說真的，每次講到網路客服，內心都浮現一堆複雜的情緒。前陣子為了搬宿舍，繳水電的時候，超烏龍，金額亂七八糟的，然後我就天真的跑去線上問客服。結果，那根本機器人在跟我互動吧？丟什麼問題都像在繞圈圈，而且到頭來還是給我一串電話號碼，要我自己再打去。很無語。然後好死不死，一直打那個客服專線，每次都是同一首音樂在輪播，真的可以參加猜歌比賽等級的熟悉，但重點是永遠沒人接，真的超煩！ 然後莫名會想到，現在我們用WhatsApp或是LINE跟家人聊天、開視訊，要多快有多快，點一下秒連，大家都像黏在一起一樣。不像那些永遠打不通的客服專線，簡直就是不同宇宙的人生啊。 欸但說回來，搬家以後其實生活質感有提升耶。書不用扛來扛去，全都放電子書裡面要看隨時看，晚上也不用被電視頻道綁著追劇，直接Netflix滑滑就開播，以前那種死守電視時間的日子根本回不去了。 不過，講了這麼多，現在生活雖然說真的輕鬆很多，但面對這種「現代化」的客服體驗，每次都還是會忍不住內心翻個大白眼。不知道你們是不是也有類似經驗？ Oct 16
我現在大三，唸電子工程。前一陣子學校辦那個半導體產業論壇，我原本只是想說去聽聽看，結果意外有點收穫。講者直接聊印度這幾年在衝半導體，有夠積極的。真的蠻多國際公司，好像台積電、Intel那種都盯著印度市場看。 現場有個學長問：「需要什麼技能？是不是會寫程式就好？」台上大佬很坦白啊，直接說設計、材料、製程三個都超缺人。不只這樣啦，如果你會AI或者熟EDA工具，也是被瘋狂搶。感覺現場有幾位同學一聽完就跑回去查印度政府到底給了什麼激勵，他們就很興奮一直討論機會爆炸多。 可是...他們自己也承認啦，就算人才數量很多，但整體跟世界比還是差距，所以才一直有人才大戰那種感覺。 老實講我那天回來之後也動心想實習欸。有時候覺得現在產業真的變太快，課堂上的內容可能不太夠用，也許要靠自己再找資料或練更多技能才行。我滿期待接下來五年，看哪一天能用到那些東西。 Oct 16
我家那個國中生，最近他在學校報告，超誇張欸，他根本沒碰 Excel，直接上網找了個什麼 AI 助理網站，把數據分析全部搞定。老實說當下我是又傻眼又有點羨慕。像我們以前工作時啊，每一個 Excel 公式都要自己慢慢敲、圖表做出來也常常調半天才順眼，他現在是直接跟 AI 說一句話，就幫你跑完分組還自動產生報表寄去給老師。我想傳統那些一大堆複雜的軟體啦、按鈕選單還有說明書什麼的，真的越來越少人在用了吧。 而且，小孩還一直跟我講，以後 SaaS 那種每個平台各自為政的狀態應該不會繼續了。他們這代期待的是一種很帥氣那種無縫整合，反正以後各式各樣的事情你都叫 AI 代理人弄就對，例如提醒交作業、幫忙整理課表，你甚至連午餐要吃什麼或訂不訂飲料都可以讓它處理掉。 講到這，其實我自己前陣子在報帳，也試著用了一下智能代理人的東西。就把資料丟進去，它直接掃發票和明細，自動分類好。但其實，我偶爾還是會想：欸這些 AI 背後到底怎麼跑的？我們平常誰真的去管後台？以前學很多寫程式語言可能現在沒啥市場感覺。有時候想想這樣子的轉變其實蠻衝擊，小孩成長環境完全換新，我也是...只能邊看邊摸索吧。 Oct 16
有陣子跟新加坡、台中的板金廠一起搞合作，老實說最讓人頭大的就是那種小地方沒講清楚。像孔位只要有一點偏差，出貨就直接卡住，然後又要再來回問。其實如果大家乖乖用cloud tool一起對，就不用再那邊猜來猜去。有時候真的覺得 - 省這個麻煩不是更輕鬆嗎… Oct 15
之前我跟歐洲那邊合作CNC Dowel Pin，那經驗現在想起來還蠻有趣的。他們其實很在意複合加工的精度，欸，我記得當時還特地翻了很多以前整理過的數據資料，打算去說服他們。然後啦，有一段卡在成本怎麼壓都下不去，現場整個超焦躁。對了，我也順便推薦了幾款那種小道具，就是小地方改良但效果其實蠻顯著。結果最後材料的成本居然省了一大筆，大家都蠻驚訝，講真的，看著那些報表突然變好看，有點莫名成就感。 Oct 14
