1 0:00:00 –> 0:00:02 各位觀眾大家好,我是鍊金Mage

2 0:00:02 –> 0:00:05 那這禮拜的話就是一樣也是很忙

3 0:00:05 –> 0:00:08 就是還是很希望能夠把錄音的時間

4 0:00:08 –> 0:00:12 挪到平日,但是實際上平日就是會忙到忘記

5 0:00:12 –> 0:00:15 那這禮拜最主要的就是將那個

6 0:00:15 –> 0:00:18 鍊金工坊的第三堂課把它完成

7 0:00:18 –> 0:00:22 那本來是會跟我朋友有一個約跟他上課試錄

8 0:00:22 –> 0:00:25 但是呢他因為太忙了,所以這個試錄就放棄了

9 0:00:25 –> 0:00:29 OK,所以變成是就是直接臨場直接上這樣

10 0:00:29 –> 0:00:31 就是沒有先預錄看看這樣

11 0:00:31 –> 0:00:35 那第三堂的話其實最主要就是著重在說

12 0:00:35 –> 0:00:39 我們在第一堂的時候已經提到第一個是典範轉移的思維

13 0:00:39 –> 0:00:43 那在第二堂裡面我們提到的就是要apply domain knowledge

14 0:00:43 –> 0:00:45 然後去做節點的切分

15 0:00:45 –> 0:00:49 那到了第三堂的話就是說我們這個domain knowledge

16 0:00:49 –> 0:00:52 其實最好的是找到一些比如說表格

17 0:00:52 –> 0:00:55 填表格就是一個最好的方式

18 0:00:55 –> 0:00:58 那用填表格的話它同時就是帶有domain knowledge

19 0:00:58 –> 0:00:59 然後就是有一個表格的方式,就是一個最好的方式

20 0:00:59 –> 0:01:02 然後又是它本身就是代表一個節點切分的output

21 0:01:02 –> 0:01:06 那好處是這個本身就是一個constraint

22 0:01:06 –> 0:01:09 然後它又可以保持consistency

23 0:01:09 –> 0:01:11 而且是GPT可以理解的

24 0:01:11 –> 0:01:17 甚至在有表格下它也很容易就是portable給不同的AI

25 0:01:17 –> 0:01:22 那另外就是它甚至可以讓不同的AI去運作嘛

26 0:01:22 –> 0:01:28 就是說它是一個非常好的transferable的一個概念

27 0:01:28 –> 0:01:30 那有表格的舉例來講的話

28 0:01:30 –> 0:01:32 比如說我在學單字的時候

29 0:01:32 –> 0:01:37 我就會要AI去給我用例句去表達這個字

30 0:01:37 –> 0:01:40 就是它不要直接跟我講這個字是什麼意思

31 0:01:40 –> 0:01:44 而是它給我整句讓我去猜這個字的意義是什麼

32 0:01:44 –> 0:01:47 然後再來它會給我就是morphology

33 0:01:47 –> 0:01:54 就是morphology就是會有字根字首字尾的字的這個拆解

34 0:01:54 –> 0:01:56 然後再來就是會有collocation

35 0:01:56 –> 0:01:57 去告訴我這個字的情節

36 0:01:58 –> 0:02:01 它經常跟哪些字在一起這樣子

37 0:02:01 –> 0:02:03 那或者是角色的話

38 0:02:03 –> 0:02:08 那角色的話我用的就是摩訶聖StM4H4的角色表

39 0:02:08 –> 0:02:12 那劇本的話我用的是Safe the Cat的Beat Shooter

40 0:02:12 –> 0:02:15 那在這些資料下其實好處就是

41 0:02:15 –> 0:02:19 填表格可以很容易讓AI去理解現在正在做什麼

42 0:02:19 –> 0:02:23 那因為其實只是單單填表格嘛

43 0:02:23 –> 0:02:25 所以其實也沒有什麼好講的話

44 0:02:25 –> 0:02:28 所以就變成是後半場我就是在填表格

45 0:02:28 –> 0:02:30 然後再講就是我之前在研究的

46 0:02:30 –> 0:02:39 就是如何讓VR跟AI結合去解決user experience不佳的keyboard的那個問題

47 0:02:39 –> 0:02:43 然後另外就是在想說下一堂要上什麼

48 0:02:43 –> 0:02:48 那基本上來講我認為到表格已經算是完成了

49 0:02:48 –> 0:02:53 然後無意間就是看到TGDF有一場演講是黃仕成的

50 0:02:53 –> 0:02:58 然後他在講的是他們極度邊緣的遊戲的開發方式

