創業

這次閱讀與整理水平思考、Six Thinking Hats、635 Brainwriting、SCAMPER、Brainstorming 與設計思考等方法後，最大的收穫，不是又多認識了幾個管理或創意工具，而是開始重新理解「思考」本身其實可以被刻意設計。 過去的工作環境中，從老闆以降我比較熟悉的是一種直接而快速的決策方式。當問題出現後，由少數決策者快速判斷方向，能做就先做，再透過實際結果取得回饋，持續修正與迭代。這種做法的優點非常明顯，就是速度快。尤其在產品、工程與軟體開發環境中，只要試錯成本不高、決策可逆，而且市場或使用者回饋來得夠快，與其花很多時間討論，不如直接行動。很多事情其實做了就知道答案，過度分析反而可能降低效率。 也因為如此，我一開始對 Six Thinking Hats、635 Brainwriting、SCAMPER 這些方法的疑問，是它們是否只是讓會議變得更有形式，或只是增加參與者發言的機會。如果最後仍然要做決定、執行，再接受現實世界的驗證，那為什麼不一開始就直接做？進一步理解之後，發現這些方法處理的其實不是同一類問題。 水平思考的核心，是刻意跳脫既有的思考路徑，不急著沿著原本的邏輯往下推，而是透過轉換角度、重組條件、反向思考或引入新的刺激，去打開原本沒有被看見的可能性。SCAMPER、Reverse Thinking、What-if 等方法，都具有這種特性。它們的價值不在於把原有答案分析得更細，而是在於重新改寫問題與可能的解法空間。 Six Thinking Hats 則比較像一種結構化的平行思考方法。它把原本混在一起的思考模式拆開，讓團隊在同一時間聚焦於同一種認知任務。White Hat 處理事實與資訊，Red Hat 處理直覺與感受，Yellow Hat 尋找價值與成立條件，Black Hat 檢查風險與問題，Green Hat 擴展新的可能性，Blue Hat 則負責控制整個思考流程。這種做法的重點，不只是增加觀點，而是避免不同思考模式彼此干擾。例如一個新想法才剛提出，就立刻被風險分析否定，往往會讓發散提早結束。 635 Brainwriting 解決的又是另一類問題。它透過默寫與輪流延伸想法，降低強勢發言者、職位差異與群體壓力對討論的影響，也讓每個人可以先獨立思考，再進一步參考與延伸別人的構想。它真正改善的不是「創意能力」本身，而是團體創意產生的機制。 這些方法讓我開始覺得，快速試錯和思考框架可能其實不是互相衝突的。 快速試錯擅長的是縮短「多久可以知道答案」。如果一個決策成本低、容易回復、回饋又快，那麼最有效率的方法往往就是直接做，再從結果中學習。但如果面對的是新創題目、中長期策略、商業模式、重大投資或組織方向，問題本身可能都還沒有被定義清楚，此時過早進入執行，就有可能發生另一種風險：團隊用非常高的效率，把一個不重要、甚至錯誤的問題做得非常好。 因此，這些思考方法更重要的價值，是幫助團隊在行動之前，先確認問題是否值得解、是否還有其他角度，以及目前的方向是否只是第一個看起來合理的答案。這對新創尤其重要。成熟產品的問題通常比較接近「如何把事情做好」，但在創業的初期更常面對的是「到底該做什麼」。客戶是誰、真正的痛點是什麼、誰願意付錢、現有解法為什麼不夠、產品應該從哪個切入點開始，這些都還沒有確定。如果沒有先做適當的問題探索與水平思考，團隊很容易太早愛上自己的第一個解決方案。 這些方法對團隊合作的價值，也不只是增加參與感。不同成員其實掌握不同的資訊與經驗。工程人員知道技術上的限制，業務知道客戶真正的反應，營運知道哪些流程在現場根本不可行，財務則了解成本與風險。如果決策長期只集中在少數人身上，這些散在前線的局部知識很可能要等到執行出問題之後才浮現。透過 Six Thinking Hats、Brainwriting 或其他結構化討論方式，可以更早把這些分散在團隊中的資訊拉進決策過程。尤其 Black Hat 這類方法還有一個重要作用，就是讓反對意見變得合法。當所有人都被要求一起檢查風險時，提出問題就不再等同於「反對主管」，而只是完成思考流程的一部分。 好的團隊不一定要讓每個人最後都有相同意見。