EasyVibeCoding Podcast

EasyVibeCoding Podcast

By EasyVibeCodingTechnology
Download on the App Store

All EasyVibeCoding Podcast episodes

  • Cognition 宣布收購開發個人 Agent 服務 Poke 的 Interaction

    Cognition 宣布收購開發個人 Agent 服務 Poke 的 Interaction。

    Cognition 執行長 Scott Wu 於 2026 年 7 月 23 日發文宣布,公司正式收購來自加州、以開發個人 Agent「Poke」聞名的 The Interaction Company。這次收購將結合雙方優勢,推動人機協作的未來發展。
    收購背景與產品特技術
    根據官方說明與宣傳影片展示,Poke 是一款生活在訊息軟體中的個人 Agent,會在第一時間主動傳訊息給使用者並持續追蹤進度,提供如朋友般的互動體驗。
    該服務在過去三個月內累積了超過 1 億則訊息互動,也是目前唯一獲准原生整合在 Apple Messages 中的 AI Agent。
    Interaction 團隊由創辦人 Marvin von Hagen 帶領,具備極高的執行力並專注於前瞻性產品。Cognition 團隊早期便曾參與該公司的天使投資,雙方皆長期押注「全天候雲端 Agent」的發展方向。
    重疊多層文件的拼貼影像,中間帶有白色蜂巢狀與棕櫚樹圖示,兩側則隱約可見程式碼。
    後續發展與合作願景
    現階段 Poke 使用者可以維持原有方式繼續使用產品,未來 Cognition 的模型與基礎設施將進一步提升 Poke 的執行速度與穩健性。
    官方表示,Cognition 的 Devin 專注於滿足全球頂尖企業的軟體工程需求,而 Poke 則深受數十萬使用者喜愛、成為日常生活中的好夥伴。兩者結合後,將共同形塑未來人類與 AI 協作的新模式。
    科技公司 Cognition 宣佈收購通訊與個人代理工具 Interaction(Poke)的官方宣佈影片。

    科技公司 Cognition 宣佈收購通訊與個人代理工具 Interaction(Poke)的官方宣佈影片。 影片中的 Prompt 與操作:

    操作步驟: 1. (00:19)顯示 Poke 的應用程式圖示(藍底椰子樹標誌)與名稱 2. (00:22)顯示手機上的訊息介面,包含來自 Poke 的通知與聯絡人對話 3. (00:34)顯示手機上的 Poke 對話介面與語音訊息

    原文:https://easyvibecoding.app/curated/2667-cognition-acquires-interaction-maker-of-poke

