下下週個人品牌主題提案|2026-11-23 至 2026-11-27

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/預定標題為準(近 3 個月不得雷同、3–6 個月須明確不同切入)。本輪掃描為索引層(trafilatura 未安裝、未抓全文),外部來源只能當待查線索,不冒充顧哥第一手案例。

本輪可用訊號:主線 1 只有 1 筆非 skip(Coursera 併購後第二輪裁員,Class Central 估算);主線 2 出現本季第一個「往回走」訊號(AI 回歸 19%,TechNews 二手轉述);主線 6 集中在「成本按任務算」與「核准/停止」。因此五檔走「可回查的營運方法、平台風險、訂閱價值、留人段落、協會驗什麼」,沒有課程行銷題。

檔期:2026-11-23|D

  • 日期:2026-11-23
  • 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:我把每週情報掃描做成一條可回查的帳本:raw 只存證據、分析才寫判斷、雜湊對不上就不算完成。知識庫的價值不是檔案多,而是每個結論都回得到出處。
  • 預計寫什麼內容:用本週日晚上真實跑過的一次掃描開場(36 個來源、132 個訊號,最後留下 127 筆非 skip),說明三層分工:第一層 raw 只放標題、網址、官方摘要與去重雜湊,不動原文;第二層一對一分析寫我的判斷,並強制標「哪裡只是摘要、哪裡不能外推」;第三層概念與比較頁只收跨週站得住的結論。接著講兩個實際踩過的坑:一是把 300 字摘要當全文引用,數字會出事,所以分析頁一律標證據等級;二是同一篇文章被不同來源重貼,靠內容雜湊才抓得到,否則同一件事會寫兩次。主體談「為什麼要分層」:不是為了整齊,是三個月後連自己都要能查回「這句話當時根據什麼」。結尾給讀者可執行的簡版:三個資料夾加一條規則——每個結論都要能指向一個檔案、一個日期、一個來源。
  • 主要證據來源:顧哥第一手=本輪實際產出 raw/articles/2026-11-15/knowledge-monetization-weekly-scan-2026-11-15.md(127 筆非 skip、正文 sha256 e0360703…,可重算)與 queries/raw-analysis/articles/2026-11-15/knowledge-monetization-weekly-scan-2026-11-15.md;機制頁 comparisons/llm-agent-runtime-comparison.md、concepts/personal-brand-content-angle-pool.md。外部同構對照:LangChain〈What Is Eval-Driven Development?〉(2026-11-12,https://www.langchain.com/blog/what-is-eval-driven-development,先定義「什麼叫做好」再自動化)。
  • 與既有發布內容的去重差異:08-03 談「Wiki 知識庫是怎麼長出來的」(建置過程與工具);本題談的是驗收規則:哪一層只能存證據、哪一層才准寫判斷、雜湊對不上算不算完成,並用本週實際的來源數、項目數與失敗條件說明。寫法從「我怎麼做」改成「什麼情況下這條帳本會失效」。
  • 事實限制:只描述流程與可公開的統計數字,不揭露檔案內容、客戶資訊或系統內部設定;這套機制只能證明「可回查」,不能證明結論正確;LangChain 為工具供應商自述,方法論非獨立驗證。
  • CTA:你三個月前寫下的那個結論,現在還找得到它的原始出處嗎?
  • 核准狀態:待核准

檔期:2026-11-24|A

  • 日期:2026-11-24
  • 路線:A|創業現場
  • 主題/核心論點:平台整併不會讓講師變安全。Coursera 併 Udemy 後第二輪裁員 10%,說明平台的優先順序會變;課程要當資產經營,學員名單、教材原檔、可獨立運作的社群要能搬。
  • 預計寫什麼內容:開場用 Class Central 11/12 的報導:Coursera 宣布第二輪裁員 10%,該站估算兩輪合計近 500 人、約合併後人力的 18%。先講清楚這不是「平台要倒」,而是併購後人、產品與流量分配都會重排,講師的曝光與推薦位從來不在自己手上。主體分成兩欄:可搬的資產(學員名單、教材原檔、能獨立運作的社群、可重複的教學方法)與不可搬的資產(平台推薦位、平台上的評價數、平台活動檔期)。再談顧哥在 E樂堂產品設計上的選擇:匯出、名單、教材保存為什麼是信任的一部分——不是為了防平台,而是避免學員的學習紀錄因為商業變化而消失。結尾給一張五欄盘點表,讓講師自己填。
  • 主要證據來源:raw/articles/2026-11-15/knowledge-monetization-weekly-scan-2026-11-15.md:Class Central〈Coursera to Lay Off 10%, Its Second Round Since the Udemy Merger〉(2026-11-12,https://www.classcentral.com/report/coursera-second-post-merger-layoffs/,原文自述為其估算);背景見 entities/coursera.md、entities/udemy.md、concepts/online-course-industry-trends-2025-2026;顧哥第一手=E樂堂開課平台的資產匯出與名單設計(談機制,不揭露客戶)。
  • 與既有發布內容的去重差異:09-02 談「線上課程氾濫後講師如何重新定位」、10-13 談「外部榜單只能提供供給線索」(定位與榜單判讀);本題的讀者是已經上架的講師,談的是整併風險下的資產可搬性與盘點表,不是定位方法,也不是榜單怎麼讀。
  • 事實限制:500 人/18% 為 Class Central 自行估算(原文寫 “By our estimate”),非官方公告;不推論 Coursera 會關閉 Udemy、課程會下架或分潤會變;不點名任何合作講師、平台或客戶。
  • CTA:如果明天要換平台上架,你的課程搬得走嗎?
  • 核准狀態:待核准

