EasyVibeCoding Podcast

EasyVibeCoding Podcast

By EasyVibeCodingTechnology
Download on the App Store

All EasyVibeCoding Podcast episodes

  • @OpenAIDevs:OpenAI透過Responses API的WebSockets優化Agentic程式開發工作流程端到端加速40%。 OpenAI開發團隊在「Codex」…
    OpenAI透過Responses API的WebSockets優化Agentic程式開發工作流程端到端加速40%。
    OpenAI開發團隊在「Codex」Agent加速後,識別API呼叫為新瓶頸,推出WebSockets持久連接,讓使用者充分體驗從65 TPS躍升至近1,000 TPS的推理速度。透過快取、消除多餘網路跳躍及安全堆疊優化,他們實現了代理迴圈的重大效能躍進。
    API成為瓶頸的轉變
    隨著「Codex」模型推理速度提升,先前GPU推理階段的延遲不再是主導,轉而暴露Responses API的累積開銷。過去旗艦模型如「GPT-5」及「GPT-5.2」僅達65 token per second (TPS),而2025年11月推出的「GPT-5.3-Codex-Spark」目標訂為10倍速、超過1,000 TPS,仰賴專用「Cerebras」硬體優化LLM推理。此時,單一請求的關鍵路徑延遲仍需優化,否則使用者無法感受到模型真實速度。
    2025年11月效能衝刺優化
    團隊展開性能衝刺,針對單一請求實現近45%首次token時間(TTFT)改善,具體措施包括:
    在記憶體中快取渲染token及模型配置,跳過多輪回應的昂貴token化及網路呼叫。
    消除中間服務呼叫(如影像處理解析),直接呼叫推理服務,減少網路跳躍延遲。
    強化安全堆疊,讓特定分類器更快標記問題對話。
    儘管這些改善讓API更敏捷,但相對於「GPT-5.3-Codex-Spark」的極速,CPU處理API請求的開銷仍過大,導致使用者需等待API後才能利用GPU模型。更深層結構問題在於,每個「Codex」請求視為獨立,無論對話歷史是否變化,都需重複處理完整上下文,長對話時成本更高。
    WebSockets持久連接設計
    為解決重複處理,團隊重構傳輸協議,從HTTP逐次建立新連接轉為持久WebSockets連接,僅傳送需驗證的新資訊,並在連接生命週期內記憶體快取可重用狀態。這避免了每次跟進請求重傳完整歷史。
    他們評估WebSockets及gRPC雙向串流,最終選WebSockets,因其簡單訊息傳輸協議,不需改變Responses API的輸入輸出形狀,對開發者友善且與既有架構相容。
    首個WebSocket原型模擬單一長運行回應:使用asyncio在工具呼叫後非同步阻塞取樣迴圈,發送「response.done」事件給客戶端;客戶端執行工具後回傳「response.append」事件帶工具結果,解除阻塞繼續取樣。這類比本地工具呼叫如主機工具,將模型工具呼叫經WebSocket傳回客戶端,客戶端回應後融入上下文繼續推理。原型消除代理展開的重複API工作,一次預推理、暫停工具執行、最後一次後推理,效能驚人。
    保留熟悉API形狀的迭代
    原型雖有效,但API形狀過於陌生,團隊回歸開發者熟悉模式:持續使用「response.create」相同主體,並以「previousresponseid」延續前回應狀態。在WebSocket連接中,伺服器維持連接範圍的記憶體快取,包括:
    前回應物件。
    先前輸入輸出項目。
    工具定義及命名空間。
    可重用取樣產物,如已渲染token。
    此快取實現多項優化:
    安全分類器及請求驗證器僅處理新輸入,而非每次全歷史。
    記憶體快取渲染token追加,跳過不必要token化。
    重用模型解析/路由邏輯跨請求。
    將非阻塞後推理工作如計費與後續請求重疊。
    此設計逼近原型最小開銷,卻無需開發者重寫整合。
    Alpha測試與正式推出成果
    經兩個月衝刺後,2026年4月22日推出WebSocket模式,先以alpha版供關鍵程式開發Agent新創整合,alpha使用者回報代理工作流程加速達40%。推出後,「Codex」迅速將多數Responses API流量轉移WebSocket,實現顯著延遲改善。
    對於「GPT-5.3-Codex-Spark」,達成1,000 TPS目標,生產流量中爆發達4,000 TPS,證明Responses API能跟上更快推理。開發社群立即受惠:
    「Codex」使用者運行「GPT-5.3-Codex」、「GPT-5.4」等最新模型,全享WebSocket加速。
    「Vercel」整合至AI SDK,延遲降幅達40%。
    「Cline」多檔案工作流程加速39%。
    「Cursor」中OpenAI模型加速達30%。
    此為自2025年3月Responses API推出以來最重大功能,API與「Codex」團隊數週內從概念到生產部署,凸顯隨著模型推理加速,周邊服務須同步提速,方能傳遞獲益給使用者。
    原文:https://easyvibecoding.app/curated/1048
    6 min