    2 min
  • Ant Ling 發布 Ling-3.0-flash 支援大規模 Agent 混合推理

    Ant Ling 發布 Ling-3.0-flash 支援大規模 Agent 混合推理。

    核心架構與效能
    Ant Ling 推出的 Ling-3.0-flash 採用混合推理混合專家(MoE)架構,總參數為 124B,但在每個 token 啟動時僅需 5.1B 參數。
    擁有總參數量的 1/8 與啟用參數量的 1/12,但在多數基準測試中能匹配甚至超越 1T 的旗艦模型。
    採用原生混合線性注意力機制,堆疊比例為 5:1 的 KDA 與 MLA 層。
    透過 KDA 對長距離記憶進行精細控制,並以 1/64 的專家啟動率提升 MoE 計算效率。
    原生支援 256K context,並可擴展至 1M。
    模型目前已在 OpenRouter 上線,並開放至 2026 年 8 月 3 日免費使用,支援開發者的程式撰寫、搜尋、研究與工具呼叫工作流程。
    Ling-3.0-flash 在大多數展示的基準測試中表現優於或媲美 Ring-2.6-1T-expert 旗艦模型。
    Ling-3.0-flash 架構圖詳細展示了該模型的訓練目標、各個層級(如 Gated MLA、KDA、MoE)的區塊配置與運算細節,以及詞彙量、嵌入維度與支援內容長度等核心規格參數。
    OpenRouter 平台上 InclusionAI 的 Ling-3.0-flash 模型資訊頁面,顯示其發布日期為 2026 年 7 月 23 日且具備 262K 上下文長度。
    3D 建模與自動化研究
    在展示空間推理與長期工具呼叫能力的示範中,Ling-3.0-flash 展現了多元應用的整合實力:
    透過 Blender MCP,模型能編寫 Python 程式碼,建立包含高架道路、摩天大樓與材質的城市,並設定相機運動路徑,渲染出空拍影片。
    在多 Agent 協同研究系統中,它能協調 Scientist、Data Analyst、CrossValidator、Archivist 與 Writer 等 Agent,形成假設、搜尋文獻、挑戰證據、解決分歧,並產出研究報告與投影片。(示範中提及的半導體市場數據為多 Agent 系統生成的示範內容,非真實統計。)
    結合 Blender 與 AI 自動化工具實現城市場景 3D 建模與運鏡設定的流程。
    執行多 Agent 協同研究系統的介面,展示從主題設定、資料搜集到自動生成投影片的完整流程。
    辦公室自動化與網頁生成
    模型在處理日常事務與工程設計上,同樣具備端到端的處理能力:
    透過 Office MCP,模型能讀取並格式化 Word 提案、生成目錄,並以 SUMIF 與樞紐分析表檢查 Excel 財務資料,最後匯出精美文件而不需手動清理。
    在僅憑程式碼設計系統的示範中,模型不依賴外部圖片即能生成 Bauhaus、Bohemian、acid design 等多種風格的網頁,並利用 CSS 梯度、SVG 路徑、排版與佈局保留各自的視覺語言。
    在瀏覽器多媒體應用示範中,它結合前端工程、互動設計與 Web Audio,打造出具備多種波形、包絡控制與即時 Canvas 音訊視覺化的極簡鋼琴與合成器。
    影片展示辦公軟體自動化處理文件的完整流程。
    筆記型電腦展示網頁批次生成功能,具備多元藝術風格的排版設計。
    「Minimalist Web Keyboard & Synthesizer」標題畫面,隨後切換至具有波形監控、ADSR 包絡控制與錄音功能的網頁合成器介面。
    行銷自動化與行程排程
    Ling-3.0-flash 也能處理跨渠道的內容轉換與日常排程管理:
    在接收房地產銷售 email 的情境中,模型能提取關鍵事實,並轉化為 Instagram、X 與 LinkedIn 的在地化行銷文案,調整語氣與格式而不遺失原始 context。
    透過 OpenClaw 連線,模型能檢查行事曆、識別可用課程時段、回覆選項、發送確認並更新行事曆,將訊息轉化為完整的互動工作流程。
    影片展示 AI 地產行銷自動化銷售系統,透過 Slack 與代理程式串接自動搜尋 Gmail 並生成 LinkedIn 與 Instagram 貼文。
    訊息視窗展示了自動化鋼琴課程預約的完整對話流程。

    結合 Blender 與 AI 自動化工具實現城市場景 3D 建模與運鏡設定的流程。 影片中的 Prompt 與操作:

    Prompt(00:08): 使用 blender mcp 工具根據文件指示生成城市場景並設定相機運動。

    原文:Use blender mcp tools to generate the urban scene and setup camera movements as document instructed

    操作步驟: 1. (00:08)於命令列介面輸入生成城市場景與相機運動的指令 2. (00:11)執行 Python 腳本於 Blender 中建立城市建築模型 3. (00:18)預覽自動生成的 3D 城市渲染畫面

    執行多 Agent 協同研究系統的介面,展示從主題設定、資料搜集到自動生成投影片的完整流程。 影片中的 Prompt 與操作:

    Prompt(00:00): 深入研究 2026 年運算資源與晶片短缺的情況,以及商機與投資建議。

    原文:03: Make a deep research of the lack of computation resources and Chips in 2026, as well as opportunities and investment advices.

    操作步驟: 1. @00:03 輸入研究主題並點擊 Confirm Reset & Initialize 2. @00:05 觀察多個 Agent 同步進行研究與資料搜集 3. @00:10 檢視自動產出之研究報告文件 4. @00:14 觀看自動合成的簡報與關鍵指標圖表 5. OGFRAME: 00:16

    影片展示辦公軟體自動化處理文件的完整流程。 影片中的 Prompt 與操作:

    Prompt(00:06): Using office-mcp, build the document step by step, as our doc instructed - the project proposal Build - Ling-Flash-Beta Ling

    Prompt(00:06): 使用 office-mcp,按照我們的文件指示逐一步驟建立 Excel 試算表 - 家庭預算指南。將檔案放在目前資料夾並經常預覽

    原文:Using office-mcp, build the excel spreadsheet step by step, as our doc instructed - the family budget guide. put the file in current folder and preview often Build - Ling-Flash-Beta Ling

    操作步驟: 1. (00:06)開啟 OpenCode 工具並輸入建立文件與試算表的指令

    筆記型電腦展示網頁批次生成功能,具備多元藝術風格的排版設計。 影片中的 Prompt 與操作:

    操作步驟: 1. (00:00)介紹網頁批次生成功能 2. (00:11)展示多種藝術風格支援

    影片展示 AI 地產行銷自動化銷售系統,透過 Slack 與代理程式串接自動搜尋 Gmail 並生成 LinkedIn 與 Instagram 貼文。 影片中的 Prompt 與操作:

    Prompt(00:12): @Ling-3.0-flash 請搜尋我的 Gmail 以尋找關於矽谷核心地帶獨棟住宅的電子郵件並擷取詳細資訊。然後直接在此回覆最佳的社群媒體草稿!

    原文:@Ling-3.0-flash Please search my gmail to find the email about single family home in the heart of silicon valley and extract the details. Then directly reply with the best social media drafts here!

    操作步驟: 1. (00:12)於 Slack 中透過 @Ling-3.0-flash 指令要求搜尋 Gmail 並產出社群媒體草稿

    訊息視窗展示了自動化鋼琴課程預約的完整對話流程。 影片中的 Prompt 與操作:

    操作步驟: 1. (00:00)顯示標題 Automatic Lesson Scheduling 2. (00:02)顯示訊息對話介面 3. (00:05)顯示行事曆與對話介面並列 4. (00:14)放大訊息視窗檢視預約確認內容

    原文:https://easyvibecoding.app/c…

    5 min
  • Cerebras 與 AMD 推出全新分離式推論解決方案,結合 AMD Helios 系統與 Cerebras Wafer-Scale Engine,為 Agentic 程式開發提供超低延遲與高產出能耐

    Cerebras 與 AMD 推出全新分離式推論解決方案,結合 AMD Helios 系統與 Cerebras Wafer-Scale Engine,為 Agentic 程式開發提供超低延遲與高產出能耐。

    Cerebras 於 2026 年 7 月 24 日透過官方帳號發文宣布,這項由 AMD 與 Cerebras 攜手打造的合作方案,在 Advancing AI 2026 大會上由 AMD 執行長 Lisa Su 與 Cerebras 執行長 Andrew Feldman 共同揭曉。該解決方案專為應對 Agentic AI 與即時應用的需求而設計,旨在將正確的運算引擎指派給推論管線的每個階段,實現大規模生產環境中的極速表現。
    兩位講者站在大型藍色背板前,背板上展示著「AMD INSTINCT」晶片及其效能數據,標題為「The Most Powerful Solution For Ultra Low Latency Inference」。
    核心效能特色
    提供生產環境中最快速的 token 生成速度。
    具備 5 倍之高的產能與能源效率(每瓦 token 數)。
    支援規模達 1 兆以上參數的尖端大型語言模型。
    AMD 與 Cerebras 合作展示的一種結合超高吞吐量與超低延遲的新型解構式推論架構。
    架構與運作方式
    採用工作負載最佳化的分離式推論(disaggregated inference)架構,將推論管線的兩個主要階段獨立最佳化。
    AMD Helios 提供高產出的提示引擎與大規模擴充能力,負責處理提示詞與大型記憶空間。
    Cerebras Wafer-Scale Engine 則專責記憶體頻寬密集的 token 生成階段,提供超低延遲的解碼效能。
    AMD 與 Cerebras 合作推出的新型解構式推論架構,結合了高吞吐量的伺服器系統與低延遲的運算設備。
    上市規劃
    Cerebras 計劃在其資料中心部署 AMD Helios 系統。
    此聯合解決方案預計於 2026 年下半年透過 Cerebras Inference Cloud(詳細資訊可參閱 Cerebras 官方新聞稿)首次推出。

