2026-08-07 19:50:44
2026 年 8 月很榮幸了上了「UX 有差嗎」podcast 談談自己對「策略」一路以來的心得，我把我分享的逐字稿，做了一點整理，這個文字版為了閱讀方便，和 podcast 版順序比較不一樣，也和大家分享一下。
Podcast 可以到這邊聽：人心的叛逆與不滿，就是做產品的絕佳動力 ft. 曾友志 Stanley (產品增長顧問)
使用者可能只有十分不舒服，你卻要把那份感受放大到一百分。只有真的覺得「事情不該是這個樣子」，才會願意一路追問，把產品做到位。
這聽起來很情緒化，卻是我理解的策略起點。
策略從來不只是冷靜分析。你得先知道自己想抵達哪裡，才能看見理想與現況的差距；看見差距之後，才會開始尋找選項，決定要做什麼，又願意為此放棄什麼。
大學念數學系時，老師曾講過數學家歐拉的故事。歐拉失明後，仍能在腦中推演問題，再把想法口述給學生記錄。
受到這個故事影響，我也開始嘗試在腦中思考，不急著把所有東西寫下來。久而久之，我養成了一個習慣：每當自己提出一個主張，就立刻站到另一邊攻擊它。
這個說法哪裡有漏洞？還有沒有別的解釋？就算它是對的，所以呢？
我在數學系的成績並不好，但幸好帶走了這種思考方式。後來創業，從產品、行銷到廣告都得自己處理；再後來，有朋友找我協助產品問題，類似的邀請越來越多，我才慢慢成為顧問。
做顧問時，這個習慣非常有用。別人提出一個方案，我不會只看它合不合理，而會繼續問：為什麼是這個方案？做完會改變什麼？還有其他選擇嗎？
這些問題，也把我帶到策略最重要的一件事：取捨。
有人說，從台北到高雄選擇搭高鐵，就是一種策略。但如果高鐵更快、更舒服，預算也不是問題，那只是在眾多交通工具中挑一個最好用的，還談不上策略。
真正的策略，出現在你無法兩全其美的時候。
假設週末臨時南下，高鐵只要兩小時，卻可能得一路站到高雄；台鐵要多花一個半小時，但有座位，也比較舒服。你要速度，就得犧牲舒適；你要舒適，就得接受比較慢。
策略之所以困難，是因為每一個選擇都有代價。你不是單純挑一個喜歡的答案，而是在決定自己願意忍受哪一種痛。
因此，策略也不能只用最後的成敗來判斷。現實裡，做十次嘗試，失敗八、九次並不罕見。
結果不好，不代表當初的策略一定錯。關鍵是做決定時，有沒有看過足夠的選項，理解每個選項的代價。
我擔任顧問時，最常問產品經理或主管：「除了這個做法，你還有什麼選擇？」
常見的回答是：「沒有，因為客戶想要這個功能。」「這是使用者客訴。」「老闆說要做。」
但如果桌面上只有一個選項，就沒有真正的選擇；沒有選擇，也不可能有取捨。那比較像是接到一張訂單，而不是在做策略。
一個比較完整的思考過程，是先把第二、第三，甚至第四種可能放上桌，再結合公司的資源、文化與過去經驗做判斷。
外部顧問可以提出新選項，但只有內部團隊知道哪些選項曾經失敗，哪些會碰到現實限制。
所以，策略不是找到一個看起來最聰明的答案，而是在充分理解情境後，清楚選擇什麼，也清楚捨棄什麼。
到了 AI 時代，增加選項變得比以前容易。只要把問題交給 AI，它很快就能產生十幾種方向，也能在短時間內做出一個看似完整的原型。
但選項變多，不代表策略自然會變好。
以前使用 Axure 製作線框稿時，我們會一邊拉畫面，一邊想像使用者如何操作。每一次移動元件、調整流程，都是一次思考與判斷。
現在，AI 可以直接生成一個看似合理的介面。問題是，看起來合理，不等於真的好用。它產出的往往是某種平均值，而做產品追求的不是平均，是精準解決特定使用者的問題。
如果產品經理把 AI 生成的原型直接交出去，卻沒有進入使用情境，沒有說明自己的判斷，那只是把思考一起外包了。
反過來說，完全不用 AI 也不是好方法。當自己的經驗限制了想像，AI 可以幫忙補出原本沒想到的選項，也能協助檢查盲點。
比較理想的分工，是讓 AI 負責展開可能性，由人負責判斷。AI 擅長生成，人則必須決定哪些該留下，哪些要刪除。
而刪除，正是策略最核心的能力。
因為策略最難的從來不是「取」，而是「捨」。不是能不能想出更多功能，而是敢不敢放棄那些看似不錯，卻無法服務核心目標的選項。
有了選項之後，下一個問題是：我們究竟想解決什麼？
許多團隊把使用者的話直接當成答案。客戶想要一個功能，就把功能加進去；有人抱怨流程不好用，就把那段流程改掉。事情做完了，卻很少繼續追問：這個改動究竟會讓什麼變得更好？
使用者說出口的只是線索，不是規格。
一方面，提出意見的人未必代表所有使用者；另一方面，他提出的解法也未必能處理真正的問題。產品經理需要做的，是進入對方的情境，找到那些連使用者自己都沒有察覺的不便。
我曾經參與一款音響產品的設計。研究過程中，我觀察到一個很小的生活場景：幾個人在家裡聽音樂，其中一個人常會請另一個人幫忙播放某首歌。
接著，麻煩就來了。歌手是誰？是哪個版本？一個人習慣用 YouTube，另一個人卻用 Spotify，最後可能還得換人連接藍牙。
沒有人把這件事說成一項重要需求，大家甚至早已習慣。但當我把這個小小的不便放大，就看見了一個值得解決的問題。
最後，我們在音響的觸控螢幕上放入 QR Code。任何人都能拿起手機掃描，直接選擇想播的歌曲，不必再經過原本控制音響的人。
好的洞察，常常不是來自使用者大聲說出的願望，而是他沒有說出口，甚至沒有意識到的小麻煩。
這也是為什麼，做產品需要一點憤怒。使用者已經覺得「這樣也可以」，產品團隊卻不能停在這裡，要對現狀感到憤怒，這樣才有機會前進。
不滿可以讓我們看見問題，但光靠感受，還不能形成策略。我們仍然要回答一句：「所以呢？」
如果改掉這個流程，會影響多少人？如果加入這項功能，會提升使用率、留存率，還是營收？如果什麼都不做，代價又是什麼？
為了讓這些關係更清楚，我會把企業原本就在追蹤的指標，整理成一張「數據地圖」。
以電商為例，營收可以拆成流量、轉換率與客單價。流量還能繼續拆成自然搜尋、廣告和社群導流；轉換率則可以往下拆成瀏覽、點擊、加入購物車與完成結帳。
接著，把產品待辦清單上的每件事放進這張地圖，看看它可能影響哪個環節。
例如，把手機版商品頁的「立即購買」按鈕固定在畫面底部，主要影響轉換率。專屬折扣碼則可能讓更多合作夥伴願意導流，同時提高使用者下單的意願。
當一件事能同時影響多個關鍵指標，通常代表它值得優先評估。當某個指標旁邊堆了大量待辦事項，也可能表示這個環節正是產品的弱點。
數據地圖的目的，不是讓團隊假裝能精準預測每個功能會提升多少。很多估算在執行前都只是猜測。它真正的用途，是把產品工作和商業結果連起來，幫助團隊判斷有限的資源應該放在哪裡。
換句話說，洞察告訴我們哪裡令人不滿；數據則幫助我們判斷，哪一個不滿最值得先處理。
就算方向清楚，如果團隊只收到一張張零碎的工作單，策略還是很難落地。
主管心中通常有一幅完整的產品藍圖，但任務一層層往下拆，到了執行者手上，可能只剩「把這個按鈕改掉」或「把這項功能做出來」。
