說明：
今天是一個很典型的「AI 教學 × 系統整合 × 現場決策」的一天。
早上教學時，學生拿出一台 2018 年的 Mac mini，結果系統太舊（macOS 10.15），連瀏覽器都無法更新，更不用說安裝 Antigravity 或 AI Agent。這個案例很直接——AI 能不能用，不是看你有沒有工具，而是看你的「設備與環境」。
接著我幫他釐清一個關鍵問題：ChatGPT vs Gemini 要選哪個？
答案不是選，而是「雙軌策略」。
ChatGPT 強在理解你、寫內容、串接應用；
Google AI Pro 強在整合 Gmail、Drive、NotebookLM 的整個生態。
這是模型能力 vs 生態系的選擇，而不是誰比較強。
中午我在外面用餐時，遠端連回家裡的 Mac mini，想把 Telegram 查日記這件事打通，結果發現資料分散在本地與 Heptabase，AI 根本抓不齊。這讓我更確定：
AI 最大瓶頸不是模型，而是「資料沒有被整合」。
下午教學，我把 AI 分成兩層讓學生直接理解：
Chatbot 是「你問它答」，
AI Agent 是「你講它做」。
並搭配 AI 四階段（感知 → 生成 → 代理 → 實體）幫他們建立長期視角。
晚上回家繼續串 Heptabase MCP Token，一樣卡關，但我做了一個關鍵轉變——不是我自己查，而是讓 AI 自己開瀏覽器去找答案。這其實代表一個本質升級：
我開始從「使用 AI」，轉向「指揮 AI」。
最後整理今天最核心的三件事：
1. AI 導入的第一步不是工具，是設備與環境
2. AI 策略不是選邊站，是多模型整合
3. AI 的真正瓶頸，在資料整合與系統設計
一句話結論：
你未來的競爭力，不在你會用多少 AI，而在你能不能把 AI 變成一套可運作的系統。
更多的365攝影挑戰請到 [https://rd.coach/category/365challenge/](https://rd.coach/category/365challenge/)
#project365 #photoaday #photochallenge #365project #365photochallenge #365challenge #365days #photoadaychallenge #365daychallenge #365daychallenge2026