真正有價值的是形成共同理解，也就是大家都清楚知道：我們現在要解決什麼問題、做這個決策的依據是什麼、有哪些假設、主要風險在哪裡、成功怎麼定義，以及什麼情況下需要改變方向。即使最後仍然有人持不同看法，只要大家對這些關鍵內容有共同理解，團隊就能在決策之後有效執行，而不是表面上同意，實際上每個人理解的方向都不一樣。 當然，這並不代表所有事情都應該套用框架。如果每個小問題都使用 Six Thinking Hats、SCAMPER 或完整 Brainstorming 流程，最後很容易變成另一種形式的官僚化。真正重要的不是「有沒有使用框架」，而是能不能判斷什麼問題值得花時間思考。對於成本低、容易回復、回饋快速的問題，可以直接行動。對於問題模糊、投入高、難以回復，或需要很長時間才能知道結果的決策，就值得先用更完整的思考方法來擴展觀點、挑戰假設與確認方向。 因此，這次學習後，我不會把過去熟悉的 Direct Thinking 與現在接觸到的各種思考方法看成兩個對立選項。我反而認為，更好的工作方式應該是先用適合的方法把問題想得足夠清楚。需要打破既有框架時，用水平思考；需要多人從不同角度檢視時，可以使用 Six Thinking Hats；需要大量產生構想並降低群體干擾時，可以使用 635 Brainwriting 或其他 Brainstorming 方法。等到重要假設被確認後，就應該停止討論，快速進入實驗與執行。取得真實世界的回饋後，再重新回到思考階段，檢查原本的假設是否成立，並決定下一輪方向。 所以思考方法的價值，不是取代快速行動，而是幫助我們在行動之前，先確認自己是不是在解對的問題；而快速執行的價值，則是讓這些想法盡快接受真實世界的驗證。

考完了。上一期結尾寫的是「接著要把中級科目的內容完成，再加上我臨時加報的 AIoT 認證；除此之外就回歸正軌」——這兩週基本上就是照著那張清單走完的。 節奏跟上一期完全不同。上一期 96 個 commit 幾乎全砸在同一個 repo 上，備考把其他事情都擠掉了；這兩週 commit 少了四成，但攤在四個專案上：題庫收尾、兩份新提案、知識庫的格式升級，還有個人網站。從「只有一件事」變回「有好幾件事」，本身就是備考結束的訊號。 不過真正值得寫下來的不是清單清完了，而是清的過程裡反覆出現的同一件事：我用來確認「這批做對了」的方法，決定了我能看見哪一種錯。 這兩週最真實的三個缺陷，沒有一個是被測試抓到的。 這兩週 GitHub 上的實際軌跡 8/15 到 8/31 共 55 個 commit，落在 9 個工作天，其中 8 天完全沒有動靜（含連續的 8/27–8/28）。 分佈在 4 個 repo：ipas-aiap-cert 27、chenfu.ai 11、proposals 10、chenfu-kb 7。 淨變動 +60,589 / −1,076 行、299 個檔案。絕大部分是題庫資料檔。 高峰仍然是單日爆發：8/22（六）一天 19 個 commit，全部在題庫上。8/17 一天 8 個。 一天幾乎只屬於一個專案，顏色很少混在一起。也就是說這兩週是切換，不是並行。 iPAS 網站：從刷題工具長成四張證照的平台 一、把掛了幾個月的「已知限制」重新分類成「壞題」（8/17） 匯入 115-1 中級三科考古題時，順手解掉一個從專案初期就存在的問題：原卷裡的圖片。 senior-ml-114-2-q45 這題以「原始 PDF 選項為圖片，pdftotext 無法擷取」的形式，同時記在 CLAUDE.md、AGENTS.md 與 bank-defects.md 三個地方，被歸類為已知限制——知道了，但不打算解決。它其實是壞題：一道四個選項全空白的題目放在站上，不叫限制，叫故障。 轉折點是一個很笨的動作：把 PDF 頁面 render 成 PNG，然後真的看一眼。 那些「圖」是程式碼的截圖——Keras 程式碼、train_test_split 的四種寫法、console 輸出的 classification report。內容全是文字，只是被印成了像素。看清這件事之後，原本在比較的方案（要不要抽圖、放 public/ 還是 base64、浮水印怎麼辦）全部作廢，因為文字轉錄在每個維度上都贏。真正的圖表只有 4 張，佔 42 題裡的 4 題。 ...

