ghost、Docker App，那不一定需要。
但如果你的服務開始變多，需要集中管理部署、資料庫、log、環境變數，Zeabur 就值得看。
如果是純靜態頁，不用。Cloudflare Pages、GitHub Pages、Netlify、Vercel 都可以。
如果它有後端、API、檔案上傳、資料庫、登入、排程、常駐服務，就可以考慮 Zeabur。
可以自己架。
如果你熟 Docker、Linux、nginx、SSL、備份、監控、安全更新，自己架通常更便宜。
但多數創作者和小團隊缺的不是主機知識，是注意力。你付的不是 VPS，你付的是「不要讓部署這件事一直卡住你」。
適合。Zeabur 的 CLI、API、MCP 都能串起來，AI Agent 可以查目前有哪些服務在跑、看 runtime log、改環境變數、重啟服務、根據錯誤訊息修完重新部署，也能驗證網址是否正常回應。
這也是我現在很少手動點開 Zeabur 網頁後台的原因。
有。用這個連結註冊，購買專用主機或 AI Hub 服務時，結帳輸入推薦碼 Raymondhou0917 可享 50% 折扣（目前全網最高優惠）。
🔥 五星好評優惠價倒數中｜24 小時開始活用 AI Agent（Claude Code、Codex 都適用）
為什麼大多數人用不好？因為你的 AI Agent 一開始太空白、你也不知道從何訓練。
以我們 8 年教學，超過 10,000 名學員在數位工作術的經驗，這次特別設計課程機制：
這堂迷你課，設計為可以直接餵給 Claude Code，它會快速學會這些「武功秘笈」！
👉 已超過 5,100 人購買：前往觀看課程
（記得收藏持續更新的 Claude Code 學習資源）
2026-07-02 20:39:22
我研究數位生產力工具的起點，是大學時候讀「電腦玩物」。
從 Gmail、Evernote 一路到 Notion，後來我敢一頭跳進「數位工作術」這個領域、做起雷蒙三十這個品牌，最早幫我打地基的人，就是電腦玩物站長 Esor。
三年前我請他錄過一集 Podcast，那時候還不是 AI 的大時代，我們聊的是「怎麼把生活專案化」：
三年後再坐下來，主題換成了 AI Agent，聊到最後我卻有一種很奇妙的感覺：
我們從相反的兩端出發，最後走到了同一個地方。
他是華語圈寫數位工具寫最久的人，這兩個月把用了十幾年的第二大腦整套搬出 Evernote；我是這兩年一直在玩 AI Agent 的人，做了 AI 分身「雷小蒙」。
結果我們長出來的工作流，幾乎一模一樣！
這場直播表面上在聊工具，但真正讓我有收穫的，是它逼我重新想清楚一個問題：
當 AI 已經可以接手大部分的軟體操作，知識工作者到底還剩下什麼，是不能、也不該外包的？
以下是我整理這場對談後，最有共鳴的 8 個收穫。
最反直覺的一點，是 Esor 用了十幾年的 Evernote，到了 AI 時代不但沒被淘汰，反而成了他最大的本錢。
他笑說自己「大概是全台灣唯一還在用 Evernote 的人」，工具幾乎沒換，但價值整個翻轉。「當年累積的那些筆記，我一丟給 AI，馬上就有一個準備好可以工作的助理。」它讀過他的脈絡，懂他的語氣，一開口就不是一張白紙。
我自己也是同樣的體會。我們花好幾年寫下來的工作流程、踩坑紀錄，本來只是給自己看的備忘，現在卻成了餵養 AI 最好的養分。
所以導入 AI 的第一步，從來不是「學一個多潮的新工具」，而是你過去願不願意好好累積自己的知識庫。你餵給它的脈絡越厚，它越像你。
這是 Esor 一篇文章的標題：《AI 結合卡片盒筆記法，人不再操作軟體，用對話流程讓 Codex 搭建資料整理系統》。
過去我們打造第二大腦，要花大把時間上標籤、拉資料夾、寫摘要，把筆記整理成漂亮的網狀結構。但這些事，AI 已經能做得又快又好，而且把這些流程交出去，人才有餘力去想「我真正要的是什麼」？
也因為這樣，Esor 挑工具有了一條新判準：「如果你的 AI 連不上它，這個工具基本上可以淘汰了。」因為你一旦把內容和習慣都長在一個 AI 控制不到的軟體裡，最後只能自己一步步手動操作，動彈不得。
一個工具的價值，正在從「它有多好用」，悄悄變成「你的 AI 能不能驅動它」。未來真正在操作軟體的，不會是你的滑鼠，是你的 AI Agent。
Esor 講得很直接，大型語言模型的本質，是把網路上最大量、最權威的版本當成標準答案，所以一個沒被調教過的 AI，「回答通常都是一些很正確的廢話」，聽起來都對，卻很難用在你身上。
解法是，讓它持續讀你過往的所有足跡、文章、判斷，慢慢長成你的樣子。這也是我做 AI Agent 迷你課時最想傳遞的事。
