2026/3/25 分析 · 使用者 #725aca 提供 49 則貼文 (2023-02-14 ~ 2026-03-25)
風險分析
帳號數據
近期發文密集，2026 年 3 月中旬至下旬幾乎每日發文 1-5 則，時段分散於早晨至深夜（UTC+9 約 11:00-24:00），無明顯排程工具痕跡。常使用多則串文（thread）展開長篇論述。原創貼文 43 則、轉貼 6 則，原創比例約 87.8%。資料中有一則 2023 年 2 月的舊文，其餘均為 2026 年 3 月，推測為 API 抓取範圍所致。
發文時段分佈
時區：UTC
原創 vs 轉貼
互動數據（原創貼文平均）
資料期間: 2023-02-14 ~ 2026-03-25
AI 深度分析
@leafwind 帳號可信度分析報告
1. 真實性分析
結論：高度真實，身分一致性強。
帳號展現出高度一致的個人背景輪廓：一位居住在日本的台灣軟體工程師，具備深厚的技術知識與產業經驗。多項細節交叉驗證此身分：
- 在 [8] 中提到使用 Claude 時遇到中文錯字問題，顯示日常使用 AI 工具的工程師習慣
- 在 [6] [9] [24] 中從「在日台灣人」視角討論日本的中國移民現象與觀光議題
- 在 [4] 中對未成年開發 app、串接 AWS 服務等技術話題展現精準的工程判斷力
- 在 [22] 中對部落格文章的結構、受眾、改進方向提出專業建議
- 在 [45] 討論日本外包產業體質時展現對日本企業文化的深入理解
帳號的文字風格極具個人特色：自嘲式幽默（[13] 「所以有人要付費請我幫他設定龍蝦嗎？」、[36] 「一看損益兩毛五」）、犀利的觀察力、以及直率的表達方式。這種一致性在長期間難以偽造。
未發現偽造專業身分的跡象。 帳號不誇大自身頭銜，反而經常自我消解權威感。
2. 原創性分析
結論：原創比例高，內容品質優，非聚合器亦非 AI 生成。
- 原創 vs 轉貼比例：43 則原創（87.8%）vs 6 則轉貼（12.2%），原創比例極高
- 轉貼品質：6 則轉貼均附帶相關脈絡，集中在日本科技政策 [26] [29] [31]、資安事件 [21]、認知戰分析 [7]、社群趨勢 [33] 等主題，與帳號關注領域一致，並非無差別轉發
- 串文能力：帳號善用多則串文展開論述，如 [19] [18] [17] 的 AI 垃圾內容三部曲、[45] [44] [43] 的日本智力外包分析、[39] [38] 的創業探索心得，結構完整且觀點層層遞進
AI 生成檢測：帳號本身就是 AI 生成內容的敏銳觀察者（[41] [42] 詳細分析了 AI 文字的特徵），其自身文字展現大量 AI 難以模仿的特質——跳躍式比喻（[13] 用「幹片」比喻 AI 助理的體驗感）、不規則的情緒轉折、以及高度個人化的口語表達。判定為人類原創。
3. 利益動機分析
結論：存在低度自我推廣，但透明且不具誤導性。
帳號經營 Substack 電子報（leafwind.substack.com），並在貼文中推廣：
- [20] 「雙月磨一劍，連結在下面」——直接導流至新文章
- [37] 附上 Substack 連結並邀請追蹤，但用自嘲語氣包裝（「獲取更多合理化自己低落生產力的取暖方法」）
- [12] 預告下週要發文《槍撿到了猴子》
這些推廣行為的特點是：完全透明（未偽裝為第三方推薦）、頻率低（49 則中僅 2-3 則直接推廣）、語氣自然（融入日常發文而非生硬置入）。Substack 電子報屬於個人內容創作，非高利潤商業產品。
未發現以下行為：未揭露的業配合作、affiliate 連結、邀請碼推廣、假裝客觀的付費推薦。
在 [23] 徵求 Ghost 部落格案例時，是為了自身技術研究而非商業目的。
4. 操作手法分析
結論：未發現系統性操作手法。
情緒操作
帳號的情緒表達偏向個人抒發而非刻意煽動。例如：
- [27] 列舉馬斯克推特的問題，語氣批判但論點具體，未使用恐慌性語言
- [4] 討論可疑的 app 專案時，保持「我不敢說一定有什麼陰謀」[3] 的謹慎態度
- [11] 討論 AI 時代不確定性時，觀察角度平衡，未販售焦慮
帳號的幽默風格（[15] [32] [36]）更接近自我調侃而非情緒操控。
選擇性展示 / 事後諸葛
未發現。 帳號不宣稱預測成功，反而經常承認不確定性（[3]「我不敢說一定有什麼陰謀」、[47]「有那麼多需求嗎？我存疑」）。
