超級果粉注意！蘋果經典電腦Lisa將公開原始碼提供下載，一同回味當年科技風采|數位時代 BusinessNext

超級果粉注意！蘋果經典電腦Lisa將公開原始碼提供下載，一同回味當年科技風采

蘋果經典電腦Lisa於1983年推出，是全球首款配有滑鼠的個人商用電腦，但當年因銷量不佳，被視為是失敗的產品之一，也造成賈伯斯被趕出蘋果。日前美國加州的電腦歷史博物館宣布，將於明年公開Lisa的原始碼供所有人下載使用，讓全球果粉一同回味。

蘋果官方直接參與，Lisa電腦原始碼將公開

如果你是超級資深的果粉，也許會記得35年前蘋果推出的一款，以創辦人賈伯斯（Steve Jobs）女兒麗薩·賈伯斯（Lisa Jobs）命名的電腦Lisa。

現在位於美國加州的電腦歷史博物館（Computer History Museum）表示，明年（2018）將會把這款經典電腦的系統原始碼完全公開，讓任何人都可以下載使用，雖然看起來沒有太多實質上的意義，但對於電腦科技一路走來的發展，有著無可替代的經典意義。

電腦歷史博物館軟體館長Al Kossow表示，Lisa的應用原始碼跟系統已經完成恢復，目前正在等待蘋果進行審查，一旦蘋果方面完成審查，電腦歷史博物館就會在2018年公開這項資源。雖然過去市面上也曾推出過Lisa操作系統的模擬器，但大多是由第三方單位釋出，而這次直接由蘋果官方參與其中，特別具有不同的時代意義。

將滑鼠帶到世人面前，重塑PC電腦使用體驗

對於年輕一代的讀者來說，Lisa電腦除了陌生甚至壓根沒聽過，這是一款蘋果在1983年推出的全世界第一款圖像介面（GUI）商用個人電腦，不僅擁有重疊視窗、下拉選單等當時看來先進無比的軟體功能，Lisa同時也是第一款結合滑鼠的電腦，因而使得這部電腦在電腦發展史上佔有重要地位。

跟1984年推出的麥金塔（Macintosh）電腦相比，Lisa已經具備硬碟儲存設備、擴充插槽設計、螢幕保護程式、支援高達2MB的記憶體等，這些功能都是麥金塔平台到OS X時才擁有的功能特點，幾乎是當時先進電腦的代表，後被認為有重塑PC電腦使用體驗的代表性意義。

Lisa在當時一台售價將近一萬美金（幣值相當於現在2萬4000美元），在當時跟價格更低廉的IBM PC相比根本毫無價格優勢，因此導致銷量不佳只賣出了一萬組，再加上蘋果當時投入1.5億美元研發，雖然改變了多數人使用電腦的方式，但成本無法回收，Lisa電腦也被視為蘋果歷史上失敗的產品之一，儘管在市場上不算太成功，但Lisa卻是蘋果歷史重要的一部分。

Lisa與麥金塔電腦之間有關聯嗎？

2017年11月，在德國科隆的一場拍賣會上，以高達5萬美金的價格，成功拍賣了一台1983年上市，可以完全正常使用的蘋果Lisa電腦，根據拍賣方估計，目前全球大約只剩下30到100組完整保存的Lisa電腦。

Lisa電腦也在後續引發不少討論，有一派人認為Lisa電腦與後來推出的麥金塔電腦有血統上的關聯，但實際上麥金塔只是蘋果繼Lisa後，推出的第二款採用圖像使用介面（GUI）的個人電腦產品，因此常遭到許多人誤解，麥金塔電腦並非Lisa電腦後繼產品，只是操作方式非常相似而已。

而Lisa電腦也是賈伯斯離開蘋果的很大原因之一，也間接造成與微軟比爾·蓋茲之間的嫌隙，在Lisa推出以失敗收場後，賈伯斯也在兩年後的1985年被蘋果辭退，同年成立NeXT軟體公司（NeXT Software, Inc），這個品牌最後被蘋果收購，賈伯斯後來也重返蘋果，隨著電腦歷史博物館要公開Lisa電腦的系統原始碼，也讓人憶起這段陳年往事。

AI 智慧代理人時代來臨！三大導入階段， AI 落地企業不卡關

生成式 AI 帶動企業數位轉型浪潮持續升溫，各界不再滿足單一任務型的 AI 應用，而是期盼 AI 能真正成為具備主動決策與多工能力的「智慧代理人」。

生成式 AI 帶動企業數位轉型浪潮持續升溫，各界不再滿足單一任務型的 AI 應用，而是期盼 AI 能真正成為具備主動決策與多工能力的「智慧代理人」（Agentic AI），在最少人為干預的情況下，自主推進工作流程、完成複雜任務。