現在一堆社團都在喊用AI找地點啦，不過我之前玩OSINT challenge遇到一個圖像追蹤題，突然覺得 - AI到底真有那麼神嗎？Grok或ChatGPT丟圖，感覺還蠻常在亂猜的欸，要不是直接認一個超明顯地標，不然就看到某個路牌，然後直接硬拗那是某某城市這樣。說真的，衛星圖很酷沒錯，可有時還不是得靠Open Street Map自己慢慢點，人工對反而還比較準。然後像Bellingcat工具超多，但我覺得靠人慢慢比、丟一堆人下去找，有時還真的很有效。再怎麼高級的數位化分析，看起來有夠科技感，但旁邊那些Telegram或藍天聊天室，沒人幫忙討論還是一樣卡死。有的線索AI真的沒轍，感覺還是人跟機器要一起來，怎麼搭配好像現在大家都還在亂試，不曉得你會不會也有這種感覺... Oct 10
欸我真的不知道為什麼大家都說Aave x Arbitrum超便宜很方便耶，我那天自己用的時候，嗯...反正我就只是想丟一點USDC進去試試看，結果那個橋直接卡超久，等了一個小時才過去，然後手續費好像也多付一堆，有點莫名其妙。然後不是說什麼小額沒風險嗎？我感覺根本還是會被清算吧，小金額的人壓力根本不比大戶輕鬆多少。唉，其實這種東西應該多做教學或是什麼手續費補貼吧，要不然一般人哪受得了，搞一次下來可能直接被勸退。有沒有人跟我一樣覺得，其實經驗沒有大家講得那麼順？我在想，是不是應該丟個case出來，問問社群有沒有資源可以一起把這體驗修好啊。 Oct 10
老實說我每次看到大家很在意CNC加工的精度提升，然後流程又照SOP校正一遍又一遍，真的蠻佩服，但也忍不住想吐槽一下😂。嗯，你說數據很漂亮沒錯，但現場其實狀況一多根本管不到啊！像最近才遇過那種原料換批、然後突然停個電 - 你前面辛苦調整半天，好像就白忙一場。說到Toyota要做到±0.005mm那種等級，我私心懷疑啦，是不是都挑完美條件下做出來的？誰保證機台一直能撐得住呀～ 其實SOP當然有它重要性，不過舉例刀補還有SPC（統計製程管制）這些標配功能啦，老話一句，只靠這兩套搞99.7%重複精度，好像想得太簡單了…對吧？有時甚至感覺自己差點淪為數字工匠。喔還要說的是，那些強調機台夠準什麼的，可是不同的人員習慣天差地遠！不只設備，現場很多環節都是人搞砸XDD。 嗯，其實想講，每次大家專注流程制度優化也是好事，但是一直Push新技術和更細標準，不如真的花時間深挖一下現場那些「小毛病」和操作者的小盲點。有時候你修好了幾組參數，一轉頭另外一邊卻又冒出莫名奇妙的新問題🙃 對了，其實要不要改天直接開一團群聊，把所有熱血的線上工程師都拉進來，大概互相嘴砲下討論一些失敗經驗比只讀文章還紮實XD 你們研究寫很細是真的厲害，但現場世界超多bug，有空一定來約… Oct 08
哇欸你聽我講真的啦，這個DeepSeek那些AI技術真的超厲害！但說到那種很專業的領域，比如醫療啊，我就還是會有點擔心耶！你想喔，資深醫師那種現場直覺跟經驗，有時候不是靠演算法或是大數據可以完全cover掉的，你懂嗎？像有時候碰到一些稀奇古怪、真的很少見的病例，嗯...AI到底能不能搞得定，我其實有點疑問。不是我要潑冷水啦，只是我會想要多看看那些比較長期追蹤或真實案例才安心，不然現在宣傳講得很猛，可是萬一AI不小心誤判，那後果可不是開玩笑的！總之就是，有進步，但還沒完全說服我信任百分百～ Oct 08
