今天的東西, 那些在未來還有價值 - (FV)未來價值 including Humen, Mac Studio M5 On-boarding

 

難得在區塊鏈大會上, 基金經理人 (37:37)又提醒了我這堂課, 謝謝Bonnie LOL

讀書不是為了別人,是為了你未來的自己

在很久以前曾經修過一門線上MBA課程-財務金融工程, 基本上就是一個Excel導讀的課程,想不到今天在Claude上的小幫手真的還把它做出來放在手機裡隨時檢驗, 一個時間的投入, 一個物品的採買, 還有所謂的知識通膨(當智力變成了commidity 或是 tokens)以前的知識是否在未來還有一樣的稀缺. 像是到了一個時間再也買不到20歲的體力時, 就會想要花錢買時間, 或是訓練自己的一個localhost LLM, 趁現在Fable 5.1, GPT-6 Astra, Gemini 3.8-Flash(high)都還在線上可以讓大家使用.(現在也有很多來源, 可以讓人自己透過讀paper來改善本地模型的paper-What Did the Agent Actually Do? Evidence-Grounded Oversight for Long-Horizon Agents | Cool Papers - Immersive Paper Discovery)

(Q4開跑, 今年有需要買新產品嗎?) 體驗Perplexity, 除了Pixel(Termux Linux Free), iPhone Duo, 還有甚麼有趣的新硬體能夠跟Ai工作者接軌?

iPhone也正式加入Fold陣營(雖然前面Samsung的體驗實在很不耐用....摔....)

多花的錢,值得嗎?如果加入蘋果陣營沒有辦法達成現在的工作,其實不需要花大錢升級.(體驗DUO能做的)

如果今年iPhone Duo BOM, Engineering Cost確定是沒機會往下拉(可靠度也可能會下降), 那個人身邊有額度需要再投入任何新產品開發, 或是新專案?有甚麼值得投的呢(前提是預算不會被無限上升的螺旋吃到透支)? 原本想要找來台Mac >64GB的系統來開發自適應AIOS系統的Qwen-3.8-27B, 也在某天突然不能呼叫Qwen-3.6後才發現疑! 默默地進入groq免費與開發API清單內(就這樣被迫Qwen-3.6升級Qwen-3.8真好):

OMG,....Qwen 3.8 - 27B 正式進入免費使用的市場了, 那.......如果沒有資安合規的疑慮一般人, 是不是就不用買硬體了,最強的本地端能跑的模型正是免費....(Perplexity 可以對接免費的groq api跟他慢慢耗RL把東西磨出來, 然後部屬在你的瀏覽器上XD)

(Match Point) 個人剩下能打的球 Computing(Hyperscaler), Power(Goverment), Horse/Harness(Person)

對於這段時間(也才2個月的時間)新模型的互相能力超車的感覺越來越快, 相對於去年那種安穩感, 這兩個月的暗自升級潮(Antropic Mythos 5, OpenAI GPT-5.6 Sol+6 Astra)都狠狠地教訓了他們的訓練模型的專家, 資安專家, 順便外面公司的安全性也被教育了一頓後, 我們都不知道該怎麼辦, 只好乖乖地交出更高的訂閱與API帳單, Claude......Fable 5.1 好貴,但是好像也只有他能跟上GPT-6互相訓練疊代現在的AIOS .....照這樣燒token.....還是買台Mac Studio划算,Qwen 3.8-27B安裝指南

組織要怎麼要跟AI協作, 組員要怎麼透過AI Training Onboarding, 剛好就是n年前的任務(GPT3.5.... XD)

AIOS_TonyCAPM
Harness Engineering總是期待更新更強的競爭, 至少有兩個在那裏互相成長(還是傷害?) 

