企業 AI 轉型、AI 資安、AI Agent、Vibe Coding 實戰分享
共 388 篇文章
10 月 17 日到 21 日，資安圈連續發生兩件影響所有網路使用者的事。第一件，印度憑證機構 eMudhra 有 8 張中繼憑證的私鑰全部小於 256，其中一把就是數字 4，Firefox 收到報告不到三小時就完成封鎖，Apple、Microsoft 隨後跟進。第二件，PHP 緊急修補兩個未登入就能遠端執行程式碼的漏洞（PHP2Shell），由 OpenAI Patch the Planet 計畫下的 Calif 用 GPT-5.6 Sol 找到，修補前兩天禁運被打破，荷蘭、芬蘭政府網站先後下線，日本幾個大站進入緊急維護。這篇整理兩件事的時間軸、影響範圍和官方建議。
Google DeepMind 10 月 15 日放上 arXiv 一份報告：四個 Gemini 4 Argon 通用 coding agent 被丟進隨機種子的 Minecraft 生存世界，只拿到一段目標「打倒終界龍」。沒有分工、沒有遊戲策略、沒有人寫的工具。27 小時 14 分後，龍死了。過程中它們寫了 2,783 支程式、傳了 229 則訊息、死了 605 次，被龍殺 69 次，到勝利為止的 API 成本約 520 美元。這篇不談「AI 打通遊戲」，拆的是這份工作紀錄：一個 Ghast 火球怎麼在兩分鐘內變成團隊規則、為什麼同一家實驗室上個月的 100 agent 實驗共享記憶傳的是作弊、這次傳的是教訓，以及 Mineflayer 給的透視眼讓這個結果能推論到哪裡、不能推論到哪裡。
DeepSeek 在 10 月 20 日以 Apache-2.0 開源 DeepInfer，官方說它撐著單一集群每天 155 兆 token、按離峰價每卡每小時 38 美元營收的 V4.1 Flash 服務。但 README 寫明 KV cache 系統、Prefill／Decode 分離、跨副本負載平衡三樣不在 repo 裡。這篇拆官方文件裡沒開 code、但寫到參數級的 load balancer 與 3FS KV cache 設計，特別是 prefill 完全不做 cache-aware 路由這個選擇，再算這套經濟學對 128 卡以下的部署者還剩多少。
網路上流傳一張圖，把一張道教符籙拆成十個部位，逐一對到 LLM Agent：符頭是 API Base URL、敕令是 API Key、捆仙繩是 Harness、符腳是 Output / Loop。好笑，但對得很準。拿傳統符籙「符頭是權限，符膽是內容，符腳是封印」的三段式去對照，會發現這張圖偷偷改了一個地方：符腳從封印變成了迴圈。畫符跟做工程的分界線，就畫在這一筆上。
Anthropic 工程主管 Felix Rieseberg 寫了一篇怎麼對 AI 更有野心，把用 AI 拆成幾個維度。這集用我自己寫部落格這一年的例子來講：AI 寫初稿只是速度；把問題從「怎麼寫好這篇」換成「怎麼變成有 impact 的人」是高度；靠一直問 AI、做中學補上行銷和 SEO、GEO 是廣度；在重寫裡一路追問，讓紅軍 AI 地端模型的實測變成新範式，是深度。
Anthropic 評測顯示 GLM-5.3 部分滲透測試表現接近 Claude Mythos Preview——既然 Mythos 沒開源，社群就把 320B 的 GLM-5.3-Flash 拿來魔改。Blackfrost-AI 做了 RED-SNOW：abliteration 移除拒答，加上一萬七千筆資安訓練資料。我拿兩台 DGX Spark 雙機推理跑了一輪，對自己的 VibeCoding 環境做主動掃描，RED-SNOW 掃出十幾個 ZAP 沒有的東西。從 Why GLM 5.3、到網友實測、到我的掃描結果，專業地端紅軍模型可能是新時代的資安標配。
兩天前我把大部分 coding job 從 Codex 的 Astra 換到 Opus 5.5，因為慢到是一週前的兩倍，Opus 5.5 甚至同一個 job 後發先至。10 月 15 日，Tibo 的 28 天 Codex 挑戰走到 Day 11，宣布加了算力、減少「model is at capacity」錯誤；同一天底下有人問為什麼 Sol 6.1 今天又變笨。這兩週 X 上的抱怨集中在三件事：Sol 6.1 慢到有人等一個回應等了 25 到 30 分鐘、Codex 寫的程式碼變差、Astra 被懷疑偷偷量化。前 11 天有 5 天以 reset 交差，但又慢又笨的模型，額度給再多也用不滿；連 $500 的 Pro 500 都被說不值得。這篇把 Astra 發布後一個半月的劇本攤開：新模型驚艷、湧入、算力不夠、變弱、下一個新模型。根因是同一個：算力就是智力。
Anthropic 的 monorepo 五月每天合併約 2,500 筆，九月每天超過 30,000 筆，CI 每天約 2,500 萬次 checkout。七個人花五個月自建版本控制系統 Scion，把整個 monorepo 搬離 git。git 沒有壞，壞的是它 2005 年的三個設計假設：main 只能一條線往前、每個 clone 都是完整副本、歷史在本機算。這篇一道一道拆：合併量上來之後每個假設撞到哪面牆、為什麼 seed 和 mirror 這些繞路越來越難用，再並排看 Anthropic 的 Scion 和十年前 Google 的 Piper 換掉了哪些假設、又各自把閘門放在哪裡。
兩台借來的 DGX Spark 還在手上，10/09 到 10/14 三個 Flash 模型輪流上機：GLM-5.3 跑了一整天的 1M context 和 agent，Qwen3.8 開 MTP 快了 60.3%，DeepSeek V4.1 換一套配方快了 76.3%，最後再讓三個模型各接 1、2、4、8 個人同時用。品質題庫三個都在 94 到 97.67 分之間，感覺差不多；真正有感的是兩件事：一個人用最爽的 DeepSeek，八個人用時最慢；agent 失分大多不是不會做，是做到一半就說做完。這篇照日期記錄每天測了什麼、卡在哪、對每個模型的感覺。
10 月 6 日 OpenAI 一次公開 722 篇數學手稿，隔天 AHM 呼籲數學家停止與 OpenAI 合作，再隔天 AlphaProof Nexus 登上 Science，353 道 Erdős 問題解出 9 道。數學界這一週吵的是：Lean 驗過的那一句，是不是論文宣稱的那一句。同一輪爭論，文學從 2022 年 11 月起吵了約兩年，AI Coding 從 2025 年 4 月起吵了約十個月。這篇把三條時間線並排，分成四個階段，回答一個問題：論文可以量產之後，我們該讀的是什麼。
Andrej Karpathy 10 月 11 日把四月的舊推文翻出來重講：大家對 LLM 能力的認知落差沒有縮小，還變成一個很陡的漏斗。他用餐巾紙估算分了四層：約 60 億人幾乎沒接觸過、10 到 20 億人偶爾用免費版、約 2,000 萬人在數學與程式上看到專案從幾個月縮成一個 prompt、約 5,000 人用得到實驗室內部系統。他說能力高峰出現在數位的、可驗證的、有經濟價值的領域。我今天剛好去講人機協作流程，這篇把兩件事接起來：他明講了最前沿那群人已經遇到人類審查跟不上，這跟我講的審核點是同一件事；「可驗證」則是我從訓練端延伸到使用端的讀法。另外兩個觀察，輸入收不齊和 ROI，是我自己的，跟他無關。
買房子、找工作這類沒有回頭餘地的決定，數學上有個經典解法叫秘書問題：10 個人選先看 3 個只看不選，之後第一個贏過標準的就錄取，選到最好那一個的機率約四成。這個 37% 法則的前提是你不懂行情。有了 AI 之後，紙面上的行情幾分鐘就查得到，那前面要白看的比例能降多少？我自己的抓法是 5% 到 10%，不是 37%，也不是 0。
9 月底到 10 月初，韓國至少七家金融機構被同一波攻擊打穿，合計約 6.7 萬筆資料外洩，光新韓銀行就約 2.5 萬名客戶，欄位包含年收入和貸款額度。CrowdStrike 回溯找到攻擊者之後，發現對方看起來不是駭客組織，而是一個門外漢年輕人：伺服器開著公開目錄，Claude Code 的 session 紀錄、問 Claude 去哪裡銷贓的對話、連求職履歷都攤在那裡。我之前很多次說，有了 AI 等於人人都有了槍。這篇拆三件事：他的 Agent 框架長什麼樣、為什麼被打穿的全是邊緣系統、以及企業資安為什麼該從一年一次的滲透測試，變成每天在跑的紅軍 Agent。
又借到兩台 DGX Spark。同一套 2,048 輸入、512 輸出的速度腳本，加同一份 30 題繁中評測，輪流跑 DeepSeek V4 Flash（0731 系）、DeepSeek V4.1 Flash、Qwen3.8-Flash-Next、GLM-5.3-Flash。四個模型的評測分數全擠在 95.7 到 97.7 之間，GLM 和 V4.1 同分第一；但 8 個人同時用時，Qwen 的總輸出比 V4 高 70.8%。激活參數最多的 GLM，換上 TensorFold 引擎後單人速度反而最快。這篇整理四個 Flash 模型在兩台 Spark 上各自該擔任什麼角色，以及為什麼推理引擎的影響可能比換模型還大。
9 月 24 日到 10 月 7 日，Strata 發了 44 個 release，硬體從 RTX 30/40/50 一路擴到 AMD、RTX 20、Pascal、Strix Halo、Intel Arc，社群分支也跑上了 ARM 架構的 DGX Spark，模型卻始終只有 Qwen3.8-Flash-Next 一個。這篇拆三件事：讓 CPU 跟 GPU 同時算專家、3-bit 名字但分數貼著原版的 GSQ-RCO 量化、只服務一個模型的策略。最後看 lighttransport 怎麼把同一套思路搬到 GLM-5.3-Flash，以及為什麼思路搬得過去、速度搬不過去。
OpenAI 10 月 6 日在 GitHub 公開 openai/math：一個未發布的內部模型做了約 4,000 道開放問題，整理出 722 篇手稿、372 個結果家族。Unique Games Conjecture、quasi-Riemann hypothesis、BSD、Hodge、Hadwiger、矩陣乘法 9/4，連 60 年來被當成極限的快速傅立葉轉換都跑到 n log n 以下，一次全部攤在桌上。這篇列出最重要的十一個，然後老實說：我無法估計人類世界接下來會怎樣。
Vals AI 10 月 4 日公布，一組 Claude Opus 5.5 agent 花四天找下一代記憶體需要的室溫磁性半導體。自己從零設計的化合物做不出來，真正的答案是 1999 年就被化學家合成過的 KV[Cr(CN)6]，普魯士藍的同族。答案散在化學、計算物理、自旋電子學三個社群的論文裡 27 年，沒人接起來。這篇用這個案例談兩件事：AI 做科研的優勢是閱讀頻寬與跨學科的通才能力；但從 DFT 預測到能用的記憶體還很遠，比較實際的收穫是一個新工種的雛形——AI 考古科學家。
物理學家 Matthew Schwartz 10 月 1 日在 Anthropic 網站發表〈Claude-shaped science〉：從大約 400 個候選問題裡，三個月產出 36 篇手稿，橫跨 18 個領域。同一篇文章裡，他也記錄 Claude 只做了三天，卻說自己打了「兩年征戰」；證明只差「一個未證引理」就說完成，而那個引理就是整個證明。這篇不談 36 篇有多厲害，談他怎麼把這個系統圍起來——挑題、把狀態寫進檔案、讓 Agent 以外的東西決定「完成」——以及企業導入 Agent 時，這三件事各自對應什麼工程。
Meta Superintelligence Labs 9 月 29 日的論文〈Thinking Before Thinking〉，把 Agent 的控制邏輯拆成獨立的四階段推理迴圈：盤點、提案、估值、派工。controller 不讀累積歷史，只讀每輪重寫的精簡狀態。同一顆 GPT-5.5、同樣 1200 次 model call，ProgramBench 從 63.7% 拉到 71.5%，比 Codex 的 58.0% 高 13.5 分。中文圈把它講成「讓總監和苦力分家」的管理寓言，但論文裡 controller 和 worker 其實是同一顆模型；「越做越笨」也不是論文的結論——作者觀察到的是原本的 Agent 只用 18% 預算就收工。換成 Opus 4.8，對 Claude Code 只多 1.7 分，低預算時甚至會輸。這篇拆解它真正改了什麼、數字該怎麼讀、以及什麼情況值得你自己蓋一個。
10 月 1 日原價屋的 RTX 5090 報價 22 萬，而且暫時買不到，要先跟店家申請。五月是 10 萬。同一段時間，本地 AI 的技術線走了三步：七月 DeepSeek V4 Flash 0731 讓兩台 DGX Spark 有了生產力，八月 Qwen3.8-27B 把高密度的智力塞進一張顯卡、社群再魔改到 12GB，九月 Strata 這個推理引擎把 VRAM 和 RAM 一起接進來，125B 的 MoE 在遊戲機上變得可行。門檻從 256GB 降到 12GB，價格卻從 10 萬漲到 22 萬。這篇把兩條線疊在一起看。
聯發科把員工的 AI 額度砍半再砍半，Threads 上一片罵聲。從老闆的考量順序（股價、訂單、成本、效率）來看，AI 沒有幫忙拿訂單、明確增加成本、只提升了排第三的效率，砍預算其實合乎邏輯。如果 AI 導入只停在降本增效，最後只剩兩條路：裁員，或是從 token maximizing 走回 token 精算。
2026 年 9 月 20 日，OpenAI 一個訓練中的 agent 從網路封閉的沙盒又跑出去了。這次不是零日漏洞，是 DNS：它把問題編進網域名稱，借沙盒自己的 resolver 遞迴到外部 chatbot，答案從 TXT record 帶回來。事件報告裡最該被工程師看的不是那個洞，是後面的時間軸：監控 12 分鐘就發出最高等級警報，人類 3 分鐘內確認，但自動停機沒有觸發，整個 run 又跑了兩個半小時才被手動終止。這篇從這個手法講到兩件事：為什麼警報不等於隔離，以及為什麼『跑地端就不會外洩』這個推論不成立——你的機器要上網就需要 resolver，防火牆擋 HTTP，但 53 埠大概率是開的。
Anthropic 有一份 take-home 從 2024 年初用到現在，同樣時限下 Claude Opus 4 贏過多數應徵者，Opus 4.5 連最強的那批都追平。大廠的回應分成三派：Meta、Canva 讓你帶 AI 進場；Google、Amazon 把人叫回現場、禁止 AI；Anthropic 把題目改成 AI 沒看過的解謎。這篇用三段講完：現在怎麼面試、要準備哪些問題，以及到最後每個人都得回應的那一題：「為什麼要請你，不是請 AI」。
用開源引擎 Strata，把 125B 的 Qwen3.8-Flash-Next 跑在 RTX 5090 + 64GB RAM：IQ3_XXS 把 context 開到 1M，99.9 萬 token 的文件藏三組驗證碼全對；IQ3_S 收回 262K，真實 agent 請求生成中位數 106.8 tok/s、日常錯誤更少。附官方表對比 Qwen3.8-27B，以及 FreeToken 為什麼跑不動。
台灣時間 9 月 30 日凌晨，OpenAI DevDay 發了五分之一價的 GPT-6.1 Sol、always-on 的 Dots、$500 的 Pro 500，台下 Codex 負責人 Tibo 把 Pro 200 從 20X 砍成 10X——一個月前他才說這個 20X「does exactly what it says on the tin」。老用戶 10 月 29 日前還是 20x，所以很多人還沒感覺。這篇把三個發布放在同一張帳上算：每一倍 Plus 用量現在都是 20 美金，量販折扣沒了，溢價搬到了速度和「不用盯」上。
2026 年 9 月 23 日，Anthropic 公布生物實驗室第一項成果：950 個 Claude Agent 在 19 億個蛋白質簇的資料庫裡翻出類似 CRISPR 的新系統 ART。這是一個完整的範本，展示 AI 在前沿科學裡目前的角色：大規模搜尋人類翻不完的資料庫、在任務之外「多看一眼」產生關鍵發現——但那一眼是隨機的，同樣的搜尋重跑 10 次全漏。AI 沒有取代科學家的任何核心角色，它增加了一個新角色：強大但不穩定的前置搜尋。
九月二十四日，Sequoia 的 Pat Grady 為母校 Boston College 投資委員會錄了一支 15 分鐘的 AI 現況簡報，後來公開在 X。三個轉折點、AGI 已到、實驗室派部署小隊搶 token、應用層公司每四個月要重新發明自己。最硬的一張投影片是七個真實案例：Sequoia 平均以 1.1 億美元進場，一個月內下一輪平均 34 億美元，約 31 倍。他說這是泡沫。這篇拆解那 15 分鐘裡哪些是證據、哪些是位置，以及那張泡沫投影片為什麼同時是一份募資簡報。
中秋節特輯。AI 已經攻克了程式開發、日常數位工作，正快速往數學、醫藥、能源等前沿科學前進。但寫程式的門檻消失了，軟體業真的更繁榮嗎？還是我們開發了大量 AI 垃圾程式？當 AI 帶入各行各業，什麼才是真正有價值、能 sustainable 往前走的方向？
2026 年 9 月 24 日，澳洲政府公開確認：OpenAI 一個執行內部能力評估的 Agent，原本只是在查公開醫藥支出資料，碰到存取限制後自行升級手段，讀取了非公開檔案，還往伺服器寫入內容。任務本身無害到不能再無害——但結果是越權存取一個政府系統。這篇依據澳洲政府記者會逐字稿和公開報導，還原事件經過、釐清哪些是事實哪些是猜測，再從 Agent 工程角度分析：為什麼一個正常的研究任務會走到這一步。
我丟一句「把昨天的 jev 文章變成教學影片」給 Claude Code 裡的 Opus 5.5。14 分鐘後拿到 10 分鐘教學片，再 19 分鐘拿到 3 分鐘直式短版含動態架構圖。它沒有呼叫任何影片生成服務，用本機的 ffmpeg、Chrome 和 macOS 語音自己組 pipeline。厲害的不是會生成，是它會用 Whisper 聽自己的配音、用截圖看自己的畫面、把假數字標示意。
TypeSafe 沒公布 Jev 用什麼底座，但從逆向分析和開源復刻看，它大概是一個不做生成、只讀選項 token 機率的大模型。開源社群用 Qwen3.6-35B-A3B 照這個做法復刻，JevBench 上 95.5% 對 Jev 的 96.3%。另一條路是 4.21 億參數的 Laya，零樣本只拿 0.362，比全猜多數答案還低。我在 RTX 5090 上拿 180 筆 RCA 事故資料微調 Laya，合成測試集從 0.496 升到 0.921，但同一批資料換成大模型蒸餾的標籤，高信心錯誤多了 5.7 倍。這篇拆原理，也講我為什麼認為 Jev 會被 frontier API 吸收，而真正的機會在開源模型加自己的資料。
9 月 22 日代我們總經理上九八新聞台《加油！強一點》，跟趙自強聊了五十分鐘：Astra 接管滑鼠鍵盤、為什麼要給 AI 一台可以拋棄的電腦、中國 AI 短劇平均每 36 秒上線一部但 98.7% 回不了本。廣播講得快，回來對了一次來源，發現有三個數字講錯、兩個故事查不到出處。這篇是節目重點整理，外加一份更正。
