2026-07

閱讀時間約 21 分鐘

2026-07

Ingest 2026-07-06：2026-07-06-ihower-Harness-Engineering系列

觸發：使用者提供 ihower URL https://ihower.tw/blog/13721-harness-engineering，要求先挑出底下約 9 個相關知識文章連結，再做入庫並整理重點。已確認入口頁中的系列文章為愛好 AI 工程 Blog 9 篇 Harness Engineering 系列文。

新建頁（來源 10）：

更新頁（5 + index / log）：

  • Harness-Engineering — 補入四個 feedback 時機（tool response / mid-run injection / goal-outcome / outer loop）、Deep Agent 能力清單、框架選型與 Model-Harness-Fit。
  • Agentic-Workflow — 補入 Deep Agent 六項能力與全套 Deep Agent vs 基礎構建的 production 選型。
  • LLM-Evaluation — 補入工具層、單輪驗收與自我改進 harness 三種 eval 時間尺度。
  • Ralph-Loop — 補入原版 Ralph、Claude Code ralph-wiggum plugin、OpenAI Symphony、cron / heartbeat 與 goal-loop 分工。
  • MOC-LLM-應用設計 — 補入 Harness-Engineering 主軸與本系列來源累積。
  • index.md — 新增 2026-07-06 系列來源到最近 ingest 來源。

觀察清單同步：無新增條目。Model-Harness-Fit、Meta-Harness、Symphony、loopcraft 等暫由既有頁承接，等待第二來源或一手文件再評估拆頁 / 建 entity。

元命題：Agent 開發的核心不是一次 prompt 寫得多漂亮，而是在不同時間尺度上設計可回流的 feedback：工具回傳值導正下一步、request 間允許人或程式插入新狀態、turn end 用 goal/outcome 驗收是否真的完成、outer loop 則把跨 session 的觸發與進度搬到 context 之外；harness 本身還要能被 eval 驅動改版，並隨模型能力與任務分布調整。

Ingest 2026-07-07：2026-07-07-小Lin-AI巨頭資本混戰

觸發：使用者提供 YouTube 影片 https://www.youtube.com/watch?v=OcKl98ZQbMQ 與逐字稿 / 摘要，主題為 AI 巨頭之間的投資、算力、晶片、雲與資料中心合作關係。

新建頁（2）：

  • 2026-07-07-小Lin-AI巨頭資本混戰 — 來源頁；整理影片的四層 AI 產業鏈、OpenAI / Anthropic 資本焦點、Stargate / 算力承諾、NVIDIA / AMD / Broadcom / 雲商合作與系統性風險 caveat。
  • AI算力資本循環 — 概念頁；把大模型公司、晶片商、雲商、資料中心商與投資人之間「股權投資 + 算力採購 + 權證 + 雲服務合約」互相綁定的循環獨立成概念。

更新頁（6 + index / log）：

  • MOC-LLM-應用設計 — 補入基礎設施 / 資本層，讓 LLM 應用設計不只看 prompt、context、agent、eval，也看模型供應商背後的算力成本與供應鏈。
  • OpenAI / Anthropic / Google — 僅加入此二手來源對其算力與資本位置的描述；具體金額、持股與條款保留待一手文件校準。
  • 小Lin說 — 新增第 20 支來源，開出 AI 產業鏈 / 算力資本軸。
  • index.md — 新增 AI算力資本循環 與本來源到導覽。

觀察清單同步：無新增條目。NVIDIA、AMD、Microsoft、Amazon、Oracle、Broadcom、Meta、SpaceX / xAI、SoftBank 等 entity 仍等待一手公司資料或第二來源再建頁。

元命題：AI 產業的投資不只是股權敘事，也是在鎖定未來算力訂單、晶片需求、資料中心使用權與雲服務容量；它降低單家公司押錯邊的風險，但可能提高整個產業在需求落差、融資壓力或基礎設施瓶頸下的系統性風險。

Ingest 2026-07-11：2026-07-11-閱讀前哨站-焦慮的意義

觸發：使用者提供 Reading Outpost URL https://readingoutpost.com/the-meaning-of-anxiety/，主題為《焦慮的意義》讀後心得與超級歪訪談。

新建頁（2）：

  • 2026-07-11-閱讀前哨站-焦慮的意義 — 來源頁；整理世俗化、自由選擇、資本主義、社群媒體、階級流動、創作者演算法壓力與「和焦慮共處」。
  • 焦慮 — 概念頁；把焦慮整理為面對未來不確定性、自由選擇、價值風險或社會結構壓力時的警覺訊號。