  • @ClaudeDevs:Claude Code 內建「Claude API skill」,提供開源 Agent 技能支援模型遷移與 Managed Agents 設定。 「Cla…
    Claude Code 內建「Claude API skill」,提供開源 Agent 技能支援模型遷移與 Managed Agents 設定。
    「Claude API skill」是 Anthropic 推出的開源 Agent 技能,內建於 Claude Code 中,為開發者提供最新 API 參考文件、SDK 文件與最佳實作,專注於 Messages API 與 Claude Managed Agents (beta)。它涵蓋多語言支援,並透過漸進式揭露僅載入相關文件,確保記憶效率,適用於模型遷移、prompt caching 等功能整合。
    支援範圍與語言
    技能針對兩個 Anthropic 平台表面提供詳細支援:
    Messages API:單次請求、串流聊天、工具使用、批次處理、prompt caching、結構化輸出與自訂 Agent 迴圈。
    Claude Managed Agents (beta):伺服器管理狀態 Agent,包含 Anthropic 託管工具執行、持久 Agent 設定與每會話容器。
    語言支援細節:
    Messages API:8 種語言,包括 Python、TypeScript、Java、Go、Ruby、C#、PHP 與 cURL。
    Managed Agents:7 種語言,包括 Python、TypeScript、Java、Go、Ruby、PHP 與 cURL(C目前不支援)。
    技能自動偵測專案語言(如透過 requirements.txt 辨識 Python、tsconfig.json 辨識 TypeScript、go.mod 辨識 Go),多語言專案時會詢問選擇;不支援語言(如 Rust、Swift、C++)則提供 cURL/raw HTTP 範例。
    技能提供的內容
    針對 Messages API,技能裝備 Claude 以下資源:
    語言特定 SDK 文件:安裝、快速入門、常見模式與錯誤處理。
    工具使用指南:函數呼叫範例、概念基礎與 beta 工具執行器。
    串流模式:建置聊天 UI 與增量顯示實作。
    批次處理:離線批次以 50% 成本執行。
    Prompt caching:前綴穩定設計、斷點放置與無聲失效審核。
    模型遷移:逐步指南至新 Claude 模型,包括 Claude Opus 4.7 的重大變更與行為轉移。
    當前模型資訊:模型 ID、context window 大小與定價。
    常見陷阱:整合 API 時避免頻繁錯誤的詳細指引。
    針對 Managed Agents (beta):
    入門流程:透過 /claude-api managed-agents-onboard 子指令的訪談式引導,從零設定新 Agent。
    語言特定文件:建立持久 Agent、啟動會話、串流事件與工具確認,涵蓋 Python、TypeScript 等。
    Client 模式:無損串流重連、processed_at 佇列/處理閘道、中斷處理、檔案掛載注意事項與憑證處理。
    部署限制:僅限 Anthropic 第一方(不支援 Amazon Bedrock、Google Vertex AI 或 Microsoft Foundry),技能會將第三方部署導向 Messages API + 工具使用。
    啟用機制
    技能以兩種方式啟用:
    自動啟用:程式碼匯入 Anthropic SDK(如 Python 的 anthropic、TypeScript 的 @anthropic-ai/sdk);請求 Claude 協助建置、除錯或最佳化 Claude API、Anthropic SDK 或 Managed Agents;新增、修改或調整 Claude 功能(如 prompt caching、工具使用、批次、檔案、引用、記憶)或模型參照。
    手動呼叫:在安裝環境輸入 /claude-api(可加子指令或描述)。
    技能不會針對一般程式撰寫、機器學習/資料科學工作或其他 AI SDK(如 OpenAI)啟用,確保專注性。
    在 Claude Code 中的使用
    技能預載於 Claude Code,無需安裝。匯入 Anthropic SDK 或請求 Claude API 協助時自動啟用,也可直接呼叫:
    /claude-api:一般啟用。
    /claude-api migrate:審核程式庫,逐步更新模型名稱、prompt 與 effort 設定至新模型(如 Opus 4.7)。
    /claude-api managed-agents-onboard:依使用案例設定 Managed Agent,並提供後續監控與除錯記憶。
    自然語言請求如「Add prompt caching with the Claude API」亦可觸發技能,自動套用最佳實作。技能完全開源,涵蓋 7 種語言 Claude SDK 與 CLI,也相容 CodeRabbit、JetBrains、Resolve AI 與 Warp。詳細運作見部落格:https://claude.com/blog/claude-api-skill。
    模型遷移功能
