👉 AI不再靠Prompt：真正決定成敗的是「Harness Engineering」

👉 AI不再靠Prompt：真正決定成敗的是「Harness Engineering」

👉 從Prompt到Harness：AI Agent進入「系統工程時代」的關鍵轉折

👉 為什麼你用AI沒效果？問題不在模型，而在你沒有「Harness」

📝 

AI不再靠Prompt：真正決定成敗的是「Harness Engineering」

很多人以為，AI用得好不好，關鍵在 Prompt。

但現在，這個觀念已經過時了。

❗ 真正的問題不是「你怎麼問」

而是：

👉 你有沒有設計一套讓AI能「穩定做事」的系統

這，就是現在開始被大量討論的概念——

👉 Harness Engineering

🐎 AI其實像一匹馬

模型很強，速度很快，但有一個問題：

👉 它沒有方向

Prompt = 告訴它一句話

Context = 給它資料

👉 Harness = 讓它「按照規則完成任務」

沒有 Harness 的 AI：

✔ 聰明

❌ 但不可靠

有 Harness 的 AI：

✔ 可以交付

✔ 可以持續工作

✔ 可以規模化

📈 AI正在經歷一個關鍵轉變

過去三年，其實是三個階段：

🟦 第一階段：Prompt Engineering

👉 想辦法「問對問題」

但問題是：

❌ 不穩

❌ 每次都要重來

🟨 第二階段：Context Engineering

👉 想辦法「給對資料」

例如：

RAG

記憶注入

但還是有問題：

❌ AI還是會亂做事

❌ 無法長流程運作

🟥 第三階段：Harness Engineering（現在）

👉 重點不再是「問」或「給」

👉 而是：

❗ 設計一整套讓AI能工作的機制

🏗️ 真正讓AI變強的，不是模型，是系統

根據目前業界觀察（包含 OpenAI、Anthropic 等實務方向），

AI開始從「生成工具」變成「執行系統」。

而這個系統，通常包含6個關鍵：

1️⃣ 上下文（Context）

👉 控制AI看到什麼

不是越多越好，而是剛剛好。

2️⃣ 工具（Tools）

👉 讓AI不只會說，還會做

API、資料庫、系統操作

3️⃣ 驗證（Validation）

👉 防止AI亂來（最重要）

測試、規則、檢查機制

👉 沒這層，AI不能用

4️⃣ 狀態（State）

👉 解決AI會「失憶」的問題

任務進度、記錄、回滾

5️⃣ 可觀測（Observability）

👉 不是看結果，而是看過程

知道錯在哪一層

6️⃣ 人類接管（Human-in-the-loop）

👉 關鍵決策一定要人

例如：金流、發佈、風險操作

⚠️ 為什麼很多人用AI都失敗？

因為他們做的是：

👉 用AI聊天

但企業真正需要的是：

👉 讓AI穩定完成任務

💥 一個殘酷但真實的結論

❗ 模型會越來越強

👉 但真正的競爭力，會在「誰的系統設計更好」

甚至已經有案例顯示：

👉 同一個模型

👉 不同系統設計

👉 結果差距極大 

🔮 未來會怎麼發展？

現在有兩派看法：

🅰️ Harness會變成AI時代的DevOps

👉 每家公司都要有

🅱️ 模型會內建Harness能力

👉 系統變簡單

但不管哪一種：

👉 現在會做Harness的人，就是下一波優勢者

🎯 最後一句

Prompt 決定AI會說什麼

Context 決定AI知道什麼

👉 Harness 決定AI能不能把事情做完

（Gemini Notebooks+ NotebookLM）「通用知識工作系統」

（Gemini Notebooks+ NotebookLM）「通用知識工作系統」

🚀 Gemini Notebooks 還能怎麼用？

🧠 ① 知識學習系統（學生 / 自學者）

NotebookLM 幫你讀

Gemini 幫你教

👉 可以做：

