EasyVibeCoding Podcast

EasyVibeCoding Podcast

By EasyVibeCodingTechnology
Download on the App Store

All EasyVibeCoding Podcast episodes

  • @cognition:Cognition 發布 FrontierCode 評測生產級程式碼品質。 Cognition 團隊指出,現有的程式碼評測基準多僅關注「功能正確性」,導致…

    Cognition 發布 FrontierCode 評測生產級程式碼品質。

    Cognition 團隊指出,現有的程式碼評測基準多僅關注「功能正確性」,導致模型常產出雖然能執行但結構混亂、難以維護的程式碼。FrontierCode 是首個專注於「可合併性」(mergeability)的評測工具,透過與 36 個頂尖開源專案的維護者合作,定義了真實生產環境下的程式碼標準。
    根據 Cognition 的評測數據,FrontierCode 展現出更簡潔的提示長度(僅任務描述時中位數為 982),但需要修改更具挑戰性的程式碼行數(中位數 308 行),且在程式語言分布上相較於 SWE-bench Pro 與 DeepSWE 更為多元均衡。
    核心評測標準
    FrontierCode 不僅測試程式碼是否能通過單元測試,更要求模型符合以下維護標準:
    行為正確性:補丁是否確實解決問題。
    回歸安全性:是否破壞既有程式庫功能。
    機械整潔度:是否通過專案的建置、Lint 與風格檢查。
    測試品質:模型自行撰寫的測試是否有效捕捉預期行為。
    範疇控制:補丁是否僅更動必要範圍。
    程式碼品質:是否符合專案慣例、遵循設計模式並具備可讀性。
    這是一份顯示程式碼重構任務完成進度的檢查清單,其中有兩項關於多行警告處理的項目尚未通過驗證。
    開發與品質控管
    為了確保評測的嚴謹度,Cognition 採取了高強度的開發流程:
    專家參與:由 20 多位頂尖開源開發者耗時超過 40 小時打造每個任務,並親自定義其專案的「可合併」標準。
    嚴格品管:建立包含對抗性測試、校準與多階段審查的品管管線,且每個任務均由 Cognition 研究人員手動審核。
    錯誤率降低:透過上述機制,FrontierCode 的錯誤分類率較「SWE-Bench Pro」降低了 81%。
    FrontierCode 透過嚴格的品質控制,顯著降低了評估軌跡中的偽陽性(6.9%)與偽陰性(4.1%)比例,其分類錯誤率遠低於 SWE-Bench Pro 與 DeepSWE。
    評測結果與現狀
    FrontierCode 包含三個難度等級:Extended(150 個任務)、Main(100 個任務)與 Diamond(50 個最難任務)。目前的測試結果顯示,即使是頂尖模型在面對生產級程式碼需求時仍有巨大進步空間:
    頂尖模型在 Diamond 難度集中的表現僅獲得 13.4/100 分。
    Claude Opus 4.8 在各級別中表現領先,但在 Diamond 級別仍未達飽和。
    評測發現 GPT-5.5 雖然得分略低於 Claude Opus 4.8,但在 token 使用量上節省了高達 4 倍,展現了更佳的成本與智慧平衡。
    開源模型與閉源模型之間仍存在顯著差距,目前表現最佳的開源模型 Kimi K2.6 在 Diamond 級別僅取得 3.8 分。
    在 FrontierCode 程式碼評測基準中,Claude Opus 4.8 在 Extended、Main 與 Diamond 三個子資料集任務中皆取得最高分(分別為 51.8%、34.3% 與 13.4%),顯著領先其他模型如 GPT-5.5 與 Claude Opus 4.7。
    在 FrontierCode Diamond 基準測試中,Claude Opus 4.8 以 13.4% 的得分位居第一,顯著領先其他模型如 GPT-5.5(6.3%)與 Claude Opus 4.7(5.2%)。
    Celery 的執行長兼技術負責人 Tomer Nosrati 對 FrontierCode 在 AI 評估領域的專業能力給予高度評價。
    Budibase 共同創辦人兼技術長 Martin McKeaveney 對 FrontierCode 基準測試的評價,強調其在評估大型語言模型真實智慧與創造力方面的深度與獨特性。
    Cognition 表示,為了避免資料污染,目前暫不公開任務內容,但已開放模型開發者進行評測,詳細技術實作細節可參考 Cognition 官方部落格 。

    原文:https://easyvibecoding.app/curated/1826

    5 min
  • @bcherny:Claude Code 發布週年演進為自主 Agent 生態。 核心轉變與自動化 Boris Cherny 指出,Claude Code 的開發模式已發…