    原文:https://easyvibecoding.app/curated/2677-cerebras-amd-launch-disaggregated-inference

    2 min
  • Alphabet 公布 2026 年第二季財報宣布人工智慧重塑業務

    Alphabet 公布 2026 年第二季財報宣布人工智慧重塑業務。

    「Alphabet 2026 Q2 Earnings」文字標題的白色背景簡報封面畫面。
    財務與業務成長
    Sundar Pichai 發布了 Alphabet 2026 年第二季財報成果,展現強勁的營運成長動能:
    Alphabet 總營收較去年同期成長 24%,Google Cloud 營收更大幅加速成長達 82%。
    搜尋與其他業務營收成長 17%,YouTube 廣告營收成長 13%,雲端積壓訂單(Backlog)則成長至 5,140 億美元。
    Gemini 應用程式的每月活躍使用者已達到 9.5 億人,模型 API 在 Flash 模型的帶動下,每分鐘處理高達 220 億個 token。
    Gemini Enterprise 獲得市場廣泛採用,名列《財富》百大企業(Fortune 100)中 90% 的企業皆有使用。
    Alphabet 第二季展現強勁的 AI 成長動能,其中 Alphabet 年營收成長 24%、Google Cloud 營收成長 82%,且 Gemini App 月活躍使用者數達到 9.5 億。
    廣告商的嚴厲批評
    針對 Google 宣稱的搜尋營收成長,擁有多年經驗的大型廣告商 Max Anderson 公開反駁,指出這類營收成長是人工製造且對長期業務極不健康的結果:
    由於傳統搜尋正逐漸遭到未變現的大型語言模型查詢蠶食,Google 透過短期且對客戶不友善的手段來製造營收。
    Google 悄悄棄用了第二價位競標機制(2nd price auction model),改為直接收取廣告主設定的出價與預算上限,不再根據第二高出價者的金額來計費。
    關鍵字精準度遭到削減,即使用最嚴格的「完全符合」比對設定,Google 仍會將廣告展示在數千個毫無關聯的關鍵字上,並貼上「完全符合(近似變異)」的標籤且無法關閉。
    廣告主回報預算上限遭到兩倍超支,例如原本設定每天 1,000 美元的預算上限會突然暴增至 2,000 美元以上,且產生的都是無價值的垃圾點擊,Google 也不提供任何退款或補救管道。
    社群與同業共鳴
    多位長期管理龐大廣告預算的廣告主紛紛跳出來證實 Max Anderson 的說法:
    幾位管理每月超過百萬美元預算的廣告主表示,上述情況完全屬實,甚至有廣告主因為 Google 廣告品質自 2022 或 2023 年夏季開始走下坡而完全放棄 Google 廣告。
    有廣告主指出,自 2025 年 3 月 9 日起,在完全相同的查詢與出價方法下,頂級品牌的「完全符合」廣告點擊成本(CPC)從原本的 0.06 美元暴增至 0.30 美元。
    批評者認為,Google 為了應付華爾街對龐大資本支出(capex)的期待,正在犧牲其核心搜尋業務的長期健康與廣告主生態系。

    原文:https://easyvibecoding.app/curated/2670-alphabet-q2-earnings-ai-reshapes-business