立場操作
帳號有明確立場（對技術品質要求高、對日本生活正面但不盲目、對 AI 泡沫持保留態度），但從未偽裝客觀中立。個人觀點以第一人稱直接表達，讀者能清楚辨識這是個人意見。
模糊預測
未發現。 帳號的論述以分析現狀為主，不做模棱兩可的預測來事後邀功。
綜合評價：@leafwind 是一個高可信度的個人帳號，具有真實且一致的專業背景、高原創比例、獨特的個人風格，以及對 AI 與科技產業的深度觀察能力。唯一可標記的風險為低度且透明的 Substack 電子報推廣，不影響整體可信度判斷。
引用來源
重點真的不是在噴年輕人重造輪子，我自己就是最愛重造輪子的人，不重造輪子就不是工程師。 但有些東西得認真才看得出來，下次碰巧遇到可以認真研究看看他們面對質疑的回應，都很詭異。 我不敢說一定有什麼陰謀，可能是刷流量或割韭菜，誰知道，但我覺得不像是單純想創業的年輕人在重造輪子。
未成年找免費工程師做氣象通知 app 學生創業串一卡車 AWS 服務做鬧鐘 app 偷超商 API 做乞丐超人 app 乍看會覺得他們的共同點是重造輪子、沒有需求。 但不是，那些都不是最值得吐槽的地方。
最近中國人對於日本文化跟居住的評論增加了好多，有人稱讚喜歡、有人批評討厭。 內容是正面或負面不是重點，我看到的是「中國人住在日本」的組合。 或許是因為過去幾年大潤潮的發酵，非常多中國人體驗到了日本文化的不同，不管是喜歡還是討厭日本，這不斷在提醒我，日本的中國人只會更多了。
RT @pirrer: 中共對於日本的認知作戰分析 之前貼過 OpenAI的，這次是Sakana AI 跟讀賣新聞合作，用 AI 分析了中國在社群媒體上對日本的認知戰策略，從 110 萬則貼文中抽出敘事結構和攻擊模式。 先介紹 Sakana AI，這家公司 2023 年在東京成立，兩位創辦人來頭都很大：Llion Jones 是 2017 年那篇改變 AI 歷史的論文「Attention Is All You Need」的共同作者（這篇論文催生了 Transformer 架構，也就是現在所有大型語言模型的基礎）。另一位 David Ha 曾在 Google Brain 做研究科學家，更早之前在高盛管日本的固定收益交易部門。Sakana AI 在 2025 年底完成 B 輪募資 1.35 億美元，估值 26.5 億美元，是日本史上估值最高的未上市新創公司。投資人包括三菱 UFJ、NVIDIA、Khosla Ventures 和美國情報機構關聯的 In-Q-Tel。 回到這次的分析，Sakana AI 開發了三項獨特的技術來做這件事。 第一是從貼文的上下文和語氣中提取「敘事」（narrative），而非只靠關鍵字搜尋。舉個例子：一則寫著「要求高市首相撤回錯誤發言」的貼文，AI 從中提取出的敘事是「台灣問題的介入與內政干涉」。用「台灣」這個關鍵字是搜不到這則貼文的，但 AI 讀懂了它在講什麼。 第二是他們自研的「新穎性搜尋」技術，讓三個不同的大型語言模型以集體智慧的方式反覆推論，從社群媒體上挖出高緯度的敘事，再把這些敘事按照抽象層級歸類，形成階層式的可視化圖譜。 第三是假說生成，AI 從分類好的敘事中自動生成大量假說，每個假說都附帶推理過程和具體數據佐證，分析師可以審核、追問、讓 AI 繼續深挖。 最終結果是什麼？AI 從 110 萬則貼文中導出了一個假說：「高市首相在國會答辯後，中國先制定了統一的對日批判策略，然後才發動大規模的社群攻擊。」讀賣新聞接著用傳統新聞手法去驗證，採訪了中日兩國政府相關人士和專家，確認了這個假說的可信度。 Sakana AI 在公告中清楚指出：他們正式把「防衛與情報」列為跟「金融」並列的重點領域。一家日本最有價值的 AI 新創，Transformer 論文共同作者創辦的公司，現在把認知戰分析列為核心業務。 📊 — 📱 Threads / Facebook / 電子報「狐說八道」 #SakanaAI #認知戰 #AI
AI 時代的不確定性可能改變了人的思考方式。 我習慣懷疑自己相信的事物，所以隨時質疑自己看到的東西並沒有什麼困難。 但還不習慣懷疑的話，不是因為「容易活在幻覺裡面」而變得快樂，就是因為「覺得這個世界什麼都不能相信」而變得痛苦。
