OpenAI GPT-5.6 發表：日本農夫 Hiroki 如何用 AI 管理 100 公頃農場？

前言：OpenAI 為何讓一名日本農夫成為發表主角？

2026 年 7 月 9 日，OpenAI 正式向全球用戶開放旗下最新一代模型 GPT-5.6。發表當天，官方 X（前身為 Twitter）帳號發布了一則貼文。畫面來到北海道的溫室，一名年輕男子拿著筆電，站在整排翠綠的花椰菜苗旁

文字很簡單：

"Meet Hiroki (@tomiyasu16). A broccoli farmer running his farm with GPT-5.6."

這則貼文在 24 小時內累積超過 92 萬次觀看。不少人看完後問的不是「GPT-5.6 有什麼新功能」，而是「這個農夫到底怎麼做到的？」

從 Hiroki 的八個實作案例，可以看出一般人如何把 AI 接進自己的工作流程，以及台灣創作者、電商與中小企業可以借鏡什麼。

Hiroki 是誰？從東京公務員到北海道百公頃農場主

從公務員轉行，管理約 100 公頃農地

冨安宏樹（Hiroki Tomiyasu）在東京附近長大，大學畢業後進入政府單位當公務員，生活軌跡相當普通

轉折點發生在他 20 多歲。朋友引薦他接觸日本的米農文化，並帶他參與農村社區活動。後來，他加入一個在岡山縣修復廢耕梯田的小團體，開始更深入參與農村工作 。

之後，團隊決定擴大農業經營規模，北上移居日本重要農業產地北海道，從零開始建立自己的農場 。

Hiroki 邊做邊學，逐步摸索拖拉機操作、作物管理與天候應對。今天，他管理約 100 公頃農地，種植花椰菜、南瓜、青蔥和黃豆，面積約等於 100 個標準足球場。在日本，這個規模已超越絕大多數個人農場，通常需要一個管理團隊。

這套農場管理與系統開發工作，主要由他自己負責。

日本農業的現實背景：用工荒、高齡化、氣候異常

Hiroki 之所以投入自動化，也與日本農業缺工、高齡化及氣候異常有關。

2024 年，日本年均氣溫偏差達到 +1.48°C，創下有紀錄以來最高值。極端高溫導致稻米品質下降、果樹授粉失敗率攀升至六至七成。與此同時，農業人口持續老化，年輕人不願留鄉，招募農務工人難上加難 。

日本農林水產省（MAFF）正在推動「智慧農業技術促進法」，藉由 AI 與預測技術優化農場管理，試圖讓勞工投入時間減少 9%、產量提升相近幅度。但這些政府補助的大型系統，離 Hiroki 這樣的個體農場主仍有相當距離 。

Hiroki 沒有從大型農業系統開始，而是先用現成的 AI 工具解決眼前問題。

第二部分：他用 AI 打造了什麼？八個農場應用案例

以下是 Hiroki 親口分享的八個使用場景。這些應用多半從一段自然語言 prompt 開始，再經過測試與調整逐步完成 。

案例一：用照片初步辨識病蟲害

Hiroki 在田裡發現花椰菜出現黑色斑點，拍下照片傳給 ChatGPT，問：「這是病害嗎？我該怎麼處理？」

ChatGPT 在幾秒內提供可能原因與初步處理建議，包括哪些症狀可以先觀察、哪些情況需要立即請農技人員介入。它的用途比較接近第一輪預篩，協助 Hiroki 判斷是否需要立即請農技人員介入。

