EasyVibeCoding Podcast

EasyVibeCoding Podcast

By EasyVibeCodingTechnology
Download on the App Store

All EasyVibeCoding Podcast episodes

  • @xiaohu:Codex 發布重大更新:不再只是寫程式,捆綁 62 個應用與 110 個自動化 skill,全面進軍辦公室場景 OpenAI 今天為 Codex 進行了…

    Codex 發布重大更新:不再只是寫程式,捆綁 62 個應用與 110 個自動化 skill,全面進軍辦公室場景

    OpenAI 今天為 Codex 進行了一次大改版:推出六個角色專屬 plugin,捆綁 62 個應用程式與 110 個自動化 skill,涵蓋資料分析、創意製作、銷售、產品設計、公共股權投資及投資銀行等領域。
    同時上線了 Sites 功能,能直接將任何內容生成可分享的互動式網頁應用。
    再加上一個 Annotations 精準標註編輯功能:圈選哪裡,就修改哪裡。
    Codex 不再只想幫你寫程式碼了,它想接管你的整個工作流程。
    500 萬週活躍使用者,成長 6 倍,最猛的不是程式設計師
    先看資料。
    從一度遙遙落後 Claude Code,經過幾個月的追趕……
    Codex 的週活躍使用者突破了 500 萬,相比 2 月桌面版上線以來成長了 6 倍。
    關鍵不在總量,而在結構:非開發者使用者(分析師、行銷、營運、設計師、研究員、投資人、金融人士)已經佔了 20%,成長速度是開發者的 3 倍以上。
    Axios 的獨家資料顯示:資料分析任務週環比成長 110%,研究類成長 37%,知識產出物(報告、備忘錄、合約、PPT、表格)成長 36%。
    還有一個數字:超過 60% 的使用者在一天內會同時執行多個 Codex 任務。4 月中旬時,這個比例還不到一半。
    這已經不是「程式設計師多了一個助手」的故事了。Codex 已經在白領工作中廣泛滲透……
    因此,本次 Codex 的重大更新幾乎全部圍繞著辦公工作流程展開!
    六個 plugin:為 Codex 裝上職業技能
    這次的 plugin 設計思路很明確:不是將通用能力套用在每個人身上,而是按角色客製化。每個 plugin 打包了該職業常用的軟體,只需用一句話下指令,Codex 就會在背後幫你跨軟體完成整個流程。
    資料分析 plugin:連接了 Snowflake、Tableau 等主流資料工具。你問一句「上季度哪個區域的營收下降了,為什麼?」,它會去資料庫查資料、做分析、生成圖表,一次幫你搞定。
    創意製作 plugin:打通了 Figma、Canva 等設計與圖庫平台。行銷團隊給出一份創意簡報,它直接產出一組廣告素材變體,包含產品場景圖與電商用圖。
    銷售 plugin:串聯了 Salesforce、HubSpot 等客戶管理與溝通工具。協助尋找高優先級客戶、準備客戶會議資料、跟進 email、更新紀錄、制定關單計畫與風險復盤。
    產品設計 plugin:基於 Figma 與 Canva,將靜態線框圖變成可點擊的原型,也能從線上網址直接審計使用者流程。
    公共股權投資 plugin:對接了 FactSet、S&P、PitchBook 等金融資料終端,協助投資人進行獲利分析、公司對比、投資邏輯驗證。
    投行 plugin:將研究與盡職調查資料轉化為客戶導向的 Pitch 文件,進行可比公司與可比交易分析。
    後續還會推出企業財務、私募、行銷策略、諮詢、法律等 plugin,最終目標是開放生態,讓合作夥伴自行開發 plugin 上架。
    這是 OpenAI 對水平 SaaS 最直接的一次進攻。
    它不替代某個具體工具,而是坐在所有工具之上擔任排程層。一個行銷經理原本需要在好幾個軟體之間反覆切換,現在跟 Codex 說一句話就行了。
    Sites:你說一句話,它給你一個網站
    Sites 是這次更新中最具想像力的功能,目前面向 Business 與 Enterprise 使用者開放預覽。
