<?xml version="1.0" encoding="UTF-8" ?>
<rss version="2.0">
    <channel>
      <title>侯智薰個人百科</title>
      <link>https://wiki.lifehacker.tw</link>
      <description>最近的 10 條筆記 on 侯智薰個人百科</description>
      <generator>Quartz -- quartz.jzhao.xyz</generator>
      <item>
    <title>外包思考與外包理解</title>
    <link>https://wiki.lifehacker.tw/knowledge-cards/%E5%A4%96%E5%8C%85%E6%80%9D%E8%80%83%E8%88%87%E5%A4%96%E5%8C%85%E7%90%86%E8%A7%A3</link>
    <guid>https://wiki.lifehacker.tw/knowledge-cards/%E5%A4%96%E5%8C%85%E6%80%9D%E8%80%83%E8%88%87%E5%A4%96%E5%8C%85%E7%90%86%E8%A7%A3</guid>
    <description><![CDATA[ 外包思考與外包理解 你可以把思考外包給 AI，但不能外包你的理解——AI 讓 thinking 變廉價，understanding 的單價反而持續上漲。 雷蒙的解釋 這句話來自 Andrej Karpathy：「You can outsource your thinking, but you can’t outsource your understanding.」AI 已經能查資料、寫報告、跑流程，甚至思考得比我們高品質；但「為什麼要做這件事」「下一步往哪走」「什麼為好」這些問題，AI 沒辦法替你回答。 雷蒙的白話翻譯是四組對照：AI 可以幫你查資料，但「查什麼、為什麼查」是你的事；AI 可以... ]]></description>
    <pubDate>Thu, 06 Aug 2026 04:21:00 GMT</pubDate>
  </item><item>
    <title>建議歸位機制</title>
    <link>https://wiki.lifehacker.tw/knowledge-cards/%E5%BB%BA%E8%AD%B0%E6%AD%B8%E4%BD%8D%E6%A9%9F%E5%88%B6</link>
    <guid>https://wiki.lifehacker.tw/knowledge-cards/%E5%BB%BA%E8%AD%B0%E6%AD%B8%E4%BD%8D%E6%A9%9F%E5%88%B6</guid>
    <description><![CDATA[ 建議歸位機制 建議產出後若沒有歸位機制，就會反覆被重提而不落地——觀察不會自動變成行動，需要一個 queue 把它吃進去。 雷蒙的解釋 2026 年 W22 的雙 AI 復盤抓到一個摩擦模式，雷蒙叫它「告訴你了沒落地」：同一個建議在 daily log 反覆出現，但因為沒有機制把它從「建議」推到「完成」，提了就忘，下次又重提。實測數據很難看——同一件工具設定該寫進 Skill 這件事在兩週內被提了 4 次（期間重複做了同樣的白工），另一項基礎建設被提了 3 次仍未落地。 問題不是 AI 知識不足，也不是雷蒙不想做，而是「建議」這種產物天生沒有家：它不是待辦、不是專案、不是知識，只是一句觀察。解... ]]></description>
    <pubDate>Thu, 06 Aug 2026 04:21:00 GMT</pubDate>
  </item><item>
    <title>訓練AI而非訓練學員</title>
    <link>https://wiki.lifehacker.tw/knowledge-cards/%E8%A8%93%E7%B7%B4AI%E8%80%8C%E9%9D%9E%E8%A8%93%E7%B7%B4%E5%AD%B8%E5%93%A1</link>
    <guid>https://wiki.lifehacker.tw/knowledge-cards/%E8%A8%93%E7%B7%B4AI%E8%80%8C%E9%9D%9E%E8%A8%93%E7%B7%B4%E5%AD%B8%E5%93%A1</guid>
    <description><![CDATA[ 訓練AI而非訓練學員 未來的知識產品，教的不只是學員本人，更是學員的 AI Agent——與其教每個人從零養一隻皮卡丘，不如把訓練好的皮卡丘直接交給他。 雷蒙的解釋 以前的課程邏輯是「我學會了，再教你學會」：學員上完課，回家還要自己摸索很久，多數人在半路就放棄。AI Agent 時代多了一條路——我先把自己的經驗、判斷和工作流程訓練進 AI，再把這個訓練好的 AI 直接交給學員。學員的 AI 讀完我的教材，第一天就具備我的方法，然後由 AI 反過來引導人類，把工作配置和工作流做出來。 雷蒙用寶可夢比喻：與其開一門「養皮卡丘教學課」，讓每個訓練師從孵蛋開始練等，不如直接把一隻練好技能的皮卡丘交到... ]]></description>
