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 · 職涯與管理
主管真正想知道的不是你最後做出什麼,而是你在哪裡卡住、如何解決、為什麼選這個方向而不是另一個。只回報「這週完成 A、B、C」,證明的是你有做事,不是你有判斷力。這篇談怎麼讓判斷痕跡留下形狀,並借訊號理論、雙迴圈學習與反思實踐者三個框架,解釋為什麼「被看見」本質上是一種訊號設計——以及這件事什麼時候會反過來害了你。
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。
2026-09-25 · 設計觀點
執行的成本已經塌了,把模糊目標翻成設計問題的能力還站著。這篇給四個本週就能開始練的動作:先盤硬限制與假限制、把「夠好」寫成一句可以被否證的話、預判 stakeholder 沒說出口的待辦任務、用一頁 spec 對賭;並談這套方法在指標被單一化、或真實判準根本不存在時會怎麼反噬。