    它能做什麼?
    以前 Codex 幫你做完工作,給你的是一個檔案;現在它能直接做出一個網頁,你把連結發給同事,打開就能看、能操作。
    你有一份靜態表格或一組資料,用自然語言描述你想要什麼,Codex 直接生成一個互動式網頁應用,透過 URL 分享給 workspace 內的人。
    幾個場景:
    財務負責人將 Excel 模型變成線上場景規劃器,管理層直接在網頁上調整參數對比假設,不用翻閱文件標籤頁。
    產品發布時,將所有資料彙整成一個 Hub 頁面,團隊隨時查詢最新文案、里程碑、負責人、決策紀錄。
    客戶評審前,生成一個包含產品更新、待解決問題、使用趨勢與下一步行動的互動頁面。
    VentureBeat 指出了要點:這直接威脅到 Tableau、Power BI 這類 BI 工具所佔據的工作流程層。過去從「想要一個互動應用」到「真的有一個」,中間是幾週的開發週期。現在壓縮到幾分鐘的對話。
    而且這個頁面不是做完就丟的。資訊變了,你讓 Codex 更新,它會幫你修改。也可以用來追蹤專案進度、給客服做操作指引、存放團隊的創意簡報。
    Annotations:圈哪改哪
    這個功能解決了一個非常實際的痛點。
    Annotations 這個功能以前只有程式設計師在用,是用來修改程式碼的。
    現在擴展到了文件、表格與簡報,所有人都能用。
    使用起來很簡單:你覺得哪裡不對,選中那一塊,告訴 Codex 怎麼改,它只會動你選中的地方,其他部分一個字都不會碰。
    比如你寫了一份投資分析,其中一段資料不確定對不對,圈出來問 Codex「這個資料出處是哪裡」;或者簡報上有個圖表標籤看不清,標註一下讓它換個更清楚的寫法;再比如 Codex 幫你做了一個網頁,導覽列字體不喜歡,選中導覽列讓它換一個。
    這個功能解決的是「初稿之後怎麼改」的問題。不用重新來一遍,滿意的部分不會被動到。
    Codex 與 ChatGPT 將合併
    Codex 這次三個功能加在一起,意思很明顯:不想只給程式設計師用了,想讓所有上班族都用起來。
    而就在本次更新發布前的幾小時,Codex 負責人 Tibo 那條半開玩笑的推文:「我們是不是該把 Codex 改名叫 ChadGPT?」
    其實 OpenAI 的意圖已經很明顯了,就是要將 Codex 做成一個全能的辦公軟體。
    Tibo 的個人簡介已經寫著「Codex & ChatGPT」,兩個產品在 OpenAI 內部是由同一個團隊在管理。
    所以大概率的走向是:Codex 會併入 ChatGPT,或者反過來說,ChatGPT 會變成 Codex。聊天只是入口,幹活才是正事。
    OpenAI 想把產品從「你問我答」變成「你說一句,我替你做完」。而本次更新選擇在微軟 BUILD 2026 大會同一天發布,也是意味深長。微軟今天剛發布的 Scout、Google 的 Gemini Spark,講的也是同一個故事:AI 不只是回答問題的助手,而是能替你幹活的同事。
    誰該緊張?
    不過最該關注這件事的可能不是微軟和 Google,而是一批 SaaS 公司。Salesforce、Snowflake 這些坐在資料與行業 know-how 上的廠商,短期內護城河還在,合規、深度整合、行業知識不是裝個 plugin 就能替代的。
    但有一類工具該緊張了:那些核心賣點就是「介面好用」的中間層產品,如 BI 看板、專案管理、報告生成器。
    原因很簡單:過去你用一個 SaaS 工具,門檻是學會操作它的介面,培訓三天,考個認證,才能從 Tableau 裡拉出一張像樣的圖。現在一個行銷總監跟 Codex 說「把上個月各管道的 ROI 拉個表給我」,Codex 直接連上 Snowflake 把資料抓出來,生成一個可互動的 Sites 頁面,發個連結老闆就能看。
    當使用者不再需要學一個工具的操作方式,只需要說清楚自己要什麼,「介面好用」就不再是壁壘了。
    真正的壁壘會往兩頭集中:要么你是資料與合規的源頭,誰都繞不開你;要么你是那個能理解使用者意圖、排程所有工具的 Agent 層。
    卡在中間靠介面吃飯的,會最先感受到壓力。

