AI 能獨立做研究嗎？AI Scientist-v2 的成績單與真相
> 導讀：Sakana AI 宣稱 AI Scientist-v2 通過史上第一篇全 AI 論文的同儕審查。標題震撼，細節藏著大量「但是」。如果有人告訴你，一台機器用 20 美元、幾個小時，獨立寫出一篇通過同儕審查的學術論文，你的第一反應是什麼？Sakana AI 的 AI Scientist-v2 在 202
Grimoire
生醫研發日誌與技術報告——記錄 AI 整合、流程自動化與濕實驗設計的實戰經驗，所有咒語按時間排列。
所有文章
30 分鐘搞懂任何領域：縱橫雙軸研究法
> 導讀：遇到完全陌生的領域，有人用一套兩年驗證的方法論，搭配 AI，30 分鐘產出結構化研究報告。祕密不在 AI 多聰慧，在於問問題的框架。打開 Google，搜尋 200 萬條結果，看了十篇比開始之前更困惑。問題是沒有認知骨架——骨架搭起來之前，再多資料都是散落的拼圖碎片。這個方法源自 Saussu
模糊想法精確化的哲學工具箱——蘇格拉底、維特根斯坦、波蘭尼三合一
> 導讀：你有沒有想過，為什麼腦中清楚的念頭，一開口就散掉？問題不在表達能力，而在還沒「想清楚」。三位哲學家組成一套工具，把腦中迷霧變成可執行的路線圖。說不清楚通常不是表達問題，而是思考還沒被切出邊界。維特根斯坦：「語言的邊界就是世界的邊界。」開會時有人說：「這方向感覺不太對。」需求書上寫：「這功能要做得好用。
當公司變成 AI 組織——Block 提出的組織架構革命
想像一下，星期一早上九點，客服剛看到客訴暴增，銷售還沒開完例會，主管的 Slack 已經塞滿截圖。為什麼很多公司裝了 AI 之後，還是像在維修一台老舊影印機？問題常常不在模型不夠強，而在組織還是照舊運作。訊號要層層上報，決策要層層核准，任務再層層下達。AI 被塞進這種結構裡，很像把渦輪裝到一台還在手搖窗戶的車上，馬力到
AI 的技能該是動詞，不是名詞——為什麼靜態 Skill 注定失敗
你可能也有過這種經驗：側邊欄裡塞了 50 個 Skill，真要做事時，還是得先停下來想「現在該叫哪一個」。那一刻你就會發現，這些 Skill 比較像收納整齊的工具箱，不像會自己補位的隊友。問題不在數量，而在設計。多數人把 Skill 當成名詞，像模板、像說明書、像一張等待點擊的功能卡；真正會拉開效率差距的 Sk
知識煉金術：NotebookLM 與「活檔案」的知識內化攻略
你的 Notion 筆記寫完就死掉，99% 不會再被翻開。NotebookLM 把靜止的圖書館變成會對話的智囊團，本文拆解多模態輸出、跨文件問答與來源溯源三大超能力，並附上適合研究者的實戰整理工作流範例。