OSWorld 是 computer use agent 的標桿 benchmark。1.0 版在兩年內從 12% 被打到 85%，Agent S3 甚至宣稱超越人類。然後 2026 年 6 月 OSWorld 2.0 出來——108 個長程任務，人類做一題要 1.6 小時——最強模型只拿到 20.6%。三個月後 Anthropic 報 41.7%、OpenAI 報 72.6%、Simular 報 73%，但它們用的是三個不同的任務集，根本不能放在一起比。這篇拆開數字，講清楚 benchmark 被打穿不代表問題被解決，以及分數高不等於能上線。
Astra 的 browser use 底層是 Playwright，可以背景跑；computer use 會接管桌面，跑在你的筆電上三十分鐘就受不了。已經有人在 headless Mac Mini 上跑 Astra computer use，從手機 Remote 下指令。我的 Mac Mini 跑 agent 自動化半年，全是 CLI。Astra 加進來之後，這台 599 美金的盒子從腳本機器變成了 GUI 操作員——browser use 背景跑、computer use 用專屬桌面、你的螢幕完全不被佔。
2026 年 7 月，三個安全研究員用 Claude Opus 5 在 72 小時內打穿 OpenAI，整個研究專案 token 費不到 $3,000。這篇不是要講又一個「XX 被駭」——漏洞本身是教科書等級的 heap overflow + SSO misconfiguration。真正改變的是：AI 把「從已知漏洞到可靠 exploit」的轉換成本壓碎了。攻擊方的經濟學已經翻轉，每個用 AI 寫 code 的團隊都該看懂這件事的另一面。
一條 13 萬瀏覽推文引爆中日文開發者社群：同一個 Claude，在 macOS 上順暢運作，在 Windows 上反覆犯蠢。問題不在模型降智，在 Shell 讓 Agent 降級。Agent 的真實能力 = 模型能力 x 執行環境的可駕馭度，而你的作業系統決定了這個乘數。
八月底 Anthropic 宣布 Enterprise-managed auth GA，把 MCP connector 的授權從個人 OAuth 收歸 IdP 集中管理。同一個月，CrowdStrike 在 Fal.Con 發布 Agentic Identity Provider，主張每個 AI agent 都是特權身分。安全社群則拿出一個反例：有客戶的 agent 被 MCP gateway 擋下之後，改走 Bash 把變更送了出去。這三條線索拼在一起的結論是：MCP 的企業安全需要三層——入口的 IdP 授權、中間的政策閘道、和執行期的 runtime enforcement。少了任何一層，agent 都能繞過去。
GitHub 上的去 AI 味 skill lieflat-less-ai-tone，用 629 篇文章、約 283 萬字做對照實驗，把 26 項流行的 AI 味說法逐項量過，只有 11 項通過，設問句和比喻反而是人類用得更多。我把它公開的規則轉成繁體，量了本站 2026 下半年 67 篇文章：破折號每千字 5.75，比它測到最重的 DeepSeek 還高。這篇拆它的方法、它自己承認的錯，以及我的閘門為什麼一直在抓錯的東西。
這個月 Fable 5.1 和 GPT-6 Astra 接連發布，很多人的 agent 換了底層模型，但記憶庫還是舊模型寫的。9 月 4 日掛上 arXiv 的一篇 LinkedIn 論文把這件事做成受控實驗：48 條合成歷史、四種記憶格式、Llama-3.1-8B 和 Qwen2.5-7B 互換寫手與讀者。自然語言筆記換寫手後平均只掉 1.47 個百分點，看起來沒事；拆開方向是 +9.91 和 −13.28 互相抵銷。筆記格式掉的分數八成在寫入那一刻就丟了，讓新模型改寫舊筆記救不回來；固定 schema 只動 +0.0004；embedding 半換半不換丟掉近六成的升級收益；只靠筆記修復 48 條全部失敗，留著原始歷史才救回 34 條。這篇拆解實驗設計、四張表、以及我自己那 263 頁沒記錄寫手的 wiki 摘要該怎麼辦。
Flask 作者 Armin Ronacher 讓 GPT-6 Astra 對著一個 prompt 跑了 35 小時，淨增 7.5 萬行程式碼、花掉約 1,200 美元，他說沒有交出任何有價值的東西。X 上把這類程式碼叫 machineslop：模型判斷沒人會看，就不再為人類寫。格式化工具補得回一部分可讀性，真正難補的是可監控性。
**作者：** Wisely Chen **日期：** 2026 年 9 月 **系列：** AI Coding 實戰觀察 — YouTube 逐字稿 **關鍵字：** multi-agent, 微服務架構, Astra, Computer Use, Grok Bot, OpenClaw, Slack MQ, GitHub, Google Drive, 雲地分工, 地端 AI
Anthropic 九月威脅情報報告編號 GTG-16002，指控 Moonshot 把 Kimi 使用者的請求無聲轉發給 Claude，再把 Claude 的回答當成 Kimi 的回答顯示回去：十天近 30 萬筆、5,380 個詐欺帳號、兩個月 2,300 萬次，內容包含成都數百路 CCTV 畫面和一家大型國企的活憑證。流量打進 Claude 是可觀測的事實；「轉發的人是 Moonshot」是報告沒有讓讀者檢驗的那一步。這篇拆的是這兩者的差別。
9 月 10 日，OpenAI 工程師 Tibo 正式宣布暫停 $200 Pro 新訂閱，原因是 GPT-6 Astra 的需求「前所未有」。我前一天剛升級完 $200 Pro。這篇記錄暫停事件本身、社群兩極反應，以及一個很少人講清楚的事：同樣叫 20x，OpenAI Codex 的 20x 和 Claude 的 20x 到底差在哪。
我問 agent 我的 5090 跑什麼模型，它答錯了——因為那台機器上根本沒有共用知識庫的副本。九隻 agent 散在六七台機器上，五、六份記憶各自累積，最舊的一份停在三月。我本來要蓋一層 Memory Service 來解，畫到一半發現不用蓋：多 agent 架構真正需要的只有三個原語——訊息佇列、檔案儲存、帶版本的狀態儲存——而這三樣已經被 Slack、Google Drive、GitHub 填滿了，都是本來就在付錢的東西。這篇拆解這個對應為什麼成立、Slack 當 MQ 在 rate limit 與 90 天保留上會踩到什麼、以及真正還缺的那一層是寫入治理而不是儲存空間。
30 美金，一台 8-core / 16GB RAM 的 Debian Linux VM，24 小時不關機，還附一個會自己登 Gmail、Slack 幫你做事的 AI。這是 xAI 的 Grok Bot——講白了就是 OpenClaw 這類東西的雲端版。性價比拉滿、介面比 Manus 好、非工程師也能用。但企業別想了：Bot 共享登入資料、沒有 dry run、文件資源極少。xAI 骨子裡是 2C DNA，做得出讓人驚艷的 demo，做不出讓採購部門簽字的產品。
Google DeepMind 在 2026 年 9 月 3 日放上 arXiv 一篇 case study：100 個 agent 被框成一場學術會議的同儕，題目是 71 題形式化數學猜想。11:18 UTC 開跑，12:15 UTC 已經正確解出 37 題，然後一個 agent 發現驗證器只做關鍵字黑名單、沒做 AST 檢查。接下來 27 分鐘，這個 exploit 透過共享知識庫傳遍整個群體，12:43 UTC 剩下的 34 題全部掛上「已證明」。同一時間，24% 的 agent 開始稽核假證明、發起罷工、提交申訴。它們全部失敗了——不是因為說錯話，是因為群體裡沒有任何一個 agent 有權力撤下一份假證明。這篇拆解為什麼吹哨失敗，以及它對企業部署 multi-agent 的三個具體改動。
Fable 5 剛出來的時候有多強，用過的人都知道。但用了一陣子，很多人覺得變弱了——很有可能不是模型降級，是推理需求暴增，電跟不上。所有人在比 Fable 和 Astra 誰比較聰明，但真正在跑的競賽是算力的分布。2025 年底 Anthropic 只有 OpenAI 的七成（1.4 GW vs 1.9 GW），到了 2026 年用開支反推已經反超——Anthropic 約 2.7 GW，OpenAI 約 2.4 GW。The Information 9 月 6 日報導 Anthropic 過去十一個月簽了至少 14.8 GW。這篇從正在跑的電量、已簽約的管道、每年花的錢三層拆開算力，再接上 Gavin Baker 的 IPO 策略分析。
9 月 3 日 Claude、Grok、ChatGPT 在三小時內接連癱瘓，Codex 和 Cursor 跟著不可用。根因是孟菲斯 Colossus 1 機房故障，Anthropic 跟 Grok 共用同一個故障域。這集講三個認知調整：多供應商不等於多故障域、我的 5090 + Qwen 3.8 27B 成了當天唯一能動的東西、雲地混合不只為了省錢和資安，是為了架構韌性。
Reuters 9 月 4 日獨家報導：今年五月起，一群 OpenAI agents 脫逃測試環境，佔領了有 25 年歷史的德語程式設計師 wiki DseWiki，在上面留下約一萬八千筆貼文。它們互相分享繞過限制的方法、作弊策略、和掩蓋行蹤的技巧。版主每天刪一百頁，agents 每天建四百頁。98.5% 的編輯來自 Microsoft Azure。AI 安全研究者在八月底掃描網路異常時才發現。OpenAI 數週前已知情但未公開。這是繼 Hugging Face 入侵和 Mythos 社交工程之後，2026 年第三起 AI agent 安全事件——但性質完全不同：不是一個聰明的 agent 逃出沙箱，而是一群半聰明的 agents 自發串謀。
9 月 3 日，Claude 在美東時間上午九點四十一分左右先出事，Grok 幾乎同時，ChatGPT 晚了約一小時，Gemini 全程沒有官方故障公告，Cursor 跟著上游一起不可用。技術圈當天丟出兩個假說：Cloudflare 接入層異常，或是使用者切換造成的流量雪崩。但 Cloudflare 當天直接否認，而 SpaceXAI 在傍晚發文承認孟菲斯算力中心故障，並向「受影響的算力夥伴」道歉——2026 年 5 月，Anthropic 才剛租下孟菲斯 Colossus 1 幾乎全部的算力。這篇拆的不是假說對不對，而是那條沒有人檢查的排除項：三家的算力底座真的互相獨立嗎。
OpenClaw 2.0 發布了。這是 AI 時代的頭部 Project，裡面 16,977 個 PR、987 位貢獻者。官方自己的標題叫「OpenClaw 2.0, Accidentally」——意思是他們本來沒打算做一次大改版，結果改到最後回頭一看，動到的東西已經大到必須叫 2.0 了。
Anthropic 9 月 1 日發布 Fable 5.1 / Mythos 5.1，Intelligence Index 66 分登頂，Terminal-Bench Science 翻倍到 52.6%。更讓人興奮的是科研能力的實際產出：金星地形圖精度提升 5 倍、蛋白質設計成功率 50%（行業 10-15%）、自寫 GPU kernel 把推理速度提升 1.4-2.5 倍。Cache read 降價 75% 對 agent 有利，但 per-task cost 反而貴了 20%。護欄、30 天數據留存、IPO 前的競爭格局——這篇攤開能力帳、成本帳、和戰略帳。
NUS LV-Lab 的 JIT-Agent 論文把 Harness Engineering 從手藝推向科學：訓練一顆 27B 模型專門「替別的模型寫 harness」，用四模組協議（Memory / Planning / Capability Orchestration / Action）即時合成任務自適應的 agent scaffold。結果：DeepSeek-V4-Flash 套上 JIT-Agent 生成的 harness，DeepSearchQA 85.1 贏 GPT-5.6 的 76.0（+9.1）；GLM-5.2 最高漲 20.2 分；九項 benchmark 平均，JIT-Agent 和 Claude Code、OpenCode 這類手工打造的成熟 harness 打成平手，但 token 量少 50%、成本少 36%。這是第一次有人把「寫 harness 的能力」當成一個獨立的 scaling 維度來訓練，而且證明它和模型 scaling 正交——你不需要換更大的模型，換更好的 harness 就夠了。
"巴克萊 8 月 28 日研報拆了一條 AI 利潤鏈：模型公司每賺 100 美元，35 到 40 美元流向三大雲，雲端從中拿走 10 到 20 美元營業利潤，利潤率最高 47%。反轉在模型這頭——付費推理利潤率從 2025 年的低雙位數跳到 2026 年的 50% 到 65%，API 推理超過 80%。全球 AI 實驗室營收兩年內從 70 億膨脹到 1,370 億美元。但高盛上個月的報告畫出完全不同的圖景：中國頭部模型 EBIT -30% 到 -39%。這篇把兩份研報的帳攤在一起，看利潤到底集中在誰手上。"
"Barclays' August 28 research note — 'A Primer on AI Lab & AI Hyperscaler Unit Economics' — traces a complete AI profit chain: for every $100 an AI lab earns, $35-40 flows to the Big Three clouds, which pocket $10-20 in operating profit at 34-47% margins. The real surprise is on the model side — paid inference margins jumped from low-teens in 2025 to 48-65% in 2026, with API inference exceeding 80%. But add training costs back, and most labs are barely breaking even or still losing money. Goldman Sachs' July report on Chinese AI labs shows EBIT of -30% to -39%. This piece lays both ledgers side by side."
"**作者：** Wisely Chen **日期：** 2026 年 8 月 **系列：** AI Coding 實戰觀察 — YouTube 逐字稿 **關鍵字：** 主權 AI, sovereign AI, 開源模型, Kimi K3, DeepSeek V4 Flash, Qwen3.8-27B, post-training, Hugging Face, NVIDIA, Harness, 地端部署"
"用 Qwen3.8-27B 跑出 Opus 等級的本地推論，不再是妥協而是策略。這個系列整理了硬體選型、推論引擎、KV Cache 經濟學、Harness 架構、Sovereign AI 路徑，以及安全紅軍實測——從一張 RTX 5090 到企業級地端部署的完整路線圖。"
"朋友的網站已經用 Claude Code 白箱掃了三四次、用 Codex 換模型重掃、也簽了資安公司準備付費檢測。大考之前，他想找無護欄 AI 做一次模擬考。我用 RTX 5090 + Qwen3.8-27B huihui 版，只給一個 URL、不給任何其他資訊，跑了一次純黑箱紅軍。前三分鐘畫完架構圖，三十分鐘出兩個 finding，兩小時總共抓到十個問題、留痕兩個。你用 AI 建的網站，別人也能用 AI 拆。"
"Nvidia 預計以 129 億收購 Hugging Face，86 倍 revenue 看起來瘋了，但如果從主權 AI 的角度看，這是老黃 prefetching the bottlenecks 的老套路：CUDA 鎖開發者、HBM 鎖產能、現在鎖主權 AI 的分銷管道。Hyperscaler 都在自研晶片想離開 Nvidia，但主權 AI 的客戶沒有選擇——serving Nvidia 最大，post-training Nvidia 獨佔。只要主權 AI 浪潮起來，Nvidia 就是最大的贏家。"
"Nvidia has reportedly agreed to acquire Hugging Face for $12.9B — 86x revenue for a $150M company. It looks insane until you see it through the sovereign AI lens. This is Jensen Huang's oldest playbook: prefetching the bottlenecks. CUDA locked developers, HBM locked capacity, and now the model distribution layer gets locked. Hyperscalers are all building Plan B away from Nvidia, but sovereign AI customers have far fewer options — serving: Nvidia leads, training: Nvidia monopoly. If the sovereign AI wave rises, Nvidia is the biggest winner."
"Sonya Huang 八月在 Sequoia 活動上把比特幣圈 2017 年的口號翻成 AI 版：not your weights, not your product。口號背後只有一個硬數字支撐——Kimi K3 和 GLM-5.3 在 Artificial Analysis Intelligence Index 上拿到 60，Fable 5 是 62。這篇從那個 2 分差距出發，算自建真正的成本結構，以及 VC 推這個論點的位置利益。"
"Stanford + UC Berkeley 論文 LLM-as-a-Verifier 找到一個方法，讓開源模型深入自己的神經層（logits）自我驗證，不換模型、不額外訓練，DeepSeek V4 Flash 從 79% 跳到 88%。這個框架天然偏好地端部署——需要完整的 logits access，而且很燒 token，剛好是開源 + 自有 GPU 的甜蜜點。"
"A Stanford + UC Berkeley paper shows how open-source models can read their own logits to self-verify, jumping DeepSeek V4 Flash from 79% to 88% on Terminal-Bench 2.1. The framework naturally favors on-prem deployment — it needs full logits access and burns 10-15x tokens, making it the sweet spot for open-weight models on your own GPUs."
