如何用 AI 在五天內完成產品探索衝刺
團隊要不要投入時間做一項產品功能,常得先弄清楚問題是不是真的存在。這篇指南整理了五天的產品探索流程:先用 AI 搜尋客服紀錄和通話筆記、整理線索,再訪談客戶、測試最關鍵的假設,最後寫下決定和證據。AI 也能把第一天的資料整理壓縮成三小時,但這只能看現有資料、找出還缺什麼,不能代替需要等待客戶回覆的訪談與測試。文中也提醒,AI 訪談適合短而明確的問題;遇到意外回答時,真人比較能追問。
團隊要不要投入時間做一項產品功能,常得先弄清楚問題是不是真的存在。這篇指南整理了五天的產品探索流程:先用 AI 搜尋客服紀錄和通話筆記、整理線索,再訪談客戶、測試最關鍵的假設,最後寫下決定和證據。AI 也能把第一天的資料整理壓縮成三小時,但這只能看現有資料、找出還缺什麼,不能代替需要等待客戶回覆的訪談與測試。文中也提醒,AI 訪談適合短而明確的問題;遇到意外回答時,真人比較能追問。
大型檔案若都先傳到 Node.js,再轉存到物件儲存,應用程式會承受大量流量;若讓瀏覽器直接上傳,又得確保檔案屬於正確租戶並按規定保留。文章比較三種做法:由 Node.js 核准後讓瀏覽器分段直傳、用可續傳的閘道統一不同裝置的上傳方式,或先讓檔案經過應用程式檢查。作者也示範先記錄上傳物件、授權人和到期時間,再追蹤上傳、取消及保留期限確認等狀態。這樣能分清楚檔案是否傳完,以及保留規定是否真的落實。
想知道大家何時在找某款工具的替代品,不一定要架一套社群監聽系統。作者示範用 20 行 Python,定期從 RapidAPI 的公開需求訊號中篩出指定工具,再把新訊號和原始討論連結送到 Slack。程式會記住每筆訊號的 ID,避免重複提醒;訊號每六小時收集一次,因此作者建議每六小時查詢,減少浪費 API 額度。收到通知後,應先讀原討論,再決定如何回應。
把不同年份的 100 美元換算成今天的價值,結果會因為選用哪兩筆 CPI 資料而不同。文章用美國 CPI-U 年平均值示範:2000 年的 100 美元換算成 2024 年幣值約為 182.18 美元;反向換算則約為 54.89 美元。程式計算時,兩邊要用同一種 CPI 資料和相同時間頻率,例如都用年平均,或都用同一月份的數值;也要保留完整精度,最後顯示金額時再四捨五入。這種換算反映的是一般都市消費者的平均物價,不一定等於個人實際花費。
RPA 機器人輸入訂單後若突然停止,佇列可能不知道訂單其實已經存進 ERP,重試就會多出一筆。作者用假 ERP 和虛構訂單測試 Google Sheets 佇列:工作逾時後先標成 CHECK_ERP,請人搜尋訂單確認,再決定完成或重新排入;只有機器人能確定還沒按下儲存時才重試。文章也提供 Apps Script 範例,並提醒這套程式尚未在真實 ERP 或 RPA 工具上測試。
在大型專案裡,光看網頁上的按鈕或文字,常很難找到負責顯示它的程式碼。作者做了 Babel、Vite 和 SWC 外掛,會在開發時替 JSX 元素加上檔案路徑和行號;開發者用瀏覽器檢查畫面,就能直接看到位置,也能把位置貼給 Claude Code、Cursor 或 Copilot,讓 AI 助理改對地方。若畫面元件是由多層包裝元件組成,外掛也提供選項,讓位置指向使用元件的頁面;但包裝元件若沒有把屬性傳下去,位置仍會留在包裝元件本身。
推薦理由:這套外掛把 JSX 元素連回檔案與行號,也說明包裝元件會影響定位結果,並提供可調整的選項。