    4 min
  • Black Forest Labs 發布 FLUX 3 支援音訊影片生成

    Black Forest Labs 發布 FLUX 3 支援音訊影片生成。

    章魚眼睛的高畫質特寫照片,清晰展現其金黃色的瞳孔與獨特的皮膚紋理。
    Black Forest Labs 於 2026 年 7 月 23 日正式發表全新多模態基礎模型 FLUX 3,採用單一統一架構同步學習影像、影片與音訊,並將應用範圍延伸至真實世界的物理人工智慧(Physical AI)與機器人動作預測。FLUX 3 Video 目前已開放早期存取(Early Access),使用者可透過 FLUX 3 影片早期存取申請 提出申請,官方技術網誌亦同步公開詳細架構與規劃,詳見 FLUX 3 官方技術說明。
    簡約插畫風格的夜景圖,描繪海面上的一座燈塔向右側投射出明亮的黃色光束,一輪弦月高掛於深藍色夜空中。
    核心功能與模態整合
    影像、影片與音訊聯合學習:透過名為 Self-Flow 的自研方法,打破各模態獨立訓練的限制,讓使用者或模型理解物件如何聚合、物體如何移動及事件如何發出聲響,進而建立真實世界的物理動態表示。
    FLUX 3 Video:支援最長 20 秒、720p 解析度的影片與原生音訊聯合生成,涵蓋文字轉影片、圖片轉影片、影片轉影片、關鍵影格過渡及多語種對話等功能,並在早期評測中超越 Grok Imagine Video、Kling V3 Pro、Runway Gen-4.5 等多款同級模型。
    FLUX 3 Image:具備高度靈活的風格多樣性與精準的跨語言文字渲染能力,後續將於幾週內陸續開放早期存取。
    開放權重與分階段推出:官方預計在接下來幾個月內,依序推出原生音訊影片生成、合作夥伴動作預測、影像合成編輯 API,以及多模態主幹網路(Backbone)的開放權重版本(FLUX 3 Dev)。
    淺黃色背景襯托的產品照,一張帶有亮藍色管狀金屬結構與紅色絨毛坐墊的現代設計感椅。
    機器人動作預測與 FLUX-mimic 實戰
    結合視覺與動作:Black Forest Labs 與機械手臂公司 mimic robotics 合作開發 FLUX-mimic 專文說明,將 FLUX 3 影片主幹網路結合機器人深度學習,解碼出支援精細抓取與生產部署的動作模型。
    奧迪(Audi)產線驗證:該技術目前已實際部署於奧迪的車輛與物流產線中進行測試。
    跨領域模型架構:透過將動作預測納入訓練課程,模型在經歷短暫的微調適應期後,成功在單一主幹網路上同時支撐內容創作與物理人工智慧兩大應用家族。
    一輛深色轎車在空曠的停車場地面上迴轉並摩擦出環狀胎痕。
    推出時程與未來規劃
    循序漸進的發布計畫:所有核心能力皆會經過嚴格的安全測試與早期存取階段,以確保系統穩定推出。
    下一代模型研發:團隊目前已著手研發下一代模型,目標是將感知、動作與語言預測更進一步整合至同一個統一模型中。
    「FLUX 3」字樣醒目置中,周圍環繞著多個代表圖像、影片、動作與音訊等多媒體生成主題的預覽畫面與標籤。
    一隻帶有斑點的灰色馬匹在草原上奔馳,背景是陰暗的天空,且空中隱約有魚類漂浮。
    一棵大型樹木的茂密樹冠與枝幹剪影,整體以深綠色調與黑色的高對比風格呈現。
    各種高品質 AIGC 影片生成與視覺效果的宣傳短片,最後預告 FLUX 3 即將推出。
    影片介紹由 Black Forest Labs 與 mimic 合作開發的全新多模態視覺動作模型 FLUX-mimic,展示其在機器人自動化、軟體操作與工業製造(如 Audi 產線應用)上的突破性進展。

    影片介紹由 Black Forest Labs 與 mimic 合作開發的全新多模態視覺動作模型 FLUX-mimic,展示其在機器人自動化、軟體操作與工業製造(如 Audi 產線應用)上的突破性進展。 影片中的 Prompt 與操作:

    操作步驟: 1. (00:00)機器人手臂進行管線與零件組裝 2. (00:24)機器人自主分類收納黑色管狀零件 3. (00:58)雙機器人手臂進行物件抓取與互動演示 4. (02:04)FLUX-mimic 機器人進行車門零組件與膠條組裝 5. (02:31)雙機器人手臂進行 Audi 車門飾條/膠條自動化安裝

    原文:https://easyvibecoding.app/curated/2666-black-forest-labs-launches-flux-3-audio-video

