<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. 

1. 從一開始就要以英文作為預設語言來提問題與接續討論, 這樣的前提條件是因為Gemini提供給你的任何code 或是回應, 都需要驗證是不是幻覺, 尤其當你從沒有答案的前提下, 要求知就必須多組AI tool 來交互驗證, 然後同一組R code 或是 Python code都要試錯的空間. 

2. 習慣99%的回答都是失敗的. 保有創業家精神 Entrepreneurship 來盡量用100~200字以上的長文 Contextual asking. 當你在跟不管哪個AI提問時,其實就是在投資, 投資你的洞察Insight 與看法來提供發想的軌跡, 這個在Gemini 3出來之後基本上就可以極高成功率地獲得你要的第一份草稿, 只要花後面的CodeReview, 來把它裡面的bug慢慢修掉, 來得出適合的合理的結果. 

3. 盡可能的拓展自己的知識圈, 就像貢獻最多的人通常不是在會議上一句話都沒說的, 而是問笨問題的那幾個人. 溫良恭儉讓這就像是Boundary Condition困住了AI這個睡眠中的還不理解你的教授, 但是真正有加值的思維與模型, Edge通常都在不確定Uncertainty當中,尤其在新創公司的腳色上, 可以體驗說完全還沒有R&R(Roles and Requirements) 後, 沒有系統的邊界條件下, 其實會慢慢適應在混沌中體驗Beta的好處與甚麼資源都可以凹到下, 欠缺的就是能力到不到位而已 

4.習慣獨處與自己工作. 通常大部分的人都不懂你需要的是甚麼與任務所面對的難處在哪, 這要等到他真的穿進你的鞋子才可以理解, 英文有很大一部分幫助就是本身這個語言就是很直白的, 你只要敢講就可以, 沒有人會care. 但是在中文工作環境, 就很需要保持一定的面子問題(尤其儒家社會更是高情境語言, 還有謎樣階級).  

推薦的AI工具: Gemini, ChatGPT, DeepSeeek(中文最好但訓練這個模型的材料有嚴重問題), Qwen, XAi

VC Mindset來看個人的發展: