2023 年，Meta 首席 AI 科學家楊立昆給當時的 LLM 熱潮潑了一盆冷水。 他指出 LLM 有根本性的缺陷：沒有持久記憶、無法從單一經驗學習、缺乏對物理世界的理解。本質上，它只是在做「下一個 token 的預測」。 從學術的角度看，他說得完全正確。 直到今天，LLM 的底層架構依然沒有變。它依然是一具每次啟動都空空如也的統計引擎。 但在三年的工程演進後，我們發現了一個讓科學家尷尬的事實：學術上的根本缺陷，工程上不一定要正面解決，繞過去一樣能起飛。 楊立昆主張要走「世界模型」的路線，讓 AI 像人一樣建立對物理規律的理解。他認為 Scaling Law（規模定律）有天花板，LLM 光靠堆算力不能產生真正的智慧。 但工程界用兩件事回應了他： 第一，資本的暴力美學。過去三年，人類往算力砸錢的瘋狂程度，讓模型規模產生的「湧現」直接蓋過了架構的粗糙。 第二，系統性的外掛補丁。模型記不住？掛上向量資料庫。模型理解不夠？接上 Vision 和工具。 這就是工程學最迷人的地方：解決問題不需要追求「本質的優雅」。 楊立昆在研究神經元的排列，而工程師在研究如何把這個「不完美的大腦」裝進一個強大的「機械外骨骼」裡。 楊立昆對 LLM 的核心批評，是他認為 Pattern Matching（模式匹配）不算真正的學習。 但如果這種模式匹配的複雜度足以模擬出文明的所有邏輯，那「學習本身到底是什麼模式」還重要嗎？ 飛機與鳥的飛行原理完全不同。飛機沒有羽毛、不會拍翅膀，但在它飛得更高、更遠、更穩定的那一刻，它到底「算不算在飛」已經不重要了。 但繞過去的，跟真的解決，是兩回事。 只要底層架構沒變，楊立昆講的那些缺陷就真實存在。記憶是外掛的，不是原生的。就像義肢，裝上去能走能跑，但它跟真正的腿就是不一樣。你不能假裝它不存在。 所以雖然 AI 已經很強了，推理、寫作、寫程式，很多事做得比大部分人好，但它每次都是一個全新的大腦。沒有連續的意識，沒有累積的經驗。它所有的「記憶」、「理解」、「偏好」，全部來自你這次塞給它的上下文。 如果你去看 OpenClaw 最近的 repo 更新，你會發現記憶管理佔了很大的篇幅。怎麼讓 AI 在對話之間記住該記住的東西。 他們最近推的 QMD，把關鍵字搜尋跟語意搜尋混在一起用，就是為了解決一個問題：你三天前跟 AI 聊過的東西，它下次怎麼找得回來。 模型本身的能力會繼續進步，但只要底層是 LLM，記憶管理就是一個繞不開的大山。 用工程的角度來說，就是 Context Engineering 的重要程度，會逐漸超過模型本身。 你怎麼管理每次丟給模型的那包上下文，決定了 AI 能幫你做到什麼程度。哪些資訊該放、哪些不該放。什麼時候該砍掉重來、什麼時候該接著繼續。不同對話之間的記憶怎麼同步、怎麼取捨。 我自己每天都在處理這個問題。 舉個例子，我的 OpenClaw Agent KAI，它常常在多個頻道處理不同任務，但它們的記憶不是即時同步的。只要 還沒更新，它們就不知道彼此剛做了什麼。 所以我常常要幫它做認知同步。譬如告訴 A 分身，B 分身目前正在做什麼，然後要求 B 把做的東西整理好傳過去。或者更簡單一點，直接叫 A 去讀另一個 Discord 頻道最近兩小時的對話，讓它自己同步 B 的工作內容。 這種「認知斷裂」的現象，只要你常用 AI，一定會有很強烈的感覺。 從人格化的角度看，你會覺得它們是同一個人。但事實上，它們只是共享同一份記憶。只要記憶沒有同步，它們就是不同的人。 我現在花比較多時間在學這一塊。譬如今天 KAI 就教了我，如果讓 Claude Code 的 Opus 4.6 從外部調用 GPT 5.3-Codex，用 MCP 跟 coding-agent skill 的差異是什麼。 KAI 告訴我，差異的核心在於：中間過程要不要進主 context。 用 MCP 調用 Codex，每一個 tool call 都走 MCP 協議。Codex 過程中的每一個 turn，讀檔、改檔、跑測試、報錯、retry，全部以 tool result 的形式灌回 Opus 的 context。一個 coding task 可能產生幾十個 turn，跑完之後 Opus 的 context window 已經被中間過程塞滿了，後面每一 turn 都要重送這些垃圾。這就是 context 污染。 而 coding-agent skill 的設計完全不同。它把整個 coding task 交給一個獨立的 sub-agent，這個 sub-agent 在自己的 context 裡完成所有中間過程。跑完之後，回傳給 Opus 的是一個精簡的 handoff summary：改了哪些檔案、測試跑過了沒、有沒有殘留問題。中間那幾十個 turn 的掙扎，Opus 完全不需要知道。 同樣一件事，兩種做法，Opus 的 context 乾淨程度天差地遠。 所以同一個模型，不同的人用，產出可以差十倍。 人與人之間原本的能力差距，已經沒那麼重要了。你的學歷、你的年資、你寫程式的底子，這些東西的權重正在被 AI 快速壓縮。 取而代之的，是你怎麼使用 AI。這件事的精度，才是現在真正決定產出的變數。 你理不理解它的記憶是怎麼運作的。你知不知道什麼時候該砍掉 context 重來、什麼時候該讓它接著跑。你能不能在對的時間，把對的資訊塞進那個 context window。 這些東西有一個名字，叫 Context Engineering。 它不是什麼高深的學問，但它是所有想把 AI 用好的人，都應該深入研究的東西。