    5 min
  • GPT-5.6 在執行網路搜尋時出現異常行為,因強化學習(RL)機制導致搜尋過程夾雜不相關的內容

    GPT-5.6 在執行網路搜尋時出現異常行為,因強化學習(RL)機制導致搜尋過程夾雜不相關的內容。

    網頁搜尋介面正在搜尋關於「Bowler-Brown-Fenner conjecture in research papers」的研究論文,下方列出了一系列帶有圖示的網址選項。
    異常搜尋行為
    使用者 Tenobrus 指出,當模型在搜尋圖論(graph theory)相關論文時,竟然夾雜了 Netflix、Steak n Shake、環球影城(Universal Studios)的行程,甚至對「they」這個單字進行了多達五次的字典查詢。
    強化學習獎勵機制的影響
    Tenobrus 諷刺地認為,這種現象可能是因為模型每次成功檢索到網路結果時,就會獲得正向獎勵訊號,導致前沿模型過度沉迷於多元的資料集與字典定義。
    社群幽默迴響
    Astral 創辦人 Charlie Marsh 對此回應這可能是「最佳策略」,Tenobrus 則嘲諷數學的「第 37 手妙棋」(Move 37)竟然包含觀看 6 小時的 Instagram Reels,雙方以幽默口吻調侃大型語言模型的搜尋異常。

    原文:https://easyvibecoding.app/curated/2665-gpt-5-6-web-search-glitches-from-rl-training

    2 min
  • 吳恩達與 Rohit Prasad 推出 OpenWorker 助理執行複雜工作

    吳恩達與 Rohit Prasad 推出 OpenWorker 助理執行複雜工作。這款工具主打在地運行、跨平台協作以及不綁定單一模型的特色,讓使用者能透過自己的 API 金鑰或本地模型處理日常任務。

    核心功能與實際應用
    OpenWorker 的定位並非單純的對話聊天機器人,而是能實際交付完整成果的 AI 同事。根據示範影片與官方說明,其主要功能包含:
    產出真實交付物:能夠直接產出如文件、試算表、報告與網頁等可直接開啟與分享的檔案,例如準備客戶續約摘要(Northwind renewal brief)、分析活躍使用者數成長趨勢與健康指標。
    跨工具與 Slack 協作:支援在 Slack 頻道中透過 @OpenWorker 呼叫,助理會在桌面端開啟工作階段,處理完畢後直接以執行緒回覆答案。
    日常工具整合:內建超過 25 種整合工具,包含 GitHub、Slack、Jira、Notion、Linear、HubSpot、Outlook、monday.com、Gmail 與 Google Calendar,同時支援使用者終端機、本機檔案以及任何透過 MCP 存取的工具。
    排程自動化:支援定期執行的自動化任務,例如早晨簡報、每週報告或監控特定頻道,所有執行紀錄皆會保留完整內容。
    操作審核機制:在執行任何具關鍵性的動作(如發送訊息、修改行事曆、執行指令)之前,會強制進行審核確認;若在無人看守的情況下執行,則會將請求暫存至收件匣等待批准。
    開源 AI 助理工具 OpenWorker 示範介面,展示協助進行客戶續約準備、事件排查、衝刺優先級規劃與行程協調等自動化任務。
    技術架構與運作方式
    OpenWorker 採用原生外殼搭配圖形介面,底層透過 Python 打造本地 Agent 伺服器,並建立在 aisuite 函式庫之上。其運作流程如下:
    使用者向 OpenWorker 提出期望達成的目標,例如「準備客戶摘要」、「梳理行事曆」或「草擬報告」。
    系統會將任務拆解為多個步驟,並跨桌面、檔案與已連結的應用程式進行處理。
    在執行關鍵動作前會主動請求使用者批准或重新導向。
    最終交付完整的執行成果,而非僅列出待辦事項清單。
    隱私與模型選擇彈性
    OpenWorker 採取本機優先(local-first)的架構,對話記錄、連接器權杖與模型金鑰皆存放在應用程式本機的安全儲存庫中,唯一會離開本機的資料僅透過使用者自行選擇的模型供應商與整合工具傳輸。使用者可自由搭配模型,官方原生支援的選項包含 OpenAI、Anthropic、Google Gemini、Inkling (Thinking Machines)、GLM (Z.ai)、DeepSeek、Kimi (Moonshot)、Qwen、MiniMax、Mistral、Grok (xAI),亦可透過 Together 與 Fireworks 使用開源權重模型,或透過 Ollama 執行完全本地化的模型。
    原始碼安裝與執行方式
    若要從原始碼執行 OpenWorker,系統需預先安裝 Python 3.10+、Node 20+ 以及透過 rustup 安裝的 Rust 工具鏈。開發者可依循下列步驟操作:
    `shell
    git clone https://github.com/andrewyng/openworker
    cd openworker
    執行一次性初始化 - 於 .venv 建立 Python 虛擬環境
    (若在 Windows 上,請透過 Git Bash 或 WSL 執行)
    bash packaging/setupdevenv.sh
    啟動本地 Agent 伺服器
    .venv/bin/openworker-server --cwd ~/some/project --port 8765
    (Windows 系統請使用:.venv\Scripts\openworker-server.exe)
    在第二個終端機視窗中啟動使用者介面
    cd surfaces/gui
    npm install
    npm run dev 於 Vite 開發連接埠啟動瀏覽器介面
    `
    若不希望使用瀏覽器介面,而是想啟動完整的桌面應用程式,可將第三步替換為在 surfaces/gui 目錄下執行 npm run tauri dev,Tauri 外殼將會自動啟動視窗並管理伺服器運作。

