認識用 GPT-5.6 經營農場的花椰菜農夫 ☕ Buy me a coffee

🧑‍🏫 這支影片的主角是北海道的花椰菜農夫。他不是工程師，一開始連種菜都不會，後來卻用 AI 工具做出能遠端控制溫室通風的系統。值得看的原因是，它讓人看到不會寫程式的人，現在也能靠 AI 把現場的麻煩事變成自動化。

• 00:03 受訪者在花椰菜田工作，常常搞不清楚自己的工作從哪裡開始、做到哪裡結束。
  ↳ 他在花椰菜田的工作沒有明確的開始和結束，事情一件接一件，常常分不清今天從哪裡開始、做到哪裡才算完。務農本來就是這樣零碎又做不完。
• 00:03 剛來到北海道時，他不會開曳引機（tractor）。
  ↳ 曳引機（tractor）是農地上用來翻土、拖拉各種農具的車，算是種田的基本功。他剛到北海道時連這個都不會開。
• 00:33 他從零開始，對種菜完全一無所知，所以過程非常辛苦。
  ↳ 他不是農家出身，種菜的知識完全從零開始學，所以一開始非常吃力。也就是說，他是徹底的新手，不是農業專家。
• 00:33 他說自己不是工程師，但會用 AI 工具提升效率（此處字幕原文寫作「Podex」，後段字幕寫作 Codex）。
  ↳ 他強調自己不會寫程式，但會用 AI 工具省時間。這裡的工具是 Codex，一種 OpenAI 用來幫人寫程式、處理工作的 AI 工具。字幕前面打成「Podex」，應該是聽寫錯誤。
• 00:33 溫室通風過去長期靠人工：用手把溫室側邊的塑膠布捲起來。
  ↳ 溫室需要通風，溫度和濕度才不會悶壞作物。以前他得親自到溫室，用手把側邊的塑膠布捲上捲下，又累，人還一定要在現場。
• 01:14 他做出一套系統，只要有網路連線，就能從任何地方控制這個電動馬達的上下移動。
  ↳ 他做的系統只要有網路，就能從任何地方遙控電動馬達往上或往下移動。重點是人不在田裡也能操作，不用再特地跑一趟。
• 01:14 先前的模型需要反覆來回溝通，要不斷改進、再下進一步的指示。
  ↳ 以前的模型（也就是 AI 本身）要人一步一步帶：它做一點，你看結果、指出哪裡不對、再下新指示，來來回回很多次才做得完。
• 01:14 新模型只要一個 prompt，Codex 就能讀取資料庫，再自行使用各種工具，朝最終目標思考並執行，不需要他一直檢查或管理。
  ↳ prompt 是你給 AI 的指示，database（資料庫）是存放資料的地方。現在他只要下一次指示，Codex 就會自己讀資料、挑工具，一路做到目標，不需要他在旁邊盯著。
• 01:44 他認為這是非常驚人的改變。
  ↳ 對他來說，這不只是變快一點。AI 從「需要人一直顧著」變成「交代完就能放手」，所以他覺得非常驚人。
• 01:44 能做出在真實場域實際可用的系統，讓他相當驚訝，感覺像在見證魔法。
  ↳ 最讓他意外的是，做出來的不是玩具或展示品，而是真的在溫室裡運作、每天都用得到的系統，所以他形容像在見證魔法。
• 01:44 訪談時雞一直咕咕叫，吵到訪談進行不下去。問到怎麼讓雞安靜，得到的回答是：雞本來就會叫，老實說很難讓牠們完全安靜。
  ↳ 訪談時雞一直叫，吵到錄不下去。有人問怎麼讓雞安靜，得到的回答是雞本來就會叫，很難讓牠們完全安靜。這段是影片裡的輕鬆花絮。

根據影片，受訪者覺得新模型跟先前的模型相比，最大的不同是什麼？