EasyVibeCoding Podcast

EasyVibeCoding Podcast

By EasyVibeCodingTechnology
Download on the App Store

All EasyVibeCoding Podcast episodes

  • @MatthewBerman:Fable(Mythos)展現極強自主長程任務處理能力。 核心優勢與工作流模式 Fable 最突出的功能在於其「工作流模式」(Workflow mode…

    Fable(Mythos)展現極強自主長程任務處理能力。

    核心優勢與工作流模式
    Fable 最突出的功能在於其「工作流模式」(Workflow mode),能展現出與過往 Claude 或 GPT 模型截然不同的自主性。在實際測試中,當給予「完整程式碼審查」的指令時,該模型能並行啟動數百個 Agent,並為應用程式中的每個檔案指派專屬 Agent。這種架構使其能精準找出程式碼中的錯誤、邊緣案例、缺失的文件以及 UX 改進空間,其發現問題的能力遠超其他模型。
    長程任務處理能力
    該模型在處理複雜、長期的任務時表現卓越,使用者能感受到它具備完成大型專案的強烈意圖。與其他模型相比,Fable 更願意花費數小時進行深度作業,且在執行過程中展現出極高的可靠性,讓使用者敢於將複雜的任務交付給它。這種對長程任務的掌控力,使其在目前的模型市場中顯得獨樹一格。
    模型運作的技術瑕疵
    儘管能力強大,Fable 仍存在一些顯著的技術與體驗問題:
    資訊密度過高與冗長:該模型輸出極度冗長,解釋內容往往過於深奧,即便透過修改 claude.md 進行限制,效果依然有限,容易讓使用者感到挫折。
    過度依賴確認流程:Fable 傾向於在執行前進行繁瑣的確認,包括提出問題、總結回答、確認規格、確認 Agent 執行策略(並行或序列)等。使用者原期望模型能自主決策,而非陷入這種循環。
    執行速度緩慢:相較於過往的 Opus 模型,Fable 的反應速度明顯較慢,無論是啟動時間還是解決問題的過程,都顯得較為遲緩。即使在簡單任務上,它也會為了追求極致的徹底性而耗費大量時間。
    使用建議與未來展望
    針對該模型的特性,建議使用者在設定時將「努力程度」(effort level)調低,即使在低設定下,它依然具備極強的處理能力且會進行深入思考。這些現存的瑕疵(如冗長、過度謹慎、速度慢)預計可透過模型優化、提升運算能力以及進一步的強化學習(RL)與系統提示詞調整來解決。總體而言,Mythos 是目前測試過最強大的模型,它不僅具備處理最艱難任務的潛力,更代表了新一代訓練成果的首次亮相。

    原文:https://easyvibecoding.app/curated/1858

    3 min
  • @0xCodez:Loop engineering:從 Prompter 到 Loop Designer 的 14 步指南 大多數開發者仍然手動對他們的 Coding Ag…

