這篇文前天就寫好了，今天才發佈，想著閒著也是閒著，時間多出來了，來練練英文吧（最後有英文版）
終於，我們來到了這趟 30 天 iThome 鐵人賽的終點。
回想當初報名時，心裡是帶著一點包袱的。想著寫過幾本書，如果不好好寫些什麼，會不會很落漆？如果沒有得獎，會不會很丟臉、顯得自己退步了？（當然其實沒人在意，就我自己在那掙扎）總之，一開始確實有也想過要不要寫一些討喜的「工作乾貨」。
但誠實地面對自己後，我發現那根本不是現在的我想要、或需要的東西。這就是為什麼我在第一篇就決定報名「自我挑戰組」（不列入評審與名次評比）的原因，透過參賽組別的選擇，先幫自己把「得失心」與「得獎焦慮」這些雜訊全部過濾掉了。
「昨日種種譬如昨日死，今日種種譬如今日生。」今天的我，就是一個全新的人。這三十天，跨界從社會議題開始和結束，中間涵蓋了過去未曾設想過自己會寫文章的領域。回顧這整趟旅程，最讓我驚訝的，是最終收穫的那種「沒有壓力」的輕盈感。
誠實地說，這 30 天中我也曾為了趕交付而妥協。但這個「妥協」，反而讓我重新複習了一個很重要的能力—— **抓大放小 **。我很清楚這次的產出並不完美，肯定還有許多能修改的細節；但我學會了有意識地不去對小問題計較，而是先把心力全數投注在核心概念、架構與思想上。
不過，當遇到連自己都覺得「不痛快、品質不好」的內容時，我依然會允許自己停下來調整筆鋒與節奏；只是只要幾個核心價值有被點出，我就願意把那份對「不完整、不完美」的執念放下，去吸收當下該學的，然後 move on 往前走，不再頻頻回頭。
畢竟世界上會對我們挑剔的人已經很多了，我們也就別對自己那麼挑剔了。這一切，純粹是我跟自己的互動與和解。
回頭看這 30 天，以下是我帶走的三個最重要體悟：
經歷這 30 天每天不斷地吸收、拆解、輸出，容我還是忍不住想提笛卡兒那句被說爛的名言——「我思故我在」，現在真的對此又有了不同的體會。
我意識到真正的威脅不在於對未來的焦慮，或非必要的庸人自擾，而是「不要在 AI 如此方便後，就懶惰於思考」。 透過寫作，我們將那些抽象、飄忽不定的思緒具象化，一次又一次地確認自己在真實世界裡的座標。這是一種「練習存在、組織與思考」的過程，用文字把自己大腦裡散落的資訊，重新理成有意義的脈絡。
這趟旅程另一個巨大的收穫，是把過去被繁忙生活所掩蓋、累積了厚厚塵埃的好奇心小苗，慢慢地打理乾淨，也培養得更加茁壯了。
如果誠實地剖析自己，我一直都知道心底很容易滋生出一種東西，那不是什麼優越感，就是純粹的「無知的傲慢」。以為掌握了一些底層邏輯，就長出扎人的稜角與莫名的堅持。
我猜想，如果一開始就告訴自己「我要來磨練謙卑」，內心的自我防衛一定會抗拒，或者又太變成工作太投入去做。但我希望自己先別那麼投入。
這就是為什麼這 30 天，開賽前突然改用「好奇心練習、探索」這個切入點。就是要用「好奇心」哄著自己的大腦，讓自己沒有負擔的跳進了這些跨越歷史、生物、物理治療到社會安全網的陌生領域裡。傲慢不注意的時候，攻克它！
最有趣的是，當帶著到目前為止的生命經歷，回頭看這些以前覺得考完試就結束的領域時，會產生完全不同的感觸。畢竟以前還沒開智嘛，我也不能說現在就開智了，但這完全是全新的體驗。就像是「重新養自己一次」，給自己一個重新學習的機會。
主動跨出舒適圈去接觸新領域時，心底那些無知的傲慢與稜角，自然而然就被更龐大的知識系統給磨平了。
這讓我想到心理學中著名的**「達克效應（Dunning-Kruger Effect）」**。
(圖片來源：Wikimedia Commons)
就像這張網路上很常見的圖： 當我們對某個領域只有一知半解時，自信心往往會爆棚，站在「愚昧之巔」；但當我們真的越鑽越深、了解得越多時，反而會墜入「絕望之谷」，意識到自己有多麼自卑與微不足道。
這 30 天的跨界學習，其實就是主動把自己從愚昧之巔推下去的過程。知道自己不知道，透過學習加深這份「不知道」，就是訓練謙卑最好的起點。
這趟旅程帶出了我最核心的學習：「提問」與「如何跟 AI 互動」。我將這個過程拆解為三個階段的體悟：
最近和朋友討論時，我們也聊到了知名的 YouTube 創作者「小林說」。他之所以吸引人，正是因為他在講述複雜議題時有著非常明確的「取捨」。他完全不追求資料的「大而全」，而是經過很好的提問與判斷，重新整理出一條完全屬於他自己的敘事脈絡。這讓我非常有感，也期許自己未來能在自身的專業領域中，做到像他那樣精準的表達。
這也讓我意識到，我未來最需要刻意練習的，是**「穩定地提出好問題」**。帶著假設與核心問題去研究、追蹤，有時候比單純得到答案更重要。這其實就跟我們做 AI 產品很像——就像在跑 Evals（評估測試）一樣，我們帶著問題與預期的結果，去對照實際的產出，然後再不斷來回調整。
而要做到這點，我必須克服自己一直以來的一個毛病。我們都知道，在與人溝通時適當補充背景資訊非常重要，如果對方缺乏背景脈絡，彼此很容易淪為雞同鴨講。但我有時會覺得「這個好重要、那個也好重要」，忍不住就把所有脈絡都塞進去，或者一次給出太多重點，反而導致對方聽不懂。這個拿捏的尺度，真的需要反覆練習。
為了解決這個毛病，這 30 天成了我最好的練習場。在進入「收斂」階段時，我會去觀察 ChatGPT 怎麼梳理知識視覺圖、Gemini 怎麼摘要文章，再透過一次次的來回調整，逼著自己捨棄次要資訊。
有趣的是，我可能很擅長對開發、測試與執行團隊進行溝通；但在「對上溝通」這件事情上（尤其是未來如果身處在跨國大公司，面對更高層級的角色時），要怎麼像「小林說」那樣拿捏資訊的斷捨離、提煉出對方需要的核心脈絡，將是我必須不斷精進的課題。
在面對 AI 時，我發現一開始給它「架構」並不是最關鍵的；真正的關鍵是輸入「我自己真正想問的東西」，以及「為什麼我想知道」。透過像 Typeless 這樣的語音口述工具，一層一層、耐心地把各層提問與動機全部說清楚。
深有感觸的是，如果沒有這些人類視角與動機的輸入，AI 產出的東西往往只會是大而全的廢話或通用標準。只有當源頭的提問有自己的意識，做出來的底稿與文章效果才是相對到位的，最終結果，才能慢慢有自己的人味，而不是一篇沒有靈魂的 AI 文。