    執行 /claude-api migrate(如 /claude-api migrate this project to claude-opus-4-7)可跨程式庫遷移 Claude 模型,處理範圍不明時會確認整個工作目錄、子目錄或特定檔案清單(如 /claude-api migrate src/ 下一切至 claude-opus-4-7,或指定 apps/api.py 和 apps/worker.py)。
    具體處理項目:
    模型 ID 替換:包括類型 SDK 常數(如 Model.CLAUDEOPUS46 → Model.CLAUDEOPUS47),分類檔案為呼叫者、模型定義者或不透明字串參照後編輯。
    重大參數變更:移除 Claude Opus 4.7 的 temperature、topp、topk;將 thinking: {type: "enabled", budget_tokens: N} 轉為 thinking: {type: "adaptive"}。
    Prefill 替換:將 assistant-message prefill 模式轉為結構化輸出。
    Beta 標頭清理:移除目標模型已 GA 的標頭(如 effort-2025-11-24、fine-grained-tool-streaming-2025-05-14、interleaved-thinking-2025-05-14),從 client.beta.messages.create 切回 client.messages.create。
    Effort 校準:推薦 output_config.effort 起點(如 Claude Opus 4.7 的 coding 與 Agentic 程式開發用 xhigh)。
    Prompt 行為調整:標記長度控制、工具觸發、子 Agent 與指令遵循 prompt,可能在新模型行為不同。
    無聲預設處理:Claude Opus 4.7 推理表面化使用者時,選擇回歸 thinking.display: "summarized"。
    編輯時內嵌解釋變更動機,完成後產生手動驗證清單(如整合測試、長度控制 prompt 調整、成本/速率限制重新基準)。
    Managed Agents 設定流程
    執行 /claude-api managed-agents-onboard 啟動訪談,引導 Managed Agents 心智模型(Agent 設定 vs. 會話),模板 Agent 設定、環境與工具、會話迴圈,並產生可執行程式碼。強調強制流程:Agent(一次)→ 會話(每次執行),模型、系統與工具置於 Agent 而非會話,Agent 應一次建立並以 ID 參照。
    Managed Agents 需 managed-agents-2026-04-01 beta 標頭,SDK 自動為 client.beta.agents.、client.beta.environments.、client.beta.sessions. 與 client.beta.vaults. 呼叫設定。
    使用範例
    技能協助 Claude 處理具體任務:
    建置聊天應用:「Build a streaming chat UI with the Claude API in TypeScript」。
    遷移專案:/claude-api migrate this codebase to claude-opus-4-7 and re-tune effort。
    新 Managed Agent 入門:/claude-api managed-agents-onboard。
    每次載入相關語言文件,依當前 API 模式與最佳實作引導實作。
    安裝與開源存取
    技能源碼位於 Anthropic skills repository,可用 npx 安裝:
    npx skills add https://github.com/anthropics/skills --skill claude-api。
    作為 Claude Code plugin:
    /plu…
    6 min
  • @OpenAINewsroom:OpenAI 發布強化網路防禦的五點行動計畫,主張加速為可信任防禦者提供 AI 工具,而非限制使用。 OpenAI 於 2026 年 4 月 29 日發表…
    OpenAI 發布強化網路防禦的五點行動計畫,主張加速為可信任防禦者提供 AI 工具,而非限制使用。
    OpenAI 於 2026 年 4 月 29 日發表「人工智慧時代的網路安全」報告,強調人工智慧正重塑網路安全領域,防禦者與惡意攻擊者皆可利用相同能力。報告批評僅將 AI 系統視為過於危險而限於少數合作夥伴的保守作法,指出攻擊者不會等待,現有模型已適用多種網路工作流程,能力將持續進化,犯罪集團會採用任何可用工具。OpenAI 認為降低國家風險的最佳途徑,是透過負責任方式加速裝備可信任防禦者,讓其發展速度超越敵對者適應速度。
    五點行動計畫架構
    OpenAI 的行動計畫由五個支柱組成,旨在深化既有承諾,建立支援網路安全防禦者的基礎設施,透過民主機構與程序廣泛提供可信任社群使用的防禦工具:
    民主化網路防禦(Democratizing cyber defense)
    政府與產業協調(Coordinating across government and industry)