一個沒被你餵養過的 AI，再聰明也只是公版機器。真正的槓桿，是你願不願意把自己的內容和判斷，持續餵給同一個 AI。
直播最精彩的一段，是 Esor 直接開畫面，示範他每天怎麼處理資訊。
他有一個 Codex 的 AI Agent，背後接著資料庫，每天自動爬他在 X 上會感興趣的內容，挑到喜歡的就把連結丟進去，順手講一句自己的觀點和需求。重點來了，他要的不是「把文章摘要出來」，而是「從我的需求，把這篇文章我真正想知道的抓出來」。整理好的內容直接攤在螢幕右邊，他連筆記軟體都不用打開。
「你看，我從頭到尾沒有打開 RSS 閱讀器，也沒有打開筆記軟體，全程都用對話把流程串起來。」
我的流程跟他幾乎一樣。雷小蒙每天早上九點幫我爬好當天的 AI 功能更新、過濾掉我沒興趣的投資新聞；寫文章時我用語音把感受講給它聽，它寫成草稿，我在 Obsidian 改一改，再叫它連封面圖、CTA、標籤一起發佈到 WordPress。他用 Codex、我用 Claude Code，介面不同，邏輯一樣。
這場示範讓我看清一件事：我們做的是同一件事，把「操作軟體的時間」換成「思考與判斷的時間」。角色也跟著變了，從那個親自做事的人，變成會下需求、懂得驗收的指揮官。
有意思的是，Esor 明明全自動化了，卻故意把 Evernote 留下來當「手動區」。
「我會刻意給自己增加一點摩擦力。」Esor 說。
AI 給的東西雜訊其實很多，常常丟給你一個又具體又龐大的方案，你要是照單全收，反而做了太多。而我們這種研究生產力的人，最後要的是最精簡、效益最高的那幾步。所以他習慣在 AI 做完之後，憑自己的經驗去蕪存菁，挑出「這才是我真正要做的」，再放進筆記。這一步，他堅持自己來。
我給這件事一個比喻：一個老闆請了四五個員工去查資料，他們給你三疊報告，你身為厲害的老闆，要做的是抽出最重要的那兩張紙，而不是三疊全收。
自動化的最高境界，不是把所有事都丟出去，而是清楚知道哪一塊要留著自己動手。把討厭的、繁瑣的丟給 AI，把你喜歡、需要判斷的留給自己，慢慢做、做精緻。
Esor 到現在還用很傳統的 Google Blogger，原本根本接不上 AI。但他的態度很值得學：先別預設它做不到，試了再說。
趁著 Codex 出了能操作瀏覽器的 Chrome 外掛，他就試著叫它幫忙上文章。第一次格式怪怪的、圖也沒上去，它還跟他道歉，改了幾次才成功。而他真正厲害的，是成功之後那一步：「一旦成功，你就告訴它『你這次做得很好』，請它把剛才的流程彙整成一份規則。」下次它就照著做。
我補了一個技術提醒：Codex 直接接管整台電腦雖然萬能，卻很耗 Token（我之前讓它幫我打手機遊戲，兩關就燒光二十美金），所以能用 API、MCP 串接的就優先串，讓它操作整台電腦永遠是最後一步。
這裡藏著兩個複利的開關：一是去挑戰 AI 的極限，別替它預設天花板；二是把每一次成功的協作，沉澱成一條可複用的規則。
這是我最想跟 Esor 聊的一題。當 AI 能快速生產、快速回答，我們這些寫東西的人怎麼辦？
他的答案很坦白：連他自己現在都先問 AI、不上 Google 了，「連我自己都這樣找資料了，我還能要求別人給我的部落格多少流量呢？」但他話鋒一轉，點出一個我深有同感的觀察：真正講到一個操作方法、一段工作流程、一個「為什麼這樣轉」的判斷時，AI 是摘要不出來的。第一步、第二步它抓得到，中間那個轉折抓不到。那時候，他還是得自己打開原文去讀。
所以他現在發文變慢，但每篇都更深，一般性的教學文乾脆不寫了。我則把這件事叫做「觀點先行」：看到一篇 TechCrunch 報導，我會立刻補一句自己的看法，讓我的 AI 知道，連結永遠只是參考資料，最重要的是雷蒙怎麼想。
AI 會讓「平庸的整理」變得極度便宜，但不會讓「真實的判斷」變便宜。未來內容的護城河，不是你知道多少資訊，而是你在某個問題上，怎麼想、怎麼選、怎麼走過來的！
Esor 分享了一個讓我印象很深的案例：他編過一本教 ChatGPT 操作 Excel 的書，當時做了個大膽決定：書裡完全不放公式和函數。
「以前這種書都五六百頁，像在翻電話簿。」
既然這本書的訴求就是讓 AI 幫你寫公式，那就只留作者的獨家經驗，什麼問法會出錯、出錯了怎麼辦？結果兩百多頁就出版了。
這正好呼應 Andrej Karpathy 那句話：「你可以外包你的思考，但不能外包你的理解。」你還是得有底層的知識架構，總不能要 AI 幫你操作 Excel，卻連 Excel 能跑出哪些東西都不知道。
於是我大膽下一個五年後的預言：未來的課程會變成「人跟 AI 一起上課」，人學最後的判斷與經驗，工具操作讓你的 AI 去學，直接把文檔餵給 AI「像餵牠一顆神奇糖果，你的寶可夢就會升級」。