51 0:02:58 –> 0:03:01 那最重要的就是說我看完這個框架之後

52 0:03:01 –> 0:03:04 他完完全全就是我心中想要的東西

53 0:03:04 –> 0:03:08 因為他非常重要就是他在開發階段分為幾個階段

54 0:03:08 –> 0:03:14 包含就是前期的討論然後開發前開發中跟開發後

55 0:03:14 –> 0:03:19 那前期討論的話很重要的就是要聚焦在真正要解決的問題

56 0:03:19 –> 0:03:26 那這件事情就是說非常重要是因為我們在經驗上往往會遇到就是

57 0:03:26 –> 0:03:27 當時間開發的時候會有很多的時間需要解決的問題

58 0:03:28 –> 0:03:32 那在開發久了團隊會忘記為什麼我們當初要define某些問題

59 0:03:32 –> 0:03:34 或者是為什麼當初要這樣設計

60 0:03:34 –> 0:03:38 或者是開會的結論每次都在變動的時候

61 0:03:38 –> 0:03:41 其實可能會離原本要解決的問題越來越遠

62 0:03:41 –> 0:03:50 那他的框架的好處是他每一次就是每一次開會都會更聚焦在我們要解決什麼問題

63 0:03:50 –> 0:03:53 然後基於這個問題我們團隊會有一個願景

64 0:03:53 –> 0:03:57 那基於這個願景會有各式各樣的priority的排序

65 0:03:57 –> 0:04:01 比如說他們的遊戲是要以動作流暢為主

66 0:04:01 –> 0:04:08 所以當美術雖然很漂亮但是如果美術影響到了遊戲的體感的話

67 0:04:08 –> 0:04:14 這個時候因為他們有事先討論過這種優先層級的排序

68 0:04:14 –> 0:04:19 所以實際上是美術要退讓讓遊戲流暢度作為最高優先權

69 0:04:19 –> 0:04:23 那再來就是開發前期的準備

70 0:04:23 –> 0:04:26 開發前期的準備就是會有大量的文件嘛

71 0:04:26 –> 0:04:33 因為所有人要協作的話其實是要比如說美術程式企劃之間要如何對接

72 0:04:33 –> 0:04:35 其實有大量的文件都是很重要

73 0:04:35 –> 0:04:42 那他們很重要就是會把前期討論的那些包含就是目標要解決的問題

74 0:04:42 –> 0:04:48 願景TA如何行銷之類各式各樣的就是有完整的文件

75 0:04:48 –> 0:04:53 那這樣的好處是大家可以去查詢當初為什麼開會會有這樣的共識

76 0:04:53 –> 0:04:55 然後或者是當有新進團的朋友來訪問的時候

77 0:04:56 –> 0:04:58 就是團隊擴編的時候

78 0:04:58 –> 0:05:03 新的團員加進來也能夠知道整個遊戲製作的脈絡

79 0:05:03 –> 0:05:07 那到了開發中期的話就是會逐步的開發嘛

80 0:05:07 –> 0:05:10 那他們依循的是MVP的原則

81 0:05:10 –> 0:05:13 那最重要的概念就是他舉了兩個圖

82 0:05:13 –> 0:05:18 一個圖是一堆人他們在時間的過程中

83 0:05:18 –> 0:05:24 第一批的人他可能是準備輪子準備什麼板金準備引擎什麼

84 0:05:24 –> 0:05:28 然後到了結束的時間點他們組出了一臺汽車

85 0:05:28 –> 0:05:33 那第二批人他們一開始可能是為了到達目的地

86 0:05:33 –> 0:05:37 第一個人是他們就是為了到達目的地他們就是只組車子

87 0:05:37 –> 0:05:41 然後第二批的人他們是一開始可能是用走路的去送貨

88 0:05:41 –> 0:05:45 然後到達目的地或者是溜滑板就是為了到達目的地

89 0:05:45 –> 0:05:49 或者是騎腳踏車到達目的地或者是騎機車到達目的地

90 0:05:49 –> 0:05:51 那或者是開車到達目的地

91 0:05:51 –> 0:05:54 也就是說不管是我們的

92 0:05:54 –> 0:05:56 在哪一個階段停下來

93 0:05:56 –> 0:05:58 我們都還是可以到達目的地

94 0:05:58 –> 0:06:01 那這樣的好處是比如說團隊已經被燒完了

95 0:06:01 –> 0:06:06 或者是我們需要中途去Demo給發行商看

96 0:06:06 –> 0:06:08 或者是給投資人看

97 0:06:08 –> 0:06:11 這個都是一個很好的示範

98 0:06:11 –> 0:06:13 那其實不只是遊戲開發是這樣

99 0:06:13 –> 0:06:17 就算是繪畫也是就是比如說像畫畫在接案上

