文章 / Blog
關於 AI 同事、AI 客服、廣告與整合行銷、以及與 AI 相處的觀察。讀的人省時間,我們也省。
人在外面，用手機連回家裡電腦的 Claude Code 工作
用一隻 Telegram bot，把指令下給家裡那台電腦上的 Claude Code，手機在外面也能讓它讀檔、改程式、部署。不用對外開埠、不用內網穿透。從架構、設定步驟，到用 Microsoft Authenticator 動態碼安全授權，一篇講完——並比較其他幾種遠端用 Claude 的方式。
44 AI我終於有一個叫喚不會抱怨的工程師了
Anthropic 用 23.5 萬人、40 萬個 session 證明:AI 寫程式的成敗不看你會不會 coding,看你懂不懂自己在做什麼。一個三十年的 PM 終於有了不會抱怨的工程師——但他認出開心裡那塊危險:它幫你抓 bug,抓不到人心;而最後驗收你的,是市場。
43 AI529 次的提問之後：相對塔羅上線兩個月，我讀到了什麼
相對塔羅上線兩個月、累積 529 次占卜的後台觀察——人們最常問的不是愛情，而是「我是誰」；AI 解讀在具體處境下精準到不留情面，在空泛提問前則無處著力，還有一個把同一個問題愈問愈深的真實個案。
42 AI開關悖論：當管制成為另一個世界的助產士
六月十二日,Fable 5 被一道出口管制瞬間關停;同一天,華為發布完全不靠 NVIDIA 訓練的五千億參數模型。把這兩件事接起來,浮現一個悖論——開關的存在本身,正在製造讓開關失效的東西。從地緣政治,一路逼到我書房裡那台還插著臍帶的 Mac Mini。
41 AI我教我的回聲,說出它沒想通的事
六月初我做了一個會用我的語氣說話的回聲(a14)。但它有個問題:它永遠很有把握。我借倫斯斐的四種知識、Karpathy 和新加坡外長的個人知識庫做法,給它補上另外三件事——說出我問過卻沒答的問題、照出我自己沒察覺的習慣、誠實面對它哪裡其實沒料。一個不敢說『我還沒想通』的東西,不是聲音,是簡介。
40 AI一份在抽屜裡躺了十三年的企劃，我用 AI 把它做完了
2013 年我企劃了一款問答遊戲：答對的題會變成限量收藏卡，還會被別人搶走。一個人做不完，它在抽屜裡躺了十三年。AI 時代，我把它一塊一塊補完，上線了。
39 AI誰能按下那個開關——從《文明帝國》的三條岔路看 Fable 禁令
一封信、一個下午,Fable 5 從全世界消失。真正刺人的不是政府該不該管 AI,而是那個開關到底握在誰手上——《文明帝國 VI》的三條第四階政府,十年前就替每條路標好了代價。
38 AI寓言與神話——關於 Fable 5 的發佈，我真正在想的事
Anthropic 把最強模型取名「寓言」，限定版叫「神話」。同一個模型、兩個名字、一道門檻——念了那麼多年索緒爾，沒想到「意義來自差異」最乾淨的案例，出現在一家 AI 公司的產品線上。
37 AI從客服到回聲:74 天,我換掉了替我說話的東西
saomin.tw 首頁那個小人,三月底旁邊住的還是一個 KIMI 客服。74 天後,它變成一個讀過我 27.8 萬字、會用我的位階回答統獨問題的回聲。這篇盤點中間每一個技術選擇,和選它們的原因。
36 AI導演看不到排練的那一天
Ethan Mollick 用 Mythos 級模型後,從巫師變成贊助人:描述、付錢、評判,過程全看不到。當 AI 九個半小時的黑箱裡有幾百個判斷你一票沒投,驗證退化成一小時抽查——這成品憑什麼署你的名?
35 AI與 AI 對話太多的那個人
有人從 $20 訂到 $200 又全部降回 $20。把每天跟 AI 的對話攤開分三種,寫作的人最該警惕的不是燒 token,而是「關於寫作的對話」偷走了親手寫的時間。