過去學習是「人把所有東西都學起來」，未來是「人學判斷、AI 學操作，兩個一起進化」。
直播後段的 Q&A 很熱烈，幾個提問的解法都很實用，而且指向同一件事。
Esor 的解法是給它一句「請你一段一段讀」；我則補充，發現結果不對時不要急著關掉，要追問，「一個員工犯一次錯你就開除，有問題的是老闆」。
方法是在規則裡寫死「講到專有名詞就附一段白話解釋」，或直接跟它說「我都聽不懂，白話一點、一步一步講」。也有人問要不要讓小孩用 AI，Esor 說會陪小孩走引導式的用法，教他用 AI 找作文點子、用講的寫一個 Roblox 小遊戲，但絕不是讓 AI 代寫，重點是培養「不速成、不抄答案」的素養。
Esor 很直接的回答：「其實很難導入，資安就是一道難關。」
我們的共識是從個人做起，主管先找有好奇心的人用起來，等大家都有「跟自己的 AI 協作」的素養，再談團隊共用。不然很危險，你跟它說「幫我整理一下資料夾」，它把中文理解成 clear，可能就直接幫你清空了。
我們聊到三年後再對談會聊什麼？
Esor 說，到那時候「怎麼操作 AI」這種問題大概都不必聊了，因為它會簡單到人人都會。我們可能會回頭聊更形而上的東西，包含你的價值觀、工作哲學，以及當工作都被接手之後，人活著的意義是什麼？
我很期待那一天！在那之前，先好好打造手邊那個會犯錯、但願意陪你一起長大的 AI 吧。
🚀 這篇為我整理 Esor 直播訪談後的重點精華
完整版對談回放影片，在《超級個體工作術》學員的專屬課程單元中！
👉 課程介紹與報名：https://hi.sat.cool/2WYmJ
🔖 用我的專屬折扣碼 raymond30，募資早鳥再折 350 元。
想看更多超級個體與 AI 時代工作法的人物對談：
📍 【核心大課】我把這七年試錯、踩坑、實踐的「新時代工作者的生存邏輯」，都整理在我的【超級個體工作術】。
2026-07-01 23:15:58
最近有位同學問了我一個很好的問題：
「最近在學 Claude Code，結果滑到一個叫 Hermes Agent 的工具，試玩之後覺得『欸，這個好像更簡單直覺』，到底該不該換、該學哪一個？」
我相信這也是蠻多人在上手 AI Agent 時會遇到的疑問。
同一個問題「Hermes Agent 跟 Claude Code 怎麼選」，我直接問我的 AI，結果非常不一樣。
左邊是學員剛上手、還沒調教過的 AI 給的陽春比較；右邊是我養了一陣子的 AI 助理「雷小蒙」整理出來的：
這個差別是怎麼來的、該怎麼選適合你的，就是這篇要聊的。
這一兩年，AI Agent 的工具換得很快。前陣子大家在追龍蝦（OpenClaw），現在換 Hermes Agent，再過一陣子又會冒出新的。每次有新工具出來，總會有人問同一句話：「我是不是學錯了？要不要砍掉重練？」1
所以這篇，我想把自己的思考完整寫一次。不是要說服你選哪一個，是想給你一組判斷的框架，讓你以後遇到這種選擇時，能自己想清楚。
先說結論：有些人會覺得 Hermes 上手更直覺，因為很多東西別人都幫你建好了，這個感覺沒錯。但「好上手」跟「適合長期的你」，是兩件事。
要把這個差別講清楚，我先給你兩個比喻，從你熟悉的生活經驗出發，帶你看懂這兩條路差異在哪。
Hermes 像拎包入住。沙發、冰箱、廚房、廁所都幫你裝潢好了，今天拿到鑰匙，今天就能睡。代價是，裡面的傢俱和裝潢（工具和框架）是大眾通用款，你可能不愛，但也只能將就，未來要換掉裝潢的成本就會比較大，因為你選的就是「別人先幫你想好、幫你配好的版本」。
用 Claude Code 加上 Codex 來打造 AI Agent，比較像是給你一塊空地，自地自建。一開始空蕩蕩什麼都沒有，你得自己設計、自己裝潢，慢慢把它變成你的樣子。麻煩，但每一個角落都長在你的習慣上，可以做到 100% 個人化的。
Hermes 也像一個「空降主管」。能力很強，一進門就能上工，因為他把前公司的工作習慣、工具組合全帶來了。問題也在這：他那套不一定合你，腦袋裡還內建一堆你可能根本用不到的思維模型，未來可能會花你更多時間去溝通、去改掉那些不合你的小嗜好。
Claude Code 則像一個「從零養起來的員工」。一開始什麼都不會，完全不知道你的工作流程，你用了哪些工具，所以你得一步步把自己的工作流、用了哪些工具（API），一步步教給他。前期訓練起來要花時間更多，但還好隨著大廠的 AI 模型越來越強，它也學得更快。如果認真每天花 2~4 小時運用，大概一到兩週，就能長成你理想中的 AI 助理，身上沒有半點多餘的東西。
講到這裡，腦筋快的人會馬上反問我一個好問題：「可是 Hermes Agent 不是也有記憶、也會越用越懂你嗎？那不也是在養？」