100 0:06:17 –> 0:06:22 其實很多時候那個截止日其實只是因為

101 0:06:22 –> 0:06:23 其實那些繪師

102 0:06:23 –> 0:06:24 他們在繪圖的過程

103 0:06:24 –> 0:06:28 其實每一輪的迭代

104 0:06:28 –> 0:06:30 都是以完成品為單位

105 0:06:30 –> 0:06:32 就比如說這個禮拜他們畫完一張圖

106 0:06:32 –> 0:06:34 然後離截止日還有三個月

107 0:06:34 –> 0:06:36 那他們下個禮拜就會把這張圖再改進

108 0:06:36 –> 0:06:39 但改進完之後還是一個完成圖的狀態

109 0:06:39 –> 0:06:42 也就是說其實他們在逐步迭代的過程中

110 0:06:42 –> 0:06:44 其實只是因為截止日到了

111 0:06:44 –> 0:06:48 所以他們交了一個最近的完成品的版本出去

112 0:06:48 –> 0:06:49 OK

113 0:06:49 –> 0:06:51 那這個概念來講的話

114 0:06:51 –> 0:06:53 其實有一個非常重要的事

115 0:06:53 –> 0:06:54 那最重要的事情是

116 0:06:54 –> 0:06:57 他們在開發過程其實對於零件的

117 0:06:57 –> 0:06:59 就是這些功能要取捨

118 0:06:59 –> 0:07:04 其實還是要非常圍繞在一開始所define的問題上面

119 0:07:04 –> 0:07:06 好那這個其實對於帶領一個團隊很重要

120 0:07:06 –> 0:07:07 就是說

121 0:07:07 –> 0:07:11 其實團隊裡的每個人都很有能力的時候

122 0:07:11 –> 0:07:14 往往大家都會有各自的意見

123 0:07:14 –> 0:07:18 那為了讓一個專案去正確的執行

124 0:07:18 –> 0:07:22 其實所有人都要對願景跟目標有非常清晰的理解

125 0:07:22 –> 0:07:25 大家才能夠在一個共識下前行

126 0:07:25 –> 0:07:28 那這件事情如果換到AI上也是嘛

127 0:07:28 –> 0:07:30 如果我們有很多很多的AI

128 0:07:30 –> 0:07:32 AI的彼此討論的時候

129 0:07:32 –> 0:07:34 其實他們會遇到一個問題就是

130 0:07:34 –> 0:07:38 可能每個AI都有各自的理論或者想法

131 0:07:38 –> 0:07:40 或者是他們在瞎掰

132 0:07:40 –> 0:07:42 然後導致說會偏離主題

133 0:07:42 –> 0:07:45 那這個時候當我們有這個開發框架的時候

134 0:07:45 –> 0:07:49 那我們就可以去強制每個AI都會照著開發的正確流程

135 0:07:49 –> 0:07:50 然後隨時都要圍繞在TA的問題

136 0:07:50 –> 0:07:51 然後隨時都要圍繞在TA的問題

137 0:07:51 –> 0:07:53 然後隨時都要圍繞在TA的問題

138 0:07:53 –> 0:07:57 隨時都是要解決核心問題的概念上去做開發

139 0:07:57 –> 0:08:02 那目前有一些是Multi-agent的AI的開發

140 0:08:02 –> 0:08:05 比如說像是什麼Meta GPT啦

141 0:08:05 –> 0:08:07 或者是其他還有一些

142 0:08:07 –> 0:08:09 可能要找一下有相關的東西

143 0:08:09 –> 0:08:12 那在這些就是多重AI的彼此協作

144 0:08:12 –> 0:08:14 或者像什麼Auto GPT也是嘛

145 0:08:14 –> 0:08:16 它其實也是幾個去互相討論

146 0:08:16 –> 0:08:19 那在這些多重協作的Multi-agent的GPT

147 0:08:19 –> 0:08:21 我們會發布一些相關的資料

148 0:08:21 –> 0:08:23 我們會發布一些相關的資料

149 0:08:23 –> 0:08:25 其實套用我們的課程的觀念

150 0:08:25 –> 0:08:27 其實很重要的是Domain Knowledge

151 0:08:27 –> 0:08:29 但是很顯然的那些Multi-agent

152 0:08:29 –> 0:08:31 他們其實沒有這個觀念

153 0:08:31 –> 0:08:33 他們只是給AI一個角色卡

154 0:08:33 –> 0:08:37 然後就去扮演這個角色去嘗試去執行

