X 近日疑似啟動了 Grok AI 自動審查機制，開發者聲稱目的是為了清除機器人帳號，並炫耀每分鐘清除了200多個帳號的成績。然而結果明顯導致了全球大量正常用戶的帳號遭到停權，大量疑問貼文湧現在各大平台，但 X 至今仍未對此作出回應。 停權理由中的絕大部分人都是被以「虛假行為」為由停權，部分用戶雖能成功解除處分，然而卻有包括我在內的非常多人，在被 X 官方回以「此帳戶將不會恢復」後，失去了唯一正規的申訴管道，帳號只能就此報廢，新帳號也必須換個名字來規避再次停權。 這些被停權的帳號，有的人根本沒在用、有的人已經使用了十幾年、有的人一直都像你我一般點擊轉推與喜歡、有的人甚至多達上萬跟隨，卻都被 AI 無事前警告的直接停權，而運氣不好還無法挽回，造成尚未被停權的用戶們也人心惶惶。 除了浮濫停權外，申訴機制幾乎可以確定已經發生嚴重故障，無論郵件內容寫得怎麼樣，能否解除停權成功似乎是隨機結果。但也有被通知「帳號已恢復」卻仍持續被停權的荒謬情況。 至今，已經有人試過直接撥打 X 公司電話（要求使用表單且不受理），或寄出紙本信件至 X 公司（但他們不收紙本信件）等方式，卻都無效。 目前個人正在透過非營利組織「美國商業改進局」（Better Business Bureau，BBB）的消費者調解管道，由這個組織代為轉交申訴信，而他們要求 X 公司在十天內回覆。不過，由於這個組織並非政府單位或執法機關，X 公司並無回覆義務，因此可能實際功效會跟前面幾個方法一樣沒用 ... 最後，這次事件很有可能只能等他們良心發現，中止這個錯誤決策並好好的補償恢復所有帳號，不然可能只剩下法律途徑能走了。

博士班將畢業要上就業市場的時候，我聽從了當時正因為Freakonomics火紅，芝加哥大學教授Steven Levitt公開的建議，取了個美國化的名字。他說他都這樣建議他為數眾多的國際學生這麼做，因為他的研究證實，「名字」充滿了許多訊息，會給僱主認識到你是不是非常願意融入環境、擁抱當地的文化，你是不是想和其它人一樣，而決定要不要給你加分。講到這裡，就很多人想要舉反例，但是愛舉反例的人，常常不了解這種實證研究的意義，就業結果的差異，當然是有很多因素造成，但這種設計良好的實驗，真正的解讀方法是，「如果兩個各方面都一模一樣的人，取了一個美國化的名字那個，會有比較好的就業結果」。我那一年的就業市場正在金融風暴的谷底，任何一點加分的機會，我當然不能錯過。 Levitt的意見，放在今時今日，那是非常政治不正確的。我都可以想見各式各樣的批評，「死白男，你憑什麼要人家放棄自己的身份認同」「為什麼不擁抱自己的文化」「你很好，沒有需要改變」「是別人該來學你的名字怎麼唸，而不是你要配合他們」「世界本應該如此多元」諸如此類的看法。如果是個人的價值觀，自我的選擇，我都沒有意見，但在現實上，這些批評並沒有辦法改變這個世界上，人生下來就存在的偏見，也許社會比較文明了，社會比較多cancel文化了，這些偏見不敢顯露出來，但一直都在而去除不了，只是變成隱性的偏見而已，這也是Levitt和Ronald Fryer等人研究的價值，人是會說一套，做一套的，所以有人選擇保留自己驕傲的一切，有人極力融入新社會，那都沒有關係，「名字」的訊號傳遞機制，不會因為你做了什麼，或是不做什麼，而失去作用。所以，你看為什麼這麼多東亞移民，給小孩取名字，都是非常美國化的名字，那是一個想要融入的心情，那是一個務實的心態。反觀印度人...... 但這些強調要政治正確的左派意識型態，其實還是有害的。首先，這些高大上的多元價值讓新世代對社會的運行有誤解，造成他們的認知和現實有落差。但更大的問題是，這種多元價值幾乎都不可避免地變成紅衛兵的鬥爭手法，為什麼Levitt現在不太敢再講這些實證上反多元的研究？因為那是會被人cancel的大逆不道言論。