「九十九趴的人其實都不知道，你的生活不需要秘書」 體驗一下有個隨身助理的爽感也沒什麼不可以，就像看看幹片想像一下自己是總裁不犯法，不要過度欺騙自己就好了。 所以有人要付費請我幫他設定龍蝦嗎？
重點在人類自己的心態。 我產出的文字也沒賺到幾個錢，從台灣人最愛的成本效益來看，也是一種沒用的「垃圾」。 同樣是做不完美的成品、甚至做主流認為無意義的事情，有人是直面自己內心的脆弱與不足，有人是選擇逃避它、有人則是想著去利用他人內心的脆弱。 3/
大部分人用 AI 產出的都是垃圾。 但先等等，讓我把話說完。 小明手繪的圖醜死了，但小明很喜歡繪畫的過程，有了小畫家之後他一天可以畫一百張點陣圖，他非常快樂。 1/
RT @hulitw: 上週看了看 coupang 的技術細節覺得滿有趣的 做 auth 系統的資深後端離職後把 signing key 帶走 因此就能在外部簽出合法的 token 藉此繞過登入流程跟檢測並且偷到個資 寫了篇文章聊一下金鑰管理以及 JWT 相關細節也都在裡面 https://blog.huli.tw/2026/03/19/coupang-insider-kms-and-jwt/
看到有些推友說這篇太長了，就連我自知話癆都覺得長。 整篇文體更接近論文，加上有不少行話跟經驗談，卡關也不意外。 要說 AI 能幫上什麼忙，大概會是重新梳理結構、把字數壓縮、再根據主題分篇。 另一個方向是科普化，但考慮到受眾是資深工程師，比較不推薦。 但終究是部落格，愛怎麼寫就怎麼寫。
RT @The_AGI_WAY: 楽天AI 3.0の件、調べた。 事実: ・基盤はDeepSeek-V3（config.jsonに明記） ・GENIAC第3期で最大5億円の補助（NEDO負担率100%） ・初回公開時にDeepSeekのMITライセンスファイルを削除 ・炎上後に「NOTICE」として再追加 問題はDeepSeek使ったことじゃない。OSSのファインチューニングは正当な手法。 問題は: ①「国産最大級AI」と発表してDeepSeekの名を伏せた ②ライセンスファイルを消した（MIT違反の疑い） ③税金で「国産AI開発」と言いながら実態はファインチューニング 最初から「DeepSeek-V3ベースで日本語最適化しました」と言えば賞賛された話。隠したから炎上した。透明性の欠如が全て。
馬斯克的推特： - 每幾天就會壞掉 - 號稱為了打擊詐騙跟機器人收錢，但收錢後卻變得更多 - 收錢之後一般人流量更低 - 為了打擊壞帳號，一般人更容易被誤殺 - 養出一堆 "grok is this true" 的網民
RT @K920_: 「Rakuten AI 3.0」が炎上してる件、問題の本質はDeepSeekを活用したことではなくて、国費プロジェクトとしての透明性にある。 資源で劣る日本企業にとって、優秀なオープンウェイトモデルを基に追加学習するのは世界的にも合理的なアプローチ。オープンモデルとしてDeepSeekは優秀だし、ベースにしたこと自体は問題でない。 問題は、DeepSeekをベースにしたことを隠蔽しようとするその姿勢。 これまで楽天の過去モデルではベースをちゃんと公開してた。例えば、2024年3月のRakuten AI 7Bは、Mistral AIの「Mistral-7B-v0.1」をベースに開発したと公式プレスリリースやHugging Faceのモデルカードで明記してたし、2025年2月のRakuten AI 2.0もMistral-7B由来のエキスパートを基盤にしてることがモデルカードに記されていた。 しかし、今回だけ公式発表資料では「オープンソースコミュニティ上の最良なモデルを基に」とぼかした表現に留まって、DeepSeekの名前は一切出てこない。当初ライセンスファイルからDeepSeek由来の記載を削除してアップロードしてたみたいで、コミュニティの指摘後に復元した経緯もあるから、意図的に隠そうとしたと思わざるを得ない。 それに加えて、素のDeepSeek-V3との比較スコアを一切公開してない点もおかしい。特に尖閣諸島の領土問題や歴史認識、天安門事件など、DeepSeekの問題点として指摘されていた中国寄りの事前バイアスをどれだけ修正できたのか、定量的な検証結果が全く示されてない。 「日本最大規模の高性能AIモデル」と位置づけて、GPT-4oを上回る日本語ベンチマーク結果をPRしてるけど、ベースが中国モデルという事実をぼかすための印象操作にしか見えない。