WebLogic 的 CVSS 分數很高,但光看漏洞編號,無法知道哪些伺服器真的連得到、是否已修補。文章說明 CVE-2026-91456 影響哪些 WebLogic Server 版本,以及攻擊者可在未登入的情況下,從網路連到 SOAP 路徑嘗試攻擊;Oracle 說成功攻擊可能接管伺服器。文章建議先找出受影響版本與對外開放的 SOAP 路徑,套用 2026 年 11 月的修補更新並確認更新結果,也可暫時限制不必要的連線、檢視紀錄。來源沒有確認漏洞已遭利用,也沒有提供專屬替代修補方式。
行列加總謎題要玩家挑出格子,讓每一列和每一行的數字都符合指定總和;如果答案不只一種,玩起來就容易失去樂趣。這個 JavaScript 產生器會先排出一個答案,再算出各列和各行的目標數字,接著逐一檢查其他可能的選法;只留下剛好只有一種答案的謎題。部分格子會標成金色,選中時要算兩倍。比如產生一個 4×4 謎題後,程式會確認符合所有行列總和的選法只有一種。這樣產生的謎題既有答案,也能確定玩家不會遇到多種解法。
RAG 助理答錯時,直接換模型或加知識圖譜,可能花了力氣卻沒找對原因。作者建議先檢視錯誤問題實際找回哪些頁面,再確認正確頁面有沒有出現、排第幾名,以及內容是否完整。文中把常見問題分成六類,例如找不到正確頁面、舊規定排在新規定前面,或答案需要串起多份資料。先處理找資料和排序問題,往往比建置知識圖譜省事;較複雜的作法留到有更多證據時再考慮。
想把模型搬到自己的雲端跑,費用會不會比用 API 便宜?文章用一家保險公司的理賠助理試算:每月用 800 million tokens 時,API 費用是 $1,600;自己架設則要付 GPU 和人力費,每月 $6,000。用量增加到十倍後,自架每月約 $10,000,API 則是 $16,000,帳面上可省約 $6,000。不過,理賠資料必須留在保險公司的雲端,這項規定也會影響選擇;流量忽高忽低、回答品質和輪班維護人力,都要一起考慮。作者提醒,先用每月用量、API 單價和固定成本試算,再小規模測量,才能判斷哪種方式適合。
這是我們常看到的模式:AI 助理(無論是主 AI 助理或子 AI 助理)都無法可靠地編輯維基,因此需要另外安排一個 AI 助理負責所有編輯(我在這裡稱它為策展 AI 助理)
只調低影片位元率,雖然能讓檔案變小,畫面也可能變得很模糊。作者整理 FFmpeg 壓縮影片時最重要的 5 個設定:依播放裝置選 H.264、H.265 或 AV1,用 CRF 控制畫質,並挑選合適的編碼速度;影片不需要那麼清楚時,還能縮小解析度或降低影格率。語音可用 128 kbps AAC,網路播放則可把檔案資訊移到前面。文章也提醒,重新壓縮會讓畫質再損失一些,含有私人資料的影片最好留在自己的電腦處理。
主管只描述員工做得不好的地方,再問 AI 要不要解僱對方,模型可能就會附和這種說法。作者提出兩步做法:先只看工作資料,整理目前看得到的事實、可能原因和缺少的資訊;再把主管的看法交給模型,要求它提出反對理由和該追問的問題。程式也會要求聘用、升遷、加薪和解僱等決定必須由真人負責,並留下理由與兩次分析紀錄。這能幫助主管檢查自己的判斷,但最後仍由人作決定。
手機登入常會遇到驗證碼重送、帳號鎖定和付款收據混在一起的問題。作者用電子雜誌訂單示範,登入驗證和收據寄送要分成不同指令:重送驗證碼不能重設失敗次數,也不能代表付款完成。傳送次數、等待時間和鎖定狀態由後端管理,收據則要等付款確認後才能安排寄送。文中的程式範例用 30 秒等待和 5 次失敗作為測試設定,並非正式服務的預設值;它也沒有真的傳送簡訊或測量送達效果。
寄送電子郵件驗證碼時,只回傳成功或丟出錯誤,常讓畫面猜不出該提示什麼,也可能重複傳送。作者示範用 TypeScript 把結果分成已接受、已有進行中的驗證、收件地址無效、服務暫時無法使用和未知失敗等狀態,再由介接器把郵件服務的錯誤轉成應用程式看得懂的結果。重試同一次操作時沿用同一個識別碼;使用者真的重新要求寄送時,才建立新的操作。這也讓畫面、記錄和測試能依清楚規則處理,並提醒大家寄送獲接受不代表收件者已收到或開啟郵件。