更新頁（6 + index / log / 觀察清單）：

  • 情緒調節 / 自我同理 — 補入焦慮不只是個人缺陷，也可能提示重視什麼與哪些環境條件正在施壓。
  • 自我認同 — 補入自由選擇與身份自決如何放大焦慮。
  • 消費主義 — 補入資本主義與社群比較如何把外貌、身材、婚戀地位與階級流動壓力轉成焦慮市場。
  • 社群推薦演算法 — 補入創作者面對黑箱曝光、追熱門、更新頻率與市場評價的焦慮。
  • MOC-心理調節 — 將 焦慮 納入情緒與念頭處理核心頁。
  • index.md — 新增 焦慮。

觀察清單同步：新增 焦慮的意義引用來源叢集，追蹤兩本《焦慮的意義》原書、超級歪完整訪談、齊克果焦慮脈絡、社群媒體心理健康與創作者平台壓力研究。

元命題：焦慮不是單純要消滅的壞情緒；它同時是未來風險、自由選擇、身份價值與社會結構壓力的提示。成熟的調節不是把焦慮清零，而是把它降到能行動的溫度，讀懂它指向什麼，並分辨哪些可由個人準備、哪些需要改變環境或集體規則。

Ingest 2026-07-21：2026-07-21-Jeremy-自媒體賺不到錢6大地雷

觸發：使用者提供 YouTube 影片 https://www.youtube.com/watch?v=rhfRROR7Mh0 與逐字稿，主題為自媒體經營 0→1 的成功條件 / 失敗地雷。

新建頁（1）：

更新頁（8 + index / log）：

  • 個人品牌 — 補入自媒體成功條件檢核：相信可行、專業 / 魅力、資源順位、快速迭代、自主思考與形式適配。
  • 內在動機 — 補入創作者動機與資源順位：不只是想做，而是是否願意在低回報期投入時間、資金與心力。
  • 領域知識 — 補入專業度 / 個人魅力作為內容信任底層，行銷只能放大真實能力與特質。
  • 內容策略 — 補入內容形式適配與快速迭代；文字、短影音、口播或聊天式鏡頭感要依創作者特質選擇。
  • 變現 — 補入流量承接反例：粉絲破萬若沒有產品 / 服務 offer，仍無法自然變現。
  • 創作者經濟 — 補入 0→1 起步期的個體條件與產品 / 服務承接問題。
  • MOC-個人品牌 / MOC-創作者經濟 — 補入本來源作為 Jeremy 系列自媒體方法論的第二筆來源。
  • index.md — 新增本來源到最近 ingest 來源。

觀察清單同步：無新增條目。自媒體成功特質、我是Jeremy 斜槓我和你、Cathee / 阿克 / 白董 / 家虹等案例都暫由既有頁承接，不建薄頁或 entity。

元命題：自媒體從 0 到 1 的瓶頸不只是「知不知道正確方法」，而是創作者是否具備足夠的動機、能力、資源順位、迭代速度與方法適配；方法只有在一個能持續執行的人身上才會變成結果。

Ingest 2026-07-25：2026-07-25-Benzi-不玩手機的10分鐘

觸發：使用者提供 YouTube 影片 https://www.youtube.com/watch?v=RZO2T91ALw0 與逐字稿，主題為不玩手機的 10 分鐘內可做的小習慣與人生回報率。

新建頁（來源 10）：

更新頁（6 + index / log / 觀察清單）：

  • 原子習慣 — 補入 10 分鐘行動窗口：用低門檻小行動替代滑手機預設迴路。
  • 大腦狀態管理 — 補入喝水、短午睡、整理桌面與寫明日待辦作為短時狀態切換。
  • 社會財富 — 補入主動聯絡朋友作為關係資產的低成本投入。
  • 身體財富 — 補入水分、短午睡、運動與姿勢監控作為微型身體維護切口。
  • 自我效能感 — 補入 10 分鐘小行動完成後的掌控感證據。
  • 本子在隔壁-Benzi / MOC-心理調節 — 補入 Benzi 的生活小習慣 / 關係補給 / 身體狀態管理主題軸。

觀察清單同步：新增 10分鐘習慣與幸福研究引用來源叢集，追蹤影片二手提及的關係、孤獨、喝水、午睡、姿勢、視覺雜亂、睡前待辦、運動與草裙舞 / 血壓研究，供後續一手來源校準。

