資源索引
全部資源。
按時間瀏覽完整索引，亦可按主題或類別收窄列表。
資源索引
按時間瀏覽完整索引，亦可按主題或類別收窄列表。
Concepts
為甚麼專業 context 不只是已儲存的 data，而 AI 要支援嚴肅工作，不能只靠可搜尋 record。
Concepts
為甚麼專業信任取決於一間 firm 能否記得自己說過會做甚麼。
Concepts
為甚麼購買 AI 工具，不等於改變一間公司如何捕捉、檢查、交接和記住工作。
Methodology
一個實用論點：AI 與專業工作的 interface 應被設計成營運邊界和 worldview；既足夠連接以共享 context，又足夠分隔以保留角色、權限、專注和 review。
概念
為何審閱包是專業團隊最有用的 AI 產物之一，特別是在來源、負責人和決策分散的工作裏。
Methodology
一個實際的 Proximity 部署在第一個月應該怎樣展開：工作流程梳理、來源審視、第一份審閱包、回饋，以及營運節奏。
方法
為甚麼認真的 AI adoption，要先令工作變得可見、可審閱、可問責，然後才要求 agents 行動。
概念
為甚麼 grounded AI 和 RAG 對專業工作重要：source grounding 顯示證據、新鮮度、欠缺背景、來源脈絡和信任邊界。
概念
專業服務中有用 AI 的實用框架：更好的判斷、準備、協調、來源審閱和跟進。
概念
AI 所需 organisational context 的實用定義：角色、歷史、優先次序、責任、證據、關係、標準和時間。
概念
Operating intelligence、operational context、商業 digital twin 的實用定義，以及為甚麼 agentic AI 需要可讀的機構。
Methodology
為甚麼 AI 轉型大部分其實是營運工作：梳理 workflow、來源、權限、ownership、review point，以及自動化邊界。
Methodology
實用說明：企業推動現代化或以 AI 賦能組織時，Saas、MSP、agency、consultant、platform 和 forward-deployed engineering 有甚麼分別。
概念
一個 Proximity 系統例子：為合夥人主導的顧問業務追蹤承諾、背景和跟進，而不自動化關係判斷。