簡訊驗證碼送達或檢查成功,都不代表使用者已獲準登入;如果多個請求同時處理,可能讓同一組驗證碼重複授權。文章整理四種需要防範的情況,包括多個傳送工作同時耗用額度、重送驗證碼重設失敗次數、多人同時使用同一組驗證碼,以及驗證結果在過期或鎖定後才回來。作者也用 Go 範例展示如何在同一個原子操作中檢查期限、鎖定狀態並消耗驗證碼,確保只完成一次授權。實際部署還要在共用資料狀態中保留嘗試紀錄,並把驗證碼消耗和登入結果一起儲存;單靠簡訊服務的送達回條無法做到這些。
第一次開啟 DeepSeek Harness Web UI,任務輸入框可能是灰色的,因為畫面還沒有選定專案資料夾。雖然程式啟動時已有預設工作目錄,網頁仍要先知道這次工作要歸在哪個工作區;選好資料夾後,才能開始新對話。比如,資料夾必須真的存在,而且要先加入再選取;只看得到資料夾名稱還不夠。工作區會記下資料夾路徑和相關對話,方便按專案整理工作,但選了工作區不代表 AI 助理只能碰那個資料夾,執行需要核准的操作時仍要仔細確認。
RSS 通知常會在每次執行時重送整份動態訊息,讓 Slack 一直出現看過的文章。RSS & Atom Feed Monitor 會記住前一次看到的內容,每次只送出新專案;你可以定時執行,再用 webhook 或其他整合工具把結果傳到 Slack 等地方。第一次執行可以先列出最新專案當範例,之後也能用關鍵字篩選想看的內容。 例如,作者測試了 4 個來源,第一次共收到 12 個專案;再跑一次就沒有新專案,也沒有計入專案費用。這種工具適合一次追蹤很多網站、接進自動化流程的人;只追蹤少數部落格,用免費 RSS 閱讀器就夠了。RSS 只會提供網站保留的最新專案,太久才檢查可能漏掉較舊的新文章;沒有 RSS 的網站則可改用 Sitemap Monitor。
分散式系統有些錯誤很難重現,例如伺服器已處理轉帳,但回覆在網路上遺失,讓使用者端重試後又扣一次錢。作者示範用 Python 做一個小型模擬器,把時間、亂數和網路狀況交給固定 seed 控制,再用檢查規則確認錢沒有憑空增減、收款方也沒有多拿。找到出錯的 seed 後,就能反覆重跑同一種情況來除錯。文章也提醒,程式要把時間和網路等操作留給外部控制,並在 CI 中持續跑不同 seed;這種做法能幫忙找出一般單元測試不容易碰到的錯誤。
做祈禱時間、回曆或每日祈禱文的 App,常會遇到網頁被擋、每個人都重複下載相同資料,或資料來源暫時故障就什麼也看不到。這篇教學用約 100 行 Node.js 和 Express 做一個小型伺服器,先把資料存起來,再提供給 App 使用;它只接受清單上的資料名稱,每份資料快取 1 小時,資料來源故障時也能先拿舊資料應急。 例如,App 可以一次取得麥加的祈禱時間和晨間祈禱文;如果資料沒變,伺服器會只回覆「不用重新下載」,省下傳輸量。祈禱時間的範例資料固定是麥加某一天,只適合測試畫面,不能當成使用者所在地的即時時間;正式使用時,API 金鑰應放在伺服器。
被騙走加密貨幣後,假追回服務常趁受害者著急時冒充客服,要求先付費或交出帳密。作者說,騙子可能從外洩資料、公開貼文和區塊鏈紀錄得知受害者的情況;追蹤轉帳只能看出資金流向,不能直接把錢拿回來,凍結或扣押資金要由交易所、代幣發行方或執法機關採取行動。收到追回訊息時,可以先查寄件地址和官方聯絡方式,不要點訊息裡的連結;若對方索取加密貨幣、密碼、驗證碼或助記詞,就應停止聯絡並透過官方管道通報。