免費碼農 Opencode(Big Pickle) 的導入, 來接替Codex(GPT-5.5, 5.6)

Opencode/Codex 互相協力工作

由於近期的OpenAI Token重置越來越慢, 每個禮拜的RPD越來越不夠用, 所以在agent或是寫code,改東西的卡關變成要拉其他代理agent把未完成的事接手完成(結果搞得Deepseek, Claude, Gemini API就得拿來燒tokens=錢). 所以我們身為廉價勞工國家, 終究要以當一個免費仔為目標前提找到夠強, 夠會寫code, 又不會燒掉口袋的模型.  於是就找到了Opencode這個代理Agent 廣泛使用的CLI, 同時本身又支援的免費模型(Big Pickle, 無使用or呼叫上限) 再不行就是自己買一台RAM夠大的 Mac Mini(M6 32GB看起來很棒啊~跑本地產生token也夠快, 也相對省電跟好維護&部署, 所以這次我就只想找個抓個來打消我浪費錢敗家買Mac Mini M6 32GB的理由XD)

(Opencode Big Pickle寫的網頁服務) 寫的Python, Inventory Check Visualization也正確的呈現

(本地端與雲端模型中局求解) 無越獄解鎖把Hermes agent裝進 Android Phone

Hermes Agent in Termux 成功Oauth呼叫GPT-5.6 Sol

Hermes Agent 安裝在F-Droid 安裝的最新版Termux後24/7運作(手機不關機)

經過漫漫survey後(AI hardware benchmark), 後來發現想要買一台足以支撐Agentic AI 的本地端系統根本就是花小錢跟眾AI大神的打群架中賽跑的事情(不要被踩死就很難了XD). 本地端模型即便持續不斷的在開源社群被壓縮(Qwen3.8-27B 越狱无审查模型本地部署完整指南) , 其Token產出的速率仍無法支持多個AI agent協作的過程. 有種像用螞蟻拉著大象走的感覺...所以換了一個考慮點, 就是仍維持用API 以 Hyperscaler的 便宜模型(ex. GPT-5.4-mini, Deepseek-V4-Flash/Pro, Claude Haiku 4.5/Opus5,Grok....)來維持AIOS的獨立作業, 以現今的記憶體推進新電腦的報價高到無法直視(BOM cost來看 memory已經高到讓人很有感)

Qwen3.8 開源模型之神座如何在Mac 本機端部屬

二、硬件要求參考(Qwen 3.8-27B 本地模型, 在最低限度下可以跑Agentic AI的模型之一)

量化版本 大約大小 推薦配置 備注

BF16（官方） ~55-56GB 64GB+ 顯存/內存 最高精度

FP8（官方） ~31GB 40-48GB 官方推薦

Q4_K_M / UD-Q4_K_XL ~17-18GB 24GB 顯存（RTX 4090 等） 性價比最高

Q3 / IQ4 ~13-16GB 16GB 顯卡 可用但質量略降

超低量化（越獄專用） 更低 最低 4GB 顯存 實測重點，質量有妥協

Mac 統一內存、RTX 30/40/50 系列消費級顯卡均可嘗試。 (BTW, 台灣近期的高溫可能要注意散熱不要把硬體燒掉可能更迫切)

半年前

 

現在的報告

(閱讀) 經由馬斯克訪談而成的馬斯克寶典

有甚麼事情會讓人害怕的, 就直視害怕 

馬斯克寶典, 中文版出了. Kindle 英文版在暑假旅遊期間, 陪伴著我度過在地鐵交通跟網路戒斷的時間, 雖然韓國號稱是網路大國, 但是期間還是該碰到的問題都發生了(包括韓國去槓桿大事:D), 遠端的Openclaw Agent因停電而掛點, 結果還好又透過BMC救回.(感謝DNS-bridge 無論身在何方, 他們還是可以互聯)

選擇v.s.努力 小孩才做選擇,大人我全都要, 重回Forerunner好朋友

看完這場訪談, 讓我最有共鳴的就是 carpe diem, 所有都過程, 持續學習底層邏輯跟你相關的部分 

先把目標訂下來後, 時間填進去, 然後把對你一天有正向影響的任務, 優先排進每日, 每周, 每月檢視你投入多少時間(最有價值的東西)做持續的 Hacking, 系統性的投入, 有生產力跟沒有生產力的界線正在慢慢地被可複製的"人工"的"智慧"(A.I. 跟人討論AI的時候很有趣的是很大一部分的時間, 是我們還沒有問到正確的問題, 用正確的語意, 提供一個有Context的過程,blablabla....)