教材整理（PDF → 重點）

自動生成筆記

出考題 / 模擬測驗

難點解釋

📌 等於：

👉「AI家教 + 筆記系統」

---

💼 ② 課程設計 / 教學內容製作（講師最適合）

👉 超適合你現在在做的事

你可以：

匯入資料（文章 / 書）

讓 AI 生成：

課程大綱

投影片內容

教學案例

作業設計

📌 重點：

👉 你只負責「教學邏輯」

👉 AI 幫你「生內容」

---

📊 ③ 市場研究 / 商業分析

👉 把產業報告、新聞、競品資料丟進去

AI 可以：

整理趨勢

找機會點

分析競爭者

產出策略建議

📌 等於：

👉「AI版顧問分析師」

---

✍️ ④ 自媒體內容生產（超強）

👉 這個會直接幫你賺錢

流程：

1️⃣ NotebookLM：整理資料

2️⃣ Gemini：生成內容

可以產出：

Threads 文

部落格文章

腳本（短影音）

EDM 文案

📌 重點：

👉 內容會「有深度」，不是亂生成

---

🧾 ⑤ 專案管理 / 工作知識庫

👉 適合企業 / 接案者

你可以放：

會議記錄

客戶需求

文件

AI 可以：

整理進度

產出報告

提供建議

做決策輔助

📌 等於：

👉「AI專案經理」

---

🧑‍🏫 ⑥ 顧問 / 教練型服務（高價變現）

👉 這個很關鍵（可以變商業模式）

你可以：

建立「專屬知識庫」

用 AI 快速回應客戶問題

客製建議

📌 等於：

👉「你的專業 × AI 放大10倍」

---

📚 ⑦ 書籍 / 資訊快速消化

👉 很多人買書但不看

現在可以：

丟整本書

AI 幫你：

摘要

重點整理

行動建議

📌 等於：

👉「閱讀加速器」

---

🎯 ⑧ 個人決策系統（進階用法）

👉 這個最少人講，但很強

你可以放：

你的目標

過去決策

市場資訊

AI 可以：

分析選項

預測風險

給建議

📌 等於：

👉「AI策略顧問」

---

🔥 這些應用背後的共通本質

不管是哪一種，其實都在做同一件事👇

👉 資料 → 整理 → 思考 → 產出

而這套系統分工是：

NotebookLM 👉 整理 + 理解

Gemini 👉 表達 + 產出

---

🧩 

> 這不是一個功能

而是一個「AI知識工作系統」

Google 最近推出了 Gemini 的全新功能「notebooks」

Google 最近推出了 Gemini 的全新功能「notebooks」，這一功能旨在幫助用戶將對話、文件和 PDF 集中管理，形成一個個人知識庫，特別適合用於複雜的專案管理和學習情境。以下是這一新功能的主要特點和使用方式：

主要特點

 1. 集中管理：

 * 使用者可以在 Gemini 中建立獨立的 notebook，將相關的對話和文件集中在一起，避免資訊分散。

 * 支援將既有的聊天紀錄和文件搬移到特定的 notebook 中。

 2. 客製化指令：

 * 使用者可以為每個 notebook 設定專屬的指令，例如指定回答的語氣或格式，並要求 Gemini 優先引用特定來源。

 3. 雙向同步：

 * notebooks 與 NotebookLM 之間實現雙向同步，任何在一個平台上更新的內容都會自動反映在另一個平台上，方便用戶在不同工具間切換。

 4. 使用者友好：

 * 只需在 Gemini 側邊欄點選「New notebook」，即可輕鬆建立新的知識空間。

使用情境

 * 學術研究：適合用於研究所申請、課堂筆記整理等長期學習計畫。

 * 專案管理：可用於追蹤多階段計畫，將所有相關資料集中管理，減少重複詢問的情況。

開放時間

 * 此功能將於本週率先在網頁版開放給 Google AI Ultra、Pro 和 Plus 訂閱用戶，後續會擴展至行動裝置和更多國家，但不包括 18 歲以下的用戶及 Workspace、Education 帳戶。

