關於 Save Point¶

"Knowledge is like a garden: if it is not cultivated, it cannot be harvested." — Samuel Delali Awutey

建站緣起：AI 時代下的資訊傳承¶

在這個 AI 發展迅速的時代，資訊的獲取方式正在經歷巨大的變革。

網路上的遊戲攻略資訊非常豐富，Reddit 上也有大量的討論。有趣的是，許多經典討論產生的時空背景，LLM (大型語言模型) 還不發達甚至尚未出現。現在，我大量依賴 AI 幫我搜尋和閱讀文章，挖掘出許多深埋在討論串中的珍貴數據（例如《地平線：西域禁地》中戰士弓 2.5 倍暴擊倍率的隱藏資訊）。

AI 的盛行在某種程度上導致了傳統社群論壇（如 Reddit）討論熱度的轉移。以前需要翻閱大量討論串才能得到的資訊，現在透過 AI 幫忙閱讀與總結即可獲得。這不禁讓人思考：幾年後，當人類失去討論的理由，AI 是否也將失去新的資訊來源？當然，這是 AI 時代導致人類行為變動的過渡期，理論上人類與 AI 最終會找到一個平衡點。

為什麼需要這個 Blog？¶

既然 AI 這麼方便，為什麼還需要整理筆記？

就我目前的觀察，AI 搜尋與總結的資訊大約有 7 成是正確的，但仍有約 3 成存在誤差，或者需要透過影片、圖片或親身測試來補足細節。因此，「人類的驗證與整理」 在現階段仍有其不可替代的價值。

另一方面，有了 AI 的協助，我能以極低的成本將這些驗證過的筆記轉換為 Blog。這就是 Save Point 誕生的原因——它是一個由 AI 協助挖掘、再由人類驗證的知識存檔點。雖然看的人可能不多，但它是我在數位世界冒險的足跡，也是在 AI 時代下，試圖保留「人味」的一種嘗試。

資訊驗證原則 (Verification Principles) ¶

為了確保 Save Point 收錄資訊的準確性，並應對 LLM (大型語言模型) 可能產生的「幻覺 (Hallucination)」問題，本站遵循以下工作原則：

1. 拒絕盲目信任 (Zero Trust in Hallucinations)¶

原則：LLM 生成的資訊即使語氣再自信，若無明確來源佐證，一律視為「待驗證的假設」。
執行：對於關鍵數據（如傷害倍率、刷新機制），必須要求提供具體的外部來源。

2. 原始證據留存 (Raw Evidence Retention)¶

痛點：網頁連結 (URL) 常因時間久遠而失效 (404) 或因權限問題無法訪問，導致查證困難。
解決方案：在引用外部資訊時，若無法確保連結的永久有效性，必須摘錄並保留原始文字 (Raw Text)。
- 例：攻略網站的關鍵段落、論壇高票回答的原文。
- 這能確保即使來源網站消失，我們仍保有當初判斷依據的快照 (Snapshot)。

3. 多方交叉驗證 (Cross-Verification)¶

原則：單一來源可能存在偏誤或過時資訊。
執行：盡量尋找至少兩個獨立來源（例如：Wiki + Reddit 實測 + YouTube 攻略影片）指向相同結論，才予以收錄。

這些原則的目的很單純：確保這裡記錄的資訊在未來回頭查閱時，依然精確可用，最少也要能夠查證。

Created: 2026-01-16 | Last Updated: 2026-01-18