他不知道這件事為什麼重要，也看不見自己的工作會改變什麼。
久而久之，人就會變成只負責完成任務的螺絲釘。
真正的投入感，來自知道目標，也擁有一定的決策空間。當一個人理解自己要改善哪個問題，知道成功的樣子，並且能選擇怎麼做到，他才會真的把產品當成自己的責任。
所以，好的團隊通常願意授權。但授權不是把問題丟出去，而是讓有能力的人在清楚的目標下做決定，同時承擔結果。
這也代表，團隊不能只追求每個人都開心。如果一個人長期無法承擔職責，就需要調整角色，必要時也得請他離開。
真正對團隊有幫助的，不是讓所有人一直待在舒適區，而是讓合適的人有機會完成有意義的挑戰。
當時間一旦拉長，變數多到無法掌握，再精密的規劃也很容易變成假裝準確的預測。
我常被問：「該不該換工作？」「要不要離職休息？」「從設計師轉成產品經理，會不會走錯？」
即使累積了很多經驗，我仍然無法準確回答這些問題。我認為，既然未來測不準，就不要假裝能靠策略可以幫助你。這時真正該談的，不是哪條路是正確的，而是自己要去思考，自己想用什麼方式創造價值。
價值決定方向，策略只處理眼前可以驗證的那一小段路。
如果還不知道答案，就先設計一個能快速得到回饋的小嘗試。試過後發現不適合，再回頭調整；確定自己能創造更高的價值，再繼續投入。
當人生沒有一條可以照表操課的路，接下來要做的就不是預測，而是持續校準自己。
我在人生前半段很少接觸正念，也不認為這類知識和策略有什麼關係。真正開始閱讀後，才發現它對我的幫助很實際。
它不會直接給我答案，而是提醒我分清楚：哪些事情可以控制，哪些事情不能。
例如，很多人在工作上渴望獲得老闆肯定。努力完成一件事，老闆卻沒有稱讚，便開始懷疑是不是自己做得不夠好。
但老闆怎麼反應，不是自己能控制的事。與其反覆猜測，不如換一個問題：「如果我是老闆，我會希望這份工作產生什麼價值？」
這個問題會把注意力從別人的反應，拉回自己能改善的行動。你無法控制老闆是否稱讚，卻可以控制自己理解目標的深度，以及最後交付的價值。
正念不會替我做出選擇，也不會給我一套必勝策略。它更像是一個提醒：不要把力氣耗在測不準、控制不了的結果上。
說到底，無論使用什麼框架或工具，最重要的仍然是目標感。
你得知道自己想完成什麼，也要理解主管的目標，以及公司的目標。只有目標夠清楚，才看得見理想與現況之間的差距，知道自己為什麼不滿，又該往哪裡用力。
AI 可以依照指令完成任務，卻不會替你決定什麼值得追求，也不會替你承擔取捨的代價。這仍然是人的責任。
工作久了，人很容易變得圓滑。被現實磨過幾次之後，許多事情都會覺得「算了，差不多就好」。這能讓日子過得輕鬆，卻可能是產品工作者最危險的狀態。
一旦失去不滿，就很難再看見那些值得改善的地方。
我的方法，是在需要做產品、研究使用者或解決問題時，主動打開心中的開關，重新喚起好奇與憤怒。這很耗能，卻也是做出好產品不可缺少的一部分。
回頭看，我理解的策略其實是一條很完整的路徑。
它從不滿開始，因為你相信事情可以更好；接著用追問打開選項，用洞察與數據理解現況；最後做出取捨，承擔自己選擇的代價。
AI 可以加快中間許多步驟，卻無法取代這條路的起點與終點：什麼事情值得你不滿，以及為了改變它，你願意放棄什麼。
所以下一次面對產品問題時，別急著問：「我還能做什麼？」先問自己：「我真正想改變的是什麼？為了做到它，我願意不做什麼？」
當你能把這兩個問題回答清楚，也願意承擔答案帶來的代價，策略才真正開始。