    原文:https://easyvibecoding.app/curated/1721

    7 min
  • @trq212:為每個任務打造專屬 harness:Claude Code 中的動態工作流程 (Dynamic Workflows) 上週,我們在 Claude Code…

    為每個任務打造專屬 harness:Claude Code 中的動態工作流程 (Dynamic Workflows)

    上週,我們在 Claude Code 中發布了動態工作流程。現在,Claude 可以即時編寫專屬於當前任務的 harness。
    雖然預設的 Claude Code harness 是為程式開發而建,但它對許多其他類型的任務也很有用,因為事實證明,許多任務本質上都與程式開發任務相似。然而,對於某些特定類型的任務,我們必須在 Claude Code 之上構建自訂 harness 才能達到最佳效能,例如研究、安全性分析、Agent 團隊協作或程式碼審查 (Code Review)。
    工作流程讓你能夠動態建立 harness,讓 Claude 能夠在 Claude Code 內部原生解決上述所有問題,甚至更多。你也可以與他人分享並重複使用這些工作流程。
    在這篇文章中,我將分享我初步使用工作流程的經驗與心得,讓你能夠充分發揮其優勢。
    話雖如此,最佳實踐仍在發展中!動態工作流程通常會消耗更多 token,因此請謹慎思考何時以及如何使用它們。
    註:本文同步發布於 Claude Blog
    範例 Prompt
    在深入探討技術細節之前,我想先提供一些範例 Prompt,讓你思考工作流程能帶來的各種可能性:
    「這個測試每執行 50 次大約會失敗 1 次。請建立一個工作流程來重現它,提出假設並在 worktrees 中進行對抗性測試,/goal 在理論驗證成功前不要停止。」
    「使用工作流程,檢查我過去 50 次的 session,挖掘出我持續在犯的錯誤,並將重複出現的錯誤轉化為 CLAUDE.md 規則。」
    「使用工作流程搜尋 Slack 中過去六個月的 #incidents,找出沒有人提交過 ticket 的重複性根本原因。」
    「拿我的商業計畫書來執行一個工作流程,讓不同的 Agent 分別從投資人、客戶和競爭對手的角度進行嚴格檢視。」
    「這裡有一個包含 80 份履歷的資料夾,使用工作流程為後端職位進行排名,並對前十名進行複查。使用 AskUserQuestion 工具針對評分標準對我進行面試。」
    「我需要為這個 CLI 工具取個名字。使用工作流程進行腦力激盪,列出一堆選項,並舉辦一場錦標賽來選出前 3 名。」
    「使用工作流程將我們所有的 User 模型重新命名為 Account。」
    「檢查我的部落格草稿,並使用工作流程對照程式庫驗證每一項技術主張,我不希望發布任何錯誤的內容。」
    動態工作流程的運作方式
    動態工作流程會執行一個 JavaScript 檔案,其中包含一些有助於生成並協調子 Agent 的特殊函式:
    動態工作流程也包含標準的 JavaScript 函式(如 JSON、Math 和 Array),以協助處理資料。
    特別值得一提的是,動態工作流程可以決定 Agent 使用哪些模型,以及子 Agent 是否在各自的 worktree 中執行,這讓 Claude 可以根據需求選擇所需的智慧程度與隔離性。
    如果工作流程中斷(例如因為使用者的操作或關閉終端機),恢復 session 後,工作流程將能從中斷的地方繼續執行。
    為什麼需要動態工作流程
    當你要求預設的 Claude Code harness 執行任務時,它需要在同一個 context window 中同時進行規劃與執行。對於許多程式開發任務來說,這非常有效,但對於長期執行、大規模平行處理或高度結構化的對抗性任務,有時可能會失效。
    這是因為 Claude 在單一 context window 中處理複雜任務的時間越長,就越容易出現幾種特定的失敗模式:
    Agentic 懶惰:指 Claude 在完成特別複雜、多部分的任務時,在取得部分進展後就宣告任務完成(例如在安全性審查中只處理了 50 個項目中的 20 個)。
    自我偏好偏差:指 Claude 傾向於偏好自己的結果或發現,特別是在被要求根據評分標準來驗證或評判這些結果時。
    目標漂移:指在多次對話後,對原始目標的忠實度逐漸喪失,特別是在壓縮(compaction)之後。每個摘要步驟都會造成資訊流失,像邊緣案例需求或「不要做 X」這類限制條件可能會因此遺失。