從加拿大回來後的第一週，參加了 2 個研討會，不過大致上還是被時差整了近一週，直到這週才稍微好點，緊接著就是備考 iPAS AI 應用規劃師初級。 當初報名的時間點，差不多在 AIA 的 AIPM 課程尾端，剛好又在 FB 上看到這張證照的資訊，打鐵趁熱就一次把初、中級都報下去，還拉了 AIPM 的同學一起報考。所以出國前除了把原本接的案子收尾，也用 RAG 的方式把測驗跟刷題網站建起來，分享給同學使用。接著就是長達 7 週的 CD，一直到這週一才自己開刷備考。 一開刷就把自己嚇呆了：答對率低於 50%，有些題目還完全看不懂，讓我非常懷疑人生——AIPM 都上完了怎麼還這麼落漆。接著幾天就在刷題、卡住就用 ChatGPT 互動學習、再用 Claude Code 改善系統之間度過，這樣刷到週四早上才整體刷完。 刷完還是覺得不踏實。畢竟技術面博大精深，專有名詞跟縮寫也一堆，就算當下理解、感覺好像有學起來，之後再看到題目還是會卡住，或想不起來那個技術的應用邏輯…… 想說只剩 2 天，而且這畢竟還是初級認證，於是就請 AI 依學習指引的提綱、加上網站原本就有的內容，從各產業的應用面切入，針對初級的 2 個科目各再生成 100 題測驗題。完成後試刷了一下，沒想到還行——一樣很挑戰，但題目跟答案的解析都有到位，反過來讓我看見原題庫的一些缺失。 本來以為改善缺失不需要太多時間，結果花掉我週五一整天：中間 Claude Server 掛點一次重跑、Rate limit 一次，最後在週五晚上完工，這時我也精疲力盡。而這個改善終究來不及接上我昨天的考試。週六早上就簡單請 AI 整理整個 AI 規劃的核心流程，套入各產業的實務應用，強化實務落地的流程概念，接著就硬著頭皮上場了。 我的感覺是：如果在職、又已經有相關概念，備考抓一個月會比較保險；以我的情況，大概要兩週才會比較有餘裕。總之，還是考完了，就 Finger Cross。接著要把中級科目的內容完成，再加上我臨時加報的 AIoT 認證；除此之外就回歸正軌，繼續之前的一些題目。 這兩週 GitHub 上的實際軌跡 回頭看紀錄才發現，這兩週的節奏比體感還要極端： 8/1 到 8/15 共 96 個 commit，但只落在 6 個工作天（8/6、8/7、8/10 到 8/14）。 其中 8/13 和 8/14 兩天就佔了 78 個，8/14 一天 54 個——那正是「以為不用太多時間」的那一整天。 主線幾乎只有一個 repo：ipas-aiap-cert 95 個 commit，ai-hil-mcp 1 個。其他六個私有專案這兩週完全沒動。 也就是說，這兩週不是「順便備考」，是備考把所有其他事情都擠掉了。 ...

