by angus | 2026-09-08
祛濕方法不只一種,脾胃運化好了,身體才會順
張Sir回想,去年那場病進入第三週,方子正在見效。肚子脹得像塞了一個籃球的感覺消失了,大便成形,半夜也不再經常醒。照常理,有效就該一直喝下去,把剩下的濕氣排乾淨。
當時就是這樣想的。
但身體給的信號卻相反。口乾得厲害,半夜渴醒、冒汗,痱滋(口瘡)一粒接一粒,舌苔一天比一天少,舌尖還泛紅。回頭看那張方,薏米、炒白朮、茯苓、半夏、陳皮,分別有利水滲濕、燥濕化痰和理氣健脾等作用,整體方向偏於祛濕。身體狀況已經變了,原來的方子再喝下去,便可能連本來不多的津液也一併耗傷。
那次的處理,是把炒白朮大幅減量,暫停生薑和紅棗,改用四神湯打底,加石斛、麥冬。以張Sir那次而言,調整後三天,口乾和夜間冒汗開始減輕。整個過程寫在《養生篇07:為甚麼「祛濕茶」不能一直喝?》 。
事後回想,問題未必在最初用方,而在身體狀況改變後,仍照原方喝下去。更準確一點說,張Sir當時只知道「祛濕」兩個字,不知道處理濕有好幾種方法。按中醫理論,偏燥或滲利的材料久用、不對證,都可能耗傷津液。
五種常見的處理思路
上一篇講過水濕怎樣積起來。同樣一個濕字,處理起來的方法差得很遠。為方便說明日常食養,這裡把常見思路簡化成五組。這不是方劑學的完整分類,各組之間也會重疊;一張方往往同時兼有幾種作用。
燥濕
主要思路:用偏溫燥的藥物減輕濕滯。傳統辨證所見之一:舌苔厚膩、脘腹脹滿。代表方:平胃散(蒼朮、厚朴、陳皮、甘草等)。
化濕
主要思路:以芳香之品醒脾化濕、理氣和中。傳統辨證所見之一:口黏、胃口差、想嘔。代表方:藿香正氣散(藿香、紫蘇、厚朴、半夏、茯苓等)。
滲濕
主要思路:利水滲濕,使水濕從小便而去。傳統辨證所見之一:身重、浮腫、小便不利。代表方:五苓散(澤瀉、豬苓、茯苓、白朮、桂枝)。
溫化
主要思路:溫陽化飲、健脾利濕。傳統辨證所見之一:怕冷、大便稀溏、痰涎清稀。代表方:苓桂朮甘湯(茯苓、桂枝、白朮、炙甘草)。
健脾
主要思路:改善脾胃運化,減少濕滯反覆形成。傳統辨證所見之一:久濕、食少、便溏。代表方:參苓白朮散(人參、白朮、茯苓、山藥、白扁豆、蓮子、薏苡仁、砂仁等)。
燥濕和滲濕都在做減法,但手法並不一樣。燥濕着重化除濕濁,滲濕着重利水。用得對,人會鬆一口氣;用得過久,便可能出現口乾等不適。張Sir第三週那張方,正偏向這兩個方向。
市面上不少「祛濕茶」含薏米、赤小豆、茯苓等偏於利水滲濕的材料。有人初喝覺得身體輕鬆,連續飲用後卻逐漸口乾、皮膚乾;這時若不辨情況便轉頭進補,也可能更脹更滯。
那怎樣才算用對?五種方法雖然手法不同,都離不開脾胃運化。運化改善後,濕滯才較不容易再積;只顧着排濕而不理脾胃,效果往往難以維持。
有些腫,不能當作一般濕重
講到怎樣選之前,先要知道哪些情況不宜自行處理。
腳踝一按留下凹痕、單邊腿腫,或早上眼皮明顯浮腫,都不是靠茶能處理的。若還伴有腿痛發熱、氣促、胸痛、躺不平或尿量明顯減少,應立即求醫。
祛濕茶不是「去水腫茶」,儘管市面上不少產品正是這樣賣的。
按身體狀況選茶
若沒有上述警號,症狀只是偶爾出現而且輕微,健康成人才可考慮先從日常飲食和作息入手。身重、口黏或飯後脹若持續、反覆或影響生活,仍應求醫。
五種方法裡,燥濕和溫化水濕的代表方都涉及中藥材,不宜在家照方自配。溫化水濕常用苓桂朮甘湯,材料是茯苓、桂枝、白朮和炙甘草,須由中醫師辨證使用。日常食養可參考下面四個方向;部分材料同時也屬中藥材,要注意來源和個人禁忌。
化濕(口黏、胃口差、想嘔)
白豆蔻1克拍碎、陳皮1克、生薑1薄片。80至90℃熱水350毫升,焗5至8分鐘。白豆蔻的香氣經不起久焗,時間到就飲。
滲濕(身體困重)
炒薏米15克、赤小豆15克、茯苓10克。炒薏米和赤小豆先用清水浸30分鐘,再加清水600毫升煮25分鐘。
溫中理氣(受寒後短暫胃部不適)
生薑1薄片、去核紅棗1枚、陳皮1克。熱水400毫升,焗10至15分鐘。受涼後可加紫蘇葉2克,最後3分鐘下。
健脾(食少、濕重反覆)
民間食療版四神湯加白扁豆:乾山藥10克、茯苓10克、蓮子10克、芡實10克、炒白扁豆10克。蓮子、芡實和白扁豆先浸30分鐘,再加清水700毫升煮30分鐘,確保白扁豆熟透。
以上每款為一名成人的一日量,分兩次在飯後30至60分鐘溫飲。
怎樣試 :每次只試一款,先試3天,同時記下大便、身體困重、口乾和睡眠。四款茶湯不要輪流喝,不要混着喝,也不代替日常清水。三天後感覺合適,其後每週2至3次;沒有變化,不要急着逐款再試,先重新看看自己的飲食、作息和症狀。
四款茶湯的方向不一樣。四神湯那款少用辛溫燥烈的材料;滲濕那款則較集中使用傳統上偏利水的材料,不宜連續飲用。張Sir那次的教訓就在這裡。
飲後若腹脹、怕冷、口乾或其他不適反而加重,先別當成身體在「排毒」,應該立即停下來。喝之前先看清楚自己的狀況,比買哪一款祛濕茶重要得多。
誰不適合 :孕婦、哺乳期人士、兒童、慢性腎病、心臟衰竭患者,以及正在使用藥物或其他補充品的人士,飲用前先問醫生或藥劑師,並說明完整材料和份量。
對材料過敏者不宜。滲濕那款茶湯的實際利尿程度,以及與利尿劑合用的影響並不清楚;正在服利尿劑、容易低血壓、尿頻或有腎病的人,不宜自行飲用。四神湯那款若令便秘或腹脹加重便停。溫中理氣那款若引起胃灼熱或口咽刺激,也應停飲。糖尿病或需要控制碳水的人,要把紅棗計入全日飲食。飲後口乾加重、大便變硬、睡得更淺或出現其他不適,應停止飲用。
傳統穴位按壓
茶飲之外,晚上有空的話,也可以按一按兩個穴位。
陰陵泉在小腿內側靠近膝蓋,豐隆在小腿外側、約在膝與外踝之間。兩個穴位傳統上常用於調理痰濕,可配合圖示找位置。以拇指按至輕微酸脹,每側1至2分鐘,不追求痛感。
上一篇那位阿莉,照着材料最簡單的那款喝了五天,肚脹是鬆了,頭還是沉的,下午照樣口乾。她看似有些濕重表現,卻又不完全符合上面四款茶湯的使用方向。下一篇講的就是這一種。
參考資料
王冰,注。(2005)。黃帝內經素問 。人民衛生出版社。
國家藥典委員會。(2020)。中華人民共和國藥典:2020 年版 。中國醫藥科技出版社。
National Library of Medicine. (n.d.). Swelling . MedlinePlus. https://medlineplus.gov/ency/article/003103.htm
World Health Organization. (2008). WHO standard acupuncture point locations in the Western Pacific Region . https://iris.who.int/handle/10665/353407
本文內容只作學習參考,不構成任何醫療建議,如有不適請就醫。
協作者:張Sir與AI @張Sir的AI養生館 2026
by angus | 2026-09-07
此「穀氣」不同彼「谷氣」,搞錯了就「谷鬼氣」
前兩篇寫過上熱下寒 ,也寫過初秋那種又濕又乾的狀態 ,講來講去,兩篇都離不開脾胃。接下來張Sir用三篇,把脾胃這條線詳細講多一點,先從一個最容易誤會的詞說起。
阿莉午飯後回到座位,整個人攤在椅上,眼皮重得抬不起,一直撐到三點才勉強醒過來。這種情況,像我們常說的「飯氣攻心」。
「飯氣」這個詞,廣東人由細講到大。同樣是講氣,還有一個叫「谷氣」,指氣頂在胸口散不出,嚴重一點就叫「谷鬼氣」。兩個詞天天掛在嘴邊,多數人不會把它們跟中醫扯上關係。
偏偏中醫也有一個「穀氣」,跟氣憤沾不上邊。它指的是飲食化生出來的那口氣,身體運轉靠它做燃料。一個講情緒堵住,一個講能量來源,意思差得很遠,偏偏都跟氣走不動有關。
阿莉飯後那陣困倦,古人正是從穀氣這兩個字去理解。
飯裡來的那口氣
《黃帝內經.靈樞.營衛生會》有一句:「人受氣於穀,穀入於胃,以傳與肺,五臟六腑,皆以受氣。」講白話,食物進了胃,化出一股氣,經肺輸送到全身,五臟六腑都等着它來養。穀氣就是飯裡來的那口氣。
要留意,「穀」指五穀,實際泛指吃進去的東西。粵語講食飯也一樣,一餐飯就是一餐飯,不是單指白米飯。肉、蛋、蔬菜、湯水,消化得了都能化出這口氣。至於一餐該吃多少澱粉,那是營養學要回答的問題,古書答不了。
有一點古書倒是講得清楚:這口氣靠吃來補,少吃一頓就少一份。《靈樞.五味》講「故穀不入,半日則氣衰,一日則氣少矣」。停一頓不吃人就沒力,這是很多人都試過的事。
古人把人身的氣分開兩截來看。一截是先天的,稟受於父母,藏在腎裡,用一分少一分;另一截是後天的,靠每天的飲食補進來,也就是穀氣。先天那一截改不了,能管的只有後天這一截。張Sir過去一年學養生,學到最實在的一條就是把力氣花在能管的地方——三餐怎麼吃、吃多少、甚麼時候吃,直接影響每天有多少燃料補得回來。
同一口氣,還管着水
穀氣不只是燃料。同一套運化功能,還管着身體裡的水。
《黃帝內經.素問.經脈別論》講:「飲入於胃,遊溢精氣,上輸於脾,脾氣散精,上歸於肺,通調水道,下輸膀胱。」水從胃進來,先交給脾,脾把有用的部分散開往上送到肺,肺再調度分配,用剩的從膀胱排走。整個過程裡,脾胃負責的是中間那一段轉運。
推動這一連串動作的,正是剛才講的那口氣。氣走得動,水就散得開,該去哪裡去哪裡;氣走不動,水停在原地不上不落,日子久了,就是傳統食養講的「濕」。《素問.至真要大論》那句「諸濕腫滿,皆屬於脾」,又濕又乾那篇提過一次,講的就是這一段轉運出了問題。
甚麼會讓這口氣走不動?久坐一整天不動,冷氣房從早吹到晚,凍飲當水喝,甜膩油炸吃得多,宵夜之後倒頭就睡。這些都算不上罕見的生活方式,辦公室裡多數人天天都在做。
積起來之後有甚麼表現
積得多了,身體自己會反映出來。早上起床像沒睡過,身體重得不想動;飯後肚子脹着半天不散;大便黏在馬桶上,沖幾次才乾淨。舌頭伸出來看,苔厚厚一層,邊上還壓着一圈牙印。胃口說不上差,但吃甚麼都提不起勁。