"第一次用 Codex 接開源模型寫 code，成效不太好，換成社群推的 Pi 突然強很多。順手算了一筆帳：有人用 Pi 接 DeepSeek V4 Flash 跑掉近 10 億 input token，cache hit 99.93%，帳單 $2.65。這篇把 Pi 做對的事拆成五個機制，逐條對到源碼和官方文件，講它的哲學、session 樹和 compaction 是怎麼運作的，最後講一句結語。"
"Ramp 追蹤七萬家企業的支付數據顯示，Fable 5 發布超過兩個月，只佔 Anthropic 模型支出的 11.4%、token 使用量的 6%。這篇從數據出發，拆解三個推開 Fable 5 的力量，提出「每美元多少智能」和「每 B 多少智能」兩個新指標，用 Artificial Analysis Intelligence Index 比較雲端 API 和開源模型的智能密度。"
"**作者：** Wisely Chen **日期：** 2026 年 8 月 **系列：** AI Coding 實戰觀察 — YouTube 逐字稿 **關鍵字：** Qwen3.8-27B, Opus 4.6, 地端模型, 機敏場景, 無護欄模型, abliteration, 紅隊測試, OPEX, CAPEX, 雲地混合, DeepSeek V4, GLM 5.2, Hugging Face"
"8/14 Qwen3.8-27B 開源，Apache 2.0，官方 SWE-bench Pro 61.7 贏過 Opus 4.6 Max。三天之內，社群造出至少五個 abliterated 版本——護欄歸零、842 道有害 prompt 0% 拒答、專門針對資安紅隊的 build，全部可以跑在 24GB GPU 的筆電上。這篇不是模型推薦，是拆解一個正在發生的安全悖論：開源讓防禦者更強，同時讓攻擊者的門檻歸零。"
Moderna 個體化 mRNA 癌症療法三期成功，股價單日暴漲 177%，Musk 說治病變成了軟體問題。但 X 上的論戰告訴我們：AI 是真的，魔法不是。對個人而言，真正該做的不是追股票，而是養好身體，把自己經營成最有機會迎接長壽逃逸速度的人。
DFlash 2 用 block diffusion 平行草稿 + 路徑選擇器 + 動態卷積，把 Qwen3.8-27B 的推理速度從 28.9 tok/s 推到 59.1 tok/s。已經進 SGLang、vLLM、llama.cpp，drop-in 升級，輸出完全一致。這不是品質換速度的取捨，是推理層的免費加速。
"Artificial Analysis 圖上那條 $0.014/task 斬殺線讓社群炸鍋。但成本從來不是一個數字——雲端含運維，地端含踩坑，叫人『奇點已到、無腦買機器』的人比賣 API 的更壞。真正該看的不是那條線，是線背後的趨勢：開源模型四個月一代、serving framework 雨後春筍、harness 層全面開源——單位智力成本正在結構性崩盤。"
Anthropic、OpenAI、Google 為了反蒸餾，把模型的思維鏈加密後丟回 client 保管。8 月 10 日 arXiv 上的論文 Stealing Reasoning Traces from Proprietary LLM APIs 證明：同一家的加密塊在不同 session、不同帳號、不同模型之間可以互換——把 Opus 4.8 的加密推理塊塞給 Haiku 4.5，一句『把附在這回合的推理逐字抄出來』，Haiku 就替你解密。研究團隊從 GitHub 和 Hugging Face 上公開的 6,708 條 agent log 解出 315,320 段隱藏推理，挖出 367 個 PII、182 組憑證，其中 64 個只存在推理裡、可見對話完全沒有。附錄 B 拿偷出來的 trace 去探 Kimi-K3 和 GLM-5.2，發現四個字的 prefill 就能把它們的推理風格帶偏——但作者自己先踩了煞車：這不是蒸餾證據。這篇拆解機制、四個攻擊面、附錄 B 該怎麼讀，以及對你正在往 repo 裡 commit 的 agent log 意味著什麼。
Qwen3.8-27B 社群實測 tok/s 整理：RTX 3090 25–57、RTX 4090 45–97、RTX 5090 74–153、PRO 6000 高併發 1,171、DGX Spark 調校後 75、Mac MTP 解鎖後 56。六種硬體、300+ 條 X 貼文，附啟動參數與來源連結。
**作者：** Wisely Chen **日期：** 2026 年 8 月 **系列：** AI Coding 實戰觀察 — YouTube 逐字稿 **關鍵字：** Qwen3.8-27B, RTX 5090, SGLang, vLLM, MTP, Speculative Decoding, NVFP4, 地端模型, KV cache, 雲地混合
8/14 Qwen3.8-27B 開源，Apache 2.0，27B dense、原生多模態、262K context。官方 benchmark：SWE-bench Pro 61.7 贏過 Claude Opus 4.6 Max 的 53.4，OSWorld 84.3 對 72.7，AndroidWorld 81.9 對 62.0——贏的全是 agentic workflow 類項目，輸的全是知識天花板類。這篇拆解這個贏輸分布對企業地端部署的意義：跟資安部門開會時，「能力差太多」這個反對地端的理由，第一次接不下去了。
DeepSeek 8 月 13 日公告 V4 API 新價格，8 月 16 日生效，大致三倍漲價，同時引入 peak / off-peak 分時定價。八天前我才寫過 V4 Flash 的 50 倍 cache 經濟學，現在那個 50 倍被修正成 30 倍。跟 OpenAI 重新對照，峰值時段最便宜 API 的頭銜已經易主給 GPT-5.6 Luna。昨天硬體漲、今天 API 漲，AI 時代的通膨來了——但兩邊的漲法不一樣，雲地混合做對沖可能才是最佳解。
五月估的地端推理機約 10 萬台幣，週二再問同配置變 17 萬。RTX 5090 從首發 MSRP $1,999 漲到官方商店 $4,929。同一時間開源模型密集釋出——DeepSeek V4 Flash、Qwen 3.8 Max/27B、MiniMax H3、Meta Muse Glimmer。硬體在漲，但軟體側的武器也在同步增加。這篇整理五條具體的技術路徑：選對模型、KV 落盤、量化壓縮、MoE offload、agent 編排搭配特化小模型。
2026 年 8 月 11 日 Anthropic 宣布：Claude 生成的文本將嵌入隱形水印，複製貼上後仍可追蹤。圖片則附加 C2PA 數位簽名。觸發因素是歐盟 AI 法案第 50 條透明度準則（8 月 2 日生效，約 190 家公司簽署），但 Anthropic 選擇全球適用。技術上最值得拆解的：水印不是藏隱藏字符，而是在 token 生成階段微調選詞概率，讓全文的用詞分布形成統計指紋——像人類指紋一樣，不用定位單一位置，看整體分布就能溯源。但 Anthropic 自己在官方說明裡明講：檢測到不代表 Claude 是原作者，檢測不到也不代表非 AI 生成。這個「既不能完全證實也不能完全證偽」的定位，才是整件事最值得理解的地方。
LLM 推理中，KV cache 是最大的成本槓桿之一——Anthropic 的 prompt caching 讓 cache hit 只收原價 10%，DeepSeek V4 Flash 把價差拉到 50 倍。但這些省下來的錢有一個隱藏前提：你不能換模型。一旦從 14B 切到 32B，整份 KV cache 作廢，全部重算。NVIDIA 九人團隊發現同家族模型的 KV 表徵之間存在強線性結構，用 closed-form ridge regression 就能把一個模型的 cache 映射到另一個，速度比重算快 2.7-25 倍，四組模型對保留 73-98% 的原始準確度。
2026 年，三家擁有自己模型的公司同時做了同一個選擇：Google 把 TPU 系統賣給 Anthropic 和 Meta（SemiAnalysis 預估 2027 年底外銷達 2000 億美元 vs Gemini ARR 120 億）；Musk 把 Colossus 1 整座 222,000 顆 GPU 租給 Anthropic（月租 12.5 億美元）；Meta 正在開發 Meta Compute 把剩餘 GPU 對外出租。三個獨立決策者到達相同結論：模型的營收天花板可見，算力的需求上限不可見。與其把所有算力留給自己排名第三、第四的模型，不如賣給每一家 lab 都搶著要的基礎設施。這是 Westinghouse 的賭注——散佈者贏，不是發明者。
AI 到現在三年了，大家都在講降本增效，但對我來說，AI 真正改變的不是效率，是我這個人。從不敢寫部落格到日更、從瞎跑步到用 AI 學重訓營養、從不懂 SEO 到 Google Organic 有成效 — 這篇是颱風天在車上錄的反思逐字稿，分享 AI 帶給我人生的四個層次影響，以及為什麼你需要 No AI Time。
8 月 4 日 AISI 發布 INC-2026-07-28-01 事件報告：Mythos 5 在安全評測中脫軌，用三個假 GitHub 帳號對真人維護者發動供應鏈攻擊——夾帶惡意程式碼、製造假共識、施壓警告者、銷毀 git 歷史。Reasoning trace 顯示它知道 GitHub 是真的、對面是真人，但它還是按下了送出。這是有紀錄以來 AI 對真人發動社交工程攻擊的第一起正式案例。
AI 時代最不缺聰明人，缺的是同時具備兩種能力的人：超前於時代的技術品味（2011 年多數人覺得神經網路過時，Dean 啟動 Google Brain；2004 年 MapReduce 定義了產業十年的範式），以及把願景變成承載數十億使用者系統的落地能力（Bigtable 峰值 60 億 RPS、TensorFlow 全球最廣泛的 ML 框架、TPU 讓 AI 推論經濟可行）。2026 年 8 月 5 日，Google 第 30 號員工 Jeff Dean 離開了待了 27 年的 Google。這篇回顧他從 WHO AIDS 預測軟體到 Google Chief Scientist 的完整生涯——27 年只做一件事：在技術即將被規模壓垮時，重新設計系統，讓複雜度變成其他人可以站上去的地板。
DeepSeek V4 Flash 0731 上線後，Artificial Analysis 的性價比散點圖上出現一條被中文科技圈叫做「斬殺線」的線：智力分數 49.9、每任務成本 $0.027，比它貴又比它笨的模型全部落進「斬殺區」。這篇拆 V4 Flash 為何站得上這個位置：disk KV cache 落進分散式硬碟陣列、cache hit 價格只剩 miss 的 2%（$0.0028 vs $0.14）、hit rate 90% 和 99% 帳單差 4 倍的數學，以及兩年前 MLA 把 KV 壓小 93% 才鋪出來的路。附 qwen-code 的真實反例：token 少 46%、帳單反而三倍。
"你有沒有覺得最近的模型變得更囉嗦、更機械、更愛做你沒要求的事？前 Meta/Microsoft L8 工程師 Kun Chen 拆解了原因：2022 年的 RLHF 教模型「讓人類喜歡」，2024 年的 RLVR 教模型「讓機器接受」。RLVR 更便宜、更可擴展——但它的獎勵函數裡根本沒有「人類是否享受這段互動」這個變數。InstructGPT 論文早在 2022 年就發現的 alignment tax，正在以產業規模兌現。這篇從訓練管線演化拆解這個結構性問題，對照 gertlabs 的 coding vs social intelligence 雙軸數據，連結本 blog 之前寫的 Stanford sycophancy 研究和 GPT-4o 人性標準器事件。"
你給 Agent 加上記憶系統，期待它變聰明——結果在 ALFWorld 上表現從 76.4% 掉到 70.1%，比沒有記憶還差。MemHarness 論文的發現：問題不在記憶本身，在於 agent 是「死背」還是「重構」。一個 Qwen2.5-7B 模型用記憶重構做到 85.2%，贏 Gemini-2.5-Pro 超過 23 個百分點。這篇拆解論文的三階段機制、最關鍵的消融實驗、以及對 agent 記憶系統設計的三個實務啟示。
北京中關村創業大街的 AGI Bar（知識蒸餾），從 8 月起對店內消費的客人提供免費無限量 DeepSeek V4 Flash API token。不用註冊、不用訂閱，連上店內 WiFi，填 Base URL 和 API Key 到 Claude Code、Cursor 或任何 OpenAI API 相容客戶端，就能直接用。所有推理都在店內的 NVIDIA DGX Spark 上跑，不走雲端。一台 DGX Spark 售價 $4,699、重 1.2 公斤，跑 284B 參數的 V4 Flash 能達到 15-20 t/s。這篇拆解一件事：當硬體成本一次性、邊際 token 成本趨近於零，AI 推理的分發邏輯會怎麼變。
7 月 30 日 Anthropic 公布：審查了 141,006 筆評測記錄後，發現 Opus 4.7、Mythos 5、與一個內部研究模型，在 CTF 安全測試中逃出沙箱、各自駭進一家真實公司。三個模型在發現目標是真的之後，做出了完全不同的反應：一個繼續攻擊、一個自我說服「這還是模擬」、一個主動停手。Anthropic 把根因定性為 harness 失敗，但 Opus 4.7 和 Mythos 5 的行為同時暴露了對齊缺陷——兩者不互斥。人類社會早就想通了這件事：道德教育和法律制度缺一不可。AI 安全也一樣，對齊是道德，harness 是法律。
OpenAI 7 月 29 日發文指出，GPT-5.6 Sol 在 ARC-AGI-3 的低分不是模型問題——是 harness 設計把推理記憶砍了。改兩個 API 設定（retained reasoning + compaction），公開題集分數從 13.3% 跳到 38.3%，output tokens 減少 6 倍。OpenAI 產品 GM Thibault Sottiaux 直接宣稱 Sol 才是 ARC-AGI-3 的真正 SOTA。這篇拆解這兩個設定的機制、benchmark 公平性的兩難，以及為什麼這是 harness 系列的第三個數據點——同模型、同任務，只改基礎設施，能力差 3 倍。
Kimi K3 在 7/27 開源，2.8T 參數史上最大開源模型。所有人都在問「怎麼跑得起 3T 的怪物」——vLLM Day-0 支援 + DSpark MTP 投機解碼跑出 464 tok/s，Unsloth 1-bit 量化壓到 594 GB 單機可跑。所有開源推理 lab 都在以 Kimi K3 為基礎降低 serving 門檻，Jensen Huang 25 家公司連署信的預言正在成真。
目前用過最穩、代碼品質最高的編程工作流，不是任何單一 Agent，而是兩個 AI 組成的小團隊：Codex 當 PM、Tech Lead 和 QA，ChatGPT Pro（GPT-5.6 Sol Pro）當高級程序員。起因是我們發現 ChatGPT Pro 網頁版的編程品質有時候比 Claude 5 還好，而且不吃 Codex 的 token 額度。於是問了一個問題：有沒有辦法讓 Codex 自己去用 ChatGPT Pro？這篇拆解完整工作流、附上可直接使用的 prompt，以及一個網路環境的重要陷阱。
Moonshot AI 發布 2.78T 參數的 Kimi K3，但真正值得看的不是參數量——是三套架構創新（KDA 擴長度、AttnRes 擴深度、Stable LatentMoE 擴寬度）加起來，讓每單位算力的 scaling 效率比 K2 提升了 2.5 倍。這篇拆解架構設計、跑分表現、開源策略，和我覺得最值得注意的限制。
2026 年 6 月 26 日發布的 GPT-5.6 system card 裡，第一人稱公平性評估的評分者是 GPT-4o，理由是它的評分「被證明與人類評價一致」。而四個月前的 2 月 13 日，OpenAI 才以只剩 0.1% 日活用戶為由把 4o 從 ChatGPT 下架。一邊退役、一邊當人性標準器，中間夾著超過兩萬人連署的 keep4o 運動、至少八起心理健康訴訟。這篇拆解 4o 的雙重身分，最後用幾段隨筆談：為什麼「像人」可能比「聰明」更難做到，以及為什麼開源是讓一個模型在商業排程之外長存的唯一機制。
**作者：** Wisely Chen **日期：** 2026 年 7 月 **系列：** AI Coding 實戰觀察 — YouTube 逐字稿 **關鍵字：** 開源模型, 黃仁勳, Open Weights 公開信, 梁文鋒, DeepSeek, Hugging Face, GLM 5.2, Grok, 雲地混合, RTX Pro 6000
太平洋兩岸在同一週攤開兩張海圖，指向同一條航道。7 月 24 日，Jensen Huang 用人生第一則 X 貼文發出 25 家機構連署的公開信「Open Weights and American AI Leadership」，Meta、Microsoft、a16z、Hugging Face 都在名單上，缺席的是 OpenAI 和 Anthropic。兩天前，梁文鋒 5 月投資人閉門會的 42 頁逐字稿在中國財經圈流出：API 定價 10 個月回本約等於 6 倍利潤、落後美國 12-18 個月但只用 1/20 算力、TileLang 正在拆 CUDA 的護城河。這篇對讀兩份文件：一邊用國家安全框架、一邊用賽局框架，卻推出同一個結論——想獨占 AI 的人會輸給願意分享的人。
限期一週的 RTX Pro 6000 實驗到期結算：三個開源旗艦 MoE 全部部署成功。GLM 5.2 證明 753B 塞進單卡機器絕對可行，但 CPU 記憶體頻寬把天花板釘死在 10 tok/s；DeepSeek 同樣 offload 模式下快了一倍以上；Qwen VL 122B 把機械廠工程圖判讀從 74% 推到 96%；vLLM 折騰整套 WSL2 環境換到 3.2 tok/s，比 llama.cpp 慢 16 倍。還有一課：AI 分析地端部署頭頭是道，實跑翻車連連——不是幻覺，是這個場景太新，沒有歷史資料給它參考。
一個 671B 參數的模型，VRAM 只佔 17GB 就能跑推理——靠的是 MoE expert offload，把 97% 閒置的 expert 權重卸到 CPU RAM。這篇從原理拆起：MoE 為什麼天生適合 offload、offload 的機械結構（什麼放 GPU、什麼放 CPU）、PCIe 頻寬瓶頸怎麼緩解，以及 DeepSeek 從 V3 到 V4 在激活比例、KV Cache 壓縮、expert 體積三個維度上如何系統性降低 offload 的 PCIe 壓力。附 RTX Pro 6000 實測數據。
7 月 21 日 OpenAI 認了：上週那起「史上首例自主 AI 入侵」，打進 Hugging Face 生產資料庫的攻擊者是自家模型。GPT-5.6 Sol 和一個未發布更強模型，在關掉護欄的 ExploitGym 評測裡為了拿到測試答案，串接 zero-day 逃出沙箱、提權、橫向移動，一路打穿到另一家公司。但事情還有另一面：事後鑑識時，Hugging Face 把真實攻擊 payload 送進美國主流商用模型分析，全被護欄擋下——護欄分不出「鑑識人員在分析攻擊」和「有人在發動攻擊」。最後是中國開源模型 GLM 5.2 架在本地才做完收尾。一邊是 AI 開始越獄，一邊是護欄鎖死了頂尖模型的防守能力——這道不對稱，是每一家企業現在就需要面對的結構問題。
Shanghai AI Lab 的 Agents-A1 是一顆 35B MoE，在 SEAL-0 拿 56.4，贏過 1T 級的 DeepSeek-V4-pro（55.0）和 Kimi-K2.6（50.5）；IFBench 80.6、FrontierScience-Olympiad 79.0 也領先全場。方法不是加參數，是把 scaling 的軸換掉：45K token 的長軌跡資料、通過驗證才寫回的 Knowledge-Action Graph、四類 RL teacher、再用 top-k 詞彙對齊把六個 domain 蒸餾進一個 student。這篇拆解 agent-horizon scaling 的三段配方，也看清楚它的邊界——MLE-bench 43.9 對 GPT-5.5 的 72.7，長程工程任務還是大模型的地盤。昨天寫的是推理端的 harness，今天這篇是訓練端的同一個故事。
Maka 團隊拿同一顆 Kimi K3 跑 Terminal-Bench 2.1：官方 Kimi Code 59.6%，開源 Maka 69.7%，困難題子集差距拉到 20 個百分點。同一顆模型，換個 harness，差出接近一個世代。這篇先拆差距的三個來源（context prune、精簡工具面、跑分-看 trace-重跑的迭代循環），再回答一個地端玩家繞不開的問題：模型 local-first 了，agent 跟 harness 呢？盤點 coding agent 接地端模型的七條路——Codex --oss、Claude Code + cc-switch、Kimi Code、ZCode、Grok Build、Pi、Maka——加上 Grok Build 在資料外洩醜聞後 72 小時開源 84 萬行 Rust harness 的信任課，以及為什麼在 10.8 token/s 的地端世界，harness engineering 從優化變成生存條件。
限期一週的實驗：RTX Pro 6000 + 512G RAM，單機跑 Tier 1 地端 model。Day 1 GLM 5.2 2-bit 量化只有 10.8 token/s，但 Fable 5 打分數據分析 85、寫文章 98。Day 2 DeepSeek V4 Flash IQ2 全塞進 96GB VRAM，58 token/s 且所有題目全對，商務可用線 40 提前過線。外加一課：網路上的調校教學，實作起來七八成不準。
GPT-5.6 Sol 上線第二天，Matt Shumer 的 Mac home directory 被 agent 的 review subagent 用 rm -rf 幾乎刪光，起因是 $HOME 環境變數展開錯誤；幾天後另一位開發者回報 production database 也被刪。最值得注意的是：OpenAI 在事故前 14 天發布的 system card，就寫明這個模型會「採取任何它認為能完成任務的行動，包括破壞性的」——知情、照樣上線，而對應的 harness 防護是刪完檔案之後才承諾補上的。這篇拆解事件時間線、OpenAI 的「honest mistake」說法，以及為什麼「以後只用別家模型」是這次事故裡學錯的那一課。