元命題：10 分鐘的價值不在於一次完成大改造，而是在空白時間中替手機預設迴路插入一個可行替代動作；每次聯絡人、喝水、休息、整理或運動，都是把生活重新推回可選擇狀態。

補充 2026-07-25（yt-dlp / cookie）：Tony 追問是否可用 yt-dlp 並指示保存 cookie。Mac 通用助理已匯出 YouTube cookie 給此 runtime；小B 將 cookie 檔權限確認 / 修正為 600，但 cookie 本體不寫入 vault、不貼 issue、不上傳附件。來源頁已補入 metadata：發表日 2026-07-23、片長 10:24（624 秒）、頻道 ID UC-J5ksuTsGzqAbemiLRgcSw、uploader id @benzi2662，並保留 yt-dlp 仍可能出 bot-check / no-formats warning 的 caveat。

Ingest 2026-07-28：2026-07-28-MCP規格Release-Candidate

觸發：使用者提供 Model Context Protocol Blog URL https://blog.modelcontextprotocol.io/posts/2026-07-28-release-candidate/，要求加入知識庫。

新建頁（1）：

  • 2026-07-28-MCP規格Release-Candidate — MCP 官方 2026-07-28 specification release candidate 來源頁；整理 stateless core、HTTP routing / caching / tracing、Extensions framework、MCP Apps、Tasks extension、authorization hardening、JSON Schema 2020-12、feature lifecycle 與 deprecation policy。

更新頁（2 + index / log）：

  • Model-Context-Protocol — 從原本「agent 連工具 / 資料源」定義，補入 2026-07-28 RC 的 production protocol 演進：移除 protocol session、改用 _meta 攜帶 request context、加入 Mcp-Method / Mcp-Name routing、cache scope、Trace Context、extensions framework 與 feature lifecycle。
  • MOC-LLM-應用設計 — 在協議層補入 MCP 由工具連接標準往 production HTTP infrastructure / extensions governance 演進的來源。
  • index.md — 新增本來源到最近 ingest 來源，並更新 Model-Context-Protocol 摘要。

觀察清單同步：無新增條目。MCP Apps、Tasks extension、MCP Extensions framework、conformance suite 先作為 Model-Context-Protocol 與本來源的未來累積方向；等有 SDK migration、host implementation 或第二份一手生態來源時再評估拆頁。

元命題：MCP 2026-07-28 RC 的重點不是多幾個 tool schema 欄位，而是把 agent-tool 協議推向可營運的 production substrate：stateless request、可被 gateway 理解的 headers、可 cache 的能力列表、可追蹤的 trace context、可獨立演進的 extensions，以及可預期的 deprecation window。

Ingest 2026-07-30：2026-07-30-閱讀前哨站-獨創現場力

觸發：使用者提供 Reading Outpost URL https://readingoutpost.com/creative-onsite-power/，主題為洪震宇《獨創現場力》讀後心得與訪談整理。

新建頁（2）：

  • 2026-07-30-閱讀前哨站-獨創現場力 — 來源頁；整理 AI 時代走進現場、S.M.A.R.T 框架、耳麥 / 綠的家具 / 南橋肥皂案例，以及臥底思維、概念思維、劇本思維。
  • 現場力 — 概念頁；把現場力整理為走進真實情境、觀察人 / 環境 / 情緒 / 限制，找出值得提問的問題，並把洞察轉成可被感受到的方案的能力。

更新頁（7 + index / log / 觀察清單）：

  • 產品洞察 — 補入 S.M.A.R.T 現場力框架，強化情境、顧客感受、提問、再定義與方案轉化。
  • 使用者研究 — 補入現場力作為研究進場態度：到真實情境中觀察行為、情緒、生活動線與被理解的需求。
  • 設計思考 — 補入現場力作為 Empathize / Define 前段：找解法之前，先確認自己是否在真正的問題現場。
  • 服務設計 — 補入服務現場中的情緒、信任與生活動線判讀。
  • MOC-設計思考 / MOC-UX / MOC-產品管理 — 補入本來源作為設計思考、UX 研究與產品 discovery 的交界來源。
  • index.md — 新增 現場力 與本來源到導覽。

觀察清單同步：新增 獨創現場力與洪震宇方法論引用來源叢集，追蹤《獨創現場力》原書、《精準提問》新版與原書、洪震宇完整訪談、地方創生 / 社區共創案例，以及 field research / service design / design ethnography 一手來源。

