Letter
對我來說,在這邊寫東西更多是把一些閱讀、觀察或實做某件事後有感的地方記下來,大多時間近乎流水帳,但寫著寫著也還是覺得比寫之前更清楚了解自己心中那個隱約的聲音是什麼。
對於自己確信或懷疑的事也更有把握一些,而且偶爾回頭看一下都還是會有一些收穫。
換句話說,這件事非常的私人與自我,不管讀的人有沒有看或怎麼看,我也還是有充分的動力繼續寫下去。
我又開始準備搬家網站,這次是認真的
Issue #52
在這些等待的過程中,因為慢慢了解到 Strapi 是什麼,並意識到 Strapi 可以這樣做、可以那樣做,然後又發現 AI 可以輕鬆地掌握 Strapi 的內容而搭配規劃前端的呈現資訊,我對於新網站的想像與期待就越來越多。
對「不是…而是…」以及「不只是…更是…」的生理性不適
Issue #51
對,關鍵在於包裝過的意圖,會讓我有種不真實/不真誠的感覺。假設這類文一開始就說「本文由 AI 協助擴寫」好像就會好一點,假設這類文寫得非常好,沒有那種包裝感,也就更不會有問題,但剛好落在中間的,我就不太喜歡。
沒辦法再更懶的做法
Issue #50
對我來說能維持一個習慣的核心要素不是勤奮或者意志力。因為我的惰性更強,絕對足以擊垮意志力。但只要讓懶惰的我找到一個沒辦法再更懶的解方,我好像就能認命地去執行它。
在 ChatGPT 幫助下,我找到了小時候玩過的遊戲 Treasure Mountain!
Issue #49
我也不知道我週末為什麼會想起這件事,毫無來由,這件事大概有二三十年沒有在我腦中。但我很高興現在有 ChatGPT 可以幫我找,也很高興世界上不知道哪個角落有人把這樣的遊戲保留起來讓人可以線上玩。
不影射他人
Issue #48
影射對我來說是個容易得罪他人,或者容易在他人心中留下不好印象的做法,因此我不太想要這樣做。
沒有表達慾
Issue #47
我知道這件事總會有某個地方有留下紀錄,不會被遺忘,那也就足夠了!
我終於還是開始靠 AI 幫忙摘要
Issue #46
我覺得這樣子體驗很好,雖然是簡化、摘要後的內容,但實際上卻增加了我的閱讀量。我甚至不太在意產出的摘要是否有幻覺或者誤讀,對我來說那是可以容忍的錯誤空間,因為現在的模型已經好到八九成以上的內容都沒什麼問題,而且我也是基於原文生成,而不是請他搜尋或依照訓練的資料生成,這也讓幻覺的比率降低了不少。
那些不讓人膩的東西
Issue #45
這三者比重愈高,我好像就愈喜歡,就愈看不膩,但裡面最關鍵的好像是真誠與正直,我也說不上來細節,但大概就是某種「可以信任的感覺」吧。
Threads 即將推出「讓用戶整體體驗變好」的廣告?
Issue #44
這些都不直接等於「更好的體驗」。好像沒有遇過哪種狀況是廣告帶給我更好的體驗,特定少數廣告可能有讓我覺得有趣、新鮮、學到東西,但那也不是整體的好體驗。
與 AI 一起寫作的界線:表達慾
Issue #43
如果這樣一層一層剝下來,關於第一類的寫作,我目前只能退守到這幾件事完全不透過 AI 產生或協助產生:1. 找出「我想表達的事」2. 建構「我想怎麼表達我想表達的事」3. 一字一句打出我要表達的內容
光敏性噴嚏反射、與 AI 一起寫作、秀珍菇
Issue #42
我突然發現,太陽噴嚏、AI 文字、秀珍菇這幾件事,背後關注的都是同一件事:我不想要額外消耗注意力。
「知道一件事情沒有捷徑」帶來的安全感
Issue #41
感覺還是需要長期接觸大量美的畫面,才有辦法掌握與培養出那個能夠判斷好與不好的品味,沒有什麼速成的捷徑。
我想要確保有訂閱的人都是真的想要收信的人
Issue #40
我自己覺得這樣做比起傳統透過「開信率」來追蹤與退訂的作法更好,原因有兩個:1. 很多注重隱私的信箱服務會擋掉開信這類的追蹤,因此有可能有讀者有在讀,但是從發信者的角度來看這個人完全都沒有開信,結果就被誤刪了。2. 比起你不一定會知道的開信率追蹤,主動點擊「已讀」更像是個積極同意續訂的告知,我覺得更符合我的價值觀。
寫的東西與自己的距離
Issue #39
在經過幾年的持續記錄與寫作後,我感覺到,只要我寫的東西愈是真實、愈是貼近我自己的想法與實際經驗,我就愈滿意這樣的內容。反過來說,假設寫的東西離我自己愈遠,我就很容易感到無趣、不滿意。
Simplify
Issue #38
我發現在 Blog 頁面留下來,捨不得丟入歸檔區的,都是那些我還感興趣的主題。這些文章大概只佔原本一半不到,但我現在反而更有動力重新編輯整修他們。
回母校分享 ChatGPT & Deep Research 應用的一些心得隨記
Issue #37
藉由這次的機會,我有意識到研究所與指導老師對我最大的幫助之一,就是不斷地訓練我「提問、限縮範圍、回答問題」的能力,這樣的能力不會有什麼證書去認證,但對我後來在工作上或者跟 AI 的互動上都肯定有幫助!
Outdated分享一個 ChatGPT Deep Research 搭配 o1 Pro 搭配 Heptabase 的工作流
Issue #36
透過前兩個步驟產出的原子卡片有點像是空有標題,但內容還不明確,為了讓現在與未來的我更容易理解,我就反過來丟給 o1 Pro 產介紹文章,這時他就會擴寫標題,並且提供對應的案例。最後,我會再回到原本的卡片,把 ChatGPT 產的說明與案例補充進去。這時我就有了一個有豐富內容的「卡片起點」,可以讓我未來持續擴寫、改寫與補充我自己的案例。
有了 Deep Research 後,我還需要 Heptabase 嗎?當然要,更需要了!
Issue #35
我總覺得如果我沒有很有意識地去處理,那麼 Deep Research 產出的內容也只會跟無窮無盡的 wikipedia 與網路文章一樣,成為我「知道在那邊,但沒什麼動力去消化」的內容,但我發現 Deep Research 的內容比維基更好讀、更客製,加上更貴,所以我有種動力去認真處理他們,而 Heptabase 是我現在覺得最適合搭配的夥伴。
讓我開始思考未來的 ChatGPT o1 Pro & Deep research
Issue #34
我又突然感到自己很幸運,剛好是在現在這個階段才遇到 AI 能力的大爆發,我覺得如果是早幾年、或者十一二年前剛出社會的我,可能還沒有足夠的能力或者是穩定的心態去應對這個狀況,甚至可能根本無法意識到這個狀況吧。
試著在自己電腦上運作 Deepseek R1 的心得
Issue #33
雖然對 R1 的表現沒有想像中驚艷,但這次測試仍有很多很重要的收穫,第一個是我發現,原來要在自己電腦上運作一個本地模型竟然這麼簡單,這讓我開始想要到處測試各種不同的模型效果了,真有趣。為什麼我之前從來沒有想要這樣玩過呢?感覺好像是因為「覺得他們不夠強,所以用 ChatGPT 訂閱版就好」,但這次體驗後我覺得,即使比不上 ChatGPT 訂閱版,也應該要試著幫本地模型找找看適合的使用情境才對。