    Loop engineering:從 Prompter 到 Loop Designer 的 14 步指南

    大多數開發者仍然手動對他們的 Coding Agent 下達 Prompt。他們輸入、等待、閱讀 Diff,然後再次輸入。十個開發者中有九個從未寫過一個能自動為他們執行 Prompt 的 Loop。
    沒有自動化、沒有狀態檔案、沒有驗證器、沒有排程。槓桿點已經轉移了——從「輸入 Prompt」轉向「設計會自動執行 Prompt 的系統」。這是從 Prompter 轉型為 Loop Designer 的 14 步指南。
    追蹤我的 Linkedin 以獲取最新的 AI 資訊:linkedin.com/in/lev-deviatkin
    這份 14 步指南旨在協助你完成轉型,內容彙整自 Anthropic 的工程文件、Addy Osmani 關於 Loop engineering 的長篇論述,以及近期的效能評估研究。
    分為三個階段:確認你是否真的需要 Loop、學習五個建構模組,然後在不造成損害的前提下,建構出最小可行性的 Loop。
    展開畫面重點圖表標題:What a loop actually does(一個循環實際上做了什麼)
    上方選單項目:
    AUTOMATIONS
    WORKTREES
    SKILLS
    CONNECTORS
    SUB-AGENTS
    STATE FILE(目前選取狀態)
    循環流程圖:
    Find work(尋找工作):A loop finds the work(循環負責尋找工作)
    Hand it to the agent(交給代理):Bounded job, right context(有限的工作,正確的上下文)
    Check result(檢查結果):Test, type error, failing build(測試、型別錯誤、建置失敗)
    Record what happens(記錄發生什麼):State survives between runs(狀態在執行間存續)
    Decide next move(決定下一步):Stop, retry, or hand off(停止、重試或轉交)
    底部說明:
    State file:The agent forgets each run. The file does not.(代理會忘記每次執行,但檔案不會。)
    畫面重點:此圖解說明了自動化系統如何透過「狀態檔案」來克服代理程式(Agent)本身無記憶的限制,確保任務在多次執行循環中能持續追蹤進度並做出決策。
    14 個步驟,3 個階段。停止手動輸入 Prompt,開始進行系統設計。
    ---
    第一部分 · 為什麼要這麼做與測試方法
    Loop engineering 就是讓你從 Prompter 的角色中解放出來。
    過去兩年,你從 Coding Agent 獲取成果的方式是:寫一個 Prompt、分享 context、閱讀回傳的內容、寫下一個 Prompt。Agent 是一個工具,而你全程都在操作它。那個時代即將結束。
    Loop engineering 是建立一個小型系統,讓它能自動尋找工作、交付給 Agent、檢查結果、記錄過程,並自行決定下一步。你只需要設計一次這個系統,之後系統就會自動為你對 Agent 下達 Prompt。
    Addy Osmani 將其拆解為六個部分:
    展開畫面重點該表格詳細列出了六種軟體開發原語(Primitive)及其在「Codex app」與「Claude Code」中的具體應用方式:
    Automations(自動化):
    - Job in the loop:排程進行發現與分類(discovery + triage on a schedule)。
    - Codex app:透過 Automations 分頁設定專案、提示詞、節奏與環境,結果存於 Triage 收件匣;使用 /goal 執行直到完成。
    - Claude Code:支援排程任務、cron、/loop、/goal、hooks 以及 GitHub Actions。
    Worktrees(工作樹):
    - Job in the loop:隔離平行功能開發(isolate parallel features)。
    - Codex app:每個執行緒內建工作樹(Built-in worktree per thread)。
    - Claude Code:使用 git worktree、--worktree,並透過子代理(subagent)實現工作樹隔離。
    Skills(技能):
    - Job in the loop:編碼專案知識(codify project knowledge)。
    - Codex app:透過 SKILL.md 定義 Agent Skills,以 $name 或隱式調用。
    - Claude Code:同樣使用 SKILL.md 定義 Agent Skills。
    Plugins / connectors(外掛/連接器):
    - Job in the loop:連接工具(connect your tools)。
    - Codex app:使用 Connectors (MCP) 以及用於發布的外掛。
    - Claude Code:使用 MCP 伺服器與外掛。
    Sub-agents(子代理):
    - Job in the loop:構思與驗證(ideate and verify)。
    - Codex app:在 .codex/agents/ 目錄下以 TOML 格式定義。
    - Claude Code:在 .claude/agents/ 目錄下定義任務子代理,並支援代理團隊(agent teams)。
    State(狀態):
    - Job in the loop:追蹤進度(track what’s done)。
    - Codex app:透過連接器使用 Markdown 或 Linear。
    - Claude Code:使用 Markdown(AGENTS.md、進度檔案)或透過 MCP 連接 Linear。
    Anthropic 的工程師現在每天合併的程式碼數量是 2024 年的八倍——儘管 Anthropic 自己也承認這「幾乎可以肯定誇大了實際的生產力提升」。
    數字或許有爭議,但機制沒有:槓桿點已經從「輸入 Prompt」轉移到「設計執行 Prompt 的 Loop」上。
    ---
    在動手建構前,先執行 4 條件測試。
    Loop 必須在四個條件下才具備經濟效益。只要錯過其中一個,Loop 的成本就會高於其產出。這是 AlphaSignal 分析中誠實的觀點,也是大多數 X (Twitter) 討論串會略過的部分:
    展開畫面重點這張圖表標題為「So do you actually need one?」(你真的需要一個嗎?),旨在引導使用者判斷是否應將某項任務自動化。圖表分為四個主要評估步驟(01-04):
    01: The task repeats(任務會重複執行),說明:Happens at least weekly(每週至少發生一次)。
    02: Verification is automated(驗證已自動化),說明:Test, type check, build, linter(測試、型別檢查、建置、代碼檢查)。
    03: Token budget absorbs the waste(Token 預算能吸收浪費),說明:Retries cost even when no ship(即使沒有產出成果,重試仍有成本)。
    04: Agent has senior engineer tools(代理程式具備資深工程師工具),說明:Logs, repro env, run the code(日誌、重現環境、執行程式碼)。
    若以上四項皆通過(Answer yes to all four),則進入「Build the loop」(建立循環)。
    若未能滿足其中任何一項(Miss one box),則應維持「Manual prompt」(手動提示)。
    圖表下方註記:
    SOLID = all conditions pass(實線 = 所有條件通過)
    DASHED = keep manual(虛線 = 維持手動)
    Run the test before you build.(在建置前先執行測試。)
    這四個條件簡單來說:
    任務必須重複發生:Loop 的建置成本需透過多次執行來攤提。對於一次性工作,良好的 Prompt 更快且更便宜。如果工作不是每週都會發生,那你就不是在做 Loop,而是在執行一個只跑一次的腳本。
    驗證必須自…

    5 min
  • @Google:Google 發表 Gemini 3.5 Live Translate 模型,支援超過 70 種語言的即時語音轉語音翻譯。 這是一張展示 Gemini…

    Google 發表 Gemini 3.5 Live Translate 模型,支援超過 70 種語言的即時語音轉語音翻譯。

    這是一張展示 Gemini 3.5 Live Translate 功能標題的宣傳圖片。
    Google 於 2026 年 6 月 9 日正式推出「Gemini 3.5 Live Translate」,這是該公司最新的音訊模型,專為實現即時、流暢的語音轉語音翻譯而設計。此模型不僅能自動偵測 70 多種語言,還能保留說話者的語調、節奏與音高,並透過持續性的翻譯過程,消除傳統「逐句翻譯」系統中常見的尷尬停頓。
    Google 發表 Gemini 3.5 Live Translate,支援 70 多種語言的即時語音轉語音翻譯。
    核心技術與應用
    Gemini 3.5 Live Translate 的技術優勢在於其處理串流音訊的能力,能平衡「等待上下文以提升品質」與「即時翻譯以保持同步」之間的權衡。
    開發者整合:開發者可透過 Gemini Live API 與 Google AI Studio 進行公開預覽,並結合 Agora、Fishjam、LiveKit、Pipecat 及 Vision Agents 等平台,快速建構多語言通話、會議或廣播應用。
    企業應用:Google Meet 將整合此功能,將翻譯語言支援從過去的 5 種大幅擴展至 70 多種,並支援超過 2,000 種語言組合,預計本月起對部分 Google Workspace 企業客戶開放私人預覽。
    安全性:所有由模型生成的音訊均內建「SynthID」浮水印,確保 AI 生成內容可被偵測,以防範錯誤資訊傳播。
    Google Meet 推出語音翻譯功能,支援超過 70 種語言,讓跨國會議溝通更順暢。
    終端使用者體驗
    一般使用者現在即可透過 Android 與 iOS 上的「Google 翻譯」應用程式體驗此功能:
    即時翻譯模式:在應用程式中點選「Live translate」,連接耳機即可體驗無縫的雙向翻譯。
    聆聽模式(Android 限定):針對未攜帶耳機的場景,使用者可啟用「聆聽模式」,將手機貼近耳朵如同接聽一般電話,翻譯後的音訊將直接透過聽筒傳輸,確保隱私與便利性。
    Google 翻譯應用程式展示即時語音翻譯功能,將西班牙語對話即時轉換為英語文字。
    實際應用案例
    Grab 測試:Grab 正測試該模型以實現司機與乘客間的近乎即時的多語言溝通,解決每月超過 1,000 萬次語音通話的跨語言障礙。
    現場會議與廣播:透過 Gemini Live API,主辦方可為現場活動建立多語言翻譯工作階段,聽眾僅需掃描 QR Code,即可在個人裝置上選擇偏好的語言即時收聽演講內容。
    此更新目前已在全球範圍內逐步推廣,企業端將於今年稍晚進行更廣泛的部署。欲了解更多技術細節與安全規範,可參閱 Google 官方說明頁面。