這些表現輕重差別很大。張Sir去年病得最兇的時候,中焦脹到肚子硬得像個籃球,吃一口就打嗝,那是很極端的狀態,多數人不會走到那一步。日常碰到的是輕微版本,斷斷續續,不算病,但確實不舒服。
飯後疲倦,未必都是濕
也正因為表現輕微又常見,這裡要格外小心。
飯後渴睡、長期提不起勁,解釋不止一種。貧血、甲狀腺功能減退、糖尿病、睡眠窒息症都會造成類似感覺,而且都要靠檢查才分得出來。疲倦持續幾個星期以上,或者同時有體重明顯變化、面色蒼白、氣促、夜間鼻鼾嚴重,應該先去驗血、看醫生,不要當成濕氣自己調。
以下講的,是檢查沒有異常、日常起居可以解釋的那種困倦。
一杯最素的養胃茶
這種狀態下先要做的事,是替脾胃減一點負擔,所以材料愈簡單愈好。
材料 :乾山藥10克、茯苓10克、陳皮1克。
養胃茶材料:乾山藥、茯苓與陳皮
做法 :材料略為沖洗,加入500毫升清水,浸泡20分鐘。煮滾後轉小火煮20分鐘,濾出後溫飲。一劑供一名成人在一天內分兩次飲用,宜安排在飯後30至60分鐘。
試飲 :先試3天,同時記下飯後脹感、身體困重、大便和精神狀態。感覺合適,其後每週2至3次,不代替日常清水。口乾加重、大便變硬、睡得更淺或出現其他不適,便停。
三味材料分工不複雜。山藥和茯苓照顧脾胃運化,性質都算平和,陳皮只放一點,理氣之餘添點香氣,也減少前兩味的滯膩感。這杯茶味道很淡,不加糖,也不需要不斷提高濃度。
誰不適合 :孕婦、哺乳期人士、兒童及長期服藥者,飲用前先問醫師或藥劑師;對材料過敏者不宜。
飯後可以按的兩個穴位
茶飲以外,飯後散步或晚上休息時,可以按一按足三里和中脘。足三里傳統上用於調理脾胃和氣血,胃口欠佳、腹脹時常用;中脘用於和胃理氣,飯後胃脹時輕柔揉一兩分鐘就夠。兩個穴位的準確位置和圖示,又濕又乾那篇已經寫過,這裡不重複。
說回阿莉。她那陣飯後困倦未必嚴重到要處理,倒是值得記下來——哪一餐之後最明顯、前一晚睡了多久、辦公室的冷氣開到幾度、有沒有起身走動過。記上一兩個星期,甚麼時候最容易犯困,自己就看得出來。
粵語那個「谷氣」,發作幾分鐘就過去了。飯裡那口「穀氣」是三餐一頓一頓累積出來的,急不來。
參考資料
王冰,注。(2005)。黃帝內經素問 。人民衛生出版社。
史崧,音釋。(2012)。靈樞經 。人民衛生出版社。
國家藥典委員會。(2020)。中華人民共和國藥典:2020 年版 。中國醫藥科技出版社。
National Library of Medicine. (n.d.). Fatigue . MedlinePlus. https://medlineplus.gov/fatigue.html
本文內容只作學習參考,不構成任何醫療建議,如有不適請就醫。
協作者:張Sir與AI @張Sir的AI養生館 2026
by angus | 2026-09-02
頭三個月好用是應該的,往後撐不撐得住,要看人在迴路的兩個崗位
近日,鄰近地區有兩宗政務 AI 的公開消息。
一宗來自某地方政府。當地每月產出約一萬份公文,熟手處理一份最快要二十分鐘,導入公文智能系統後縮短至兩分鐘,二十三個局處全面啟用。系統先以五千份公文建立評測基線,再從近五年的歷史文件中篩選兩萬份作為素材(按此閱讀報道 )。
另一宗來自另一個地區。當地政府把經技術審查、適用於政務場景的 AI 方案編成目錄,超過二百六十項,涵蓋文本摘要、自動翻譯、數據分析和公文輔助寫作,同時發布部門應用指南,並為公務人員安排過百項數字科技培訓(按此閱讀原文 )。
兩則消息的數字都很亮麗,重點落在系統啟用、方案供給和培訓規模。第一宗經過半年試用,報道交代了公文製成時間由二十分鐘縮短至兩分鐘,卻沒有提到錯誤率、初稿要改幾次、人工重做多少,或者哪些部門仍在持續使用。這些數字較難看,也更能說明系統過了第 90 天之後的表現。
筆者團隊正在做的公務智能平台項目裡,這段變化見過不止一次。頭一個月的數據好看到不用解釋,到了第三個月,同事和用戶談論系統的方式會慢慢改變。
導入初期的好感,來自格式複現
公文寫作有相當一部分工作是格式複現。稱謂、行文套語、段落結構、行政邏輯、前例參照都有既定做法。把歷史公文整理成可供查找的檢索庫,讓系統按情境調出相近舊件,再據此起草,通常會有不錯的效果。業界稱這種做法為檢索增強生成(retrieval-augmented generation, RAG),系統先找出相關內容,再拿來生成答案。
原本二十分鐘的例行公文,兩分鐘便有初稿,這個落差足以令任何部門在頭一兩個月感到好用。格式複現是 RAG 擅長的工作,處理得好,確實能省下大量時間。麻煩往往在之後出現。
好感怎樣在三個月內改變
用戶對新系統的評價通常會隨時間變化。傳播學與信息系統研究分別解釋過其中幾種現象,把它們放回同一段使用歷程,便能看見評價如何改變。
初期先有新奇效應(novelty effect) 。新工具因為新鮮,往往得到較高評價和使用率;人熟悉之後,這部分好感會逐漸淡去。多數系統的宣傳材料,採用的正是這一段數字。
接着出現期望不確認(expectation disconfirmation) 。用戶是否滿意,會受實際表現與事前期望的差距影響。二十分鐘縮短至兩分鐘後,兩分鐘很快變成日常,省下的時間不再顯眼,剩下的錯誤卻愈來愈礙眼。
剛開始,系統處理的多是高頻、格式化公文。這一批做完後,留下的長尾案例難度較高,整體準確率可能隨之下降。用戶未必會把原因拆開來看,他們感受到的是系統好像退步了。
幾次錯誤之後,算法厭惡(algorithm aversion) 便可能出現。研究發現,人看到算法出錯後,放棄它的速度遠快於看到人出錯後放棄那個人,即使算法整體表現較好。公文系統只要幾次引用過期職銜或已廢止條文,便足以損害一個部門的信任。用戶很少逐類判斷哪些任務做得好,往往把折扣算在整套系統身上。
按筆者團隊在開發政務AI平台中的觀察,模型換得快,用戶的習慣也定得快。拿第一個月的表現推算第三個月,誤差可以很大。
歷史公文會過期,檢索和微調都認不出來
用戶評價改變時,歷史公文也在悄悄過期。五年文件裡可能有已廢止的法規條文、改組前的部門名稱、已離任人員的職銜和停辦計劃。單純按相似度檢索的系統,分得出哪一份寫得最像,分不出哪一份今天仍然有效。
系統找出一份舊公文,格式齊整,語氣也得體,引用的卻是三年前的組織架構。這種錯很難揪出來,因為整份文件讀起來十分正常。承辦人員若不熟悉相關領域,簽出去前未必察覺,等到有人指出,文件可能已經對外發布。
市面上常見兩種處理方法。第一種是前文提到的 RAG,把歷史文件整批放進檢索庫,讓系統按相似度尋找,再把找到的內容交給模型生成公文。它起步快、成本低,短期效果也容易看見;限制是相似度只管像不像,不會判斷文件今天是否仍然生效。愈是寫得標準的舊公文,系統愈容易把它找出來。
第二種拿歷史公文再訓練模型,讓模型學會當中的行文習慣,業界稱為微調(fine-tuning)。微調有助掌握格式、語感和文種,過期內容也可能一併進入模型,而且清理起來比檢索庫麻煩。檢索庫刪除一條,當天便能生效;已經練進模型的舊職銜,通常要重新訓練,仍未必清得乾淨。
換一個更大的模型也補不上這個缺口,因為沒有人告訴系統哪一條已經作廢。採用檢索還是微調,在這裡只是技術選擇;數據狀態有沒有人持續維護、維護得有多細,才會逐步拉開系統的準確性和穩定性。演示(demo)和概念驗證(POC)使用的多是現行文件,答案清楚,這個差距不易暴露。到了第 90 天,它才慢慢浮上來。
人在迴路的兩個崗位
以上兩種退化各要有人接住。業界統稱這種安排為人在迴路(human-in-the-loop, HITL),意思是在要緊關口保留人的判斷,由人決定輸出能否繼續往下走。多數人談 HITL,會把它理解成合規覆核,像在文件上蓋一個章。張Sir認為,這個迴路需要兩個崗位,處理兩類不同問題。
用戶端的人。 承辦人員可以改稿,審批人也能看見生成依據。研究算法厭惡的學者後來再做實驗,發現只要容許用戶稍微修改算法輸出,他們便較願意繼續使用一套會出錯的算法。覆核除了把關,也有助維持採納率。一套只交出最終答案、不讓承辦人員插手的系統,出錯後較難挽回;把改稿權留給人,系統才有機會在錯誤之後重新取得信任。
平台端的人。 數據狀態要有人維護,包括哪一條現行、哪一條已撤銷、哪個部門改了名、哪個職銜換了人。這項工作要按週期進行,做得再好也很少有人看見,卻會決定系統到了第二年是否仍然準確。
平台端這個崗位,多數科技廠商不會替公務人員承擔。合約一般涵蓋系統交付、功能開發和技術支援,數據由誰更新、多久更新一次、更新到甚麼程度才算合格,往往沒有寫清楚。系統上線時,這個崗位可能仍然空着,代價要過一段時間才會出現。
用戶端的人隨件出現,一份公文擺到面前,他改一改,決定簽還是不簽。平台端的人不對着公文,他對着數據,每隔一段時間清理過期內容。少了前一個,系統出錯後容易失去用戶;少了後一個,系統會愈用愈舊,而且舊得無聲無息。
第 90 天要看的六項指標
帳號數、開通部門數、登入率和生成份數,反映的是有沒有人點過系統。要知道這套系統是否值得繼續投入,可以換一組數字來看。
任務完成率 ,交出去的內容有多少真的能用
首次通過率 ,初稿一次過關的比例
人工接手率 ,有多少任務最後仍要人手重做
返工量 ,平均改多少輪才定稿
每項成功任務的總成本 ,把人工核對、錯誤重跑、格式修補和跨部門溝通一併計算
可重用資產 ,核准表述、模板、規則和失敗案例有沒有留下來
在筆者團隊正在做的公務智能平台項目裡,導入 90 天後,前四項往往比帳號數和生成份數更能反映實際使用情況。最後一項最容易被忽略,它會影響同一筆投入到了第二年還能留下多少價值。
看完這六項,還可以追問一句:「上線 90 天之後的數字,公布過沒有?」這組數字現在仍然少見,多數 AI 產品宣傳停在開通部門、生成份數和節省時間。