    <pubDate>Thu, 06 Aug 2026 04:21:00 GMT</pubDate>
  </item><item>
    <title>AI工具應用</title>
    <link>https://wiki.lifehacker.tw/themes/AI%E5%B7%A5%E5%85%B7%E6%87%89%E7%94%A8</link>
    <guid>https://wiki.lifehacker.tw/themes/AI%E5%B7%A5%E5%85%B7%E6%87%89%E7%94%A8</guid>
    <description><![CDATA[ AI 工具應用 AI 不是來取代你的，而是來放大你的。關鍵不是學會用哪個工具，而是知道什麼時候該讓 AI 做、什麼時候該自己來。 我的詮釋（Wisdom） 很多人對 AI 的理解停留在「用 ChatGPT 聊天」，但真正的 AI 應用有三個階段：Prompts（學會提問）→ Knowledge Base（建立專屬知識庫）→ AI Agent（讓 AI 自主行動）。大部分人卡在第一階段，以為 AI 不好用，其實是自己的問題沒問清楚。 AI 寫作的核心原則：你的生活體驗和個人觀點是不可替代的 Input，Process 留給 AI 幫忙編輯和整理，Output 記得自己最後校正。用 AI 產出的內... ]]></description>
    <pubDate>Thu, 06 Aug 2026 04:21:00 GMT</pubDate>
  </item><item>
    <title>超級個體</title>
    <link>https://wiki.lifehacker.tw/themes/%E8%B6%85%E7%B4%9A%E5%80%8B%E9%AB%94</link>
    <guid>https://wiki.lifehacker.tw/themes/%E8%B6%85%E7%B4%9A%E5%80%8B%E9%AB%94</guid>
    <description><![CDATA[ 超級個體 不依賴傳統組織、運用多元技能組合和數位工具，主動經營個人價值的現代工作者。 我的詮釋（Wisdom） 超級個體不是叫你離職創業，這是最常見的誤解。它其實是一種掌控自己人生節奏的能力——你可以在公司裡當最有價值的左右手，也可以一個人用數位工具撐起一間公司。 生活黑客（Lifehacker）和超級個體（Solopreneur）在我的體系裡是同一枚硬幣的兩面。生活黑客是心態和方法——用工具和系統最佳化生活，把人生目標視為可優化的系統；超級個體是身份和策略——用個人品牌和技能組合創造獨立收入。你不需要單一技能專精到頂，而是多個領域達到 PR70 並活用數位工具，這個組合本身就是你的護城河。 ... ]]></description>
    <pubDate>Thu, 06 Aug 2026 04:21:00 GMT</pubDate>
  </item><item>
    <title>從工時到成果</title>
    <link>https://wiki.lifehacker.tw/knowledge-cards/%E5%BE%9E%E5%B7%A5%E6%99%82%E5%88%B0%E6%88%90%E6%9E%9C</link>
    <guid>https://wiki.lifehacker.tw/knowledge-cards/%E5%BE%9E%E5%B7%A5%E6%99%82%E5%88%B0%E6%88%90%E6%9E%9C</guid>
    <description><![CDATA[ 從工時到成果 「工時 ≅ 績效」隱含每人每工時產值差不多的前提；AI 打破了這個前提，衡量必須轉向成果與影響。 雷蒙的解釋 時間追蹤在 AI 時代反而更難做了：任務不再是一段連續投入，而是同一個時間區塊同時推進多件事。掛鐘過了一小時，實際專注可能只有十五分鐘——問題不在追蹤工具，而在「工時」這個單位已經對應不到價值。 新的判準是：用多少成本、多少來回，達成了什麼被驗證過的結果。能用更少的來回修正達成同等目標，代表對問題的理解、指令的準確度與品質標準都更高。 什麼時候用 團隊管理與績效設計：從「花了多久」改看「產出了什麼、解決了什麼」。 自我衡量：雷蒙自 2026 年初改以每週 AI 額度用量取... ]]></description>
    <pubDate>Wed, 05 Aug 2026 03:35:00 GMT</pubDate>
  </item><item>
    <title>超級AI個體</title>
    <link>https://wiki.lifehacker.tw/knowledge-cards/%E8%B6%85%E7%B4%9AAI%E5%80%8B%E9%AB%94</link>
    <guid>https://wiki.lifehacker.tw/knowledge-cards/%E8%B6%85%E7%B4%9AAI%E5%80%8B%E9%AB%94</guid>