--2026-07-09 15:57:28
先前寫了一個 one shot 的短影音剪輯 skill，跑完五支影片，大概要花 1.2 小時，透過用馬斯克五步驟 (Elon Musk’s 5-Step Algorithm)，把時間壓縮到大概 30~40 分鐘。
想寫篇心得來分享一下。
這比較是人類的事情，AI 可以角色扮演和你討論。
在迭代 skill 的過程中，常常會有許多步驟是重複的、多餘的，所以刪除這個步驟做起來會很有感。
但要小心的是，AI 擅長生成，但不擅長刪除，他不擅長區分「沒用到」還是「用不到」，所以人類還是要介入看一下他會刪什麼東西。刪不夠或刪過頭，都很常發生。
不知道該不該刪的話，「馬斯克五步驟」的精髓就是，刪掉後出事再加回來就好。若你發現事後都不用加回來，那都代表你刪得不夠，可以繼續刪 XD。
這邊還可以補充一點，刪掉某項零件或流程，最常漏的就是相依性議題，刪一個東西，會牽動一串相依的改動，所以「刪東西」這個動作，實際上是三件事綁在一起：找出所有相依點、評估連鎖影響、動手改。
改的不好，很容易會造成改 A 壞 B，這很吃推理深度。所以在刪東西的時候，我一定會把 thinking levle 拉到 MAX。
刪除後做簡化和最佳化的意義，就是你可以不用花時間把不必要的步驟做最佳化。
在可以達到同樣效果下，把元件或流程簡化。可以請 AI 自我檢視一下，他是不是「用大砲打小鳥」，用很複雜的方法，來解簡單的問題。
另外，因為 skill 中的判斷包含「 程式判斷」和「AI 判斷」這兩種，你可以盤一下 skill 中的任務分派是否恰當，有沒有把適當的任務，派給適當的角色。
一般而言「 程式判斷」適合能寫成規則，有明確對錯的事。可以 程式判斷的事就不要給 AI，因為 AI 常會腦補放水。
而「AI 判斷」適合寫不出規則，要看畫面、懂語意的任務。
還有一個陷阱是， 程式和 AI 判斷之間的交界處，若是兩者交接的不好，AI 得自己翻資料、自己猜，這就是最常出問題的地方。
AI 就是不穩定，不是在 skill 裡面叫 AI 「切記」「必跑」「不要忘記」，而是「用設計取代紀律」，讓程式和 AI 各自扮演好角色 AI，好好的 hand over。
加速很少是把某一步跑快一點，而要做白工的時間移除，重點是四個「不要」：
skill 本身就是一個自動化，那自動化這件事還可以做什麼？
這裡通常是來 review，有哪些步驟 AI 做不好，人類介入會更好的步驟是什麼，出一個「不自動化清單」給你。
有點反直覺對吧！
最後的最後，我還想補充一點，就是 AI 提的優化清單，你一定要 AI 拿證據自我覆核一輪。
AI 產清單很快，但常常在這種優化的過程中，把「黃金」和「看起來像黃金」的東西混在一起，你要避免這種事，就要「AI 拿證據自我覆核」。
超有效，推薦一定要試試～
--2026-06-30 18:10:41
產品經理最常碰到的對齊問題，多半不在於「公司目標是什麼」不清楚。真正困難的地方，是拿到公司目標之後，不知道怎麼把公司目標翻譯成自己產品該負責的那一塊。
要回答「怎麼翻譯」這件事，得先搞清楚產品在公司裡到底扮演什麼角色。
展開來看，產品定位可以分成四個層次：市場定位、溝通定位、核心定位、商業定位。
