鐵人檔案
我是大學通識課老師。今年五月底開始把五種不同底層的 AI 組成一隊：Claude Code 當組長，帶著 Codex、Antigravity、OpenCode、Grok，讀同一份主指令、共用同一份記憶，做我的教學與行政工作。兩個多月、七百多個 commit。
這 30 天不寫「效率提升幾倍」，寫實測紀錄：主指令怎麼餵給五種引擎、怎麼按失敗風險派工、記憶放哪裡才找得回來，以及最重要的——怎麼在它們胡說八道時抓到。
有很多難看的部分。某顆模型讀完檔案卻不吐一個字；某位隊友交回排版最漂亮的報告，裡面五筆假引用；畫面顯示「已儲存」其實沒落地。每則都有日期、數字和錯誤訊息。
昨天那道 DOI 閘門有個明顯的盲區：引用真實存在的文獻，但把它的結論講反。DOI 驗證全綠，內容全錯。 今天講我們怎麼撞見這個盲區的。 一份講義的兩次審查 2...
第四幕第三層：問法會污染答案。 同一位隊友、同一份稿子、同一個錯誤，問法不同，結論相反。今天講怎麼問。 三次同型的失誤 我派複驗的標準句型長這樣：「以下這段引述...
今天講一種很體面的偷懶。 2026 年 8 月 7 日，我請一位隊友做一份國際對標研究，主題是災時的公民科技協作。他交回來的東西看起來很紮實：分國家、分案例、有...
連續講了幾天出包，今天講反過來的：誰會主動承認自己不確定。 這件事我覺得比「誰比較聰明」重要得多。一位會說「這條我沒查到」的隊友，他交回來的其他部分你才敢用；一...
最後一幕，把前面二十四天的東西拿去打一場真的比賽。 起因很隨興（跟這系列的起頭一樣）：信箱跳出一封 Kaggle 的競賽通知，我本來只是想測測看，現在的 AI...
今天講一個我差點做錯的判斷。 比賽到後期，改動的幅度越來越小。你調一個參數、送出去，排行榜回給你的分數——跟上一次一模一樣。 到小數點第三位都一樣。 直覺的結論...
今天這篇是檢討。 比賽中期（那時我們已經站在重現來的古典底座上），我帶著隊友埋頭調參。一週下來，從 0.8 出頭一路掃到 0.843，每一步都有實驗數據支撐。...
前面講了很多「全員並進」的好處。今天講它的天花板。 我做過一件事：把一個大型研究任務拆成很多份，同時派出去，想說平行處理總比一個一個做快。 結果是整個工作沒跑完...
倒數第二天，講一個貫穿這三十天的坑，用兩個發生在不同地方的例子。 例子一：一個管理台 我有一個自己做的活動管理小工具，資料先寫在瀏覽器本機、再同步到雲端表格。...
最後一天。 從 5 月 29 日第一個提交到今天，這支團隊存在了差不多一百天。三十天前我說要寫的不是它們多好用，是它們怎麼壞掉的。寫完了，來算帳。 救了什麼 一...