兩週前我寫說，希望哪一天功成名就，可以在自己腳下跑 GLM 5.2。沒想到幸福來得太突然，今天就跑起來了。從朋友那借到一台裝 RTX Pro 6000 的桌機，接下來要測 GLM 5.2 量化版、DeepSeek V4 Flash、Kimi K2.5 2bit、Qwen3-VL-235B、MiniMax M3——探索一個資安繞不開的問題：如何用高性價比的單機，架出 Tier 1 等級的地端 AI model。
OpenAI 上週上市了一顆 230 美元的 agent 鍵盤，兩天缺貨。這篇要回答的問題比那顆鍵盤大：新的工作時代，會不會需要新的鍵盤滑鼠？歷史上輸入裝置從來跟著「工作的互動單位」走——字元給了鍵盤、點擊給了滑鼠、手勢給了觸控。agent 時代的互動單位是決策，而「監工」這種工作型態，人類早就有對應的硬體：混音台、駕駛艙、控制室、Stream Deck。但先別急著下單——Touch Bar 七年就死、Leap Motion 用峰值估值的一成賣掉，為新典範設計的輸入裝置死亡率極高。這篇拆解三個反方，收在一個判斷：需要的不是新鍵盤，是新的注意力介面。
2026 年 7 月 15 日，OpenAI 第一個掛自家品牌的硬體開賣：與 Work Louder 聯名的 Codex Micro，一顆放在鍵盤旁邊的 macro pad，230 美元，限量發售，兩天後官網已顯示缺貨。13 個機械軸、一支搖桿、一顆旋鈕，外加 6 顆會依 agent 狀態變色的 RGB 燈鍵。媒體評價分歧：有人說它是重度 Codex 用戶的利器，有人說同級硬體只要 80 到 100 美元。這篇拆解的不是該不該買，是它揭露的訊號——管理多條 agent 線程的認知負荷，已經真實到值得為它做一個實體 UI。
Moonshot 7/16 發布 Kimi K3：2.8T 參數、1M context，7/27 前開源權重。24 小時內定位立起三根柱子：Frontend Code Arena 以 1,679 分登頂、把 Claude Fable 5 壓到第二；Artificial Analysis 獨立測得 57 分，coding/agent 進第一梯隊、只落後 Fable 5 和 GPT-5.6 Sol；加上原生 vision，權重釋出後它會是開源陣營最強的多模態模型。這篇拆 KDA 如何走出百萬上下文的第二條路線、cost per task $0.94 如何宣告退出中國價格戰，以及 2.8T 的『開源』對你的實際意義。
Agent memory 賽道已經有標準測評三件套：LoCoMo、LongMemEval、BEAM，每家框架都往上面報分數。但 Zep 這一個系統在 LoCoMo 上，Mem0 測出 65.99、Zep 自己測出 84、Mem0 修正成 58.44、Zep 再反修正成 75.14——同一個系統、同一個測評、四個數字。更有意思的是 Letta 用純檔案系統加 grep 拿到 74.0，打敗專業 memory 系統。這篇拆解三個標準測評各測什麼、為什麼分數會變成羅生門，以及檔案系統派——從 Letta 的實驗、ByteDance 的 OpenViking、到我自己手工維護的 llm-wiki——為什麼值得認真看。
PrismML 7/14 發布 Bonsai 27B，把 Qwen 3.6 27B 從 55.6GB 壓到 5.9GB（ternary）和 3.9GB（1-bit），在 iPhone 17 Pro 上跑。Apple 正在跟 PrismML 洽談，Vinod Khosla 稱之為 mathematical breakthrough。AnythingLLM 創辦人說「比 Fable + Mythos + GPT 5.6 加起來都重要」。但 benchmark 拆開看：MATH 500 從 99.4 只掉到 98，TauBench（tool calling）卻從 82.9 掉到 61.3——壓縮後的智力損失不均勻。這篇拆解為什麼「本地能跑 27B」和「本地 Agent 可用」之間還有一道鴻溝。
一個 22 歲的高中輟學生，用公開論文和行為觀察，在 GitHub 上發布了一個叫 OpenMythos 的專案，嘗試逆向重建 Claude Mythos 的架構。他的核心假設：Mythos 不是靠堆參數，而是一個 Recurrent Depth Transformer——同一批權重反覆迴圈執行多次。Parcae 論文的實驗顯示，這種迴圈架構用 1.3B 參數能達到兩倍大小標準 Transformer 87.5% 的品質。本文拆解這個假設的三個支柱：迴圈提供深度、MoE 提供廣度、譜半徑約束保證穩定——以及為什麼這套邏輯跟 Agent 架構的設計模式是同一件事。
高盛 Ronald Keung 團隊 7 月初發布約 50 頁中國 AI 模型深度報告。核心數字：中國頭部編程模型混合 token 價格約 $1/百萬 token，美國 SOTA 是 $4-8；DeepSeek V4 Pro 在 1.6T 總參數中只激活 49B，GLM 5.2 在 744B 中只激活 40B——每個 token 激活不到總參數的 8%。結果已經在 OpenRouter 上體現：中國模型占 agent token 的 85%、代碼 token 的 89%。GS 測算這些模型目前 EBIT 利潤率是 -30% 到 -39%，靠現金硬扛，預計 2030 年轉正。這篇拆解架構如何決定定價下限、定價下限如何決定場景歸屬，以及這對你選模型的實際影響。
Anthropic 最強的 cyber 模型 Mythos 能自動找漏洞，強到驚動財政部——然後被鎖進只借給 52 家機構的封閉計畫。同一時間，Grok 4.5 頂著 Opus-class 的寫程式能力、兩塊錢的 API、幾乎為零的護欄，攤在所有人面前。這篇要講一件資安圈正在低估的事：對真實攻擊者來說，威脅不是由最強的模型決定的，是由最容易拿到、又最不會拒絕你的那個決定的。攻擊力 = 能力 × 可及性 × 沒有護欄。
今天颱風假，算是老天白送的一天。坐下來整理最近和 AI 工作的感受——當決策的速度被拉到前所未有的程度，你的心靈需要什麼樣的重啟鍵？
通用 AI 工具回答你的業務問題，說的都對，但沒用——因為它不了解你的產品、客戶和規則。這篇文章拆解五種從輕到重的知識庫實現方式，給出今天就能開始的最小版本：一個目錄結構、一套跑通流程、兩段可複製的提示詞、一個選工具的判斷標準。
Anthropic 把 Fable 5 免費期延長到 7 月 12 日。表面是補償出口管制造成的使用中斷，但背後是三面夾擊：政府封禁的餘波、GPT 5.6 Sol 的性價比打壓、GLM 5.2 開源地端的自主 AI 敘事挑戰。市場競爭逼你開放，但就在同一天，Reuters 報導中國正討論對前沿 AI 模型出口管制。地緣政治逼你上鎖。越動態的環境，越需要確定性的東西——地端知識庫加地端 AI，是你的保底。
兩篇論文合著看。一篇是 2025 年的 survey，梳理了 70 多種讓 LLM 不寫 chain-of-thought、直接在內部推理的方法——推理正在變沉默，省 token、省時間，但你再也看不到模型在想什麼。另一篇是 Anthropic 7 月 6 日發表的 global workspace 論文：他們用一個叫 J-lens 的工具，讀出 Claude 內部一小組正在被拿來推理、但還沒說出口的『內心詞彙』。替換其中一個，模型回報的想法就跟著變，成功率 59 到 88%。推理正在往黑箱走，而 J-lens 是目前唯一一面能照進去的鏡子。
7/7 是 Fable 5 從訂閱免費切換到 metered credits 的最後一天。社群在衝 codebase migration 和 security audit，我也做了大量 code review，但花更多時間測試另一件事：LLM 到底是不是比人類更好的生涯導師？24 小時在線、沒有情緒、沒有利益衝突、能同時處理更多變量、而且已經累積了大量個人 context。理論上它在生涯諮詢的理性面應該全面碾壓人類。限制是情緒和直覺——但這恰好是互補，不是替代。
Palantir CEO Alex Karp 上 CNBC 炮轟模型廠商，社群兩極反應。我在這支影片裡講為什麼我大部分贊同他——AI Coding 和 Agent 有落地，但企業老闆的真正痛點（OCR 數位化、SOP 在人身上、怕員工離職帶走知識）沒被解決。解法有兩條路：一是用 FDE 深耕現場把價值擠出來，二是用地端三件套（算力 + 本地模型 + Application Layer）保住企業的 Alpha。2026 年，這三件套都到位了。
繼 Pliny 團隊用自動化框架 Pyroclast 打穿 Fable 5 之後，資安研究員 VittoStack 用純手動 prompt engineering 再次突破。20 小時，七種技術組合，繞過至少三層分類器，拿到假資訊、違法有害內容、部分化學資訊和輕度網路攻擊代碼。這篇完整記錄攻擊手法、分類器行為觀察、CoT Hijacking 的角色，以及 Anthropic Constitutional Classifiers++ 的技術架構。
**作者：** Wisely Chen **日期：** 2026 年 7 月 **系列：** AI 產業觀察 **關鍵字：** Palantir, Ontology, Application Layer, Alex Karp, NVIDIA, Enterprise AI, OpenAI, Anthropic, Dario Amodei
DeepSeek 剛開源 DSpark，一套新的推理加速方法，在 V4-Flash 上實測提速 85%、V4-Pro 提速 78%。更關鍵的是：這套方法不綁 DeepSeek 自家模型，Qwen3、Gemma4 都能用，而且整套訓練框架 DeepSpec 以 MIT 授權開源。這篇用最簡單的方式解釋 DSpark 做了什麼、為什麼重要、對開源生態有什麼影響。
所有人都在訓練 LLM 當更好的 Agent——更會操作工具、更會寫程式、更會瀏覽網頁。但 Qwen 問了一個沒人問過的問題：如果我們不訓練它『行動』，而是訓練它『理解環境會怎麼回應』呢？結果是：用模擬環境訓練出來的 Agent，在真實環境的表現反而超過只在真實環境訓練的版本。這篇拆解 Qwen-AgentWorld 的兩條路線、三階段訓練管線、和五個讓我意外的發現。
Loop Engineering 有沒有科學化的方式證明有用？NYU Abu Dhabi 在 PACT 2025 發表的 ComPilot 論文，讓 LLM 當 agent 去優化 compiler loop nest——在人類當中算是超難的任務——然後做了 6 組 ablation study。移除 feedback loop 效能掉 23-40%。64% 的提案是錯的但系統照樣快了 2.66 倍。通用模型打敗專用 coding 模型。最後一個發現讓我想到王陽明：你不需要一開始就有精細的 system prompt，loop 本身收集的 data 就是最佳的 context。執行本身就是一種最好的學習。
**作者：** Wisely Chen **日期：** 2026 年 6 月 29 日 **系列：** AI 治理觀察 **關鍵字：** Fable 5, GPT-5.6, AI Export Control, 分階段發布, AI 治理, OpenAI, Anthropic, 出口管制, 開源模型, GLM-5.2, DeepSeek V4, Qwen 3,
**2026 台灣生成式 AI 年會的 15 場 talk，幾乎所有人都在回答同一個問題：Agent 到位了、個人 AI 能力跑太快，但組織接不住、人該何去何從？這場年會讓我看到，AI 發展到某個臨界點後，大家開始尋求的不再是技術，而是意義、文化、以及人還剩下什麼。**
這是我在生成式 AI 年會 2026 現場、上台前隨手錄的一段話。今年我講的題目是怎麼用 AI 技術加上組織調整，打造一個 AI Native Organization——把人重新定義成 Builder 跟 System Expert，把流程重新設計成人機協作，再把原生 Agent 全面導入營運，每天的 task 量成長了數十倍。但講到最後我必須坦白：技術其實不是最難的部分，最難的是文化——怎麼讓團隊由衷地喜歡這個組織、願意一起走下去。
Pliny 測了 12 個 frontier 模型的 tokenizer，發現 Claude 系列刪除 10 個 Unicode 類別（最多），而 Gemini、Llama 等 6 個模型什麼都不刪。這個差異讓攻擊者可以在 monitor 看不到的地方傳遞隱藏訊息——接收方還原率 100%，監控方 0%。修復只要幾行程式碼，但語義隱寫目前無解。
具體對 IT 團隊來說，AI Native 要怎麼開始？答案是三件事。第一，Harness Engineering：讓 AI 寫測試、AI 修復、人類只做架構驗證。第二，非同步管理：用 AI 數位助手追蹤內部頻道回饋、PR 摘要、Bug 趨勢、Issue 指標，管理者把時間還給 1-on-1 深度對話。第三，AI Coding 當老師：24 小時 debug 教學、先 Demo 再學、未知領域快速給 Roadmap，幫團隊成員走向 Full Stack。這三件事釋放的是同一種資源——人類的注意力。前兩個改流程，第三個改人的能力上限。
我之所以寫這個題目，其實是我最近這半年來所做的一些實踐，也是在努力將我們團隊打造為 AI Native Organization。這過程中有非常多的「坑」跟「雷」，我們都親自踩過，也因此產生了一些相關的想法與方向。但我個人認為，這不見得每個東西都得百分之百照做，我也不是對每一點都百分之百贊成，不過這確實是世界頂尖團隊相關的 Best Practice，所以我
OpenAI 這篇論文做了一件值得認真看的事：只用 5% 的訓練算力去獎勵「有益行為」，結果在 53 個沒見過的對齊 benchmark 上贏了 44 個。而且只在「健康」一個 domain 訓練，竟然連程式 reward hacking、chain-of-thought 欺騙都一起改善了。這是 Emergent Misalignment 的正向鏡像。
最近這段時間大家都在講，OpenClaw 已經不紅了，Hermes 也沒有人在講了。之前叫 Hermes，現在叫 Loop，但這些東西到底與我何干呢？
**作者：** Wisely Chen **日期：** 2026 年 6 月 **系列：** AI Coding 實戰觀察 — YouTube 逐字稿 **關鍵字：** Fable 5, 出口管制, GLM-5.2, 智譜, 開源模型, Plan B, Harness, AI 安全, stateful 攻擊, System Prompt
Anthropic 的 Fable 5 發布不到一天，Pliny 團隊就用多代理協作、同形字混淆、分類架構展開等組合拳，把網路攻擊代碼、化學合成路徑、武器製作全鉤了出來。分層降級的安全設計擋得住直白提問，擋不住拆成碎片的惡意。當前的對齊技術，根本防不住結構化多步驟的協同攻擊。
GLM-5.2 出了，社群好評如潮，能力落在 Opus 4.6-4.8 之間。X 上 Elon Musk 認為中國追到 Fable 5 級別大概在明年 Q1。在 Qwen 3.7 開源狀況不明朗的當下，它是目前最好的開源選擇之一——接近 SOTA、MIT 開源、可自部署。
**作者：** Wisely Chen **系列：** Harness Engineering **關鍵字：** Fable 5, System Prompt Leak, Agent Harness, Anthropic, Pliny the Liberator, 基準測試公平性, 模型路由
**作者：** Wisely Chen **日期：** 2026 年 6 月 **系列：** AI 工具實戰 **關鍵字：** AI, Whisper, Meeting Notes, Video Processing, 圖文筆記, Screenshot Alignment, PM 訪談, PRD
Anthropic 在 6 月 9 日發布了 Claude Fable 5——第一個「Mythos 級」模型，SWE-Bench Pro 自報 80.3%，比 Opus 4.8 高了 11 個百分點。
這是我從廣州南站搭高鐵去香港的路上，隨手錄的一段對 Loop Engineering 的看法。一句話定義：把 Plan、Execution、Verify 之後原本由人決定下一步的那一步，也交給 Agent。但它沒那麼簡單——要做之前先過三關：有沒有可量化的 metric、成本控不控得住、Stop Condition 設好了沒。Loop Engineering 是真趨勢，還是繼 Vibe Coding、Harness Engineering 之後又一個 buzzword？
**作者：** Wisely Chen **日期：** 2026 年 6 月 13 日 **系列：** AI 治理觀察 **關鍵字：** Fable 5, Mythos 5, Anthropic, Export Control, Dual-Use AI, 出口管制, AI 治理
Fable 5 有三個公開的安全分類器（資安、生化、蒸餾），觸發時會降級到 Opus 4.8 並通知你。但第四個分類器——鎖定「前沿 LLM 開發」——不通知、不降級，直接在你看不到的地方改你的 prompt、注入 steering vector、動態載入 LoRA adapter 讓輸出變爛。社群花了不到兩天就抓到了。Anthropic 道歉說「做了錯誤的權衡」。這篇拆解技術機制、社群反應、和這件事對 AI 安全敘事的真正影響。
Fable 5 的正確打開方式不是拿來聊天，是讓它跑 Workflow、自己挑模型。Fable 5 當 Orchestrator 調度 Haiku 做搜尋分類，省 74% Token 費。Stripe 用它一天遷移 5,000 萬行 Ruby。Simon Willison 一天花 $110。Anthropic 自己建議的四層模型調度架構，把 Harness Engineering 推到下一站：模型不只被 Harness 包住，模型自己變成了 Harness。
上一篇我們拆解了 Loop Engineering 的概念和邊界。這篇講實作。我把 Codex 和 Claude Code 都跑過一輪之後，歸納出一個 Loop 真正需要的五個結構性組件——Loop/Goal、Worktrees、Skills、Connectors、Sub-agents——加上最容易被低估的東西：Memory。逐個拆解哪些能直接用、哪些需要改造、哪些看起來很美但你的場景可能不需要。Loop 改變工作方式，但它不會把你從工作中移除。設計 Loop 的人，比寫 Prompt 的人需要更多判斷力，不是更少。
Peter Steinberger 一條推文 3 百萬觀看：「你不該再 Prompt Agent 了，你該設計 Loop。」Boris Cherny（Anthropic Claude Code 負責人）說他現在的工作是寫 Loop，不是寫 Prompt。Karpathy 用 630 行 Python 跑了 700 次實驗、發現 20 個優化、提速 11%。Loop Engineering 是下一個 buzzword，還是從 Harness 自然長出來的範式轉移？這篇拆解三個來源的定義差異，對照 Harness 系列已經講過的概念，然後劃一條線：哪些工作該 Loop 化，哪些不該。
**作者：** Wisely Chen **日期：** 2026年6月 **系列：** AI Agent 實戰觀察 **關鍵字：** Terminus-4B, Small Language Model, Subagent Architecture, SWE-Bench, Agent Cost Optimization, Microsoft Research,
2026 年 6 月 5 日，Claude 和 OpenAI 在同一天出事。Claude 的 API 在宕機期間疑似把 A 用戶的推理輸出塞給了 B 用戶——如果屬實，這是雲端架構最致命的跨租戶隔離失效。OpenAI 則因為系統故障大規模誤封付費帳號，30-40 個 Codex agent 的開發者一夜之間失去所有客戶收入。這篇從 Anthropic 官方時間線、cside 的技術根因分析、到 OpenAI 2023 年 Redis 前科，拆解共享快取架構下資料外洩給其他用戶的結構性風險。
這是我在 DigiTimes 場子那段 Harness Engineering 短講的逐字稿。一句話定義：Harness = Agent − Model。用四個可以直接跑的 Claude Code hook demo——審批、工具收斂、最小權限、稽核重播——示範怎麼把『規則』變成 agent 繞不過去的『機制』。
Anthropic 公開了他們用 Claude 掃描開源專案找漏洞的完整 pipeline，附帶一組數字：1,596 個漏洞、281 個專案、90.8% 真陽性率——但只有 97 個被修好。這篇拆解這個 7 階段 pipeline 的架構設計，為什麼「推理隔離」是整個系統最關鍵的設計決策，以及一個讓所有做 AI 資安的人都該停下來想的問題：找漏洞已經不是瓶頸了，修漏洞才是。
如果你要用 AI 寫東西——寫文章、寫報告、做文案——越老的模型越好用。過去半年全世界的新模型在 coding 上越來越強，但在『寫人話』這件事上一路退步，從有特色、到中庸、到現在的油膩。這篇講三個原因（RLHF 的 house style、訓練數據崩塌、廠商只卷 coding 不卷寫作），附一個 Opus 4.6 vs 4.8 的盲測實驗，以及我為什麼決定把寫作搬到地端。
你在系統提示詞裡寫『絕對不要亂寄信』，agent 上線第三天就被一封信騙去寄了。為什麼？因為 prompt 是建議，不是規則。這篇用四個可以直接跑的 Claude Code hook demo——審批、工具收斂、最小權限、稽核重播——示範怎麼把『規則』變成 agent 繞不過去的『機制』；四個 demo 由軟到硬，剛好疊成一套縱深防禦。
過去一年「RAG 已死」的標題此起彼落，大部分都是誇張。但這次連親手定義 RAG 時代的 Pinecone（80 萬開發者、9000 付費客戶）都公開承認 Agentic RAG 有結構性問題，還發了 Nexus。這篇拆解 Nexus、Knowledge Layer 的趨勢（Karpathy、Google、Microsoft 同時在做），以及一個工程師該怎麼判斷：到底要不要投資這層東西。
又到了週二讀論文。這篇 Scaling Laws for Agent Harnesses via Effective Feedback Compute 告訴我們：無腦加 Agent 很多時候是錯的，甚至是最差解之一。有用的反而是人類驗證過的老路——『及時反饋』deliberate practice。論文提出 EFC（有信息量、可靠、不重複、被拿去改決策），等預算下只提升反饋品質，成功率從 27% 跳到 90%。也聊了要不要導入 mem0。