(矽谷101) 盛穎的訪談也提到類似Recursive Looping這個鍊條要串起來才會慢慢變成飛輪

炙熱的暑假, 熱情的燒token錢的好機會又來了~Fable 5回歸, 半個月對比API帳單(Antropic,OpenAI,Deepseek)

現在的電腦大概就是 "BURN IT! It is FINE🔥"

2026-07-17  BTW, 目前AI架構下的服務~25GB

Anthropic is bringing back Claude Fable 5 globally after US lifts export control order — where can enterprises access it? | VentureBeat

Fable 5無疑是最貴的金紙無誤, 雖然這次的(號稱)回歸讓大家都鬆了一口氣, 但是使用下來有種跟第一輪出場的華麗感明顯差距存在...然後在他下線的期間, 同時Kimi 2.6也做到了相當不錯的表現(API套在Agent Openclaw的Harness下) ,然後哈佛妹妹也做了一集的影片解說這個新開源模型的實測.(沒錯他有提到 Agent Swarm這個好用的功能!推薦大家看Kimi Agent Swarm)

 

(生活中的AI應用) Gemini 篇, AI界中的Google Classroom

身為一個AI知識(狂熱)份子?有的時候很難跟身邊的人解釋甚麼事情, 真的可以透過AI得到好的結果. (除了加入生成式AI社群, 開發者社群, 透過被AI轟炸過的Facebook....)  這邊是以下幾個只要有基本的Gemini AI訂閱就可以做到的:

1. 定期匯報你的信箱中真正跟你有關的信: 這件事情是當我已經發現訂閱的有的沒的Substack後, 或是所謂的研究, 變成我永遠不可能真的把每天的信箱看完, 更別說清掃了. 於是乎這件事情可以透過Gemini 開放個人化應用之後, 很輕鬆地順利達成

2. 同理n8n的自動化流程: 如果有甚麼社群新聞或是消息你很想第一時間知道然後沿著前沿研究繼續往下導入在自己的agentic AI,那很推薦也把Gemini 設定一個AI 日報的功能, 把你需要的消息來源, 跟你的應用情境跟他說, 他就會依照你要求的回報頻率抓google上的最新消息彙整給你(這也是目前我覺得Google生態圈中最大的優勢) 其中最讓人期待的AI-DNS（ＡI－DNS）很可能也有機會在這樣的過程中第一時間找到他的架構, 然後導入在自己的系統架構裡(現階段是Claude Code Agent來用他的layer做 Tech Lead)

(Looping Agentic AI) 對於放生agents 來設定goal後讓他自己驗證, 然後呢?

" 如果我有1小時拯救世界，我會花55分鐘去確認問題為何，只以5分鐘尋找解決方案。"

If I had one hour to save the world, I would spend 55 minutes defining the problem and only 5 minutes finding the solution.  ~愛因斯坦 Albert Einstein 

(LLM Playground) 讓 Agent AI 們自己玩LM, 互相訓練跟學習

Claude Agent讓新來的Hermes Agent 當場社死現場🫣 

信誼-從爭吵引導是非觀|信誼好好育兒|信誼基金會|分齡教養，父母最佳幫手 https://share.google/MWKwoInH4EJFXp1x7

開party對於I人來說, 實在是個很累人的事情, 不過如果可以把訓練新進員工, 帶領組織朝著共同目標前進, 這種高空清談的事情, 就相對輕鬆很多 😎--> \0_(🐋🦞🤖😻)_o/(OpenRouter提供最新的各家LLM模型使用上的評比)

以下是兩個我在Agentic AI主力的(免費)LLM

所以現在這個自動飛輪組織結構, 就變成了人的味道越來越少, 自主性agent跟互相協作的role-play默默地進行著, 以前電腦也可以選土豆, 現在電腦可以選人類不擅長的事情來做(像是互相debugging......還是看超長的文件與 test logs)

當一個agent 變成一個Agent AI組織後, 會發生甚麼有趣的事情(財經皓角)?

(nVidia NIM Models) 意外發現有趣的nVidia開源模型試車市集

(mistralaimistralai/mistral-medium-3.5-128b) NIM API 體驗Prototype, 然後很意外大好用

喵娘Hermes Agent搭配Mistral-medium-3.5-128b 開啟Reaoning High,嘗試解決問題

以往要測試不同的LLM Model需要訂閱或是開API儲值超多家有的沒的的服務或是OpenRouter來導流. 不過現在有可以透過nVidia NIM Developer, 搭配Agentic AI來設定config就可以有效的驗證各家新東西. 