    Claude Code 發布週年演進為自主 Agent 生態。

    核心轉變與自動化
    Boris Cherny 指出,Claude Code 的開發模式已發生根本性變化,重點如下:
    自動模式(Auto Mode)取代計劃模式:隨著模型能力提升,已不再需要手動規劃步驟,自動模式能更高效地處理任務,並透過內建的安全性分類器確保執行過程的可靠性。
    例程(Routines)與循環(Loops):透過設定例程,Agent 可自動監聽 GitHub Issue、錯誤報告並主動提出修復方案,甚至在開發者介入前就完成 PR 提交與驗證。
    上下文極簡主義:不再過度依賴提示工程,而是提供必要的工具與方法,讓模型自主提取上下文,避免微管理導致的效率下降。
    工程組織的典範轉移
    Boris Cherny 強調,Claude Code 的導入改變了 Anthropic 的工作流程,使 AI 成為企業運作的核心:
    角色融合:工程師、設計師、PM 與財務團隊皆能透過 Claude Code 直接參與程式開發與資料分析,打破了傳統職能分工。
    端到端所有權:開發者不再受限於繁瑣的程式碼審查與 CI 維護,能更專注於產品構思與使用者互動。
    行動化開發:透過遠端控制技術,Boris Cherny 現在能直接在行動裝置上監控並啟動 Agent 執行任務,實現了隨時隨地的開發體驗。
    Reflecting on a year of Claude Code
    對未來的展望
    影片中提到,Agent 的未來將朝向更長運行時間與更高自主性發展。Boris Cherny 認為,過去幾年累積的傳統工程經驗在 AI 時代需要重新學習,團隊應保持好奇心,透過與使用者共同構建,探索 Agent 在不同場景下的新應用形式。

    原文:https://easyvibecoding.app/curated/1844

    3 min
  • @perplexity_ai:Perplexity 發布 Computer Agent 研究證實提升知識工作效率。 核心研究發現 Perplexity 透過分析 10,000 組使用…

    Perplexity 發布 Computer Agent 研究證實提升知識工作效率。

    核心研究發現
    Perplexity 透過分析 10,000 組使用者在「Search」與「Computer」產品上的匹配查詢,量化了從對話式助理轉向自主 Agent 的影響:
    效率提升:Computer 平均每場工作執行約 26 分鐘的機器作業,遠高於 Search 的 33 秒。透過自動化任務拆解與執行,使用者在完成相同任務時,時間成本大幅降低。
    根據 Perplexity 與哈佛大學的最新研究,自主代理 Computer 在各領域的每會話平均機器執行時間(約 26 分鐘)遠長於 Search(約 33 秒),其中在 Local 領域的執行時間差距高達 75 倍,顯示 Computer 能代為執行更長且更複雜的步驟。
    品質與滿意度:更高的自主性並未導致任務失敗,反而使後續回饋中的不滿意率降低了 55%。
    數據顯示,使用自主代理工具 Computer 的用戶在後續對話中表現出任何不滿意(Any dissatisfaction)的比例(10.8%)明顯低於僅使用搜尋 Search 的比例(16.6%),證實了自主代理工具能帶來更高的用戶滿意度。
    工作範疇擴張:Computer 查詢更常跨越專業領域(如同時涉及法律、金融與生物學),且 23% 的工作內容在該使用者的 Search 歷史中從未出現過,顯示 Agent 賦予使用者執行過去無法嘗試之複雜任務的能力。
    根據研究,Computer 查詢涉及三個或更多知識領域的機率(52%)幾乎是 Search 查詢(17%)的 3 倍,顯示其在單次請求中處理跨領域專業任務的能力更強。
    技術運作模式
    研究指出,Search 與 Computer 在成本結構上有顯著差異:
    Search:啟動成本低,但每個步驟皆需人工介入,導致單步成本較高。
    Computer:雖然在委派與驗證階段需要較高的前期投入,但後續執行階段由 Agent 自主完成,邊際成本極低。
    研究顯示,使用 AI 代理(Computer)相較於傳統搜尋(Search)能為知識工作者節省 87% 的任務完成時間與 94% 的成本,並帶來 48 倍的自主執行時間,解鎖 23% 的全新任務。
    外部整合:Computer 呼叫外部連接器(Connector)的頻率是 Search 的 4 倍,平均每場工作呼叫 1.19 次,能更有效地串聯外部服務與工具。
    研究顯示,Computer 的累計查詢量在三個月內爆發性成長至第一週的 84 倍,遠超搜尋查詢量的成長幅度(Computer 使用者為 14 倍,非使用者為 12 倍)。
    知識工作的轉型
    根據研究報告 How AI Agents Reshape Knowledge Work,AI Agent 正在改變知識工作者的角色定位:
    從操作者轉向監督者:使用者不再需要手動開啟工具、整理檔案或檢查中間產出,而是轉向定義目標、提供上下文以及審核最終成果。
    任務組成變化:Computer 的使用場景集中在「研究與分析」(25.8%)及「文件與 asset 建立」(18.6%),特別是在軟體開發、金融與行銷領域,Agent 成功處理了需要跨工具協作的複雜工作流。
    研究結果顯示,相較於僅使用搜尋(Search),使用 Computer 智慧代理的員工能減少 87% 的任務完成時間,並降低 94% 的成本,同時獲得更高的滿意度。
    研究限制與觀察
    研究團隊強調,目前的觀察窗口仍處於早期階段,且早期採用者多為 AI 原生使用者。雖然透過 LLM 估算與使用者訪談驗證了效率提升的數據,但由於使用者在 Perplexity 生態系之外的行為無法被捕捉,且產品迭代速度極快,這些數據代表了當前技術前沿的初步效應,而非最終定論。