案例二：衛星植生監測系統

Hiroki 問 ChatGPT：「如果要用衛星監測農地，有哪些機制可以考慮？」

這個問題最終演變成一套完整的系統：定期抓取衛星影像的植生指數（NDVI 等），疊加到他自己的農地地圖上，讓他可以直觀看到每一塊田的長勢差異 。

衛星遙測過去多半由大型農企業或政府專案使用。Hiroki 則把這項技術接進自己的日常農場管理流程 。

案例三：AI 幫他畫配線圖

Hiroki 在建造溫室捲簾機的控制箱時，拍下複雜的電路板照片，請 AI「解釋每個元件是什麼、屬於哪台機器、整體電路如何運作」，並要求圖說全部用日文 。

結果回傳了一張標示完整的技術圖，他說：「日文出來完全沒問題，我真的嚇到了。」

案例四：Codex 幫他打造遠端溫室控制系統

這個案例同時涉及硬體、雲端服務、資料庫與通訊介面，整合範圍最廣。

Hiroki 用 Codex 串接了以下元件 ：

完成後的效果：他在手機上 LINE 傳送「開」「關」「停」，溫室的側邊通風布就會自動升降 。

若採購商用系統，硬體與安裝會是一筆可觀的費用。他透過 AI 協助設計與撰寫程式，用幾百美元的器材完成核心的遠端控制功能 。

案例五：農場群組聊天機器人

他在農場員工的日常群組 LINE 裡加入了一個機器人，功能包括：查詢各棟溫室的即時溫度、操控捲簾通風、確認當日工作排程 [5]。

機器人設計時還特別考慮「在田裡用手機操作」的情境：按鈕少、文字清楚，也較不容易誤觸。這種針對現場操作環境簡化介面的做法，也值得電商、門市與服務業參考 [5]。

案例六：從聊天紀錄整理工作資料

工作紀錄一直是農業管理的痛點——大部分都記在散落的群組對話裡。Hiroki 把群組的歷史訊息傳給 Codex，問：「這幾輪花椰菜苗一共育了幾盤？」

AI 會整理聊天內容，並依種植批次彙整數字，讓 Hiroki 再進行核對。他說：「只要日誌存在聊天記錄裡，AI 就能挖出來，真的救了我很多時間。」

案例七：深入理解 RTK-GPS 自動導航，再決定要不要買

在決定是否採購拖拉機自動駕駛系統之前，Hiroki 先問 ChatGPT：RTK-GPS 直線輔助駕駛的原理是什麼？我自己有辦法做嗎？

ChatGPT 詳細解說了即時動態差分（RTK）的修正原理、所需元件，以及現有的開源項目。Hiroki 最終發現，自製系統可以用幾十萬日圓以內完成，而同等功能的商用版要價數倍以上。

在採購設備前，AI 也可以協助整理技術原理、所需元件與替代方案。

案例八：用 Airtable 設計農場管理資料庫

Hiroki 請 ChatGPT 幫他設計一個農場管理 App 的資料庫架構，需要涵蓋農地、作物、排程任務、已完成任務、員工、物料、農藥、肥料、溫室、感測器數據等十大類別 。

最終成果是一套以 Airtable 為核心的管理系統，串接工作日誌、農地資訊、溫室數據與物料庫存，並透過 LINE 介面讓員工隨時查詢：「今天要做什麼？」「這塊田下一個任務是什麼？」「這棟溫室現在幾度？」

他用 AI 協助整理需求與資料關係，自己完成了這套農場管理資料庫的架構設計。

GPT-5.6 的版本、能力與相關產品

三個版本：Sol、Terra、Luna

GPT-5.6 於 2026 年 6 月 26 日先以限定預覽方式開放，再於 7 月 9 日正式向全球用戶推出。此次發表包含三個版本，以太陽系命名 [2] [14] [1]：

OpenAI 執行長 Sam Altman 表示，Sol 在代理編碼任務（agentic coding）的 token 使用效率比前代高出 54%。若任務品質相近，較低的 token 用量有機會降低代理編碼工作的執行成本。

為什麼發布被延遲了？

GPT-5.6 的全球推出比原定計畫晚了數週。原因是美國政府基於「強大 AI 技術潛在被誤用」的國家安全顧慮，要求 OpenAI 先進行額外測試和協調。完成相關程序後，GPT-5.6 於 7 月 9 日正式推出 。

第三方測試中的編碼與代理任務表現

根據第三方機構 Artificial Analysis 的測試，GPT-5.6 在三項關鍵指標的表現如下 ：

部分使用者認為 Anthropic Fable 在「原始智能」上仍略勝一籌，但 GPT-5.6 被認為在日常任務上更穩定。對需要把 AI 接進日常工作流程的使用者而言，穩定性往往比單一測試分數更直接影響使用體驗 。

Ultra Mode：協調多個 AI 子代理並行作業

GPT-5.6 Sol 引入新的 Ultra Mode，可以在單一任務下協調多個 AI 子代理（subagents），同時推進不同工作。舉例來說，使用者可以交辦「幫我做這個月的預算差異分析並產出報告」。模型在取得必要資料與權限後，可拆解步驟、整理資料並產出報表；使用者仍需設定目標與驗收結果 。

ChatGPT Work：Codex 融入日常辦公

與 GPT-5.6 同步發表的還有 ChatGPT Work。這是一個將 Codex 的「多步驟任務拆解」能力延伸到一般辦公場景的全新功能，可以整合 Slack、Gmail、Google Drive、SharePoint、CRM 等常用工具。

使用者可以連接自己的 App 和檔案，ChatGPT 會判斷需要從哪些來源取得資訊，再產出文件、簡報、試算表或網站。ChatGPT Work 則把 Hiroki 在農場採用的跨工具協作方式，帶進一般辦公情境 。

第四部分：OpenAI 為什麼選農夫當主角？

OpenAI 對人物的選擇，也反映了這次的產品定位。

OpenAI 發表 GPT-5.6 的宣傳影片裡，出現了三個截然不同的人物：一位在北海道管理溫室的日本農夫、一位在波蘭攻克多年難題的數學家、一家在紐約用 AI 幫忙經營的家族麥片店。