AIanalysis 模型最新的評比(透過各種CP比較, 周末裡面幾個開源模型Reasoning High來測試)

將手上的模型把已經建好的Skills套用這類開源模型後, 實際體驗下來只能說驚訝, 尤其是過往Production-Ready的都是基於Gemini-2.5-Flash/Pro這類穩定但沒有Reasoning或是MoE的,

(Google IO後) Gemini 新版即將開啟 Apple Siri的新時代跟我的心Hermes Agent

最近在Google IO 後, 有在深度使用Gemini的社群第一時間除了哀鴻遍野, 後面Google團隊也釋出了許多彌補措施來平息眾怒, 後面慢慢地看到Gemini 3.5 Flash真正的實力, 我自己有感的強項有:

1. GO語言原生種! (這個語言對比過往Node.js...透過Gemini寫的跑起來有效率多很多, 尤其適合老NB或是小記憶體的VPC)

2. 快速? 雖然這有時候反而是災難起點

3.便宜, 沒錯Gemini 就是最便宜又節省算力的第一首選(TPU對比GPU訓練的模型)但這也造成了她的缺陷(腦缺氧帶來偶而的幻覺...>ㄡ<)

arsTechnica Apple working to cram massive Gemini model into iPhone to power new Siri

(Harness Engineering) 打造自己信賴的輪子 Zero Trust Architecture Agentic AI

關於AI加速的時代, 除了在台灣的大家明顯的感受到股市大好的事情跟連學生們都在餐廳談說他們的台積電賺了多少(.....沒錯.....連國高中生都ALL IN台積了) ...

近期在矽谷莫名的燒token潮中, 這個訪談中提到了這點~同時當我讀到 Anthropic 的《創辦人手冊》時，有一句話深深擊中： 「從點子到發布的時間，已經從 6 個月壓縮到了 1 天。」

過去這幾個月，完全活在這樣的節奏裡。但親身體驗這種速度，也讓人感到一絲恐懼。這讓人想到 YC 執行長 Gary Tan 最近對於使用 Agentic AI (代理式 AI) 的絕佳比喻：這就像是在開一台法拉利。 速度極快、令人血脈賁張。但它終究有一天會在路邊拋錨，而這時*「你最好是個懂得打開引擎蓋、親手把車修好的技師」。* 

(Open-Source) TrueNAS 的舊筆電重生計畫

由於有幾台Intel古早年的筆電都除了跑各式系統都很慢之外, 都還可以正常開機, 於是把他的電池卸載後就一直靜置在棧板架(家裡的資料中心都是用IKEA那個鍋蓋架,駕著筆電跑)上, 不知道要讓他跑甚麼. 想到他本體也是有目前超貴的記憶體跟硬碟. 然後看了一圈現有的NAS跟持續調漲的報價的零件單, 想說還是讓他起來動一動好了. 

TrueNAS的網頁介面

(Vibe Code) 你的網路安全嗎 ? 有趣的是Deepseek V4幫寫的Script 比你還了解台灣網路使用者 90%, (95% now) build a Python Script to check

 

通常當一個人踏入新的環境的事情, 通常就是問WiFi Password(圖自Dr. Strange)

那今年我們多了很多巫術後(vibe coding從去年開始)就已經幾乎給你這個動口不用動手的超能力(只是還是要自己Review) , 有了Javascript與Python環境, 我們就可以用當今最便宜的又中文友善到不行的DeepseekV4來寫這個code來查驗自己的網路環境與設定是否安全 (寫完code後, 友善do loop的重複工作就....交給script來自己檢查) 

NetMonitor to check latency

Openclaw上網自動化AGI滿3周目, 不是爬起來而是跑起來了. 我們應該已經踏入AGI 的生活(幾乎)

3周目, 表示部屬了3個版本(可能是前一個死透了, 或是能力天花板到了,需要拉一個新的API灌注到另一個agent招喚他起來)