市場定位和溝通定位最容易搞混。市場定位比較抽象，談的是「什麼類型的用戶、能得到什麼利益」；溝通定位比較具體，談的是「在哪個場景下、用戶得到什麼價值」。拿奶昔來說，市場定位是「針對嘴巴饞的人，提供好喝且不無聊的飲料」；溝通定位換到開車的場景，就變成「提供一個簡單的小娛樂，不會一下子喝完，而且有飽足感」。
一個市場定位可以對應到很多場景，展開成很多條溝通定位，讓行銷公關部門去推廣。
核心定位談的是產品的長期發展方向，跟 product roadmap（產品路線圖）有關。商業定位談的是產品在商業上要怎麼發展：是要擴市佔率，還是要提升毛利率，才能促成公司的利益最大化。
商業定位就是承接公司目標、成為產品商業目標的那個橋樑，也是本文要談的核心。
理解商業定位的第一步，是接受一件事：產品的商業目標，不一定是產品本身的利潤最大化。
以 PS5 為例。有一種說法是，PS5 對 Sony 來說其實不賺錢，PS5 真正做的是軟體生意，靠用戶購買或訂閱軟體來獲利。PS5 對 Sony 來說是引流款，先把客戶拉進生態系，再從軟體端賺錢。
類似的邏輯在日常生活裡更常見。大賣場常常推出一顆 5 元的高麗菜，你可能會納悶：扣掉物流和採購成本，到底還有沒有賺？答案是大賣場根本不在乎高麗菜賺不賺錢。大賣場要的是用超低價高麗菜把人吸進賣場，消費者除了買高麗菜，還會順手帶零食、雞鴨魚肉。大賣場賺的是其他商品的利潤。高麗菜是引流商品，零食和肉品才是利潤商品。
引流款只是其中一種商業定位。紅利積點的產品，真正的重點是有多少用戶願意努力集點兌換，進而黏住客戶，提升忠誠度。積點產品本身能賺多少錢，反而是其次。還有一種產品的定位是爆款，砸行銷預算提供超高 CP 值，目的是吸引通路主動上門合作，帶動其他商品一起上架新通路，提升整體銷售。
這些不同的商業定位，決定了產品的目標該怎麼定、KPI 該怎麼設。用「賺多少錢」來評價一個引流款產品的績效，方向一開始就錯了。
判斷產品該承接什麼商業定位，有一張很實用的矩陣工具。X 軸是市場佔有率，Y 軸是新用戶留存率（指新用戶進來之後有多少比例會繼續使用），交叉出四個象限：
嬰兒（低留存、低市佔）：產品還沒找到對的定位，還在摸索 Product Market Fit（產品與市場的契合點）。這個階段不該急著擴人力、砸行銷預算，第一要務是想辦法把留存率拉起來。拉不起來，就該考慮轉型。具體的目標可能長這樣「找到 PMF，控制虧損在 1000 萬以內」。
明日之星（高留存、低市佔）：留存率站穩了，代表產品已經找到 Product Market Fit，接下來要找到成長引擎，想辦法提高市佔率。這時候該多找行銷和成長駭客型的人才，安排市場擴張。利潤暫時不是第一考量。用安索夫矩陣來看，明日之星沒有必要分心開發新產品，應該專注在市場滲透搶市佔，或者直接打閃電戰做市場開發。具體的目標可能長這樣「降低獲客成本，營收提升 30%，虧損金額維持和去年一樣」。
金牛（高留存、高市佔）：市佔和留存都不錯，產品重點轉向維持競爭力、開始擠出利潤。可以做的事情很多：關注競爭者不讓競爭力下滑、提升毛利率壓低獲客成本、複製到更多國家成為新市場的明日之星、或者瞄準金牛的既有客群開發互補品和搭售商品。具體的目標可能長這樣「；開拓馬來西亞、新加坡、印尼市場，兩年內當地損益兩平」。
夕陽產品（低留存、高市佔）：市佔率還不錯，但新用戶留存越來越差，代表產品的吸引力正在衰退。這時候要想辦法擠出剩餘價值、延續現有優勢，同時尋找成長的第二曲線。
有了產品目標之後，下一步是把產品目標分解成可追蹤的指標。
