Learn-With-Coach: AI 學習教練技能 — 用 3 步執行迴圈學會任何技能
📚 技能介紹 Learn-With-Coach 是一個 AI 學習教練技能，專為將模糊的學習目標轉化為可執行的 3 步驟計劃而設計。這個技能的核心概念源自「刻意練習」(Deliberate Practice) 和「費曼學習法」的結合，透過結構化的執行迴圈，幫助學習者避免常見的學習陷阱。 🎯 為什麼需要這個技能？ Why Do You Need This? 大多數人學習新技能時會遇到以下問題： 目標過於模糊 — 「我想學投資」太籠統，無法转化为具体行动 缺乏結構 — 不知道從哪裡開始，容易半途而廢 沒有反省機制 — 埋頭苦幹，卻不知道哪裡需要調整 過度學習 — 在已掌握的領域重複浪費時間 Learn-With-Coach 正是為了解決這些問題而設計。它不是给你一堆学习材料，而是幫你建立一個可持续的學習系統。 🧠 核心原理 The Science Behind It 刻意練習 (Deliberate Practice) 心理學家 Anders Ericsson 的研究顯示，專家與普通人的差異不在於天賦，而在於「刻意練習」——有意識地停留在自己的能力邊緣，反覆練習並獲得即時回饋。 間隔重複 (Spaced Repetition) 學習不是一次性的事件，而是需要間隔重複的過程。每個階段之間的「反省」環節，其實是在強化記憶痕跡，將短期記憶轉化為長期記憶。 元認知 (Metacognition) 「知道自己不知道什麼」是高效學習的關鍵。Coaching 問句的目的就是幫你培養這種元認知能力。 🔗 與 […]
Read MoreCopywriting-With-Coach：用 AI 教練式提問法建立銷售文案
一個 AI 驅動的文案教練，用蘇格拉底式提問法幫助你建立專業銷售文案。支援 VSL、冷郵件、暖郵件等多種類型。
Read More
Calling-Agent-Squad：多 Agent 協作框架
💡 解決的問題 單一 AI Agent 有能力限制。當任務太過複雜時，單一 Agent 往往會： 遺漏重要細節 在分析的深度和廣度之間失衡 缺乏獨立的品質把關機制 多個 Agent 協作可以突破這些限制。每個 Agent 專注自己的領域，透過結構化的協作流程，完成單一 Agent 無法勝任的複雜任務。 🏗️ 架構設計 框架以Architect → Coder → Reviewer 為核心流程，形成一個完整的「規劃→執行→審查」循環。 Architect Agent（架構師） 角色：分析需求、規劃架構、制定技術路線 擅長：系統性思考、技術全景、風險識別 輸出：技術規格文檔、架構圖、實作計劃 Coder Agent（工程師） 角色：負責具體實作、編寫代碼、解決技術問題 擅長：代碼生成、演算法實現、細節執行 輸出：可運行的代碼、單元測試、技術文檔 Reviewer Agent（審查員） 角色：審查代碼或方案、把關品質、提出改進建議 擅長：邏輯分析、漏洞識別、程式碼優化 輸出：審查報告、改進建議、品質評估 ⚡ 工作流程 User/LLM Router ↓ Architect Agent (分析需求) ↓ 生成技術規格 ↓ Coder Agent (執行實作) […]
Read MoreKB-Collector：將 YouTube 與網頁內容智能收集到 Obsidian
解決的問題 每天我們都會看到很多有價值的 YouTube 影片、部落格文章、論文——但常常看過就忘了，很難建立一個可搜尋的知識庫。 KB-Collector 就是為了解決這個問題：自動化收集 + AI 摘要 + 統一儲存。 核心功能 YouTube 影片：自動抓取字幕、AI 生成摘要、節錄重點章節 一般網頁：擷取乾淨內容、去除廣告干擾 文字/連結：直接儲存文字片段或連結 定期摘要：支援每週/每月/每年的內容回顧 存放位置 所有收集的內容都會存到 Obsidian vault（路徑：~/Documents/Georges/Knowledge），以日期命名，方便日後搜尋和回顧。 使用方式 只要告訴我： collect [URL] [tags] 例如： collect https://youtube.com/watch?v=xxx #ai #marketing GitHub arbiger/kb-collector on GitHub License: Apache 2.0
Read More
Coaching-Me Skill：用 AI 教練式提問法提升思考深度
一個自適應的 AI 教練框架，用蘇格拉底問答法幫助用戶深度思考。從一個 YouTube 影片的啟發，到完整 Skill 的設計過程。