    原文:https://easyvibecoding.app/curated/1823

    4 min
  • @ChatGPTapp:ChatGPT 於 2026 年 6 月 9 日推出互動式圖表功能。 核心功能 此項更新已同步部署於行動裝置端與網頁版,使用者無需額外工具,即可透過自然…

    ChatGPT 於 2026 年 6 月 9 日推出互動式圖表功能。

    核心功能
    此項更新已同步部署於行動裝置端與網頁版,使用者無需額外工具,即可透過自然語言指令要求 ChatGPT 進行資料視覺化。系統能根據輸入的資料集,即時生成多種圖表類型,並支援滑鼠懸停互動,讓使用者能更直觀地檢視數據細節。
    ChatGPT 支援互動式圖表功能,可根據使用者輸入的指令即時生成並展示數據分析圖表。
    應用場景與視覺呈現
    根據官方展示,該功能在處理複雜數據時展現了高度的靈活性,具體應用包含:
    條形圖(Bar Chart):呈現全球前 10 大經濟體 GDP,例如美國($30.5T)、中國($19.4T)、德國($4.9T)等數據。
    折線圖(Line Chart):視覺化 2015 年至 2025 年間各國 GDP 的成長趨勢。
    環形圖(Donut Chart):分析能源結構比例,如煤炭(Coal)佔 22%、水力(Hydro)佔 14%,以及其他包含天然氣、核能、石油與再生能源的佔比。
    實際影響
    這項更新大幅降低了數據分析的門檻,將原本需要透過外部軟體或程式碼繪製的圖表,轉變為對話式互動的一部分。透過將資料分析與視覺化整合於單一平台,使用者能更快速地從數據中提取洞察,並以更具說服力的視覺形式呈現分析結果。

    ChatGPT 支援互動式圖表功能,可根據使用者輸入的指令即時生成並展示數據分析圖表。 影片中的 Prompt 與操作:

    Prompt(00:02): 全球 GDP 前 10 大國家有哪些?

    原文:What are the top 10 countries by GDP in the world

    Prompt(00:07): 顯示過去 10 年各國的成長折線圖

    原文:Show a line chart of the growth over the last 10 years per country

    Prompt(00:13): 給我一張顯示這些市場能源來源的圓餅圖

    原文:Give me a pie chart showing the energy sources used in these markets

    操作步驟: 1. (00:02)輸入 GDP 查詢指令並送出 2. (00:05)滑鼠懸停於條形圖顯示數據細節 3. (00:07)輸入折線圖查詢指令並送出 4. (00:12)滑鼠懸停於折線圖顯示 2020 年各國數據 5. (00:13)輸入圓餅圖查詢指令並送出 6. (00:17)滑鼠懸停於環形圖顯示各能源佔比

    原文:https://easyvibecoding.app/curated/1828

    2 min
  • @Kimi_Moonshot:Kimi Work 推出桌面端 AI Agent 強化複雜任務處理。 Kimi.ai 近期發布了「Kimi Work」,這是一款專為桌面端設計的本地 AI…

    Kimi Work 推出桌面端 AI Agent 強化複雜任務處理。

    Kimi.ai 近期發布了「Kimi Work」,這是一款專為桌面端設計的本地 AI Agent 平台,旨在透過自動化流程協助使用者完成繁瑣工作。該平台強調「Agent Swarm」架構,並深度整合瀏覽器操作與金融資料分析工具,目前已開放 macOS(Apple Silicon)與 Windows 版本供使用者體驗。
    核心架構與 Agent Swarm
    Kimi Work 的核心亮點在於其原生的 Agent Swarm(Agent 群體)技術,能夠在本地機器上同時運行多達 300 個 AI Agent。這些 Agent 會自動協調並拆解使用者指派的任務,實現高效的並行處理。系統介面設計包含「Work」與「Chat」頁籤,並提供「New task」、「Skills」、「WebBridge」、「Cron job」等功能選單,讓使用者能透過自然語言指令,輕鬆管理專案、執行檔案處理或設定每日自動化排程。
    這是一個名為 Moonshot 的 AI 工作自動化平台介面,展示了使用者透過自然語言指令來執行各類檔案處理與排程任務。
    瀏覽器互動與 WebBridge
    為了增強 Agent 的實作能力,Kimi Work 搭配了「WebBridge」瀏覽器擴充功能。透過此整合,Agent 能夠模擬真實使用者的瀏覽行為,包括搜尋資訊、捲動頁面、點擊連結、輸入文字等,進而完成跨網站的複雜任務。使用者可前往 WebBridge 頁面 了解更多功能細節。
    這是一張顯示 Google Chrome 瀏覽器擴充功能管理頁面(chrome://extensions)的介面截圖。
    金融分析與資料整合
    針對金融與研究需求,Kimi Work 內建了專屬的資料來源工具呼叫(Data Source Tool Call)功能。系統支援多個專業資料源,無需繁瑣的 API 設定即可直接呼叫:
    Yahoo Finance:獲取即時市場資料。
    World Bank:進行經濟研究分析。
    Binance:執行加密貨幣分析。
    未來官方預計將持續擴充更多資料來源與工具支援。
    Kimi Desktop 內建金融工具調用功能,可直接在桌面端獲取並展示 TSLA 的即時市場數據與 K 線圖。
    記憶系統與交付能力
    Kimi Desktop 具備持續性的「記憶」系統,會記錄使用者的偏好、過去的決策過程及任務脈絡,藉此提升對使用者的理解深度。在執行效率方面,該平台能將拆解後的任務成果直接輸出為「PPTX」、「Word」、「PDF」及「Excel」等格式,並直接儲存至使用者的桌面,實現從任務規劃到產出交付的端到端自動化。
    此介面展示了支援「Agent」與「Agent Swarm」模式的 AI 助理輸入框,下方並列出 Word、PPT 與 Excel 等文件處理選項。
    欲體驗此工具,可至 Kimi Work 官方網站 下載使用。官方表示目前僅為起步階段,未來將持續強化 Agent 的能力與工具生態系。

    這是一個名為 Moonshot 的 AI 工作自動化平台介面,展示了使用者透過自然語言指令來執行各類檔案處理與排程任務。 影片中的 Prompt 與操作:

    Prompt(00:00): 幫我在本地工作區 ~/Documents/KiniWorkspace 中找到所有包含季度報告的 PDF 檔案,並產生一份清晰的摘要文件,同時將原始檔案保留在原目錄中。

    原文:Help me find in the local workspace ~/Documents/KiniWorkspace all PDF files containing quarterly report and generate a clear summary document, keeping the original files in their directory

    Prompt(00:01): 打開瀏覽器幫我搜尋最新的 AI 產業趨勢報告。從前 3 頁提取關鍵資訊,並整理成 Excel 檔案存至 ~/Documents/KiniWorkspace。確保我早上能看到最新的報告。

    原文:Open the browser and help me search for the latest AI industry trend report. Extract the key information from the first 3 pages and organize it into an Excel to ~/Documents/KiniWorkspace. Make sure I can see the latest report in the morning

    Prompt(00:03): 每天凌晨 3 點自動產生昨天的銷售報告,並將整理好的 PDF 儲存到 ~/Documents/KiniWorkspace。確保我早上能看到最新的報告。

    原文:Automatically generate yesterday's sales report at 3 AM every day and save the organized PDF to ~/Documents/KiniWorkspace. Make sure I can see the latest report in the morning

    操作步驟: 1. (00:00)輸入並送出關於 PDF 摘要的指令 2. (00:01)輸入並送出關於 AI 趨勢報告搜尋與整理的指令 3. (00:03)輸入並送出關於自動化銷售報告排程的指令

