(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)

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

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.