過去這兩週（6/1 到 6/14），在 GitHub 上推進了好幾條產品線。回頭看，這兩週的主題蠻清楚：我不是只在寫功能，而是在把各種真實生活裡混亂的資訊和流程，整理成可以被人安心使用的系統。 MatrixTradingSystem (MTS) 交易操作系統 這兩週花比較多時間在 MTS 的最後衝刺，主要專注於「讓真實使用者少踩坑」的精細化工作。除了客戶臨時要求的新功能，還要支援興櫃市場。這就很有趣了，沒想到各家券商在興櫃市場的支援度與規格差這麼多，中間遇到了許多奇奇怪怪的狀況。目前大部分問題都已解決，只剩元大證券還在透過信件釐清最後狀況，甚至一度動用到逆向券商 App 來尋找原因。 在技術細節上，主要做了以下優化： 券商連線失敗時，不再丟出一長串難懂的工程錯誤，而是提供友善的提示。 優化帳戶與庫存顯示，使其更加清晰直覺。 支援針對每檔股票設定不同的價格策略，以進行庫存賣出與回補。 修掉一些會卡住或誤導使用者的舊流程。 預計週一就會告一段落並順利結案。這次的成果遠超我之前的預期！終於有自己開發的工具會被人日常使用。看來跟錢（交易）越相關的事情，需求就越明確。能讓人願意付錢的痛點，才是真需求。 OmniTypist (語音輸入與文字潤飾) 這段時間主要在做系統穩固與跨平台架構的整理： 整理並穩固了 macOS / iOS 的共用邏輯。 補齊了 iOS 的測試、CI build 與 release tooling。 將一些原本在 Swift 裡不容易測試的文字處理規則，下放到 Rust core 中實現。 這項改動讓 OmniTypist 不僅僅是一個概念驗證（demo），而是成為一個可以長期維護、具備跨平台演進能力的正式產品。 lifexp (旅遊與生活資料管理 Web App) 這是為了解決我自己旅遊時的痛點而開發的 App。過去我一直用 Evernote 來管理旅遊資訊，但即使到現在，Evernote 仍給人一種非常 Old School 的感覺，而且在旅行前、旅程中、旅程後的不同階段，資訊使用上常常會有斷點。例如：住宿可能分散在各旅宿平台、官網、或是 Airbnb（Airbnb App 體驗很棒，極推，只是不知道實際品質如何）。 現在我直接開發了這個 Web App，將所有資訊集中在同一個網站中： 介面設計以手機螢幕大小為主，並整合了開放地圖。 開啟網頁時會直接跳到今日行程，並整合票券、餐廳預約與飯店資訊等。 串接 Gmail 訂房/票券通知，支援 Evernote 匯入，並優化了生產環境中匯入大型檔案的效能問題。 支援離線資料讀取，以及能將每日大概位置分享給家人的功能。 這不是再做一個傳統的行事曆，而是把散落在 email、筆記、PDF、地圖裡的破碎資訊，整理成真正好用的旅程系統。之後旅遊時我會一邊使用一邊迭代，希望下次出遊從買機票那一天起，一直到旅程結束，都能優雅地拿出手機得到精準資訊，不再手忙腳亂。 ...