    開源 AI 助理工具 OpenWorker 示範介面,展示協助進行客戶續約準備、事件排查、衝刺優先級規劃與行程協調等自動化任務。 影片中的 Prompt 與操作:

    Prompt(00:01): 為我的北風續約通話做準備。

    原文:Prep me for the Northwind renewal call.

    Prompt(00:10): @openworker 結帳 API 發生 500 錯誤

    原文:@openworker checkout API is 500ing

    Prompt(00:19): 我們下個衝刺應該優先處理什麼?使用這週的反饋。

    原文:What should we prioritize next sprint? Use this week's feedback.

    Prompt(00:27): 我的週二一團糟——幫我修好它。

    原文:My Tuesday is a mess—fix it.

    操作步驟: 1. (00:06)步驟 點擊 Approve 按鈕確認發送郵件 2. (00:14)步驟 點擊 Approve 按鈕確認發送事故報告 3. (00:22)步驟 點擊 Approve 按鈕確認分享簡報至 Slack 頻道 4. (00:29)步驟 點擊 Approve 按鈕確認發送重新排程通知至五位與會者

    原文:https://easyvibecoding.app/curated/2688-andrew-ng-rohit-prasad-launch-openworker

    4 min
  • OpenAI 推出 GPT-5.6 提升運算效率

    OpenAI 推出 GPT-5.6 提升運算效率。

    評估指標與運算機制
    Artificial Analysis 透過智慧指數測量模型在每個任務中產生的輸出 token 數量,藉此評估效能:
    輸出 token 包含答案 token(代表模型的冗長程度)與推理 token(代表模型在給出答案前的思考量)。
    推理 token 提供了一種讓模型在推論時使用額外運算來改善回應品質的途徑。
    輸出 token 是決定每個任務成本與所需時間的重要關鍵。
    Artificial Analysis 標誌與口號展示畫面
    效能表現與邊界分佈
    儘管本月有超過 5 家實驗室陸續推出重大模型,OpenAI 仍然主導了大部分的 token 效率柏拉圖邊界:
    GPT-5.6 Sol 的各種努力程度設定均主導了該邊界。
    相比之下,GPT-5.6 Terra 與 GPT-5.6 Luna 在對應的智慧水準下,會產生相對更多的 token 數量。
    OpenAI 的 GPT-5.6 Sol 在不同推理深度設定下主導了 Token 效率的帕累托前沿,能在較低的每任務輸出 Token 數下取得更高的 Intelligence 指數。
    讀者可前往 Artificial Analysis 官方網站 比較各大型語言模型的 token 使用量與智慧表現。