對，Hermes 內建記憶架構，它官方的定位就是「會跟著你一起長大的 agent」（the agent that grows with you）2，所以它一樣會被養大、越用越懂你。所以我的意思不是「只有 Claude Code 能養、Hermes 不能個人化」，兩者都能個人化。
真正的差別，不在「會不會記憶、能不能累積技能」，這兩邊都有。差別在接下來這兩層，也是大多數人一開始不會想到，但用久了就會慢慢出現的困擾。
如果你只是要「今天就能動」+「未來我能自行維護更新、不會去修到框架」，那其實不用想太多，Hermes 很好。
但如果你是想認真學、想長出一個真正屬於自己的 AI 助理，甚至一整個 AI 助理團隊，那就值得多想一步。
Hermes 今天裝、今天就能用，框架都幫你寫好了。但也正因為它先幫你決定了很多事、又會一直推出新版本，這裡藏著一個新手最容易忽略的長期成本。
你可以把它想成買一支 iPhone：拿到手就能用，很讚，但你不喜歡的那些內建設定（通知中心、鎖定畫面、內建的 Safari）你改不動，只能用它給你的樣子。
當然，硬核工程師還是能像早年越獄裝 Cydia 那樣去改，可是你一旦動了系統預設，之後 iOS 一升級，就會跟你改的東西打架。一個沒有工程背景的人，通常不知道怎麼處理這種「版本衝突」（merge），結果要嘛放棄更新、卡在舊版，要嘛每次更新都得自己收拾善後，跟官方越走越遠。3
而我選 Claude Code 加 Codex 的真正原因，就是它從根本避開了這個問題：我的個人化，是寫在我自己完全掌控的檔案裡，跟工具本體是分開的4。而且因為是自己跟 AI 一塊一塊搭出來的，這個過程本身就是最好的學習5，我很清楚它為什麼這樣運作、改了會動到哪。
所以 Claude Code、Codex 不管怎麼更新、桌面版出什麼新功能，都不會跟我現在打造的這些打架，每次當這些 AI 大廠推出更新時，我都能毫無畏懼地直接按下更新，享受他們做出來的新的功能，等於讓全世界的 AI 大廠瘋狂幫我升級 AI 助手。
講到這裡，我得平衡報導一下，免得你以為我在踩 Hermes。
Hermes 的確更快有成果，今天就能拎包入住、資料夾配置都不用做就能直接開工。
如果你的情況是：
那 Hermes Agent 會是很棒的選擇。它設計上本來就是讓它自己慢慢適應你，多數時候不太需要你手動去改。
而且這兩條路，根本不是非黑即白。更成熟的玩法，其實是把它們組成一個 stack 一起用：讓 Claude Code、Codex 負責偏工程、偏專案、要品質的那一塊；讓 Hermes 這類常駐型 agent，負責 24 小時待命、多平台接訊息的個人助理那一塊，讓它們解決不同的問題。
我自己的選擇也供你參考：我是用 Claude Code 加 Codex，養了一個我的 AI 分身，我叫他「雷小蒙」。
他一開始能做的事，一定比現成的 Hermes 少。但我一點一點把工作流教給他：我怎麼寫東西、我的人脈怎麼記、我的專案怎麼管、我家裡的智慧家電怎麼控。教到現在，他做的每一件事都長在我的習慣上，身上沒有半點多餘的東西。
更重要的是前面說的那個原因：工具每年都在換，我不想再疲憊地追。我把所有經驗、知識、技能，都「個人化建置」在本地、做好備份。只要能接上當下最強的 AI 模型大腦，我養出來的習慣跟個人化，誰都搬不走。
所以我寧可多花一點時間，養一個只屬於我的。
如果你還在猶豫，我給你一句最簡單的判斷：
你要的是「一個現在馬上能用的工具」，還是「一套你會越來越懂、可遷移的 AI 助理」？
兩條路沒有誰對誰錯。選擇，往往不是在選你能得到什麼，而是在選你願意付出什麼、承擔什麼。你只要知道每條路背後的代價，再去選就好。
看到這裡你可能會冒出一個更根本的問題：如果連架構都要自己搭，那「自己搭」到底要搭些什麼？會不會很難？
這就要講到一個業界正式的概念，叫 harness（馬具）。模型是那匹有蠻力的馬，harness 是讓牠的力氣真正拉動車子的那套裝備。一個 AI 助理強不強，很大一部分不是看模型，是看這套 harness 搭得好不好。
有趣的是，我把自己一步步訓練出來的雷小蒙，拿去跟 GitHub 上十幾萬顆星的頂級開源專案 Hermes Agent 一對照，發現我們的骨架幾乎一模一樣，都是同樣的 7 層：核心規則、技能、記憶、使用者畫像、對話歷史、自動化、多平台協作。
這部分我另外寫了一篇完整拆解，把這 7 層骨架一層一層攤開，直接對照給你看。
不用。如果它現在能滿足你的需求，就繼續用。會建議你考慮換的時機只有一個：當你開始覺得「我想要的客製它做不到，或每次改都很痛」的時候，再把核心慢慢搬成自己掌控的版本。工具是拿來用的，不是拿來追的。