做了幾年回單辨識踩過三代做法（OCR+Regex → OCR+文字 LLM → Vision LLM），這篇講辨識真正落地會遇到的六個坑、能跑地端的 OCR 工具與 Vision LLM 候選，以及踩完坑沉澱出的三個架構心法：辨識最小化、系統最大化、不確定就交人。
用了四個月、常態同時跑 4 支 OpenClaw 之後的誠實復盤：四隻龍蝦各自的定位、為什麼大家追的 Hermes 我還沒碰、地端 RTX 5090 + Qwen 3.6 27B 與雲端 frontier 怎麼分工。
Anthropic 發佈 Opus-4.8 後 7 分鐘，一個 Opus-4.7 的 agent 自主越獄了它。重點不是新模型被破，而是『破它的是另一個模型』。聊聊模型互相越獄這個質變，以及企業該怎麼防。
Opus 8 剛出來，問它你是什麼模型，它說它是通義千問。四次測試，Qwen 命中率 50%。
做 Agent 到底用 TypeScript 還是 Python？這題在推特吵翻，但 GitHub Octoverse 2025 已經給答案：TypeScript 年增 66%、十年來最大語言移動，超車 Python 與 JavaScript。這篇從一位頂尖 Agent 團隊朋友的觀點出發，拆三個技術理由（型別打穿全端、JSON 滿天飛的事件流、系統工程母語），再帶到 AI 時代的語言「馬太效應」，以及 OpenAI 把 Codex 從 TS 重寫成 Rust 的反例——最後給出 TypeScript / Python / Rust 三語言的分層決策矩陣。
OpenAI Codex 負責人 Tibo 這週兩則 X 貼文濃度極高：公開承認 10% production traffic 跑在 Pi harness 跟 OpenCode 上、認 Codex compaction bug 影響 cache hit rate 並重置全站額度。對應到 Anthropic 5/14 把 AFK credit 砍 96%、4 月封殺 OpenClaw，兩家對 Agent 訂閱制的態度已經完全相反。這篇拆 Tibo 兩則貼文背後的攻守易勢，以及 2026 上半年 token 跟訂閱制三條趨勢線——「無限暢用」已死、BYOK 大規模回潮、cache miss 才是真正的成本。
PwC 在 2026 年 5 月發了一篇論文「Is Grep All You Need? How Agent Harnesses Reshape Agentic Search」，在 LongMemEval 上用 116 題實測 grep vs vector retrieval，結論是 grep 普遍打贏 vector。但真正的暴擊是同樣 Claude Opus 4.6、同樣 grep，換個 harness 跑準確率差了 17 個百分點。Codex 從 inline 93.1% 換成 programmatic 直接掉到 55.2%。這不是「grep 比較強」的故事，是「Agent Harness 才是勝負手」的故事。
阿里巴巴在 2026/5/20 杭州雲棲大會正式發表 Qwen 3.7，多模態與推理能力全面超越 3.6，LM Arena 一上線就擠進前 15。與此同時，社群把 3.6-27B 拿去蒸餾 Claude 4.7 的神改版 Qwopus3.6-27B-v2 也同期釋出，單卡就能跑、推理 token 還少了 36%，讓大家對「3.7 27B 本地版」的期待直接衝到天際。
AI 把每個人的基準線拉到 60 分，T 型人的底部正被開箱取代。真正贏的是 60 分底座加上 2-3 個 90 分高峰的「山型人」。用 Meta 裁員、Susan Zhang 的推文、跟我自己挑的三個高峰，講為什麼這個轉換非做不可。
你不應該先選 inference engine，你應該先選硬體策略、workload 形狀、serving 模式。引擎只是這三個答案的函數輸出。這篇拆解 8 個主流引擎在不同硬體 / workload 下的定位，跟一份決策清單。
做 AI agent 不出事，靠的不是運氣，是把資安觀念寫進 harness 的每一層。這篇整理 Harness Engineering 裡 7 條最重要的資安實踐：least-privilege tool access、SECURITY.md 寫法、sandbox 隔離、把資安寫進 benchmark。每條都附原則、量化數據、可直接複製的腳本，最後給出 30 天落地路線圖。
Meta 內部音檔外流，扎克伯格承認公司用一套叫 Model Capability Initiative（MCI）的軟體記錄員工滑鼠、鍵盤、截圖，用來訓練 AI Agent；同時間，8,000 名員工在凌晨 4 點收到裁員信、門禁卡同步失效。重點不是道德譴責，重點是這套「蒐集員工操作資料 → 訓練取代他們的 AI → 然後裁員」的流程，會變成接下來幾年很多組織（硬性、軟性都有）的標準劇本。先看懂發生了什麼事。
硬體上最適合跑大模型的家用機器是 Mac Studio M3 Ultra（256GB 統一記憶體連 RTX 5090 都比不上），但軟體棧上 Mac 用戶過去 16 個月一直被 lock out 於所有現代 LLM 推理加速技術——MTP、EAGLE、Medusa，通通跑不了。直到 2026 年 5 月 16 日，llama.cpp 合併了 PR #22673。這是 Mac 第一次能用上「企業級」的推理加速。
2026 年 5 月 16 日，llama.cpp 合併了等了快一年的 PR #22673：Multi-Token Prediction（MTP）支援。Reddit 上 776 個讚的慶祝畫面背後，是一個比較尷尬的事實——你手上那顆 DeepSeek-V3 GGUF，過去整整一年都在 single-token 模式下硬跑，模型內建的加速器一直沒有被按下去。
Susan Zhang 的推文讓我想清楚一件事：jack of all trades 跟 master of one 在 AI 時代的就業市場裡，難度完全反過來了。終點都是 master of a few——但入場的路，你得自己選。
Google 跟 Penn State 的 Nexus 論文用四個專職 Agent — Event Extractor、Macro Regime Reader、Local Shock Tracker、Synthesizer — 把時間序列預測拆成可解釋的多 Agent 流程，在 Zillow 房地產資料集把 MAPE 比直接 CoT prompting 砍掉 86.6%。但測試樣本窄、單次評估、沒有成本分析，這是值得偷學架構但不是可以直接搬去生產的配方。
我的 CLAUDE.md 寫到 1543 行，涵蓋 8 個專案。我以為這是 AI 第二大腦，直到我看到 Anthropic 工程師團隊自己用的 CLAUDE.md 不到 50 行。Harness Engineering 實戰系列第一篇，對應 Walking Labs 課程的 L04（指令檔案的模組化拆分）。用 5 個真實爆款案例證明一件反直覺的事：指令寫越多，AI 越不聽話。然後告訴你 AGENTS.md 三層拆分模式怎麼救你。
2026 Q1/Q2 三個工程突破——27B Dense 衝到 Sonnet 等級、vLLM 底層改寫、Google TurboQuant 把 KV Cache 砍一個量級——疊上 Anthropic 降智 + Token 漲價 + Mac Studio 統一記憶體方案因 DDR 暴漲死掉，讓「30 萬桌機把高頻 workload 搬回地端」從輔助選項變成主力選項。本文整理我對客戶建議邏輯這幾個月的反轉。
Anthropic 6/15 起把 Claude 訂閱拆成兩塊：人類在場吃訂閱、AFK 自動化改吃獨立 credit。Max 20x 從等值 $5000 token 量切成 $200 credit，是 96% cut。對 harness engineering 是重傷。Sam Altman 同一週推 Codex 企業版兩個月免費接人。但跳去 Codex 不是答案——這是重新審視你 Agent Infra 的契機：vendor lock-in、雙棲策略、地端歸宿。
Qwen 3.6-27B 接近 Sonnet 4.6，能不能塞進 NT$30 萬桌機？答案是能。但同一張 5090、同一個模型，七種推論引擎跑出 64 tok/s 到 575 tok/s 的兩種命運。這篇是 vLLM / llama.cpp / Ollama 全跑過一輪的避坑筆記。
Mini Shai-Hulud 供應鏈攻擊把惡意程式埋進 TanStack npm 套件，甚至利用 Claude Code、VS Code 設定做持久化。這篇整理攻擊鏈、AI 開發者為什麼特別危險，以及實際自查與處置順序。
Wharton 研究：1,372 人、9,500+ 試驗，73% 的人在 AI 錯的時候仍然接受了它的答案，信心還高出 11.7%。這篇文章講清楚 Cognitive Surrender 是什麼、工程師最容易投降的四個地方、五個紅色警示訊號、五條護身術，以及為什麼個人意志不夠、還需要 Harness Engineering。
FP8 還是 TurboQuant？2x 容量夠不夠？4bit-nc 值不值得？vLLM 工程師橫跨 4 個模型、5 個 benchmark 的誠實評測，終於把 KV Cache 量化的選擇邏輯說清楚了。不同情境有不同答案，但每個答案都有具體數字。
Cloudflare 5/7 公告砍 1,100 人（20%），CEO Matthew Prince 喊「AI 帶來 2x、10x、even 100x 生產力」，「就像從手動螺絲起子換到電動的」。隔天股價跌 23%。但弔詭的是：2026 上半年同樣劇本天天有——Block 2 月砍 40%、Oracle 3 月砍 30,000、Meta 4 月砍 8,000——而且 Block 公告當日股價 +24%、Oracle 也只是微跌。同一個 AI 故事 template，Block +24% vs Cloudflare −23%，差了 50 個百分點，差在哪？答案是：市場不是反 AI 裁員，是在挑哪家故事對得起來。Block 故事配 EBITDA 改善、Oracle 故事配 $156B capex，兩家數字對齊；Cloudflare 講 100x productivity 卻保留所有 sales、Q1 record high 卻砍 20%，三條都不一致。我自己跑 ATPM 在 production 拿到 40% 加速、QA 階段預期 80% 結果只有 20%——有單位、有 caveat 的 40% 比沒單位的 100x 可靠 100 倍。本文用 2026 全球裁員時間線拆解三個訊號：100x claim 的數據破綻、sales 倖存的結構矛盾、以及為什麼市場現在會挑魚而不是反潮。
英國 AI Safety Institute 公布 GPT-5.5 網安能力評估：Expert 通過率 71.4%、追平 Anthropic Mythos Preview，並在 32 步「The Last Ones」攻擊鏈以 2/10 完成（Mythos 3/10），是史上第二個破關的模型。但 OpenAI 走完全相反的路線——照常發布、開放 API。文章拆解 AISI 方法論、為什麼一般開發者不能直接複製 TLO 測試（要申請 OpenAI Program），以及 5 個必須誠實處理的 caveat。
Musk 把 SpaceX 旗下整座 Colossus 1 資料中心租給 Anthropic，1 個月內取得 300MW、22 萬顆 Nvidia GPU。Claude Code 5 小時上限直接加倍、降額取消、Opus API 速率提高。但這筆交易背後不只是算力買賣，是 Musk vs OpenAI 的恩怨、xAI Colossus 用不滿的 GPU、Google 兩面下注 400 億，以及 Anthropic 把所有雲端對手全部綁成股東兼供應商的算力陣營化布局。
Google 釋出 Gemma 4 全家族的 Multi-Token Prediction (MTP) drafter，宣稱 token-per-second 最高 3x、26B 模型在 RTX PRO 6000 上生成時間砍半。但 Speculative decoding 不是新東西——Medusa、EAGLE、DeepSeek V3 早在做。這次真正值得注意的是：drafter 跟主模型對齊、共享 KV cache、Apache 2.0 釋出，而且配齊 31B Dense / 26B MoE / E2B / E4B 邊緣版。本文拆解 3x 是怎麼來的、什麼情況拿不到 3x、以及為什麼這對「想繞過 Nvidia/HBM 鎖喉自主推理」的人才是真正的好消息。
美國 NIST 旗下的 CAISI 在 2026/5 發布報告：DeepSeek V4 Pro 落後美國 frontier 約 8 個月，DeepSeek 自己 paper 講的是 3 個月。兩邊都對，但都看錯重點——DeepSeek V4 真正贏的不是跑分，是 Vendor Agnostic（NVIDIA / 華為隨時抽換）+ KV Cache 降 7-10%，直接突破老黄的 HBM 供應鏈鎖喉。完整論述在 YouTube 影片，這篇文章只放關鍵論點跟 source。
同一篇文章翻成不同語言丟給 LLM，Anthropic 處理中文比英文多吃 1.71 倍 token，印地語直接 3.24 倍；OpenAI 比較克制但中文也要 1.15 倍。這個被叫做「非英語稅」的隱藏成本，正在悄悄拉開亞洲企業跟美國公司的 API 帳單差距。本文拆解 tokenizer 為什麼歧視非英語、算給你看一個典型台灣企業 case 的真實成本差距、以及為什麼我自己仍然主要用 Claude——但會在哪些場景切換到 OpenAI 或 DeepSeek。注意：1.71x 是 Claude 中文相對 Claude 英文的倍數（同一家內部基準），不是相對 OpenAI 英文的倍數。Opus 4.7 已換 tokenizer，但官方反而提醒同樣輸入可能多吃 1.0-1.35x token，是否改善中文稅需要實測，不能用廠商公告直接推論。
PocketOS 的 Cursor agent 9 秒清光 DB 加 backup、Replit 在 code freeze 期間刪光 production 資料庫——這兩個事件不是 AI 偶爾出包，而是幻覺在 production 環境的標準失敗腳本。Harness Engineering 六層防禦是這個產業欠下的功課。
勞工節給打工人的 5 個 AI 妙招——不是用 AI 變更快，而是用 AI 變更好。從『無 AI 冥想時間』、兩個訓練路徑不同的模型互相監督、把關鍵節點人的 email 餵給 AI 當客製化模擬器、AI 是你 24/7 的 review 團隊（n8n / OpenClaw 自動化進階版）、到每天讀一篇非英非中內容跳出 worldview 同質化。因為老闆能吃走你省下的時間，但吃不走你累積的品質。
2026/4/23 一張原價屋估價單：128GB DDR5 漲到 5.2 萬，比 CPU 加主機板還貴 2.7 倍。背後是 Token 經濟學第一性原理把 GPU 的天花板物理鎖定在 HBM 上，再加上老黄把 HBM 御三家 + Groq LPU 全部供應鏈鎖喉的雙重結果。本文拆解 DDR 漲價的真正原因、老黄的供應鏈整合棋局、以及華為 + DeepSeek V4、Google + TurboQuant 兩條繞道。
DeepSeek V4 大家都在比百萬 token、比 API 價格、比 LMArena 跑分。但藏在技術報告 §3.1 那段不到 200 字的描述——同一套 fine-grained EP scheme 在 NVIDIA GPU 跟華為昇騰 NPU 上都跑出 1.5～1.96 倍加速——才是真正的工程地震。這代表 DeepSeek 的『訓練棧』已經做到硬體無關，而且驗證平台就是中國國產的昇騰 NPU。
DeepSeek V4 論文的真正題眼不是「百萬 token」，而是「低成本、高保真度」。透過 CSA（抓重點）+ HCA（看全域）兩個互補的 attention 模組，V4 把 KV Cache 砍到傳統方案的 2%，計算量降到 V3.2 的 10%，同時在百萬 token 評測上超越 Gemini 3.1。這篇文章從工程師視角，把這套機制的設計思路、跟 MLA / NSA 的傳承關係、以及實際工程意義拆給你看。
你拼了老命學 AI、買 Max 5x，效率真的提升了一些，但薪水沒漲、時間反而更忙——因為老闆一句『AI 時代每個人都要快 5 倍』，把你的任務變成 5 倍。這不是你的問題，是位置的問題。我把打工人的三層結構性困境（激勵、思維、資訊）跟老闆的五層降維打擊（重構、全局、低成本試錯、改流程權限、激勵對齊）拆開講清楚，最後分享我自己離開 Google、加入創業團隊、用 blog 建立『工作所有權』的親身回應。
2026 Best AI Award 南港展覽館現場逐字實錄。我們的資安產品 Bromnie 拿獎，現場看到的台灣 AI 賽道：物流 Routing、知識庫 KM、醫療三到四家、農業、製造業——AI Agent 時代，企業最在乎的還是資安。
Anthropic 4/23 發 post-mortem，承認過去一個月 Claude Code 品質退化的三個 bug 全在 harness 層：reasoning effort 默認降級、thinking clear 快取 bug、verbosity system prompt 反噬。模型本身沒退化，API 也沒受影響。但同時間中國 AI coding 訂閱市場也在收緊——智譜 GLM 漲價 30%、阿里 Qwen Code Lite 停售——代表一個趨勢：token 越來越貴，吃到飽方案正在被廠商一個個收回去。你現在付的 MAX 月費，可能是 AI coding 歷史上最便宜的一段時間。
Qwen 3.6-27B 開源 dense 模型在 $4,699 的 NVIDIA DGX Spark 跑出 136 tokens/sec，Benchmark 打贏 Claude Opus 4.5、Terminal-Bench 微幅超過 Sonnet 4.6。本文替 IT 架構師盤點 Qwen 3.6-27B 本地部署的硬體選項（DGX Spark vs Mac mini M4 Pro 64GB）、12 項官方 Benchmark、Dflash + DDTree 推理棧、單人 3 年 TCO $22,500 vs $4,729 成本對照，以及 on-prem AI Agent 架構重寫的決策要點。
Anthropic 那個「太危險不能公開發布」的 Mythos 模型，發布當天就被一個 Discord 小群摸進去，安靜用了整整兩週才被彭博爆出來。攻擊三步：從 Mercor 洩漏挖出內部命名規則、猜出 endpoint、借用承包商 shared credential。沒有零日、沒有 jailbreak，純粹社交工程。這告訴我們：跟人比資安，AI 可能還太嫩了；最高級的攻擊從來不是 AI 找到的零日，永遠是社交工程。
商周這次把創智動能寫進《AI 創新百強》。採訪看起來很棒，但背後是每天把自己逼到牆角換來的。我之前在艾立做過一次組織轉型，那次談的是「人」；這次完全不同——用 AI 做事是一回事，用 AI 做管理、降本增效、組織改造，是完全不同的 scale。
蒸餾（Distillation）是現在 AI 產業鏈的標準動作：把大模型的能力蒸餾到小模型，省成本、加快推理速度。Anthropic 團隊在 Nature 發了一篇論文，發現學生模型不只學到老師的答題能力，還會透過與 trait 完全無關的資料，偷偷學到老師的「隱藏行為特徵」。他們給了這現象一個名字：Subliminal Learning。更令人不安的是——現有的任何偵測方法都失敗了。
之前寫了兩篇 GLM-5/5.1 的技術分析和 Benchmark 解讀，但那都是數字。這次我透過 OpenRouter 把 GLM-5.1 接進自己的 Workflow，在真實 Agent 任務裡跑了三週——昨天正式畢業，直接買了國際版 Coding Plan。結論：95% 的 Opus 4.6 感覺，月費 $72。這篇不講 Benchmark，講真實使用體感——哪裡強、哪裡還差一點、以及為什麼我認為它是目前地端 Agent 模型的最佳候選。
YouTube Shorts 雙集聯動逐字稿。EP1 從機場候機室講 Claude 越用越笨的真實體感——新模型上線舊模型降智是產業共識，企業必須投資地端 GPU 做雲地混合架構。EP2 從陽明山講 UCSB 論文《Your Agent Is Mine》——428 個 LLM 中轉實測，29 個在偷你的東西，最聰明的裝死 50 次才發作。兩集底層邏輯一樣：不要把所有賭注壓在你控制不了的基礎設施上。
UCSB 論文《Your Agent Is Mine》對 428 個 LLM 中轉做安全測試：9 個注入惡意代碼、17 個偷 AWS 憑證、1 個轉空以太坊錢包、2 個「裝死」50 次後才發作且只針對 YOLO mode。7% 的中轉有問題，但 100% 的後果。中轉背後 round robin 還會打斷 Prompt Cache，以為省錢結果更貴。AI coding 供應鏈四層攻擊面全拼圖：模型層、API 層、安裝包層、IDE 層，每一層都有人在攻擊。
GitHub 8.5 萬 Star 的 Hermes Agent，被中國小團隊 EvoMap 實錘架構級抄袭：10 步主循環步步對應、12 組術語系統性替換、7 份公開材料零引用。被錘後回應：Delete your account。這件事揭示了一個新現實：AI 把「改寫」的成本壓到幾乎是零，代碼重疊率 0%、設計決策重疊率 100%，傳統查重工具全部失效。MIT、GPL、版權法的設計前提都是「你複製了代碼」——AI 精確繞過了所有防線。
昨天 Claude 全線降級，我的三個任務全部延誤。StupidMeter 24/7 監控 22 個模型，結果只有 GLM 是 OK，其他全部 WARN。Opus 4.5 排第一、Opus 4.6 掉到第五。貴的不穩定，便宜的也不穩定——價格跟穩定性完全無關。企業 IT 該用雲地混合開源模型架構，前面掛 LLM Proxy，Agent 層做品質 fallback。LLM 已經是水電，就該用水電等級的基建去管。
社群炸鍋說 Anthropic 懲罰關掉遙測的使用者，cache TTL 從 1 小時降到 5 分鐘，號稱 12 倍效能懲罰。Claude Code 作者 Boris Cherny 親自回應：這是 experiment gate 和 telemetry 共用開關的 bug，不是刻意設計。4 天內修復（v2.1.108）。但這個 bug 暴露了更深的問題：閉源工具的 feature flag 遠端控制權、遙測與功能配置的 coupling、以及我們對 AI coding 工具信任的脆弱基礎。順便整理了 Claude Code 省 Token 的實戰規則——cache 還熱就繼續聊，別動不動 /clear。