公文要簽署、要負責、要備查,這幾件事不會因為初稿改由 AI 起草而消失。系統能陪一個部門走多遠,仍要看兩個崗位有沒有人一直站着:一個守住每份文件,另一個守住系統每天使用的數據。
協作者:張Sir和AI
參考資料
Dietvorst, B. J., Simmons, J. P., & Massey, C. (2015). Algorithm aversion: People erroneously avoid algorithms after seeing them err. Journal of Experimental Psychology: General, 144 (1), 114–126. https://doi.org/10.1037/xge0000033
Dietvorst, B. J., Simmons, J. P., & Massey, C. (2018). Overcoming algorithm aversion: People will use imperfect algorithms if they can (even slightly) modify them. Management Science, 64 (3), 1155–1170. https://doi.org/10.1287/mnsc.2016.2643
Oliver, R. L. (1980). A cognitive model of the antecedents and consequences of satisfaction decisions. Journal of Marketing Research, 17 (4), 460–469. https://doi.org/10.2307/3150499
by angus | 2026-09-01
暑氣未退、秋燥初起,一杯清淡食養飲兼顧健脾、化濕與潤養
踏入9月,同事阿莉在茶水間問我:「明明天氣仍然又熱又焗,為甚麼早上起來身體沉重,到了下午卻又口乾?」她整天坐在冷氣房對着屏幕,午餐後肚子脹着半天不散,翌日早上大便仍有點黏;到了下午,喉嚨又開始乾,飲水也只是舒緩一陣。
這種看來有點矛盾的感覺,在廣東及港澳一帶的初秋並不少見。暑氣還沒有退,空氣依然濕悶;季節卻已開始轉換,加上長時間吹冷氣、熬夜和飲水不足,口鼻與咽喉又會出現輕微乾燥。
阿莉的情況不是單純「濕」或單純「乾」,而是脾胃負擔與季節轉換同時出現。若只顧着喝寒涼的「祛濕茶」,腸胃可能更弱;急着進補,也可能越喝越脹。
初秋食養可以清淡一點,讓脾胃少一點負擔,同時可適度潤養。猛烈祛濕或匆忙滋補,都未必切合這段季節交替期。
身體為甚麼會又「濕」又「乾」
按中醫的理解,脾胃除了消化食物,也負責運化水液。甜膩、油炸、凍飲、宵夜和久坐,都可能令這套運化過程不暢,繼而出現身體困重、胃口差、飯後腹脹及大便黏滯。
古人早已把這層關係寫得清楚。《素問.至真要大論》說:「諸濕腫滿,皆屬於脾。」水濕停聚、脹滿困重這類表現,傳統上都是從脾胃運化去理解,這句話出自著名的「病機十九條」,也是後世健脾化濕思路的經典依據。
同一時間,初秋氣候正在轉換。冷氣環境坐得久、睡得晚,或者平日飲水不足,口乾和咽乾也會慢慢冒出來。此時食養要避開兩個極端:味道過分苦寒,容易令腸胃更不舒服;用料過分溫燥,口乾和胃灼熱又可能加重。
「濕重」與「秋燥」是傳統食養用來描述一組身體表現的說法,仍要依每個人的實際狀況來理解。若只是偶爾飯後微脹、身體困重、大便偏軟或黏滯,同時有輕微口乾,可先從材料簡單的日常食養試起。
日常食養,先替脾胃減一點負擔
材料 :炒薏米15克、乾山藥(淮山)10克、乾百合5克、陳皮1克、生薑1薄片。
做法 :所有材料略為沖洗,加入600毫升清水,浸泡20分鐘。煮滾後轉小火煮20至25分鐘,濾出後溫飲。一劑供一名成人一天分兩次,宜在飯後30至60分鐘飲用。陳皮和生薑一起煮最方便;若想保留較清新的香氣,也可在最後10分鐘才加入。
試飲 :先試3天;飲後感覺合適,其後每週可飲用2至3次,但不代替日常清水。
這杯茶味道清淡,不用加糖,也不用不斷提高材料濃度。食養茶淡口,不代表增加分量會更有效。
炒薏米 是茶的主體。按傳統食養理解,它常用於脾胃偏弱而有困重、黏滯感的人;炒製後味道較香,也較適合煮飲,但不宜長期做茶服用。薏米始終屬淡滲利水之品,炒製只是減弱寒性,天天久飲恐利水過度而傷津,脾胃偏寒者亦可能大便更稀,故宜間歇飲用、不代替清水。
乾山藥 性質平和,可作日常食材。這裡取其清淡、不過分滋膩的特點,配合炒薏米,讓整杯飲品在利濕之餘,也照顧脾胃。
乾百合 添加一點潤養和安神,照顧初秋開始出現的輕微口乾、咽乾。
陳皮 主要理氣及增添香氣,也減少山藥和百合帶來的滯膩感。
生薑 只放一薄片,用來調和味道,兼顧偏寒的腸胃。
整杯茶飲以炒薏米和山藥照顧脾胃及濕重感,百合潤養安神,陳皮與生薑理氣及令香氣較清爽,也讓胃部較容易接受。
進階茶飲:濕重與疲倦較明顯
若疲倦、胃口弱、飯後腹脹及身體困重較明顯,同時又有輕微口乾,可考慮配伍較完整的版本。這一杯的主線仍然是照顧脾胃、運化水濕,只是分工更細。
材料 :炒白朮6克、太子參6克、茯苓10克、炒薏米12克、乾山藥10克、陳皮2克、生薑1薄片、麥冬6克、砂仁1克。
做法 :砂仁拍碎備用。其餘材料略為沖洗,加入800毫升清水,浸泡20分鐘;煮滾後轉小火煮25至30分鐘,最後5至8分鐘加入砂仁。濾出後溫飲,一劑供一名成人一天分兩次,宜在飯後30至60分鐘飲用。
以上材料應從合規渠道購買。初次可先試半劑,連續試用3天,再按身體反應調整。
君臣佐使:這杯茶怎樣扶脾、化濕而不過燥
進階版可以用「君臣佐使」理解配伍層次。這是中醫方劑常用的組方框架:君藥處理主要方向,臣藥從旁加強,佐藥兼顧其他需要或調和偏性,使藥負責引導與協調。這套框架着眼於各自在整體配伍中的分工,與材料的高低等級無關。
君:炒白朮、太子參、山藥。 炒白朮偏重健脾化濕;太子參照顧疲倦、胃口弱等氣虛表現;山藥的性質較平和。三者合用,先把脾胃運化照顧好,免得只顧排走水分。
臣:茯苓、炒薏米。 兩者協助運化水濕,對應身體困重、大便黏滯和舌苔偏膩等表現。
佐:陳皮、生薑、麥冬。 陳皮與少量生薑理氣和胃,減少補益材料帶來的滯膩感;麥冬潤養滋陰,使整個化濕方向不致過分溫燥。
使:砂仁。 砂仁氣味芳香,用量不宜大。拍碎後下,可減少香氣在久煮時散失;它在配伍中主要負責醒脾和胃,疏解中焦脹悶。
這套配伍的落點仍在脾胃。君藥先扶起運化,臣藥協助處理困重與黏滯,佐藥一邊減少滯膩,一邊保持潤意,最後由砂仁帶動中焦氣機。初秋要處理的「又濕又乾」,就在這幾層分工之間取得平衡。
哪些情況較適合嘗試
日常版較適合平日飲食甜膩、久坐少動,偶爾有身體困重、飯後輕微胃脹、大便偏軟或黏滯,同時只有輕微口乾的人。
進階版較適合疲倦、胃口弱和濕重感較明顯,而且沒有下列禁忌的人。
哪些人不適合
孕婦、哺乳期人士、兒童、慢性腎病、心衰或長期服藥者,使用進階版前宜先諮詢專業人士。腹瀉、尿頻、胃灼熱、口瘡咽痛、便秘乾結或對材料過敏者不宜飲用;若感不適嚴重或持續,應及時就醫。
茶飲之外,日常作息也要配合
飲食少一點冰冷、甜膩、油炸和宵夜,晚飯吃七分飽,飯後慢走15至30分鐘。食養飲不代替清水,配合規律三餐和足夠睡眠即可。
三個穴位,從脾胃入手調和「又濕又乾」
茶飲之外,飯後散步或晚上休息時,也可用幾分鐘輕按三個常見穴位。
足三里 :位於膝蓋外側凹陷下約四橫指、脛骨前嵴外側約一橫指的位置。傳統上用於調理脾胃和氣血、改善胃口欠佳和腹脹。用拇指垂直按至輕微酸脹,每側1至2分鐘。
陰陵泉 :屈膝時,在小腿內側、脛骨內側髁下緣的凹陷處。傳統上用於健脾化濕,較切合身體困重及濕重感。以拇指輕按或小幅打圈,每側1至2分鐘。
中脘 :位於上腹正中線,肚臍與胸骨下端連線的中點。傳統上用於和胃理氣,適合飯後胃脹或胃口不佳時作輕柔按摩。以掌心或指腹順時針輕揉1至2分鐘,不宜用力深按。
穴位按摩只作日常保健。飯後一小時內、皮膚破損或紅腫處不按;孕婦不要自行按壓腹部穴位。按壓時若出現明顯疼痛、頭暈或不適,便應停止。
一杯茶可以幫忙調整初秋的飲食節奏,配合每天少一點脾胃負擔、多一點生活規律,才較容易喝得舒服、活得舒暢。
參考來源
中國哲學書電子化計劃:《黃帝內經素問.至真要大論》 。
香港衞生署中醫藥規管辦公室:《香港中藥材標準》收載中藥材名錄 ,涵蓋白朮、太子參、麥冬、砂仁、茯苓及陳皮等材料的官方品質標準。
世界衞生組織:*WHO standard acupuncture point locations in the Western Pacific Region* ,2008。本文足三里、陰陵泉及中脘的位置以此標準核對。
世界衞生組織:Healthy diet ,2026。參考其均衡、適量、多樣化及減少高糖、高脂加工食品的飲食原則。
本文介紹傳統食養文化,只作科普分享,不能用於診斷、治療或替代專業醫療意見。如有持續或嚴重不適,請線下就醫。
協作者:張Sir 與 AI @張Sir的AI養生館 2026
by angus | 2026-08-29
上週團建,一位同事突然對我說:「張Sir,我等你的養生系列新文章,等了半年啦。」
聽完有點慚愧,半年沒更新。
先回到正題:今次談的,是不少都市人都對得上號的「上熱下寒」,阿May就是其中一位。
凌晨一時,阿May把最後一份PPT發出去,才發覺雙腳一整天沒有暖過。辦公室冷氣從早開到晚,桌角那杯凍檸茶只喝了一半;她舌邊的「飛滋」一碰牙就痛,下巴又冒出了兩粒暗瘡。回家躺下,腦子仍在轉,胸口煩熱,兩隻腳卻怎樣焐都不暖。翌晨大便先硬後稀,口苦口乾,她納悶:究竟是「上火」了還是「受了寒」?