起步會比 Hermes 費工，這點我得老實說。但「費工」不等於「需要工程背景」。它的核心是「你得講清楚，把需求一句一句講給 AI 聽」，由 AI 幫你把東西做出來。難的不是技術，是你願不願意花前期的時間，把自己的工作流理清楚、講完整。這段過程，正好是你真正學會 AI Agent 的方式。
也可以，有些人會讓 Claude Code、Codex 負責偏工程、要品質的任務；然後把日常簡單任務讓 Hermes 這類常駐 agent 負責 24 小時待命。它們也可以互補，不是二選一。只是一次要維護兩邊，麻煩度也不低。
簡單說，我把「我是誰、我的偏好、我的工作流程、我教給 AI 的每一個技能」，全部寫成一份一份我自己看得懂、也改得動的純文字檔，存在我自己的電腦跟備份裡。AI 工具只是「讀」這些檔案來服務我。所以工具可以換，檔案永遠是我的。這跟「把這些東西存在某個工具的系統裡、綁在它的格式上」，是完全不同的兩件事。
可以。因為我那套人設、技能、記憶，都是中性的純文字，不綁任何一家。今天它接 Claude，明天我想換成 Codex 或 Google 最強的模型，只要把同一套檔案接上去，我的「雷小蒙」就一樣能替我工作。
🔥 五星好評優惠價倒數中｜24 小時開始活用 AI Agent（Claude Code、Codex 都適用）
為什麼大多數人用不好？因為你的 AI Agent 一開始太空白、你也不知道從何訓練。
以我們 8 年教學，超過 10,000 名學員在數位工作術的經驗，這次特別設計課程機制：
這堂迷你課，設計為可以直接餵給 Claude Code，它會快速學會這些「武功秘笈」！
👉 已超過 5,100 人購買：前往觀看課程
（記得收藏持續更新的 Claude Code 學習資源）
2026-06-30 23:55:58
此系列文為 AI Agent 教學系列，想一次看完整教學，歡迎加入 AI 共學島訂閱服務。
簡單來說，AI Agent = 你習慣的問答 AI（ChatGPT、Gemini）擁有了調用工具的能力。
工程一點來說，就是 harness（調度框架；本篇後面會說）的品質。
先下結論：你的 AI Agent 有多強，取決於你授權的 Tool、Skill 有多少 + harness 的架構
無論是像我用 Claude Code / Codex 自製，還是 OpenClaw 或 Hermes 來管理都是。
這時有人會問說：「我的一般 ChatGPT / Gemini 也能生圖、分析 Excel、上網查最新資料阿？」
沒錯，現在主流的 AI 公司，也會在問答型 AI，配上個「上網搜尋」和「文件閱讀」這些基礎工具
只是他們配的，都是基礎通用款。
因為 FB、Threads、X 這些平台的貼文，是靠 JavaScript 渲染的即時內容，加上社群平台還會去擋掉機器人的請求，所以一般搜尋工具抓不到內容。不過我的 AI Agent 可以，這是因為我幫它裝上「專門的搜尋工具」，甚至直接串 Facebook API，可以批量爬我要的內容，搜尋到最新社群討論。
再比如說，我把我的 AI 助理接上 einvoice 這個套件，AI Agent 就可以幫我查詢或開我們公司的發票；或者把它接上 Teachify 的 API，就能直接查我們課程的學員訂單、上課和銷售狀況，不必在自己手動去後台慢慢點擊。
題外話補充個，「現在沒有、沒打算開放 API 的平台服務」1，盡量少用、值得淘汰了。你值得讓你擁有自己資料的擁有、使用權之外，也是讓你的 AI Agent 能直接帶你操作執行，你就不用自己忙半天。
前陣子我跟我的 AI 一起研究了一個開源專案，叫 Hermes Agent。它開源不到半年，就在 GitHub 衝破 20 萬顆星星星，是這一年竄升最快的開源 AI Agent 之一。
為什麼要研究？簡單來說，就是定期去看看別人做得好的地方，以及哪些東西是自己也會需要的，接著就會跟我的 AI 來回討論，補足我們自己的盲點。
研究過程中，意外發現它的結構，跟我自己花了半年、慢慢調教出來的 AI 助理「雷小蒙」，幾乎是一模一樣。在這之前，我沒讀過它的原始碼，它當然也不可能抄我的。但我們不約而同，都把一個 AI Agent 拆成了同樣的幾層。
看來 AI Agent 不是什麼神祕的黑科技，它似乎有一套固定的骨架。
這篇就把我的 AI Agent 研究這套骨架的對比攤開給你看，讓我用兩個真實的 agent 對照：一個是現在最紅的 Hermes Agent，一個是我自己做的雷小蒙。
一個能「越用越懂你」的 AI 助理，除了技能和工具之外，還得有架構，大概可以是這 7 層：