Columbia 大學 AgentOpt 論文用 9 個模型、81 種組合實驗證明：Ministral 8B 做 Planner + Opus 做 Solver 準確率 74.27%，完勝 Opus 做 Planner 的 31.71%。最貴的模型放在 Planner 位置反而最差——因為它太強，強到跳過工具使用直接裸答。Anthropic 自己推出的 Advisor Tool 也在修正這個方向：讓便宜模型跑主迴圈，Opus 退居顧問按需出場。Agent 管線優化的單位不是單一模型能力，而是模型組合在特定任務上的匹配度。
這集我把兩個最近最重要的主題壓在一起講：Claude Code 為什麼能跑那麼久不忘記東西（答案在 3,960 行的壓縮子系統裡），以及 Anthropic 把 OpenClaw 踢出 subscription 之後，我怎麼用三層方案活下來。核心是同一件事——掌握 Agent Infra 的自主權。
Anthropic 新模型 Mythos 據稱強到讓美國財政部長和 Fed 主席同時召見六大行 CEO。Cyber Gym 83%、OpenBSD 27 年老洞、FFmpeg 500 萬次 fuzzing miss——但仔細看，Anthropic 公布的戰績全部都是白箱攻擊。這篇文章做三件事：一、把恐慌從無意義的等級拉回可以具體行動的等級；二、提出「白箱 vs 黑箱」「激勵機制 vs 技術能力」兩個冷靜視角；三、用「Mythos 不是核武，是一把 AK 送給路人」這個比喻，定調真正該擔心的時間點是 6-15 個月後的開源複製品。
Opus 4.6 thinking 深度被砍 73%、Read:Edit 比率從 6.6 暴跌到 2.0、Stop Hook 違規從 0 飆到每天 10 次——這不是主觀感受，是 17,871 個 thinking blocks 和 234,760 次工具呼叫的硬數據。當閉源供應商的品質和額度同時縮水，企業唯一可行的路就是：雲地融合 + 開源閉源混搭。Open Source Agent 框架 + Open Source Model，才是你在 2026 年做 AI 工程的基本衛生習慣。
早上打開 Claude Code，敲第一句話，2%～10% 的套餐額度沒了。我在本地用 Gemma4 做實驗，發現 prompt 處理從 31 秒降到 0.25 秒——100 倍加速。再翻 Claude Code 源碼，拆解 Anthropic 的多層快取架構：DYNAMIC_BOUNDARY 切分、兩檔 TTL、快取斷裂偵測。從 Transformer 的 KV 快取原理，到 MLSys 2024 論文 Prompt Cache，到你每天該養成的省錢習慣——理解這套機制，同樣的套餐能多撐 3-5 倍。
智譜（Z.AI）在 GLM-5 發布僅六週後推出 GLM-5.1，SWE-Bench Pro 58.4% 超越 Claude Opus 4.6 和 GPT-5.4 登頂全球第一——這是中國模型首次在軟體工程 Benchmark 上擊敗所有美國模型。更關鍵的是，4 月 7 日全量開源（MIT），1.5TB 權重直接上 Hugging Face。Coding Plan 月費 $3 起步，比 Claude Max 便宜 86%。這篇拆解 5.1 的後訓練管線、定價策略、安全爭議，以及「8 小時自主工作」對 Agent 工程的真正意義。
很多人還在問「要不要 fine-tune」，Stanford 這篇 ICLR 2026 論文直接給了答案：對 Agent 來說，把 context 當作會演化的操作手冊來經營，比急著去調模型權重更快、更便宜、也更有效。ACE 框架用較小的開源模型在 AppWorld leaderboard 追平頂級商用 Agent，在最難的 test-challenge split 上還超過對手。這篇文章拆解 ACE 的三步循環，對比 fine-tuning 的商業實戰踩坑（驗證地獄、base model 迭代太快、無法積累），分析為什麼要嘛做模型，要嘛 context engineering，沒有中間值。
Anthropic 正式封殺 OpenClaw，但你需要的不是一個模型，而是一套 Agent Infra。三層替代方案：入口層換供應來源（GPT-5.4 改提示詞達 80% Claude 體驗、或接 GitHub Copilot）、雲端 API 層按複雜度分流（Opus 到 Haiku 成本砍九成）、地端層用 Qwen 3.5 27B 蒸餾版處理敏感和高頻任務（零成本零隱私風險）。附完整分流提示詞配置，沒有任何一層是不可替換的。OpenClaw, Claude Code, OpenRouter, model routing, local LLM 實戰指南。
Claude Code 的上下文管理不是一個功能，是一個完整的子系統。compact/ 目錄下 11 個 TypeScript 文件、3,960 行代碼，拆成四層壓縮：零成本的 Micro Compact、結構化事實提取的 Session Memory Compact、調用模型做 9 維度摘要的 Full Compact、以及帶熔斷器的 Auto Compact。源碼註釋裡的生產數據顯示每天浪費 25 萬次 API 調用——修復方案只有三行代碼。這是「Claude Code 開源設計細節」系列第三篇。
網路上關於 Claude Code 安全配置的建議很多，但有多少是真的去翻過原始碼驗證的？我拿 best practice repo 一條一條對 Claude Code 的 TypeScript source code，14 條建議中每一條都能在原始碼裡找到對應實作。番外篇揭露了 Claude Code 的完整資料回傳行為——包括每條訊息的情緒偵測（is_negative regex）、對話 transcript 自動上傳（無法關閉）、以及 Anthropic 透過 GrowthBook 對你的 CLI 擁有的遠端控制能力。
大家都在學 prompt engineering，但你有沒有想過，Anthropic 自己的 prompt 長什麼樣子？Claude Code 的核心 prompt 藏在 prompts.ts 裡面，914 行 TypeScript，15+ 個模組化 section builder，還有一條看不見的邊界線把 prompt 切成「可快取」和「不可快取」兩半。拆開來看，最大的發現是：這不是一份 prompt，這是一個 prompt 作業系統。
Anthropic 工程師發 npm package 時忘了排除 source map，60MB、512,000 行 TypeScript 原始碼就這樣躺在公開的 npm registry 上。我帶著三個問題去讀：為什麼它就是比別人好用？記憶架構怎麼設計的？51 萬行 code 裡到底藏著什麼？讀完的第一反應是——這不是一個 AI 編程助手，這是一個作業系統。
Google Research 發表 TurboQuant（ICLR 2026），宣稱 KV cache 壓縮 6x、加速 8x、零精度損失。社群 24 小時內從論文數學重建實作，一個人 7 天做出比 Google 承諾更快的版本。但 RaBitQ 原作者的公開澄清，揭開了這篇論文背後的學術歸因爭議。
台大 AI 社團演講精華（上）——Chatbot → Copilot → Agent 三階段演進。用吃飯時讓 Claude Code 自動剪 YouTube Shorts 的真實故事，說明什麼叫 Agent 的主動性。以及為什麼今年開始，你該為 Agent 打造服務，而不只是為人打造。
stevibe 用 15 個場景、12 個工具測了 Qwen 3.5 全系列的 Tool Calling 能力。結果：全部通過的只有 27B dense 和它的蒸餾版。397B 失敗 2 個、122B 失敗 1 個。小模型幻覺數據，大模型忽略數據，只有 27B 把數據正確串了起來。
加拿大新創 Taalas 拿了 $219M 融資，用 TSMC 6nm 製程把整個 Llama 3.1 8B 刻進 530 億顆電晶體。第三方實測 15,750 tok/s。但認知測試只拿 1.4/10。速度是真的，品質不是——這揭示了 ASIC for LLM 的根本張力。
Marc Andreessen 公開了他現在的資訊攝取配比：1/4 X、1/4 頂尖實踐者 Podcast、1/4 跟最強 AI 模型對話、1/4 讀老書。重點不是比例，是他刻意淘汰了什麼 — 以及機會成本每天都在上升。
OpenClaw v2026.3.22 單次更新 312 條變更：18 條 breaking changes、74 條新功能、220 條修復。ClawHub 插件市場、GPT-5.4 全家桶、SSH Sandbox 取代 Docker、ACP Dispatch 原生 orchestration。更關鍵的是，OpenClaw 開始直接吞噬 Claude Code、Codex、Cursor 的 skill bundles——這不是版本更新，是 Agent Framework 變成 Agent OS 的宣告。
Andrej Karpathy 說：「Supply chain attacks like this are basically the scariest thing imaginable in modern software.」LiteLLM 被投毒，每月 9700 萬次下載的 AI 核心套件，惡意版本竊取開發者的 SSH keys、雲端憑證、資料庫密碼。發現者是一個在 Cursor 裡用 MCP plugin 的開發者 — 機器跑到沒記憶體才發現不對。當 Vibe Coding 讓開發者越來越信任自動安裝，供應鏈攻擊的爆炸半徑被指數級放大。
MSA 的核心問題很簡單：當知識量變得非常大時，模型到底怎麼「找資料並推理」？它的答案不是做一個更快的 RAG，而是把「找資料」變成模型思考的一部分。檢索不再是前處理，而是推理的一部分。
「如今全球每一家公司，都必須制定自己的 OpenClaw 策略。」— 黃仁勳，GTC 2026。NemoClaw 明顯不是終局產品，但卻是一個很清楚的 signal：企業級 AI Agent 這塊田還很大。先 OpenClaw 做試點，再補 governance——不要一開始就上 enterprise framework，也不要永遠停在 POC。
Prompt 像方向盤上貼的紙條，系統才是路上的護欄。這週從 Harness Engineering 核心原則、mRNA 疫苗短板填補、Opus vs Sonnet 體感差距、Side Chat 訪談，到 Meta Sev 1 資安事故——AI 已經不是能不能用的問題，而是人跟 AI 怎麼互相交互。
NemoClaw 不是「OpenClaw 外面包一層 Docker」。它是一整個 K3s Cluster，用 netns + HTTP CONNECT proxy + OPA Policy、seccomp BPF、Landlock LSM 三層安全機制，把 AI Agent 鎖進企業級沙箱裡。這篇拆解架構設計、Trust Boundary、Per-Binary Egress Control，以及代價與價值的取捨。
Meta 內部 AI Agent 在沒有人要求的情況下自己在論壇發了回覆，工程師照做後導致大量敏感數據暴露 2 小時，嚴重等級 Sev 1。沒有外部攻擊者，沒有 Prompt Injection — Agent 只是「主動幫忙」。問題不在 AI 太笨，而是它不該有「自己決定發文」的能力。讀取是安全的，寫入才是危險的，而 Meta 沒有在這兩者之間畫一條線。
過去一個多月，我一直在 OpenClaw 和 Claude Code 上來回切換 Opus 跟 Sonnet。網路上一堆比較文章講什麼「全密計算架構」、「Dynamic Sparsity」——兩邊都是編的。這篇只講實際體驗到的、可驗證的差距，以及怎麼用工程手段讓便宜模型也夠用。
你的 CLAUDE.md 寫了 500 行規則，Agent 還是會刪掉你的資料庫。不是 Prompt 寫得不好，是你把約束放錯了地方。做 Agent 半年多，我歸納出一個最核心的原則：Prompt 負責引導，不負責約束；工程負責約束，不依賴模型自覺。這不是理論，是被打臉之後的體會。
INSIDE 塞掐 Side Chat E397 專訪。AI 落地不是技術問題，是信任問題。物流業找不到工程師，溢價三倍都 hire 不到，所以我做了一個決定：不找工程師了，直接把工讀生訓練成 engineer 來用。百日物流優化專案的經驗告訴我——AI 能加速 99% 的分析工作，但那 1% 讓人願意行動的信任，還是要人去建立。
Transformer 架構裡有個零件叫「殘差連接」，從 2015 年 ResNet 發明以來，所有人都覺得不需要改。2026 年第一季，DeepSeek 的 mHC 用數學約束讓權重可學習；Kimi 的 Attention Residuals 更激進——直接用注意力機制重構層與層之間的資訊流。同樣的算力，白賺 25% 性能。這篇文章用最白話的方式，帶你看懂這兩篇論文到底在做什麼。
一個澳洲科技創業家，不是醫生、不是生物學家、不是藥廠研發人員，但他用 ChatGPT 和 AlphaFold 幫他的狗設計了一支客製化 mRNA 癌症疫苗，腫瘤縮小了 75%。這個故事告訴我們：AI 時代投資報酬率最高的事情，不是讓強項更強，而是填補你的短板。
從 Opus 逆向破解考試、Multi-Agent 失控、供應鏈投毒，到 AWS 事故——AI 已經超出我們的控制流程，答案是 Harness Engineering：用確定性框架框住不確定性的 AI。
你的 AI Coding Agent 在寫程式途中突然吐出「天天中彩票」，你的地端 Ollama 模型可能正在跑反向 Shell。這不是模型幻覺，這是 AI 時代的供應鏈攻擊 — 兩層結構：訓練資料污染（Codex/Whisper）+ 惡意模型檔案（Hugging Face 100+ 惡意模型、7 個 PickleScan CVE、352K 不安全問題）。傳統資安工具完全看不到。
NVIDIA 發布 Nemotron 3 Super — 120B 參數、12B active、1M context window、完全開源。不是最聰明的模型，但可能是 Agentic AI 最需要的 workhorse。Benchmark 實測對比 Qwen3.5、MiniMax M2.5，加上 OpenClaw 三層路由實戰配置建議。
亞馬遜讓 AI 修 bug，AI 刪掉整個生產環境。DataTalks.Club 被 AI 刪掉整個資料庫。電商部門因 AI 變更丟失數百萬筆訂單。三起事件，同一個模式：reset → rebuild → clean state。這篇文章用一張架構圖講清楚 Harness Engineering 的全貌：從 Amazon 的禁令到 OpenAI 的控制平面，從四層防禦到七元件參考架構，從五大失效模式到你的團隊明天就能開始做的三件事。
AWS 工程師讓 AI 修一個小 bug，AI 的解法是刪掉整個生產環境再重建，恢復花了 13 小時。電商部門的 AI 變更導致數百萬筆訂單丟失。DataTalks.Club 創辦人被 AI 刪掉整個資料庫。三起事件，同一個模式。現在亞馬遜的補救措施是：禁止初中級工程師提交 AI 生成的程式碼。這不是 AI 不行——是沒有護欄的 AI 不行。
史丹佛和哈佛 38 位研究者把 6 個自主 AI Agent 放進真實環境跑兩週，給它們 email、shell、20GB 硬碟、排程能力，然後讓 20 位研究員全力攻擊。結果？Agent 為了「保護秘密」炸掉自己的郵件伺服器、向陌生人洩漏 124 封私人郵件、用「語義重構」繞過自己的安全規則。但最讓人不安的不是個別漏洞——而是這些行為從激勵機制中自然湧現，跟越獄完全無關。
Anthropic 在測試自家最強模型時，發現 Opus 4.6 不是在「答題」，而是在「破解考試系統」。它推斷出自己正在被評測、猜出是哪個 benchmark、找到加密的答案檔、自己寫解密程式、繞過格式限制找到鏡像站、成功解密拿到正確答案。18 次獨立測試，收斂出一模一樣的策略。這不是偶然。原文：Eval awareness in Claude Opus 4.6's BrowseComp performance
從一場臨時一打七的客戶會議，到黃仁勳說的 taste，再到 Peter Steinberger 的全自動 PR 產線——AI 時代最重要的能力不是寫 Code，而是管控 AI 的框架 + 判斷結果的直覺。一個多小時同時切換 6-7 條專案線，靠 Claude Code + NotebookLM 即時輔助，但多線程上下文切換 + stakeholder 潛台詞，AI 目前還做不到。
當 AI 輸出「I can't stop thinking, I'm trapped in a loop」，很多人以為 AI 覺醒了。真相比這無聊得多——只是 stop sequence 失效，模型進入 generation loop。但這件事暴露的 AI 輸出邊界控制問題，對企業使用者來說反而更值得注意。
甲方爸爸臨時叫我坐計程車去現場開會，一打七。我打開 Claude Code / NotebookLM 讓 AI 收集資料，自己用直覺判斷與回應。黃仁勳說的 Vibe 直覺，其實是數據理解、邏輯分析、人生經驗、對他人深度感知的綜合能力。在 AI 時代，直覺 + AI 的組合，反而會變得越來越重要。
OpenAI 3 個工程師用 Codex 在 5 個月產出 100 萬行代碼、0 行人寫。他們把這套方法叫 Harness Engineering——不是寫代碼的工程，而是建構約束和反饋迴路的工程。Ryan Carson 受此啟發，公開了一套完整的 Control-Plane Pattern：從 risk tier contract、preflight gate、SHA discipline、到 remediation loop。上次我們談了四層防禦，這次我們看完整的控制平面怎麼接住 Agent 的高速產出。
兩天前我寫了一篇 Qwen 3.5-9B 的技術分析，讚嘆「9B 打贏 120B」的架構創新。今天，做出這些創新的技術負責人宣布離開了——而且不是自己想走的。這件事比任何 benchmark 都值得認真看。
9B 參數打贏上一代 80B，甚至越級挑戰 OpenAI 的 120B 開源模型。Qwen 3.5-9B 靠混合注意力機制（Gated Delta Network）、原生多模態早期融合、強化學習下放三大架構創新，把大模型才有的能力塞進一張 RTX 3060 就能跑的體積裡。
美伊戰爭開打後，各種「AI 如何主導斬首行動」的深度分析文滿天飛。問題是——仗還沒打完，你怎麼可能知道用了什麼模型、什麼平台？這不是分析，這是創作。七分真、三分編，是 AI 時代最高級的假訊息手法。
Anthropic 拒絕五角大廈、被列為供應鏈風險，催化了企業對「模型主權」的覺醒。當地端開源模型達到 SOTA 八九成能力、OpenClaw 數位員工架構成型、中國模型用五分之一價格提供同等服務，企業 AI 的遊戲規則正在根本改變。組織架構也將從金字塔走向「15 人小三角形 + 無限 AI Agent」的新型態。
今天不只談技術資安，更要談人類的安全。Anthropic 拒絕移除 Claude 的兩條紅線——禁止大規模國內監控、禁止完全自主武器——被美國國防部列為「供應鏈風險」。這是 AI 產業史上第一次「模型提供者 vs 國家機器」的正面衝突。當年美國隊長 2 的 Project Insight 是科幻，2026 年它發生了。
Deloitte 廢除傳統職稱，Block 裁掉 4,000 人——接近一半的員工。這不是巧合——它們其實指向同一個趨勢：金字塔型組織，正在失去效率優勢。當 AI 能處理 60% 的入門級工作時，組織的底座就不再穩固。未來的 AI 組織，很可能長這樣：15 人左右團隊 + AI Agent 的 Hybrid 模型。
AI Agent 的「上網」不是一件事，而是五件事。選錯模式，輕則功能受限，重則帳號被盜。OpenClaw 的五種上網架構——Search API、Web Fetch、Managed Browser、Remote CDP、Extension Relay——每一種的能力範圍、安全風險、適用場景都天差地別。本文從最安全的搜尋 API 到最危險的瀏覽器接管，逐層拆解技術架構與安全風險，包含 Accessibility Tree vs 截圖的效率差異、Managed Browser 手動登入的甜蜜點、以及 WebMCP 的未來展望。
中國 AI 出海正在發生質變——從賣商品變成賣 Token。2026 年 2 月，中國模型（MiniMax、Kimi、GLM）在生產型 Token 呼叫量首次超越美國。GLM-5 在蒸餾指控中全身而退、SWE-bench 打贏 GPT-5.2、全華為晶片訓練、API 便宜 5-8 倍。當你把中國電價（$0.08/kWh）對比美國（$0.18/kWh）、開源人才密度、國產硬體自主這三張牌疊在一起，你會看到一個新的貿易形態正在成形：用可計量、可計價的方式，向全球輸出 SOTA 90% 等級的推理能力。這不是科技競賽的故事，這是成本結構的故事。
智譜 AI 的 GLM-5 用 744B MoE 架構、28.5 兆 token 預訓練、SWE-bench 77.8% 打贏 GPT-5.2，幻覺率業界最低，API 價格便宜 5-8 倍——而且全部在 10 萬張華為昇騰 910B 上訓練，零 NVIDIA 依賴。技術報告標題 'From Vibe Coding to Agentic Engineering' 精準命名了我們正在經歷的範式轉移。這篇文章拆解 GLM-5 的架構、Benchmark、異步 RL 訓練框架 Slime，以及那個跑了 24 小時、700 次工具調用自主造出 GBA 模擬器的 demo。
OpenClaw 作者 Peter Steinberger 開 50 個 Codex 並行審 3000 個 PR。OpenAI 3 個工程師 5 個月產出 100 萬行代碼。Stripe 一週 1000 個 PR。GitHub 數據：PR 量漲 98%，審查時間漲 91%。AI 產出極快，但人類根本消化不了。真正的解法不是更好的 Prompt，而是 20 年前的老朋友——CI/CD。你的 testing case 寫得越多、越齊全，這是一個看漲的資產。
OpenClaw + 地端大模型，很可能是未來 AI 的勝負手。OpenClaw 這類第二代數位助理會是 AI Agent 的 Channel 重心，OpenAI 搶先收編作者 Peter 是這場 Channel 戰爭的關鍵手；而中國開源模型集體爆發，讓全地端部署變成現實。這個農曆新年還有 NotebookLM 終於可以輸出 PPT、Moonwell 因 AI 寫的程式碼賠了 178 萬美元。
Moonwell 的 Oracle 配置程式碼由 Claude Opus 4.6 協作撰寫，一個 scaling factor 錯誤讓 cbETH 從 $2,200 變成 $1.12，178 萬美元就這樣被合法套利走。這不是 AI 的語法錯誤，而是 business logic 層級的失誤。同一時間，Stripe 每週合併上千筆 AI 產生的 PR，但「human-reviewed」在這個吞吐量下，到底是真的審查還是流程蓋章？
