高價值的 RD 時間，不該消耗在料號、BOM 和 ECN高價值的研發時間，不該消耗在料號、物料清單與工程變更。
保留既有 PLM，讓受控的 Agent 處理重複系統操作，把工程師的注意力留給設計與判斷。保留 PLM 為正式資料來源，讓受控的 Agent 處理重複操作。
閱讀全文 Read article學習日誌
學習日誌 學習日誌
記下我怎麼理解問題、試做工具，再把真正有效的方法留下來。記錄如何理解問題、試驗想法，並留下有效做法。
閱讀路線 01
AI Agent 實作與學習AI 實作筆記
從模型、工作流、工具實驗到安全檢查，依真實實作紀錄繼續閱讀。
- AI 會改變世界，但我們真的知道它會變成什麼樣嗎？從 Ilya Sutskever 與 Yoshua Bengio 的觀點，思考 AI 未來的不確定性，以及保留修正想法的能力。
- Agent 能檢查線路圖，那 電路板佈局 呢？從 Adom 的 Astra 電路板佈局 示範，思考工程師如何 審查 AI 提出的元件擺放與佈線方案。
- 模型一直在換，但你的流程要站得住新模型來得很快；真正可以累積的，是量測任務、設定權限邊界與驗收結果的工作方法。
- API 金鑰 不是設定，是權限一次事件後的 30 分鐘 API 金鑰 安全盤點：找出憑證、輪替有疑慮的 key，並設好上限與通知。
- 讓規則真的發生：Claude Code 與 Codex HooksHook 把反覆提醒 Agent 的工作，改成固定時機、固定範圍、固定回應的工作規則。
- 下一代 AI 裝置，應該是一個能持續生長的平台AI 眼鏡、手錶與智慧家電的競爭，不只在硬體與內建功能，也在它是否能讓開發者與使用者持續擴充。
- 訊息整合 App把分散訊息集中處理，同時保留人工確認。
- 私人訊息中繼站把跨平台訊息放回同一個工作脈絡。
- AI Code 審查深度AI 產生的程式碼，審查深度應跟著風險調整。
- 用語音 需求簡報 Agent從寫 提示詞 到用語音整理 Agent 上下文。
- AI Agent 協助線路圖檢查讓 AI Agent 先處理線路圖重複檢查，再由 EE 判斷。
- 把學習整理成一個公開入口我想做的不是另一個資訊列表，而是把散落的 AI Agent 資料整理成能理解、比較，也能真正動手做的入口。
- 共用知識，協作多個 Agent換一個 AI 工具，不應該等於重新介紹自己；記憶應該跟著人，而不是跟著聊天視窗消失。
- 下一代 RAG，不只是更多 文字切塊大型知識庫搜尋不該只找到看起來相似的段落，而要能沿著文件結構找到真正相關的頁面與證據。
- 高價值的 RD 時間，不該消耗在料號、BOM 和 ECN保留既有 PLM，讓受控的 AI Agent 處理料號、BOM 與工程變更流程，減少 RD 的重複系統操作。
閱讀路線 02
工程思維與工作方法工程思維與工作方法
從系統工程、可靠性、專案取捨到工作溝通，看看這些方法如何形成 AI 實作的底層判斷。
- 工程設計與採購現實的三角平衡最低報價不一定能製造；如果設計、價格與時效沒有一起看，工程與採購都會被流程卡住。
- 把 IPC 測試指令整理成一個工具箱好的測試工具會把散落指令變成一鍵執行、選單與 API，讓驗證從記憶工作變成可靠流程。
- 把複雜需求拆成可執行的 DFMEADFMEA 不只是填表，而是從客戶需求、系統邊界與功能結構，走到風險與驗證計畫的共同語言。
- 帶纜線防水裝置的設計思考防水不是多加一個密封圈，而是讓外殼接面、溝槽、壓縮量與纜線通道共同形成可靠界面。
- 團隊的每個小成就，都值得被看見困難工作裡，真誠而具體的鼓勵不是裝飾，而是讓團隊願意繼續往前的推進力。
- 專案管理裡，不可能同時最大化一切預算、時程與範圍之間永遠存在限制；成熟的管理不是假裝沒有取捨，而是把取捨變成明確決策。
- 專業被質疑時，先把對話帶回證據冷靜、事實、傾聽與可執行方案，比立刻防衛更能建立信任，也更容易讓對話繼續。
- 系統工程師看的，不只是硬體規格一個工業電腦系統能不能長期成立，取決於需求、架構、風險、可靠性、散熱、成本、生產與維護是否被一起考慮。
全部筆記
全部紀錄全部紀錄
AI 會改變世界，但我們真的知道它會變成什麼樣嗎？AI 會改變世界，但我們真的知道會如何改變嗎？
我不一定能猜對未來，但希望自己保持好奇，也保留修正想法的能力。我不一定能猜對未來，但希望保留修正想法的能力。