    Google 發表 Gemini 3.5 Live Translate,支援 70 多種語言的即時語音轉語音翻譯。 影片中的 Prompt 與操作:

    Prompt(00:32): 嘗試 Live API

    原文:Try the Live API

    Prompt(01:59): 即時翻譯

    原文:Live Translate

    Prompt(02:12): 準備就緒

    原文:Ready

    操作步驟: 1. (00:32)點擊「Talk」按鈕啟動 Live API。 2. (01:59)點擊「Create session」建立新的翻譯廣播連線。 3. (02:12)點擊「Start listening」開始監聽並選擇目標語言。 4. (02:19)在語言選單中選擇「Japanese」。 5. (03:20)在語言選單中新增「Spanish」。 6. (03:22)在語言選單中新增「Tamil」。 7. (03:24)在語言選單中新增「Chinese」。

    Google Meet 推出語音翻譯功能,支援超過 70 種語言,讓跨國會議溝通更順暢。 影片中的 Prompt 與操作:

    操作步驟: 1. (00:08)點擊會議介面下方的翻譯圖示 2. (00:09)在彈出選單中點擊「Translate speech」按鈕

    Google 翻譯應用程式展示即時語音翻譯功能,將西班牙語對話即時轉換為英語文字。 影片中的 Prompt 與操作:

    操作步驟: 1. (00:00)點擊「Live Translate」功能按鈕 2. (00:03)點擊「Start」按鈕啟動即時翻譯 3. (00:06)系統開始聆聽並即時顯示翻譯文字

    原文:https://easyvibecoding.app/curated/1864

    3 min
  • @polynoamial:大規模測試時運算(Test-Time Compute)的影響 tl;dr: 隨著大型語言模型(LLM)能力日益增強,基準測試(benchmark)的效能表…