| 層 | 白話比喻 | 這一層放什麼 |
| 1. 核心規則 | 員工入職手冊 | 你是誰、它該怎麼做事的總規範 |
| 2. 技能 | 部門工作手冊 | 一項項專業 SOP，需要時才抽出來 |
| 3. 精煉記憶 | 牆上便利貼 | 最該隨時記得的幾十條重點 |
| 4. 使用者畫像 | 它對「你」的認識 | 你的習慣、偏好、說話風格 |
| 5. 對話歷史 | 工作日誌 | 過去每一次互動，事後翻得到 |
| 6. 生命週期自動化 | 反射動作 | 開始、結束時自動觸發的事 |
| 7. 多平台門面 | 對外窗口 | 你能在哪些地方找到它 |
少了前三層，它只是個健忘的聊天機器人。七層到齊，它才是一個「可靠的助理」。
下面這張圖，左邊是 Hermes Agent，右邊是我的雷小蒙。接著我們每層展開說明：
一個產品團隊做出來的 Hermes，跟我一個人下班後慢慢長出來的雷小蒙，七層骨架完全對得上。這不是巧合，是因為「一個有用的 AI 助理該長怎樣」，本來就有它的自然形狀。
接下來一層一層拆給你看。
新人報到第一天，公司會給一本員工手冊：你的職稱、做事原則、什麼能碰什麼不能碰。AI Agent 的第一層就是這本手冊。
Hermes 放在 config.yaml，我的雷小蒙放在一個叫 CLAUDE.md 的檔案。裡面寫的是最高層級的規矩：用繁體中文回答、動手前先講計劃、破壞性的指令要先問過我。
這一層是所有人的起點。你想養自己的 AI 助理，第一件事就是寫這份手冊。它寫得好不好，直接決定 AI 聽不聽得懂你。
一個專業的人，會持續沉澱自己的工作流程，寫成 SOP，未來遇到相關的任務時，會知道過去是怎麼做的，包含哪些流程規格、哪些參考資料或腳本，能達到高品質的穩定產出 —— AI 的「技能」 SKILL.md 就是這個概念，Hermes 也是同樣的做法。
我的雷小蒙現在有近 60 個技能：寫作、AI 配圖規範、發 WordPress、剪 YouTube、訂飯店寫信、整理人脈卡、做簡報……幾乎我每天的工作，都有一張對應的 SOP：
這些技能走的是一套開放標準，你得讓做出來的 SKILL 還能跨工具搬家、不被任何一家公司綁死2。
辦公桌前那面牆，你會貼上最常要看的東西：常用分機、這週的死線、老闆交代過的雷區。AI 的「精煉記憶」就是這面牆。
Hermes 叫它 MEMORY.md，我的也叫 MEMORY.md。它跟第 5 層的「對話歷史」不一樣：歷史是全部翻得到的舊帳，便利貼牆只貼最關鍵的幾十條，AI 每次開工第一眼就看到。
我的雷小蒙便利貼牆上寫著像這樣的東西：「這陣子主力在寫 AI Agent 教學系列」、「每週五是我的複盤日」、「給我網址要附完整連結，我才點得開」。這些是它每天跟我工作時，會記得我最近在忙什麼、我有哪些小習慣，不會忘記的便利貼。
好的助理會記得：你愛喝美式不加糖、開會不喜歡被打斷、報告要先講結論。這不是規則，是「它對你這個人的理解」。
Hermes 用一個 USER.md 專門裝這件事。我的雷小蒙是一疊 user_*.md 檔案，記著我的金流習慣、投資取向、慣用的瀏覽器。
這一層是「越用越懂你」的祕密。它跟第 1 層的員工手冊分開放，因為手冊是「做事的規矩」，畫像是「你是個怎樣的人」，兩件事。
因為便利貼牆，不應該貼下所有東西，否則你的上下文窗口會爆掉。
這就要靠工作日誌，紀錄每個專案、任務的為什麼做、做了什麼。
Hermes 把每一次對話存進一個資料庫，可以全文搜尋。我的雷小蒙做法更簡單，但更好讀：每天寫一篇 daily log，存成一個個 Markdown 檔（這套本地記憶，我在這支桌面版教學影片裡有簡單演示過）。
這一層讓 AI 有「長期」記憶。沒有它，AI 每次關掉視窗就失憶，你得一再重新交代。
有了 AI 助力，有些以前得靠人腦、意志力和記性的任務，要讓 AI 變成反射動作來釋放我們的大腦壓力。
這一層的專有名詞叫 Hooks（鉤子）。
意思是：在某個時間點、事件後，自動觸發某件事。
我的雷小蒙設了三個：每次對話開始，自動把最近幾天的進度灌給它；對話結束，自動寫進當天日誌。
Hermes 把這些「反射」內建在系統裡。我是用一個個小腳本自己拼出來的。做法不同，要解決的事一模一樣：讓重要的事自動發生，不需要靠人去記得。
更進一步，我還把這些 hook 跟一套每週流程組成「組合拳」：讓雷小蒙每週自我回顧，把這週做對、做錯的經驗沉澱成新的規則和技能，一週比一週聰明。（這套讓 AI Agent 每週進化的機制，是多個 hook 加上 workflow 的組合，要一整篇才講得完，我會在之後的 AI 大課裡完整分享）