現在美國的教育界，不管是中小學，還是高等教育，通通是這種多元的氛圍，所以多數的老師，自己言論審查的厲害，而一旦開始懼怕被告發，那就當不了老師了，因為老師很多時候，是要「教育」學生，是帶有價值判斷的傳道責任。而一旦老師不敢要求，那學生其實就失去了學習做人做事道理的機會。一如我之前所說，大學的價值一在credentials，二在無憂無慮的四年探索，而如果老師都是畏首畏尾，那這個探索的過程，這個讓青少年成熟的獨特經歷，就少了一些能導正行為和看法的力量。 所以，我的課，不准用手機和電腦。學生可以遲到，可以中途離席上廁所，但我都很明白告知，你有你的來去自由，但你要知道，每個人心中都有一本帳，記載了和所有人的往來好壞，你每次上課都要晚來，或者是都要用上課時間上廁所，你雖然不會在這堂課被扣分，但你在我的私人帳裡，會一直都是負值，你的印象分數就是負的。當你身邊的人，對你的帳上，記的都是這些負值，你就把自己在社會成功、人生幸福的機會一降再降，如果不自己想辦法改變，那也不要日後悔恨。是的，我就是那個沒有政治正確危機感的說教老頭，但這不就是學校給我終身職的立意初衷？

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。

台灣第一季經濟成長率超過13%，是1980年代以來的最高紀錄，我們這種經歷過經濟起飛大家樂年代的人，都以為不會再看到這個榮景，所以看到這個結果，感到非常不可思議。在世界的歷史裡也少有進入已開發經濟的國家，還可以有這樣的成長率。我有幾個觀察重點。 第一，很多人都說台灣運氣好，搭上這波AI的順風車，我說不是運氣好，而是台灣一直都選對陣營壓寶。從國民黨來台之後，台灣因為全球戰略的關係，一直採取「親美」的國策，蔣介石靠美國保護而得以偏安，蔣經國搭上出口美國的大潮，創造了台灣第一次的經濟奇蹟。民進黨因為反共而親美，自然不用說，但除了馬英九要把台灣綁進中國的那幾年外，其它的國民黨政策也都是親美的。1989年天安門事件後的二十年，台商瘋狂投資中國，那也是親美的政策造成，台商去中國蓋工廠，因為要賣產品到美國，因為要幫美國公司生產，所有的終極目標都是對著美國，連台積電都是美國人張忠謀成立的。美國巨大的商業市場，自由的經濟，加上法治的人權保護和發達的金融市場，得以一再地創造新科技，一再地把生產力提升帶來的繁榮富庶，帶給美國及親美陣營。親美的國策，給了勤奮、聰明的台灣人一個發達的機會，那不是是運氣。光憑這點，台灣花再多錢買美國武器都值得。 第二，一如1980年代的大家樂瘋狂，一旦台灣人發財了，各式各樣的泡沫，就會出現。但這一次不一樣的是，台積電帶來的「雨露均霑」溢流效應，還連帶地促進了股票市場的發達，這是一個很重要的不同於1980年代之處。當台灣人在1980年代發財了，台灣人的理財方式相當受侷限，因此有些熱錢跑去炒消費品，跑去玩大家樂、六合彩，但更多的錢是進了銀行或是買了房產。銀行和房地產市場，對國家來說，都是比較差的儲蓄資源分配方式，因為相信「有土斯有財」，所以台灣人不但有超高的房屋自有率，還把房價炒到年輕人買不起房子。而銀行的保守放貸方式，也限制了資金流向新興科技業。因此，當台積電的高股價、高市值、高全球知名度，把一般不買股票的台灣人也吸進台股後，台灣的股票市場，變成一個更好的儲蓄及資源分配管道。當然，股市相對變得重要，也代表股市的榮枯，會是民心及政府執政的重要經濟指標，如何處理熊市時的低盪，也會是執政者未來的考驗。但總的來說，讓自由的股市來運用台灣人的儲蓄，是比讓銀行或是房市來吸納，更有效率。 第三，經濟成長帶來的財富及稅收，可以解決很多的政治問題，但執政者能不能抵抗亂花錢買票的民主壞習慣，變得相當重要。因為有高經濟成長的政府，很容易像中了彩券的個人一樣，把錢隨便就花掉，甚至花在需要長期供養的習慣上，那就會造成長期的問題。台灣因為一直有中國威脅及外交孤立的問題，在財政上比一般國家來得小心，但是還是得防範左派的正義魔人試圖綁架政策，「錢那麼多，福利多一點有什麼關係？」。大體來說，如果要花錢，要花在投資，而不是是消費。所以如果要在「加發失業救濟」和「提高基本工資」之間選一個，要選提高基本工資；如果要在「住房補助、社會住宅」和「捷運基建」之間選一個，要選「捷運基建」；如果要在「育兒補助」和「老人健保免費」，要選「育兒補助」。選未來，而不是買選票，保留經濟彈性，而不是綁住僵化的福利制度，就是一個比較理性的選擇。 台灣的問題很多，極待處理，但我想世界上很多國家，都會想要有台灣的這些問題。