    建立工作流程有助於透過協調多個擁有各自 context window、目標明確且隔離的 Claude 來克服這些問題。
    動態 vs. 靜態工作流程
    你可能之前已經使用 Claude Agent SDK 或 claude -p 建立過靜態工作流程,用來協調多個 Claude Code 實例。
    但由於靜態工作流程需要處理所有邊緣案例,它們通常比較通用。有了 Claude Opus 4.8 和動態工作流程,Claude 現在已經足夠聰明,可以為你的使用情境量身打造一個自訂的 harness。
    使用動態工作流程時的實用模式
    你可以直接要求 Claude 製作一個工作流程,或者使用觸發詞「ultracode」來確保 Claude Code 建立一個工作流程,從而開始使用動態工作流程。
    但建立關於動態工作流程如何運作的心智模型,將有助於你理解何時該使用它們,以及如何透過 Prompt 引導 Claude。
    Claude 在構建工作流程時,可能會使用並組合以下幾種常見模式:
    分類與執行 (Classify-and-act)
    使用一個分類器 Agent 來決定任務類型,然後根據任務路由到不同的 Agent 或行為。或者,在最後使用分類器來決定輸出結果。
    分發與合成 (Fan-out-and-synthesize)
    將任務拆解為許多較小的步驟,在每個步驟上執行一個 Agent,然後合成這些結果。這對於有大量較小步驟,或者每個步驟都能從乾淨的 context window 中受益(避免干擾或交叉污染)的情況特別有用。合成步驟是一個屏障——它會等待所有分發的 Agent 完成,然後將它們的結構化輸出合併為一個結果。
    對抗性驗證 (Adversarial verification)
    為每個生成的 Agent 執行一個獨立的子 Agent,根據評分標準或準則對其輸出進行對抗性驗證。
    生成與過濾 (Generate-and-filter)
    針對某個主題生成多個想法,然後根據評分標準或驗證進行過濾,去除重複項目,只回傳最高品質、經過測試的想法。
    錦標賽 (Tournament)
    與其分配工作,不如讓 Agent 進行競爭。生成 N 個 Agent,每個 Agent 使用不同的方法嘗試相同的任務。接著由 Prompt 或模型使用評審 Agent 以兩兩配對的方式評判結果,直到選出優勝者。
    循環直到完成 (Loop until done)
    對於工作量未知的任務,循環生成 Agent 直到滿足停止條件(沒有新的發現,或日誌中不再有錯誤),而不是執行固定的次數。
    使用情境
    請發揮創意,思考何時以及如何要求 Claude Code 製作動態工作流程。我發現工作流程在非技術性工作中甚至更有用。
    遷移與重構
    Bun 是透過工作流程從 Zig 重寫為 Rust 的。你可以在 Jarred 的 X 串文中閱讀更多關於它是如何完成的。
    關鍵在於將任務拆解為一系列需要處理的步驟,例如呼叫點 (callsites)、失敗的測試、模組等。在 worktree 中為每個修復生成一個子 Agent 來進行修改,然後讓另一個 Agent 進行對抗性審查並合併它們。考慮告訴 Agent 不要使用資源密集型指令,這樣你就可以在不耗盡機器資源的情況下實現最大程度的平行處理。
    深度研究
    我們在 Claude Code 中發布了一個深度研究 skill (/deep-research),它使用了動態工作流程。具體來說,它會分發網路搜尋、獲取來源、對抗性驗證其主張,並合成一份引用報告。
    但你可能不只為了網路搜尋而進行這類研究。例如,要求 Claude 從 Slack 的內容中編寫狀態報告,或是透過深入探索程式庫來研究某個功能是如何運作的。
    深度驗證
    另一方面,如果你有一份報告,想要檢查並追溯其中引用的每一項事實主張,你可能會想要產生一個工作流程,讓一個 Agent 識別出所有的事實主張,然後生成子 Agent 來詳細檢查每一項。你也可以讓驗證 Agent 檢查來源子 Agent,以確保其來源具有高品質。
    排序
    你可能有一份清單,想要根據你認為 Claude Code 擅長評估的某種定性指標進行排序,例如:根據 Bug 的嚴重程度對支援 ticket 進行排序。但如果你試圖在一個 Prompt 中對 1000 多行進行排序,品質會下降且無法放入 context。建議改為執行錦標賽、兩…