檔期:2026-11-25|B

  • 日期:2026-11-25
  • 路線:B|產業觀點
  • 主題/核心論點:軟體變便宜之後,最危險的生意是「固定費用換固定功能」的訂閱。Gartner 2027 十大趨勢點名 SaaS 訂閱疲勞與用完即拋的應用,對賣訂閱的人來說,問題不是訂閱會不會消失,而是每一期還能不能說出「這一期多了什麼」。
  • 預計寫什麼內容:先用 TechOrange 11/14 的整理開場:Gartner 2027 十大戰略科技趨勢指出,生成式 AI 與 vibe coding 讓軟體從稀缺走向「極度豐富」,並預測 2030 年領先企業 80% 的新應用會轉為用完即拋,同時點名 SaaS 訂閱疲勞。接著把鏡頭轉到兩種訂閱的差別:工具訂閱賣功能,課程/會員訂閱賣進度,前者一旦功能可被替代就失去理由,後者要能證明學員真的往前走了。主體談報價拆分:把「可拋棄的部分」(臨時工具、一次性模板)與「要持續維護的部分」(陪做、回饋、更新、查核)分開報價,並說明為什麼混在一起賣會讓客戶只比較最便宜的那一半。收尾提醒:這條趨勢也適用協會與課程,不能只看別人。
  • 主要證據來源:raw/articles/2026-11-15/knowledge-monetization-weekly-scan-2026-11-15.md:TechOrange〈Gartner 2027 十大科技趨勢報告〉(2026-11-14,https://techorange.com/2026/11/14/gartner-trends-for-2027/);同輪對照:Class Central 的 Coursera 裁員估算(平台端壓力);概念頁 concepts/online-course-industry-trends-2025-2026;顧哥第一手=訂閱制與課程定價的實務經驗(談結構,不引用未公開數字)。
  • 與既有發布內容的去重差異:08-25 談「訂閱制不能預設自動續約」(續約倫理與介面設計);11-20 談協會「有人可以問」的回應價值;本題談的是訂閱疲勞下的價值重定義與報價拆分(把可拋棄與需維護的部分分開),不重講續約流程,也不重講社群回應。
  • 事實限制:80% 是 Gartner 對 2030 年的預測、且為媒體轉述,不是已發生的事實;不可寫成「SaaS 要死了」或「訂閱制沒救了」;不引用未公開的報告章節;不對個別平台下財務結論。
  • CTA:你的訂閱,上一期讓客戶多得到了什麼?
  • 核准狀態:待核准

檔期:2026-11-26|D

  • 日期:2026-11-26
  • 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:AI 回歸 19%,不是 AI 失敗,是上線時沒寫清楚哪一段一定要留人。把「留人段落」畫在流程圖上,回歸就不是退步,而是把驗收位置補回來。
  • 預計寫什麼內容:開場用 TechNews 11/15 的轉述:四成主管認為 AI 無法取代專業、「AI 回歸」比例 19%、逾五成勞工要求調薪;同一天另一篇談 AI 驅動的組織重整打擊員工士氣。主體把「回歸」翻成流程語言,列出三種最常見的收回情境:產出看起來可用但沒人敢簽、錯誤成本太高不能試錯、例外太多導致每次都要重做。接著給一個可直接用的標記法:把流程每個節點標「人做/AI 做/AI 做完人核」,並說明為什麼「留人段落」要寫在圖上而不是放在心裡——寫下來才能算工時、才能安排複核人力。最後談顧哥自己在交付流程裡的做法(哪些節點一定要人簽),並誠實說:有些工作收回來之後,速度會慢,但那是有意識的選擇。
  • 主要證據來源:raw/articles/2026-11-15/knowledge-monetization-weekly-scan-2026-11-15.md:TechNews〈四成主管認 AI 無法取代專業、「AI 回歸」比例達 19%〉(2026-11-15,https://technews.tw/2026/11/15/ai-re-hiring-trend-companies-acknowledge-ai-limits/)、〈AI 重整組織打擊員工士氣〉(2026-11-15,https://finance.technews.tw/2026/11/15/what-tech-leaders-get-wrong-about-ai-restructuring-and-morale/);對照:LangChain EDD(2026-11-12,先定「什麼叫做好」再自動化)、comparisons/llm-agent-runtime-comparison.md;顧哥第一手=交付流程中的簽核節點設計(談機制,不揭露客戶)。
  • 與既有發布內容的去重差異:11-18 談「自動化順序按後果排」(事前排序)、11-19 談「非同步之後誰被通知、誰能放行」(流程內核准路徑);本題談已經上線後往回走的處理:三種收回情境與留人段落的標記法,屬於失敗修正與限制,不重講排序原則或通知鏈。
  • 事實限制:19%/四成/逾五成皆為媒體二手轉述的調查數字,樣本、產業分布與問法未公開,不可寫成台灣企業比例;不指名任何企業;不宣稱「AI 導入普遍失敗」,也不宣稱回歸一定發生。
  • CTA:你現在這條流程裡,哪一段出事最貴?那一段現在是誰在做?
  • 核准狀態:待核准

