runesleo

今天才發現，ChatGPT Pro 原來給了 100GB 文件空間。
我用了這麼久，居然只佔了 315MB。
這一下讓我意識到：過去我一直把 ChatGPT 當「算力」和「對話框」在用，卻沒有真正把它當成長期工作空間。
所以我重新整理了一遍自己的 AI 儲存架構：
Mac：執行
本地大盤：原始資料／冷歸檔
Google Drive：人類可編輯的正式文件
ChatGPT Library：AI 長期可讀、可檢索、可複用的知識層
重點不是把 100GB 填滿。
而是把真正值得讓 AI 長期知道的東西，放進一個它隨時能調用的位置。
今天已經開始把這層搭起來了。
越來越覺得，未來個人 AI 系統的差距，不只在模型，而在「上下文有沒有真正累積下來」。

搞 AI 和 vibe coding 這麼久，今天第一次認真查看自己的 Codex 使用統計：
累計 Token：1038.2 億
單日峰值：45.9 億
最長連續使用：119 天
數字比我想像中誇張得多。
但更值得盤點的其實不是燒了多少 Token，而是這些 Token 最後到底變成了什麼。
最近準備把我現在已經跑起來的 AI 自動化系統完整盤一遍：
研究、監控、交易輔助、內容生產、多裝置遠端執行、Agent 工作流程……
也順便看看，哪些是真正的自動化，哪些只是把人工步驟包裝得更複雜了。

這兩天 AI 圈有個新模型 Jev，我覺得值得單獨看一下。
它最反直覺的地方，不是 benchmark 又高了多少，而是它根本不想做一個「更會聊天」的 LLM。
@typesafeai 的思路是：
很多軟體任務根本不需要模型「生成一段話」。
現在大量 AI workflow 實際上是：
state → LLM → 生成文字 / JSON → parse → validate → retry → 程式再決定下一步
但軟體內部真正需要 AI 回答的，經常只是：
這是詐騙嗎？
應該 route 給哪個 agent？
continue / retry / stop？
risk 是 low / medium / high？
這個判斷的機率是多少？
Jev 把介面直接收縮成：
unstructured state → typed probabilistic decisions
不寫文章，不聊天。
直接返回 Boolean / Choice / Score + probability。
TypeSafe 把這類模型叫做 System One Model，訓練方法叫 RLCD（Reinforcement Learning for Calibrated Decisions）。
官方給出的數字也很誇張：
70–500ms latency
$0.042 / 100 萬輸入 token
workflow

Grok bot 這 100 美元你薅到了嗎？
本來只想在 Grok Bot 接通 X 付費 API，好做搜尋／時間線／mentions。
充了 $25 試試，結果 total 顯示約 $123。
拆開才明白：
• prepaid ≈ $23.7 → 我充的剩餘
• free ≈ $99 → 接通時送的起步 credits（約 1 年過期
官方 8/29：付費 Grok Bot 使用者可獲得免費 X API credits 以開始使用
金額官方沒寫死；上圖是我實測。接通之前先看 free，別被 total 騙去狂充。

有了 MCPX 之後，我最近真的有一種感覺：
ChatGPT 好像被我用出了「無限額度」。
當然不是真的無限。
主要是 Chat 模式本身額度就挺夠用，再把 MCPX 裝好、設定好以後，很多原本需要我自己切換軟體、找工具、執行命令的事情，現在都可以直接在 Chat 裡完成。
而且我覺得 MCPX 最好用的地方，不是「多了一個新工具」。
恰恰是裝好以後，你甚至可以忘掉 MCPX 的存在。
還是和平時一樣正常跟 ChatGPT 說話：
幫我查一下這個專案。
看看鏈上資料。
把這個 bug 修掉。
繼續執行監控。
後面的事情，ChatGPT 自己判斷需要什麼能力，再透過 MCPX 去呼叫對應的 Tool、MCP、API、Remote Session，做完以後把結果帶回來，然後繼續往下推進。
所以我現在遇到新的需求，已經很少先想：
「ChatGPT 支不支援這個功能？」
我更在意的是：
「這件事能不能接成一個 Tool？」
只要能接進去，後面很多時候還是一句話的事。
這其實也是我覺得它對一般使用者最有價值的地方。
你不需要為了每一種工作都重新學習一套 AI 工具，也不用研究、程式碼、鏈上、遠端電腦、各種 API 之間來回切換。
入口還是同一個 Chat，但後面能呼叫的能力可以一直增加。
當然，也不是什麼事情都可以無條件自動完成。沒接入的能力還是沒有，登入、驗證碼、權限會卡住，資金、發文、帳