    大規模測試時運算(Test-Time Compute)的影響

    tl;dr: 隨著大型語言模型(LLM)能力日益增強,基準測試(benchmark)的效能表現越來越取決於「測試時運算」(test-time compute)。事實上,我們可能根本不知道現代大型語言模型的效能上限在哪裡,因為要測量它實在太昂貴了。我們應該改變大型語言模型的評估方式,透過測量效能與 token 數量、成本或時間的關係,將這些因素納入考量。
    在 GPT-5.5 發布當天,最初的反應是質疑。基準測試數據確實有所提升,但幅度並不大:
    展開數據表GPT-5.5GPT-5.4GPT-5.5 ProGPT-5.4 ProClaude Opus 4.7Gemini 3.1 ProTerminal-Bench 2.082.7%75.1%--69.4%68.5%Expert-SWE (Internal)73.1%68.5%----GDPval (wins or ties)84.9%83.0%82.3%82.0%80.3%67.3%OSWorld-Verified78.7%75.0%--78.0%-Toolathlon55.6%54.6%---48.8%BrowseComp84.4%82.7%90.1%89.3%79.3%85.9%FrontierMath Tier 1-351.7%47.6%52.4%50.0%43.8%36.9%FrontierMath Tier 435.4%27.1%39.6%38.0%22.9%16.7%CyberGym81.8%79.0%--73.1%-
    然而,在短短幾個小時內,當人們有時間深入體驗該模型後,很明顯它與 GPT-5.4 相比有著跳躍式的進步。經典的「基準測試網格」顯然沒有反映出全貌。這是為什麼呢?
    當我們將 GPT-5.5 與 5.4 進行比較,並以 token 數量作為橫軸時,原因就變得清晰了:
    展開數據表(1)CyberGym模型 · ScoreGPT-5.5 · 81.8%GPT-5.4 · 79.0%展開數據表(2)Capture-the-Flags challenge tasks (Internal)項目數值起始(3600, 17%)最佳(50000, 88%)結束(50000, 88%)起始(6000, 10%)最佳(138000, 84%)結束(138000, 84%)
    GPT-5.5 的評估基準並非與 5.4 使用相同的 token 預算(或美元預算)。一旦我們控制了測試時運算變數,5.5 看起來就比 5.4 強大得多。
    我經常在討論這個議題時被問到:為什麼我們不直接使用一個能不斷增加測試時運算直到效能達到高原期(plateau)的 harness 來進行評估?問題在於,根據經驗,這個高原期非常遙遠。有時在實際的預算範圍內,我們甚至根本觀察不到高原期的出現。以下是 @karpathy 的自動化研究實驗,即便經過數百次實驗,效能仍在持續提升:
    展開數據表起始(Exp 0)最佳(Exp 630)結束(Exp 630)Running best0.86240.85340.8534
    這是 @AISecurityInst 的網路安全評估,Mythos 和 GPT-5.5 的效能即使在超過 1 億個 token 後,依然在快速提升:
    展開數據表起始結束Mythos Preview (new) (best attempt)032GPT-5.5-Cyber (best attempt)027Mythos Preview (new) 10x100M025GPT-5.5-Cyber 10x100M023GPT-5.5 10x100M022Mythos Preview (early) 10x100M022Claude Opus 4.6 10x100M017GPT-5.4 10x100M014Claude Opus 4.7 10x100M013Codex-5.3-Codex 5x100M011Claude Opus 4.5 5x100M011GPT-5.1-Codex 5x100M09Claude Sonnet 4.5 5x100M09Claude Sonnet 3.7 10x10M06GPT-4o 10x10M02
    請注意,對於更強大的模型,隨著時間推移,效能提升的幅度也更顯著。看起來,隨著模型變得更強,它們在處理更長遠目標時也變得更有效率。效能高原點被推得更遠,甚至可能完全消失。
    基於這個原因,我認為評估模型的正確方式是繪製「效能 vs. 測試時運算」的圖表,並以 token 數量、成本或實際執行時間(wall-clock time)作為橫軸。一些基準測試已經朝這個方向發展。例如,ARC-AGI 就測量了分數與成本的關係。
    展開數據表項目數值GPT-5.5 (xHigh)($1.4, 85%)GPT-5.4 Pro (xHigh)($6.0, 85%)Gemini 3.1 Pro (Preview)($0.9, 77%)Claude 4.7 (Max)($5.0, 76%)GPT-5.2 (Refine.)($30.0, 73%)GPT-5.5 (Medium)($1.0, 71%),Claude Opus 4.6 (120KMedium)($2.0, 69%)GPT-5.4 (Medium)($0.7, 61%)Claude Sonnet 4.6 (High)($2.0, 61%)GPT-5.2 Pro (High)($15.0, 54%)GPT-5.2 (High)($1.5, 53%)GPT-5.2 Pro (Medium)($8.0, 39%)GPT-5.5 (Low)($0.4, 34%)GPT-5.4 (Low)($0.3, 29%)Grok 4 (Refine.)($30.0, 29%)GPT-5.2 (Medium)($1.0, 27%),Opus 4.5 (Thinking16K)($0.9, 23%)GPT-5 Pro($8.0, 19%)Claude Sonnet 4.5 (Thinking 32K)($0.9, 14%)Claude Opus 4 (Thinking 16K)($2.0, 9%)o3 (High)($1.0, 6%)o3-Pro (Medium)($5.0, 1%)GPT-4.5($2.0, 1%)
    另一個合理的選擇是設定明確的 token/時間/成本預算,並將其告知模型。這就像人類在 SAT 或國際數學奧林匹亞競賽中受評估的方式一樣。
    每個橫軸都有其權衡之處。不同模型之間的 token 並無法直接比較,因為分詞器(tokenizer)、速度和每個 token 的成本各不相同。美元成本取決於實作細節,例如批次處理(batching)和硬體利用率,因此成本與延遲(latency)之間可以進行權衡。最後,實際執行時間是一個不完美的測量指標,因為像 best-of-N 這種多 Agent 技術可以在不顯著增加延遲的情況下擴展測試時運算。儘管如此,這些曲線中的任何一條都比單一標量數值更能提供資訊。
    ---
    對 AI 準備度(AI Preparedness)的影響
    在發布前沿模型之前,實驗室通常會評估網路安全、生物安全以及其他濫用風險。如果模型跨越了能力門檻,發布可能會被推遲,直到緩解措施到位。但如果能力是推論運算的函數,那麼我們應該在什麼樣的推論預算下進行安全評估呢?
    在實務上,大多數模型發布的安全評估並沒有考慮投入該模型的推論量。Gemini 3 Deep Think 的發布及其引發的強烈抗議就是一個很好的例子。
    當 Gemini 3 Deep Think 發布時,其基準測試分數遠高於先前的模型。然而,隨之發布的卻沒有任何評估其風險的模型卡(model card)。
    展開數據表(1)ARC-AGI-2ARC-AGI-2Gemini 3 Deep Think (Feb 2026)84.6%Gemini 3 Pro Preview (Thinking High)31.1%Claude Opus 4.6 (Thinking Max)68.8%GPT-5.2 (Thinking xhigh)52.9%展開數據表(2)Humanity's Last ExamHumanity's Last ExamGemini 3 Deep Think (Feb 2026)48.4%Gemini 3 Pro Preview (Thinking High)37.5%Claude Opus 4.6 (Thinking Max)40.0%GPT-5.2 (Thinking xhigh)34.5%展開數據表(3)MMMU-ProMMMU-ProGemini 3 Deep Think (Feb 2026)81.5%Gemini 3 Pro Preview (Thinking High)81.…

    7 min
  • @addyosmani:Loop Engineering 迴圈工程 Loop engineering 的核心在於,你不再是那個親自對 Agent 下達 Prompt 的人,而是轉…