這一新功能的推出，標誌著 Google 在生成式 AI 應用領域的進一步發展，旨在提升用戶的工作效率和學習效果。

🔥 AI正在改寫大學價值：中國開始砍外語系，但這真的是對的嗎？

🔥 

AI正在改寫大學價值：中國開始砍外語系，但這真的是對的嗎？

📌 

最近一個很震撼的趨勢正在發生：

👉 中國各大學，開始大量裁撤語言、文科、管理類科系

背後原因其實很現實——

AI＋就業市場，正在重塑教育結構

根據最新報導，在人工智慧與產業轉型影響下，

許多大學加快科系調整，像是語言、管理、藝術等領域，

因為「就業率低、與產業脫節」，成為裁撤重點 

甚至有學校一次直接砍掉16個科系（包含翻譯、攝影）

但問題來了：

👉 刪掉這些科系，真的比較好嗎？

✅ 為什麼「看起來是對的」

外語人才曾經過熱，現在已經供過於求 

AI已能取代大量基礎翻譯與內容工作

大學開始轉向「就業導向」與「產業需求」

簡單說就是：

👉 市場不需要這麼多「單一技能的人」

❗ 但這背後有更大的隱憂

1️⃣ 人才結構會變得單一

大家都跑去學AI、工程

那誰來做文化、國際溝通、品牌？

2️⃣ AI其實沒有取代語言

而是放大語言能力

會用AI的人會更強

不會用的人直接被淘汰

3️⃣ 問題不是科系，而是「教法過時」

很多語言教育仍停留在：

背單字

考試導向

缺乏實務應用

👉 被淘汰的是「舊教育模式」

🎯 真正的趨勢（最重要）

👉 不是文科消失

👉 是「單一能力」消失

未來活下來的人會是：

語言＋AI

語言＋商業

語言＋行銷

🔥 一句話結論

👉 大學砍掉的不是科系，是過時的能力組合

💡 

如果你現在還在想：

「我只要把一個技能學好就好」

那這波AI浪潮會很殘酷

因為未來拼的不是你會什麼

而是👇

👉 你能不能把多種能力組合在一起

今年開始人開始要幫AI代理工作？👉 AI代理人正在重寫就業市場

今年開始人開始要幫AI代理工作？

👉 AI代理人正在重寫就業市場：不是取代人類，而是重新分配工作

AI這一波，真正的變化不是「工作消失」

而是👉工作的結構正在被重寫

📊 一、AI已經開始影響工作（不是未來，是現在）

2026年第一季科技業裁員超過 5萬人，其中約 25%與AI有關 

企業開始用AI代理人，減少管理層、提高效率 

員工普遍焦慮，甚至覺得自己在「訓練AI取代自己」 

👉 結論很明確：

AI已經開始「局部取代」某些工作

🧠 二、但AI還無法完全取代人類（關鍵真相）

👉 MIT最新研究指出：

AI可完成約 50% → 65%文字型任務

❗但仍無法完整取代工作流程 

👉 為什麼？

因為AI目前：

✔ 會做任務（寫作、分析、整理）

❌ 不會負責結果（判斷、風險、決策）

⚙️ 三、真正發生的事：工作被「拆解」

👉 麥肯錫直接講重點：

重點不是「工作消失」

而是「工作內容正在改變」 

甚至：

約 57%工作時數可以被自動化 

到2030年，30%工作可能被自動化、60%會被改變 

👉 這代表什麼？

👉 一份工作會變成：

AI做大部分任務

人類做少部分關鍵決策

🏢 四、企業正在轉型（最被忽略的變化）

👉 麥肯錫與企業案例顯示：

公司開始「扁平化」（減少中階主管） 

AI代理人變成「數位員工」

有企業同時管理「人類＋AI」

甚至：

👉 有公司內部

AI代理人數量接近人類員工 

📉 五、就業市場的真實變化（殘酷但真實）

👉 全球趨勢：

約 92M工作會被取代

同時 170M新工作會出現 

👉 另一個關鍵：

2/3工作都會受到AI影響 

🎯 六、真正的核心結論

👉 AI不是在「取代工作」

👉 而是在「重新分配工作」

🧠 用最白話講清楚

以前： 👉 10個人做一件事

現在： 👉 3個人＋AI完成同樣工作

🚨 七、這對你代表什麼？

1️⃣ 工作不會消失，但會縮水

👉 公司會用更少人做更多事

2️⃣ 初階工作最危險

👉 重複性高的工作最先被AI吃掉

3️⃣ 新工作正在出現

👉 AI操作、AI管理、AI訓練

4️⃣ 真正重要的能力改變了

未來最值錢的是：

👉 指揮AI（Prompt）

👉 設計流程（Workflow）

👉 做決策（Decision）

🧠 

👉 AI不會取代所有人

👉 但會讓「不會用AI的人」越來越沒有優勢

🚨 Claude 大改版：免費仔時代正式結束？

🚨 Claude 大改版：免費仔時代正式結束？

2026/4/4，Anthropic 做了一個「影響整個 AI 生態」的重大決策：

👉 正式切斷 OpenClaw 等第三方工具的訂閱用量

🔥 發生什麼事？

Claude 訂閱用戶，原本可以：

👉 用月費（Pro / Max）

👉 搭配 OpenClaw

👉 打造「AI 自動員」幫你工作

但現在👇

❌ 全部被砍