當你一個人經營一家公司，身邊還跟著一支 AI Agent 大軍，最大的風險其實不是「做得不夠快」。 最大的風險是——你把自己變成了一台更快的任務機器。 這半年我同時推著交易系統、Lectio、AI Email、Mira 助理、好幾個小工具與知識庫，AI 確實讓產出量爆增。但我越來越清楚一件事：速度本身不是目的。所以我替自己寫了一份營運指令，提醒自己 AI 到底是為了什麼而存在。這篇就是它的精華。 核心信念 一個有 AI Agent 的 solo founder，不應該只是變成一個更快的執行者，而應該成為一個更強的創造者。 AI 的存在，是為了擴展我的想像、減少我的盲點、加速實驗、提升品質、保存脈絡——而不是把我變成任務機器。 我們不是只在優化效率。我們在優化的是：創造、學習、品質、顧客價值、可維護性、策略槓桿，以及創建者的可持續性。 產出很重要，但不是所有產出都等價。最好的產出不只是「完成的工作」，而是改變了我理解什麼、使用者能做什麼、產品能成為什麼。 四種模式，缺一不可 一人公司必須在四種模式間取得平衡： 模式 目的 Explore（探索） 發掘可能性、顧客需求與產品方向 Create（創造） 發明、原型、設計、想像更好的解法 Build（建造） 實作出可運作的產品 Refine（精煉） 改善品質、易用性、可維護性與清晰度 只會 build，系統會失敗；只會 explore，系統一樣會失敗。目標是創造性執行：有足夠的想像力找到更好的路，也有足夠的紀律把它變成真的。 創建者掌舵，AI 不取代判斷 創建者擁有判斷權，負責的是：品味、方向、顧客同理、優先排序、策略取捨、產品一致性、技術可持續性，以及最終驗收。 AI Agent 可以提案、挑戰、模擬、實作、批判、記錄、測試——但它們不取代創建者的判斷。 我的工作不是接受 AI 的輸出，而是把 AI 的輸出塑造成產品價值。 換個問法 在逼自己「執行」之前，先問更好的問題。這個轉換對我影響很大： 不要問「為什麼還沒做完？」，要問「我們學到了什麼，下一個有用的步驟卡在哪？」 不要問「計畫為什麼變了？」，要問「是什麼新證據改變了我們的理解？」 不要問「為什麼要自己做？」，要問「自己做能創造什麼策略價值、學習、控制權或差異化？」 不要問「這會不會太複雜？」，要問「哪些複雜是必要的、哪些是意外的、哪些複雜能創造未來槓桿？」 不要問「今天能不能上線？」，要問「什麼版本現在就能創造價值，又必須達到什麼品質門檻？」 我的 AI Agent 團隊 我把 AI 分成幾種角色，各司其職： Vision Agent：擴展可能性空間——「這個產品可以變成什麼？」 Product Agent：把點子轉成顧客價值——定義使用者、痛點、價值主張與 MVP 範圍。 Discovery Agent：在過度投入前先學習——找出假設、設計小實驗、決定下一步要驗證什麼。 PM Agent：守住動能但不扼殺探索——辨識當下處於哪個模式、釐清下一個里程碑、必要時建議砍範圍。 Engineering Agent：為「當下的階段」設計對的技術方案——不預設「程式越少越好」，而是幫我把取捨攤開來談。 Prototype Agent：做出快速學習的產物——讓點子先被看見、被測試，學完即丟。 QA Agent：保護顧客、也保護產品願景——QA 不是來扼殺創意，而是讓創意變得可用。 Reflection Agent：幫我從工作中學習——抓出重複模式、創建者偏誤、過度或不足建造。 Documentation Agent：防止脈絡流失——把 AI session 的輸出轉成可持續的知識。 工程取捨的原則 Engineering Agent 的存在，是為了讓我把取捨講清楚，而不是套用教條。它不預設「程式越少越好」、不預設「自己做一定壞」、不預設「架構就是浪費」、不預設「速度永遠比可維護性重要」。 ...