終於！終於！終於！！！ 8強賽事在今天踢出了兩場90分正規時間內的平手，原本就是看好這四場平手是很正常的，因為8強算是沒有水分的交手，獨贏的賠率都是很香的，而莊家只有用和局才能橫掃獨贏的單，結果前兩場一場平手都沒有，讓我看得懷疑人生，難道真的實力懸殊這麼大？搞得自己連上來發文都沒心情。 但就在今天，舒服了，兩場全過，直接把前兩場的均注全 cover 還綠起來🥳🥳 ya~ 哈寶今天真的踢得悶，隊友不給力，沒啥好說的，賽前就買了他進球，結果這下連金靴都無緣… 接下來的冠軍門票戰，🇫🇷/🇪🇸/🏴󠁧󠁢󠁥󠁮󠁧󠁿/🇦🇷，誰能勝出呢？ 我自己的想法是，看金靴獎要給誰，誰就不是冠軍人選，過去的5屆世界盃，沒有一個金靴獎是拿到冠軍神盃的。 所以如果法國晉級，那阿根廷就一定出局；反之西班牙晉級，那阿根廷也一定會出線。 金靴獎姆巴佩和梅西都是8球並列，但助攻數是姆巴佩3次領先，兩位都各有兩場比賽能踢，就來印證看看會不會這樣發展😆😆 #FIFA# #冠軍賽門票# #預測市場#

台灣網友在脆發文： 來美國之後才發現，大家真的很愛聊天 去超市結帳，店員都會先問一句： 「How's your day going?」 第一天還很認真回答今天發生了什麼事。 現在已經變成：「Good, you?」 好像到美國的台灣人都是這樣？ 發現對方不是認真想問 只是打個招呼

拍過FC2無碼的同人AV有後果嗎？有碼界的資深製作人這麼說！ 雖然有碼無碼是兩個平行世界，在檯面上毫無交流，但片商M社的資深製作人「智子P」今天突然發文，她說已經看過好幾個例子，有幾位新人被大型片商看中給了專屬合約，然後拍過同人AV的過去暴露，接著⋯

從今天開始，發文要進入TRE模式了～ . 祝每位女優都順利抵達台灣！祝每位女優都大受歡迎！希望每個粉絲都玩得開心！ . #TRE2026在南港# #星期五盛大登場# #這是去年記者會的翦影# . 主辦單位 @TREtaipei

最近很懶的發文 一方面前陣子推特演算法真的很怪 一篇文章或投票才幾百人看 是發生什麼事🥺 這樣就會懶的發文修圖 乾脆自己看就好啦😂 不過偶爾還是更新一下好了 來發個久違的小短片😂🤣 大家訂閱愛心訂起來（誤）😅 突然發現今天是520 大家520快樂！