    11 min
  • @MicrosoftAI:Microsoft AI 發布 MAI 系列模型實現端到端自主訓練。 Microsoft AI 此次推出的 MAI 系列模型涵蓋推理、程式撰寫、影像、語音…

    Microsoft AI 發布 MAI 系列模型實現端到端自主訓練。

    Microsoft AI 此次推出的 MAI 系列模型涵蓋推理、程式撰寫、影像、語音與轉錄等多個領域,皆採用從零開始的訓練方式,不依賴第三方模型蒸餾,並強調資料來源的透明度與授權合法性。Mustafa Suleyman 指出,這套「爬坡機器」(Hill-Climbing Machine)系統旨在透過持續的資料優化、強化學習與硬體協同設計,確保模型效能能隨運算資源投入而穩定提升。
    旗艦推理模型 MAI-Thinking-1
    作為 Microsoft AI 的核心推理模型,MAI-Thinking-1 是一款中型規模的稀疏混合專家(MoE)模型,具備 35B 活躍參數與約 1T 總參數。
    效能表現:在軟體工程基準測試中與 Claude Opus 4.6 表現相當,並在數學與科學推理上展現強大能力。
    企業級功能:支援 256k token 的 context window,具備函式呼叫(function calling)能力,並相容於 Chat Completions API。
    開發理念:強調「能力應透過學習獲得而非繼承」,並透過 Microsoft 的強化學習架構,將安全性訓練納入能力提升的循環中,避免模型因過度安全限制而拒絕合法請求。
    高效能程式開發模型 MAI-Code-1-Flash
    專為 GitHub Copilot 設計的 MAI-Code-1-Flash,旨在提升開發者日常工作流程的效率。
    基準測試:在 SWE-Bench Pro 測試中以 51.2% 的成功率超越 Claude Haiku 4.5 的 35.2%,且在 SWE-Bench Verified 測試中,以減少 60% 的 token 用量達成更高準確率。
    實戰優化:模型直接在 GitHub Copilot 的生產環境 harness 中進行訓練,能更精準地處理多步驟的程式開發任務,如閱讀程式碼、編輯檔案與執行測試。
    部署:目前已陸續向 Visual Studio Code 的 GitHub Copilot 使用者開放。
    多媒體生成與處理模型
    MAI-Image-2.5:分為標準版與 Flash 版,在 Arena 影像編輯榜單排名第二。支援精確的局部編輯(如替換物件、移除模糊),並能保持人臉與識別標誌的一致性。
    MAI-Transcribe-1.5:支援 43 種語言,在 FLEURS 基準測試中表現優異,處理一小時音訊僅需不到 15 秒,速度較同類模型快 5 倍。新增「關鍵字偏好」(Keyword Biasing)功能,可提升領域專有名詞的識別準確度達 30%。
    MAI-Voice-2:支援 15 種語言,具備情感控制(如興奮、耳語)與跨語言的語碼轉換(code-switching)能力。透過 5 至 60 秒的參考音訊即可進行零樣本(zero-shot)語音合成,並內建嚴格的授權與防濫用機制。
    前沿調校與未來願景
    Microsoft AI 提出了「前沿調校」(Frontier Tuning)概念,允許企業在專屬的強化學習環境(RLE)中,利用自身的工作流程資料對模型進行微調。
    實例應用:Microsoft 與 Mayo Clinic 合作,將共同開發專屬的醫療前沿 AI 模型,結合 Mayo Clinic 的臨床專業知識與 Microsoft 的基礎 AI 能力,旨在提升診斷準確度與治療規劃。
    基礎設施:所有模型皆與 Microsoft 自研的 Maia 200 加速器協同設計,並已達成 1.4 倍的效率提升。
    開放策略:除了 Microsoft Foundry,這些模型也將透過 OpenRouter、Fireworks 與 Baseten 等平台提供給開發者使用。
    Microsoft AI 強調其目標是建立「人文主義超級智慧」(Humanist Superintelligence),確保 AI 系統始終作為人類的輔助工具,在人類的意圖與監督下運作,而非取代人類。