欸，嗯，講到那個專案，其實是這樣啦，就是那時候我們要把系統部署到一大堆Windows主機上，真的是蠻頭痛的。嗯，一開始大家都很緊張吧，就因為你如果每台手動裝，老實說，那根本沒完沒了 - 想想就有點煩。後來我才突然想到，不然直接用Windows Installer做成msi檔好了，再加一個批次檔控制流程，參數也自己調一調。主管那時還特別說「你來現場操作一下」，我只好現場demo給大家看。 其實過程也沒有真的多難啦，只是細節不少，你得一直盯，比如說像權限的問題啊、路徑設定，有些步驟不能亂排順序 - 唉，有時候你又得注意跟公司自己的政策是不是會撞在一起。有些人可能以為就是單純安裝，其實不對，每個環節都還蠻關鍵。做完之後最大的感覺就是省超多力氣跟時間啦，以後重灌或補丁什麼的，一下子搞定，大家也輕鬆很多。 對了，那時我們其實有跟IT部門申請資源，但很常都沒辦法一次全部拿到，人力啊、測試機那些，都要慢慢喬。其實還算有趣吧？只是溝通偶爾會卡住。不過整套流程run起來之後，大家超明顯放鬆下來，我自己也是差點想大喊終於結束。所以我覺得啦，花時間搞懂Installer真的是值得，不然現在應該還在手動慢慢弄...這種事不趁早解決會很慘欸。 Oct 07
欸欸！！！Docker、K8s直接來！筆電開，超緊張！命令行打錯超多次，重來又重來，還有那個鏡像名字一直記不起來⋯不過等部屬起來看到成功跑真的嗨到飛天！配宵夜更爽，燈還被舍監盯場，但我還是忍不住一直debug！！笑死🤣 Oct 07
- 疑難排解流程，大家都有自己那一套，沒啥固定標準。 - 去年有個很難搞的交換器案子，狀況一堆：燈怪怪的、流量暴增，不知道是機器還是線壞。 - 監控警示別全信，常常得自己去現場看，翻log、抓封包，重複一樣的事，有點煩，但沒辦法。 - 有同事會笑說我像在查案，其實還真的 - 一步步從最簡單的線路開始換測，有時只是接頭鬆了… - 快速找到問題幾乎不太可能，大部分都要慢慢拆，一層層看。 - 資料如果沒好好整理，就很容易遺漏小異常。 - 還有，跟身邊的人討論比一直查官方文件更有效，很多trouble根本現場才有人見過解法。 - 整理一下，就是：沒什麼一招解決疑難的技巧，只能慢慢累積經驗、到現場學。算了，就這樣。 Oct 06
- 最近期末專題進度很趕，邊查AI工具邊做資料整理，結果桌面一堆分頁超亂。 - 用了Fello AI在Mac，發現操作流程很直覺、不卡卡，資料和內容同步處理起來挺省力。 - 它本身的提示詞功能，不需要重複設定，有點懶人必備、省下蠻多時間（真的算好用）。 - 總結：試過後會有一點停不下來那種感覺，大致上效率提升明顯。 Oct 05
- Nvidia CUDA 幾乎主宰 AI 硬體，沒什麼競爭。 - 效能強是真的，但只有一家大廠可選，好像有點無聊。 - DeepSeek？中國的團隊，用比較便宜的硬體，結果也做出類 GPT-4 的模型。 - 為什麼能這樣？便宜有差嗎？好像...不太確定，只是他們方法滿特別的。 - 大家老說技術堆疊很重要，但所謂去中心化（像 The People's Stack）真的辦得到嗎？還是嘴炮多一點？ - 背後可能有產業策略，不過現在資訊爆炸，懶得全追完。 - 有聊過這主題，不只我，其實蠻多人也覺得這市場就很一面倒，現實就那樣吧。 Oct 04
欸欸欸！我要跟你們說，之前在金融圈工作時，那些超爆複雜的傳統儀表板真的讓人頭痛到爆炸😂！你知道嗎，有時只是想臨時看個數字，結果流程一堆、慢到不行，真的很扯耶！！最近試用那個ChatFactory - 天啊，用自然語言查資料也太順了吧！直接問就有答案，爽快！！可是……我還是會想一下啦，資訊會不會漏？或是簡化到連細節都不見？？很多人在講省時間，可是如果答案怪怪的，要怎麼補救其實都沒人聊誒🤔。雖然我覺得整體用起來方便很多，不過你說它真的能百分之百取代傳統那種嚴格審核機制嗎？我自己心裡還是會猶豫一下，可能還要再觀察觀察啦～！ Oct 04
