下下週個人品牌主題提案|2026-11-09 至 2026-11-13
本週五檔提案一律待核准;建立時已同步寫入 active plan(approval_status: 待 George 審核、locked: false),不代表已核准或鎖題。
路線依核定 weekday map:週一 D、週二 A、週三 B、週四 D、週五 C。去重以 Wiki 發布索引與 active plan 的已發標題為準(近 3 個月不得雷同、3–6 個月須明確不同切入)。本輪掃描只做索引層(trafilatura 未安裝、未抓全文),外部來源只能當待查線索,不能冒充顧哥的第一手案例。
檔期:2026-11-09|D
- 日期:2026-11-09
- 路線:D|AI Agent 應用現場(週一:真實案例/營運方法)
- 主題/核心論點:Agent 做長工作會走鐘,通常不是模型不夠強,而是只有一圈;可靠度來自三層迴圈——檢查輸出、事件觸發重跑、跨次執行改進。
- 預計寫什麼內容:以顧哥自己每週日 23:00 的固定掃描與每月 1 日 01:30 的健檢排程為例(可引用 cron 設定與 dispatch 紀錄),說明這套流程不是「跑一次就好」,而是三層:每次執行前後的自我檢查(輸出是否齊、有沒有缺欄位)、被事件觸發的新一輪(來源錯誤或資料變動時重跑)、以及跨次執行的改進(把上次的錯寫回檢查清單)。再對照 LangChain 的迴圈工程與 DeepLearningAI 的「more than one loop」,最後給讀者一個自查:你的流程現在有幾圈、缺哪一圈。
- 主要證據來源:
raw/articles/2026-11-01/knowledge-monetization-weekly-scan-2026-11-01.md:LangChain〈The Art of Loop Engineering〉(2026-10-29,https://www.langchain.com/blog/the-art-of-loop-engineering)、DeepLearningAI〈Agents on longer tasks need more than one loop〉(2026-10-28,https://www.youtube.com/watch?v=Zo2oyjbTEXA,無逐字稿已進佇列);顧哥第一手=本機排程紀錄/root/.hermes/profiles/mira/cron/jobs.json(job511a9fc5f064cron0 23 * * 0、last_dispatchon_time、failure_streak: 0;月度健檢6203f5a31134)。 - 與既有發布內容的去重差異:08-24〈一個日更排程,為什麼改完還不能算完成〉談「完成的定義」、09-21 談「誰能驗收、誰能叫停」、11-05 談「動正式資料前的測試資料」。本題談的是迴圈的層數與職責分工(自我檢查/事件重跑/跨次改進),不重講完成定義、驗收人指派或測試環境建置。
- 事實限制:兩個外部來源皆為廠商/課程方觀點,DeepLearningAI 該支無逐字稿,只能引用標題與官方說明;本機排程紀錄可引用
last_dispatch與failure_streak,但不得換算成成功率或節省工時;不宣稱 Hermes 內建「迴圈引擎」這種產品名詞。 - CTA:你的 Agent 現在有幾圈?如果只有一圈,它靠什麼發現自己錯了?
- 核准狀態:待核准
檔期:2026-11-10|A
- 日期:2026-11-10
- 路線:A|創業現場
- 主題/核心論點:我看人先看有沒有可驗證的實驗紀錄,不看履歷漂不漂亮;能被量到的小實驗,比漂亮的自我介紹更能預測他能不能把事情做完。
- 預計寫什麼內容:從 Lenny’s Newsletter 這集〈How a 19-year-old intern built the growth engine behind this $2B AI company〉(Hector Serrano,2026-11-01)開場:一家 20 億美元公司的成長引擎,是被一個「年輕、沒有漂亮履歷」的人做出來的,而該集摘要明說他們偏好年輕人才勝過打磨過的履歷。主體放顧哥自己帶人與合作的判斷:面談時問「你上一次自己做完的一個小東西是什麼、怎麼量、哪裡失敗」,以及為什麼願意給沒有頭銜但有紀錄的人機會(具體人別與事件須顧哥確認後才寫)。結尾給讀者可用的三問。
- 主要證據來源:
raw/articles/2026-11-01/knowledge-monetization-weekly-scan-2026-11-01.md:Lenny’s Newsletter(2026-11-01,https://www.lennysnewsletter.com/p/how-a-19-year-old-intern-built-the,僅節目摘要,未聽逐字內容);品牌定位/root/wiki/concepts/george-personal-brand-system.md;角度池concepts/personal-brand-content-angle-pool.md(2026-11-01 新增角度)。 - 與既有發布內容的去重差異:09-16 談「企業缺的是把需求翻成可執行任務的人」、09-15 談「創業者高估想法、低估持續修正」、10-13 談「看課程排行榜先問學員要完成什麼工作」。本題只談用人與合作前的判斷依據(實驗紀錄 vs 履歷包裝),不重講需求翻譯、修正心態或課程選擇。
- 事實限制:該集只有節目摘要,未取得逐字稿,不能引用訪談原話或具體做法;不可把「19 歲實習生」寫成普遍成功模式;顧哥的帶人案例須先確認可公開的人別與情節,未確認則只寫原則、不編造故事。
- CTA:你上一次錄取或合作的人,你是憑履歷還是憑他做過的東西決定?