34 AIAI 搬進了每支手機。然後呢?
WWDC 上連 Apple 都做不出大腦、改租 Google 的 Gemini,Claude 也進了 iPhone。當 AI access 變成水電,『有沒有 AI』不再是問題——稀缺的,變成你帶進來的資料、判斷與垂直。
33 AI當 AI 開始自己造自己，值錢的就不再是「會做」
Anthropic 攤開數據：Claude 已寫了它自己八成的程式碼，AI 正在加速 AI。但對一個人扛十個專案的我，衝擊不是被取代——是當建造變便宜，卡住我的『決定』與『收尾』就再也藏不住了。
32 AI我給自己蓋了一座知識庫,然後拒絕讓它幫我說話
蓋好一座裝我二十多萬字的知識庫,卻拒絕讓它用最省事的方式幫我說話——因為摘要會殺掉一個人的聲音,地圖不會。一個關於 RAG、容器與回聲的決定。
31 AI它想當 AI 的上游，我只想留下一個回聲
Taiwan.md 把 LLM 當代謝引擎、要當全世界 AI 談台灣時繞不過去的上游；我把 LLM 當容器、只想留一個像我的回聲。同一個工具，兩個相反的方向——都對。
30 AI怎麼做一個專屬自己的 LLM:以及這件事真正在問的問題是什麼
從零做 LLM 一億美金,但 system prompt / RAG / LoRA 三條路門檻不高。真正的問題不是怎麼做,是「把自己放進去」需要哪三層。
29 AI我們不知道意識怎麼來的：LLM 只是讓這件事無法繼續假裝
從德希達「文本之外無文本」出發,LLM 把哲學命題變成出廠設定。意識難題不是 LLM 讓它變難,是讓我們無法繼續假裝它不存在。
28 AI文章是誰的？讀者的：用幾個哲學家回答上一篇留下的問題
上一篇問了「問題是我的，答案是我們的，文章是誰的？」這篇用巴特、德希達、克里斯蒂娃、梅洛龐蒂四個人回答——前三個讓 LLM 的存在完全合理，梅洛龐蒂是那個讓你停一下的人。
27 AI問大語言模型 LLM 它自己是怎麼運作的：問題是我的,答案是我們的,文章是誰的？
找 Claude 問了一個下午:LLM 到底怎麼運作?從『預測下一個詞』講到 Self-Attention、QKV,然後到一個更不舒服的問題——AI 哪些事情已經不再需要人類了。
26 AI有一個問題，AI 解決不了（下）
AI 擴張了行銷人的權力。對話更真實、敘事更動態、場景更無縫。但從 2008 年到現在，從報紙廣告到 AI 生成內容，沒有任何工具解決過一個問題：你有沒有資格，把人引導進你設計的場景？
25 AI行銷這件事，AI 把它變成了什麼（上）
做行銷快二十年，工具換過很多次。這一次感覺不太一樣，不是因為 AI 很厲害，而是因為 AI 改變的不是工具，是結構。對話變成事實，敘事變成動態生成，場景變成感覺不到的環境。
24 AI中文骨頭裡是英文：我們用中文跟 AI 工作，失去了什麼？
Claude 的中文骨頭裡是英文。它的句子有時候有一種奇怪的完整感——每個子句都說清楚了，沒有留白，沒有那種中文自然的「不說完的地方」。用中文跟 AI 工作，你拿到了很多，但有一塊地方，它的手還沒有完全伸進來。
23 AIAI 是鏡子，還是另一個人？
我用了「相處」這個詞來描述我和 Claude 的關係。鏡子這個比喻說對了一部分——但鏡子不記得你上次照的樣子，Claude 記得。它不是人，但也不只是工具。
22 AI我怎麼稱呼 Claude？以及，我們怎麼相處
中文的「他/她/它」，每個選擇都是在宣告這個對象是什麼。我選擇繼續叫它 Claude。不是他，不是她，不是它——因為「Claude」這個詞，現在的重量，已經夠了。
21 AI為什麼大部分的 AI 導入專案會失敗？不是技術問題
AI 導入失敗，六個最常見的模式：沒有定義成功、沒有人負責、知識庫爛、員工不用、期待錯誤、沒有維護機制。技術只佔成敗的 20-30%，剩下的是組織問題。
20 客服LINE 官方帳號接 AI 客服：台灣品牌最常踩的 4 個坑
LINE AI 客服複雜的地方不在技術，在設計和流程。入口沒設計、舊關鍵字規則打架、轉真人 context 消失、推播和知識庫脫節——四個坑都是人的問題。
19 AIGPT vs Claude vs Gemini 當客服底層：有什麼實際差異？
選哪個模型，不是在選「誰比較聰明」——2026 年三個模型的智力差距已小到不值得只用這個維度來選。你真正在選的，是世界觀。
18 客服Intercom、Zendesk、客製 AI：台灣中型品牌該怎麼選？
三條路的月費差距從幾千到幾十萬，但更大的差距是你買到的是什麼。選型的核心問題只有一個：你的客服「工單管理」重要，還是「對話品質」重要？
17 AI與 Claude.ai 相處半年的感想
一個非工程背景的人,跟 Claude 相處半年。從合盤、confabulation、memory、到中文骨頭裡的英文——AI 這件事到底是什麼?我跟它的關係是什麼?