    原文:https://easyvibecoding.app/curated/1720

    4 min
  • @mvanhorn:我所知道的每一項 Agentic 程式開發技巧(2026 年 6 月) 三個月前,我發布了《我所知道的每一項 Claude Code 技巧》,獲得了 91…

    我所知道的每一項 Agentic 程式開發技巧(2026 年 6 月)

    三個月前,我發布了《我所知道的每一項 Claude Code 技巧》,獲得了 91 萬 3 千次觀看。當時 @kevinrose 問我該用什麼 IDE,我的回答是:「不需要 IDE。只要有 plan.md 檔案和語音輸入就夠了。」
    這過去被稱為「Vibe Coding」。大約在去年感恩節前後,模型能力已經強大到讓這些玩具般的工具變得實用,也就是現在大家所說的「Agentic 程式開發」。這是我能持續產出的唯一原因。今年我發布了 last30days(2.7 萬顆星)、Printing Press(4 千多顆星),以及剛上線的 Agent Cookie,並成為了一些開源界最大專案的頂級貢獻者:Python、Go、GStack 和 Paperclip。自從高中畢業後,我就沒再寫過什麼有價值的軟體了。以下就是我的技巧。
    HACKS
    YOLO TL;DR 技巧:將整篇文章貼給你的 Agent,告訴它根據內容規劃並設定好所有項目,然後一個一個技巧地執行。這就是我的整套堆疊,完全不需要自己閱讀。
    一有想法,立刻建立一個 CE plan.md
    這依然是第一守則,也是我學到最重要的事情。
    當我一有想法,就會執行 /ce-plan 來建立一個 plan.md。不是「讓我思考一下」,也不是「讓我開始寫程式」。每次都是 /ce-plan。它也支援圖片,所以任何你能捕捉到的東西都是起點:
    瘋狂的產品點子:/ce-plan。
    GitHub 上的 Bug:複製 Issue 連結,貼上,/ce-plan。
    終端機錯誤:按下 Cmd+Shift+4 截圖,Ctrl+V 貼上,/ce-plan fix this。
    截圖、錯誤訊息、設計草圖、Slack 對話串:通通丟進去。
    當想法還很模糊,連我自己都不知道要什麼時,我會先用 /ce-brainstorm 與 Agent 一起梳理,等想法清晰後再執行 /ce-plan。
    在底層,/ce-plan 會並行展開研究型 Agent。一個負責閱讀你的程式庫、找出模式並檢查你的規範;另一個搜尋你過去的解決方案以獲取經驗。如果主題需要,還會有更多 Agent 去研究外部文件和最佳實踐。這一切同時進行,然後整合並寫出一個結構化的 plan.md:問題是什麼、解決方法、需要修改哪些檔案、帶有核取方塊的驗收標準,以及從你自己的程式碼中提取的模式。這一切都基於你的儲存庫、你的規範、你的歷史紀錄,而不是通用的建議。
    /ce-work 會根據該計畫進行建置。Context 爆掉了?開啟一個新 Session,指向該計畫,從上次中斷的地方繼續。計畫就是那個能存活於任何狀況下的檢查點。
    傳統開發是 80% 寫程式,20% 規劃。這完全反過來了。思考過程都在計畫裡,執行則是機械化的。
    來自 @kieranklaassen 和 @trevin 的 Compound Engineering 是讓這一切成真的 plugin。
    我成了它的超級粉絲,接著成為貢獻者,現在我是核心團隊之外的第三大貢獻者。我現在的規則是:除非真的只是改一行程式碼,否則一定要先有 plan.md。
    HACKS
    安裝 Compound Engineering:/plugin marketplace add EveryInc/compound-engineering-plugin
