師父商學院 EP73 - AI 最強模型上線兩天被美國政府封殺？Vibe Coding 發明人自己收回這句話？訓練 AI 不是餵資料？ft. 李佳達

這集在講什麼

這集在回答一個很實際的問題：為什麼 AI 模型越來越強，企業和個人卻常常還是做不出能用、能維持的工具，甚至連一個「95% 用 AI」的想像都可能是錯的？答案很直接——真正的關鍵不是餵資料，而是先做出像「米其林廚房」一樣的 harness engineering：把規劃、評估、迭代、資料格式、知識庫與 feedback 先架好，否則你丟 50 個訪談或 2,000 份病歷進去，也只會得到一個看起來很漂亮、兩天後就壞掉的半成品。聽完你可以帶走的是一套可立即上手的落地方法：不要從零開始、先找 best practice、先把資料收攏成同一格式，再用真實案例做訓練與驗證；如果準確率只到 80%～85%，反而常常比 100% 更實用。

來賓：李嘉達老師；OpenAI 聯合創始人、也是 Tesla 視覺 AI 系統的重要推手，長期在 AI 與實作落地之間做方法論整理；他在這集最核心的主張可以濃縮成一句話：「AI 不是靠餵資料，而是靠 harness engineering，把模型關進馬具裡才會真的能用。」

本集亮點

00:00出版社編輯把自己編好的成品直接丟給 AI 當訓練資料，結果完全不好用；重點不是資料多，而是你有沒有把「訓練」真的拆成可驗證的流程，這一段直接打破多數人對 AI 訓練的直覺。

08:23拿 100 集節目硬拆成 50/50 訓練組與測試組，先讓 AI 用訓練組建立技能包，再拿 Joey 這種真實案例去打臉它、修正它，最後把準確率拉到 80% 才停；這段最值得聽，因為它把「訓練 AI」講成一個真的可操作的方法。

20:03做課程、報價單、內容企劃都不要從零開始，先叫 AI 去搜全世界最好的前三名範本；例如工具機廠的報價單不是自己想格式，而是直接找英文、日文、德文、西班牙文範本對照，這是 AI 時代最強槓桿。

48:04資深出版社編輯真正有用的不是「餵給 AI 成品」，而是把他怎麼退稿、怎麼改標題、怎麼回作者的完整對話丟進去，甚至負面表列都能訓練；這裡把 AI 落地的精髓講得很清楚：真正學到的是判斷與 feedback，不是素材本身。

章節

同節目其他集 看全部 ›

完整逐字稿（可點句跳播）、一集白板、AI 問答與一鍵摘錄，在聽摘裡看 👇