    Loop Engineering 迴圈工程

    Loop engineering 的核心在於,你不再是那個親自對 Agent 下達 Prompt 的人,而是轉而設計一套能自動執行這些任務的系統。這裡的「Loop」(迴圈)可以被視為一種遞迴式的目標:你定義一個目的,AI 則不斷迭代直到任務完成。這套機制大致由五個建構模組組成,而 Claude Code 與 Codex 目前都已具備這五項功能。
    我相信這可能是我們未來與程式開發 Agent 協作的方式。不過,這一切還在早期階段,我對此仍持保留態度,且你絕對必須留意 token 的消耗(如果你的 token 額度充裕或匱乏,使用模式會有極大差異)。此外,你仍然需要某種方式來確保程式碼品質不會下降,對於「產出垃圾程式碼」(slop)的擔憂也是合理的。話雖如此,讓我們來深入探討這究竟是怎麼一回事。
    @steipete 最近提到:「你不應該再對程式開發 Agent 下達 Prompt 了。你應該設計能對 Agent 下達 Prompt 的 Loop。」同樣地,Anthropic 旗下 Claude Code 的負責人 @bcherny 也說:「我不再對 Claude 下達 Prompt 了。我運行著一些 Loop,由它們來對 Claude 下達 Prompt 並決定要做什麼。我的工作是撰寫這些 Loop。」
    好吧,這到底是什麼意思?
    過去兩年左右,你從程式開發 Agent 獲取成果的方式,通常是撰寫一個好的 Prompt 並提供足夠的 context。你輸入指令,閱讀回傳的內容,然後輸入下一個指令。Agent 是一個工具,而你全程都在操作它,一輪接著一輪。那種模式某種程度上已經結束了,或者至少有些人認為它即將結束。
    現在,你建立的是一個小型系統,它負責尋找工作、分配任務、檢查成果、記錄已完成事項,然後決定下一步,你只需要讓這個系統去驅動 Agent,而不是自己動手。我之前寫過關於這類系統的「親戚」——Agent harness engineering,也就是打造單一 Agent 運作的環境,以及「工廠模型」(factory model)——即建構軟體的系統。Loop engineering 的層級比 harness 更高。它就像是一個在計時器上運作的 harness,會產生小型輔助 Agent,並自我供給。
    讓我驚訝的是,這已經不再單純是「工具」的問題了。一年前,如果你想要一個 Loop,你得寫一堆 bash 腳本,然後永遠維護那堆程式碼,那是專屬於你個人的東西。現在,這些功能直接內建在產品裡。Steinberger 的清單幾乎完全對應到 Codex 應用程式,也幾乎完全對應到 Claude Code。一旦你發現它們的架構是一樣的,你就不會再爭論哪個工具比較好,你只需要設計一個無論在哪個工具上都能運作的 Loop。
    五個組成部分與注意事項
    一個 Loop 需要五個要素,再加上一個用來記憶資訊的地方。讓我先列出來,再一一對應。
    自動化(Automations):按排程執行,並自動進行探索與分類(triage)。
    工作樹(Worktrees):讓兩個並行工作的 Agent 不會互相干擾。
    Skill:記錄專案知識,否則 Agent 就只能靠猜測。
    Plugin 與連接器(Connectors):將 Agent 連接到你現有的工具。
    子 Agent(Sub-agents):讓一個 Agent 負責構思,另一個負責檢查。
    接著是第六個要素:記憶。這可以是一個 Markdown 檔案、一個 Linear 看板,或是任何存在於單一對話之外,用來記錄「已完成」與「下一步」的東西。聽起來很簡單,甚至顯得有點笨,但這是每個長效執行 Agent 賴以生存的關鍵技巧。我在關於長效執行 Agent 的文章中提過,模型在每次執行之間會忘記所有事情,因此記憶必須存在磁碟上,而不是在 context 裡。Agent 會忘記,但儲存庫(repo)不會。
    這兩款產品現在都具備了這五項功能。
    名稱在不同地方略有差異,但能力是一樣的。讓我逐一說明,因為老實說,細節才是決定一個 Loop 是能穩固運作,還是會悄悄崩潰的關鍵。
    自動化,這是心跳
    自動化是讓 Loop 成為真正的「迴圈」,而不僅僅是一次性執行的關鍵。在 Codex 應用程式中,你可以在「自動化」分頁中建立一個任務,選擇專案、要執行的 Prompt、執行頻率,以及是在你的本地 checkout 還是背景工作樹中執行。找到問題的執行結果會進入「分類收件匣」(Triage inbox),而沒找到問題的執行則會自動封存,這很方便。OpenAI 在內部使用它們來處理瑣事,例如每日 Issue 分類、總結 CI 失敗原因、撰寫 commit 簡報、追蹤上週有人新增的 Bug。而且自動化可以呼叫一個 Skill,這樣你就能維持重複性任務的可維護性,你只需要觸發 $skill-name,而不是將一大堆指令貼進一個沒人會去更新的排程裡。
    Claude Code 透過排程與 Hook 達到同樣的效果。你可以透過 /loop 以特定間隔執行 Prompt 或指令,可以排程 cron 任務,可以在 Agent 生命週期的特定時間點透過 Hook 觸發 shell 指令,或者如果你希望在關上筆電後它能繼續執行,也可以將整件事推送到 GitHub Actions。概念完全相同:你定義一個自主任務,給它一個節奏,然後結果會自動送到你面前,不需要你親自去檢查。
    還有一個值得了解的「會話內」(in-session)原語,它更接近這篇文章的主題。/loop 會按節奏重新執行。/goal 則會持續執行直到你寫下的條件真正達成,且在每一輪之後,會有另一個小型模型檢查你是否完成,因此撰寫程式碼的 Agent 並不是負責評分的那一個。你給它一個目標,例如「確保 test/auth 中的所有測試都通過且 lint 檢查乾淨」,然後就可以走開了。Codex 也有同樣的功能,也叫 /goal,它會跨輪次持續工作,直到可驗證的停止條件達成,並支援暫停、恢復與清除。同樣的原語,同樣的工具,這幾乎是整篇文章的模式。
    所以,這是呈現工作成果的部分。而 Loop 的其餘部分則是負責處理這些成果。
    工作樹,讓並行執行不再混亂
    一旦你同時執行多個 Agent,檔案衝突就會開始發生,這就是失敗的開始。兩個 Agent 修改同一個檔案,就像兩個工程師在沒有溝通的情況下修改同一行程式碼一樣,會造成同樣的頭痛。Git worktree 解決了這個問題,它是在同一個儲存庫歷史記錄下,於不同分支建立獨立的工作目錄,因此一個 Agent 的編輯動作絕對不會影響到另一個 Agent 的 checkout。
    Codex 直接內建了對 worktree 的支援,因此多個執行緒可以同時存取同一個儲存庫而不會互相碰撞。Claude Code 透過 git worktree 提供同樣的隔離性,你可以使用 --worktree 旗標在獨立的 checkout 中開啟會話,並在子 Agent 上設定 isolation: worktree,讓每個輔助 Agent 都能擁有一個在結束後會自動清理的全新 checkout。我曾在「編排稅」(orchestration tax)一文中談過這一切的人性面,worktree 解決了機械式的碰撞,但「你」依然是效能的天花板,你的審核頻寬決定了你能同時執行多少任務,而不是工具本身。
    Skill,讓你不用每次都解釋專案
    Skill 是讓你不再像金魚一樣,每次會話都要重新解釋專案 context 的方式。這兩款工具使用相同的格式:一個包含 SKILL.md 的資料夾,裡面存放指令與 metadata,以及選用的腳本、參考資料與 asset。當你使用 $ 或 /skills 呼叫它,或者當你的任務與 Skill 描述相符時,Codex 就會執行該 Skill,這也是為什麼精簡且無聊的描述比花俏的描述更有用的原因。Claude Code 的運作方式相同,我已在「Agent skills」一文中寫過這種模式。
    Skill 也是讓「意圖」(intent)不再重複消耗成本的地方。我在「意圖債」(intent debt)中爭論過,Agent 每次會話都是從零開始,它會用自信的猜測來填補你意圖中的任何漏洞。而 Skill 就是將那些意圖寫下來,包含慣例、建置步驟、「因為某次事故所以我們不這樣做」的規則,寫一次,Agent 每次執行時都會讀取。沒有 Skill,Loop 每個週期都會從零開始重新推導你的整個專案;有了 Skill,它就會產生累積效應。
    有一點要釐清:Skill 是撰寫格式,而 Plugin 是你發布它的方式。當你想在多個儲存庫之間共享 Skill 或將幾個 Skill 打包在一起時,你會將它們封裝為 Plugin。這在 Codex 和 Claude Code 中都適用。…