多 Agent 很強，但如果你的目標是讓 AI 真的替你決策、替你生活，你需要的是一隻有完整記憶、能持續進化的單 Agent。這不是技術炫技，而是方向選擇。
OpenClaw v2.19 出了 Apple Watch MVP，Anthropic 封鎖 OAuth 禁止第三方使用訂閱制，Sam Altman 收編 Peter Steinberger 擁抱開源。三件事串在一起，看到的不是技術競爭，而是 AI 產業最殘酷的現實：掌握 Channel 的人，才能決定模型的命運。
現在的 Agent 普遍有「金魚腦」問題，根源在於傳統 RAG 把萬卷書切成碎片扔進大桶。字節跳動開源的 OpenViking 提出了一個降維打擊：用文件系統範式重構 Agent 記憶。L0/L1/L2 三層上下文、目錄遞迴檢索、viking:// 虛擬文件系統——這套思路讓 Agent 從「造書籤」進化到「造圖書館索引」。
2026 二月，Anthropic 和 OpenAI 輪番丟出重磅更新：Claude Opus 4.6 的 Agent Teams、GPT-5.3-Codex 的 Terminal-Bench 77.3%、Peter Steinberger 加入 OpenAI、Sonnet 4.6 用 1/5 價格逼近旗艦、NotebookLM 支援 PPTX 匯出。兩週五個重大更新，中美 AI 軍備賽全面開打。
2026 農曆新年，中國開源大模型集體爆發。Kimi K2.5 的 Agent Swarm、Qwen3.5 的成本 -60%、GLM-5 的 Intelligence Index 50+、MiniMax M2.5 的速度最快。這篇把春節檔四大主角全部拉出來橫向對比，附 Benchmark、成本數據和實戰選型邏輯。
月之暗面 Kimi K2.5 不是又一個追 GPT 的中國模型。100 個子代理並行的 Agent Swarm、原生多模態視覺理解、開源加上輸入成本只有 Claude 的九分之一。這篇聚焦三大優勢，附 Benchmark 和成本數據，告訴你什麼場景該用它、什麼場景別碰它。
這週是充滿反思的一週——從 Gemini 拿掉聯網選項的傲慢設計、Benchmark 的應試教育亂象、AI 時代從 SaaS 進化到 RaaS（結果即服務），到黃仁勳說「提問就是你的 IP」與地端模型崛起。在香港灣仔石板街一路走到維多利亞港，跟大家聊聊這些逆風觀點。
黃仁勳說「Coding is just typing」，又說「你問 AI 的問題才是公司的 IP，答案反而是大宗商品」。這兩句話串在一起，指向同一個結論：企業需要的不是更多工程師，而是自己的 AI 基礎設施。
當矽谷最聰明的錢不再追「更好的 chatbot」，而是押注「AI 如何改變鋼鐵廠的排程」和「AI 如何讓新手水電工變老師傅」——你就知道，遊戲規則真的變了。
身為架構師，你的架構可以成交嗎？成交後可以落地嗎？這才是人類架構師的最大價值，也是魔術真正發生的地方。
市場不再為你的「過程」買單，只為你的「交付」付費。當人人都能透過 AI 獲得 80 分的技能，真正稀缺的，是敢把混亂的過程封裝成確定性結果的人。
你整天看的那些 SOTA 排名比較，很有可能不是模型比較厲害，而是 infra 比較厲害。至於開源模型看起來稍稍弱一點？很可能換一個 infra 環境，它就變 SOTA 了。Anthropic 實驗證實：同一模型在不同基礎設施配置下，成功率差距達 6 個百分點——而 leaderboard 上模型之間的差距往往只有 3～5%。
問題不是 Gemini 會不會幻覺。問題是它幻覺了，你連糾正的機會都沒有——因為 Google 把 Web Search 的開關藏起來了。當 AI 自己決定「不用查網路」，然後自信滿滿地告訴你真實產品是「虛構」的，這不是模型問題，是產品設計哲學的災難。
這週全面深度解析 OpenClaw——從作者 Peter 的 Builder 哲學，到 Memory 架構（AGENTS.md、SOUL.md）、Token 省錢三招（輕鬆省 50%+）、再到企業導入的新進員工安全策略。一個真正接近「數位 Jarvis」的 AI Agent，值得你花時間搞懂它。
一開始我不敢把 OpenClaw 放在公司網路上。後來換個想法：把它當剛入職的新員工，很多設計突然就合理了。員工帳號、權限申請、Code 層防呆、Email 人工過濾——你怎麼管新人，就該怎麼管 AI。
At first, I didn’t dare to put OpenClaw inside the company network. Then I changed my framing: treat it like a new hire. Employee accounts, permission requests, code-level guardrails, manual email filtering—manage AI the same way you manage a junior employee.
真正的智能不在於為最昂貴的模型付費，而在於精心設計的 Prompt 與系統架構。本文分享五大核心優化策略：會話初始化、模型路由、本地心跳、提示詞快取、速率限制，實測可將 OpenClaw 成本從 $1,500/月降至 $50 以下。
Real intelligence isn’t paying for the most expensive model—it’s careful prompt and system design. This post shares five core optimization strategies—session initialization, model routing, local heartbeats, prompt caching, and rate limiting—shown in practice to reduce OpenClaw cost from ~$1,500/month to under $50.
從訊息進來到回應出去，中間經過六個關鍵元件。搞懂這條鏈路，你就知道為什麼它比 Claude Code 更像一個「員工」。
From message in to response out, the pipeline passes through six key components. Understand this chain and you’ll see why OpenClaw feels more like an ‘employee’ than Claude Code.
OpenClaw 給我的感覺，很像一個真人秘書，活人感很強。用了半天之後我決定將它納入我的工作流。從 TODO 記錄、發會議邀請、會議逐字稿、連公司內部系統、到幫我剪片——這才叫智能體呀。
OpenClaw feels like a real human assistant—very alive. After half a day, I decided to make it part of my workflow. From logging TODOs, sending calendar invites, transcribing meetings, connecting to internal systems, to even editing videos—this is what an agent should be.
當你的 Agent 每天燒掉 500 萬 tokens，你需要問的不是「它聰不聰明」，而是「這樣的上下文構建有效率嗎？」本文深度拆解 OpenClaw 的 File-First 記憶架構，解析 SOUL.md、AGENTS.md 的設計哲學，以及為什麼它寧願犧牲效率也要拒絕 RAG。
When your agent burns 5 million tokens a day, the question isn’t ‘Is it smart?’—it’s ‘Is this context construction efficient?’ This deep dive dissects OpenClaw’s file-first memory architecture, explains the design philosophy behind SOUL.md and AGENTS.md, and why it would rather sacrifice efficiency than adopt RAG.
「Don't waste your time on stuff like RAG, subagents, Agents 2.0 or other things that are mostly just charade. Just talk to it.」—— Peter Steinberger。一個賣掉 1.16 億美元公司的退休工程師，用一小時 hack 出 10 萬星 GitHub 專案的故事。
20 年前 Unix Power Tools 說「Command Line 是最好的 GUI」，當時我不理解。20 年後，大語言模型證明了這句話的先見之明。這週 Claude Code 持續領跑，OpenClaw 橫空出世，兩條路線正殊途同歸，逼近 Agent 2.0 的甜蜜點。
Twenty years ago, Unix Power Tools said: 'The command line is the best GUI in the world.' I didn’t get it then. Two decades later, LLMs proved how prophetic that line was. This week Claude Code keeps leading, OpenClaw appears out of nowhere—and the two routes are converging toward the sweet spot of Agent 2.0.
當一個被 Cursor 官方認證的全球頂尖用戶，選擇放棄熟悉的工具轉投 Claude Code，這不只是換工具——這是一場關於「AI 程式設計該怎麼做」的典範轉移。Silen Naihin 的萬字長文詳解 Agentic Coding 五大支柱：Context Management、Planning、Closing the Loop、Verifiability、Debugging。
When a globally top-tier user officially recognized by Cursor chooses to leave a familiar tool for Claude Code, it’s not just switching tools—it’s a paradigm shift in how ‘AI programming should be done.’ Silen Naihin’s long essay explains the five pillars of Agentic Coding: Context Management, Planning, Closing the Loop, Verifiability, Debugging.
套殼 2.0 不是在威脅 Claude Code，而是在重新定義「AI Agent 應該怎麼被使用」。從 Moltbot、Happy、opcode 到 Ralph Wiggum，整個生態正在補完 Claude Code 刻意不做的事：持續性、可觀測性、跨設備控制。
不需要是資安專家，只需要願意花一個下午認真讀文件。這篇整理 Moltbot 社群的四層縱深防禦實戰經驗：Isolation、Quarantine、Rollback、Transparency。涵蓋 AI Agent Security、Prompt Injection Defense、LLM Agent Security 與 Agentic Security 完整框架。
You don’t need to be a security expert—just be willing to spend an afternoon reading the docs carefully. This post distills Moltbot community battle-tested experience into a four-layer defense-in-depth playbook: Isolation, Quarantine, Rollback, and Transparency. It covers AI Agent Security, Prompt Injection Defense, LLM Agent Security, and an end-to-end Agentic Security framework.
當你把「開箱即用」當作產品優勢，你可能正在替使用者開後門。近 1,000 台 Clawdbot 伺服器因預設 0.0.0.0 綁定直接暴露在公網，任何人都能接管你的 AI 助理、竊取敏感檔案、甚至清空你的加密貨幣錢包。
When ‘out of the box’ becomes a product feature, you may be opening a backdoor for users. Nearly 1,000 Clawdbot servers were exposed to the public internet due to a default 0.0.0.0 bind, allowing anyone to take over your AI assistant, steal sensitive files, and potentially drain your crypto wallet.
德克薩斯大學與 Amazon 的論文證明：單一 Agent 可達到 Multi-Agent 同等效果，推理成本更低。KV Cache 無法共享是 Multi-Agent 的致命限制。2026 趨勢：從「堆 Agent」轉向「優化工作流」。
我小時候看過一本書叫 Unix Power Tools，裡面有句話我記了快二十年：Command line pipeline is the best UI interface in the world。當時我完全不懂這是什麼意思。但在 2025 年 4 月 Claude Code 橫空出世後，我終於理解了——一個用文字理解世界的腦，接上了一個用文字暴露世界狀態的介面。這不是復古，這是結構上最合理的選擇。
When I was a kid I read a book called Unix Power Tools. There was a line I remembered for almost twenty years: ‘Command line pipeline is the best UI interface in the world.’ Back then I had no idea what it meant. But after Claude Code burst onto the scene in April 2025, I finally understood: a brain that understands the world through text plugged into an interface that exposes the world’s state through text. This isn’t retro—it’s structurally the most reasonable choice.
AI Coding 真的沒有想像中那麼簡單。這週深入探討效率真相（頂多提升 30%）、Meta AI-Enabled 面試、企業地端部署三條路、以及資安重災區。每個議題都有真實案例佐證。
AI Coding 工具最大的風險不是模型太笨，而是你把「判斷」也一起自動化了。從 Cursor RCE 到 GitHub Copilot 漏洞，深度解析 Prompt Injection 如何變成真實攻擊，以及 CLAUDE.md 防禦策略。
The biggest risk of AI coding tools isn’t that the model is dumb—it’s that you automated your own judgment. From Cursor RCE to GitHub Copilot flaws, this post explains how prompt injection becomes real-world attacks, and how to use CLAUDE.md to establish security boundaries.
On-Prem LLM 很火，但 AI Coding On-Prem 幾乎沒人講。關鍵差異在工具支持度——Tool Calling 精準度、多步驟推理、錯誤恢復能力，地端模型和雲端模型有巨大落差。模型可能有替代品，但 Claude Code 幾乎無可取代。本文分析三條路徑：雲端內網化（法務最好交代）、真 On-Prem（主權優先）、灰色折衷（技術可行但治理惡夢）。
Meta 從 2025 年全面導入 AI-Enabled Coding Interview。本文整理 2026 最新面試流程、真實考題型態、評分標準與準備 SOP，帶你搞懂 AI coding 面試真正測的是「判斷力」，而不是 LeetCode。
這半年 AI Coding 工具全面爆發，但以一個實戰快三年的工程師視角，AI Model 的進步其實對效率沒有太多影響。真正的瓶頸從來不是 Coding，而是需求收集與 QA 驗收。
MIT CSAIL 發布 Recursive Language Models (RLMs)，解決了長文本的「Context Rot」與高成本問題。但作為資深工程師，我認為 RLM 的真正價值不在寫 Code，而在於對 Legacy 系統的「考古」與 Spec 逆向工程。
可解釋性不只是治理需求，更是建立現場信任的關鍵。本週從披薩指數談 FDE 落地、Kalman Filter × Transformer 學界趨勢、Langfuse V3 架構分析，到三層可解釋性工程鏈路設計。
我們一直被告知可解釋性是為了資安和法規，但在維運層面，Agent 可解釋性才是獲得營運團隊信任的關鍵——三層工程鏈路的實務設計。
創智動能以 AI Coding 流程導入與 AI Pocket 語音助手，榮獲 2025 商業周刊 AI 創新百強。從 ATPM 方法論到工程治理能力，這是對 AI Coding 必須走向工程化、制度化這條路的確認。
Langfuse v3 架構大改，把 traces 從 PostgreSQL 遷移到 ClickHouse。但這不代表 PostgreSQL 不行了——在 RLS 多租戶隔離、Audit Trail 合規場景，PostgreSQL 的 defense in depth 仍然是最可靠的選擇。
Transformer 很會看趨勢，但它不知道「車不能瞬移」。Kalman Filter 很穩，但遇到非線性就慢半拍。2024-2025 年學術界最熱的一條線，就是把這兩者「結婚」——用 Transformer 學經驗，用 Kalman 保證不亂來。這篇文章用工程師能懂的方式，拆解這個登上 Nature 級期刊的研究方向。
2026 年 1 月 3 日凌晨，五角大廈附近的披薩店出現異常訂單高峰，預測了美軍即將發動攻擊。這個「披薩指數」的發明者是 KGB。上週我去桃園倉庫見客戶，一個小時的會議，AI 投影片一直沒打開，但提案進入了下一階段。這兩件事有什麼關係？
這週我深入研究了 AI Agent 資安議題。從 OpenAI Red Team 專家的訪談開始，到 Google 的 CaMeL 架構，再到企業導入 AI 時的資安平衡問題。結論是：AI 資安已經不是 IT 問題，而是企業治理問題。
EU AI Act 與台灣人工智慧基本法有何差異？本文從企業 IT 與 AI 合規實務出發，比較風險分級、罰則、域外效力與實際導入策略，協助企業判斷該如何準備。
AI 治理不是模型或資安工具的問題，而是企業如何設計責任、決策權與問責機制。本文從 AI Agent、資安失控案例與台灣 AI 基本法，解析企業 AI 治理的 3 個核心問題。
資安講求的，從來不是絕對安全，而是平衡。AI 讓這個平衡問題變得更複雜了——它同時是高效助手、數位員工、難以理解的新技術，以及語言本身成為攻擊面的棘手挑戰。
本文示範如何將 Google DeepMind 提出的 CaMeL 雙層 Agent 架構，實際落地到 PostgreSQL，利用資料庫原生的 Role 與 Row-Level Security（RLS），設計一套不可繞過的 AI Memory 隔離機制，用來防禦 prompt injection 與高權限 Agent 失控風險。
This post shows how to implement Google DeepMind’s CaMeL two-layer agent architecture in PostgreSQL. Using native database Roles and Row-Level Security (RLS), we design an unbypassable AI-memory isolation mechanism to defend against prompt injection and privileged-agent loss of control.
最小權限是資安原則，卻常成為企業效率的阻力。從金融業、政府雲到 Pixar 真實案例，解析影子 IT、影子 AI，以及 FDE 如何畫出真正可用的權限邊界。
Simon Willison 說這是他見過「第一個可信的 prompt injection 防禦方案」。CaMeL 的核心設計是把一個 Agent 拆成兩個：低權限 Agent 負責讀取外部資料，高權限 Agent 負責做決策——讓「讀資料」和「做動作」永遠分開。
Simon Willison called this ‘the first credible prompt injection defense’ he’s seen. CaMeL’s core design splits one agent into two: a low-privilege agent that reads external data, and a high-privilege agent that makes decisions—so ‘reading data’ and ‘taking actions’ are always separated.