這三個故事共同強調：GPT-5.6 的目標使用者不只包含工程師，也包含有具體問題需要解決的各類工作者。

Hiroki 的背景與典型的軟體開發者不同：他沒有程式設計教育、農業科系或大公司資源。他建立的每套系統，都從一個以自然語言描述的具體問題開始。

OpenAI 想傳達的是：GPT-5.6 降低了個人把需求整理成可用工具的技術門檻與開發成本 。

第五部分：從 Hiroki 的農場案例看三個實務變化

變化一：小型客製工具的建立門檻正在降低

過去，你要做智慧農業，必須買昂貴的封閉式農機系統；要建一套庫存管理系統，要找軟體公司客製或購買 SaaS 套件。

通用模型搭配領域知識，可以協助個人更快做出符合自身流程的小型工具；正式使用前，仍需完成資料串接、測試與維護 。

Hiroki 沒有直接購買一套農場管理系統，而是用 AI 把自己的農場知識轉成符合操作習慣的工具。這種方法特別適合包含重複步驟、但仍需要人工判斷的工作。

變化二：比寫程式更值得先練的能力，是把問題拆清楚

Hiroki 在整個過程中，AI 做的是「把想法翻譯成程式碼」，他自己做的是：判斷哪個問題值得解、描述清楚需求、驗收結果、承擔失誤風險 。

這是一種 PM 思維：你負責定義問題、拆解需求與驗收結果；AI 可以協助產生程式碼和執行步驟，但最終判斷與風險仍由人承擔 。

對 AI 郵報的讀者來說，這代表你最值得強化的技能，是「把一個模糊的問題拆解成清楚的需求描述」，而不是「學會寫某個程式語言」。

變化三：公開 AI 導入過程，也能累積個人品牌內容

Hiroki 從一開始就把自己建系統的過程，一步一步公開在網路上，以「一個農夫正在自學如何寫程式」的身份分享 。

這讓他除了農夫身分，也逐漸成為持續公開 AI 農業實作經驗的代表人物，最終成了 OpenAI 官方發表影片的主角。

對創作者和品牌而言，記錄 AI 導入過程，本身就是具體的內容素材，也能逐步累積可重複使用的知識與案例。

第六部分：本週可以開始的三個 AI 實作

入門：交出一項重複任務
挑一件你每週都在做、需要一點判斷力卻很耗時的工作，例如整理每週的 AI 新聞摘要、為不同平台改寫同一則消息，或撰寫商品描述與客服回覆模板。先讓 AI 做初稿，你負責最後的事實確認與語氣調整。這就是你的「病蟲害預篩」版本。

進階：建立半自動流程
找出最常靠手動完成的資料彙整或通知工作，試著用 GPT-5.6 搭配 Google Sheets、Airtable 或 Notion，設計一個半自動流程。你可以先不從完整的程式課程開始，而是把資料來源、處理規則與輸出格式寫清楚，再請 AI 協助設計流程 。

持續：記錄 AI 導入過程
每做完一個小自動化，就用 100 到 200 字記下：問題是什麼、你怎麼問 AI、結果如何，以及遇到哪些問題。這份日誌能累積實戰知識，也可成為日後處理同類型專案時的實用參考。Hiroki 的公開紀錄，最後也讓他登上 OpenAI 的全球發表影片 。

第七部分：Hiroki 案例反映的產業變化

要理解這項變化，可以先看過去個人取得生產力工具的成本。

過去幾十年，農業技術的進步主要流向大型企業：衛星系統要幾十萬美元、自動化設備要幾百萬台幣、專屬軟體要按年訂閱。個體農場主被隔在這個循環之外 。

同樣的邏輯也發生在商業世界：會計系統、CRM、庫存管理，個人和微型企業要取得這些工具的成本，與大企業相比並不成比例。

GPT-5.6 進一步降低了個人建立小型軟體工具的門檻，讓具備明確需求與領域知識的人，更容易參與工具的設計與實作。

Hiroki 沒有自行組建軟體團隊，而是利用 Codex 協助設計與撰寫程式；相關工具的成本主要是每月數千元台幣的訂閱費。

這類工具正降低小型組織與個人建立客製化工作流程的成本，但可靠性、安全性與後續維護仍需要人工負責。

結語：先從一個具體問題開始

OpenAI 選擇用一名日本花椰菜農夫的故事宣傳 GPT-5.6，這項行銷選擇反映了它想傳達的產品定位。

Hiroki 的案例顯示，沒有大型開發團隊的個人，也能利用 AI 建立符合自身需求的小型工具。前提是能清楚描述問題，並願意持續測試與修正結果。

不妨先列出一項每天重複、耗時且規則相對清楚的工作，再判斷其中哪些步驟適合交由 AI 協助。

Hiroki 的做法，也是從一個具體問題開始。

本文資料來源包括 OpenAI 官方發布、Reuters、Axios、Gigazine、ChatGPT Pro Community 官方 Substack，以及世界經濟論壇農業報告。