訂閱額度不能再接第三方工具

OpenClaw 等 AI Agent 直接失效

👉 外媒直接說：等同「變相封殺」 

💸 新規則是什麼？

如果你還想用：

👉 只能選👇

使用 API Key（用多少付多少）

或買 extra usage（額外用量包）

👉 白話翻譯： 從吃到飽 → 計量付費 

🎁 官方補償（是真的有）

Anthropic 也知道會被罵，所以給：

一次性 credit（≈ 月費）

usage bundle 折扣（最高約 30%）

可申請退款

⚠️ 為什麼突然砍？

國外一致共識：不是技術問題，是商業問題

1️⃣ AI Agent 太耗資源

像 OpenClaw 這種工具：

👉 會瘋狂跑任務（寄信、排程、寫程式）

👉 一天可能吃掉「幾百萬 tokens」

官方直接說：

👉 對系統造成「超額負載」 

2️⃣ 大家在「鑽漏洞」

很多人其實在做這件事👇

👉 用 $20/月訂閱

👉 當成 API 無限用

國外有個比喻很狠👇

就像買自助餐，開卡車來裝食物 

3️⃣ 本來就違規（現在才抓）

早在 2026 年初：

👉 Anthropic 就已經寫清楚：

❌ 訂閱帳號不能接第三方工具

❌ OAuth token 不得外用

👉 只是現在「開始強制執行」

💥 更深層影響（這才是重點）

這件事其實代表👇

🧱 AI 產業正在「關門」

從開放 → 封閉

過去（2025）

工具隨便串

AI 可以亂接

生態很自由

現在（2026）

❌ 禁第三方濫用

❌ 封 OAuth

✅ 強推 API 收費

✅ 官方工具優先（如 Claude Code）

🧠 一句話講白

👉 這不是封 OpenClaw

👉 是：

AI 公司開始收回控制權 + 開始認真賺錢

📉 誰會被影響最大？

這三種人👇

1️⃣ AI 自動化玩家

（n8n / agent / workflow）

👉 成本直接暴增

2️⃣ 接案 / 創業者

👉 原本低成本套利 → 消失

3️⃣ 工具開發者

👉 不能再「蹭訂閱」

🚀 未來會怎麼走？

趨勢已經很明確👇

① API 經濟全面起飛

👉 用量 = 成本

② AI Agent 成本變高

👉 不再人人都能玩

③ 多模型時代來臨

👉 開始分流到：

開源模型

中國模型（便宜）

多供應商架構

🔥 

👉

「AI 吃到飽時代正式結束，Agent 玩家進入付費地獄」

👉 2024年洛杉磯，一位41歲男子用2萬美元＋AI，打造年收580億公司：一人公司時代正式來了👉

👉 2024年洛杉磯，一位41歲男子用2萬美元＋AI，打造年收580億公司：一人公司時代正式來了

👉 美國洛杉磯創業者，只用2個月＋AI工具，做到18億美元營收（但真相不只是AI）

👉 從洛杉磯出租屋出發，他用AI賣減肥藥做到百億：一人公司神話還是灰色套利？

🧾 人事時地物（完整拆解）

👤 人（誰）

Matthew Gallagher

美國創業者（約41歲）

後期加入唯一員工：他弟弟 

🏢 事（做什麼）

創立公司：Medvi（遠距醫療平台）

主要業務： 👉 線上販售 GLP-1 減肥藥（如 Ozempic 類型） 

本質其實是： 👉 流量＋醫療中介平台

🕒 時（什麼時候）

創業時間：2024年9月 

成長： 

2025年：營收約 4.01億美元 

2026年：預估 18億美元（約台幣580億） 

👉 重點： 不到2年做到百億等級

🌍 地（在哪裡）

地點：美國洛杉磯

起點：甚至是在「家裡」完成創業 

📦 物（用什麼做到）

他用的不是團隊，而是👇

ChatGPT / Claude / Grok → 寫程式

Midjourney / Runway → 廣告素材

ElevenLabs → 客服

AI agents → 串接整個公司流程 

👉 結論：

AI = 整家公司

🧠 可以學到什麼（最關鍵）

1️⃣ AI只是工具，不是答案

👉 國外直接點破：

這家公司不是AI公司

👉 真正賺錢的是：

減肥藥需求

高客單價

訂閱模式 

2️⃣ 一人公司開始成為現實

2萬美元

2個月

1～2人

👉 做到： 18億美元規模 

📌 意味著： 👉 未來不是公司變大，而是人變強

3️⃣ 商業模式 ＞ AI工具

成功關鍵其實是：

選對市場（減肥）

選對產品（高毛利）

可線上規模化

👉 AI只是讓它「加速爆發」

4️⃣ 本質是「中介生意」

他沒有：

自己做藥

自己當醫生

👉 全部外包

📌 核心是： 掌握流量 → 賺差價

5️⃣ 高風險（很多人忽略）

國外已經出現質疑👇

疑似用AI假醫師廣告

可能踩醫療法規

已被監管關注 

👉 結論：

這是高報酬＋高風險模式

👉 這不是AI讓他成功，而是他找到一個會賺錢的市場，然後用AI把速度開到極限