    <description><![CDATA[ 超級AI個體 超級個體談「人」的工作系統；超級 AI 個體談「AI」的工作系統。兩者合起來，才是新時代完整的一個工作者。 雷蒙的解釋 「超級個體」處理的是一個人如何聰明工作、好好生活的底層邏輯——什麼值得做、怎麼把自己過好。「超級 AI 個體」處理的是另一半：不值得你親手做的，怎麼交出去而且交得放心——替 AI 建立可持續運作的環境、規則與交付標準。雷蒙用「太極兩儀」形容這組關係：先學會人的工作方法，再學會管理 AI 的工作方法。 支撐它的判斷是：五年內，原本十幾人的部門可能縮成兩三人加一批 AI Agent。當執行被大量接手，個人價值會集中在判斷、品味與承擔責任上。 什麼時候用 討論「學 A... ]]></description>
    <pubDate>Wed, 05 Aug 2026 03:35:00 GMT</pubDate>
  </item><item>
    <title>AI Agent 陪跑大課（超級 AI 個體）</title>
    <link>https://wiki.lifehacker.tw/projects/AI-Agent%E9%99%AA%E8%B7%91%E5%A4%A7%E8%AA%B2</link>
    <guid>https://wiki.lifehacker.tw/projects/AI-Agent%E9%99%AA%E8%B7%91%E5%A4%A7%E8%AA%B2</guid>
    <description><![CDATA[ AI Agent 陪跑大課（超級 AI 個體） 「AI Agent 陪跑大課」是侯智薰（雷蒙）於 2026 年 8 月推出的旗艦課程，副標題「超級 AI 個體」（見 超級AI個體）。它與 2026 年上半年推出的「AI Agent 迷你課」構成一組分工：迷你課的目標是推廣，讓更多人知道怎麼開始打造 AI 分身；陪跑大課的目標是落地，幫學員把方法備齊、串成可持續運作的 AI 團隊，並以一年期的陪跑社群、直播共學與學員作品平台支撐學習成效。雷蒙對兩堂課的一句話定位是：「《超級個體工作術》是現代人的工作系統；《超級 AI 個體》是讓 AI 幫你做事、放大產能的工作系統。」 註：本條目寫於課程僅開放舊... ]]></description>
    <pubDate>Wed, 05 Aug 2026 03:30:00 GMT</pubDate>
  </item><item>
    <title>把自己遇過的問題做成可分享工具</title>
    <link>https://wiki.lifehacker.tw/patterns/%E6%8A%8A%E5%95%8F%E9%A1%8C%E5%81%9A%E6%88%90%E5%B7%A5%E5%85%B7</link>
    <guid>https://wiki.lifehacker.tw/patterns/%E6%8A%8A%E5%95%8F%E9%A1%8C%E5%81%9A%E6%88%90%E5%B7%A5%E5%85%B7</guid>
    <description><![CDATA[ 把自己遇過的問題做成可分享工具 「把自己遇過的問題做成可分享的工具」是侯智薰（雷蒙）反覆出現的一種行為模式：先在自己的工作流程裡撞上一個摩擦點，動手做出一個解決它的東西，把這個東西打磨到外人也能直接用，再公開出去免費給有相同困擾的人。這個模式同時貫穿他的內容產品（課程、電子報、訂閱服務）與後來的網頁小工具，是他界定「好產品」的起點。 雷蒙把這個模式濃縮成一條產品原則：最好的產品不是憑空想出的新點子，而是自己親身經歷、真實解決過的難題。他在《超級個體工作術》談產品設計時提出，產品的出發點應該是「你提供的產品就是你正在面臨的難題，只是你走得比較前面」。對他而言，記錄自己怎麼解決問題，本身就是未來最... ]]></description>
    <pubDate>Wed, 05 Aug 2026 01:30:00 GMT</pubDate>
  </item><item>
    <title>Kairos / 雷小蒙 AI 分身</title>
    <link>https://wiki.lifehacker.tw/projects/Kairos%E9%9B%B7%E5%B0%8F%E8%92%99AI%E5%88%86%E8%BA%AB</link>
    <guid>https://wiki.lifehacker.tw/projects/Kairos%E9%9B%B7%E5%B0%8F%E8%92%99AI%E5%88%86%E8%BA%AB</guid>
    <description><![CDATA[ Kairos / 雷小蒙 AI 分身 Kairos（對外多稱「雷小蒙」）是侯智薰（雷蒙）於 2026 年 2 月起，用 Claude Code 從零手刻的個人 AI Agent，作為他的工作與生活助理、以及團隊裡的數位分身。名稱由 AI 自選，取自希臘語「恰好的時機」。它建構在雷蒙整個 Raymond-Agent 知識庫（即他稱的 LifeOS）之上，由分層的規則檔、技能模組與跨對話記憶系統組成，能讀信、回團隊訊息、查網站數據、維護家裡的智能家居、處理自動化工作流，並以雷蒙的口吻與判斷邏輯回應。雷蒙把這條產品線定位為其 超級個體與AI-Agent階段 的核心實驗，視為 把問題做成工具 模式在 ... ]]></description>
    <pubDate>Wed, 05 Aug 2026 01:30:00 GMT</pubDate>
  </item>
    </channel>
  </rss>