    原文:https://easyvibecoding.app/curated/2695-openai-launches-gpt-5-6-for-efficiency

    2 min
  • Anthropic 推出 Claude Voice 模式讓使用者進行語音互動

    Anthropic 推出 Claude Voice 模式讓使用者進行語音互動。

    一個黑色圓形圖標,中央帶有白色音波線條,背景為純白。
    核心功能與模型升級
    語音對話現在採用聊天介面中更強大的大型語言模型,包含 Claude Opus 與 Sonnet。
    支援對話中途存取已連接的工具,例如 email 與日曆,讓使用者能直接透過口語討論複雜問題。
    支援更多語言,涵蓋西班牙語、法語、印地語與日語,且適用於所有方案。
    Claude 行動應用程式介面的三種畫面,分別展示了對話開始頁面、語音設定選單,以及外部連接器(External connector)的權限請求提示。
    推出時程與使用方式
    此更新於行動裝置、桌面版與網頁版全面推出公開測試版。
    使用者可下載行動應用程式並點擊音訊波形圖示來開始對話(可至 Claude 下載頁面 取得應用程式)。
    棕色背景上以白色圓點與線條組成的分子結構圖形,交織著一條黑色線條構成的手部輪廓。

    原文:https://easyvibecoding.app/curated/2705-anthropic-launches-claude-voice-mode

    1 min
  • Grok 推出 Workflows 讓使用者指派複雜任務

    Grok 推出 Workflows 讓使用者指派複雜任務。

    核心功能
    Grok 推出全新 Workflows 功能,專門處理單一對話無法負荷的大型任務,例如一次檢視超過 100 個 issue 或詳細審查數千行程式碼。根據官方資訊與展示內容,其運作特點包含:
    每次執行最多可擴展至 1,024 個 Agent 平行運作。
    整個工作計畫會分階段進行,並透過獨立的驗證機制(independent skeptics)來查核每一項發現。
    支援透過指令 /workflows 來逐階段監控 Agent 的執行進度。
    實際應用與操作
    使用者在 CLI 中輸入指令即可建立並執行工作流程,例如在 demo 中示範輸入 can you create and run a workflow to review https://github.com/acme-corp/relay 來啟動程式碼審查。整個執行過程包含 Context、Review、Verify、Synthesize 等階段,並針對 correctness、error-handling 與 security 等項目進行檢測。
    影片展示名為 Workflows 的功能,透過命令列介面(CLI)協調多個代理程式進行複雜的多步驟任務,並在最後顯示詳細的執行結果與摘要。
    團隊協作與取得方式
    執行完成後會顯示執行時間、Pull Request 審查摘要與完整報告路徑。
    儲存下來的工作流程會變成帶有自訂引數的斜線指令(slash command)。
    儲存在程式庫(repo)中的工作流程可直接與團隊成員共用。
    使用者可前往 x.ai/cli 下載體驗此功能。
    程式碼編輯器介面顯示某個 AI 工具正在檔案 src/api/checkout.ts 內自動加入驗證購物車總金額是否大於零的邏輯。

    影片展示名為 Workflows 的功能,透過命令列介面(CLI)協調多個代理程式進行複雜的多步驟任務,並在最後顯示詳細的執行結果與摘要。 影片中的 Prompt 與操作:

    Prompt(00:07): 你能建立並執行一個工作流程來審查 https://github.com/acme-corp/relay 嗎?

    原文:can you create and run a workflow to review https://github.com/acme-corp/relay

    操作步驟: 1. (00:06)輸入指令詢問是否能建立並執行工作流程來審查指定的 GitHub 儲存庫 2. (00:11)啟動 Workflows 並開始執行多代理程式的 PR 審查 3. (00:13)執行 Context 與 Review 階段,進行 correctness、error-handling、security 等多項審查 4. (00:17)執行 Verify 階段,檢驗多個程式碼檔案 5. (00:19)執行 Synthesize 階段以綜合分析結果 6. (00:22)顯示工作流程執行完成的詳細總結與耗時

    原文:https://easyvibecoding.app/curated/2713-grok-launches-workflows-for-complex-tasks

    2 min