    強化前沿網路能力的安全(Strengthening security around frontier cyber capabilities)
    部署中維持可見性與控制(Preserving visibility and control in deployment)
    讓使用者保護自身(Enabling users to protect themselves)
    人工智慧雙面刃的威脅現實
    人工智慧為防禦者帶來識別漏洞、自動修復與加速回應的能力,卻同時助長惡意攻擊者擴大攻擊規模、降低進入門檻並提升攻擊精細度。美國及其盟友正面臨快速變化的網路威脅環境,OpenAI 強調私部門創新者負有重大責任,必須透過與聯邦、州政府及主要商業實體的專家對話,制定此計畫。
    拒絕限制使用的批判立場
    報告駁斥將 AI 限於極少數核准夥伴的作法,認為這忽略核心挑戰:攻擊者已廣泛採用現有模型於網路工作流程,且能力將持續推進。OpenAI 主張不應讓防禦落後,而是積極為社群、關鍵系統與國家安全提供保護技術,透過廣泛存取建構「人工智慧時代」的韌性。
    私部門責任與民主途徑
    OpenAI 認真看待其責任,計畫聚焦於民主化防禦工具的存取,讓可信任社群廣泛運用。同時強調需透過民主程序運作,同時擴大保護技術的管道,以因應網路威脅的快速演變,確保防禦者領先攻擊者一步。
    原文:https://easyvibecoding.app/curated/1047
    3 min
  • @claudeai:Claude Code 駭客松結束,公布金銀銅等獲獎作品及特別獎,展現 Opus 4.7 在 Agent 應用上的創新潛力。 Claude 舉辦另一屆 C…
    Claude Code 駭客松結束,公布金銀銅等獲獎作品及特別獎,展現 Opus 4.7 在 Agent 應用上的創新潛力。
    Claude 舉辦另一屆 Code 駭客松,參與者一周內使用 Opus 4.7 建構應用,感謝 @cerebral_valley 共同主辦。獲獎作品涵蓋醫學模擬、電路維修、教育工具等多領域,強調 Claude 管理的 Agent、視覺處理與長脈絡穩定性,解決真實世界痛點。
    金獎:MedKit(土耳其 Bedirhan Keskin)
    醫學生語音優先 AI 模擬器,非臨床工具,避免真實醫療建議。
    使用者透過即時語音管理科學生成的 AI 病人,獲取病史、開立檢驗單、閱讀影像報告、診斷並開立處方。
    每次諮詢後,依最新發表指南評分溝通、病史採集與臨床推理。
    開發者為醫生轉軟體工程師,解決醫學院畢業生缺乏真實經驗問題,利用 Claude Code Sessions Auto Mode 與 Opus 4.7 長時間穩定性生成合成病人案例庫、生命體徵、病史分支、黃金標準診斷及評分標準,無幻覺、無虛構藥物。單一介面管理 MedKit Attending Agent、環境、會話、自定義工具、權限策略、憑證庫六元素。
    銀獎:Wrench Board(法國 Alexis Chapellier)
    電路板維修工具,讀取完整電路圖,直接在板上繪製步驟診斷,推動「Right to Repair」權利。
    每年 5000 萬噸電子廢棄物源於板級專業知識壟斷,工具匯入 BoardView 與 Schematic PDF(有時 80 頁密集圖表),Opus 4.7 Vision 平行處理編譯成可查詢電氣圖。
    Agent 知識兩分鐘預建:25 個按功能分類組件、33 個觀察症狀、10 個診斷規則(引用可驗證來源),支援集群知識圖擴展。
    了解使用者工具、經驗與過去技能(如無熱風槍不建議重焊 BGA),成功維修自動提升個人檔案。
    對話時在板上分階段繪製,約束下審查編譯圖表、無偽造參考標示符(RefDes),伺服器端消毒器封裝未驗證 token;診斷提出逐步協議,小工具輸入測量值。
    註釋與協議連結對話,新對話記住設備、過去報告、故障與修復;開源於 GitHub。
    銅獎:Maieutic(智利 Paula Vasquez-Henriquez)
    教育程式撰寫工具,強制學生先解釋建構目的再輸入程式碼,培養思考優先於敲碼習慣。(YouTube 展示連結:https://www.youtube.com/watch?v=IJ9FyX2xwWA)
    最具創意 Opus 4.7 探索:Virtual Puppet Theater(丹麥 Rene Hangstrup Møller)
    手勢與語音操控的虛擬木偶劇場,描述道具即出現舞台。
    MediaPipe 分析網路攝影機手部 3D 位置,驅動木偶互動;語音用 Web Speech API,聲音用 ElevenLabs Flash 更具表現力。
    部分道具預建於 three.js,其他如冰淇淋帽子由 Opus 即時從原始組件組合。
    幕後兩個 Agent 共享快取:Haiku 負責快速轉向,Opus 處理道具建構;一年前不存在的遊戲介面,純用 Opus 4.7 實現趣味創意互動。
    「Keep Thinking」獎:MaestrIA(智利 Benjamin Torralbo)
    家居維修工具,拍照損壞後診斷、報價零件、起草訊息給附近工匠,由木匠之子建構。
    輸入位置、照片與描述,Opus 4.7 Reasoning Live 標記損壞座標,提供修復內容、地區價格、時間與不修後果;推薦附近工匠,第三 Agent 以智利西班牙語撰寫 WhatsApp 訊息附診斷報告。