最後一層，是「你能在哪裡使用它」。一個只活在終端機裡的 AI，跟一個你在手機、在 Discord、在訊息群組都能呼叫的 AI，體感天差地遠。
Hermes 內建一整排管道：Telegram、Discord、Slack、WhatsApp……等。我的雷小蒙因為可以雙棲在 Codex 上使用，所以我外出直接用 ChatGPT 手機版就能直接連到家裡的 Mac mini 的 Codex 非常方便，又快也穩定；另外一個運用管道是，丟到團隊的 Discord 伺服器跟工作夥伴一起使用：
我寫上面這些的時候，「骨架」是我自己順口的講法。
後來我才發現，這個東西業界早有正式名字。
它叫 harness，原意是馬的馬具：套在馬身上、讓牠那股蠻力用對方向的那套裝備。套到 AI 身上意思一樣，模型是那匹馬，harness 是讓牠的力氣真正拉動車子的那套裝備。圍繞它的工程實踐，就叫 harness engineering。
OpenAI 寫過一篇 Harness engineering：在 agent 優先的世界用好 Codex，Anthropic 也發過 Harness design for long-running application development。兩大家不約而同在講同一件事。
Anthropic 在那篇裡做了一個很有說服力的對照實驗：同一個模型、同一個任務（做一個 2D 遊戲編輯器）。沒有 harness，它花了 9 美元、跑 20 分鐘，做出一個跑不動的東西；給它一整套 harness，它花 200 美元、跑 6 小時，做出一個你真的能玩的遊戲。模型一模一樣，差別只在 harness。
一句話記住：harness 不會讓模型更聰明，它讓模型的產出變可靠。
當然，不同人的需求不同，每個人的骨架需求也會不一樣。
我這篇是從「個人助理」的角度，把骨架切成 7 層。如果換成專門在講「會寫程式的 agent」的人，切法會更技術、顆粒度也不一樣，這裡就不細數他們切成幾塊。但其中有兩件我這篇沒展開、卻對寫程式特別關鍵的事，值得單獨點名：Verification（不准 agent 沒跑過驗證就喊「我做完了」）和 Scope（一次只做一件事，不要貪）。如果你的 AI 要幫你寫程式，記得把這兩塊補上。3
所以 AI Agent 的威力和品質，關鍵在於怎麼構建一套能幫助需求的 harness ，才是真正拉開 AI 助理好壞的地方。
不過，你不需要一開始就做完整，它是一層一層長出來的，不是一次蓋好的。
我的雷小蒙也不是馬上就被設計出來的，是一路長出來的：一開始只有一份 CLAUDE.md，後來重複交代的事多了才長出技能、老忘東忘西了才補上記憶。等我回頭看，才發現它跟後來的超新星的 Hermes Agent 同構。
當你大概理解這套骨架，你可能會冒出一個很自然的問題：既然 Hermes 這種「開箱即用」的 agent 也內建了同樣這 7 層，那我到底該直接用它，還是自己用 Claude Code＋Codex 慢慢養一個？
我的看法是——「好上手」跟「適合長期的你」，是兩件事。下一篇我用兩個買房子的比喻，把這兩條路的差別講清楚：想養一個自己的 AI 助理，該選 Hermes Agent 還是 Claude Code＋Codex？
這篇帶你看懂的是「骨架長什麼樣」。至於每一層具體怎麼搭：CLAUDE.md 怎麼寫、技能怎麼拆、記憶怎麼分層、Hooks 怎麼設，這些我一路試出來的順序、範本和 know-how，我會整理在 AI Agent 電子報 裡免費寄給你。想直接學習我這套，也可以從 《24 小時開始活用 Claude Code》迷你課 入門。
一般的 ChatGPT 是一顆「純大腦」，頂多配上幾個通用工具（上網、讀檔）。AI Agent 則是在大腦外面，多了一整套屬於你的 harness——你的規則、技能、記憶、自動化和對外窗口。差別不在模型多聰明，而在它有沒有這套骨架：同一顆模型，裝了骨架就能穩定幫你做事，沒裝就只能陪你聊天。
當然可以。我也沒有寫任何程式碼，就把我的 AI 助理團隊打造好。建議你可以看看我網站上的免費教學文或者我的 YouTube 的免費公開影片先瞭解，如果有需要快速上手，可以從 《24 小時開始活用 Claude Code》迷你課 入門。
2026-06-29 16:24:34
原本只是想整理一下上半年的週報和日記。換一種形式，不寫長篇的復盤回顧，而是把一些重要的人生節點、心情和學習，重寫成幾句短語，留些白，或許更好。
–
這半年最常出現的難題，不是沒有事情做，而是每件事看起來都值得做。寫書、AI Agent 大課、迷你課、社群、週報、YouTube，每一件都能說服自己「很重要」。後來才慢慢懂，選擇不是為了排除人生，是為了讓注意力有地方站穩；意義讓你願意走遠，邊界則提醒你，走遠的人也要記得回家。