155 0:08:37 –> 0:08:39 但是如同我們前面提到的

156 0:08:39 –> 0:08:41 要讓AI有比較好的產出

157 0:08:41 –> 0:08:45 其實還是要有Domain Knowledge附在這個AI身上

158 0:08:45 –> 0:08:49 所以比如說我們今天要用AI去做一個Multi-agent去寫作一個東西的時候

159 0:08:49 –> 0:08:50 所以比如說我們今天要用AI去做一個Multi-agent去寫作一個東西的時候

160 0:08:50 –> 0:08:51 所以比如說我們今天要用AI去做一個Multi-agent去寫作一個東西的時候

161 0:08:51 –> 0:08:53 可能PM的AI要附給他PM的Domain Knowledge

162 0:08:53 –> 0:08:55 可能PM的AI要附給他PM的Domain Knowledge

163 0:08:55 –> 0:08:57 程式的AI他可能還是要帶著程式的Domain Knowledge

164 0:08:57 –> 0:08:59 程式的AI他可能還是要帶著程式的Domain Knowledge

165 0:08:59 –> 0:09:01 那劇本的AI還是要帶著劇本的Domain Knowledge

166 0:09:01 –> 0:09:02 那劇本的AI還是要帶著劇本的Domain Knowledge

167 0:09:02 –> 0:09:04 基於這些東西去寫作

168 0:09:04 –> 0:09:06 那真正重要的是

169 0:09:06 –> 0:09:08 我們還是要基於剛剛提到的問題的框架

170 0:09:08 –> 0:09:10 我們還是要基於剛剛提到的問題的框架

171 0:09:10 –> 0:09:12 其實是有點類似金字塔

172 0:09:12 –> 0:09:14 上面是憲法然後下面是法律

173 0:09:14 –> 0:09:16 上面是法律然後最後是行政法施行細則之類的

174 0:09:16 –> 0:09:18 上面是憲法然後下面是法律然後最後是行政法施行細則之類的

175 0:09:18 –> 0:09:20 那憲法就是不可動搖的

176 0:09:20 –> 0:09:22 所有下一層跟上一層有抵觸的

177 0:09:22 –> 0:09:24 所有下一層跟上一層有抵觸的

178 0:09:24 –> 0:09:26 都要以上一層為最高原則

179 0:09:26 –> 0:09:28 那有這個原則之後

180 0:09:28 –> 0:09:30 我們就可以知道說如果未來的AI agent和Multi要如何做處理

181 0:09:30 –> 0:09:32 我們就可以知道說如果未來的AI agent和Multi要如何做處理

182 0:09:32 –> 0:09:34 好那這時候可能會有人問說

183 0:09:34 –> 0:09:36 好那這時候可能會有人問說

184 0:09:36 –> 0:09:38 可是現在就只有GPTS

185 0:09:38 –> 0:09:40 為什麼我們要去思考Multi-agent的問題

186 0:09:40 –> 0:09:42 因為很有可能

187 0:09:42 –> 0:09:44 比如說未來可能GPT4.5

188 0:09:44 –> 0:09:46 4.6 4.7

189 0:09:46 –> 0:09:48 它更新的時候就提供了一個新的功能

190 0:09:48 –> 0:09:50 它更新的時候就提供了一個新的功能

191 0:09:50 –> 0:09:52 就是你可以有自己的AI agent

192 0:09:52 –> 0:09:54 因為照AI現在的更新速度那麼快

193 0:09:54 –> 0:09:56 因為照AI現在的更新速度那麼快

194 0:09:56 –> 0:09:58 其實在之前GPTS出來之前

195 0:09:58 –> 0:10:00 其實在之前GPTS出來之前

196 0:10:00 –> 0:10:02 就在那時候大家就是想要嘗試一些公司

197 0:10:02 –> 0:10:04 就在那時候大家就是想要嘗試一些公司

198 0:10:04 –> 0:10:06 就是在開一些公司他們就是說AI可以finetune

199 0:10:06 –> 0:10:08 結果GPTS一出來

200 0:10:08 –> 0:10:10 他們的一堆公司馬上就被打趴了

201 0:10:10 –> 0:10:12 他們的一堆公司馬上就被打趴了

202 0:10:12 –> 0:10:14 因為GPT4它自己就有RAG的能力

203 0:10:14 –> 0:10:16 因為GPT4它自己就有RAG的能力

