網誌
關於 AI 應用趨勢、工具以及幫助人自信地使用 AI 的實用經驗。
2026
26 篇2026 年，我真正付錢用的 AI 工具
每次工作坊結束，總有人問我自己實際用甚麼。這是 2026 年我付錢在用的版本。
香港企業採購 AI 培訓前，必問供應商的五條問題
每間供應商網站的字眼幾乎一樣：practical、hands-on、度身訂造。這份清單幫你在表面相似的說法之間做分辨——而寫這份清單的人，自己就是供應商，每條問題你都可以拿回來問我。
香港 AI Train-the-Trainer 課程：你買的是什麼？付款前必問的五條問題
你買的從來不是 AI 知識，而是一套交付系統：可修改的教材、run-of-show、hands-on 帶法、現場出事的應變、證書之後的工作機會——付款前要問的五條問題。
懂 AI 和用 AI，是兩件事
一次性的工作坊過後，大約只有 4% 的人會把 AI 真正用下去，九成六兩星期內打回原形。問題不在工具，而在習慣——真正的改變，是一件小事重複很多次。
我問 AI 為甚麼文筆這麼差——答案不是模型
問題不在模型，在幾個月前寫下的舊指令：模型每一次升級都更強，舊模板卻一直把文字拉回 2025 年的水平。這星期刪掉了八個問題來源，這篇文章就是第一個測試。
從不寫 code 的 architect model
一個從不寫 code 的 architect 模型，統籌 3 個來自不同公司的模型在同一條 git branch 上工作，在 spec 階段就消滅了 4 個 bug，最終產出一份淨刪減的 diff。模型是可以互換的應徵者——orchestration 才是資產。
三間美國公司，一個香港 AI 教練：遙距一對一怎樣才有用
2026 年 4 至 6 月，三節來自美國的單次 AI coaching call——沒有課程、沒有後續合約，有用的原因是同一個三步結構：call 前拿到真實任務、工具配對任務、一起做出一個 output。
一間香港食品公司的一年 AI 培訓：六個部門，二十節課
從一場標準 AI 工作坊開始，該公司六個部門在一年內上了約二十節課，超過一百名員工受訓，5 月評估達 4.48 分。
為什麼我最好的 AI 工作坊是十三個人，不是五百人
十三人的房間為什麼比五百人的 webinar 更能改變 workflow：三個具體機制——每個螢幕都看得見、session 可以為一個人停、參加者用自己的材料——加上一個講清楚的代價。
同一日兩場 AI 工作坊：上午教家長，下午教小朋友
同一日，上午我在香港一間中學向約一百位家長講 AI，下午二十個孩子用 AI 生成海報；本文是我實際給家長的答案。
為 120 位 CEO 示範 AI 之後，他們問的問題與 AI 無關
2025 年 11 月，洛杉磯 YPO 峰會上，120 位 CEO 在 AI 示範後提出的問題涉及創意、子女出路與起步時機，而非技術本身。本文整理這些問題的答案。
三個 Gemini 工具，今日合併成一個 prompt
Google 今早在 I/O 2026 發佈 Gemini Omni，把 Veo、Nano Banana 與 Genie 摺進同一個 prompt surface——Sam 日常的三條 Gemini call 收歸一個。未實測，但方向值得 day one 寫下：跨輪持久性仍是關鍵死穴。
加、減、乘、除：教 Copilot 的速查表
凌晨 1 點推倒財務工作坊教材，圍繞加減乘除四則運算重新設計。與其教功能導覽，不如給一套記得住的方法論：加 context，減雜訊，用 agent 重複好動作，用 custom instructions 省掉時間稅。3 星期後的星期二，才是真正的測試。
用 AI 30 分鐘準備求職面試
用 NotebookLM 生成 podcast、ChatGPT 語音模擬面試，再把錄音掉回 notebook——3 個 source 疊加，循環 2 至 3 輪，30 分鐘一圈，讓大腦在面試的語言裡浸到熟悉。不是背答案，是高速建立接觸效應。
三輪 AI 工作坊，同一間公司——第三輪我一張舊 slide 都沒用