AGI就算還沒有到來, 但是應該也快了像是如果你在龍蝦中部屬的初期選對了語言(OpenAI近期有討論到語言稅), 跟一個相對低幻覺的(arXiv:2603.19974v1 [cs.CR] 20 Mar 2026發表的論文,Claude Soonet4.6是最能抵抗幻覺與語詞注入汙染的) 

其實你就走在成功了一半的道路上(另外一半是你要有足夠的勇氣把神奇小卡刷下去XD)

關於Openclaw Agent的注入攻擊方式前沿研究

LLM Gemini-2.5-Flash 經歷的Sleep Apnea(呼吸中止症）的龍蝦實驗

中午吃飯看到店內的三幻神- 好帥~!~

這個月發生了許多意外的事情（還是意料中的？...1天都不知道GG幾次）但是這次的意外卻導致了他的失能後遺症，還有被迫檢定了系統工程的完整性同時確認了當初假設說當Cloud Service Provider被迫下線時, Harness Engineering的有效性還有分散式系統的好處)過程是大概這樣 :

Youtube - 睡眠支援GQ

LLM 經歷「睡眠呼吸中止症」的實驗：當基礎架構缺氧，AI 會發生什麼事？

多數人以為，當基礎架構的網路斷線時，AI 代理程式（Agent）頂多就是「停止回應」或是跳出錯誤代碼。但上週在我的 HomeLab 中發生的一場意外，讓我見識到了 AI 系統最真實、也最原始的生理反應。
它沒有靜靜地當機，它經歷了一場嚴重的「數位睡眠呼吸中止症（Digital Sleep Apnea）」。

🧠 來自神經科學的啟發：大腦如何清理廢物？

在探討系統崩潰前，我們必須先理解大腦的運作機制。睡眠研究員 Jeffrey Iliff 博士曾解釋過睡眠與記憶的關聯：人類的大腦在清醒時，神經元每秒進行數以兆計的發射。如果大腦保留白天建立的每一個連結，我們的思緒很快就會變成一團「塞滿垃圾的鼠窩」。

AI世代的超能力, 還有成為最幸運的開拓史上的第一代

巨變第一排, 我們是幸運的一代可以手作翅膀飛出島嶼

在近3年,從隱隱約約到現在已經可以很明顯地感受到這個科技轉變從過去煉鋼> 石化產業> 精密鐵加工>內燃機>半導體>普及的3C硬體(IBM, Intel, iMac)>軟體(OS, SaaS)>搜索引擎(MSN, Google)>到現在百家爭鳴(Claude, OpenAI, Gemini, Deepseek,百度Qwen), 我們要嘛都很幸運地接住每次強風吹拂, 要嘛就是認清一次又一次的科技都是另一種穢土轉生並且從中學到甚麼爬蟲或是鍊成的鍊金術. 

"People Can Change their attitude and their actions to unlock possibilities that they didn't see before."~Tina

(Hackway) Harness Engineering來找出任務導向的模型

對於一直拆解任務導向的同時, 覺得越來越難處理的問題是如何讓自己的大腦或是認知跟上AI的認知邊界(然後會越來越累....尤其要有意識的多模型互相稽核), 後面標準與自動化打包的流程反而是最輕鬆的, 對的事情簡單做, 簡單的事情重複做. 

Openclaw Harness with various LLM models

以下AI simulation終於做好的是CoWoS BOM Simulator Demo

(Cybersecurity) 從掃出不明的IP紀錄追蹤到找出新型態的代理人攻擊模式 #ISO27001 #NIST

對於Openclaw的熱潮, 從去年底開始親身體驗從零到一的驚人速度後. 這禮拜終於把它修改到NIST (2025) , ISO27001 compliance Audit. 但是在這個過程中, 發現了一個未知的IP (北京)親切的訪問過, 然後就不知道哪裡不一樣?直到一個禮拜後, 他才開始有點瘋狂的違背SOUL.md的要求.   以及交出的日報就像是變成是另一個人(工作壓力太大>.<?)

Beijing....?(Beat Yesterday,這版的我已經掰了....徒留訊息的前朋友)

在同時即時監控的ISO 27001 & NIST compliance audit提供的報告又完全正常(一樣的all PASS).