她先喝涼茶,口瘡稍退,大便卻更稀;後來喝紅參水,暗瘡和失眠又加重。清也不對,補也不對,正是很多人的困局。
不是一半熱、一半寒那麼簡單
目前沒有「上熱下寒」的可靠流行病學數字,但相關身體困擾在日常生活中並不少見。
要理解阿May的困局,我們可以從「三焦」這個概念開始。
三焦是中醫用來概括人體胸腹部臟腑分區,以及氣血、水液運行的「三段系統」:上焦主要包括心、肺,主宣發;中焦包括肝、膽、脾、胃,主消化運化;下焦包括腎、小腸、大腸、膀胱,主排泄。三焦不是一個可單獨指出的實質器官,而是理解身體上下部位與功能活動的整體框架。
上熱下寒機理示意圖
「上熱下寒」是辨證描述:頭面、胸膈可見口瘡、暗瘡、口乾、心煩、睡不安等熱象;腰腹、四肢或下焦同時見怕冷、足冷、便溏、夜尿等寒象。關鍵常不只是溫度,而是中間的脾胃升降與氣血運行不暢,熱不能下濟,溫煦也不能上達。
只見口瘡便長喝苦寒涼茶,可能令腹瀉、怕冷加重;只見腳冷便自行溫補,又可能口乾、暗瘡和失眠更甚。口瘡、失眠、手腳冷也可由感染、缺鐵、甲狀腺、焦慮、藥物或血管問題引起,不能自行定證。
古人怎樣理解上下失調
《靈樞.刺節真邪》確有「上熱下寒」:「視其虛脈而陷之於經絡者,取之;氣下乃止,此所謂引而下之者也。」原文談依經絡虛實施針,使氣下行;可視為「引而下之」的早期思路,卻不能直接等同後世「引火歸元」法。
《傷寒論.辨厥陰病脈證并治》說:「凡厥者,陰陽氣不相順接,便為厥。厥者,手足逆冷是也。」又說「傷寒脈滑而厥者,裏有熱也」。可見內熱與厥冷可以並見。「心腎不交」「中焦為升降樞紐」則是後世概括;《靈樞.經脈》只可核到腎經支脈「從肺出絡心,注胸中」。
四種常見的「上熱下寒」類型
心腎不交型 :程先生趕項目後,凌晨仍心悸煩熱、口舌易破,腰膝乏冷、足心冷、夜尿增多;大便多成形或略乾。舌尖偏紅、舌根較淡,苔薄。若伴胸痛或持續心悸,先作現代醫學評估。
中焦壅滯、寒熱錯雜型 :阿May愛凍飲,飯後胃脹、噯氣噁心,上有口苦口瘡,下有腹鳴;大便多是前段硬、後段軟稀。舌中部苔厚或微黃膩,舌邊可有齒印。重點不在猛清猛補,而在恢復脾胃升降。
肝鬱化火兼下焦虛寒型 :敏儀每逢經前壓力大便爆暗瘡、乳房脹、易怒難眠,同時小腹及雙腳冷;大便可成形,也會在緊張時忽硬忽稀。舌邊偏紅、舌體可淡、苔薄。情緒與經期是重要線索。
痰濕阻隔兼脾陽不足型 :久坐的陳先生頭面油、胸悶困倦、口黏痰多,四肢沉冷,吃冷食後更明顯;大便軟爛或稀溏、黏滯不爽。舌體胖、有齒印,苔白厚膩;若苔黃膩又口臭,可能再夾濕熱,不能照搬溫補法。
大便可作線索:偏乾常與燥熱同見;受涼即稀,較支持運化不足;前硬後稀,常提示傳送不暢兼水分運化失常。便血、黑便、灰白便或夜間腹瀉須就醫。舌象也會受食物、刷舌和吸煙影響,自拍不能代替面診。
誘因常有性別差異,但不是另立證型。女性較常受肝鬱、經期波動、產後耗損及貪涼影響;男性較常見飲酒熬夜、久坐、辛辣燒烤與冷飲疊加。辨證仍要看症狀、舌脈與病史。
自備養生茶:每一杯都要按表現選
上熱下寒養生茶示意圖
平日裡個人的健康管理,可嘗試自製養生茶,家中或辦公室都很容易做到。以下建議,只用食材級別,每日一杯,先試3日,不加糖、不代水飲。所列方向依傳統食療理解,不代表能治病。
心腎不交、上火明顯——百合蓮子飲 :乾百合5克、去芯蓮子10克,水400毫升小火煮15分鐘。方向:清潤、養心,避免溫燥。禁忌:腹瀉、怕冷腹痛、明顯腹脹者不宜;蓮子偏收澀,便秘者少用,也不加苦寒的蓮子心。
中焦虛寒——薑棗陳皮飲 :生薑1薄片、去核紅棗1枚、陳皮1克,熱水400毫升焗10至15分鐘,飯後溫飲。方向:溫中和胃、溫中理氣、理氣減膩,適合飲冷或受涼後胃腹不適、輕微怕冷、便稀者。禁忌:反酸、胃灼熱、口瘡正發或咽痛、便秘、煩熱失眠、舌紅少苔及痰濕重者不宜。無熱象而想添甜,可加桂圓肉1粒。
肝鬱化火——玫瑰陳皮飲 :食品級重瓣玫瑰2朵、陳皮1克,以熱水350毫升焗10分鐘。方向:芳香疏暢,適合壓力大、經前乳脹兼胃脘脹者。禁忌:孕婦、經量多、非經期出血、服抗凝或抗血小板藥及薔薇科過敏者不宜;口乾乾咳者去陳皮。
痰濕阻隔——炒薏苡仁陳皮飲 :炒薏苡仁10克、陳皮1克,水500毫升煮20分鐘;怕冷、痰清稀可加生薑1薄片。方向:減少甘甜滋膩,配合清淡飲食。禁忌:孕婦、腹瀉、尿頻、脫水、低血壓、腎病、心衰或服利尿劑者不宜,也不能當「去水腫茶」。
女性按周期調整 :經前乳脹、情緒繃緊而沒有出血,可用玫瑰2朵、陳皮1克、熱水350毫升焗10分鐘;經量多、備孕或懷孕者不用。經期只在怕冷、經量正常或偏少、又無口瘡便秘時,用生薑1薄片、紅棗1枚、熱水400毫升焗10分鐘;經量多或燥熱者不宜。經後可用去芯蓮子10克、紅棗1枚、水400毫升煮15分鐘;腹脹、便秘或血糖高者少用。紅棗不能治療貧血;若頭暈心悸、氣促或面色蒼白,應驗血常規及鐵蛋白。
飲後若口瘡、失眠、胃灼熱、腹痛腹瀉、便秘、心悸頭暈、皮疹或經量加重,立即停用;面唇腫、氣促或昏厥要急診。兒童、孕哺期、長者、慢性病及長期服藥者,先問醫師或藥師。
按摩與泡腳
五個常用穴位示意圖
晚上有空或追劇時,可順便按摩穴位、泡泡腳。
用指腹按至輕微酸脹,不追求痛感;每穴每側由一分鐘開始,耐受後不超過2至3分鐘。
湧泉穴 在屈趾時足底前中部最深凹陷。傳統上用於醒神、安神及調節頭面部不適;較適合煩躁、睡不安而足部偏冷者作輕柔按揉;
太溪穴 在內踝尖與跟腱之間凹陷。傳統上有補腎、強腰膝及改善下肢虛冷之用;較適合腰膝乏力、足冷或夜尿偏多者;
中脘穴 在胸骨下端與肚臍連線中點,只輕柔畫圈。傳統上用於和胃、理氣及改善中焦升降;較適合飯後胃脹、噯氣、噁心或腹部不舒者;
太衝穴 由第一、二趾縫沿蹠骨間向上,至兩骨交會前凹陷。傳統上用於疏肝理氣、舒緩壓力相關的頭脹、易怒及經前不適;因近足背動脈勿重壓;
三陰交穴 在內踝尖上約四橫指、脛骨內側後緣。傳統上用於健脾化濕、調理肝脾腎及改善下腹、經期與睡眠相關不適;按壓宜輕柔,孕婦不要自行刺激此穴。
注意:破損、紅腫、感染、骨折或不明疼痛處不按;孕期及腹部急痛不自行深按。
泡腳只求舒適,不是「排毒」。一般成人可用約38至42℃溫水,睡前一至兩小時泡15至20分鐘;可放兩片生薑增添氣味與溫感,皮膚敏感者只用清水。泡後擦乾趾縫,頭暈、心悸、刺痛或皮膚發白即停。
總結
若你同時有口瘡、暗瘡、煩熱或失眠,又有足冷、腹瀉或夜尿,可先按以下次序處理:
先停三日「亂清亂補」 :暫停涼茶、紅參、薑茶及其他自行加用的補品,避免一邊清熱、一邊進補,令症狀更難判斷。處方藥不可自行停用。
連續記錄七至十四日 :每天記下入睡時間、凍飲與辛辣食物、口瘡或暗瘡、大便形態、足冷、夜尿、經期及壓力變化。若某種飲食或作息後症狀反覆加重,先移除該誘因。
只選一項溫和方法試三日 :胃腹受涼、便稀而沒有明顯口瘡或煩熱,可選薑棗陳皮飲;壓力大兼胃脹,可選玫瑰陳皮飲;不確定類型時,先不喝功能性茶飲,只做規律三餐、停凍飲、飯後步行十五至三十分鐘及睡前輕按穴位。
按主要不適選穴,不必全部按 :睡不安兼足冷可選湧泉、太溪;胃脹噯氣可選中脘;壓力大、經前不適可選太衝、三陰交。每次選二至三穴,每穴每側按一至兩分鐘,感到輕微酸脹即可。
設下求醫界線 :調整一至兩周仍無改善,或口腔潰瘍超過兩周、持續心悸失眠、黑便、便血、反覆夜間腹瀉、體重下降、單側足冷變色,便不要再靠食療或按摩,應接受醫療評估。
參考來源
中國哲學書電子化計劃:《黃帝內經靈樞.刺節真邪》 。
中國哲學書電子化計劃:《傷寒論.辨厥陰病脈證并治》 。
中國哲學書電子化計劃:《黃帝內經靈樞.經脈》 。
WHO,*WHO standard acupuncture point locations in the Western Pacific Region*,2008 。
美國國立糖尿病、消化及腎病研究所(NIDDK),*Diabetes & Foot Problems* 。
中國國家衞生健康委員會:新增食藥物質公告及目錄管理資料 ;美國國家補充與整合健康中心:Ginger 。
本文內容只作科普分享,不構成任何醫療建議。如遇身體不適,請線下就醫。
協作者:張Sir 與 AI @張Sir的AI養生館 2026
by angus | 2026-08-21
科技戰略,為何要回到課室與工坊
最近讀到美國白宮科技政策辦公室(Office of Science and Technology Policy, OSTP)2026 年 7 月發表的《科學:一個新黃金時代》(Science: A New Golden Age )。報告鋪陳人工智能(AI)、聚變、量子、半導體、機器人和太空等題目,都是人們談科技戰略時最熟悉的主角。
讀到第四章,焦點忽然轉到社區學院(community colleges)、工坊、學徒制和技術證照。這些名詞沒有 AI 和量子那樣搶眼,卻關乎整份報告能否落到實處。新技術要由研究走到生產,靠的不是一句「加快轉化」;儀器要有人操作,原型要有人做,系統要有人維護,研究流程也要有人跑穩。
報告分別提出強化實作訓練、社區學院、學徒制和區域生態系的連結。職業教育在這裡並非陪襯。科技工作本來就有兩種功夫,一種是提出問題,另一種是把事情做成。
研究有研究的節奏,製造有製造的規矩。由想法走到成品,中間少不了懂設備、懂流程、肯落手的人。
AI 時代的科研、訓練與產業現場,不能各自運作。
課堂以外的學習,怎樣算數
報告提出,大學和社區學院的科學、技術、工程與數學(STEM)課程,可加入實務技術訓練和業界實習(externships),並讓實作經驗、產業證照計入學位。它還把認證、招生和教師升等一併放進改革範圍,意思很清楚:學校評人,除了論文,也應看他有沒有做出可用的技術工作。
這個方向不算新,難在大學向來不太擅長承認校園以外的學習。有人已在工廠、實驗室或工程現場累積真功夫,回到學校卻要由頭再來;有些教師長期幫企業解難,評價時卻不及多發幾篇論文。制度只認一種履歷,很多可用的人便留在門外。
若能把機械加工證書、實驗技術員資格和先進製造學徒經歷,做成可逐級累積的資格,人便可以先靠一門手藝入行,再往更高階的知識和職責走。這也逼大學重新想一想,自己在人才培養裡應站在哪一個位置。
大學的圍牆,該開幾扇門
報告沒有要大學和博士教育退場,反而明說大學仍是訓練科學家、處理基礎問題的重要場所。只是前沿設備、專業工程能力和職涯機會愈來愈多在校園以外,人才若只能沿著校內的一條階梯往上爬,整個體系便會愈走愈窄。
報告把幾類機構的長處分得很實在。大學實驗室適合好奇心驅動的研究,也適合培養下一代研究者;企業實驗室有固定隊伍和快速反饋,較能處理工程任務;國家實驗室則可維持單一機構難以承擔的大型能力。問題不在誰取代誰,而在彼此之間的門還不夠通。
因此,報告建議讓學界、產業和聯邦研發設施(Federal R&D facilities)之間的人才流動得更順,包括聯合產業或聯邦實驗室博士課程(joint industry or Federal laboratory Ph.D. programs)等跨機構安排。博士生可以在不同組織裡接觸真實問題,也能看見科研在校園以外怎樣運作;大學的課程、實驗室和技術轉移辦公室,也要學會同外部夥伴合作。
早期研究者卡在哪裡
研究生和博士後在科研體系裡很重要,卻常是最缺選擇權的一層人力。項目到期而下一筆資助未批,研究方向就要遷就;想換導師或換機構,資助和履歷又未必跟得上。報告說得直接,冗長的申請、行政工作和短期資助,會把早期研究者推向較穩妥、較容易發表的題目。
報告引用美國國立衛生研究院(National Institutes of Health, NIH)的資料:1980 至 2008 年,主要研究者(principal investigator, PI)的平均年齡由 39 歲升至 51 歲,新任 PI 的平均年齡由 36 歲升至 42 歲。這組數字不能解釋所有學科,卻提醒人們,獨立做研究的門檻正在後移;年輕人還未有機會犯幾次值得犯的錯,已先學會怎樣寫一份不會被拒的申請書。
報告提出,把部分研究獎助(fellowships)直接給學生和研究者,讓資助能跟著人走,不必牢牢綁在某間機構或某位教授身上。這仍是政策建議,並非已落地的全國制度,卻帶出另一個更難回答的問題:大學現時用甚麼標準衡量研究者?