檔期:2026-11-27|C

  • 日期:2026-11-27
  • 路線:C|協會角色
  • 主題/核心論點:AI 讓答案變便宜之後,協會要驗的是「他做過沒有」,不是「他知不知道」。專業證明的重心從知識記憶移到可被查核的成果。
  • 預計寫什麼內容:先用兩個訊號開場:TechNews 11/15 的調查裡,四成主管認為 AI 無法取代專業——如果專業不是知識量,那專業是什麼;換日線 11-10 那篇「讀社教系卻成為科技業 PM」,談的是學歷與職涯之間的落差。兩件事指向同一個問題:當知識本身變便宜,用「知不知道」來設計課程與認證,會被 AI 直接取代。主體提出三個可改的設計:入會或結業要交一件真正做過的東西、評審看成品與交付紀錄而不是簡報、把「誰驗的、用什麼標準」留下公開可查的紀錄。再談協會能給與不能給的界線:協會不是法定認證機構,能給的是同儕查核與可回查的紀錄,不是執照;這反而讓它更誠實。
  • 主要證據來源:raw/articles/2026-11-15/knowledge-monetization-weekly-scan-2026-11-15.md:TechNews(2026-11-15,同上);換日線〈讀社教系,卻成為科技業 PM?〉(2026-11-10,https://crossing.cw.com.tw/article/21149);概念頁 concepts/george-personal-brand-system(協會/E樂堂/威立方的角色分工)、concepts/course-marketing-without-scammy-hype(第一成果與證據系統);顧哥第一手=協會課程與活動現行的結業/評審設計(談機制)。
  • 與既有發布內容的去重差異:11-20 談協會「有人可以問、問了有人回」=回應能力;11-13 談活動成效要能被外人看懂=揭露格式;本題談驗什麼——把評量標準從知識記憶移到做過的證據(作品、交付紀錄、查核紀錄),不重講回應速度,也不重講成效揭露格式。
  • 事實限制:協會非法定認證機構,不可寫成「發照」或「官方認證」;調查數字為二手轉述;不點名會員、學員或合作單位;不宣稱 AI 讓知識沒有價值,只說知識不再足以證明專業。
  • CTA:你的專業證明,是「我上過課」,還是「我做過什麼、誰驗過」?
  • 核准狀態:待核准

本輪提案備註

  • 五檔皆通過提案階段查重(personal_brand_dup_gate.py --candidate-topic,逐題 exit 0),並由 personal_brand_proposal_sync.py upsert 寫入 upcoming_article_plan;機器證據(report 路徑/sha256/seq)記於同步結果與 log.md。
  • 本輪未做全文深化(trafilatura_not_installed),因此所有外部證據停在官方摘要層級,提案內已逐檔標明限制。
  • 逐字稿待補 8 支(Ali Abdaal 5、DeepLearningAI 2、Jay Clouse 1),已進佇列;補回後另建分析頁,不影響本輪五檔。

提案階段查重(機器判定)

  • 判定時間:2026-11-15T23:09:04.479350+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|2026-11-23|D|exit 0|report /root/.hermes/state/personal_brand_proposal_dup/dup_check_20261123_07747d96.json(sha256 b97382f10a774369…)
  • dup_precheck=PASS|2026-11-24|A|exit 0|report /root/.hermes/state/personal_brand_proposal_dup/dup_check_20261124_e0e3ccdf.json(sha256 3a93b65d2b73f227…)
  • dup_precheck=PASS|2026-11-25|B|exit 0|report /root/.hermes/state/personal_brand_proposal_dup/dup_check_20261125_9b5aedf8.json(sha256 fd181ae5847e48a5…)
  • dup_precheck=PASS|2026-11-26|D|exit 0|report /root/.hermes/state/personal_brand_proposal_dup/dup_check_20261126_f4db07ae.json(sha256 cc23792a87e5cca0…)
  • dup_precheck=PASS|2026-11-27|C|exit 0|report /root/.hermes/state/personal_brand_proposal_dup/dup_check_20261127_cabf2957.json(sha256 e5064f2b133170e2…)