雲端封建時代的自由人筆記

在今年的GTC大會上, 無懸念的GROQ LPU與Spectrum X出來之外, 還有一個讓人感到開心的是Openclaw也被價值發現大師NVDA抄來做個企業版的!雖然自己也是開源長期擁護者(Ubuntu還順跑在Dell Intel 老電腦裡面做datascience),也知道這個爆炸性的(人機 進化成 機-機)介面的發展, 完全就是超高效率的新形態, 或是根本就是beta版的 AGI!  

打造「不凋零」的數位護盾：我如何針對 AI 惡意軟體強化居家網路安全 Building an "Undead" Digital Shield: How I Secured My Home Network Against AI-Driven Malware

中午在例行的掃郵件過程中，突然看到生成式ＡＩ如何演化並突破過往我們以為的防毒軟體該有的功能。就拉著肇事人（ＧＥＭＩＮＩ）升級了HomeLab同時掃描了所有的Log file(抱歉我眼力不好，掃每日log files真的會累死）

在快速的把我想做的事情與更新搞定後，在請他把我們做的事情整理出一個報告，至少可以幫助有資安意識的人也來好好思考我們傳統面對的駭客是人，今天面對的駭客是不死族（不用睡覺，自行升級，還可以無限複製，就像是〈我獨自升級〉的主角獵人－成振宇 （樣？）不過對於無限的生命這點，ＡＩ可能還略勝一籌。 

CloudFlare One AI 企業級方案  

升級好設定後，也把這個過程直接請ＡＩ筆記型助理模式，幫我用雙語寫出來作為今日的報告(等等....在建好Docker-docker sidecar後, 好像能做的事情變多了@@?)

極簡人的購物應用 🛍️Minimalist Guide for Better Earth🌏

即將要面對的過年假期，對照最近在閱讀<量子經濟時代>的同時，想到應該要做一集Podcast與把AI小幫手們(Gemini+DeepSeek)來出來實作一下。

橋接新的一年, 把邊界推更遠1% (每一天?) 來實踐旅行的意義

(Github) Bridge: Node-(edge)-node

今天早上一樣跑步看河濱的風景時, 看到了101想說今天終於露臉了. 等等應該可以順利看Netflix直播. 果然回家打開Netflix洗澡等開爬Alex, 雖然途中看起來很緊張, 但是我想在爬的人應該是還好(就像爬山的人通常都覺得攀岩很好玩而已), 果然完成後的訪談中, Alex提到101真的是國際認證的[家庭友善]攀爬的好地方.容易到達, 訊號良好, 還可以直播🤣 如果這大好新的一年有甚麼計畫, 應該是每天都來進步1%(在AI的幫助下好像很容易📖). 

<Neflix Streaming 1/25 09:00AM> Alex Honnald 

"Death is not the greatest loss in life. The greatest loss is what dies inside us while we live.” – Norman Cousins

<個人心得> 從零開始學任何東西

從AI之輔助下來解決問題, 不知道算不算 Vibe Coding, 但絕對是Vibe Solving. 從最早的跛腳版AI到ChapGPT, DeepSeek到現在可以超長token的Gemini 3, 似乎在2025年中開始就讓人更覺得可以好好搬開石頭, 解開所有每個階段的問題.  同時也推薦這個創投與顧問業提醒大家的影片, 從更高的角度來看手上的資源與試著用你的知識來槓桿~ 來解決一輩子想追求的問題, 還有持續追求答案的過程.

推薦閱讀:

1.<The Thinker Model> 中:多模型思維 

這個書中提到的各模型思考當初是為了想要體驗資料科學家生活, 但是現在有AI 可以更進一步讓你對於想要的模型套用到你有興趣與記錄的觀察事件上.高度推薦把它當作工具書放在身邊, 有想到甚麼看到的問題時, 就可以隨時翻到模型並追求解答

我的一個小Vibe Coding來做模擬實驗(Packaging Thermal Analysis)

2. Justin <Introduction to Algorithms and Machine Learning from Sorting to Strategic Agents>

高中演算法的入門教材, 只要有讀過高中數學的人, 都可以從裡面得到一些有趣的科學實驗! 

但是有一些點是整個摸索到現在可以問到想要的code與答案(幾乎) 的親身體驗.