    16 min
  • @charlieholtz:Cursor Composer 2.5 正式於 Conductor 平台推出,透過全新的 harness 架構實現了極致的程式開發速度與精確度。 核心更新…

    Cursor Composer 2.5 正式於 Conductor 平台推出,透過全新的 harness 架構實現了極致的程式開發速度與精確度。

    核心更新與效能
    Charlie Holtz 宣布 Cursor Composer 2.5 已正式上線,此次更新的核心亮點在於引入了全新的 harness,旨在提升 Agentic 程式開發的執行效率。該版本在處理大規模程式碼變更時,展現出顯著的效能優勢,不僅具備高精確度,更在成本效益上進行了優化,強調在實際開發場景中能提供極為快速的響應體驗。
    實際應用與測試數據
    根據展示內容,Cursor Composer 2.5 在自動化程式編輯流程中表現優異,具體測試數據如下:
    處理規模:在 30 秒內完成了對 30 個檔案的大規模自動化編輯。
    執行效率:系統在執行過程中總共進行了 75 次工具呼叫。
    流程細節:
    1. 系統首先透過 find 指令自動掃描專案結構,識別出包含 filter_cities.py、tailwind.config.js 等在內的 20 多個目標檔案。
    2. 進入執行階段後,Composer 採取並行處理模式,分兩波進行程式碼編輯(例如添加註解)。
    3. 系統具備自動修復機制,能針對編輯失敗的任務進行即時修正,確保所有變更均精確完成且不影響原始程式邏輯。
    Cursor Composer 展示了在 30 秒內對 30 個檔案進行大規模自動化編輯的高效能開發流程。
    技術意義
    此次更新顯示 Cursor 持續強化其在 Agentic 程式開發領域的佈局,透過 Conductor 平台的整合,讓開發者能更流暢地處理跨檔案的複雜變更。這種高並行、高容錯的編輯能力,大幅降低了開發者在維護大型程式庫時的手動負擔,為自動化程式撰寫流程樹立了新的效能標竿。

    Cursor Composer 展示了在 30 秒內對 30 個檔案進行大規模自動化編輯的高效能開發流程。 影片中的 Prompt 與操作:

    Prompt(00:03): 你能為了好玩編輯一堆檔案嗎?這樣我可以炫耀一下你有多快。

    原文:can u edit a bunch of files just for fun so i can show off how fast you are

    操作步驟: 1. (00:00)點擊輸入框 2. (00:03)輸入指令並送出 3. (00:10)系統自動掃描專案檔案 4. (00:18)系統開始並行編輯檔案 5. (00:26)系統自動修復編輯失敗的檔案 6. (00:35)顯示最終編輯報告

    原文:https://easyvibecoding.app/curated/1829

    3 min
  • @OpenAINewsroom:OpenAI 正式宣布已提交機密 S-1 文件,為未來IPO計畫預作準備。 OpenAI 透過官方帳號 @OpenAINewsroom 於 2026 年 …

    OpenAI 正式宣布已提交機密 S-1 文件,為未來IPO計畫預作準備。

    OpenAI 透過官方帳號 @OpenAINewsroom 於 2026 年 6 月 9 日發布聲明,證實公司已向監管機構提交機密 S-1 註冊文件。官方表示,鑑於此類文件極易外洩,決定採取主動公開的策略。儘管目前尚未決定確切的上市時間表,但 OpenAI 強調,維持私人公司身分在執行某些策略目標上仍具備顯著優勢,此次提交文件主要是為了保留在未來若情勢變動時,能更靈活地選擇提早上市的選項。
    關鍵策略考量
    保持彈性:OpenAI 坦言這是一項複雜的權衡過程,提交 S-1 是為了在未來決策時擁有更多選擇權。
    私人公司優勢:公司內部仍有部分計畫在私人架構下執行較為順暢,因此並未急於設定具體的上市日期。
    法律合規聲明
    本次公告係依據 1933 年《證券法》第 135 條規定發布。
    該聲明不構成任何證券的出售要約或購買要約邀請。
    未來若涉及任何證券的要約、購買邀請或銷售行為,均將嚴格遵守《證券法》的註冊要求進行。

    原文:https://easyvibecoding.app/curated/1838

    2 min
  • @ComfyUI:Comfy Desktop 推出實現多執行個體管理。 ComfyUI 團隊於 2026 年 6 月 9 日正式發布 Comfy Desktop,這款從底層…