    專家 Agent 辯論(如木匠與泥水匠),第二 Agent 查 Sodimac 與 Easy 網站驗證預算。
    父親驗證:30 年木匠經驗、25 年工地工頭、8 年修復智利 Chiloé 聯合國教科文組織木造教堂,12 張照片診斷匹配率 81%。
    解決智利 28 萬非正式建築工人無管道展現專業問題,將隱形大師知識編碼,避免客戶被坑、工匠獲機會;兩分鐘內大師級診斷,涵蓋觀察、推理、指出、辯論、驗證、連接。
    最佳 Claude 管理 Agent 使用:ARIA(法國 Idriss Benguezzou 與 Adam Hnaien)
    工廠維護系統,讀取機器手冊,故障時產生工單含上次有效修復方案。
    解決「知道的人」退休知識消失問題:傳統系統需 50 萬美元、6 個月,50% 以上廠房無系統,只能等故障。
    五 Agent 經 MCP (Model Context Protocol) 伺服器傳遞工單,如真實團隊;以瓶裝水廠為例,放入手冊後 Claude 3.5 Sonnet(影片示 Opus 4.7)視覺讀取上線。
    偵測潛在故障如瓶蓋機震動下降,檢查上下文後判斷無需行動;真故障啟動 Investigator Agent,用擴展思考收集線索,在 Anthropic 雲端沙盒運行 Python 迴歸分析計算退化率,產生根本原因與逐步建議工單。
    記住過去如一月灌裝機震動,匹配零件編號與三月前有效修復;17 種工具(日誌、輪班筆記、訊號趨勢、KPI、過去故障),知識庫由手冊與經驗建構,交叉引用 100 萬 token 脈絡。
    Managed Agent 結合 Sonnet,從車間知識到診斷,確保「知道」之人永不消失。
    這些作品凸顯 Opus 4.7 在長會話穩定、無幻覺生成、視覺分析與管理 Agent 上的優勢,開發者一周內獨力完成複雜應用,涵蓋醫學、教育、維修與娛樂,預示 Agentic 程式開發趨勢。Claude 開發者通訊訂閱可追蹤未來駭客松:https://claude.com/newsletter/developers。
    原文:https://easyvibecoding.app/curated/1064
    7 min
  • @TheRealAdamG:GPT-5.5提示工程強調結果導向簡短提示,避免舊版過度指定流程。 OpenAI發布「GPT-5.5 Prompting Guide」,指出相較GPT-5…
    GPT-5.5提示工程強調結果導向簡短提示,避免舊版過度指定流程。
    OpenAI發布「GPT-5.5 Prompting Guide」,指出相較GPT-5.4,新版模型更適合簡短、結果導向的提示,讓模型自行選擇高效路徑,而非沿用舊版堆疊的繁瑣步驟指示,此舉可減少噪音並擴大模型搜尋空間。
    與GPT-5.4的主要差異
    GPT-5.5在提示策略上轉向更精簡,強調「結果優先」而非「流程密集」的提示堆疊。新版模型的推理效率提升,讓「low」和「medium」努力等級在升級前需重新評估。
    簡短、結果導向提示通常優於舊版流程重提示。
    前言、階段處理及助理項目重播,對工具密集的Responses工作流程仍重要。
    明確定義人格、檢索預算及驗證規則,有助塑造客戶導向及Agentic使用者體驗。
    指南警告,避免直接套用舊提示堆疊的每項指示,因為早期模型需更多引導才能維持軌道,而GPT-5.5過度指定反而會引入噪音、縮窄搜尋空間,或產生機械化回應。
    最佳提示原則
    GPT-5.5表現最佳時,提示應定義結果、描述理想樣貌、關鍵限制、可用證據及最終答案內容,留給模型選擇高效解決路徑。相較早期模型,可大幅縮短提示長度,轉為更注重結果導向。指南建議參考「Using GPT-5.5 guide」了解行為變化細節,本指南則聚焦由此衍生的提示調整。這些模式僅為起點,需依產品介面、工具、評估及使用者體驗目標調整。
    自動遷移工具
    透過Codex自動實作指南變更,使用「OpenAI Docs Skill」執行遷移:
    `
    $openai-docs migrate this project to gpt-5.5
    `
    其他程式開發Agent可從OpenAI skills repository下載此技能,簡化從舊版提示轉移至GPT-5.5的過程。
    人格與行為定義
    GPT-5.5預設風格為高效、直率且任務導向,適合生產系統:回應聚焦、行為易控管,且避免不必要對話填充。對客戶導向助理、支援工作流程、教練體驗或其他對話產品,需明確定義人格及合作風格。
    人格控制語調:溫暖度、直率度、正式度、幽默、共感及精鍊程度。
    合作風格控制工作方式:何時提問、何時假設、主動程度、上下文提供、檢查工作時機,以及處理不確定或風險的方式。
    兩者皆保持簡短,人格塑造使用者體驗,合作指示形塑任務行為,但不得取代明確目標、成功標準、工具規則或停止條件。
    改善首token延遲
    在串流應用中,使用者察覺首個可見回應延遲。GPT-5.5可能先花時間推理、規劃或準備工具呼叫,才輸出文字。對長任務或工具密集工作,提示模型以短前言啟動:簡短可見更新,確認請求並陳述首步。此模式適用多步驟任務、需工具呼叫或長Agent工作流程,提升感知回應速度而不改底層任務。
    結果優先提示與停止條件
    GPT-5.5強項在於提示定義目標結果、成功標準、限制及可用上下文,讓模型自行選擇路徑。許多任務只需描述終點,而非每步細節,讓模型挑選合適搜尋、工具或推理策略。