模擬一個情境：老闆交代你一個利潤型產品，希望一年內創造 1200 萬業績。你心裡第一個念頭大概是：一個月做 100 萬，一年就 1200 萬了，好像不會太難。
這種直覺反應非常普遍。減重也一樣：我要減 10 公斤，一個月一公斤，一個禮拜 250 公克，10 個月就完成了，應該不難。
老實說，把成果除以時間，就是失敗的開始。不管是「一年 1200 萬所以一個月 100 萬」，還是「一年減 10 公斤所以一個月一公斤」，這種計畫通常都做不成。因為除法只是把大數字切成小數字，完全沒有回答「怎麼做到」這個問題。
要讓事情做成，要從除法切換到 Top Down 思考法（由上而下的思考方式），也就是：先定義目標，然後找一個框架來描述因果關係，從框架裡展開可追蹤的指標，最後設計改善指標的具體套路。
用減重來說明這套邏輯。健身教練會跟你說：要減重很簡單，每天熱量不要超過 2000 大卡，增加肌肉量來拉高基礎代謝率，每週來健身房三次，每次跟著我做十組胸推、硬舉、蹲舉，每個月加重 10%。
把教練這段話展開來看，背後有清楚的結構。目標是減重。框架（因果關係）是：減重取決於三個輸入變數，分別是吃進去的熱量、肌肉量、和運動消耗的熱量。要改善減重這個輸出，就要改善這三個輸入。其中「肌肉量」又是另一層函式，取決於胸推、蹲舉、硬舉的組數和重量。所以指標就是：每天攝取熱量、每週訓練次數、三大動作的組數和重量。
有了指標之後，還需要改善指標的套路。健身教練最常見的做法是：一對一指導、一次刷一年課程、每次主動約時間，讓你在人情壓力下不得不來訓練。套路的目的是確保指標能持續被推動。
值得注意的是，同樣是減重，框架不只一種。健身教練的框架是熱量派，強調控制攝取並增加肌肉量；生酮派的框架強調吃好油不必挨餓、避開澱粉和糖類。不同的框架代表不同的因果關係假設，展開出來的指標和套路也完全不同。選哪個框架，本身就是一個需要判斷的決策。
整套 Top Down 思考法的結構是：目標 → 框架（描述因果關係）→ 指標 → 套路（改善指標的具體方法）。把這套邏輯搬到產品上，就是：為了實現產品目標，要採用什麼框架、訂什麼指標、又有什麼套路來持續改善指標。
回到最初的問題：產品目標怎麼從公司目標翻譯過來？
出發點是你的產品在公司裡扮演什麼角色。引流款、利潤款、留客款、爆款，每種商業定位對應的目標方向完全不同，不能一律用「賺多少錢」來衡量。
確認了角色之後，再用市佔率和新用戶留存率判斷產品正處於哪個階段，嬰兒、明日之星、金牛、夕陽，不同階段的策略重點也截然不同。
當你要把產品目標轉換成可追蹤的指標時，別用除法把大數字切成小數字就以為有了計畫。找到描述因果關係的框架，從框架展開指標，再設計持續改善指標的具體方法，這才是真正能把事情做成的路徑。
The post 從目標到指標的對齊：產品目標不是公司目標的縮小版 first appeared on Mr. PM 下午先生.2026-05-19 10:04:15
一個 AI 模型，把單一步驟做到 99% 正確率，聽起來很厲害了。可是當你要它連續執行 20 個步驟，整串任務的成功率會掉到 82%；如果是 50 個步驟，成功率剩下 60%。（圖表資料來源：metr.org）
這對我來說意味著：
過程中能不能被檢查，是關鍵。你要怎麼把一個大目標，拆成一個個「可以獨立驗證、或可以互動確認」的小步驟，這才是設計的核心。