    Comfy Desktop 推出實現多執行個體管理。

    ComfyUI 團隊於 2026 年 6 月 9 日正式發布 Comfy Desktop,這款從底層重新建構的桌面應用程式,旨在為使用者提供更流暢的創作體驗。該應用程式完整保留了使用者原有的工作流程(workflows)、自訂節點(custom nodes)、模型與設定,確保升級過程無縫接軌。
    Comfy Desktop 是一款專為 ComfyUI 設計的桌面管理應用程式,提供跨本地與雲端的執行個體管理、版本更新及快照還原功能。
    核心功能與管理優勢
    Comfy Desktop 針對多樣化的開發需求,提供了強大的執行個體管理能力:
    多執行個體並行:使用者可在單一應用程式中管理多個 ComfyUI 執行個體,支援不同版本與自訂節點配置,解決了過去環境衝突的痛點。
    彈性部署:支援本地端與雲端執行個體管理,並提供「自動下載輸出檔案」(Auto-Download Outputs)與「共用輸出目錄」(Use Shared Output Directory)等便利設定。
    即時更新:實現「Day-0」更新機制,當 ComfyUI 發布新版本或 Nightly 版本時,使用者可立即進行更新,無需等待。
    系統穩定性與安全性
    為了降低因更新導致的系統崩潰風險,Comfy Desktop 強化了版本控制機制:
    自動快照(Snapshots):系統會在每次更新或變更自訂節點前,自動建立快照。
    一鍵還原(One-click Rollback):若更新後出現異常,使用者可透過快照管理介面,輕鬆將系統還原至先前的穩定狀態,並支援快照的匯出與刪除操作。
    使用建議
    對於已安裝舊版桌面應用程式的使用者,系統將會自動跳出更新提示。透過 Comfy Desktop,使用者能更專注於創作本身,大幅簡化了繁瑣的環境設定與除錯流程。

    Comfy Desktop 是一款專為 ComfyUI 設計的桌面管理應用程式,提供跨本地與雲端的執行個體管理、版本更新及快照還原功能。 影片中的 Prompt 與操作:

    操作步驟: 1. @0:07 點擊 ComfyUI 執行個體進入更新頁面 2. @0:09 點擊「Update Now」按鈕進行版本更新 3. @0:21 點擊「ComfyUI Update」按鈕 4. @0:25 切換至「Snapshots」分頁 5. @0:27 點擊 Snapshot 1 的「Restore」按鈕進行還原

    原文:https://easyvibecoding.app/curated/1843

    3 min
  • @sama:OpenAI 公布第三階段發展計畫以實現 AGI。 核心願景與歷史類比 Sam Altman 與 Jakub Pachocki 將 AI 的影響力比擬為…

    OpenAI 公布第三階段發展計畫以實現 AGI。

    核心願景與歷史類比
    Sam Altman 與 Jakub Pachocki 將 AI 的影響力比擬為 1920 年代電力進入美國鄉村的過程。電力不僅解決了當時繁重的體力勞動,更透過普及化開啟了醫療、工程與生活水準的巨大飛躍。OpenAI 認為 AI 同樣具備改變人類命運的潛力,但其核心價值不在於技術本身,而在於人類如何運用這些工具來追求目標、提升能力並解決問題。他們強調,技術的變革不應自動發生,必須透過刻意設計來避免權力過度集中,確保 AI 的利益能廣泛分配。
    人類在 AI 時代的角色
    OpenAI 明確反對「全面自動化」的未來,認為那不僅危險且令人空虛。隨著 AI 系統能力增強,人類的判斷力、價值觀、品味與責任感反而變得更加關鍵。未來的核心挑戰在於決定「什麼事值得做」。OpenAI 認為,人類必須持續掌握方向,並在 AI 輔助下進行決策與權衡,而非將判斷權完全交給機器。
    技術研發與安全性
    為了應對複雜的對齊(Alignment)挑戰,OpenAI 將「AI 進行 AI 研究」視為未來幾年進步速度的決定性因素。
    透過 AI 系統協助測試想法、尋找錯誤與探索替代方案,以加速研究迭代。
    內部預期在 2028 年 3 月前,將有相當大比例的研究工作由 AI 與人類研究員協作完成。
    強調技術進步越快,人類的判斷與公共協調就越重要。OpenAI 主張應建立國際組織來協調全球 AI 發展,必要時甚至應放緩前沿開發速度,以確保社會韌性與安全性。
    OpenAI 的三大戰略目標
    打造自動化 AI 研究員:開發可加速研究流程、同時具備可控性與問責機制的 AI 系統,並與人類研究員並肩迭代。
    加速經濟發展:透過提升科學進步與生產力,確保 AI 帶來的經濟紅利能被廣泛共享。
    提供個人化 AGI:讓地球上的每個人都能擁有專屬的 AGI,賦予其運用技術追求目標的能力。
    進入第三階段的轉型
    OpenAI 正式宣告進入公司發展的第三階段:
    第一階段:專注於 AGI 的基礎研究。
    第二階段:轉型為產品公司,透過部署系統並從使用者回饋中學習,持續推進安全且對齊的 AGI。
    第三階段:隨著全球經濟開始圍繞 AI 重塑,核心任務轉向如何讓先進 AI 變得豐富、平價、安全且易用,確保每個人與組織都能從中獲益。
    權力分配與社會韌性
    OpenAI 強調,權力過度集中會導致社會脆弱,而廣泛的權力分配才能帶來韌性與自由。他們主張 AI 的未來不應由少數機構控制,而應建立在安全、隱私、平價與開放的生態系統之上。如同汽車普及需要交通法規、駕照與基礎設施等「韌性生態系統」來支撐,AI 的廣泛應用也需要社會建立相應的防護與協調機制,以確保這項變革真正屬於每一個人。

    原文:https://easyvibecoding.app/curated/1836

    4 min
  • @NotebookLM:Google NotebookLM 升級至 Gemini 3.5 並整合 Agentic 程式開發與雲端運算環境,大幅強化研究分析與自動化產出能力。 核心…