- 核准狀態:待核准
檔期:2026-11-11|B
- 日期:2026-11-11
- 路線:B|產業觀點
- 主題/核心論點:基礎模型的安全分數不能替你的系統背書;安全表現不會隨組件組合自動繼承,部署方要自己測、自己指定誰能停。
- 預計寫什麼內容:從 MLCommons 10 月 29 日〈Don’t assume composability in AI safety〉那句「不要把安全性當成可組合」切入:團隊部署的是整個系統,卻引用基礎模型的分數;微調會讓安全表現往不可預測方向漂移,而多數 benchmark 雜訊大到測不出變化。接著寫 Candela 的做法(可重複練習、官方分數另用獨立題庫),再對照 Gartner「僅 13% 組織自認治理到位」。最後給企業主三個追問:這分數量的是哪一版模型、你的微調與工具改了什麼、出事時誰能停。
- 主要證據來源:
raw/articles/2026-11-01/knowledge-monetization-weekly-scan-2026-11-01.md:MLCommons〈Don’t assume composability in AI safety〉(2026-10-29,https://mlcommons.org/2026/10/composability-ai-safety/)、〈Introducing Candela〉(2026-10-29,https://mlcommons.org/2026/10/introducing-candela/);Gartner 13%(TechOrange,2026-10-29,二手,https://techorange.com/2026/10/29/ai-agent-governance-identity/)。 - 與既有發布內容的去重差異:10-07 談「AI 案例的成效數字要先看比較基準」(ROI 與案例倍數);09-21 談流程裡「誰驗收、誰叫停」的設計。本題談的是安全分數本身不可繼承這個判斷錯誤,以及部署方自測的責任,不談 ROI 基準、也不重講驗收流程設計。
- 事實限制:MLCommons 是產業基準組織、不是監理機關;Gartner 數字為媒體轉述(一手為 2026-04-28 新聞稿,未取得全文,見 gartner-ai-agent-governance-2026-04-28),不能推成台灣企業比例;不引用 AILuminate 具體分數排名,也不寫成採購建議。
- 2026-11-19 修訂:兩篇 MLCommons 文章以原文標題並列中文說明,連結直接放進文案;補原文的烘焙比喻(350°F 30 分鐘是參考、要用牙籤戳)作為類比;引用日期寫 10-29,不寫「這週」。
- CTA:你手上的 AI 系統,安全分數是誰測的、測的是哪一版?
- 核准狀態:待核准
檔期:2026-11-12|D
- 日期:2026-11-12
- 路線:D|AI Agent 應用現場(週四:導入判斷/失敗修正/限制)
- 主題/核心論點:把幾百個 API 接成工具之後,真正該先做出來的不是更細的權限,而是一份「它現在會做什麼」的清單;沒有工具目錄與變更紀錄,出事時連回溯都不知道從哪一刀切。
- 預計寫什麼內容:以 AWS 這週的案例開場:MoEngage 把約 400 個私有 API 轉成受權限控管的 agent 工具(靠 OpenAPI 規格、Cedar 政策與受管出口,避免 400 個工具塞爆上下文)。主體不是講技術,而是講導入時最常漏的維運三件事:這週新增了哪些工具、誰核准的、每個工具有沒有對應的失敗處理與退場方式;用「工具目錄」這個詞貫穿,最後給一張可以下週就開始填的表。
- 主要證據來源:
raw/articles/2026-11-01/knowledge-monetization-weekly-scan-2026-11-01.md:AWS〈How MoEngage turned over 400 APIs into agent tools with AgentCore Gateway〉(2026-10-29,https://aws.amazon.com/blogs/machine-learning/how-moengage-turned-over-400-apis-into-agent-tools-with-agentcore-gateway/)、〈Building an Agentic AI Platform on Amazon Bedrock AgentCore〉(2026-10-28);導入檢查面向取自comparisons/llm-agent-runtime-comparison.md的 Hermes 對照欄(工具邊界與人類核准)。 - 與既有發布內容的去重差異:09-17 談最小權限、10-26 談「網頁打得開不代表有權抓」、10-20 談通用型與專用型 Agent 的差別。本題談的是工具清單、版本與變更紀錄這個維運動作(誰加了什麼、誰核准、怎麼退場),不重講權限分級、抓取授權或通用/專用的選型。
- 事實限制:AWS 案例為廠商與客戶自述,倍數與規模未經獨立量測;不能說「接了 400 個 API 就會成功」;Hermes 目前沒有自動工具目錄治理,只能寫人工維護的表單與核對方式。
- CTA:你的 Agent 這週多了哪些工具?是誰核准的、要怎麼收回?