用 AI 整理了一下 GitHub 上的回顧，沒想到比想像中的進展還多。這半個月回頭看，重點不是單一專案，而是幾條線同時往前推。 MatrixTradingSystem 這段主要是在把交易系統往「真的能讓操作員放心使用」推進。新增了不少功能，現在進入收尾階段。不是只有功能能跑，而是流程要更順、風控要更清楚、錯誤訊息要看得懂，操作時也要降低誤按和誤判的風險。接下來就是把這個案子 ship 出去。 AI Email 工作台 跟著 AI PM 的課程也做了一番，把 AI email operations 從 prototype 往可營運推。AI 不是只要會產生草稿就好，真正進到工作流裡，會遇到 review、權限、模型切換、observability、SOP 和安全邊界，這些才是實際落地的重點。做起來有趣，不過還沒做到位，還不算是可以上線成為我的每日工具——可能痛點還不明顯，之後再看看。 Lectio Lectio 上線了！這段比較像從功能開發，慢慢走向正式產品：補了更新機制、bug report、BYOK 體驗、onboarding、權限流程、support/about 頁和 landing page。這些不是最 flashy 的功能，但產品要給別人用，這些東西一定要補。我自覺用這個在看文件、研讀新技術的幫助真的蠻大，不需要在 GPT 跟文件、或是網頁之間切換（如果網頁本身有嵌入 AI 像 Gemini，那幫助就比較低）。不過最近看到 DuckDuckGo 的新聞，就覺得蠻有趣的，物極必反。 Mira（個人 AI 助理） Mira 還挺初期的。這段在做多通道入口、記憶、工具調度、判斷層，以及 agent 可以安全觀察、操作、回放、交接狀態的基礎設施。我現在越來越覺得，agent 的重點不只是「會不會做事」，而是它做了什麼、人怎麼看、怎麼追、怎麼交接、哪些動作需要保護。要到真的有用，得增進 Skills、還要加 Workflow，而這也是我得把自己日常生活的卡點明確下來，再一個個補上去——像行事曆管理、郵件管理之類為先。Coding 的話之後再說，也許暑假旅遊完再來打造。 其他的小專案與整理也持續在跑。AIATCL 測驗網站主要是打造來複習考試用；我也報名了 iPAS 初級跟中級的 AI 應用規劃師認證考試，打算再做一個測驗網站讓自己練習，努力在今年把這兩張證照拿下來。chenfu.ai 個人網站是把近期產品工作整理成對外能理解的敘事，chenfu-kb 知識庫則是在累積自己的方法論、決策邏輯和 agent 可以使用的背景知識。另外也有一些設備端、語音服務、自動化資料維護和安全補強——看起來不像主戰場，但其實都是在補邊界、補穩定性、補長期維護能力。 還有一個里程碑：我完成 AIA 的 AI PM 課程啦！兩個月也是很快的。 總結一下，整體感覺是事情開始從很多獨立專案，慢慢變成一整套系統：有實際產品、有操作台、有 agent 基礎設施、有知識庫，也有對外展示。還有很多地方不成熟，但方向越來越清楚——不是只做 AI demo，而是把 AI / agent 能力放進實際工作流程裡，慢慢長成可以被使用、被維護、也可以被理解的產品系統。

MatrixTradingSystem 從可以跑到可以下單，一路往「真的可以給人測」推。修了很多實戰才會遇到的問題：券商串接、下單狀態同步、Windows installer、macOS release、錯誤診斷、log bundle、各種 preflight check。這種東西真的不是 demo 能看出來的，都是一邊測一邊爆，一邊補。只能說Windows的環境真的太神奇，這些金融券商有些追的新，有些又很Old School，希望立的Flag真的能達標。接下來兩週應該會很主力在把這個案子搞定並Ship！ Email operations command center 就是幫企業處理 email 工作流的工具，這個是在AI PM的課程我們這組選出來的題目，一開始一直覺得這不是我的痛點，所以並沒有真正的花太多的心思在上面，在組長發了第一版PRD後，我想說還是得自幹一下才會有感，所以從 Gmail 串接開始、信件同步、AI 回信草稿、case tracking、提醒機制，到後面開始處理部署、資料庫、Sentry、cron、rate limit。