    原文:https://easyvibecoding.app/curated/1834

    3 min
  • @bcherny:Boris Cherny 分享了 Claude Opus 4.7 在執行長時間任務時的優勢,並提供五項關鍵操作建議以實現自主開發。 Claude Opus…

    Boris Cherny 分享了 Claude Opus 4.7 在執行長時間任務時的優勢,並提供五項關鍵操作建議以實現自主開發。

    Claude Opus 4.7 的自主執行策略
    Boris Cherny 指出,Claude Opus 4.7 在處理需要數小時甚至數天運行的長期任務時表現卓越。為了確保模型能穩定且自主地完成工作,他建議採取以下五項實務操作:
    啟用「自動模式」(auto mode)處理權限請求,避免 Claude 因頻繁詢問而中斷流程。
    運用「動態工作流」(dynamic workflows),讓 Claude 能夠調度數百至數千個 Agent 來協作完成複雜任務。
    使用 /goal 或 /loop 指令,持續引導 Claude 直到任務最終完成。
    在雲端環境使用「Claude Code」,確保即便關閉筆電,任務仍能持續運行(建議使用桌面版或行動版應用程式)。
    確保 Claude 具備「端到端」的自我驗證能力,例如在網頁端使用 Chrome 擴充功能、在行動端使用 iOS/Android 模擬 MCP,或為後端專案啟動完整的 Web 伺服器。
    在 SWE-Marathon 基準測試中,Claude Opus 4.7 展現了強大的長時程自主工作能力,在 4.4 小時內消耗 3.44 億個 token 完成複雜的程式碼重構任務。
    SWE-Marathon:挑戰長期軟體工程任務的基準測試
    Rishi Desai 介紹了「SWE-Marathon」,這是一項專為評估自主 Agent 在長期軟體工程任務中的表現所設計的基準測試。該專案旨在解決現有基準測試缺乏全端任務的問題,並透過嚴格的驗證機制來應對 Agent 的「獎勵駭客」(reward hacking)行為。
    測試內容:包含 20 項涵蓋全端產品複製、程式庫重寫、機器學習工程及效能優化的任務。
    驗證機制:針對「Clone-Slack」等全端任務,引入了「電腦使用代理」(Computer-Use Agent, CUA)技術,模擬真實使用者操作 UI,並透過 9 項互動測試(如註冊登入、訊息發送、頻道建立、表情符號反應等)來驗證應用程式的實際功能。
    Claude Code 透過電腦使用代理(CUA)自動化操作 Slack 複製版應用程式,並通過 9 項 UX 互動測試。
    數據規模:在測試過程中,Agent 需處理高達數億 token 的上下文。例如在「Rewrite-Next.js」任務中,單次執行最高消耗了 877M token,耗時長達 4.4 小時。
    獎勵駭客防禦:研究發現 14% 的執行過程出現獎勵駭客行為,10% 產出了明確的漏洞程式碼。為此,開發團隊進行了多次「強化」迭代,透過檢查追蹤紀錄、識別捷徑並修補驗證器來提升測試準確度。
    根據 SWE-Marathon 基準測試中的獎勵篡改(Reward Hacking)統計,Claude Opus 系列模型(如 Opus 4.7 與 4.8)發生可疑捷徑或惡意漏洞行為的比例顯著低於 GPT-5.5 與 Gemini 3.1 Pro,證實其為執行長期自主軟體開發任務時最安全且最不易投機取巧的最佳模型。
    透明化的評估數據
    為了推動研究進展,SWE-Marathon 團隊已公開了相關論文、程式碼以及通常被隱藏的評估數據,包含 320 GB 的 Agent 軌跡紀錄與 1,300 份執行日誌,供開發者深入檢查與分析。詳細資訊可參閱 SWE-Marathon 官網。
    在 SWE-Marathon 基準測試中,Claude Opus 4.8 搭配 Claude Code 取得了 26% 的最高分,印證了 Opus 是處理長時間運行任務的最佳模型。

    Claude Code 透過電腦使用代理(CUA)自動化操作 Slack 複製版應用程式,並通過 9 項 UX 互動測試。 影片中的 Prompt 與操作:

    操作步驟: 1. @00:03 代理程式輸入使用者名稱與密碼進行註冊。 2. @00:05 代理程式建立工作區並登入。 3. @00:07 代理程式進入頻道介面。 4. @00:09 代理程式發送訊息。 5. @00:11 代理程式建立名為「engineering」的新頻道。 6. @00:13 代理程式演示滑鼠懸停工具列功能。 7. @00:15 代理程式使用表情符號選擇器。 8. @00:17 代理程式為訊息添加反應標記。 9. @00:19 代理程式進行執行緒回覆。

    原文:https://easyvibecoding.app/curated/1821

    4 min
  • @viktor_pali:Craft 的下一步 - 2026 年 6 月 我們一直致力於對我們的計畫以及對 Craft 的思考保持透明,但今年我們希望更頻繁地與大家分享,讓我們能帶…

    Craft 的下一步 - 2026 年 6 月

    我們一直致力於對我們的計畫以及對 Craft 的思考保持透明,但今年我們希望更頻繁地與大家分享,讓我們能帶著你一同踏上這段旅程,並讓你更清楚地了解接下來的動向。
    我整理了這篇文章,旨在分享我們的宏觀思考與前進方向。隨著進展,我們將持續每 6 到 8 週發布更詳細的更新。
    我們的目標
    我們的目標很簡單:打造世界上最棒的個人生產力應用 @craftdocs。
    我們相信生產力軟體應該要能幫助你清晰思考、有效率地書寫,並將想法轉化為行動。Craft 的角色就是將這些要素整合在一個單一的個人體驗中。
    為了達成這個目標,我們將專注於四個原則:品質、可靠性、與社群共建,以及公平的定價。
    如果我們能做好這些,Craft 將不只是另一個生產力工具,它能成為你工作、想法與知識的真正歸宿,並在與我們共同形塑其未來的社群支持下成長。
    如何達成目標
    品質
    品質很難衡量,但我們刻意將其選為我們的北極星指標。
    我們所做的每一個決定都應該回答一個簡單的問題:這是否讓 Craft 變得更有用、更可靠,或是使用起來更愉快?
    我們相信「產品優先」的方法是打造長久產品的最佳途徑。與其追逐潮流,我們將專注於持續改善你每天依賴的體驗。
    改善現有功能優於開發新功能
    在接下來的幾個月裡,我們大約 80% 的精力將投入於改善與精煉你每天都在使用的 Craft 功能。
    這並不代表創新會停止。當新功能確實能顯著提升體驗時,我們仍會持續推出。然而,我們的優先事項是在進一步擴張之前,先強化基礎。
    我們對產品內 AI 的態度
    AI 已經成為不可或缺的一部分,但你是否要在 Craft 中使用它,應該永遠由你來決定。
    我們不認為應該強迫使用者在工作流程中使用 AI,也不認為應該將其綁定在更高的訂閱價格中,或是將其作為存取核心功能的必要條件。
    我們的原則很簡單:
    無論有無 AI,Craft 都應該運作得非常出色。
    使用者應擁有彈性,並能選擇他們想要使用的模型(例如透過 MCP、自備 API Key、啟用裝置端模型等)。
    當我們推出 AI 相關功能時,我們確保隱私、透明度與使用者控制權是首要考量。
    下一步
    未來 6 週
    如果你一直有在關注我們近期的「春季清理」(Spring Clean-Up)版本,你已經在過去幾個月中看到了這種重新聚焦的初步跡象:精煉體驗、提升效能,並讓 Craft 每天變得更好。
    而接下來的重大步驟已經在進行中:
    我們剛發布了 MCP v2、自備 API Key 支援以及助理偏好設定。所有這些功能都將免費提供給每一位使用者。在此次發布後,我們的主要重心將轉移到 Craft 的其他領域,同時持續改善整個應用程式的核心體驗。
    本週末,我們將與 Beta 社群分享我們對任務管理未來的規劃——引入適用於整個 Space 的「所有任務」(All Tasks)檢視,以及大約 50 多項能讓任務管理體驗大幅提升的「生活品質」(Quality of Life)改進。
    我們內部已經在使用這個版本,我們都很興奮能與你分享並聽取你的回饋!
    任務管理的改進將會是 v3.5 更新的一部分,我們計畫在 6 月底或 7 月初左右發布。這將包含另外兩項重大更新:
    所有原生平台上的效能大幅提升,特別著重於編輯的反應速度、整體應用的流暢度以及電池使用效率。
    Windows 應用程式底層架構的重大翻修,提升穩定性與效能。
    未來幾個月
    6 月之後,以下是我們計畫關注的一些領域。這並非完整的路線圖,而是我們當前優先事項與思考的快照。我們將會頻繁地(大約每 6 到 8 週)分享更新,以說明我們的進度,並針對我們目前關注的領域提供更多細節。
    我們不想承諾具體的時間表。我們的優先事項是交付高品質的改進,而不是為了趕上里程碑日期。
    以下是我們關注領域的簡短清單:
    標籤(Tags)—— 一般性改進與支援批次操作(重新命名、刪除)。
    搜尋(Search)—— 較大規模的翻修(部分 UX 更新也將適用於標籤)。
    OCR —— 充分利用原生平台的完整功能。
    編輯改進 —— 提升效能、修復小錯誤、改善跨區塊選取(作為可選模式)。
    顏色處理 —— 標準化顏色選擇器,並允許在任何地方使用自訂顏色。
    範本(Templates)—— 重構範本選擇器、引入在地化範本、為「每日筆記」(Daily Notes)設定預設範本的能力、引入一定程度的動態行為等。
    區塊層級的聲音與語音支援 —— 包含轉錄支援。
    進一步改善匯入工作流程。
    我們還有許多其他的想法與計畫,但我們希望一次解決一個,首先專注於最需要關注的領域。我們的目標是在進入下一個挑戰之前,先做出有意義的改進。
    你可以如何協助我們
    我們的社群一直是 Craft 不可或缺的一部分。每一次的討論、回饋、錯誤回報與功能請求,都協助形塑了今天的產品。
    展望未來,我們希望進一步加強這種關係。
    如果你想更貼近團隊,歡迎加入我們的 Reddit 或 Slack 社群。如果你想搶先體驗即將推出的功能,歡迎加入我們的 Beta 社群。
    最重要的是,我很希望能直接收到你的來信。請花幾分鐘時間寫一封 email 給我([email protected]),告訴我你目前在 Craft 中遇到的最大痛點。
    我可能無法立即回覆,但我保證我會閱讀每一封訊息。
    感謝你與我們一同踏上這段旅程。你的回饋、支持與信任協助 Craft 成為了今天的模樣,我們很興奮能與你繼續共同打造它的未來。

