<?xml version="1.0" encoding="utf-8" standalone="yes"?><rss version="2.0" xmlns:atom="http://www.w3.org/2005/Atom" xmlns:content="http://purl.org/rss/1.0/modules/content/"><channel><title>Productivity on AI Lab @ Yuting</title><link>https://ailab.yuting.cc/tags/productivity/</link><description>Recent content in Productivity on AI Lab @ Yuting</description><image><title>AI Lab @ Yuting</title><url>https://ailab.yuting.cc/images/ai-cover.png</url><link>https://ailab.yuting.cc/images/ai-cover.png</link></image><generator>Hugo</generator><language>zh-tw</language><lastBuildDate>Wed, 29 Apr 2026 09:54:58 +0800</lastBuildDate><atom:link href="https://ailab.yuting.cc/tags/productivity/index.xml" rel="self" type="application/rss+xml"/><item><title>2026 最新！AI 智能行程規劃終極工作流：Gemini + NotebookLM 實戰指南</title><link>https://ailab.yuting.cc/posts/ai-travel-planning-workflow/</link><pubDate>Wed, 29 Apr 2026 09:54:58 +0800</pubDate><guid>https://ailab.yuting.cc/posts/ai-travel-planning-workflow/</guid><description>&lt;p&gt;在 2026 年，利用 AI 來規劃旅遊行程已經從早期的「問答聊天」進化到了系統化的 &lt;strong&gt;「工作流」&lt;/strong&gt; (Workflow)。傳統上，我們總是在各個旅遊部落格、論壇與地圖之間來回切換，費時又費力。現在，只要巧妙結合 Google 的 &lt;strong&gt;Gemini&lt;/strong&gt; 與 &lt;strong&gt;NotebookLM&lt;/strong&gt;，你不僅能瞬間獲得結構化的行程表，還能把死板的文件轉化為隨時隨地為你解答的 &lt;strong&gt;「專屬語音導遊」&lt;/strong&gt;。&lt;/p&gt;</description></item><item><title>超越 RAG 的個人知識庫：以 LLM 打造動態的 Wiki 系統</title><link>https://ailab.yuting.cc/posts/llm-wiki/</link><pubDate>Mon, 27 Apr 2026 08:36:23 +0800</pubDate><guid>https://ailab.yuting.cc/posts/llm-wiki/</guid><description>&lt;blockquote&gt;
&lt;p&gt;🔗 &lt;strong&gt;官方資料來源&lt;/strong&gt;：&lt;a href="https://gist.github.com/karpathy/442a6bf555914893e9891c11519de94f"&gt;Andrej Karpathy - llm-wiki.md (GitHub Gist)&lt;/a&gt;&lt;/p&gt;
&lt;/blockquote&gt;
&lt;p&gt;前言：在處理大量個人文件或企業內部知識庫時，多數開發者與使用者首先想到的是傳統的 RAG（Retrieval-Augmented Generation，檢索增強生成）架構。然而，隨著我們投入越來越多資料，傳統 RAG 的致命缺點逐漸浮現：它每次都要從碎片化的資訊中重新尋找答案，嚴重缺乏知識的「累積與沉澱」。本篇文章將深入探討前 OpenAI 知名研究員 Andrej Karpathy 近期提出的「LLM Wiki」概念，藉由讓 LLM 擔任專職的圖書館員，主動維護一個相互連結的 Wiki 系統，為我們打造能真正持續進化、自動除錯的個人 AI 大腦。我們將從理論架構、實踐流程、工具生態系，一路解析到知識管理哲學的根本轉變。&lt;/p&gt;</description></item><item><title>AI 時代的工作思維：從 Claude Cowork 教程學到的五件事</title><link>https://ailab.yuting.cc/posts/claude-cowork-ai-workflow/</link><pubDate>Wed, 01 Apr 2026 17:35:00 +0800</pubDate><guid>https://ailab.yuting.cc/posts/claude-cowork-ai-workflow/</guid><description>&lt;p&gt;來自 Cowork 設計主管的 &lt;a href="https://youtu.be/rlIy7b-3DC8?si=31lvxt3YfHSLm5UZ"&gt;Claude Cowork 教程（40 分鐘）| Jenny Wen&lt;/a&gt;&lt;/p&gt;
&lt;hr&gt;
&lt;h2 id="-心得摘要"&gt;💡 心得摘要&lt;/h2&gt;
&lt;p&gt;這部影片讓人最有感的地方，不是單純展示 AI 工具多厲害，而是&lt;strong&gt;很清楚地指出一件事：工作方式本身正在改變&lt;/strong&gt;。&lt;/p&gt;</description></item><item><title>打造個人 AI 作業系統：從普通使用者到 AI 系統建構者 (System Builder) 的進階指南</title><link>https://ailab.yuting.cc/posts/personal-ai-os/</link><pubDate>Wed, 01 Apr 2026 10:48:43 +0800</pubDate><guid>https://ailab.yuting.cc/posts/personal-ai-os/</guid><description>&lt;p&gt;隨著 AI 工具的大規模普及，許多人已經習慣將 AI 融入日常工作與學習中。然而，多數人仍僅停留在**「將 AI 當作替代搜尋引擎」**的階段，未能充分發揮其真正的潛力。未來的核心優勢與競爭力，將不再取決於「誰會用 AI」，而在於「誰擁有專屬的 AI 系統」。&lt;/p&gt;</description></item></channel></rss>