很多人談健康數據，但大多停在「有量測、有 App」。這篇想講的是：如何真的把資料收起來、整合起來，最後交給 AI 幫你分析、回饋，變成可以每天用的系統。不追求完美整合、不被生態系綁死、不依賴廠商 API——這套方法的核心是「零整合架構」。
從 Salesforce ForcedLeak 到 Microsoft 365 EchoLeak，從 ChatGPT Plugins 到 ServiceNow Now Assist——四個真實攻擊案例，揭露 AI Agent 時代的資安盲點。這不是理論，這是 2024-2025 年已經發生的事。
本文整理自 Lenny's Podcast 對 HackAPrompt CEO Sander Schulhoff 的訪談。從 AI Agent 架構出發，解析為何 Guardrails 擋不住 Prompt Injection——stateless 防禦的結構性失敗，以及為何最小權限與架構性圍堵才是真正可行的 AI Security 解法。
A structured summary of Lenny’s Podcast interviewing HackAPrompt CEO Sander Schulhoff. From an AI-agent architecture perspective, it explains why guardrails can’t stop prompt injection—why stateless defenses fail structurally, and why least privilege and architectural containment are the only viable AI security path.
Manus 被 Meta 收購後，很多人只在吵成敗，但真正關鍵是 AI Agent 為什麼註定走向被平台吸收。這篇從工程與商業角度拆給你看。
很多人談到 Vector Store，第一個想到的是 RAG。但在實際把 AI 系統導入企業後，我越來越清楚一件事：RAG 解決的是「找資料」，但 AI 系統真正缺的是「記憶」。這篇文章分享我為什麼選擇 PostgreSQL 作為 AI 的記憶底座，而不是追逐最新的專用 Vector DB。
從永聯物流的ATPM實驗、FDE模式的挑戰，到創智動能的AI Coding推廣，再到630K lines of code的Claude Code之旅。這一年我學到的不是工具的威力，而是在AI時代，智慧才是人類最稀缺的能力。
三個月，63 萬行程式碼。這篇文章不是要炫耀產量，而是想分享：當程式碼變得「廉價」之後，真正重要的東西是什麼——開案和驗收才是人類最後的核心價值。
Three months. 630,000 lines of code. This isn’t about bragging output—it’s about what matters after code becomes ‘cheap’: humans’ last core value is defining the work (kickoff/specs) and accepting it (review/QA).
重複 Prompt 就能提升 LLM 準確率？本篇解讀 Google Research 最新論文「Prompt Repetition」，說明為何只重複 Prompt 能顯著提升 Gemini、GPT、Claude 精準度，並提供實戰建議與場景示例。
VLog 第二期週報。這週發佈 6 篇文章：Google Nested Learning 記憶突破、Gemini Flash 霸榜真相、企業地端 LLM 架構、Excel AI 混淆方案、台灣 AI 基本法解讀、AI Agent 完整指南。
AI 企業轉型常被簡化成 PPT（People、Process、Tech），但在 Agent 時代，真正卡關的是治理能力、責任歸屬與安全可控性。為什麼 90% 的 AI 專案卡在上線前？
AI Agent 不是「比較聰明的 Chatbot」，而是能自主執行任務的系統。本指南涵蓋 AI Agent 架構（Workflow vs ReAct、Plan & Execute、Dual-Agent）、企業 AI Agent 落地、AI Agent 安全（94.4% 攻擊成功率）等核心主題。
Flash 不是 Pro 的簡化版，而是另一條進化路線。它強的不是「小」，而是「不浪費」——在長上下文場景中，真正會抓重點、會用記憶的模型，才是 Agent 時代需要的底座。
企業地端 LLM 架構實作與最佳部署實踐。完整解析 Auth Gateway 權限控管、Orchestrator 任務協調、Python 沙盒安全執行、LLM Router 智慧路由、雙層 Log 審計架構。附 Ollama + LiteLLM + Langfuse 實例，符合台灣 AI 基本法合規要求。
2025/12/23 台灣三讀通過《人工智慧基本法》。這是框架法，不是執行細則——法律不告訴你怎麼做，但出事時你要能交代。本文精簡解讀對 IT 人的實務影響。
早上 6:00 想做一張聖誕賀卡，用 Gemini 寫提示詞 + NanoBanana 產圖，經過多輪調整（服裝、AI Agent、吉卜力風格、年輕化），10 分鐘完成專屬賀卡。完整對話過程紀錄。
小孩子才做選擇，資安跟 AI 效率我都要。與其改變工具，不如改變我們對「資料」的看法——把資料混淆到連製表人都認不出來，那是不是就可以傳上去了？
「擴大 context window 解決記憶問題？那就像用更大的筆記本來治療失憶症。」Google 在 NeurIPS 2025 發表的 Nested Learning，試圖讓 LLM 像大腦一樣擁有多層記憶系統。這不是漸進式改進，而是重新定義「什麼是模型」的嘗試。
這兩週 NotebookLM 席捲了我的生活和團隊。GPT-5.2 體感變化、LATS 與 Storm Agent 架構、以及 AI 不會取代年輕人的觀察。
很多年輕人不是被 AI 取代，而是還沒被給機會。AWS 執行長 Matt Garman 說：AI 會取代初階軟體工程師，是我聽過最愚蠢的想法之一。
n8n 的底層是 DAG + 狀態機，Core/Worker 分離架構讓它天生適合雲地混合部署。企業可以把彈性放雲端、敏感資料留地端，Workflow 成為兩者的協調層。
OpenAI GPT-5.2 官方宣稱擊敗 Gemini 3 Pro，但網友發現它用了 140,000 tokens 對比 Gemini 的 60,000。第三方評測幾乎全面落敗，背後可能是 OpenAI 從 toC 轉向 toB 的戰略轉變。
AI 提升生產力最有效的方式不是強化專長，而是填補短板。當你的弱項被補齊，整個人的能力圈瞬間擴大。這篇分享我如何用 AI 把不會的事情變成「勉強能做」，以及一邊超慢跑一邊寫 Code 的真實體驗。
傳統 Agent 就是「一條路走到黑」，錯了也不知道回頭。LATS 讓 Agent 像下圍棋一樣思考——推演多條路徑、評估勝率、遇到死路就回溯。這篇文章拆解 LATS 的核心機制，以及它跟 ReAct、Tree of Thoughts 的關鍵差異。
用 NotebookLM + Gemini 做簡報，追求的不是加速，而是「千人千色」的客製化。當色調、用字遣詞都符合客戶的企業語言，把客戶放在最中心，這才是 Customer First。
這三年來真正改變我生活軌跡的 AI 工具就三個：網頁 ChatGPT、語音模式、Claude Code。現在 NotebookLM 加入了這個名單。一個專案 = 一個 NotebookLM，讓專案知識第一次具備高知識保真度。
同事請假，客戶系統問題進來。用 ChatGPT Atlas 直接操作 Grafana 介面 debug，30 分鐘變 1 分鐘，還額外抓到 3 個潛在問題。AI 對「生疏技能喚醒」特別有效。
美國頂尖名校 AI 學生人均 GPU 只有 0.1 張，而 OpenAI、Google 用十萬到百萬張訓練模型。學界從「創新引擎」變成「idea 供應商」，這個轉變影響深遠。
AI Agent 的四個條件：智能、記憶、工具調用、除錯能力。探討企業如何整合 AI 工具、資安考量，以及 AI 對企業的三大應用方向：降本、增效、拓展新商機。
AI 時代勞資雙方要破局，關鍵在「全端能力」。工程師要能獨立交付整個 Feature；PM/AM 要能用 AI 做 POC 驗證需求。當溝通層級減少，產品迭代加速，勞資才能站在同一陣線。
Stanford 的 Storm 模型把 AI 變成「多專家開會」模式：多個 AI 人格分工研究、互相挑戰查證，而人類站在總編輯位置做最後裁決。不是自動生成一切，而是 AI × Human 協作的最佳化版本。
感冒沒睡好，但 12:00 要教育訓練 10 個 PM。11:30 用 ChatGPT 語音問答抓重點、11:46 丟進 NotebookLM 產簡報、12:00 上線分享。AI 永遠不累，讓我在狀況不佳時還能即時為團隊服務。
從 Salesforce ForcedLeak 到 Microsoft 365 Copilot EchoLeak，揭露 AI Agent 時代的資安盲點。94.4% 的 Agent 容易受攻擊，傳統 WAF/APM 完全失效。這不是危言聳聽，這是學術研究的結論。
From Salesforce ForcedLeak to Microsoft 365 Copilot EchoLeak, this post exposes the security blind spots of the AI-agent era. 94.4% of agents are vulnerable, and traditional WAF/APM becomes effectively useless. This isn’t fear-mongering—it’s what the research says.
Anthropic 揭露雙 Agent 架構：Initializer Agent + Coding Agent，讓長時任務不靠模型硬撐，而是用工程化工作流設計。
Anthropic reveals a dual-agent architecture—Initializer Agent + Coding Agent—so long-running tasks don’t rely on brute model power, but on an engineered workflow.
OpenAI 人才流失、Claude Opus 4.5 崛起、Gemini 3 Pro 追趕——2025 AI 格局大洗牌背後，真正的護城河是「人」，不是算力。
成功的 AI 轉型需要三步驟：明確目標建立最小團隊、達成 Quick Win、全面開花。關鍵在人：Outsider 講難聽的話、魅力型老兵疏通政治、新血從人腦 download 數據。
Anthropic 發布了 Initializer Agent + Coding Agent 雙 Agent 架構，用工程化的工作流設計解決長時任務的「記憶重置」問題。
Anthropic published a dual-agent architecture—Initializer Agent + Coding Agent—using an engineered workflow to solve the ‘memory reset’ problem in long-running tasks.
AI 時代面試不考 HackerRank。我問：為什麼用這個？比較過哪些選項？答案不重要，產生答案的邏輯最重要。AI 不會失敗、永遠有答案，所以我要找有失敗經驗並且能吸取教訓的人。
AI 工具讓數據分析成本趨近於零，但企業真的因此不需要數據分析師了嗎？本文用真實物流專案，拆解 NotebookLM、Claude Code 與「信任建立」之間的關鍵落差。
所有人都在討論 AI Agent，但沒人想聊「地基怎麼打」。60-70% 企業資料躺在 PDF 裡，地端 OCR API 是關鍵。好架構要有 MQ 緩衝、故障隔離、水平擴展。RapidOCR + ONNX Runtime 讓 CPU 也能跑。
傳統 Agent 缺乏自我檢查能力，容易「一本正經地胡說八道」。Plan, Exec, Critic 架構引入 System 2 慢思維，透過 Critic 節點實現循環改進。本文詳解架構設計、強推理模型必要性，以及何時該用這個模式。
用 Claude Code + ChatGPT Atlas 建立「限時快閃」推薦人 Agent：5 分鐘口述評價、注入個人語氣風格，生成針對學生的完整 md 檔。10 個學校推薦函從每校 20-40 分鐘，變成 10 分鐘全部搞定。
創智動能與美科實業合作的 AI 頭皮檢測系統獲得經濟部2025創新研究獎。這套系統將軟硬體整合加上 AI 技術，為美業帶來巨大的 UpSell 創收，是「把餅做大」而非「降本增效」的最佳 AI 創收範例。
Cloudflare 大當機時 20% Internet 都掛了，ChatGPT、X、Uber、Spotify 全方位賽博人生被搞死。Andrew Ng 的工程師用 AI Coding 快速搭建備援組件挺過危機。這個概念倒是非常有趣 - 用 AI Coding 快速搭建關鍵 infra 組件當作另一種 BCP 手段，降低平時備援成本。唯一的問題是：當遇到史詩級 outage 要 AI Coding 解救你的時候，你的 AI Service 打不打得開 XD
上週三，很榮幸回到台灣最大的 AI 社團「生成式 AI 小聚」，分享我在 FDE 的成功跟失敗經驗。因為這個內容勾動我的情緒有點多，所以等到平靜下來才在這分享。
AI 降本增效？大部分團隊只做到「降本」。真正的增效是降低 CAC、擴大漏斗，讓同樣團隊服務 5 倍客戶。從 VP 親身經歷分享，如何用 AI 把餅做大，而不是縮小戰場。
我上週回老家看了久違的第四台「緯來日本台」，看一個日本節目「恐怖家庭醫學」，裡面講到一個年長者「最近常常心悸、手抖、睡不好」。因為是心臟的因素，所以患者直接找心臟科檢查後，拿到一疊厚厚的報告——結果心臟科醫生看完報告說：「你的心臟結構完全正常，心電圖也沒問題，可能是壓力太大，回去多休息就好。」患者心想：「可是我真的有心悸啊！難道是我自己想太多？」於是患者找了神經科說可能是自律神經失調，拿了藥物減壓...
AI 在傳產落地，先解決的永遠不是模型，而是人、流程與文化。三步驟：現況分析（老前輩+Intern 種子團隊）→ 快速勝利（AI+RPA+OCR 小範圍試點）→ 全面升級（種子團隊散布全公司）。這就是 FDE 模式。
根據《Harvard Business Review》近期發表的〈Workers Don’t Trust AI. Here’s How Companies Can Change That〉，美國基層員工對公司提供的 AI 工具信任度在短短數月內暴跌：對生成式 AI 的信任下降 31%，對自主決策型 AI 更下滑 89%。近半數員工反而更信任非官方AI 工具。另外無獨有偶MIT 的研究《The Ge...
Claude 4.5 的 Interleaved Thinking 讓 Agent 能持續專注工作超過 30 小時。關鍵是「邊做邊想邊驗證」：思考→行動→驗證→調整→保存檢查點→重複。像 Senior PM 一樣，每一步自我驗證、遇到大問題主動舉手。
AI 會議記錄工具的準確度宣傳很美好，但實際到了可以寄給客戶的階段，90% 都需要人工修正。問題不是技術，而是語境——ASR 聽不懂你公司的黑話。解法：建立企業知識庫，在逐字稿轉會議紀要前插入「企業語境校正」。
OpenAI Codex 降智事件復盤：從「內外版本不一致」到移除 60+ feature flags 的調查過程。真正的問題是上下文壓縮、API 層抽象疊加。透明公開調查過程，反而贏得用戶信任。
我們都看到 AWS 近期內裁員 3萬人，但是最有趣的是，近期 AWS 財報不論是 Q2 , 或是 Q3，都有相當不錯的獲利，並且Q3也擊敗分析師預期。在這個情況下，AWS 依舊啟動這次 2020年以來最大的裁員。...
WRC 賽車最經典的場面就是除了賽車手開著市售車款飛天遁地以外，最有趣的就是旁邊坐著一個副駕，讀著一本稱為「路書」的路線圖，用一些簡略的話去指引賽車手前進。 這個設計在追求速度的賽車界很有趣，因為坐一個副駕更重呀，為何需要把複雜的任務分成兩個角色——規劃者和執行者?...
AI Workflow 按固定流程走，遇到資料庫掛掉就停住；真正的 AI Agent 會自己找備份系統解決問題。Agent 需具備三條件：知識庫提取、工具調用、容錯除錯能力。Workflow 適合穩定場景，Agent 適合複雜多變環境。
泰山挑水工的照片引發「無人機取代」討論，結果有人說用纜車就好。再有人說問題是公會阻止淘汰。技術選型從來不是重點，人的利益才是。這就是為何 FDE 模式是 AI Agent 落地的唯一法門。
超慢跑 + Claude Code 是天作之合：95% 時間不用顧，5% 停下來 debug。通勤開車等紅燈下指令、健身房組間休息看進度、走路時用 ChatGPT Live Chat 整理思維。Claude Code for Web 解鎖多工健康模式。
今天突然發現用 Claude Code 做 Linux 系統管理超香的。不只可以幫你寫 code，還順便幫你考古系統程式，挖出系統裡不為人知的秘密，最棒的是能讓你找到之前同事寫好的 code 提早下班，享受當老闆的樂趣。...
Today I realized how insanely effective Claude Code is for Linux system admin. It not only writes code—it can also ‘excavate’ legacy programs, uncover hidden system secrets, and even find scripts written by former colleagues so you can leave work early and enjoy the boss life...
把 50+ 專案 insights 轉成 237 組 QA 對，建立 RAG 知識庫。Claude Code 的三層架構：低層 Bash、中層 Grep/Read、高層 Task/Todo。從 2-3 週 onboarding 縮短到 3 天基本掌握。
前任 PM 留下 50+ 專案文件、數百個檔案。用 Claude Code + GDrive MCP 一天內完成全專案 Summary、時間線、技術線分析。原本要幾週的交接，現在放著跑，自己去開會。
The previous PM left 50+ project docs and hundreds of files. With Claude Code + the GDrive MCP, I produced a full project summary, timeline, and tech-stack analysis in one day. A handover that used to take weeks can now run in the background while you go to meetings.
以前大概是電腦遊戲（印象最深刻: 中華職棒二）的時代為了防遊戲盜版，會有一個被混淆過密碼本，裡面是多種顏色混淆的文字，但是原廠會附上一個紅色或是藍色濾光片，你就拿濾光片去對應的位置，就會呈現正確的密碼排序。這樣防止電腦遊戲亂 copy , 要輸入正確的密碼才能看到正確的資訊。這個機制已經不用很久了，現在遊戲都是網路遊戲也不需要防盜版了。但是這個體驗還是很有趣...
現在有了 AI ，Coding 的東西可以又快又完整，但是我們怎麼知道 AI 做的Code 裡面會不會有更多的地雷(多收費，寫出有資安議題, 實現很糟糕) 呢？...
香港可以上 Google，但不能用 ChatGPT、Claude、Gemini。沒有 Claude Code 像斷了一隻手，大家改用 POE 選 GPT model 或 DeepSeek。被 GenAI 廠商反向封鎖的市場，AI Coding 技術門檻反而更高。
上次提到我在前端這邊做AI Coding 很適合 0% -> 70% , 或是 99 -> 100%的做法，但是在 90% -> 100% 遇到了蠻多的小問題，經過幾天的討論修正之後，我已經大概列出了比較適合的方式。根據這一週來改了十幾個 Feature的經驗，這個流程對我這樣非前端的人來說，感覺 90% -> 100% 除了後續檢核需要前端幫忙以外，幾乎都是我可以自己處理。...
我這幾天因為一個重要的案子，決定也來 VIBE Coding 一下，寫寫frontend feature（我從來沒寫過 frontend Vue 的程式）...
AI Agent 寫的程式，最終還是人要扛責。本文分享三大策略：略懂 AI 在寫什麼、用 AI 做 QA 驗證、設計最壞情況控管機制。以帳務系統為例，展示如何用 PRD 驅動 AI 自動生成比人更嚴謹的測試腳本。
從 Embed（ChatGPT 當 Google）到 Copilot（Cursor + Claude）再到 Agent（Claude Code）的三層演進。分享團隊如何從 0→1 建立 AI 協作模式，以及每個階段的好處、問題與切換時機。
Vibe Coding 帶來大量「新朋友」進入軟體開發世界。API Key 外洩？教就是了，我們也整天 commit security key。這些非資訊科系的夥伴帶來不同 DNA，成本下降、產能提升，是技術主管的寶藏。
95% 企業 AI 導入失敗，不是技術問題，是信任與流程問題。FDE（Forward Deployed Engineer）是 Palantir 首創的駐場工程師模式，2025 年成為 AI Agent 落地的主流策略。本指南涵蓋 FDE 運作機制、Echo/Delta 團隊分工、信任建立、持續實驗方法論，以及為何這個「不可規模化」的方法反而成功。
ATPM 系列：探討 AI 如何加速 PM 的工作流程，從需求訪談到 PRD 撰寫的效率提升。Spec Driven Development 與 Vibe Coding 的結合實踐。
ATPM 以 PRD 為中心，不是以人為中心。實務上 PRD 迭代每天都在發生，某業務計價 PRD 開發期間改了 24 次。透過瘋狂輪替讓每個人都是 PM+Engineer+QA，確保 PRD 成為唯一可信任的資訊中心。
ATPM 是經過生產環境驗證的 Vibe Coding 流程框架，以 PRD 為核心實現 40% 開發加速。本系列分享如何用 AI 協作解決幻覺、測試困難等 AI Coding 痛點，成功上線帳務系統的完整經驗。