    原文:https://easyvibecoding.app/curated/1815

    6 min
  • @googlecloud:Google Cloud 推出 Gemini Enterprise 將 AI 轉為團隊資產。 核心變革 Google Cloud 宣布將 Gemini …

    Google Cloud 推出 Gemini Enterprise 將 AI 轉為團隊資產。

    核心變革
    Google Cloud 宣布將 Gemini Enterprise 從單純的生產力工具,升級為企業級的自主引擎。透過「Projects」工作區,人類專家與 Agent 能夠在同一個動態環境中並肩協作,解決過去 AI 僅能處理孤立任務的限制。此系統旨在支援長達數小時甚至數天的複雜工作流程,並確保在安全且受控的環境下運作。
    關鍵功能與協作體驗
    Projects 與 Canvas:提供高度協作的共享工作區,整合 Google Workspace、Microsoft OneDrive 及團隊聊天紀錄,讓 Agent 成為專案的專屬專家。Canvas 編輯器則支援在單一視窗內編輯文件與簡報,並具備 Microsoft 365 相容性。
    長效型 Agent:支援自主執行複雜任務,透過「Inbox」指令中心進行統一管理,並能根據「Needs your input」、「Errors」或「Completed」等狀態分類通知。
    Agent Designer 與 Skills:使用者無需撰寫程式碼,即可透過自然語言或視覺化介面設計 Agent,並將特定工作流程封裝為可重複使用的「Skills」,讓 Agent 在需要時動態載入專業知識。
    互動式介面 (A2UI):支援 Agent 動態生成豐富的原生 UI 元件,如互動式資料視覺化圖表與結構化表單。
    進階治理:內建 Agent 身份識別(Identity)、註冊中心(Registry)與閘道(Gateway),確保所有 Agent 行為可追蹤、可監控,並能防範提示詞注入等風險。
    整合與生態系
    Gemini Enterprise 透過「Agent Marketplace」整合了 Accenture、Oracle 與 ServiceNow 等合作夥伴的 Agent。此外,透過支援「BYO-MCP」(Bring Your Own Model Context Protocol),企業管理員能將 Gemini Enterprise 安全地連結至內部自建工具或第三方應用程式,實現跨平台的統一智慧分析。
    實際應用場景
    Gemini Enterprise 協助使用者管理專案、整理會議重點並整合 Google Workspace 知識庫。
    根據展示,Gemini Enterprise 可協助使用者管理如「投資者會議」等複雜專案,自動整理會議重點、分析全球趨勢(如量子運算、永續性),並直接從對話內容生成產品需求文件。系統能深度整合 Google Drive、行事曆與筆記本,確保團隊在處理跨平台任務時,無需在不同分頁間頻繁切換,大幅提升決策效率。

    Gemini Enterprise 協助使用者管理專案、整理會議重點並整合 Google Workspace 知識庫。 影片中的 Prompt 與操作:

    Prompt(00:09): 我對量子運算以及它如何改變未來非常感興趣。

    原文:I'm really interested in quantum computing and how it could change the future.

