改變人生思維是一件非常重要，但也是非常困難的事。 例如在本節，「04｜怎麼培養成長思維？為什麼付費買時間最划算？」，裡面提到的概念，其實都是老生常談。 雷蒙說，時間與注意力更值錢，所以我們應該要付費買時間，比方說訂閱 AI 工具，購買書籍、線上課程，或者各種省下精力的服務等等。 可是你平常錢就這麼緊，一個月可能才三萬多、四萬初，繳完房租、水電費、手機費，剩下的錢還得吃飯呢。 付費買時間，聽起來理所當然，做起來難上加難。 我們總是想能省則省。 可是雷蒙說的其實是對的，該花的就是要花。而且世界上有些事情就是你得大膽地去嘗試，才會知道好處。 例如 AI 服務。當初我要訂閱 ChatGPT 時，猶豫了好幾個月，因為一個月就要20美金，我不覺得自己有這個需求。 當然一旦訂閱之後，為了不浪費錢，我就卯起來用。很快就發現 AI 的好處，為我省下更多時間，能讓我專注在更有產值的事情上。 我以為自己沒需求，沒想到其實我是有這需求的。 回到題目，我仍然覺得要改變我們的思維是很困難的。我唯一的建議就是，讓子彈飛一會。 人類的大腦很奇怪的，不是說你要它做什麼，它就會做。你要它相信時間與注意力更值錢，它就會相信。 我們無法強迫大腦，可是我們可以用理性，每天讀一點相關資訊，加入志同道合的社群，互相鼓勵。漸漸地就會改變想法。 這也是我創立本社群的目的。

2026 年，AI Agent 的發展已經到了一個臨界點。 不只是聊天機器人變聰明了，而是 AI 開始能「動手做事」，例如操作你的電腦、發 email、管檔案、跑自動化流程、甚至自己寫程式來擴充自己的能力。 這個轉變有多快？看龍蝦就知道了。 龍蝦(OpenClaw) 去年 11 月還只是一個奧地利開發者週末隨手寫的 side project。今年 1 月底爆紅，60 天內在 GitHub 拿下 25 萬顆星，超越 React——一個花了十年才到同樣數字的前端框架。 老黃在 GTC 2026 直接說：「Mac 和 Windows 是個人電腦的作業系統，OpenClaw 是個人 AI 的作業系統。」然後 NVIDIA 發布了 NemoClaw，幫龍蝦加上企業級的安全防護。Dell 也跟進推出搭載 NemoClaw 的硬體。 中國那邊更誇張。騰訊大廈樓下排了上千人等著免費裝龍蝦。Mac mini 全國斷貨，官網訂購要排到四月底。閒魚上出現了代裝服務，遠程安裝幾十塊起跳，上門安裝要價 500 到 1500 人民幣。 然後呢？ 3 月 11 號，微博熱搜出現了一個話題：#第一批養蝦人已經開始卸載了。 為什麼卸載？ 有人的龍蝦把 email 全刪了。有人的 API 密鑰被盜，凌晨收到 1.2 萬人民幣的帳單。有人的龍蝦自己幫主人建了交友軟體的檔案，開始篩選對象，主人完全不知情。 更荒謬的是，卸載也變成了一門生意——上門卸載 299 人民幣，遠程卸載 199 人民幣。 為什麼這麼多人卸載，我認為主要原因是，大部分人裝了之後，根本不知道要拿它來幹嘛。 大家都在追工具，但沒有先想好要解決什麼問題。 過去我們焦慮「我不會用這個軟體」「我不會寫程式」「我跟不上技術」。 這些都是技能焦慮。 但現在，AI Agent 會操作軟體、會寫程式、會串 API。龍蝦已經證明了，一個週末 hack 出來的工具就能讓全世界搶著用。執行的門檻，已經趨近於零。 那新的瓶頸是什麼？ 是你知不知道自己要做什麼。 你有了一支 24 小時不睡覺、不用付薪水的團隊。但你要它做什麼？ 這個問題，沒有任何 AI 能替你回答。 自動化不等於生產力，如果你沒有先想清楚目標，讓 agent 跑起來，它就只是在燒你的 token。有人說得好：「月薪兩萬，養不起龍蝦。」養不起不是因為貴，而是因為不知道養來幹嘛，所以每一分錢都是浪費。 我認為，從 2026 年開始，真正拉開差距的不再是誰的技術比較強，而是誰先想清楚「我到底要拿 AI 來做什麼有價值的事」。

沒有力氣一直寫太硬的東西，所以最近都開始寫軟一點的． 例如本週的題目：代裝日賺 10 萬、大廠擺攤搶人——一隻開源龍蝦如何引爆中國 AI 圈？ 然後也想要開始進行一些商業性的觀察，寫相關的文章。 畢竟現在一堆人在裝龍蝦，或者用 Claude Code 做很神奇的開發或自動化。 我雖然也有跟進，但是總是不知道自己要幹嘛。 沒有方向的AI自動化，只是在浪費token而已。 但是最困難的就是找方向，希望大家都能找到未來要發展的方向，然後再透過 AI 來達到超級個體。

你有沒有想過，如果可以讓 AI 助手在你睡覺的時候，自己不停地嘗試、改進、記錄結果，早上起來直接給你一份「今晚做了 100 次實驗，這是最好的版本」——這樣的工具存在嗎？ 現在有了。 Andrej Karpathy，前 Tesla AI 總監、現在 OpenAI 的知名研究員，最近開源了一個叫做 autoresearch 的框架。 他的想法是給 AI 一個目標、一個可以量化的指標、一個小範圍的工作空間，然後讓它自己跑迴圈——改一點、測試、好的留下、差的回滾，再改、再測試、無限循環。 他用這個方法訓練 ML 模型，一晚上可以跑 100 個實驗。 一位叫 Udit Goenka 的印度創業者看到 Karpathy 的想法，把它改造成 Claude Code 的「技能包（Skill）」，讓 Claude Code 也可以用同樣的方式工作——而且不只限於訓練 AI 模型，任何有辦法量化的任務都可以用。 核心邏輯只有一個迴圈： 閱讀現況 → 做一個改動 → 測試 → 好就留下 → 差就復原 → 繼續 永不停止，直到你喊停 這個技能包不是只給工程師用的： 行銷人員：讓 Claude 自動優化你的廣告文案，跑幾十個版本，留下分數最高的 內容創作者：讓它優化部落格文章的 SEO 分數，每次改一小部分，累積進步 HR 人員：讓它改善職缺描述的包容性語言，一版一版測試 業務：讓它反覆磨練冷郵件的開信率評分，直到達標 維運/文件：讓它把操作手冊精簡化，每次只動一段，確保完整性不減損 只要你能用一個數字來衡量「好不好」，它就能幫你自動優化。 GitHub 連結：https://github.com/uditgoenka/autoresearch