最近 X 上都在薄肌俱樂部
我也來報個到

最近碰到一個很詭異的問題：
我明明開的是普通 Chat，接上自己長期在用的 MCP 工具後，幹著幹著，同一個對話卻會變成 Work。
不是新開了一個 Work，也不是我自己的後台任務名字裡有 Work，而是原來的對話在 ChatGPT 側欄裡真的多出了一個「工作」標籤。
我一開始懷疑，是不是遠端執行、非同步任務、長任務這些機制觸發了 ChatGPT 的某種自動升級。於是乾脆一路拆下去，重新開了幾條乾淨的 Chat 做驗證。
結果發現，事情沒那麼簡單。
單獨呼叫工具不會立刻變 Work，真正執行任務也不會，甚至已經進入非同步執行，對話依然可以保持在 Chat。也就是說，「任務越來越複雜」本身，並不能解釋為什麼一個 Chat 最後會變成 Work。
繼續往下查，我反而發現了自己 MCP 工具設計裡的一個問題。
以前為了讓介面看起來更整齊，我會把一組相關能力塞進同一個工具裡。比如一個工具既可以「查看有哪些功能」，也可以「查看功能詳情」，最後還可以「真正執行功能」。
程式碼上這樣寫很方便，但站在 AI 的角度，這三件事根本不是同一種能力。
前兩件只是讀取，最後一件卻可能真的連網、寫資料、執行操作。可一旦把它們塞進同一個工具，ChatGPT 看到的就不再是每個功能各自準確的邊界，而是這個工具整體「有可能做什麼」。
於是會出現一個很奇怪的結果：你明明只是讓它查一下有哪些功能，暴露給模型的卻還是

機器人快要做失敗時，人類臨時接管糾正幾步。這幾步，真的值得模型學嗎？
@axisrobotics 8 月 19 日公布的一份單任務模擬實驗報告裡，有這樣一組結果。
任務是把一塊豆腐放到盤子上。項目方在同一批 480 個新起點上測試：
• 原模型：成功率 40.0%
• 直接學習人類完整糾錯過程：36.7%
• 用篩選後的短糾錯片段訓練：48.3%（三個訓練種子的平均值）
至少在這次對照裡，直接模仿人類完整操作，沒有帶來更好的結果。
報告作者給出的解釋是：完整操作裡混著暫停、猶豫、繞路和真正起作用的那幾步。整個過程能完成任務，不代表其中每個動作都值得模型模仿。
這次實驗最有意思的，是它怎麼驗證「人到底幫到了哪一步」。
先把完整操作放回模擬環境重播，確認能複現成功；再檢查原模型在起點和人接管前是否確實會失敗，排除那些本來就不需要人幫忙的情況。
最後，只執行約 0.8 秒的人工糾錯片段，立刻把控制權交還原模型：它能不能自己把剩下的任務做完？
能，才把這段糾錯用於訓練。
最初的 660 條候選經過幾輪篩選，414 條能進入最後這步短片段測試，161 條通過。
這套驗證比「錄下一次成功操作」多做了一件關鍵的事：檢查這幾步人工操作，是否真的讓原模型從失敗狀態恢復了。
但 40.0% 到 48.3% 的提升，也不能全部記到「篩選」一個因素上。實驗改變了學習的樣本形式，訓練時還約束模型保留原有能力