204 0:10:16 –> 0:10:18 等於是它自己就可以握有大量的資料

205 0:10:18 –> 0:10:20 這樣就不需要去做finetune了

206 0:10:20 –> 0:10:22 這樣就不需要去做finetune了

207 0:10:22 –> 0:10:24 所以很有可能

208 0:10:24 –> 0:10:26 下一個AI的大幅的更新就是Multi-agent

209 0:10:26 –> 0:10:28 就是AI GPT可能會開一個

210 0:10:28 –> 0:10:30 就是AI GPT可能會開一個

211 0:10:30 –> 0:10:32 OpenAI可能會開一個新的平臺

212 0:10:32 –> 0:10:34 讓大家去上自己的GPT agent

213 0:10:34 –> 0:10:36 讓大家去上自己的GPT agent

214 0:10:36 –> 0:10:38 當我們有GPT agent之後

215 0:10:38 –> 0:10:40 當我們有GPT agent之後

216 0:10:40 –> 0:10:42 我們是不是就可以組成Multi-AI GPT的Agent

217 0:10:42 –> 0:10:44 我們是不是就可以組成Multi-AI GPT的Agent

218 0:10:44 –> 0:10:46 就是我們可以把多重的AI組成一個團隊

219 0:10:46 –> 0:10:48 然後去做我們要做的任務

220 0:10:48 –> 0:10:50 所以為了達成這件事情

221 0:10:50 –> 0:10:52 我們就要一個良好的團隊管理的概念

222 0:10:52 –> 0:10:54 所以我才會嘗試去找到這個框架

223 0:10:54 –> 0:10:56 所以我才會嘗試去找到這個框架

224 0:10:56 –> 0:10:58 這個是屬於第三堂課的部分

225 0:10:58 –> 0:11:00 這個是屬於第三堂課的部分

226 0:11:00 –> 0:11:02 那第四堂原本是沒有想到要做什麼

227 0:11:02 –> 0:11:04 那第四堂原本是沒有想到要做什麼

228 0:11:04 –> 0:11:06 不過因為一些因緣機會

229 0:11:06 –> 0:11:08 後來就想說我們就是把第四堂來做一個Case Study

230 0:11:08 –> 0:11:10 所以接下來第四堂的話

231 0:11:10 –> 0:11:12 可能就是用應用程式來做

232 0:11:12 –> 0:11:14 可能就是用應用程式來做

233 0:11:14 –> 0:11:16 那應用在SEO上的話

234 0:11:16 –> 0:11:18 其實就是要回到我們之前講的

235 0:11:18 –> 0:11:20 其實一直以來

236 0:11:20 –> 0:11:22 在使用AI的時候

237 0:11:22 –> 0:11:24 我們都會強調兩個思維

238 0:11:24 –> 0:11:26 一個是你是要用紅海思維還是藍海思維

239 0:11:26 –> 0:11:28 現在的那些SEO的公司

240 0:11:28 –> 0:11:30 現在的那些SEO的公司

241 0:11:30 –> 0:11:32 或者是專家們

242 0:11:32 –> 0:11:34 其實對AI來講他們已經變成一種軍備競賽了

243 0:11:34 –> 0:11:36 就是即使你要做SEO

244 0:11:36 –> 0:11:38 就是即使你要做SEO

245 0:11:38 –> 0:11:40 其實理論上

246 0:11:40 –> 0:11:42 也不是已經使用AI是理所當然的事情了

247 0:11:42 –> 0:11:44 就是一定會被淘汰

248 0:11:44 –> 0:11:46 那些人都已經理所當然的在使用AI

249 0:11:46 –> 0:11:48 然後使用AI去做文章撰寫輔助

250 0:11:48 –> 0:11:50 然後使用AI去做文章撰寫輔助

251 0:11:50 –> 0:11:52 使用AI去做流量分析

252 0:11:52 –> 0:11:54 使用AI去做關鍵字的整理

253 0:11:54 –> 0:11:56 使用AI去做知識儲備的處理

254 0:11:56 –> 0:11:58 使用AI去做關鍵字的整理

255 0:11:58 –> 0:12:00 那對於一般人來講

256 0:12:00 –> 0:12:02 我們的藍海策略就是

257 0:12:02 –> 0:12:04 我只要有就好

258 0:12:04 –> 0:12:06 就可以類似

259 0:12:06 –> 0:12:08 我們之前在講藍海策略的時候