我自己的經驗是:與其追求「一個指令搞定一切」，不如養成「分段交付、逐段確認」的習慣。這跟帶人做事其實一樣，你不會把一個大專案丟給新人然後三個月後才看結果，你會切成幾個里程碑，一段一段對。
把 50 步砍成 10 步，整體成功率會從 60% 直接跳到 90%。代價只是你要多花一點時間在前面設計流程。
所以我在設計複雜任務時，會先去找：有哪些步驟可以合併成一次 tool call？找得到我就用，因為這樣能大幅拉高 Agent 的成功率。
也因為這個原因，我最近買了不少軟體。現成的軟體常常已經把好幾個步驟封裝成一個成熟的 API，等於別人幫你把「50 步」先壓成「1 步」了，那你何必自己重做一次。
你不可能讓每一步都 100% 正確，但可以做到「錯了會被攔下來」。
這跟工廠的品管很像。產線不是假設每個環節都不會出錯,而是在關鍵環節擺檢查站,壞的東西流不到下一關。Agent 也是一樣,與其期待它五十步都不出錯,不如在中間放幾個驗證點,讓它每跑幾步就停下來對一次答案。
差別在哪?沒有檢查點的時候，一個小錯會一路滾到最後，等你發現，整串都白做了。有檢查點的時候，錯誤在第三步就被抓出來，你只要修那一段。
我自己設計流程時，會刻意去想哪幾個點是「一旦錯了、後面全錯」，那幾個點就一定要放檢查站。
不是所有驗證都需要你親自上。
有些步驟，AI 跑完可以自己驗，比如算出來的數字對不對、程式跑不跑得起來、格式符不符合規定，這種有明確對錯的，讓它自己檢查就好，你不用插手。
真正需要你出手的，是那種「對錯沒辦法用規則判定、要靠經驗和判斷」的步驟。把你的注意力省下來，集中在那些只有人能判斷的關卡上。你的時間很貴，不要花在 AI 自己就能檢查的地方。
「能砍步驟就砍」那是針對你已經很有把握、每一步都很穩的任務。但如果是你還不熟、或風險很高的任務，反而要反過來多拆幾步，讓過程攤開來給你看。
考你一個數字：當模型正確率是 95%，20 個步驟的任務，成功率剩下多少？
答案是 36%。
所以結論很簡單。越長、步驟越多的任務，就要用正確率越高的模型，而正確率高的通常也是比較貴的那個。這種時候別省，因為模型正確率每高一點，你那串長任務的成功率就會被放大很多。
前面講的都是「有標準答案、可以算成功率」的任務。但有一類事情完全不一樣。
發散思考、找出藏在底下的思考維度，這種事情本來就沒有「正確答案」，自然也不會有「成功率」這個議題。
在這類任務上，你要做的不是逼 Agent 答對，而是讓它幫你把所有可能性窮盡，因為 AI 跑這件事比你快太多了。這也是我當初設計 Product Planning skill 的初衷。
同樣一個 AI，同樣一個模型，有人用它做出 90% 成功率的流程，有人做出 36%。
差別不在模型，在那個設計流程的人。他懂不懂拆步驟、懂不懂放檢查點、懂不懂哪裡該合併哪裡該攤開、懂不懂什麼時候該換更強的模型。
所以與其擔心「AI 會不會取代我」，我更在意的是：我有沒有把「設計任務」這件事練成自己的本事。模型大家都能用，但會不會用，是另一回事。
--2026-05-16 22:53:42
2026 年 5 月很榮幸的，被邀請回到清華大學數學系，和大家分享我一路以來的心得，沒想到會後的 QA 時間大家都很認真的在問問題，我也把這些整理起來，與大家分享。
演講的逐字稿在：真希望我20歲懂的事：理財、設定目標、長線思考
我自己的答案是：先觀察自己做什麼會開心、做什麼會有成就感。