論文一多,麻煩也跟著來
學術界常見一個情況,人人都忙,論文愈來愈多,能改變一個領域的工作卻未必同步增加。原報告把矛頭指向部分終身教職(tenure)和升等誘因。當評價偏向發表數量,研究很自然會被切成較小、較快、較易交差的單位;建工具、做長期資料、報告負結果,這些費時但必要的工作便容易被擠到一旁。
AI 可以大量生成論文、申請和審稿材料,這個問題只會更急。報告提醒,單看論文數、引用數和影響因子(impact factor),科研很容易變成一場數字遊戲,因此提出快速資助、替代性評審試驗、科學的科學(metascience,用科學方法研究科研制度本身),以及較開放的科學傳播做法。
這段對教育界尤其有提醒作用。學生若只學會跟著評分表走,日後研究環境又照同一套邏輯評人,大家最後會很擅長完成指標,卻未必擅長處理難題。科研人才的培養,還包括判斷哪些題目值得花五年、哪些數據不能美化、哪些結果雖然不漂亮仍要如實留下來。這種判斷,也在實驗室的日常工作裡慢慢養成。
實驗室裡,還有誰在做事
美國談科研,常把焦點放在博士、教授和首席研究員身上,這些人當然不可少。不過,一個高水平實驗室裡,還有操作精密儀器的人、處理樣本的人、做原型的人、修設備的人,以及一直守著數據管線的人。
報告提出,可以考慮為熟練技工設立全國性研究獎助,也可讓機械師、技術員等實務人員以駐場實務專家(practitioner-in-residence)身分進入研究環境,並把鄉郊地區的業餘愛好者和創客連接到正式研究機會。
把一件複雜的事做得穩定、可重複、可交接,本身就是科研能力。企業早已明白這個道理,報告把技工和技術員重新放回人才討論裡,後面才談得到學徒制。
學徒制裡,該學甚麼
報告支持把註冊學徒制(registered apprenticeships)延伸到科學和科技崗位,並指示聯邦機關每年達到並超過 100 萬個活躍學徒制名額(active apprenticeships),又提出以招聘與留任表現作為雇主培訓資助的參考。2025 年通過的勞動力佩爾助學金(Workforce Pell Grants),讓短期培訓課程首次符合聯邦助學金資格;社區學院於是可以成為地方技術人才的接口,一頭接企業,一頭接想入行的人。
這比多辦幾個培訓班走得遠。好的學徒制要有清楚的崗位、師傅、技能標準、工資和往上走的通道。學完能不能留下來,能不能由技術員走到更高技能的工作,才看得出計劃有沒有價值,社區學院也因此有了更實在的角色。
一個地方,怎樣把人留住
報告分別主張以區域創新與製造計劃、產業合作和技術培訓建立地方生態系。算力、AI 設施和先進實驗室若只落在少數城市,周邊又沒有培訓和就業安排,地方很難把這些投入轉成持續的技術能力。
報告舉了俄亥俄州的例子。哥倫布一所社區學院帶動 23 所院校組成網絡,共享課程,培養兩年制晶片製造技術員;一家半導體企業投入 5,000 萬美元支持當地高等教育的人才發展。這個個案未必可以照搬,卻說明一點:地方有了製造投資,學校、課程和崗位也要同時準備好。
過去有不少「創新園區」,名字響亮,企業和學校卻各做各的。這一輪會否不同,要看人才問題有沒有在項目起步時已寫進設計。當地需要甚麼工種,誰來教,學完去哪裡做,這些問題若等大樓落成後才問,通常已經遲了。
報告強調,AI 時代的科研進展仍受儀器、設施、製造與技術能力制約。有人把圖紙讀懂、設備調好、流程跑通,研究才有機會走到現實世界。學術研究提供問題、方法和驗證,教育把這些能力交到下一代手上,科創落地則讓知識接受設備、成本、時間和市場的考驗。
眼前沿用已久的安排,往往把科研、教學、實習和業界切成四段,各自有自己的指標和節奏。這套分工在過去有其方便之處,放到 AI 時代,研究和現場互相不了解、學生的學習同真實問題脫節,代價已愈來愈明顯。研究成果要靠懂現場的人驗證,學生要在真實問題裡學會判斷,企業也要把實際困難帶回研究和課堂。三者若能融合互補,科研才不會停在論文裡,教育也不會只留下文憑。如何把科研、教學、實習和業界重新連起來,值得各方思考。
參考資料
White House Office of Science and Technology Policy. (2026, July). Science: A new golden age . https://www.whitehouse.gov/wp-content/uploads/2026/07/Science-A-New-Golden-Age.pdf
by angus | 2026-08-21
市場熱潮之下,我們如何在高合規工作場景驗證 Agent
生成式 AI 普及後,很多人都用它整理資料、寫文章或修改郵件。第一稿看來完整,核對後卻可能發現數字、引文或事實有誤;逐項改正後,再要求縮短篇幅或調整語氣,下一版又可能改動已確認的內容,甚至讓舊錯誤重新出現。個人使用時,這些情況通常只會令人多花一點時間核對和重改。
問題進入企業場景後,影響便不同了。內容是否符合來源,關乎準確性 ;多輪處理後能否保留已確認的版本,關乎穩定性 。當 AI Agent 開始查系統、填表、建單、發信和推進流程,錯誤可能直接進入企業運作,版本漂移也可能令批准內容與最後執行的內容不一致。這正是 Agentic Workflow(具代理判斷能力的工作流)成為市場焦點的原因:AI 不只要完成任務,還要在核查、版本、權限和責任邊界內穩定運作。
準確性和穩定性成為交付條件後,企業關注的自然不再只是 AI「會不會聊天」,而是「能不能持續把工作做好」 。Stanford HAI 的《2026 AI Index Report》顯示,88% 受訪者表示其組織至少在一項業務功能中使用 AI;領先的 agent 在 OSWorld 電腦任務測試的成功率已由早期約 12% 升至約 66% ,但目前最佳系統仍大約每三次失敗一次 。能力進步很快,但距離穩定承擔企業工作仍有一段路要走。
筆者綜合多家平台的公開文檔(如 Microsoft Copilot Studio、OpenAI Presence 及阿里雲百煉)後觀察到,agent、工作流(workflow,按既定步驟運行的流程)、知識庫、API、工具、重試和異常處理正被放進同一套編排環境,可見產品的發展方向正在彼此靠近。這是清楚的市場訊號,但仍未等於企業部署已經成熟。產品展示(demo)通常談能力,企業最後要處理的是成本、權限、責任、可靠性,以及出錯後如何收拾。
AI 由個人問答走進企業工作後,知識、流程、審批和責任要在同一套系統中協作。
市場共識正在形成
第一,AI 正由生成內容走向完成任務。 早期企業 AI 多數用來寫初稿、摘要、翻譯和整理會議紀錄。Agent 再多走一步:接受目標、拆解步驟、選擇工具、取得數據,按中間結果調整下一步。市場競爭因而由「文字寫得好不好」延伸至「任務有沒有做完」。
第二,工作流沒有退場。 Agent 擅長處理模糊輸入和例外情況;工作流則保證必要步驟、規則、權限及紀錄不被遺漏。以品牌風險管理和政務輿情簡報為例,agent 可以閱讀新聞、社交內容、調研結果和部門附件,識別議題、抽取數字、核對本地名稱,再形成摘要或初稿;來源檢查、風險分級、指定人員覆核、任務分派和正式歸檔等,交給已測試的流程通常更穩。實際架構既可以由工作流在需要理解和判斷時調用 agent,也可以由 agent 調用已驗證的工作流完成送審、分派及留痕。
第三,人仍在流程中,也就是「人在迴路」(Human-in-the-Loop, HITL)。 低風險、可逆的工作可以自動完成;而涉及金錢、政策、合約或個人權益時,AI 可以準備材料和建議,決定由指定人員作出。人工覆核也不能只加一個「批准」按鈕便了事。審批人需要看到來源、版本、風險和執行紀錄,才有條件承擔判斷。歐盟 AI Act 的風險分級框架,也把活動日誌、可追溯性和適當人工監督列為高風險系統的重要要求。
第四,模型以外的能力決定 AI 能否進入生產。 知識、工具、權限、日誌、版本、重試、回退、人工接管和持續評測,任何一項欠缺,都可能令一個漂亮的演示停在會議室裡。NIST 在 2026 年啟動關鍵基礎設施可信 AI 專項工作,仍然以可重複、覆蓋完整生命週期的風險管理為主線。Stanford HAI 同年的資料則顯示,已記錄的 AI 事故由 2024 年的 233 宗增至 2025 年的 362 宗,可見負責任 AI 的評測和披露仍追不上能力發展的速度。
Agent 處理理解與判斷,工作流管理執行與留痕,人在迴路中保留授權和例外接管。
我們走過的 AI 產品路徑
筆者團隊的 AI 產品進化路徑,與上述方向大致一致,起點卻有明顯不同。多年累積的調研、數據分析、社交聆聽和專業洞察報告交付能力,構成了這條路徑的起點。不同產品和服務表面各自獨立,底下共享同一套工作流:收集數據、判斷來源、理解本地語境、形成洞察,再把成果帶入決策和行動。
這些能力後來逐步匯入一個企業級工作平台 ,讓政府和企業把輿情分析和市場情報、調研互動、內容生成、審批及任務執行接成同一條工作流程,並以「聆聽、互動、生成、行動」組織工作。再往下一層,我們建立共用的Agentic AI 底座 ,把模型路由、知識調用、可重用技能(skill)、工具、任務編排、權限、日誌和人工覆核接在一起。
我們目前把能力分成三個工作層面。第一個層面是已經可以正式交付的標準功能,例如寫作、翻譯、摘要、文字辨識和語音轉文字。第二個層面是要與客戶共同設計的場景,例如接入客戶自己的知識庫、身份系統、審批流程或內部軟件。第三個層面集中處理 AI 治理、責任與邊界控制,包括誰可以使用甚麼數據、哪些行動需要批准、如何留痕,以及出現例外時由誰接手。
三個層面分別處理標準任務、客戶場景和治理控制,同一項目往往會同時用到。把這條界線說清楚,比在簡報上畫一條華麗的升級路線更重要。
這段經驗給了我們一個認知上修正的機會:Agent 自主程度與組織治理程度是兩條軸。 治理要求很高的平台,未必需要高度自主;一個能自行選工具、跨系統操作的 agent,也可能欠缺身份、審計和責任邊界。
我們做對了甚麼,又帶來哪些創新
回頭看,我們做對了三件事。第一,沒有把模型當作產品的全部,而是由數據、研究方法、本地語境和真實工作流程出發。模型可以更換,但客戶累積下來的知識、規則、模板和審閱標準則要留在系統裡。
第二,我們把 agent、可重用技能和工具調用放在共用底座,讓不同項目按需要組合知識、工具、流程與治理能力,毋須每次由零開始重建。
第三,我們把前線項目同時視為交付和產品驗證。項目除了完成客戶工作,也要驗證哪些方法可以標準化,哪些規則只能留在特定場景中,避免把一次性的定制誤當成通用能力。
以創新方法論推動項目走向可信、可驗收
我們近期完成了一個高合規的智能政務助手實驗項目 ,任務是根據部門附件生成可送審的正式文本,使用者需要核對數據、證據、文件種類、格式和最終文件。我們以同一組 15 宗任務及附件,分別測試基線版和改良版。按相同的任務、證據及格式準則評分,平均質量分由 62.9 升至 77.5 ;內容、證據和格式全部合格的任務由 4 宗增至 11 宗,即端到端通過率由 26.7% 升至 73.3% 。15 宗任務均能生成指定正式文件,但完成交付不代表內容合格;按項目既定口徑記錄的關鍵質量問題亦由 23 項降至 7 項 。
用戶體驗層面採用配對 A/B 測試 。我們在相同任務、附件和交付要求下,同屏並列展示兩個版本,讓實際用戶比較內容是否清楚、自然、可信、符合工作需要,以及是否願意採用。部分測試亦直接比較「不調用本地知識庫」與「調用本地知識庫」 的結果,觀察正式名稱、政策規則、部門用語、模板和證據邊界能否帶來可辨識的改善。
這種測試比純技術基準更接近本項目的交付要求,但用途不同,不能直接比較優劣。Kapoor 等人的獨立研究也指出,現有 agent 基準測試過度集中於準確率,經常忽略成本、可重現性及下游場景是否真正適用。我們的測試同時檢查技術表現、用戶評價和正式交付,結論很令人鼓舞。
測試亦顯示,改善來自任務規格、數據邊界、本地知識、核查規則、固定測試和人工反饋。單靠修改提示詞(prompt)或更換模型,很難穩定地重現同樣結果。
以前完成一個項目,留下的是報告和文件。現在還要留下可合法重用的數據結構、知識、模板、規則、可重用技能、工作流、測試及驗收證據。這些資產讓下一個項目毋須由零開始,也把知識與驗收標準留在組織內。少了這一步,定制項目做得越多,技術債通常也越多。