260 0:12:08 –> 0:12:10 舉例就比如說

261 0:12:10 –> 0:12:12 我今天是一個小說家

262 0:12:12 –> 0:12:14 我今天只能寫文字

263 0:12:14 –> 0:12:16 但是我有了AI之後

264 0:12:16 –> 0:12:18 它可以幫我輔助畫出我心中的畫面

265 0:12:18 –> 0:12:20 那這件事情是加分而不是必要

266 0:12:20 –> 0:12:22 那這件事情是加分而不是必要

267 0:12:22 –> 0:12:24 所以同樣的道理就是說

268 0:12:24 –> 0:12:26 如果我今天是一個普通人

269 0:12:26 –> 0:12:28 我原先完全沒有SEO的概念

270 0:12:28 –> 0:12:30 但是如果有AI可以幫我去做SEO的話

271 0:12:30 –> 0:12:32 那它就是一個從無到有

272 0:12:32 –> 0:12:34 直接跳到60分的

273 0:12:34 –> 0:12:36 很優秀的一個做法

274 0:12:36 –> 0:12:38 那對於

275 0:12:38 –> 0:12:40 紅海策略的人

276 0:12:40 –> 0:12:42 對於紅海市場的那些SEO專家來講

277 0:12:42 –> 0:12:44 AI只是加深了他們

278 0:12:44 –> 0:12:46 軍備競賽的深度而已

279 0:12:46 –> 0:12:48 所以我們要一直很清楚說

280 0:12:48 –> 0:12:50 我們到底是在做紅海市場還是藍海市場

281 0:12:50 –> 0:12:52 然後再來就是

282 0:12:52 –> 0:12:54 我們要給他Domain Knowledge

283 0:12:54 –> 0:12:56 所以要有Domain Knowledge的話

284 0:12:56 –> 0:12:58 勢必還是要去

285 0:12:58 –> 0:13:00 學SEO相關的概念

286 0:13:00 –> 0:13:02 然後找到一個可以用的表格

287 0:13:02 –> 0:13:04 給AI用

288 0:13:04 –> 0:13:06 那在這種情況下

289 0:13:06 –> 0:13:08 我們就可以讓AI帶著SEO的Domain Knowledge去做事情

290 0:13:08 –> 0:13:10 那SEO其實它不單單只是

291 0:13:10 –> 0:13:12 那SEO其實它不單單只是

292 0:13:12 –> 0:13:14 就是一件事情

293 0:13:14 –> 0:13:16 它其實是包含很多包含TA設定

294 0:13:16 –> 0:13:18 然後搜尋引擎的

295 0:13:18 –> 0:13:20 它要怎麼去針對

296 0:13:20 –> 0:13:22 Google Search最佳化

297 0:13:22 –> 0:13:24 然後再來就是它的文章到底是要

298 0:13:24 –> 0:13:26 往什麼方向去做

299 0:13:26 –> 0:13:28 然後再來就是最後它要去做

300 0:13:28 –> 0:13:30 成效分析嘛

301 0:13:30 –> 0:13:32 甚至是要做漏斗分析

302 0:13:32 –> 0:13:34 那一般來講現在的

303 0:13:34 –> 0:13:36 因為市場都是往分眾化去走

304 0:13:36 –> 0:13:38 所以可能還會是走

305 0:13:38 –> 0:13:40 1000個鐵粉理論

306 0:13:40 –> 0:13:42 那在這種情況下

307 0:13:42 –> 0:13:44 我們就會需要去收集口袋名單

308 0:13:44 –> 0:13:46 那如果要收集口袋名單的話

309 0:13:46 –> 0:13:48 我們是不是還要有一個

310 0:13:48 –> 0:13:50 專門整理口袋名單的AI

311 0:13:50 –> 0:13:52 跟發更深的文章的小AI

312 0:13:52 –> 0:13:54 那在這些多重AI下

313 0:13:54 –> 0:13:56 我們是不是就要讓它有一個協作的框架

314 0:13:56 –> 0:13:58 那其實就應該可以套入

315 0:13:58 –> 0:14:00 我們前面講的剛剛的那個

316 0:14:00 –> 0:14:02 就是Multi-AI Agent的框架的方式

317 0:14:02 –> 0:14:06 那這個是主要是這禮拜在想的東西

318 0:14:06 –> 0:14:08 OK好謝謝大家