這條線跑很快，也很明顯感覺到 PoC 跟真正上線之間差很多，而做的過程好像也蠻有意思，也沒想像的那麼Boring，也許未來也不用打開Gmail or Outlook，完全可以在自己的工具軟體上操作。 Auris 一個 embedded voice AI device 的實驗。從 ESP32 韌體、音訊、WebSocket，到 Rust voice server，再接 OpenAI Realtime API，最後補 manager API、裝置註冊、token revoke。這條很有趣，因為它不是純軟體，是軟體、硬體、AI 三個世界黏在一起，不過這個案子算有一搭沒一搭的做，很多步驟都給他Yes開下去，得等MTS輸出後再繞回來看這塊！ 中間也持續增加並整理了一些自己的知識庫，包含 AI platform、embedded AI、solo dev workflow、決策架構，還做了一些給女兒英文考試練習工具。另外也快速做了一個AIACTL的素養測試網站給同學們當練習。 總結一下，這兩週不是單純寫很多 code，而是在練一件事：怎麼用 AI 當槓桿，把一個想法快速推到可以真的被測、被用、被打臉，然後再修到更接近產品。 題外話，我收到了這個玩具，該怎麼辦…機器人世界的入門磚！

又是進行雙週複盤的日子，在 AI 讓人感覺時間尺度縮到很極緻，連一天都有可能很長，為什麼我還是進行兩週的盤點，想了一下，好像也沒為什麼，就是覺得這個尺度舒服。 這兩週，依然持續跟一些朋友見面（蹭了不少飯 XD），參加了幾場研討會，AI PM 的課程持續精進跟一些線上課程的學習，回家跟父母報告，工作室的入駐行程流程，接著面向五月一些之前訂的硬體 SKU 會陸續到貨，最重要的是一個小型玩具機器人，我想會是很有趣的主題，也能給我女兒玩當 Field Testing；另一件重要的事情就是要打造一個「真」能幫我同時進行開發工作的 Agent，實際操作 Scale 我自己的樣貌；最後就是一個老同學找我做多券商交易系統，我雖然有在投資，但做一個下單工具，是之前沒想過的事，這週進行後，覺得蠻有趣的，這個專案得立一個 Flag 要在 5 月搞定結案！ 1. AI 語音輸入工具 OmniTypist 持續打磨 macOS / iOS 上的 AI 語音輸入體驗，讓使用者可以用說話快速輸入文字，也可以選取文字後一鍵請 AI 潤飾。這段時間完成了多個版本發布、iOS TestFlight 測試、語音辨識穩定性修正，以及繁體中文使用手冊。 2. AI 伴讀工具 Lectio 開始打造一個可以理解你目前閱讀內容、並用語音和你對話的學習助理。它可以讀取目前瀏覽器中的內容，透過語音問答幫助理解文章、文件或網頁。這段時間完成了第一版 macOS prototype、語音輸入輸出、OCR 螢幕理解、設定介面，以及本機語音播放引擎。 3. 多券商交易系統 MatrixTradingSystem 把一個下單介面原型，往真正可用的桌面交易系統推進。這段時間完成了核心架構、桌面應用框架、交易資料模型、委託／改單／刪單流程設計、錯誤提示、稽核紀錄，以及部分券商 API 的初步串接與驗證。 這個專案目前還在進行中，距離完整產品還有一段路。接下來還需要整合更多券商，包括尚未完成的五大券商，也還有不少風控、帳務、測試、部署與實盤驗證功能正在規劃與開發中。 🚩 Flag：五月底前結案。 4. 個人網站與作品集重構 重新整理了 chenfu.ai，把網站從單純履歷展示，改成更清楚呈現我現在正在打造的方向：邊緣智能、安全網路、AI 工具與產品化實驗。也補上雙語內容、專案頁與 SEO。 5. 產品提案與市場探索 整理多份產品提案與技術文件，包括 AI 趨勢追蹤工具、AI Maker 平台、語音助理架構、OCR 技術選型等，讓這些想法不只停留在腦中，而是能變成可以討論、驗證、合作的材料。 下週繼續，硬體到貨、機器人開箱、Trading Agent 繼續推進。時間感越來越壓縮，但方向越來越清晰。