想買保暖外套、查車票或等特價時,光看一個價格常常不夠:衣服可能沒有合適尺寸,折扣也可能只在特定賣場,車票則會因為購票網站和日期不同而變價。作者把這些生活雜事交給 AI 助理查詢和追蹤,例如比較福岡到札幌的交通方式,也確認哪件外套真的買得到。過程中,AI 助理一度把朋友的行程當成作者自己的,提醒人要先確認「這趟是誰要搭」。這一天讓作者發現,答案常藏在不同網站、日期或表格欄位裡;把需求和條件查清楚,才能少踩雷。
想讓使用者貼上圖片網址,就能找出圖片裡的人臉,作者因此做了一個從畫面到伺服器都自己動手的 App。前端用 React,後端用 Node.js 和 Express,並加入登入、受保護的 API,以及圖片網址檢查;最後用 Human.js 在瀏覽器裡偵測人臉。作者也遇上套件設定、前後端連線和部署問題,靠讀錯誤訊息、查檔案和測試 API 一步步排查。這段經驗讓他學會,人臉偵測只是找出臉在哪裡,不能知道那是誰;而 App 能在自己的電腦上執行,也不代表部署到網路上就會順利。
用英文工作的時候,難的常不是寫程式,而是寫 Slack 訊息、PR 說明或客氣的工作郵件。這篇文章整理 8 款 Mac 工具:查單字可用內建的 Look Up;想先用自己的語言打草稿再轉成英文,可用 DeepL;覺得語氣太直接時,可用 Apple Writing Tools 或 Grammarly;長檔案可交給 Hemingway Editor 檢查冗長句子;不想慢慢打字,可以用 Wispr Flow 語音輸入;DraftKey 會接續你寫到一半的句子,Raycast Snippets 則能把常用訊息存起來,用關鍵字快速叫出。依照卡住的地方挑工具,就能少花時間重寫那些每天都會遇到的文字。
金融科技新創寄簡訊通知時,送出成功不代表對方同意收訊;如果把退訂紀錄蓋掉,下一封簡訊可能還是寄出去。做法是由自己的系統保留一份名單,記下收件人、聯絡方式、停止寄送的原因和證據,並在每次寄出前先檢查。像是同一個手機號碼先被判定無效,之後又傳來 STOP 退訂,即使晚到的送達回報顯示成功,也不能因此解除這兩項限制。 挑選簡訊服務時,還要確認各國的寄件人登記、收件人同意紀錄、退訂訊息多久能收到,以及 GDPR 資料處理條款。若服務靠定時查詢退訂訊息,就得確認整段處理時間符合需求;需要即時回覆時,這種方式可能不合適。把送達狀況和停寄原因分開儲存,才能說清楚為什麼系統寄了或沒寄簡訊。
AI 助理要替公司做事,光有模型和資料還不夠,還得知道公司的做事規矩、資料放在哪裡,以及該怎麼查。LangChain把這套整理流程稱為知識工廠:AI 助理工作時遇到缺資料或錯誤,可以先回報問題,再由背景執行的整理助理檢視檔案、資料來源和工作紀錄,更新相關指引。以營收報表為例,助理發現資料欄位改名時會回報,也能把財務主管提供的新格式要求整理進報表指引,讓之後的工作更順。LangChain建議從一項常做的工作開始,觀察 AI 助理卡在哪裡,再逐步補上缺少的知識。
推薦理由:LangChain以營收報表為例,說明如何讓AI助理回報知識缺口,再由整理助理依據資料來源與工作紀錄更新指引。
作者想看看只用 Three.js 和 Web Audio API,瀏覽器能做到什麼程度,於是做出免費開源的 3D 動作探索遊戲《Devayan: The Ten Drops of Amrita》。遊戲裡,玩家要解放十座聖殿、駕駛飛行船從地面前往軌道,並迎戰魔王。角色、寺廟和飛行船都是用程式碼組成,音樂與音效則由 Web Audio API 即時產生;爬升時,天空也會逐漸從白天變成太空,途中不必讀取新場景。作者分享這些做法,也提到希望改善新手路線、太空場景和低階裝置上的效能。