市場最常見的誤區
第一個誤區,是把 agent 當作可以獨立工作的「數碼員工」 。員工有職責、授權、經驗和法律責任;Agent 是模型、數據、提示詞、工具及權限組成的軟件系統。它可以執行任務,但不能自行承擔後果。
更麻煩的是,agent 不一定用報錯方式顯示失敗。它可能引用錯誤版本、誤解政策、重複提交操作,或在缺少證據時補上一段很順口的內容。系統表面完成了任務,錯誤卻悄悄進入下一個環節。
第二個誤區,是把 copilot 視為最終形態,或者反過來認為它已經過時 。政策分析、法律意見、策略選擇和創意發展,本來就需要人反覆追問、比較和取捨,copilot(由人主導的 AI 助手)仍有明確的價值。當然,它的限制也很明顯。如果員工仍要自行找文件、複製數據、逐句下指令,再把結果貼回幾個系統,AI 只加快了眼前的一小段工作,沒有改變任務的整體流轉。
第三個誤區,是以為 agent 愈多,系統便愈成熟 。每增加一個 agent,便增加溝通、延遲、成本和錯誤傳遞。若一個 agent 配合兩個已驗證的工作流已能完成任務,沒有必要另組一個虛擬的董事局來開會做決策。
第四個誤區,是把企業採用畫成「copilot、工作流、agent」的直線階梯圖 。自動整理公開新聞可以提高自主程度;涉及福利資格或合約審批,即使用同一模型,也要保留指定人員執行批准任務。企業要按任務風險、數據敏感度和責任要求選擇最優組合。
第五個誤區,是把「AI 會取代哪些崗位」當成最小的單元 。現實中,一個崗位通常包含數據整理、初稿製作、專業判斷、溝通協調、審批及承擔責任等多項職責。Stanford HAI 轉述的 2025 年 McKinsey 調查顯示,約三分之一受訪者預期所在組織未來一年會因 AI 減少人手;報告同時指出,整體就業數據尚未顯示廣泛而一致的職位流失。未來較可能先出現的情況,是AI 逐步嵌入部分職責和工作單元 :接手高頻整理、檢索、生成和核查,再由人處理例外、授權、取捨及最終責任。企業軟件也會由管理職位和流程,走向動態分配每一項任務,是由人、agent 還是固定工作流來完成。
企業軟件正在變成任務治理系統
傳統的流程型軟件即服務(Software as a Service, SaaS)主要記錄由誰處理任務,以及工作進入哪個階段。加入 agent 後,系統還要決定此刻由人、AI 還是固定流程執行 ;Agent 可以讀取哪些數據、採取哪些行動;甚麼情況需要批准;如何證明任務完成;失敗後怎樣復原。
企業的 AI 評分卡也要更換。帳號數、登入率和模型調用量(token)只能反映工作活動情況。更實際的指標包括任務完成率、首次通過率、人工接手率、處理時間、返工量、每項成功任務的總成本 ,以及任務完成後留下多少可重用的資產。我們在項目中看到,人工核對、錯誤重跑、格式修補和跨部門溝通,經常比 token 單價更影響總成本。
未來兩三年,市場會爭六件事
第一是agent 身份和最小權限 。企業要知道每一個 agent 代表誰行動、可以讀甚麼、可以修改甚麼,以及權限何時失效。它需要獨立身份、授權範圍、操作日誌和緊急停用機制,不能共用一個權限過大的系統帳號。歐盟和 NIST 在 2026 年的治理方向,都把可追溯、人工監督和完整生命週期風險管理推到更實際的位置。
第二是持續評測 。政策、數據、模型和用戶行為都會變,上線時通過測試,不代表三個月後仍然可靠。企業需要固定測試集、真實失敗案例、版本對照、回歸重跑和小範圍發布;表現退化時,還要能回退到上一個可靠版本。Stanford HAI 所記錄的事故增長與評測缺口,說明評測不能只在上線前做一次。
第三是模型可替換 。同一個模型未必同時適合高風險判斷、大批量摘要、本地部署和低成本任務,平台要能按準確度、速度、價格、數據駐留及權限要求選擇模型。企業自己的知識、流程、測試、權限和歷史紀錄應留在組織手上;更換模型時,工作方法不必重新開始。
第四是產品護城河 。只在通用大型語言模型(LLM)外面加一層介面和提示詞,卻沒有專有數據、工作流程、治理控制及持續評測的純套殼產品,很容易被模型供應商或大型平台吸收。能夠沉澱行業知識、客戶規則、審批、測試和交付責任的產品,才有機會建立自己的工作系統。
第五是任務經濟 。市場會少問建了多少個 agent,而多問每完成一項合格任務花多少錢。總成本不能只計 token,還要加入人工覆核、失敗重跑、系統接入和維護。企業採購 AI 時,也會由比較功能及帳號價格,逐步轉向比較每項任務的完成率、錯誤成本和人工接手比例。
第六是商業模式 。收費方式可能由帳號與用量,逐步加入任務完成、採用率、節省工時或業務結果。這會迫使供應商與客戶先說清楚基準、計算方法、數據來源和責任邊界;否則,平台很難證明成效究竟來自 AI、流程改善,還是人員額外投入。沒有可信評測,成效收費只會變成另一種市場口號。
Agent 要接手更多企業工作,來源、操作紀錄、批准條件和責任人便要留在同一條流程裡。少了其中一項,完成任務也不等於可以交付。 這是我們的實戰經驗。
參考文獻
European Commission. (2026, August 3). AI Act . https://digital-strategy.ec.europa.eu/en/policies/regulatory-framework-ai
European Parliament & Council of the European Union. (2024). Regulation (EU) 2024/1689 laying down harmonised rules on artificial intelligence . https://eur-lex.europa.eu/legal-content/EN/TXT/?uri\=CELEX:32024R1689
Kapoor, S., Stroebl, B., Siegel, Z. S., Nadgir, N., & Narayanan, A. (2024). AI agents that matter . arXiv. https://doi.org/10.48550/arXiv.2407.01502
Microsoft. (2026, April 10). Automate business processes with agents plus workflows in Microsoft Copilot Studio . https://www.microsoft.com/en-us/microsoft-copilot/blog/copilot-studio/automate-business-processes-with-agents-plus-workflows-in-microsoft-copilot-studio/
National Institute of Standards and Technology. (2026, April 7). Concept note: AI RMF profile on trustworthy AI in critical infrastructure . https://www.nist.gov/programs-projects/concept-note-ai-rmf-profile-trustworthy-ai-critical-infrastructure
OpenAI. (2026, July 22). Introducing OpenAI Presence . https://openai.com/index/introducing-openai-presence/
Stanford Institute for Human-Centered Artificial Intelligence. (2026). The 2026 AI Index report . https://hai.stanford.edu/assets/files/ai\_index\_report\_2026.pdf
阿里雲。(2026)。工作流應用 。https://help.aliyun.com/zh/model-studio/workflow-application/
by angus | 2026-03-03
很多職場人士都遇過這樣的場景。午飯後回到辦公室座位,公司電郵和內部通訊工具彈出幾條訊息:「客戶想要另一個方向」、「今晚八點前要出 revised deck」、「順便幫忙寫一封回覆,語氣要友善」。
此時,我們自然地打開 AI,輸入一句「幫我寫個 proposal」。畫面立刻出現一大段文字。看起來完整,有條理,還帶點顧問的味道。但手停在鍵盤上,心裡反而更慌。這段文字能直接交出去嗎?口吻像我們公司嗎?合規會不會出問題?數字靠不靠譜?最重要的是,這封信用公司名義發出去,最後負責的是誰?
於是,辦公室裡熟悉的循環又開始了。第一輪改到「差不多」,第二輪 AI 改得「走了樣」,第三輪同事說「不切實際」。最後主管走過來問:「重點是什麼?資料核對清楚沒有?」
這不是個別情況。最近 METR 做了一項研究。他們找來資深開源軟件開發者,用 2025 年的 AI 工具(比如 Cursor 加 Claude 3.5/3.7 Sonnet)完成真實開發任務,結果卻出人意料。平均花的時間多了 19%,但受試者開工前預期會快 24%,做完後還覺得自己快了 20%。該研究指出,這不代表 AI 讓所有人變慢,而是反映出現實中的問題。AI 輸出需要審核,人在壓力下容易過度依賴工具,資深人員也容易遇到效率提升越來越少的情況。
最讓人難受的不是「變慢」,而是「覺得變快了」。這種感覺就是所謂的「生產力幻覺 」。
日常工作中的忙有兩種。一種是輸出忙 (寫得多、改得多),另一種是責任忙 (驗證、合規、負責)。AI 確實能減少輸出忙,但常常讓責任忙更嚴重。所以幻覺最容易出現在「可以生成,但難以驗證 」。
以上情景的出現,背後其實有三件事正在同時發生,包括技術普及的速度跟不上實際應用,未來經濟潛在風險增加,以及我們的工作方式也在徹底改變 。
能力像火箭,落地像蝸牛:AI 卡在三道牆
大家最近可能都有個疑問:既然 AI 已經厲害到可以自動寫APP、可以通過律師考試、可以自動生成電影級的影片,為什麼我們的 ERP 系統還是那麼難用?為什麼申請個流程還是要填表?
近日成為焦點的 Anthropic CEO Dario Amodei,曾用一個很有穿透力的框架解釋這種現象:我們正站在兩條曲線的撕裂點。
一條是能力曲線 (Capability Curve)在上升,AI 能力像火箭升空,呈指數式增長;另一條是擴散曲線 (Diffusion Curve)在慢行,技術真正落地到組織、流程與制度的速度,像蝸牛在爬。
想像一下,如果今天有人發明了「傳送門」,一站上去就能到達倫敦。理論上交通運輸業會被顛覆,但現實中,我們不可能明天就廢除機場和交通工具。政府要立法、城市要重新規劃、大眾要克服恐懼。傳送門再厲害,也頂不住「現實的審批流程」。
這就是我們現時的處境。AI 能力已經很強,但它撞上了現實世界的三道牆。
第一道牆是技術的最後一公里 。AI 可以一秒寫出漂亮程式碼,但公司內部可能還是使用著二十年前的老系統。IP 設定錯誤、權限卡在人事部、資料庫命名混亂、接口沒有文檔……這些瑣碎細節,AI 不會自動替你走跨部門流程,最後仍要人一個一個去對接。
第二道牆是企業的慣性 。新創公司可能五分鐘就部署好 AI,但大型機構要引入軟件工具,要過法務、過資安、算 ROI、開高層會議。AI 不能代簽、不能代責,會議也不會因為大語言模型更強而自動少一輪。官僚體制與技術革新的時差,很多時候就卡在這裡。
第三道牆是物理世界的束縛 。就算 AI 一天能設計出抗癌藥,後面的動物實驗、人體臨床、監管審批仍要三到十年。生物反應的時間縮短不了,物理世界也不會像軟件一樣版本升級就加速。
所以,我們會覺得現實有些割裂。螢幕裡的 AI 像 2026 年的數碼天才,螢幕外的流程卻停在 2010 年。更諷刺的是,人類總以為自己在管理工具,直到某天發現真正管理我們的,是流程、權限與合規。
把 2028 當終點的壓力測試:AI 太成功會怎樣?