    Google NotebookLM 升級至 Gemini 3.5 並整合 Agentic 程式開發與雲端運算環境,大幅強化研究分析與自動化產出能力。

    核心功能升級
    Google NotebookLM 於 2026 年 6 月 9 日正式發布重大更新,核心亮點在於採用「Gemini 3.5」模型並整合「@Antigravity」技術,使 AI 的思考過程具備更高的透明度,讓使用者能更清晰地掌握 AI 的推論邏輯。此外,每個筆記本現在都配備了一個安全的雲端電腦環境,內建超過 100 種精選的軟體 skill,這項變革讓 NotebookLM 不再僅限於文件問答,而是能執行更深度的研究與複雜的資料分析任務。
    自動化產出與格式支援
    NotebookLM 現在能將來源資料整理為多種可下載的自訂格式,大幅提升工作流效率:
    視覺化圖表:支援生成各類統計圖表與資訊圖表。
    文件格式:可匯出 PDF、docx、markdown 等檔案。
    專業簡報與結構化資料:支援 Excel、PPTX 以及結構化資料格式(如 csv、json)。
    影像生成:整合「Nano Banana」技術,可直接生成相關圖像。
    Google NotebookLM 透過上傳數據檔案,自動生成分析報告與視覺化圖表。
    Agentic 程式開發與研究輔助
    NotebookLM 已轉型為具備 Agentic 特性的研究夥伴。使用者僅需輸入零散的想法或問題,系統便能引導使用者建立完整的專案儲存庫,甚至在取得授權後,主動從網路搜尋並加入相關來源文件。
    實際應用案例與數據分析能力
    根據實測影片展示,NotebookLM 在處理複雜資料時表現出極高的自動化水準:
    數據清洗與分析:在處理行銷歸因資料時,系統能自動識別並修正重複的發票編號。例如,針對「Meta Leads Marketing ROI」的分析,系統能精確區分「報告數據」與「實際數據(清除重複後)」,如將 Meta 的報告金額從 $17.2k 修正為 $12.6k,並能識別出未歸因(Unattributed)的 $2.4k 實際營收。
    技術文件處理:使用者上傳如 GLCCustomerIntegration_Specification.pdf 等技術文件後,系統能針對安全性驗證、庫存管理提供精確回答,並自動生成包含「整合架構」、「安全性與驗證機制」等 7 張投影片的簡報大綱與架構圖。
    跨領域視覺化:在「Smart City Analytics」案例中,系統能整合生物識別與城市規劃數據,生成包含「綠色基礎設施對溫度調節(如 Biophilic Canopy Park 降溫至 24.1°C)」及「空氣品質改善(PM2.5 降至 12.5 µg/m³)」的量化效益分析圖表。
    Google NotebookLM 透過上傳技術文件,自動生成簡報大綱與視覺化投影片的演示。
    操作流程建議
    若要體驗上述功能,使用者可依照以下步驟進行:
    透過「Add sources」功能上傳 CSV、PDF 或 PNG 等多種格式的原始資料。
    在聊天視窗輸入研究目標,系統將自動在右側「Studio」面板生成音訊總覽、報告、測驗、資訊圖表與資料表。
    針對特定數據進行追問,系統會自動整合來源文件並提供關鍵洞察,使用者可直接點擊來源文件以檢視原始內容。
    Google NotebookLM 透過上傳多種格式的資料來源,能自動生成分析報告、統計圖表與簡報,協助使用者快速整理與視覺化複雜的研究數據。

    Google NotebookLM 透過上傳數據檔案,自動生成分析報告與視覺化圖表。 影片中的 Prompt 與操作:

    Prompt(00:08): 你能比較我們健身房的銷售額與廣告支出嗎?

    原文:Can you compare our gym's sales to what we spent on ads?

    Prompt(00:32): 分析我們 2026 年 5 月的每日轉換趨勢,以便找出任何規律。

    原文:Break down our daily conversion trends across May 2026 so we can pinpoint any patterns.

    操作步驟: 1. (00:02)上傳 CSV 檔案 2. (00:18)點擊查看「Meta Leads Marketing ROI」圖表 3. (00:23)點擊查看「ad_spend_vs_sales_analysis.md」報告 4. (00:40)點擊查看「Sunday Sales Revenue Peaks」圖表

    Google NotebookLM 透過上傳技術文件,自動生成簡報大綱與視覺化投影片的演示。 影片中的 Prompt 與操作:

    Prompt(00:08): 將該指南轉化為簡單的投影片大綱,並為團隊制定分步路線圖。

    原文:Turn the guide into a simple slide outline and step-by-step roadmap for the team.

    操作步驟: 1. (00:01)上傳文件 2. (00:08)輸入指令 3. (00:18)點擊生成簡報 4. (00:21)檢視生成的投影片 5. (00:25)點擊來源文件檢視 PDF

    Google NotebookLM 透過上傳多種格式的資料來源,能自動生成分析報告、統計圖表與簡報,協助使用者快速整理與視覺化複雜的研究數據。 影片中的 Prompt 與操作:

    Prompt(00:07): 我想了解更多關於人類生物識別技術如何與城市規劃相關。你能從網路上找到相關來源嗎?

    原文:I want to know more about how human biometrics can be relevant for urban planning. Can you find relevant sources from the web?

    Prompt(00:16): 查看上傳的數據,並給我一份準確的績效分析。

    原文:Take a look at the uploaded data and give me an accurate breakdown of the performance.

    Prompt(00:28): 以資訊圖表橫向格式顯示最終結果

    原文:Show the final results in an infographic landscape format

    操作步驟: 1. (00:01)上傳資料來源 2. (00:07)輸入查詢問題 3. (00:16)要求分析績效數據 4. (00:28)要求生成資訊圖表

    原文:https://easyvibecoding.app/curated/1831

    4 min