多臺伺服器同時故障、變慢或彼此斷線時,怎麼確保它們記錄的資料不會互相矛盾?文章用五個朋友共寫筆記本的例子,說明 Raft 和 Paxos 如何靠多數決確認每一筆資料;Raft 固定由一位領導者提議,Paxos 則允許多人提議,遇上同時競爭時可能拖住進度。文中也比較節點數和故障機率:每臺機器有 1% 的時間故障時,3 臺組成的叢集每年約有 157 分鐘無法達成共識,5 臺約 5.2 分鐘,7 臺約 11 秒。增加節點能降低失去共識的時間,但跨區傳送資料的距離也會拉長寫入時間。文章建議使用已有共識機制的資料庫或工具,並留意磁碟太慢造成的延遲。
推薦理由:文章用多數決與節點故障數字解釋 Raft 和 Paxos 的取捨,也連到跨區延遲與磁碟變慢時的實務影響。
Android AI 助理做短任務時看似順利,遇到手機上真正的多步驟流程,卻可能卡在彈出視窗或誤按重要按鈕。作者親自測試後整理出 5 種提示詞做法:限制重新規劃的次數、要求執行不可逆操作前先說清楚後果、每一步都檢查是否有中途跳出的視窗,並縮短系統提示詞、只保留畫面上看得到且能操作的專案。作者的 14 步測試曾在第 13 步被 Cookie 視窗打斷,這些做法可用來檢查長流程中的提示詞安排。
債券價格、到期殖利率和存續期間的公式看起來很難,作者把它們寫成 Python 程式,逐步算給讀者看。他用一張 5 年期債券當例子:票面利率是 7%,市場殖利率是 8%,所以價格低於面額。接著,他用程式反推出到期殖利率,並用存續期間估算殖利率上升 1% 時的價格變化,再和實際計算結果比較。兩者有差距,是因為存續期間把價格與殖利率的彎曲關係簡化成直線;作者也說,殖利率變動較大時,CFA 課程會加入凸性調整。
不同團隊各自改系統,常會碰到彼此的工作接不起來:例如銀行核心系統想在 4 月推出新狀態,數位服務畫面卻要到 5 月才能配合。這篇 TOGAF 系列文章用銀行開戶當例子,說明怎麼依照「誰有權做哪些決定」劃分工作範圍,再把跨團隊的資料意思、配合時間和檢查方式寫清楚。 例如,核心系統把「待處理」拆成「已接受指示」和「帳戶已建立、等待開通」時,舊畫面仍可透過相容方式把兩種狀態顯示成「待處理」,新畫面則配合新格式。團隊還要確認正在處理中的案件怎麼銜接,以及何時停用舊格式。這樣各隊能在約定範圍內自行改進,也能一起確認客戶看到的進度和服務流程沒有出錯。
基準測試可能說測了 10 間房,結果資料卻只有 9 筆紀錄;這不一定是數錯,也可能是其中一間房測試遭拒,沒有產生可評分的影像。StagingBench 的結果就有這個情況:12 個工具宣告測試 120 間房,實際房間紀錄共 119 筆,其中一個工具宣告 10 間,卻只有 9 筆紀錄,備註說明有一間遭拒。作者提供一段 Python 程式,比對宣告數和紀錄數,也整理參考資料的數量與日期。檢查時應保留差異和原因,不要把 10 改成 9,也不要補一筆不存在的測量結果;這樣讀者才能看懂哪些房間有實際結果。
標示為唯讀、受限或隔離的 AI 工具,仍可能因檢查漏掉特殊情況而越過防護。這篇整理了 crewAI、OpenClaw 和 LiteLLM 的安全公告:crewAI 的 SQL 檢查可能漏掉特定寫法,檔案路徑檢查也可能被相似路徑或連結繞過;OpenClaw 的受限 AI 助理可能透過設定變更開啟指令執行;LiteLLM 的無使用者虛擬金鑰可能看見其他團隊金鑰的部分資料,但不能取得或使用金鑰。crewAI 的問題已在 1.15.31 和 crewai-files 1.15.44 修正;OpenClaw 修正版為 2026.11.4 和 2026.10.33。作者建議用特殊 SQL、符號連結、許可權委派和跨團隊金鑰資料檢查防護邊界。
