免費資源
加好友領取加 LINE 領取《自動化工作流研究筆記》
我們把企業導入 AI 自動化時最常卡住的十二個環節，整理成一份可以直接照著做的筆記。
最新活動
我們做什麼
健檢、提示詞、PoC——先驗證，再放大。
企業 AI 導入健檢
先看清楚，再花錢
60 分鐘線上訪談，盤點最耗時、最依賴人力的營運環節；我們會告訴你哪些工作現在就能交給 AI、哪些還不成熟。
提示詞工程
讓 AI 穩定產出，而不是碰運氣
針對你的實際任務設計提示詞與多步驟工作流，並做極限測試，確保換了資料、換了人操作也不會走鐘。
極速 PoC
五天，看到能跑的東西
不談架構藍圖，直接做一個能動的雛形。五個工作天內交付線上可操作的智能體，用你真實的資料驗證。
技術筆記
把研究與實作寫下來，讓下一次少走一點冤枉路。
2026年11月8日
它沒有變聰明，只是不再打轉
一個 0.8B 小模型改掉 0.016% 的權重，MATH-500 從 7.9% 跳到 48.1%。但逐題比對後，救回來的 579 題裡有 576 題原本是被 32,768 token 上限截斷的；已經答完的 114 題，正確率完全沒變。這篇把六倍拆開，給你四步檢查——下次看到分數暴漲時，先看截斷率，再看對照組。
閱讀文章 →
2026年11月5日
量化會不會加速，取決於你怎麼寫 kernel
同一份 int4 KV cache 量化，eager 版相對 SRHT 慢 12–17%，把四步融成兩顆 Metal kernel 後追平；端到端對 fp16，Gemma 短前綴快 8.2%，但 Qwen 2K 前綴只吐兩個 token。差別在四步拆開呼叫，還是融成兩顆——以及平台、前綴與架構的前提。
閱讀文章 →
2026年11月3日
「跑得起來」跟「真的幹完活」是四件事
同一個 API 相容的 endpoint，在工具呼叫、回合控制、context 和快取上都不一樣。一份 4,165 個回合的單人經驗報告，把「模型有回應」「工具真的執行」「程式碼通過檢查」拆成四層，也量到委派給本地 Nemotron 工人時，每次驗證成功反而貴 8.6 倍。文末有一張能直接拿去用的驗收清單。
閱讀文章 →準備好讓 AI 真的開始工作了嗎？
聊聊你的流程，我們會告訴你哪些可以自動化、哪些還不行。