分而治之、Dogfooding

公司在數位化的同時，也在 AI 化，但這兩邊的磨擦感跟進度是不一樣的。

有的時候，我們可以自製程式或系統，裡面同時把 API、MCP都做出來，為的是建立日後可重複使用、可串連的foundation。

有的時候，我們也還是陷在有大量資料沒有從隱性知識 (tacit knowledge)成為數據，甚至還是在非常原始待整理的階段。

這很像是我在學習 AI 的過程：

有時候跑的很前面，在讀 recursive language model 遞迴語言模型的論文，讓AI把它做成一個可實際運用的SKILL。

有時候必須很狼狽的，坐在電腦前好幾個小時，盯著螢幕把上萬筆的資料做人工標註，只為了讓它能夠進到足以被AI接手處理的階段。

在不同的事件裡，都是得這樣來回跑、掙扎、妥協。

一次的小勝利，可能留下了後面還是得處理的技術債，只是當下得必須前進。

一次的大失敗，可能留下的是後面用來改善的基礎，很多時候過去做的大小專案留給自己的經驗，變成目前不斷往前的動力和靈感。

每個SKILL、MCP、網站、系統、簡報、數據分析，我都將它們存成各自獨立的專案目錄。

這樣分門別類後，在每個階段都會有些契機，需要將它們重構或是升級，來符合目前的做事方法或是專案進度。

包含了 OpenClaw、Hermes 這樣的autonomous agent，除了跟他們對話以外，也需要用這樣的流程，來培育或是訓練它，在有必要的時候，也得修改它的架構，來降低那個使用上的 friction。

▍簡單的takeaway 

Claude、Codex 這樣的 coding agent 能做到的，比寫程式更多。

我也將它用在製作簡報、財報分析、動畫影片、設計網站、做landing page、策略研究等等，它是一個入口/介面，背後的大語言模型是頭腦，搭配各種Tool Use，它可以做到的事將近無限。

別讓過去的印象或是職務角色的意識限制住你的想像力。 (這也是我對自己說的)