來電者要求找真人時,如果語音 AI 助理還追問問題,或轉接後讓人從頭再說一次,很容易讓人失去耐心。作者分享用 Twilio 和 TypeScript 設計轉接流程:一聽到明確要求就交給真人,並把來電者的需求、已查到的資料和處理結果整理成簡短口頭摘要,讓接聽的人先了解狀況。若真人沒接,系統會說明轉接失敗並建立回電工單;作者也提醒要防止重複撥號,並避免承諾無法控制的回電時間。
把付款判斷交給 AI 助理處理,光看它的說法或截圖,很難確認判斷有沒有照規則來。作者在自己的電腦上,使用 zkVerify Agent Games 賽事提供的電路檔案測試付款證明:符合條件的核準與拒絕都能產生有效證明;把收款人、期限、金額上限或餘額等條件弄錯,就無法產生證明。這表示驗證端能檢查判斷是否符合電路規則,但不能保證 AI 助理做得好,也不能保證結果正確或有價值。測試全在本機完成,作者沒有參加線上賽事,也沒有移動資金。
很多人以為帳號被入侵,是駭客破解了密碼;但有時只是有人把曾經外洩的帳號和密碼,拿去不同網站輪流試登入。Cloudflare 檢視它所保護的免費方案網站後發現,成功的人類登入中有 41% 使用了曾在別處外洩的密碼,而使用外洩密碼的登入嘗試中有 95% 來自機器人。這種拿外洩帳密到各網站試登入的做法,叫做「撞庫」。別在不同網站重複使用密碼,也可以在支援的地方改用通行金鑰,降低舊密碼外洩帶來的風險。
裝上修補程式,不一定代表攻擊者原本能走的路已經堵住。關閉 CVE-2025-42884 工單前,應確認受影響的 SAP NetWeaver Enterprise Portal 元件已找出,並在正確的支援套件層級套用 Security Note 3660969,再測試系統是否只允許連到核准的 JNDI 提供者。這個漏洞可能讓不用登入的攻擊者透過網路輸入,誘使系統連到未核准的位置,造成伺服器資訊外洩或遭修改;公開資料沒有提供可用的攻擊程式。 工單還應附上元件版本、修補與重新啟動紀錄,以及修補後的測試結果。ZoomEye 曾找到 71,948 筆 SAP NetWeaver 產品比對結果,但這不代表有這麼多系統受漏洞影響;還得查內部清單並實際確認。這提醒團隊,不能只看修補清單或網路搜尋數字就結案,必須留下證據,證明受影響的系統和連線方式都已檢查。
寫程式時,常要顯示訊息或處理別人輸入的文字;Python 會用字串來裝這些文字。你可以用索引找到某個字,例如從 Python 取出第一個字母 P,也能切出一段文字,或用 [::-1] 把字串倒過來。Python 還有 upper()、strip() 和 replace() 等方法,可以轉換大小寫、去掉頭尾空白或替換文字。字串不能直接修改其中一個字;想把 Python 改成 Jython,要組出新的字串。熟悉這些做法,就能更自在地處理文字。
OpenClaw 的 AI 助理出錯時,光看一般紀錄常常很難找出原因。ZizkaDB 會把每次對話中的訊息、工具呼叫和回覆串在一起,讓人沿著過程檢視發生了什麼,也能比較花費和行為是否改變。比如,團隊發現查詢出貨的工具有時回傳空資料,就能找出哪些對話受影響,再調整重試方式或回覆內容。 這些紀錄也能幫忙比較新舊模型或提示詞的差異,並檢查 AI 助理實際用到哪些工具。不過,ZizkaDB 只負責記錄和追查,不會阻止錯誤操作,也不會判斷內容是否惡意;要保護系統,仍得設定好許可權。熟悉紀錄、定期檢查,團隊才更容易及早發現問題,向客戶說清楚事情經過。
如果有人拿到你的個人資料,可能會冒用你的名字申請新的信用貸款。凍結信用資料後,貸款機構就無法調閱你的信用檔案,別人也就更難用你的名義申請貸款。美國消費者金融保護局表示,凍結不會影響信用分數,而且免費;需要申請信用時,可以先解凍一天,再重新凍結。這件事要分別向 Equifax、Experian 和 TransUnion 辦理。