しかもコミュニティ検証では中国寄り回答が残るケースも指摘されてる。 大前提、このモデルは経産省とNEDOが推進するGENIACプロジェクトの一環で、国費の一部が学習費用に使われた国家レベルの成果物。 オープンモデル活用は正しい選択だけど、国費を使った以上「DeepSeek-V3をベースに楽天独自のPost-trainingで日本語性能を○○%向上させ、政治関連質問で中立性を確保した」といった具体的な貢献・成果を公開するのが責任ではないだろうか？ これがGENIACで国費を投入したプロジェクトの在り方として正しいだろうか？ ※ Hugging Faceに公開されたモデルのconfig.jsonを見ると、model_typeがdeepseek_v3になってて、アーキテクチャやパラメータ構成（総671B、アクティブ37B MoE、コンテキスト128K）がDeepSeek-V3と完全に一致する。つまりRakuten AI 3.0はDeepSeek-V3をベースに日本語特化で追加学習したモデルと考えられる。
看到美國海底撈，機器人跳舞打翻盤子，好幾個員工制止但仍然停不下來的影片之後。 我覺得機器人真的比人類優秀了，連上班都比我們有尊嚴，翻桌也不會被處罰，還需要好幾個人類擦屁股，地位都比人高，怎麼輸。
RT @cat88tw: 最近身邊朋友紛紛不約兒童回歸自架網站寫 blog 與訂閱 rss 的行列，頓時間好像回到 90' 網路剛光起時那美好時光 ( 不知為何說著說著突然也有點衝動想來 vibe 一個靜態網站寫點東西耶~🤠 ( 以下開放推薦優質真人手寫內容的 blog 讓大家開開眼界？🙌🏻
星期五預定會發文。 https://leafwind.substack.com 追蹤我，獲取更多合理化自己低落生產力的取暖方法。
雖然看似沒效率，但走彎路很可能會替自己帶來更多人生的驚喜。 像我就永遠不可能知道如何種橘子，也不會知道蛋白粉的製造過程，因為我一開始就覺得「那一定不會賺錢」而拒絕去做。 但就算這些不會馬上幫助創業，搞不好對人生也有幫助。 保持開放去做新的嘗試，在出社會之後是很缺乏的能力。 2/2
聽了大手町小客廳 EP14，聽她們聊探索創業的過程，我很震驚。 在我的想像中，創業要先大方向評估成本、市場研究等等高層次決策，所以一聽到食品業跟農業就直覺認為不可能適合創業。 但她們卻是從自己親手下去做開始，研究蛋白粉的製作過程、種橘子，然後才發現自己不適合。 1/
另一個差異在於讀完有沒有引發思考、通篇邏輯是否順暢。 好作品的思路要順暢地在多個觀點之間切換、承接上一段、轉換語氣，甚至突然斷點，目前大語言模型還沒有辦法做得很好。 畢竟 AI 無法補足行文的目的，如果觀點只有一句話，那整篇看完就會如聽一席話，看得很快，離開腦袋的速度也會很快。
要我說的話，多的東西是用詞情緒過度戲劇化、常出現極短句試圖獲取注意力，所以當然有 AI 味。 但少的東西是我看不到裡面有任何 fox 自己的口吻，我看到的是充滿彙整資料+戲劇張力的一份好報告。 另外長度很長倒不是問題，但 AI 文字還不夠精練，去掉那些句型之後會覺得重複內容有點膩。
但有好機會不代表能把握機會，許多石油國家、台灣也都曾經有大好轉型機會，卻沒有把握住；我相信日本企業有轉型的能力、需求、遠見，以及韌性，比較大的問題可能還是在天然災害跟地緣政治等外部不確定性因素。 3/3
各種制度與文化也都是建立在能夠清楚交接的前提上，使得工作內容從第一天就有完整流程與文件可以遵循。 這份研究報告顯示未來的「自駕外包服務」對日本來說是一個好機會，因為日本缺勞動力、引進外勞也緩慢，卻同時擁有（可能是世界上最適合）導入這類外包服務的體質。 2/
紅杉資本合夥人 Julien Bek 把未來的投資押注在「智力外包（Intelligence Outsourcing）」 全世界可能沒有一個國家能像日本這樣把外包產業發展得如此極致，企業分工與職責非常明確，每個組織也都非常清楚什麼該外包、什麼要自己做。 1/
「当电脑从"接收指令"变成"接收目标"的时候，瓶颈不再是"怎么做"，而是"做什么"。」 這句我同意，不過有個弔詭的矛盾，那就是一旦清楚要做什麼，就可以流程化、自動化，那就只有第一次發想需要 AI，而那些價值不夠的流程，根本也沒需要用 AI。 有那麼多需求嗎？我存疑。