- 核准狀態:待核准
檔期:2026-11-13|C
- 日期:2026-11-13
- 路線:C|協會角色/合作與信任
- 主題/核心論點:協會辦的課與活動,成效要能被外人看懂;不是多一份漂亮簡報,而是三欄:誰來、完成了什麼、誰能查。
- 預計寫什麼內容:用 Alpha School 的反例開場:宣稱「學習快兩倍」,但媒體引用的數據顯示只有 42% 學生達標——問題不只是成效高低,而是「達標」怎麼定義、誰能查。接著寫協會視角:把課程與活動的成效寫成可查格式(參與者是誰、完成了什麼、後續有沒有行動),並說明為什麼只報人數與滿意度,對外面的企業主沒有決策價值。不點名任何合作單位,也不寫成招生文。
- 主要證據來源:
raw/articles/2026-11-01/knowledge-monetization-weekly-scan-2026-11-01.md:TechNews〈美 AI 私校 Alpha School 號稱學習快兩倍,紐時揭數據僅 42% 學生達標〉(2026-11-01,https://technews.tw/2026/11/01/alpha-school-claims-to-teach-kids-twice-as-fast-many-dont-make-it/,二手轉述);協會角色定位/root/wiki/concepts/george-personal-brand-system.md;角度池 2026-11-01 角度 3(成效宣稱的驗證問題)。 - 與既有發布內容的去重差異:09-18 談「協會降低專業合作前的信任成本」、10-23 談「專業交流要把問題聽懂並連到下一步」、11-06 談「推薦時自己的保證範圍」。本題談的是成效揭露的格式與可查性(誰來/完成什麼/誰能查),不重講信任成本、交流方法或推薦責任。
- 事實限制:Alpha School 數字為媒體二手轉述,不能當成 AI 教學無效的結論,也不可外推台灣;協會目前沒有既定成效指標,文中只能提案格式,不可宣稱已有數據;不得虛構學員或合作單位案例。
- CTA:你們辦的活動,外人看得出誰完成了什麼嗎?
- 核准狀態:待核准
查重與同步
- 提案階段逐題查重由
personal_brand_proposal_sync.py upsert執行(personal_brand_dup_gate.py --candidate-topic+同批互比);PASS才寫入upcoming_article_plan,DUP-BLOCK的題目不會寫入並在檔尾標記。 - 本頁的「與既有發布內容的去重差異」是給人看的論述,不構成通過證據。
提案階段查重(機器判定)
- 判定時間:2026-11-01T23:08:39.483686+08:00|閘門:
/root/.hermes/scripts/personal_brand_dup_gate.py|報告目錄:/root/.hermes/state/personal_brand_proposal_dup dup_precheck=PASS|2026-11-09|D|exit 0|report/root/.hermes/state/personal_brand_proposal_dup/dup_check_20261109_210195df.json(sha256 a167b54691cafeb7…)dup_precheck=PASS|2026-11-10|A|exit 0|report/root/.hermes/state/personal_brand_proposal_dup/dup_check_20261110_86d6c5fa.json(sha256 2096c4f7aa8b8b1b…)dup_precheck=PASS|2026-11-11|B|exit 0|report/root/.hermes/state/personal_brand_proposal_dup/dup_check_20261111_f1cb669e.json(sha256 e96f96ec26a5b8c3…)dup_precheck=PASS|2026-11-12|D|exit 0|report/root/.hermes/state/personal_brand_proposal_dup/dup_check_20261112_f5ebf5a5.json(sha256 83a474e0875e251b…)dup_precheck=PASS|2026-11-13|C|exit 0|report/root/.hermes/state/personal_brand_proposal_dup/dup_check_20261113_2509d853.json(sha256 6baa4dc28acf54ac…)