有些人會問：「我到底適合什麼專業？我的天賦在哪裡？」但我覺得，有時候你喜歡的不是某個領域本身，而是在那件事上你做得比別人好，所以得到成就感。
開不開心不是唯一標準，但它是一個很快的回饋。你學一個專業，可能三年後才知道自己適不適合；但你做一件事舒不舒服、有沒有成就感，通常一兩個月內就會有感覺。
所以不用一開始就想清楚一輩子的職涯規劃。先找那些能快速給你回饋的嘗試，再慢慢校準方向。
這當然有可能。
我自己在軟體產業做得很開心，也算熟悉這個領域，但現在 AI 帶來巨大變化，我也會問自己：我是不是只是待在舒適圈？我接下來應該怎麼轉變？
我的做法不是只問「哪裡最賺錢」，而是問「我在哪裡可以創造最大的貢獻」。我有過創業經驗，也有做顧問和帶團隊的經驗，所以我會試著理解 AI，思考這些經驗可以如何幫助正在面對變動的團隊。
這就是為什麼我一直強調理財。因為錢是英雄膽。你有財務底氣，才比較有空間面對變化、承受轉型期的不確定。
理財可以簡單分成兩件事：把錢花掉（減項），以及讓資產變多（加項）。
花錢，是把錢用在對你有意義、需要解決問題的地方。讓資產變多，則可能是投資股票、買房、學技能、建立人脈，或任何能增加未來選項的事情。
投資股票是理財，買房是理財，投資自己也是理財。重點不是哪一種一定最好，而是它是否適合你的個性、目標與風險承受度。
對有些人來說，定期定額、長期持有，是比較能持續的方式。但對另一些人來說，頻繁進出市場反而會讓他更有投入的動力。理財沒有標準答案，但它很值得你長期學習，因為它是人生很重要的托底能力。
最好的方式，是把它拿到真實世界試試看。
實習就是一種好方法。你可以透過實習觀察：這件事在職場上有沒有價值？別人覺得你做得好不好？你以為自己做得很漂亮，但如果一直被主管指出問題，那就要思考自己是不是需要修正，或這個能力在市場上沒有你想像中受歡迎。
創業也是一樣。產品做出來後，要拿到市場上讓使用者反應。大家覺得好，你就繼續做；大家覺得不好，你就要理解原因，看看能不能修正。如果怎麼修都不對，也許就該換下一個方向。
我以前帶團隊時，最怕遇到一種人：他不適合某個工作，但非常努力。這很可惜，因為他很努力，我也會捨不得否定他。但如果他真的不適合，讓他一直待在那個位置上，對他、對我、對公司都不好。
有話直說很重要。你也應該希望別人這樣對你，因為早一點知道現實，才有機會早一點轉向。
找不到很正常。我大學時也沒有什麼明確目標。
找到目標本來就不容易，失敗是常態。你不會期待自己交第一個男女朋友就一定要結婚，找人生目標也是一樣。你需要多嘗試幾次，才會知道什麼真的適合你。
有些事情做了沒感覺，有些事情做了不快樂，有些事情做了會覺得很累，這些都是訊號。你不需要一次就找到答案，但你要願意嘗試，也要願意在不對的時候放手。
認真投入一個自己在乎的目標，得到成就感，其實是一件非常快樂的事。它不一定比躺平辛苦，甚至可能比躺平更讓人滿足。
快樂的標準確實會變。你二十歲喜歡的東西，四十歲可能不喜歡；你現在覺得重要的事情，未來也可能改變。
但你跟自己相處的時間很長，會越來越了解自己。當你發現自己變了，就重新觀察、重新調整。重點不是把自己固定成一個永遠不變的人，而是培養覺察自己的能力。
你可以練習把自己抽離出來，像第三者一樣觀察自己：原來我對這件事有這種反應，原來我現在害怕的是這個，原來我已經不喜歡以前喜歡的東西了。
當你能這樣看自己，你就會更有能力面對變化，也更有機會做出適合當下自己的選擇。
--