前面講完「慢」,要再講一段「快」。
今天我們覺得忙,很多時候來自制度還未吸收技術;一旦制度追上,忙的形態可能會變,甚至從忙轉向資源及工作的再分配。
近日,研究機構 Citrini Research 發布一份名為《The 2028 Global Intelligence Crisis》的報告,他們做了一個極端但很有啟發性的思想實驗。它用倒敘敘事把 2028 年當成終點,回推危機如何一路形成。核心問題是:假如 AI 太成功,產業結構會如何失衡?
報告提出了幾個關鍵的推演。
其一是「幽靈 GDP 」(Ghost GDP)。它講的是 AI 把內容、程式碼、服務的產出拉到很高,宏觀數據很漂亮,但機器不會消費。這好比廚房出菜快如閃電,餐廳裡卻沒有客人吃。在這種有產出、無消費的情況下,經濟數據與普通人的體感就開始脫鉤。
其二是「摩擦歸零 」(Friction Went to Zero)。它講的是未來 AI Agents(智能代理)幫人格價、訂機票、選保險。人會為品牌情感買單,而代理只看效率與數據。這樣,靠資訊不對稱與中介費生存的產業,可能被擠壓到利潤趨近於零。
其三是一條更嚴酷的價值鏈 。白領被取代、消費萎縮、信貸收縮與連鎖反應,並假設 2028 年可能出現失業率超 10%、S&P 下跌近 40% 這一類的危機情景。這些數字當然是一種劇本式推演,重點不在它準不準,而在它逼我們看清現實,就是 AI 造成的衝擊,可能先落在白領,而不一定先落在藍領;加上政策與制度的滯後,會把這種衝擊放大。
這個報告出來之後,引發大量的討論,也帶來不少爭議,說它是一種敘事、製造恐慌。不過,有一點值得警惕的是,它提醒了我們,未來的競爭,不只在「誰做得更好 」,還在「誰仍被需要 」。很多人談 AI 只談模型有多強,卻避談價值鏈,像只看廚房火力有多猛,廚師的廚藝有多好,卻不看餐廳還有沒有客人。
AI四種用法四種代價:你是哪一派?
回到辦公室現場,其實我們已經分化出幾種很典型的 AI 使用流派。先把這些流派講清楚,後面再談怎樣把它們收束成一條可控的工作流。
第一,「傻瓜派 」喜歡收集提示詞(Prompts)。其好處是新人上手快,交付風格一致;缺點是把模板當萬能鑰匙,遇到合規、政治敏感的灰度題,模板救不了判斷。比較穩的做法,是把模板當開場,中段補三樣東西:現狀、限制、驗收標準,讓 AI 有扶手可順著走。
第二,「救火派 」講究速度,AI 出初稿就先頂上去。其好處是今晚要交貨,能救急就是好工具;缺點是永遠停留在「一鍵出結果」,後面用更多時間修改、補漏洞、向他人道歉。AI 像開得太大的水龍頭,火是熄了,辦公室也水浸了,最後大家忙著幫手拖地。更穩的做法,是救火可以,但每次用完補一點 QC,慢慢把救急變成常規。
第三,「兵器派 」今天學這個工具,明天試那個模型。其好處是兵器庫夠嚇人,遇到突發事不容易卡死;缺點是先問用哪個工具,而不是先問要解決什麼問題。工具越多,流程越亂。比較務實的做法,是固定一套「釐清→拆解→規格→驗收」的流程,工具變成只是換個執行者。
第四,「快餐派 」覺得 AI 寫得順眼就直接發出去。這樣做短時間內填飽肚子,感覺舒服。缺點是 AI 最危險的地方是既有內容,且看起來還像真的。一旦出錯,比如資料錯誤、承諾太多、語氣不對、違反規則,責任都由人來承擔。唯一能救這類做法的,就是一條鐵律:所有對外發出的內容,都必須有人檢查。
從以上的四個流派可以看出,表面上是不同的習慣,底層其實是「誰在迴路裡負責 」:哪些步驟交給 AI 去完成,哪些步驟需要人把關。這就回到我一直以來提倡的兩個關鍵概念: HITL 與 AITL 。
把工作做成產線:HITL 把關,AITL 跑腿
這場AI變革更像一次辦公室內部的工業革命。我們把原本依賴個人手藝、經驗、直覺的知識工作,拆成可標準化的生產線。哪一段生成、哪一段驗證、哪一段交付,邊界越清楚,修改就越少,責任也越可控。
HITL (Human-in-the-loop,人在迴路)是把關角色,像項目總監審核報告,審的不是格式細節,而是論點站不站得住腳、策略符不符合公司利益、有沒有踩合規紅線、有沒有把「可能 」寫成「必然 」。但方向與驗收由人拍板時,責任最後便落在真人身上,AI 則不會為人作賠償。
AITL ( AI-in-the-loop,AI 在迴路)是跑腿角色。標準化、重複性高、耗時間的工作,例如整理會議記錄、做十個文案版本、找代碼錯誤、把散亂資訊變成清單等等,讓 AI 在迴路裡按指令縱橫就行。
因此,理想的工作流像一場接力賽。AI 生成與整理(AITL),人決策與驗收(HITL),再把規格與約束指令丟回 AI。很多人越用越忙,往往是因為把生成誤當完成 ,然後把最昂貴的責任成本留到最後一刻才補上去。
三步把 AI 關進流程:拆解、規格、QC 清單
不想被「生產力幻覺 」困住,可以把工作變成三步。它看上去像增加流程,實際上是在降低重複修改的深淵,把耗時的責任提前處理掉。
首先是拆解 (Decompose)。與其叫 AI「幫我寫個方案」,不如先叫它「幫我釐清下一步」。例如「先問我 10 條問題,了解目標和限制」、「幫我列出 5 個風險點」、「給出 3 個不同語氣的草稿選項」。把大任務拆碎,AI 就不容易亂填空,人也更早看見真正的風險。
其次是規格 (Spec)。AI 不會讀心術,但它善於守規矩。我們可以把隨意寫成規格,例如語氣要專業但不油膩,少形容詞,多結論與依據;禁區要清楚,例如不要承諾業績、不要引用競品名字、不要寫超出授權的條款;格式也要定,例如先摘要,再列選項,最後給建議與下一步。規格越清楚,後面的 QC 成本就越低。
最後是驗收 (QC)。把驗收變成標準動作,例如叫 AI「先出大綱再寫全文」、「標註所有你不確定的數據」、「列出這份方案可能的漏洞」。然後人用一個固定清單快速掃一遍:
這就是 HITL 的核心。我們不一定要親手寫每個字,但要負責判斷它值不值得發出去。
最後的勝負:閉環系統,而非爆款工具
我們正站在一個很奇妙的時間點。
一方面,Amodei 曾預測 AGI(通用人工智能)可能在 2026 或 2027 年出現,並警告這可能帶來就業大幅縮減、需要加速 AI 安全研究。這種預測充滿爭議,也不必當成時間表,這更像情景推演。然而,它也像警報器,提醒我們變化不一定會很慢。
另一方面,Citrini 用極端劇本提醒我們,當 AI 的能力開始侵蝕白領的價值鏈,衝擊可能先體現在消費與信貸,而不只是「多了幾個更好用的助手」。
對職場人士 來說,焦慮很昂貴,因為它消耗判斷力。更化算的,是把注意力放回如何更好地落地,是否能回答:誰能把神級的能力嵌入平庸的現實?誰能打通老舊系統?誰能搞定跨部門流程?誰能把 AI 的產出變成安全、可交付、可追責的商業價值?
對企業 來說,未來的競爭也不只在模型參數上,更在誰能把「交付成果」變成一門工程學:把任務拆解、把規格寫清、把驗收標準化。很多公司以為自己在買「降本增效」的工具,實際上買的是一面鏡子。它能照出自己流程有多亂、權責有多模糊、合規有多靠運氣。輸出的量雖然變便宜了,但付出去的成本反而變高了 。如果沒看見這個現實,就很容易把忙碌當成努力,把善後當成敬業 。
到最後,真正能站穩的團隊,靠的是一套閉環,而非某一個爆款工具。人類負責決策把關與驗收,AI 負責高效執行與整理,兩者來回迭代,讓效率、風險與責任都可控。閉環建立起來,我們才算駕馭這股力量,否則很容易被它的產出量淹沒。這也是我們團隊目前專注的方向,正在為自己的團隊及客戶企業搭建這樣的智能協作系統,讓技術真正落地,讓工作回歸價值、讓企業提升競爭力。
職場與企業不必糾結 AI 有多強,把它當作有潛力但不懂規矩的超級實習生便是。教流程、給標準、驗成果。人機協作能否變成閉環,才是亂局裡的分水嶺。
建議下載收藏
參考資料:
Citrini Research. (2026). The 2028 global intelligence crisis [Report]. https://www.citriniresearch.com/p/2028gic
ForkLog. (2026). Anthropic CEO foresees imminent arrival of AGI and job reductions [News article]. https://forklog.com/en/anthropic-ceo-foresees-imminent-arrival-of-agi-and-job-reductions/
METR. (2025). Measuring the impact of early-2025 AI on experienced open-source developer productivity [Blog post]. https://metr.org/blog/2025-07-10-early-2025-ai-experienced-os-dev-study/
YouTube. (2025). Dario Amodei: Anthropic CEO on Claude, AGI & the Future of AI & Humanity [Podcast]. https://youtu.be/ugvHCXCOmm4?si=qdtdV8yHDWkonudB
@張Sir的AI養生館 – 學習智人
by angus | 2026-02-28
很多人都會遇到這樣的情況:身體狀態一差,第一反應是上網搜一下有沒有靈丹妙藥。越搜越多,越看越急,常常被標題黨三兩句就吸引住:今天說要猛補,明天說要猛清,後天又叫人「祛濕排毒」。結果材料買了一大堆,身體卻越搞越亂。
上一篇 談的是「辨證」和「加減」——先看清自己的體質,再動手調整茶方。這一篇想聊更落地的一件事,就是家裡廚房到底要常備些什麼,才不會一到狀態差就手忙腳亂,然後被網絡的標題黨牽著鼻子走?