電報 Managed Bots 讓你兩次點擊就能擁有專屬 Agentic AI 機器人！ 過去，建立一個 @Telegram Bot 要經過 BotFather 繁瑣的設定流程：申請 token、設定權限、寫程式碼、部署伺服器……普通人光是看到一堆指令就頭痛。現在，一切徹底改變了！ 全新體驗：兩次點擊就搞定 只需透過管理機器人（例如 LobsterClawBot），輸入簡單指令： t. me/newbot/SourceBot/你的username 系統就會自動幫你： ✅ 建立 Bot ✅ 管理 token 與 API 權限 ✅ 設定 Agentic 行為模式 ✅ 直接在聊天視窗中啟動 整個過程不到 10 秒，零程式基礎的人也能輕鬆擁有自己的「AI 代理人」！Durov 直接把 Telegram 從聊天 App 變成易用的 AI Agent 平台。 它能主動思考、呼叫工具、執行多步驟任務、與其他 Bot 或用戶互動，甚至在背景持續運作。 這代表：你不再只是「跟 AI 聊天」，而是擁有了一個能真正幫你「做事」的數位分身！ 超多實際應用場景（直接抄去用） 1個人生活助理（每天都離不開） •早上自動幫你總結今日新聞、天氣、交通路況 •智慧排程：讀取你的日曆，自動幫你預約會議、訂機票、提醒繳費 •健康管家：追蹤運動數據、飲食紀錄，還能根據你的習慣推薦食譜 2工作生產力神器 •會議紀錄 Bot：加入群組後自動轉錄語音、整理重點、產生行動清單 •郵件/訊息自動處理：掃描重要郵件、分類優先順序、甚至幫你草擬回覆 •研究助理：輸入「幫我整理 Tesla 最新財報」，它會自動抓取資料、製作簡報大綱 3電商與客服革命 •商家直接在 Telegram 開店：Bot 能即時回答商品問題、下單、查物流、處理退貨 •24 小時無人客服：支援多語言，解決 90% 重複問題，真正做到「永不打烊」 4加密貨幣與 Web3 應用（TG 原生優勢） •交易 Bot：自動監控價格、執行限價單、DeFi 收益農場管理 •錢包守護者：即時通知大額轉帳、風險警示 •NFT 社群管理：自動驗證持有者、發放空投、舉辦活動 5教育與學習夥伴 •個人家教：輸入「用繁體中文教我微積分」，Bot 會循序漸進出題、批改、解釋 •語言練習：每天跟你對話、糾正發音、推薦閱讀素材 •考試準備：自動產生考古題、記憶卡片、弱點強化計畫 6娛樂與創作工具 •遊戲 Bot：文字冒險、策略對戰、甚至多人即時遊戲 •內容創作助手：寫文案、生成故事、配圖提示詞、剪輯影片腳本 •音樂/影視推薦：根據你的心情與觀看紀錄，精準推播 7社群與團隊管理 •群組管家：自動歡迎新成員、過濾廣告、整理討論主題 •專案管理 Bot：整合 Notion/Trello，自動更新任務狀態、@ 負責人 •粉絲經濟：創作者可建立付費私人 Bot，提供獨家內容、問答服務 8未來進階玩法 •多 Bot 聯動：你的「財務 Bot」+「行程 Bot」+「健康 Bot」可以互相溝通，自動協調 •開放 API 整合：開發者能把自家服務直接嵌入 Bot（Durov 已呼籲大家快跟上） •隱私優先：所有資料都在 Telegram 生態內，端到端加密 這波影響有多大？ Telegram 目前有超過 9 億月活躍用戶，這次更新等於把 AI Agent 的門檻直接打到地板。 以前只有工程師能玩的東西，現在變成人人都能擁有的「AI 超能力」。