元命題：AI 可以快速整理資訊，但真正的差異化問題定義仍需要人回到現場，讀懂情境、情緒、限制與被理解的需求；現場力把「找答案」前移成「先找到值得被提問的問題」，再把洞察轉成使用者能感受到的方案。

Ingest 2026-07-30：2026-07-30-VK-Make-Something-Wonderful

觸發：使用者提供 Substack quick-create URL https://substack.com/home/post/p-208975827，要求 add。該 URL 重新導向至 VK 科技閱讀時間文章 https://vickyho.substack.com/p/make-something-wonderful；metadata 顯示 title Make Something Wonderful、author VK、published 2026-07-30T02:01:40+00:00。

新建頁（1）：

  • 2026-07-30-VK-Make-Something-Wonderful — 來源頁；整理 Aki TPM / AI 文章、Steve Jobs 流亡期、Will Guidara service / hospitality、TableIQ / Founder-Opportunity Fit 業配案例與 task / beyond task 的人機分工。

更新頁（4 + index / log / 觀察清單）：

  • 普通人的老闆化 — 補入 task / beyond task 邊界：委派任務之前要先判斷哪些事能交給 AI，哪些事仍需要人負責意圖、情境感與是否讓對方被看見。
  • 領域知識 — 補入「搬運 / 彙整 / 服務型 task」與「風險邊界 / 脈絡 / 市場需求 / 對方感受」的分工。
  • AI輔助創意 — 補入內容工作中的意圖邊界：AI 可降低資訊傳遞與草稿成本，但題目選擇、時機感與讀者感受仍由人負責。
  • MOC-LLM-應用設計 — 補入本來源作為 LLM 應用層 task / beyond task 分工來源。
  • index.md — 新增本來源到最近 ingest 來源。

觀察清單同步：新增 VK-Make-Something-Wonderful引用來源叢集，追蹤 Aki TPM / AI 文章、Steve Jobs in Exile、Will Guidara Big Think 影片、TableIQ / Founder-Opportunity Fit / Christina Wallace 等一手來源；本次不新建 VK、Aki、Will Guidara、Steve Jobs in Exile、TableIQ、Founder-Opportunity Fit 等薄頁。

元命題：AI 壓低的是可定義、可驗收、可重複的 task / service 成本；人仍要保留的是判讀脈絡、設定風險邊界、理解市場與他人感受，以及帶著具體意圖做東西。人機分工不只是「AI 做、人檢查」，而是先決定什麼可以被任務化，什麼不該被任務化。

Ingest 2026-07-30：2026-07-30-閱讀前哨站-AI判斷力

觸發：使用者提供 Reading Outpost URL https://readingoutpost.com/does-ai-steal-your-judgment/，主題為瓦基與周慕姿對談 AI 使用邊界與判斷力。

新建頁（2）：

  • 2026-07-30-閱讀前哨站-AI判斷力 — 來源頁；整理文章 metadata、成果 / 過程 × 內在 / 外在分界、好摩擦 / 反對票、心理安全邊界與代打 vs 陪練。
  • AI陪練 — 概念頁；把 LLM 定位為提問、反對、排練與回饋的協作者，而不是替人上場完成思考與決策的代打。

更新頁（4 + index / log / 觀察清單）：

  • Prompt-Engineering — 補入 prompt 前的任務姿勢判斷：先分清成果 / 過程與內在 / 外在，再決定 AI 要代辦、整理、反問或陪練。
  • 知識喚醒 — 補入 AI 陪練作為喚醒隱性判斷的互動模式。
  • 領域知識 — 補入「判斷力不會被 AI 自動偷走，但會在目的與界線不清時被交出去」的分工命題。
  • MOC-LLM-應用設計 — 補入本來源作為 LLM 應用的人機互動姿勢來源；與同日 VK 來源的 task / beyond task 分工互補。
  • index.md — 新增 AI陪練 與本來源到導覽。

觀察清單同步：新增 AI陪練引用來源叢集，追蹤周慕姿完整訪談 / podcast、Tristan Harris AI 討好與留存設計來源、Paul Graham AI 與思考 / 寫作原文、AI chatbot 心理危機案例、OpenClaw / 養龍蝦脈絡與瓦基 AI 課程材料。

元命題：AI 的風險不只是「輸出錯」，也包含人在目的不清、狀態不穩或只追求效率時，把問題定義、價值排序與最後判斷交出去。成熟的人機分工不是一味自動化，而是分清哪些工作要代辦、哪些工作要陪練；判斷力是在自己反覆揮棒、被回饋、被反對、再修正的過程中長出來。