Agent 能檢查線路圖，那 電路板佈局 呢？Agent 能協助檢查線路圖，那電路板佈局呢？
從 Adom 的 Astra 示範，思考第一版 layout 之後的工程判斷。Agent 提出佈局方案後，工程師仍需確認設計判斷。
模型一直在換，但你的流程要站得住模型一直在換，但工作流程要站得住。
新模型值得試，但先量完整任務、劃出權限邊界，再用可以驗證的結果決定要不要留下它。試用新模型前，先量測任務、設定邊界，再驗證結果。
API 金鑰 不是設定，是權限API 金鑰不只是設定，更是存取權限。
一次事件後的 30 分鐘安全盤點：找出 key、輪替憑證，再補上上限與通知。用 30 分鐘找出金鑰、輪替權限，補上上限與通知。
讓規則真的發生：Claude Code 與 Codex Hooks用 Claude Code 與 Codex Hooks，讓規則真正執行。
把反覆提醒放到正確時機，讓 Agent 停下來、驗證，再把決定交還給人。在正確時機提醒 Agent 停下來驗證，並將決定交還給人。
下一代 AI 裝置，應該是一個能持續生長的平台下一代 AI 裝置，應該是持續成長的平台。
AI 裝置需要的不只是一組內建功能，而是一個能讓社群持續擴充的平台。AI 裝置需要讓開發者與使用者持續擴充的平台。
訊息整合 App：少一點切換，把最後判斷留給人整合訊息，同時保留人的最後判斷。
訊息集中進來並補回對話背景；人確認後，Agent 才送回原本的平台。訊息集中後補回背景，經人工確認才由 Agent 寄送。
私人訊息中繼站私人訊息中繼站
集中分散收件匣，補回背景，人仍負責最後回覆。用同一個收件入口恢復脈絡，最後回覆仍由人負責。
AI 寫的 Code，還要不要逐行讀？AI 產生的程式碼，還要逐行閱讀嗎？
審查深度不應固定，而應跟著風險提高。風險越高，審查就應越深入。
從寫 提示詞，到用語音 需求簡報 Agent從寫提示詞，改為用語音交代 Agent 任務。
先說出完整想法，再整理成可執行的 需求簡報。先自然說出想法，再整理成可執行的需求簡報。
讓 AI Agent 先協助 EE 檢查線路圖讓 AI Agent 協助線路圖審查。
Agent 先整理疑點，工程師依設計意圖做最後判斷。Agent 提出疑點，工程師做最後判斷。
把學習整理成一個公開入口把學習整理成公開入口。
不是再做一份資訊列表，而是讓知識更容易理解、比較與實作。讓分散的知識變得可以理解與使用。
共用知識，協作多個 Agent記憶應該跟著人。
用自己擁有、可審核的知識庫，讓不同 Agent 共享長期記憶。以使用者擁有、經審核的知識庫，讓多個 Agent 共用知識。
下一代 RAG，不只是更多 文字切塊下一代檢索增強生成，不只是增加文字切塊。
PageIndex 用文件結構、證據與可追溯推理改善大型知識庫搜尋。PageIndex 以文件結構與可追溯證據改善檢索。
工程設計與採購現實的三角平衡平衡設計、成本與時效。
價格最低不等於做得出來；真正的決策要同時看設計、成本與時效。報價最低，不代表一定能製造。
把 IPC 測試指令整理成一個工具箱把工業電腦測試指令整理成工具箱。
一鍵執行、選單和 API，讓驗證不再依賴翻文件與手動拼指令。一鍵測試、選單與 API 可以減少重複設定。
把複雜需求拆成可執行的 DFMEA把複雜需求轉為可執行的設計失效模式與效應分析。
從需求、邊界與系統圖，走到風險與驗證計畫。從需求與邊界，連接風險與驗證。
帶纜線防水裝置的設計思考設計帶纜線的防水外殼。
從上、下蓋、密封圈與纜線路徑，建立可靠的防水界面。讓上、下蓋、密封圈與纜線路徑形成可靠的密封界面。
團隊的每個小成就，都值得被看見團隊每個小成就，都值得被肯定。
真誠而具體的鼓勵，是困難工作裡很實際的推進力。具體而真誠的鼓勵，能幫助團隊繼續前進。
專案管理裡，不可能同時最大化一切專案無法同時將所有條件最大化。
預算、時程與範圍之間的取捨，必須成為明確決策。預算、時程與範圍需要明確取捨。
專業被質疑時，先把對話帶回證據專業遭質疑時，回到證據。
冷靜、事實、傾聽與方案，比立刻防衛更有力量。冷靜、證據、傾聽與可行方案能建立信任。
系統工程師看的，不只是硬體規格系統工程師看見的不只是硬體規格。
需求、架構、風險、可靠性、散熱、成本與維護必須一起考慮。需求、風險、可靠性、成本與維護應一起考慮。
個人反思
個人反思 反思札記
學習不只留下結論，也留下我如何改變做法。學習不只記下結論，也記錄做法的改變。