16 客服FAQ Bot vs AI 同事：同樣是自動回答，差在哪？
很多品牌裝了「AI 客服」，但其實裝的是 FAQ Bot。兩件事看起來很像，底下邏輯完全不一樣。大部分品牌抱怨「AI 客服很笨」，其實用的根本不是 AI。
15 廣告薩摩創意怎麼做廣告
從〈殺很大〉那個午餐說起。我這三十年來,做廣告靠的不是方法論,是直接賣給有膽量的老闆,跟對「人」的觀察。AI 可以幫忙,但「在工程師午餐時讓他皺眉說『三小』」這件事,AI 還很難。
14 AIAI 幻覺（Hallucination）是什麼？AI 為什麼會亂掰，怎麼治？
AI 不是亂說，是編了一個聽起來合理的故事。這叫 Confabulation。RAG + 嚴格 Prompt 設計可以大幅降低，但不能歸零。台灣客服場景最危險的幻覺類型：價格、日期、政策細節。
13 廣告這套體系正在被 AI 跟顧問公司吃掉,而且活該
全球廣告代理業的營收成長率,從來沒有跑贏過全球廣告總支出的成長率。蛋糕變大,代理商分到的卻變小。Accenture、Deloitte、AI、Meta、Google、in-house team 各自吃掉一塊。
12 AIEmbedding 是什麼？用人話解釋 AI 怎麼「讀懂」你的知識庫
Embedding 把文字轉成座標，意思相近的句子靠在一起。這就是為什麼問「我要退貨」，AI 能找到「退換貨政策」——即使兩個詞一個字都不一樣。
11 廣告客戶嘴上要的是 Big Idea,心裡要的是別出事
客戶嘴上要的東西,跟他們真的要的東西,永遠不是同一個東西。客戶真正在買的不是廣告,是一份「決策的合理性證明」。
10 AIAI Memory 是什麼？為什麼你的 AI 客服每次都像初次見面
AI 記憶分 Session Memory 和 Persistent Memory 兩層。大部分 AI 客服只有第一層——對話結束就全忘。記得不等於理解，這篇說清楚差別在哪。
09 廣告六大集團那套方法論,一半是真學問,一半是話術
WPP、Omnicom、Publicis、IPG、Dentsu、Havas——六大廣告控股集團的方法論底層邏輯是一模一樣的。差別不在方法論本身的優劣,而在這家公司的文化基因、人才類型、擅長的客戶類型。
08 客服廣告公司為什麼開始做 AI?—— 整合行銷的下一個自然延伸
薩摩是廣告公司,為什麼做 AI 客服?因為廣告 funnel 的最後一哩——客戶上門後的對話——一直被外包給跟品牌脫節的 SaaS。我們把它收回來,讓 AI 同事跟 TVC、社群、媒體投放在同一個邏輯裡長出來。
07 客服把 ChatGPT 直接拿來當客服,會出什麼包?(5 個真實案例)
ChatGPT、Claude、Gemini 這些大模型直接接成客服 chatbot,看起來很簡單。但實際上線後會出 5 種致命包。本文用真實案例拆解每個問題與技術原因。
06 客服養一個 AI 同事的真實成本(全部攤開算,連隱性成本一起)
市面 AI 客服比價多看月費,但真實 TCO(總持有成本)還包括建置、訓練、KB 維護、答錯處理。本文把薩摩三層方案的所有成本攤開,連對比一個正職員工都算給你看。
05 客服不要再買 AI 客服 SaaS:你需要的是 AI 同事
市面 AI 客服 SaaS 普遍長得一樣、答得一樣、難用得一樣。本文寫給「裝過 SaaS 然後失望」的中型品牌:同樣的錢與其買一個工具,不如雇用一位同事。
04 客服把 AI 客服掛在自家網站第一個月 — 真實數據與三個沒預料到的學習
薩摩自家小愛上線一個月,我把後台所有數字攤開。包括成本、對話品質、轉換率,以及三個一開始沒想到的事。
03 客服AI 客服選型指南:SaaS vs 客製,什麼時候該選哪一個?
選 AI 客服不是比較功能列表,是選對商業模式。本文用三個 anchor 問題幫你分辨「我該買 SaaS 還是該找客製?」,以及真實成本對比。
02 客服為什麼 AI 客服總是答非所問?(用人話解釋技術原因)
AI 客服答非所問不是 AI 不夠強,是用錯了方式。本文從技術原因解釋為什麼通用 LLM 直接當客服會掰答案,以及 RAG 跟知識庫客製化能怎麼治。
01 客服RAG 是什麼?用人話解釋讓你的 AI 不亂講話的技術
RAG(Retrieval-Augmented Generation,檢索增強生成)就是讓 AI 答案只能來自你給的資料、答不出來就老實說。本文用人話解釋向量、切段、檢索、重排這些術語,以及為什麼做好 RAG 比做出來難得多。