Tag
收錄 #複雜服務 標籤相關的文章與實驗紀錄。
2026-09-25 · AI Workflow
多模型工作流真正的問題不是模型不夠強，是規則在各個 AI 客戶端之間漂移。這篇拆解 Ai-agent 的架構：用 adapter pattern 收斂共用規則、用 skill contract 定義交接、用 script 驗證而不是靠模型感覺，並談這套治理在什麼規模以下其實是過度設計。判斷一套 AI workflow 成不成熟，看的是 prompt 有沒有變薄、contract 有沒有變厚。
2026-09-25 · AI 與管理
AI 答案不好，通常不是 prompt 寫得不夠漂亮，而是你沒把真實世界的限制交給它。把 AI 當成一位能力很強但剛入職的新同事——給脈絡、設邊界、驗成果——產出品質會完全不同。管理 AI 的方式，會直接反映你原本管理工作的成熟度。
2026-09-25 · AI 與產品管理
UX 沒有死，只是多了一個新的讀者。人靠 Polanyi 說的默會知識與 Norman 說的預設用途去理解介面，AI 需要語意結構、可解析的狀態與明確的流程邊界——這就是 AX（Agentic Experience）在談的事。它提醒我們重新問一次：產品到底被誰理解、由誰判斷、又由誰承擔後果。
2026-09-25 · AI 與管理
AI 最容易製造的管理幻覺，是讓團隊看起來變得很有效率——文件變多、方案變多、設計稿變快，卻沒有一個真正對準問題。效率當然重要，但沒有判斷，它只會讓錯誤更快、更完整、更有說服力地被產出來。
2026-09-25 · AI 與管理
一個專案卡住，不一定是因為少一個 PM，可能是沒有人能快速做原型、沒有人能整理長歪的系統、或缺一個能推進市場回饋的人。用職稱理解人太粗了。這篇借五種產品貢獻原型，談職稱為什麼正在失去解釋力、組織結構如何反過來限制產品長相，以及「把混亂收乾淨」這種貢獻為什麼比看起來值錢——但也談職稱不會真的消失、它退位的只是一部分功能。
2026-09-25 · AI 與管理
品味不是主觀審美，是壓縮過的判斷——它把看過的失敗案例、使用者反應、技術限制與商業目標，濃縮成快速辨識方向的能力。這種壓縮多半是說不清楚的默會知識，只有拆成可觀察的判準、小樣本驗證與可複用的決策紀錄，它才不再是某個人的天分。好的品味是被質疑之後，仍然說得出背後邏輯的那種；更好的品味，是連判準本身都願意被重新檢視的那種。