這也帶出了軟體工程裡的那句 "Eat Your Own Dog Food"（吃你自己的狗糧）：開發者必須親自使用自己的產品。放在寫作與輸出上，這就是對自己與讀者負責的把關鐵則。
有時候 AI 產出的內容太多，剛開始我們可能還有耐心去來回調整，但到後面疲乏了，可能就會浮現「算了，反正就這樣送出吧」的念頭。但那個「算了就送出」，其實就是一種公德心的問題，就像在網路上亂丟垃圾一樣。
如果我們做出來的東西，到最後連自己都懶得看，那它其實是在強烈提醒我們：這份東西的資訊量還是太大了，它需要再被收斂；或者是我們累了，該先去休息，等一下再來收斂它。 盡可能地，要把自己也吃得下的狗糧再端給別人。說到底，就是盡可能一輩子帶著自己持續進步就好。
這也是 AI 時代一個非常有趣的變化。以前，當你看到一個人能把企劃想得很完整、寫得密密麻麻時，你會覺得他很會思考；可是在現在這個誰都能用 AI 輕易產出大篇幅、看似很完整且「不明覺厲」內容的時代，看到這種文章，讀者反而會抓不到重點，心想：「所以現在到底要做什麼？」
在 AI 時代，最稀缺的不再是完整，而是經過人腦取捨後的「銳利」。流程的一開始一定要有自己的輸入，最後一定要有自己的最終檢查，只有真正為自己把關，這一切才有意義。
這趟 30 天的鐵人賽結束了。我不會的東西還很多，但我真的很謝謝自己，也謝謝 Iron Ladies 的隊友，我們每天持續鼓勵、支持對方，如果沒有大家的陪伴一起參賽，我想我一個人不會有這樣的突破。
推薦大家逛逛：
這次的收穫，比我想像的多得多，最重要的是，又讓我感覺更靠近現在的自己了。
現在只是逗號，故事還沒完，我的清單上還列了好多想探索的事物：想把英文學好、想好好準備更多 AIPM（AI 產品經理）的實戰內容與讀書會。我也想訓練自己的演講能力與聲音表達技巧。
保持好奇，去探索未知的領域，也坦然接受自己的渺小。期許自己能繼續擁抱那份「不知道」，在每一次的探索中腳踏實地，持續前進。繼續探索、學習。
希望能走出自己的限制，去跟同好交流、互相切磋面對同一個問題時的不同解法。累積更多說服力、經驗與籌碼，去換取更多元且健康的生命體驗，讓自己進入下個迭代，做個「為自己而升級」的大人。
我們，未來見。
💡 寫在完賽後：
後來我再次請不同 AI 回頭查證這 30 篇文章、用不同角度分析，不出意外地，照出不少盲點。
熟悉或從生活中出發的議題還站得住腳；但初次跨足生理科學領域，還是踩了一些坑。例如沒有講清楚動物與人體實驗的分界，比喻也不夠精準。儘管如此，不管面對什麼領域，我相信只要透過持續練習與合適的學習方法，未來的內容一定會越來越成熟與精準。有價值的是，這件事也再次提醒：有了 AI，「快速吸收新知」的門檻已經降得極低；但要「懂得如何判斷」，不能走捷徑。
AI 最好的用法是幫我們找線索。但當每個人都能用它輕易生成長篇大論時，在專業領域苦練出來的 Domain Know-how，以及那份願意親自讀過關鍵論文、向真正的專家請教去查證事實的「土法煉鋼」，不僅不是繞遠路，反而是這場耐力賽中，顯得與眾不同且真正可靠的關鍵。
畢竟在 AI 時代求知，考驗的早已不是誰衝得快，而是一場持續追尋真正知識的馬拉松。
Crossing the finish line of this 30-day writing challenge feels surprisingly weightless. I honestly didn't expect that.
When I first signed up, I was hauling a lot of ego. As an "author" with a couple of books under my belt, the imposter syndrome hit hard: If I don't write a masterpiece, will people think I've peaked? If I don't win an award, is it a public failure? The irony, of course, is that nobody actually cares. It was an entirely self-inflicted struggle, and I was heavily tempted to play it safe and churn out viral, crowd-pleasing "career hacks."
But I knew playing it safe was exactly what I didn't need at these moment. So, I intentionally enrolled in the unranked "Self-Challenge" track. Removing the metrics removed the noise.
It forced me to stop sweating the small stuff. I let go of the pressure to be perfect and focused entirely on the macro—the architecture of my thoughts. If a draft wasn't flawless but the core idea landed, I learned to just hit publish and move on without looking in the rearview mirror.
Looking back, this journey fundamentally rewired how I think about learning, ego, and our relationship with AI. Here is what I’m taking away:
My biggest realization wasn't about writing; it was about hacking my own arrogance.