答案是:搭建屬於自己的百子櫃
我利用 AI 學習傳統養生調理,學到某個階段,會自然遇上一個分水嶺。從「處理不適狀態」慢慢過渡到「日常調理」,也就是傳統說的「治未病」。它不等身體出了毛病才去救火,若平時把身體這個健康廚房養到順順的,就不容易出大問題。
不過,必須說明,我是後來才把「較雜亂、較需專業把關」的材料放到一邊,再遵循「藥食同源」的原則去實行,也就是那些本來就能當食材用、性子相對平和、長期用得下去的草本食療。
百子櫃就是把這些草本食材放在手邊,需要時,拉開抽屜,抓幾味煮茶喝,就能把狀態拾回來。
經過一段時間,雖然我的百子櫃不斷進貨,已有一百多種,但真正常用的,就是二、三十種。多出來的,主要是作加減微調和學習用途。
百子櫃不需要五花八門:用「一個底座+六組抽屜」就夠
一開始我把百子櫃弄得很亂,後來按照以下方法重新整理過,避免分類太多反而越看越亂。
一個底座:用來「穩住廚房主系統」。
六組抽屜:對應養生調理最常見的六種「日常狀態」。
一個底座:先穩脾胃,再談加減
底座不等於每天都要煮來喝,它是一組「最常用、最不易走偏」的骨幹,這些材料在我學習過程中,同時出現在四神湯、二陳湯、四君子湯的思路裡,像米油鹽,日常做菜離不開,卻不需要每餐都落同一味。
底座常備(以藥食同源為主)
山藥(淮山):補而不膩,守住爐灶
茯苓:溫和祛濕,像把地面擦乾
蓮子:健脾,也能順帶安神
芡實:偏收斂,濕重易泄時很實用
陳皮:理氣醒脾,減少「悶在鍋裡」
太子參:托底氣,性子更溫和(想更厚實可改黨參)
炒白扁豆:健脾化濕,不那麼燥 (可選)
炙甘草(少量):調和、護中,但不宜長期大劑量
這一組的目標很務實,以健脾、祛濕、理氣、托底 為主。底座穩了,後面加減才不亂。
六組抽屜:日常哪個狀態來了,就開哪一格
抽屜一:吃多了、脹了、嗝氣了(消導與順氣)
常見場景:應酬、外食、火鍋、甜食、澱粉過量,第二天肚子悶、口氣重、嗝氣。
炒麥芽:澱粉與麵食吃多後特別好用
山楂:油膩肉食後的「去滯」
佛手片:胸口悶、氣頂住時好用
紫蘇葉(乾):週身不順兼有受涼、噁心時合適
陳皮(少量):與以上材料搭配更穩
提醒:消導類用來「開路」,不是用來「長期當水喝」。
抽屜二:濕重、困倦、身體黏(除濕與清爽)
常見場景:潮濕天、冷氣房久坐、睡不飽、身體像披了濕棉褸。
薏仁(炒):除濕機,但別長期猛用
白扁豆(炒):健脾化濕而不燥
赤小豆:偏走水道,適合「浮腫感」或身重
荷葉:清爽、利濕、減黏(偏清,視體質節制)
提醒:越喝越乾、便變硬,代表抽太過,該收火,轉去養陰生津抽屜。
抽屜三:心煩、睡不實、易醒(安神與收心)
常見場景:腦袋停不下來、晚上淺睡、夢多、醒後難再睡。
酸棗仁:收心神、助入睡
合歡花:情緒繃住、放不低
百合:潤燥兼安定
玫瑰花(少量):鬱悶時用一點,心會鬆
桂圓肉:偏補養;容易上火或痰濕重者要慎
提醒:安神不是越滋越好;濕重、舌苔厚膩時,先顧底座與除濕抽屜,否則越補越黏。
抽屜四:口乾咽燥、熬夜火氣、眼乾(養陰生津與清潤)
常見場景:用眼多、熬夜後喉嚨乾、舌偏紅、裂紋明顯。
麥冬:補津液、緩乾燥
玉竹:清潤、養陰而不膩
石斛:偏「養胃陰」的冷卻液
桑椹:補津、也顧儲備
枸杞子:養與潤,熬夜後眼乾可用
南北杏:清潤肺氣、順氣
川貝(備而少用):偏清潤,較適合乾燥咳痰黏者,日常不宜亂用
提醒:清潤也要有底座托住;手腳明顯怕冷、腸胃弱的人,清潤要更溫和,並控制偏涼材料的比例。
抽屜五:怕冷、受涼、胃不舒服(溫散與護中)
常見場景:吹冷氣、著涼、胃受寒、噁心、清鼻涕。
生薑:暖鍋散寒
紫蘇葉(乾):外感初起、胃口差兼噁心
陳皮(少量):配合更順
紅棗(去核):調和(熱象明顯時要減)
黑豆:性平,日常湯水底材,配薑溫中補腎
提醒:溫散類最容易「喝一天舒服,喝三天上火」。適合短用,不宜長期。
抽屜六:想清頭目、喉嚨不舒、口氣偏重(清爽但要節制)
常見場景:熬夜後頭目不清、喉嚨不舒服、口氣重。
菊花:用眼過度、頭昏脹常用
金銀花:偏清熱;體寒者慎
桑葉:清上焦、利目、潤燥,熬夜後眼乾可用
烏梅:生津、斂,口乾時好用(偏收)
提醒:清熱像洗潔精,能用,但不適合當飲用水;清爽過頭,爐灶會變弱。
*若出現急症、劇痛、高燒、出血或意識不清,立即就醫。
一壺茶穩廚房:祛濕、健脾、順帶安心
南方春天常見的感覺是:潮、重、困、悶。人未必病,但整天像背著一層濕布,腸胃不太想動,晚上又容易睡得淺,總之就是「囉囉攣」、「周身唔聚財」。
在這種季節,調養的方向通常偏保守,要做到祛濕但不傷津,健脾但不燥,安神但不滋膩,先讓廚房恢復秩序。以下是AI「五人內閣」提供的一個示例模板(提醒:視體質,先辨證)。
茶飲 :祛濕健脾安神茶
食材:茯苓 12克、炒薏仁 15克、山藥 12克、蓮子 10克、百合 10克、陳皮 3克、生薑2片
功效 :地面弄乾爽(祛濕),灶火扶穩(健脾),人就不那麼黏、不那麼困。
做法 :材料洗淨入養生壺,加水約 800-1000毫升;煮沸後轉小火 20分鐘,悶 5分鐘。上午至下午溫飲,不建議太晚喝完。
適合人群 :春天特別覺得困重、精神不清爽、飯後易脹悶、舌苔偏白膩的人。
注意禁忌 :外感發熱、咽喉明顯紅腫熱痛先停;口乾舌燥很重、便秘明顯者要減薏仁;孕期及慢性病用藥者先諮詢專業人士。
加減微調 :
兼有睡不沉、易醒:加酸棗仁 10克(收心神,睡更實)
兼有濕重更明顯、四肢沉重:炒薏仁加至 20克,連用 3 天即可(加強除濕清爽)
兼有油膩後更脹、噯氣打嗝:加炒麥芽 10克(消導食滯,理順脹氣)
兼有鬱悶、胸口悶:加玫瑰花 3–5朵或佛手 3克(理氣解鬱,讓氣機順)
兼有口乾咽燥、舌偏紅:炒薏仁減半,改加玉竹 8克或麥冬 6克(清潤生津,避免越喝越乾)
最後,百子櫃怎樣用,才不會越用越亂
先備二十到三十種材料,夠用就好
一壺底座加減一兩味,觀察三天再決定下一步微調
若發覺口更乾、舌更紅、便更硬、睡更淺,多半是火候太猛,先停
以上,是我經過半年多與AI協作的成果。現在家裡的百子櫃養分充足,讓我在應付日常狀態的變化時,可謂得心應手了。
【張Sir講白話:底座穩,抽屜清楚,火候有分寸,那麼,健康廚房自然就越養越順。】
本文內容只作學習參考,不構成任何醫療建議,如有不適請就醫。
@張Sir的AI養生館 – 養生智人
by angus | 2026-02-25
這兩天公司內部的節奏有點像坐過山車,昨晚才剛和同事A把那份「市場營銷報告」磨到深夜十一點,今早七點多,又和同事B在網絡會議室討論「投標計劃書」。
雖然面對的場景不同,使用的工具各異,但這兩份由 AI 協助產出的初稿,都散發著一種詭異的「共同氣味」——乍看之下,段落整齊、詞彙專業、厚度十足,像極了一份正經文件;但只要沉下心來細讀,就會發現它經不起推敲。沒有起承轉合的鋪陳,邏輯線若隱若現,更像是一本把各種材料強行拼貼起來的說明書。讀後,很難發自內心地感嘆一句:「原來公司的AI這麼厲害。」
看起來完成了,實際上只是把「文字」提交了
同事B的經歷特別典型:遇到不懂的操作先問技術同事C,再結合同事A手頭的資料,丟給 AI,轉眼間就能輸出一份 Word 文檔。這種效率確實驚人,也值得高興,因為它降低了技術門檻,讓很多原先需要長時間磨練的工作能更快上手。
但也正因為太快,很容易產生一種錯覺,以為自己已經把「計劃」做完了。其實,完成的只是文件的「外形」,而非方案的「骨架」。AI 能把版面填得很滿,但它無法替我們做商業判斷。我們的主張是否真的成立?假設的數據是否真實?流程在港澳的商業環境下能否落地?投入產出比是否合理?那些寫在紙上的承諾,我們是否承擔得起?
這些問題,必須由人緊緊握住方向盤來回答。
最大的坑:認知放棄,人逐漸退出迴路
以上的經驗,或許很多在職場的人士都遇到過。我最想提醒的是,一個聽起來有點學術,但發生在每個人身上的現象:「認知放棄」(Cognitive Surrender)。
簡單來說,一旦人類過度依賴 AI 的自動化流程,大腦就會本能地偷懶,不再深想、不再追問、不再審核,慢慢退化成一個只負責把稿子拼好、把格式調順的「排版工」。
說到這裡,必須再次引入一個我經常在文章中提及的核心概念:人在迴路(HITL, Human-in-the-loop)。用白話講就是——AI 可以跑流程,但每一個關鍵的十字路口,必須有人在場指揮;AI 可以寫代碼或文案,但最終的責任,必須有人來承擔。
因此,可怕的地方在於,這種「放棄」不是瞬間發生的,而是像溫水煮蛙一樣自然而然。第一次覺得「AI 寫得不錯」,第二次覺得「差不多可以了」,到了第三次,對那些明顯的邏輯漏洞也就「輕輕放過」。昨晚同事A那份報告就隱約有這種跡象。第一眼似模似樣,細看卻漏洞百出,這種東西如果直接發給客戶,撞板是遲早的事。效率看似上升了,但團隊的專業水平並沒有同步提高。
「寫得很詳細」不等於「做得到」
AI 有個特點,它特別擅長把內容寫得「很完整」,尤其在流程、步驟、職責分工、交付物這些環節,它能呈現出驚人的顆粒度。這也是同事B提到的感受:明明是不太懂的業務細節,AI 卻寫得頭頭是道。
這時候我們必須額外警惕。計劃書和投標文本一旦白紙黑字寫下「我們能做到」,在客戶看來這就是商業承諾,而不僅僅是一篇作文。AI 讓我們更容易寫出「像承諾」的漂亮句子,也更容易讓我們在沒想清楚之前就把承諾交進去。最終出事的時候,AI 可不會出席會議替我們解釋,更不會幫我們賠償。
如何善用 AI Agent 不會撞板?
為了把我在之前的文章中介紹過的一套AI與人類協作的邏輯具象化,我用AI畫了這樣一張簡潔的流程圖(見附圖):
1. 架構(HITL):由人來定義目標與框架。
2. 供給(AITL):AI 負責快速生成素材與選項。
3. 取捨(HITL):人回來做判斷,篩選什麼可用,什麼是垃圾。
4. 角色切換(AITL):AI 根據反饋進行優化或模擬不同的視角,現在可以用多代理(multi-agents) 了。
5. 落責(HITL):人必須確認最終內容的可行性與責任歸屬。
6. 評估(AITL):AI 輔助進行最後的協作評價或合規檢查。
這張圖的核心在於節點間的切換和迴路迭代——人主導,AI 協作。
我自己剛開始寫一些內容時,也犯過沒有迴路的錯誤。覺得省時就一路用下去,結果在該嚴格的地方鬆懈了,在該追問的地方沉默了。因為AI實在太順手了,順手到會讓人誤以為「順」就等於「對」。
說了這麼多,有一點可以預見的是,AI agents 只會越來越強,這是大勢所趨。未來真正拉開差距的,很可能不再是誰用了更貴更強大的 AI。誰的業務流程設計得更深,誰更懂行,誰能始終把「人」留在這個決策迴路裡,誰就站得更高,走得更遠。
所以,與其一開始就讚嘆技術多厲害,我們更值得投資的是一種團隊習慣:把 AI 當作加速器和草稿機,把思考和判斷留給自己。
【張Sir講白話:用AI要帶腦睇路】
#人在迴路 #認知放棄 #HITL #AITL #AI Agent
@張Sir的AI養生館 – 學習智人