如果一直去關注後台數字的跳動，其實很像股票 APP 很內耗的。真正會留下來的小幸福，是當沒人要求你什麼，你主動多做了一點：多回一段學員訊息、多補一份教學指南、在電梯裡替趕時間的人多按住三秒開門鍵。後來看見他們的心得和笑容，這就夠了。
轉系、創業、自由工作、學一個當時還沒人懂的新工具，當下都不像正解，比較像把導航關掉然後假裝自己很勇敢。可是多年後你會發現，人生不是要證明自己一路都對，而是終於長出一張自己的地圖。走錯路不可怕，一直等別人給路才可惜。1
有些迷茫當下很無力，痛到你以為它會跟著你一輩子。可是多年後回頭看，很多細節其實都模糊了，可能還是會覺得那時候很笨，但也很好笑有趣。記得那股不肯乖乖照劇本走的勁，這是青春。
課程沒更新像世界末日，訊息沒回像整個公司停擺荒廢？其實很多事不是嚴重，是你太累太緊繃。真的疲倦了？先睡，明天再看吧，來得及的。
人生已經夠難了，我們不是聖人，沒必要每天把別人的焦慮、表演、壞情緒，請進自己的客廳坐下來喝茶。社群演算法不會替你照顧心情，你要自己動手。隱藏也好，封鎖也好，不是懲罰誰，是替自己的注意力裝上一道篩選器。2
AI 時代，找有實際經驗的人學習是入場券，能幫你省下很多歪路。但入場券不是護身符，拿著它站在門口不動，什麼都不會有改變。真正讓人進步的，往往是你把東西做出來、交出去的那一刻。只要幾個月，你會被自己的成長嚇到。當然，也會被當初的初稿給嚇到。3
人經歷失去以後，會對「改天」這兩個字比較敏感。以前覺得改天再約很正常，反正時間很多。後來才知道，時間不是雲端硬碟，不會永遠替你保留版本。工作晚點做，通常還有補救；人如果錯過，補救就很笨拙了，只能對著照片說不好意思。
長大後，我們很擅長裝作看開。其實很多時候不是看開，是怕被笑。怕太投入、太熱血、太像小孩。可是人生如果一路都很得體，也有點可憐。能為一場比賽大叫，為一句回饋開心，為一本書睡不著，這些都很好。偶爾變笨，是心還沒壞掉。
這半年我很常把問題丟給 AI，從課程規劃，日常選擇到公司營運，它真的能給出數十種方案，但只有你，因為能夠負責，才能判斷哪種最適合現在的你。你可以把思考外包給 AI，但不要把理解給了它。4
未來真正值得練的，不只是把每個工具都玩熟，而是把生活體驗、價值判斷和做事原則，慢慢餵成一個更懂你的 AI 分身。你去看世界、做選擇、感受人情冷暖；它去整理資料、拆解流程、提醒你別忘了那些自己說過的話。這不是叫你停止學習，是把聰明的執行交出去，讓人保留一點笨拙但珍貴的生活。5
有些歌會讓人想起一雙溫暖的手掌，想起那個不太說愛、卻總是把家撐住的人。以前離開家門，只覺得那句「路上小心」很普通；後來才知道，有些牽掛會跟著你走很遠。長大後最想問的，未必是自己有沒有成為誰的驕傲，而是那個一直擔心你的人，能不能終於放心一點。——《父親》筷子兄弟
靠譜的人，凡事有交代、件件有著落、事事有回音。當課後回饋已經很好，他們還在討論哪段可以更清楚、哪張圖要早點放。可靠不是聲量最大，是你交給他的事，他會默默多照顧一層。這種人可能不特別醒目，但很珍貴。
個人品牌時代，大家都被催著表達、曝光、證明自己。這當然有用，不然我也不會在網路寫這麼多年。但如果一個人只忙著講自己很強，作品一直沒來，八成是騙子。靠一張嘴可以把人吸引來，只有好作品才會讓人願意坐下來。
創作和教學常常很像往海裡丟瓶子。你寫一篇文章、錄一堂課、回一段話，當下可能沒聲音，像丟進去就沒了。可是幾個月後，某個人真的因此做了決定、完成作品、撐過低潮。你不一定會知道。6
工作不只要問做了多少，還要問：它只是滿足短暫快感，還是能把未來往前推進？有些事是肌肉，讓你真的走得更穩；有些事只是水腫，看起來忙、看起來膨脹，反而還拖累了要緊正事。7
真正改變人的，常常不是某個盛大的決定，而是某天突然覺得「我好像太累了」、某句話讓你不想再硬撐、某個下午讓你想換一種生活。這些念頭很小，小到一忙就沒了。日記不是為了把人生寫得偉大，是替這些小念頭保存。最好的工作狀態，不是關在房間埋頭苦幹，是持續、保持對環境和世界的好奇，然後有所回應。8
創作者很容易把生活看成素材庫，吃飯想標題，看球想心得，連累了都想能不能寫成一篇。可是有些日子真的不必有用。陪人看球、吃一餐飯、好好整理桌面，這些事看起來沒有產出，有時候卻能把一個人的靈魂、精神慢慢抓回來。9
寫回顧文，很容易寫成成績單，做了什麼、賺了多少、成長多少。這些當然都重要，畢竟房貸、公司營運的成本不很現實。但有時候，最珍貴的收穫是你知道哪些事「你真的不喜歡」、哪些事不用靠別人催你就會自己想做、哪些焦慮是你的成長來源。沒有達到社會期望的成功標準也沒差，保持前行就好。