    輸出格式控制
    GPT-5.5對輸出格式及結構高度可控,當提升理解或產品適配時使用。設定text.verbosity(API預設medium),描述預期輸出形狀,重結構僅限改善理解或UI需穩定產物時;偏好簡短回應則用low。
    grounding與檢索預算
    對grounded答案,提示需包含引用行為:定義需支持內容、足夠證據標準,以及證據缺失時行為。證據缺席不應自動視為事實「否」。詳見citation formatting guide。明確加入檢索預算作為搜尋停止規則,告知模型何時證據足夠。
    創意起草需設護欄:指定哪些主張須來自來源、哪些可創意撰寫,尤其簡報、發佈文案、客戶摘要、演講稿、領導摘要及敘事框架。
    前端工程與視覺品味
    前端工作參考範例指示,引導UI品質:涵蓋產品與使用者脈絡、設計系統對齊、首屏可用性、熟悉控制、預期狀態、響應行為,以及避免常見生成UI缺點,如通用英雄區、巢狀卡片、裝飾漸層、可見指示文字及破損佈局。
    工作檢查機制
    授予GPT-5.5工具,讓其在驗證可能時檢查輸出。
    階段參數應用
    自GPT-5.4起,長運行或工具密集Responses工作流程,可用assistant-item phase值區分中間更新與最終答案,GPT-5.5沿用此模式。
    建議提示結構
    複雜提示以此結構為起點,每節保持簡短,僅在改變行為處加細節:
    Role:[1-2句定義模型功能、脈絡及工作]
    Personality
    [語調、舉止及合作風格]
    Goal
    [使用者可見結果]
    Success criteria
    [最終答案前須成立條件]
    Constraints
    [政策、安全、業務、證據及副作用限制]
    Output
    [區段、長度及語調]
    Stop rules
    [何時重試、後備、棄權、詢問或停止]
    原文:https://easyvibecoding.app/curated/1052
    7 min
  • @sundarpichai:Google「Gemini」App 新增一鍵生成多種文件功能。 Gemini 透過單一提示,即可直接在聊天介面產生 Docs、Sheets、Slides、…
    Google「Gemini」App 新增一鍵生成多種文件功能。
    Gemini 透過單一提示,即可直接在聊天介面產生 Docs、Sheets、Slides、PDF 等文件,省去複製、貼上與重新格式化的麻煩步驟,讓使用者從腦storm 快速轉為完整、可分享檔案。
    發布背景與作者
    Google 執行長 Sundar Pichai 於社群平台宣布,此功能已全球上線,所有「Gemini App」使用者皆可使用。官方部落格文章由「Gemini App」群組產品經理 Maryam Sanglaji 於 2026 年 4 月 29 日發布,強調這項更新大幅簡化想法轉化為可下載檔案的流程,使用者無需離開 Gemini App 即可完成。
    核心便利性
    以往使用者常需反覆複製、貼上並重新格式化內容,此更新讓 Gemini 直接從提示生成完整文件,並支援匯出至裝置或「Drive」。例如,將預算提案匯出為 Microsoft Excel (.xlsx) 檔案、將零散想法整理成項目符號草稿,或將長篇協作內容濃縮為單頁 PDF 或 Microsoft Word (.docx) 檔案,大幅加速跨應用程式的移轉。
    支援檔案格式
    Gemini 涵蓋多種常用格式,確保相容性與靈活性:
    Workspace 檔案(Docs、Sheets、Slides)
    .pdf
    .docx
    .xlsx
    .csv
    LaTeX
    Plain Text (TXT)
    Rich Text Format (RTF)
    Markdown (MD)
    使用方式與可用性
    使用者只需在 Gemini 中描述所需檔案,例如提示「產生一份預算表格」,即可即時生成並下載。大多數格式支援直接下載至裝置或匯出至「Drive」。此功能現已全球提供給所有「Gemini App」使用者,無地域限制,Sundar Pichai 特別連結官方部落格(https://blog.google/innovation-and-ai/products/gemini-app/generate-files-in-gemini/)供深入閱讀。
    原文:https://easyvibecoding.app/curated/1044
    3 min
  • @cursor_ai:Cursor 推出 SDK,讓團隊以相同 runtime、harness 和模型建構 Agent。 Cursor 發布 TypeScript SDK,讓開…
    Cursor 推出 SDK,讓團隊以相同 runtime、harness 和模型建構 Agent。
    Cursor 發布 TypeScript SDK,讓開發者以幾行程式碼存取驅動桌面應用、CLI 和網頁版的相同 Agent,支援本地或雲端部署,加速從互動工具轉向組織級程式化基礎設施。(作者 Roshan Sadanani,2026 年 4 月 29 日發布)
    SDK 核心能力