Read More【市場觀點】告別「賣鏟子」的 2025：迎接 2026「AI 應用落地」與實體 AI 的元年
過去兩年，美股的主旋律非常簡單：「買進賣鏟子的人」。 從 2024 到 2025 年，Nvidia (NVDA) 與台積電 (TSM) 享受了 AI 基礎建設（Infrastructure）的紅利。這是一個資本支出（Capex）狂飆的年代，科技巨頭們爭先恐後地囤積 GPU。但隨著時序進入 2026 年，市場的風向正在改變。華爾街開始提出更嚴苛的問題：「花了大錢建置算力，獲利（ROI）在哪裡？」 根據紅杉資本（Sequoia Capital）近期的分析與 Gartner 的技術成熟度曲線，我們正站在一個分水嶺：2026 年將不再是「軍備競賽」的一年，而是**「應用落地（Deployment）」與「實體 AI（Physical AI）」**的一年。 以下是針對 2026 年美股投資版圖的深度分析與關注清單。 一、 核心戰場：實體 AI 與機器人的崛起 如果說 ChatGPT 是大腦，那 2026 年就是 AI 長出「身體」的時刻。 Tesla (TSLA)：不只是車，是帶著輪子的機器人 市場長期以來將 Tesla 視為汽車製造商，這是估值最大的誤區。在 AI 應用層面，Tesla 擁有兩大護城河： 市場催化劑： 投資圈盛傳 SpaceX 可能在未來進行 IPO（或透過類似 SPARC 架構讓 TSLA 股東參與），這將進一步鞏固「馬斯克生態系」的溢價效應。但投資人需警惕法規風險，若 FSD 無法在 […]
Read More2023/05/31 美股市場想法, 一個字怪
期貨怎麼看都是向下, 但是你看大盤是沒那麼糟糕, 個人感覺是權值股撐著, 而且只有NASDQ網上, S&P500也開始拐頭了, 這一來一往差很多哩, 台股能跑就準備跑了 RUS2000 DJI NASDAQ S&P500
Read MoreReset and Resume with NoNonSenseForex [EP.1]
很久沒有更新, 發現幾個問題, Price pattern 有一些問題還是無解, 比如說, 反轉, stop out, 太早T/P等等, 用了新的指標, 搭配 Ichimoku, 還是不知道他怎麼做的, 而且也太縮限, 又重新看了一次 NoNonSenseForex, 然後又聽一次又一次的內容, 我決定再來一次, 用VP提到的方法! (Thank you VP). 現在本金, 投入50%!
Read MorePrice Pattern Study [EP4]
從FB上面看到這張圖, 把之前提的EP1~3都總結一次, 順序是 #1, #2都是看人, 看經驗, 拉到Weekly或是Monthly, 透過過去的資料來設定支撐, 有時候可以拉出通道, 或者各種圖形, 但是真的要看經驗 #3, 費波納許曲線, 這個真的是看人, 你相信價格會依自然界的數列去運行嗎?或者說人的交易就在這自然界之中啊!! 一般來說是0.33%~0.68%為交易區間 #4, 這個就真的需要去設定, 以免走太晚, 或者走不掉, 有時候是一個很大的Swing, 就好比2022年底到2023的波動非常大, 尤其是大事件 – e.g: FOMC speaks, 升降息決定等, 都有很大的影響 希望還是可以將本金翻倍, 然後再看後手了!!
Read More喬治碎碎念
收到一個友人轉寄來的電子報 – 曼報, 講到了Pebble的起落, 讓我想到從機器人事情發生到現在的轉變, 傳統的生意模式, 都是往前衝, 把量做出來, 庫存什麼的後面再處理, 因為市場就在那邊, 你不衝, 別人就進去了 我知道的五金工具盤也是一樣的模式, 為了要衝, 就是殺價, 營收很漂亮, 但是預收款就是隱藏的部分了. 機器人之後的事情大家可以想到, 緊縮砍人, 導入TPS, 然後再找機會往上衝, 不過現在真的比較難了, 說個有趣的事情, 現在產線剩下10人, 產量今年做到72,000台 是產線開線以來, 人最少, 量最多的一年嗎? 記得我有買第一隻Moto360, 後來就沒再看了, 因為他終究是一個玩具 手錶, 有時候是用來看時間的, 看小螢幕, 再新奇, 也沒有大螢幕來的舒服, 我是感覺, Pebble他的轉型太慢了 就像文章說的一樣, 他的產品定位沒有及時展開, 或者說, 他們沒有做, 只專注做手錶, 至少我沒看過他們的其他不同產品線, 回說測距儀也是一樣, 今年第13年的測距儀, 也該快點找出下一個爆發點了, 老狗還是要玩出新把戲, 不然就沒用了
Read More