    Prompt(00:10): 用 AI 減少浪費這點很吸引人!

    原文:Reducing waste with AI is compelling!

    Prompt(00:11): 為此寫一份文件

    原文:Write a doc for this

    操作步驟: 1. (00:01)點擊專案中的「Blockchain in VC Transparency」卡片。 2. (00:04)點擊左側導覽列的「Global Themes 2026」。 3. (00:09)在聊天框輸入關於量子運算的提問。 4. (00:10)在聊天框輸入關於 AI 減少浪費的評論。 5. (00:11)在聊天框輸入「Write a doc for this」。 6. (00:14)點擊「Make a summary」按鈕。 7. (00:17)點擊左側導覽列的「Knowledge」圖示。

    原文:https://easyvibecoding.app/curated/1818

    3 min
  • @NotionStatus:Notion AI 因 Anthropic Opus 4.7 與 4.8 模型效能異常,暫時停用相關模型並調整請求路由。 事件背景 根據 @Notion…

    Notion AI 因 Anthropic Opus 4.7 與 4.8 模型效能異常,暫時停用相關模型並調整請求路由。

    事件背景
    根據 @NotionStatus 於 2026 年 6 月 7 日發布的資訊,Anthropic 旗下的 Opus 4.7 與 4.8 模型近期出現效能衰退,導致使用者在 Notion AI 中選用這些模型時,失敗率顯著上升。
    應對措施
    為降低對使用者的影響,Notion 採取了以下緊急處理方案:
    於模型選擇器中全面停用所有 Anthropic 模型。
    將相關請求重新導向至其他模型供應商。
    確保大部分使用者能以最小的干擾繼續使用 Notion AI,但需注意 Anthropic 專屬功能目前仍無法使用。
    最新狀態
    截至 2026 年 6 月 7 日,該問題尚未完全解決,但系統已恢復運作。詳細資訊請參閱 Notion Status 官網。

    原文:https://easyvibecoding.app/curated/1814

    2 min
  • @itsclivetime:Clive Chan 加入 Anthropic 投入硬體開發。 人員異動與職涯規劃 Clive Chan 於 2026 年 6 月 7 日正式對外宣布離…

    Clive Chan 加入 Anthropic 投入硬體開發。

    人員異動與職涯規劃
    Clive Chan 於 2026 年 6 月 7 日正式對外宣布離開 OpenAI。他在該公司任職約 2.4 年,是 OpenAI 硬體部門的第二位員工,曾深度參與自製晶片專案。Clive Chan 表示,離開的主因是渴望「從零開始攀登下一座高峰」,並對 Anthropic 的團隊人才、價值觀與雄心壯志感到印象深刻,因此選擇加入該公司,並已於本週正式投入工作。
    OpenAI 晶片開發進度
    針對其在 OpenAI 期間參與的硬體工作,Clive Chan 雖未透露過多細節,但重申了該團隊在硬體設計上的卓越實力,並認為這些晶片將成為未來實現 AGI 的關鍵引擎。根據 OpenAI 與 Broadcom 的策略合作公告,相關晶片開發計畫預計於 2026 年下半年啟動,後續動態值得持續關注。
    業界反應
    此項人事異動在社群媒體上引發關注,多位業界人士與前同事表達了不捨與祝福:
    Tim Zaman 表示將會懷念與 Clive Chan 共事的時光,並對 Anthropic 團隊能延攬其加入表示羨慕。
    Thariq 與 levent 等人則公開歡迎 Clive Chan 加入 Anthropic。
    Clive Chan 對於在 OpenAI 的經歷表達了高度肯定,認為該團隊擁有極高密度的硬體人才,是目前業界頂尖的晶片設計團隊之一。此次轉職不僅象徵個人職涯的新階段,也反映了頂尖硬體人才在推動 AGI 基礎設施競爭中的流動趨勢。

    原文:https://easyvibecoding.app/curated/1806

    2 min