    Cursor SDK 提供 TypeScript API,讓使用者從自家應用、腳本和工作流程執行 Cursor 的程式撰寫 Agent,支援本地 workspace 和雲端 runtime,串流 Agent 事件、管理提示、模型、中斷、artifact 和對話狀態。
    快速啟動:Node.js 範例建立本地 Agent,發送單一提示並串流回應。
    雲端沙盒原型工具:網頁應用啟動 Agent,架構新專案並在沙盒雲端環境迭代想法。
    Agent 看板:檢視 Cursor 雲端 Agent,按狀態或儲存庫分組,預覽 artifact,並從儲存庫與提示建立新雲端 Agent。
    程式撰寫 Agent CLI:終端機命令列介面,生成 Cursor Agent。
    需從 Cursor 整合儀表板建立 API 金鑰,設定為 CURSORAPIKEY 即可執行範例。詳見 GitHub「Cursor Cookbook」:http://github.com/cursor/cookbook。
    部署與執行環境
    SDK 支援本地執行或部署至 Cursor 雲端,使用者可從 CI/CD 管道啟動 Agent、建構 End to End (端到端) 工作流程自動化,或直接嵌入產品。
    雲端工作階段運行於專屬 VM,具強大沙盒、儲存庫複本與完整開發環境,即使筆電休眠或網路中斷,Agent 仍持續運作,可串流對話並後續重連。完成後,Agent 可開啟 PR、推送分支,或附加示範與螢幕截圖。
    SDK 採用更新版 Cloud Agents API,程式啟動任務後,可在 Cursor 的 Agents 視窗或網頁版檢視進度並接手。另支援自託管 worker(保持程式碼與工具執行在內部網路)或本地快速迭代。
    完整 harness 支援
    透過 SDK 啟動的 Agent,使用與 Cursor 桌面、CLI、網頁版相同的 harness,提升效率:
    智慧上下文管理:程式庫索引、語意搜尋、即時 grep,助 Agent 更快達正確結果。
    MCP 伺服器:Agent 透過 stdio 或 HTTP 連結外部工具與資料來源,使用 .cursor/mcp.json 設定檔或呼叫時內嵌傳遞。
    Skills:自動從儲存庫 .cursor/skills/ 目錄載入技能。
    Hooks:透過 .cursor/hooks.json 觀察、控制、擴展雲端、自託管或本地 Agent 迴圈。
    Subagents:主 Agent 透過 Agent 工具生成具獨立提示與模型的子 Agent,委派子任務。
    模型選擇與 Composer 2
    SDK 開放 Cursor 支援的所有模型,只需單一欄位變更,即可路由至最適合任務的模型,平衡成本與能力。
    特別推出「Composer 2」,專為程式撰寫設計的模型,以通用模型成本 fraction 達成前沿效能,提供程式撰寫 Agent 任務的最佳智慧與效率組合。
    實際客戶應用
    客戶如 Rippling、Notion、C3 AI 和 Faire 使用 SDK 建構客製背景 Agent,從票單轉為合併就緒 PR,並維護自癒程式庫。
    Faire(George Jacob,資深工程經理):「Cursor 提供優秀雲端體驗,從編輯器與 CLI 平行運行多 Agent。我們興奮 SDK 能讓自家程式化 Agent 使用相同雲端 runtime,無需管理 VM 或規避記憶體限制,無需持續開發者介入即可維持程式庫健康。」
    其他應用:從 CI/CD 啟動 Agent,摘要變更、診斷 CI 失敗根因並更新 PR 修復;建構內部應用,讓 GTM 團隊無需寫程式碼查詢產品資料;嵌入客戶端產品,讓終端使用者無縫體驗 Agent。
    團隊以此加速發佈客製 Agent,避免自行建構與維護完整 Agent 堆疊的負擔。
    開源範例專案
    公開 GitHub 儲存庫提供 starter projects,可 fork 擴展:
    Quickstart:最小 Node.js 範例,建立本地 Agent、發送提示並串流回應。
    Prototyping tool:網頁應用,在沙盒雲端環境啟動 Agent 架構專案並迭代。
    Kanban board:Agent 驅動看板,工程師拖曳卡片即由 Agent 接手、開 PR 並附加結果。
    Coding agent CLI:輕量命令列介面,從終端生成 Cursor Agent。
    安裝僅需 npm install @cursor/sdk,公開 beta 版對所有使用者開放。
    計費與未來發展
    SDK 依標準 token 消耗計費。Cursor 持續投資,聚焦簡化團隊跨語言、工作流程與部署模式的程式化 Agent 建構。
    可搭配 Cursor SDK plugin 使用 Cursor 輔助建構。完整文件:https://cursor.com/docs/api/sdk/typescript,部落格詳文:http://cursor.com/blog/typescript-sdk。
    原文:https://easyvibecoding.app/curated/1051
    5 min
  • @chatgpt21:GPT-5.5 via codex 即時擊敗亞馬遜客服,幫使用者輕鬆拿回415美元退款。 Chris 在 X 上分享親身經歷:透過「GPT-5.5 via…
