AI Monthly — August 2026
AI 趨勢月報 — 2026 年 8 月
三場。從讀程式碼走到驗證程式碼，模型變成商品之後的客戶與落地能力，以及有效 token 和用量配速。
08-06｜從讀程式碼到驗證程式碼
- 一位資深的軟體工程作者說，他已經不讀 AI 寫的程式碼。他改成替 AI 設下很多關卡來驗證：驗收測試、QA 程式、架構提案。方法也包括變異測試，就是故意寫 bug，確認 AI 能攔截到。
- 給 AI 的東西如果太模糊，AI 就會腦補規格並自行實作，結果不如預期，這就是俗稱的幻覺。所以要盡量定義清楚。
- 我在自己帶的 AI vibe coding workshop 裡教過：叫 AI 做事之前，先把問題切到正確的層級。是只有 UI、有邏輯互動或動效、需要儲存（瀏覽器或資料庫），還是需要串接 AI、搜尋或其他系統。
- 我做了一個把命令列 AI 包成多分頁的工具給同事用，比較好操作。同一個視窗可以開不同的 AI，例如 Codex、Claude。
- 我建議練習用子 agent。可以生成五六個不同角色互相辯論，或設 QA、架構師角色來規劃與把關。也可以把多個 agent 撒出去調研，再由一個「總編輯」整合，讓任務不會都卡在人身上做決策。另外可以用高等級模型總控，派便宜的模型做翻譯這類低價值的工作。
- 要讓產出能被機器驗證。設定明確的指標，讓機器判斷 go 或 no go，因為人讀 code 又慢又不可靠。這是測試自動化要克服的一大關卡。
- 我讓 AI「做夢」。每天半夜三點，請它覆盤、修剪記憶、刪掉用不到的 skill、做反思，早上交一份報告給我。這用來緩解 skill 太多造成的幻覺與發散。
- 我請 AI 早上七點先做一件事，讓用量計價提早開始，重置時間就大範圍覆蓋上班時間，不再有 token 焦慮。
08-13｜模型變成商品之後
- 我分享了一則新聞：一家電信業者併購了一家資訊服務公司。模型已經像幾個月前大家預測的，變成通用商品。既然用誰的都可以，大家就去搶 FDE，也就是誰有客戶、誰能把東西落地到客戶端。被併購的公司手上有很多客戶，電信業者要買的是它的客戶、工程與導入能力。
- 我們以前靠比較會用前沿 AI 走在前面。但這會越來越沒有差異，因為大家的 AI 都差不多強。應用如果做得太淺，大廠就會直接介入。
- 客戶也可以直接去找大廠，大廠甚至會自己來推方案。所以客戶關係、對客戶領域的了解，再加上 AI 能力，要一起達到平衡點，才比較有機會。
- 我的實作是這樣：一個 App 專案要在測試帳號開放的有限期間內截完所有畫面，我改讓 AI 去跑。我讓 AI 連上我的手機，對整個 App 截圖。這個任務用量很兇，大概五個小時就把額度用完。截圖放在整理好的 sitemap 裡，可以點擊瀏覽、針對區塊下載。我也請 AI 整理節點流程、留下點擊軌跡，並用紅點標出走不下去的地方。我評估大概做到七八成，整體效果還蠻好。
08-21｜有效 token
- 幾個月前大家談的是 token maxing，盡可能燒更多 token。後來發現不符成本，現在談的是「有效 token」：產出要跟得上。
- 同一個模型也分不同等級，不是越貴越好。越貴的等級想得越久、越深，適合解決複雜問題。小任務如果開高思考深度，反而很內耗，最後答案還可能是錯的。要依任務複雜度選兩個維度：模型種類與思考深度。
- 我平常大概用 high 等級就夠，不會全部開到最大，因為會想很久，效果也不一定最好。
- 任務很複雜或要長時間執行時，可以用貴的模型做 planning，再派給較小的模型實作。
- 有些廠商讓便宜的模型多跑幾次，成本可能仍低於前沿模型，效果甚至更好。我認為這會是未來趨勢。
- 我每天推播用量配速。比對現在的時間和本週何時重置，讓大家對用量水位有體感，像跑馬拉松一樣配速。有些任務用較貴的模型，有些用便宜的。
- 剪片的 prompt 我是這樣寫：講清楚 input，鎖定範圍，先要計畫。一個小時多的影片，我先自己過濾，只請 AI 把中間七分鐘剪出來當素材。修改時給明確的時間點。要求 AI 保留每一版，不要覆蓋舊版。最後讓 AI 回聽合成的配音，它找出了念錯的地方。