但企業導入AI並非一蹴可幾，而是需要對AI有正確認識，並制訂循序漸進的導入流程，才能真正發揮AI功效。在2025台灣人工智慧年會中，cacaFly 聖洋科技技術副總吳振和提出三大導入關鍵階段，深入剖析企業如何從概念驗證（PoC）階段，逐步推進到實際上線（Production），並分享實務經驗與觀察。

延伸閱讀：生成式AI可以怎麼用？cacaFly現身說法，助企業應用GCP服務智慧轉型

解鎖 Agentic AI，企業邁向多任務智慧代理

「很多公司會問，One AI 要做什麼事？但實際上，若要讓 AI 回答公司內部政策或新法條的相關問題，僅靠基礎模型並不足夠。」吳振和指出，要讓 AI 真正成為能「做事」的智慧代理人，前提是它必須理解企業內部的脈絡與知識，並即時掌握外部變動的資訊。

企業必須先釐清內部規範是否與最新法規相符，這意味著系統必須具備持續爬取與解析最新資料的能力。為此，企業必須先截取與整理內容，再建構成專屬的知識庫（Knowledge Base），確保資料品質達到可用標準後，再透過檢索增強生成（Retrieval-Augmented Generation, RAG）技術，使 AI 能夠即時動態查詢並生成符合企業語境的回答。

延伸閱讀：從資料清洗到 RAG，大型語言模型的必需品，做出專屬企業的 AI 知識庫！

吳振和強調，這是一個動態循環的過程：從資料蒐集、品質控管、知識庫建構到生成應用，每一環節都息息相關，任何一處鬆動都會影響最終產出的準確性與可信度。

破除「一次到位」迷思，從驗證到落地的三大關鍵階段

許多企業對 AI 寄予厚望，因此常將 PoC 視為年度計畫的重點，希望能「一次到位」做出具體成果。但吳振和提醒，若缺乏清楚的系統工程思維，PoC 容易淪為「概念展示」，難以真正走入組織的日常營運。

他將導入 Agentic 系統工程的歷程，分為三個關鍵階段：

1.第一階段：可行性評估（Feasibility Study）
企業必須在投入資源前，先明確界定「最需要被 AI 解決的關鍵問題」是什麼，並進一步設計可量化的驗證指標。這不僅包括評估技術實作的可行性，更要從商業目標出發，釐清導入 AI 的具體使用情境、預期成效與風險邊界，如此才能確保後續模型選型與資料蒐集方向正確對齊業務需求。

2.第二階段：系統設計與驗證（Design & PoC）
在確定導入方向後，必須規劃清楚資料蒐集與整理流程，確保知識庫的內容具備正確性、完整性與時效性。吳振和特別強調，這個階段不能只追求展示效果，而應以「產品化思維」來構築 PoC，使其具備可擴充性、可維護性及安全性，才能為後續上線打下基礎。

3.第三階段：產品化與營運（Production & Operation）
當 PoC 驗證完成後，進入正式上線階段，挑戰也隨之而來。除了需要整合企業內部系統與流程，還必須建立持續監控與維運機制，確保模型表現隨時間演進不會劣化，並能快速回應法規變動或資料更新的需求。吳振和指出，這往往是最容易被低估、但也是最考驗企業組織能力的關鍵環節。

建立模型優化根基，打造高品質的黃金資料集

吳振和特別強調，要讓 Agentic 系統工程真正發揮效益，企業必須先建立一套高品質的「黃金資料集」（Golden Dataset），作為模型評估與優化根基。他指出，黃金資料集的價值在於能為模型選擇與前測提供客觀依據，讓團隊能針對不同任務挑選最適合的模型，避免導入初期就誤踩方向。

同時，黃金資料集也能協助團隊辨識模型的常見錯誤與脆弱點，進而快速回應「模型飄移」（Model Drift）的風險。吳振和說明，所謂模型飄移，指的是即使模型本身未經改版，效能也可能隨著環境與資料變動而突然下降，導致原本表現良好的模型出現偏差。透過持續比對模型預測與黃金資料集結果，團隊才能即時察覺效能衰退，並進行迭代更新，確保系統長期穩定運作。

從小規模應用起步，漸進擴展至核心業務

吳振和分享，在實際輔導企業導入 AI 的經驗中，最常見的挑戰來自於「期待落差」。許多企業誤認為概念驗證（PoC）階段即可呈現完整的產品原型，然而實際情況顯示，若企業未能建立完善的資料架構與流程基礎設施，即使短期內展現亮眼成效，也難以確保長期營運的穩定性與可持續性。

也因此他建議企業在規劃 AI 導入時，應採取漸進式策略，從小規模應用場景著手，逐步擴展至核心業務領域。企業應將 PoC 定位為整體產品開發生命週期的重要環節，而非獨立的一次性專案。

AI 的導入不僅是一場技術升級，更是企業組織文化與決策流程的轉型工程。唯有從資料治理、流程優化到人才培訓同步布局，才能確保 AI 能在企業內部真正「落地生根」，創造長期商業價值，成為真正的智慧代理人。