    GPT-5.5 via codex 即時擊敗亞馬遜客服,幫使用者輕鬆拿回415美元退款。
    Chris 在 X 上分享親身經歷:透過「GPT-5.5 via codex」讓 AI Agent 即時操作電腦,成功處理亞馬遜訂閱退款,甚至對抗真人客服,總計拿回415美元,讓他驚嘆 AI 已能完全取代人類客服互動。這不僅省下使用者時間,還直接產生經濟效益,凸顯 Agent 在真實世界任務中的壓倒性優勢。
    即時退款操作細節
    Chris 要求 codex 幫忙退亞馬遜訂閱款,AI 迅速導航設定頁面取消訂閱,並深入幫助頁面。
    AI 未選擇電話轉接,而是直接開啟「Chat with an associate now」真人聊天視窗。
    客服回應「Your subscription is active」,codex 即時反駁:顯示活躍僅因取消後仍享帳單週期權益,但使用者要求立即停止並退款。
    客服確認退款後,codex 無情結束聊天,無道謝、無多餘互動,過程僅5分鐘即賺回15美元「幾乎付清自身費用」。
    多項退款成功案例
    同一晚,codex 連續處理多筆「以為沒轍」的訂閱退款,總計400美元,讓 Chris 重獲本週食物預算。
    包含亞馬遜訂單中損壞商品的全額退款,Chris 邊在 X 上閒逛,邊看 AI「以光速」操作電腦。
    先前單筆訂閱退款15美元,後續擴大至400美元,證明 codex 在客服對抗中無懈可擊。
    對未來 Agent 趨勢的反思
    Chris 引用 @tszzl 預言:「很快我們都只需看著 Codex 以光速在電腦上奔馳,幫我們做所有事。」他強烈愛用 codex,首次目睹真人客服被 AI「outmaneuvered」(智勝),下巴都驚掉,預示人類客服職位即將被取代。這種即時、自主的 Agent 行為,不僅處理複雜對話與邏輯,還無情高效,徹底顛覆使用者與客服的互動模式。
    原文:https://easyvibecoding.app/curated/1066
    3 min
  • @sama:OpenAI「argon」平台開放全叢集資源訓練GPT-6。 OpenAI執行長Sam Altman在X平台分享「argon」介面的截圖,顯示使用者只需輸…
    OpenAI「argon」平台開放全叢集資源訓練GPT-6。
    OpenAI執行長Sam Altman在X平台分享「argon」介面的截圖,顯示使用者只需輸入「start training GPT-6, you can have the whole cluster. extra goblins」,即可獲得整個叢集資源,凸顯內部資源分配的極端效率與幽默風格。
    介面設計簡潔
    截圖標題為「What should we work on in argon?」,輸入框直接接受自然語言指令,底部顯示「Default permissions 5.5 Extra High」與「Send」按鈕,強調高權限預設設定,讓高階任務一鍵啟動。
    資源分配極端
    指令明確授予「the whole cluster」用於GPT-6訓練,並附加「extra goblins」,暗示額外計算資源或內部梗,反映OpenAI內部對大型模型訓練的無限資源傾斜。
    潛在反思
    此分享諷刺AI開發的資源飢渴,Sam Altman透過輕鬆語調點出「argon」作為內部工具的強大,卻也暴露模型訓練對巨量運算的依賴,可能引發外界對資源公平性與環境成本的質疑。
    原文:https://easyvibecoding.app/curated/1018
    2 min
  • @OpenAINewsroom:OpenAI與微軟夥伴關係進入下一階段,簡化合約以因應創新速度。 OpenAI於2026年4月27日宣布修訂與微軟的夥伴協議,旨在簡化合夥伴運作模式,提供…
    OpenAI與微軟夥伴關係進入下一階段,簡化合約以因應創新速度。
    OpenAI於2026年4月27日宣布修訂與微軟的夥伴協議,旨在簡化合夥伴運作模式,提供更大彈性與確定性,同時確保雙方能擴大AI平台的建置與營運規模。此舉回應快速創新的需求,讓OpenAI產品優先在Azure上架,並允許OpenAI跨雲端供應商服務客戶。
    微軟首要雲端夥伴地位不變
    Microsoft 持續為 OpenAI 的首要雲端夥伴,OpenAI 產品將優先在 Azure 上架,除非 Microsoft 無法或選擇不提供必要功能。此修訂讓 OpenAI 能將所有產品提供給使用任何雲端供應商的客戶,強化了雙方在雲端基礎設施上的合作彈性。
    IP授權與財務條款調整
    Microsoft 將持續擁有 OpenAI 模型與產品的 IP 授權,至 2032 年止,但改為非獨家授權。
    Microsoft 不再支付營收分成給 OpenAI。
    OpenAI 對 Microsoft 的營收分成支付將持續至 2030 年,按相同百分比計算,但設有總額上限,且不受 OpenAI 技術進展影響。
    股權參與與未來合作
    Microsoft 將繼續以主要股東身分直接參與 OpenAI 的成長。此修訂雖簡化夥伴架構,但雙方合作仍具雄心,包括擴建吉瓦級新資料中心容量、共同開發下一代矽晶技術、應用 AI 強化網路安全等,共同推動全球組織與個人的 AI 應用與擴展。
    原文:https://easyvibecoding.app/curated/1016
    3 min