Once we build a baseline of professional competence, it's dangerously easy to develop a superiority complex—a kind of "ignorant arrogance." To bypass my own ego's defense mechanisms, I framed this 30-day challenge simply as an "exercise in curiosity."
I forced myself to write about completely unfamiliar territories: history, biology, physical therapy. It was a deliberate plunge off the peak of Mount Stupid (the Dunning-Kruger effect in action). Approaching these topics not as a student cramming for a test, but through the lens of my current life experience, felt profoundly healing. It was, quite literally, re-parenting myself—giving my brain permission to be a beginner again.
After 30 days of relentless output, I have a new appreciation for Descartes' "I think, therefore I am."
In the AI era, the real threat isn't being replaced; it's intellectual atrophy. We cannot let the convenience of AI make us lazy thinkers. Writing isn't about content generation anymore; it's the process of forcing our scattered, abstract thoughts into a coherent reality. It’s how we anchor ourselves.
This challenge became my perfect training ground for interacting with AI, which ultimately boils down to three rules of thumb:
This is just a comma in my journey. Huge thanks to my "Iron Ladies" teammates for the daily accountability—I couldn't have made this breakthrough alone.
There’s still a mountain of things I want to master: sharpening my English, diving deeper into AI Product Management (AIPM) use cases, and leveling up my public speaking.
I’m walking away from these 30 days feeling closer to the person I actually am. The goal isn't just to level up my career; it's to upgrade for myself.
Stay curious, embrace the unknown, and see you in the next iteration.
💡 Post-Challenge Note:
Running an AI fact-check on all 30 posts exposed a few blind spots.
Familiar topics held up fine, but venturing into unfamiliar scientific fields led to a few missteps—like blurring the lines between animal and human trials, or using imprecise analogies. Still, with continuous practice, future iterations will only get sharper.
The takeaway? AI makes "learning fast" effortless, but judging the truth has no shortcuts.
AI is great for finding clues. But when anyone can generate walls of text, deep domain expertise and the unglamorous grunt work of fact-checking—reading papers, consulting experts—aren't detours. They are exactly what makes you distinct and reliable.
Ultimately, I think, seeking knowledge in the AI era is no longer a sprint. It’s a marathon of continuously pursuing the truth.
iThome鐵人賽
看影片追技術