在生成式 AI 已經成為日常工具的今天， 產生內容變得很容易，真正困難的反而是： 知道自己要什麼、判斷結果是否合理， 以及把一個模糊的想法真正做成可以使用的東西。
AI with Everyone 關注的不是「讓 AI 代替人做更多事」， 而是人與 AI 可以怎麼一起工作。 AI 可以協助整理、分析、寫作、寫程式， 甚至把一個想法快速做成原型； 但問題怎麼定義、方向怎麼選、結果要不要相信， 最後仍然需要由人來判斷。
「燒腦捉怪」 就是這種思維的延伸。 從 AI 幻覺、邏輯漏洞，到程式 Bug、 流程裡不合理的地方，我習慣先問一句： 「這裡是不是哪裡怪怪的？」
AI with Everyone 因此不只談 AI， 也會寫文章、做實驗、開發工具， 記錄一個想法如何從 問題、規格、實作、偵錯， 一步一步變成真正能使用的東西。
我始終相信，AI 越強， 人真正需要保留的反而越清楚： 定義問題的能力、獨立判斷的能力， 以及知道自己為什麼要做這件事。
AI with Everyone 不只關心 AI 能做什麼， 更在意我們怎麼定義問題、把想法做出來， 以及在結果看起來很漂亮的時候， 還願不願意多問一句： 「這裡是不是哪裡怪怪的？」
AI 可以整理資訊、提出建議， 甚至快速產生一個看起來很完整的答案。 但真正重要的問題仍然是： 我們到底想解決什麼？ 從 Intent、Prompt 到 Agent， 人始終應該保留定義問題與判斷方向的能力。
有些想法寫成文章就夠了， 有些則會讓人忍不住想： 「如果真的把它做出來呢？」 從需求、規格、程式到產品， AI with Everyone 也記錄那些 把模糊想法一步一步變成可用工具的過程。
「燒腦捉怪」 不只是抓 AI 幻覺。 程式的 Bug、流程裡不合理的地方、 看似正確卻經不起驗證的答案， 都值得停下來看一眼。 先找到哪裡怪，再決定真正需要修什麼。
Think clearly. Build something. Keep debugging.
從使用 AI，到理解 AI； 從一個想法，到真的把東西做出來。 這裡記錄的，是人與 AI 一起工作的真實過程。
AI with Everyone 一開始只是想探索： 當生成式 AI 逐漸進入工作、創作與日常生活， 人到底可以怎麼和它一起工作？
後來我慢慢發現，真正有趣的並不只是 Prompt 寫得好不好， 而是從一個模糊的想法開始， 怎麼把問題定義清楚、整理成規格、 交給 AI 協助實作，再把結果拿回來驗證。 有時最後是一篇文章， 有時是一個實驗， 有時真的會變成一個可以使用的軟體工具。
「燒腦捉怪」 也是從這個過程慢慢長出來的。 AI 會出錯，程式會有 Bug， 流程會有不合理的地方， 人自己的判斷也可能出問題。 所以比起急著得到答案， 我更習慣先問： 「這裡是不是哪裡怪怪的？」
我不把 AI 當成萬能答案機， 也不認為所有事情都必須 AI 化。 對我來說，AI 更像是一個能力很強的協作夥伴： 可以幫忙想、幫忙做、幫忙加速， 但最後的 Intent、判斷與責任，仍然留在人手上。
Working Principles
AI 可以提出答案， 但問題怎麼定義、方向怎麼選， 最後仍然由人決定。
不急著相信第一個結果。 看見異常、找出原因， 再決定真正需要修正的是什麼。
把模糊的想法拆成可以理解、 可以驗證、可以執行的結構。 問題越清楚，AI 才越有價值。
Think clearly. Build something. Keep debugging.
— J 博土 · AI with Everyone如果你也在思考 AI、軟體、產品， 或只是發現了一個「哪裡怪怪的」問題， 都歡迎來聊聊。
Get in touch
無論是 AI 應用、人機協作、軟體開發、 VyScout 使用回饋，或是「燒腦捉怪」相關的想法， 都可以直接寄信給我。
不需要寫得很正式。 如果你只是遇到一個問題、想到一個有趣的方向， 或發現某個地方真的很怪， 把背景和你正在想的事情說清楚就可以了。
Good topics to talk about
Prompt、Agent、知識應用， 或任何你正在嘗試的人機協作方式。
小工具、產品想法、開發經驗， 或 VyScout 的實際使用回饋。
AI 幻覺、邏輯漏洞、流程怪點， 或任何讓你忍不住想問 「這到底哪裡怪？」的案例。
我會親自閱讀來信。 回覆速度不一定很快，但不是自動客服。