1 月起在一間香港食品製造商培訓：HR、市場及銷售，現在是營運。第三輪他放棄全部舊 slide，從零建 120 行虛構生產數據集和 26 條專用 prompt，並坦言未知成效。一間機構的 AI 成熟度不是一個分數，是一幅拼布。
我的部落格自動發佈文章。然後悄無聲息地停擺了三星期。
我建立了一條自動化 AI 內容管線。運行數月，發佈了 47 篇文章，然後悄然停擺三週。退出碼 0。無警報。以下是出了什麼問題，以及我現在遵循的三個原則。
9% 的 Copilot 授權有人使用。我一點也不意外
Copilot 授權只有 9% 曾被啟用，與一次性培訓後僅 4% 持續使用的數字指向同一問題：企業把 99% 預算用來買工具，1% 用來教人。真正留得住的採用，靠的是培訓完結之後仍然有人在。
兩星期建了一個 AI Chatbot。第三輪對話就崩潰
一個人加一隊 AI coding agent，兩星期建好涵蓋 137 間學校的 multi-agent chatbot，卻在第三輪對話死掉。原因是一條檢查組裝 context 而非用戶訊息的 guardrail——修復只需 6 行 code，找到它用了 1 小時。
Claude Code 完全攻略：完整藍圖 — 我真正的系統
我將整個 Claude Code 系統完整公開。CLAUDE.md、skills、agents、hooks、cron、memory — 每一層如何連接，每一個決定背後的原因。
Claude Code 完全攻略：Agent 團隊與自動化 — 你的 AI 工作團隊
9 個 agent、7 個 cron job：blog 每星期一自動發文，每個平日 8:30 收到廣東話簡報。這篇拆解單一 agent 為何會崩、平行與順序執行怎樣選，以及讓 9 個 agent 不燒錢的模型路由。
Claude Code 完全攻略：Hooks 與安全機制 — 如何讓 AI 安全工作
一封差點發給錯誤客戶的 invoice email，被 PreToolUse hook 攔下：損失 12 秒，傷害是零。這篇拆解整套護欄——163 行 policy engine、批准規則、記憶強制回寫、prompt injection 防禦。
Claude Code 完全攻略：Skills 與 Memory — 讓 AI 學會記憶
花 45 分鐘教會 AI，第二天它全忘掉——Sam 稱之為金魚問題。他建了四層記憶系統加 40 個按需載入的 skill，開機載入不超過 5,000 token，讓 AI 運作得像一個共事了幾個月的同事。
Claude Code 完全攻略：從零開始到你的第一個 Agent
3 個月前 Sam 以為 Claude Code 只是另一個 terminal chatbox；3 個月後它承載 4 間公司、70+ 客戶項目。系列第 1 篇由零開始：安裝、六個工具的 mental model、plan mode，以及一份告訴 agent 它是誰的 CLAUDE.md。
從零建構一個 Agentic AI 系統學到的五件事
從零建構 multi-agent 系統的 5 個教訓：routing 指令要寫足 3 次才穩定、記憶必須共享、把內部運作 surface 到介面反而建立信任、guardrail 內藏文化偏見、framework 只給你 80%——剩下的 20% 才是產品。
5 條真正有用的 AI Prompt 對付拖延症（我每日在用）
5 條在 X 上瘋傳、來自 Reddit 用戶 reclaim_ai 的拖延症 prompt。Sam 有 ADHD，每天在用它們的變化版：逐條拆解為甚麼有效、怎樣用得更好，以及讓 prompt 真正融入日常 workflow 的 3 個方法。
一個小時，由零到全自動 YouTube 頻道：我是怎樣與 AI 溝通的
2,100 行終端紀錄，一個小時：由一個壞掉的部署開始，與 AI 助理 Ada 建成全自動 lo-fi 音樂 YouTube 頻道。這篇不談技術，談溝通——何時沉默、何時用兩個字做決定、何時直接貼上錯誤訊息。
2025
2 篇關於作者
訂閱 AI 實用資訊
工作坊框架、採用案例，與我實際使用的工具 — 有新文章才會寄出，無垃圾郵件。
Or message me on WhatsApp