    貼上截圖、Bug 連結或錯誤訊息,然後執行 /ce-plan,接著 /ce-work。
    想法模糊?先執行 /ce-brainstorm。
    不要去讀 plan.md
    我總是會建立 plan.md,但我幾乎從不閱讀它。計畫是給 Agent 看的,你這個傻瓜。
    強迫計畫存在會讓 Agent 不會偷懶。這會讓它們進行研究、承諾一種方法、寫下驗收標準,然後確實達成。一個有計畫的程式開發 Agent 能交付完成的工作,沒有計畫的 Agent 則會偷工減料並提早結束。計畫就是韁繩。
    所以我讓它寫計畫,我只掃一眼標題,然後執行 /ce-work。如果有疑問,我會在 Session 裡直接問:「等等,為什麼選這個方法?」或者要求一個 TLDR。又或者,當我不理解時,我會說:「eli5 this plan(用五歲小孩聽得懂的方式解釋這個計畫)。」我看完那一段話,點點頭,繼續工作。我不會坐在那裡讀 300 行 Markdown。那是 Agent 的家庭作業,不是我的。
    建立計畫,信任計畫,不要讀計畫。
    HACKS
    不要讓自己去讀計畫。直接在 Session 裡問:TLDR?、eli5 this plan,或是「等等,為什麼選這個方法?」
    將 /ce-plan 用於你最深度的非工程工作,為計畫本身做個計畫
    人們以為 /ce-plan 和 /ce-work 只是用來寫程式的。自三月以來我學到最重要的一點是:並非如此。我現在進行的最深度知識工作都跑在同樣的迴圈裡,訣竅在於讓第一個計畫成為「計畫的計畫」。這也不是我強迫程式工具去做它不擅長的事:/ce-plan 內建了一種通用的規劃模式,正是為了這類非程式工作而設計的。
    這不僅限於商業問題。策略文件、產品規格、競爭分析、董事會更新,通通適用同一個迴圈。
    這是一個真實案例。我與前 GV 研究合夥人 Michael Margolis 見面,他以「靶心客戶法(bullseye-customer method)」聞名,我們討論了一個我正在醞釀的商業挑戰。他叫我讀他的書,網上有免費 PDF。過去的做法是掃一眼然後就忘了。但我打開了 Claude Code 並大約這樣說:
    「/ce-plan 為這個計畫做個計畫。我即將給你兩樣東西:Margolis 的書(PDF 格式),以及我剛才與他開會的兩小時 Granola 逐字稿,裡面有我們討論的完整背景。我想要一個深思熟慮的計畫,說明如何將我的商業問題、那場對話以及書中的教訓結合起來,變成我真正能用的東西。現在先不要寫那份文件,寫文件是後續的工作。現在我只需要一個計畫,說明你將如何閱讀這本書、挖掘逐字稿,並產出一份優秀的文件。」
    它花了接下來 45 分鐘建立了一個史詩級的計畫。
    這也是我知道讓 LLM 不偷懶的唯一最佳技巧。直接要求產出成果,它就會偷工減料。要求它先規劃如何產出成果,然後執行該計畫,它每次都會產出深度版本。
    HACKS
    深度非程式工作:/ce-plan 為計畫做個計畫,將所有背景資料和逐字稿交給它,然後執行 /ce-work。
    擁抱語音輸入
    語音轉 LLM 與語音轉其他任何東西都不同。轉錄內容不需要完美,因為聽者理解上下文。它會猜測麥克風收錄錯誤的部分。你可以含糊不清、說到一半停下、重新開始一句話。語音之所以終於好用,是因為另一端的東西夠聰明,能填補這些空白。
    我的設定:
    Mac:Monologue (來自 Every) 或 Wispr Flow。選一個,將語音輸入到任何聚焦的應用程式,對著 Claude Code 說話。我在辦公室買了一個鵝頸麥克風。
    手機:跳過 Monologue 和 Wispr Flow,在 iOS 上切換太麻煩了。Apple 內建的聽寫功能就夠用了,因為你是在跟 LLM 對話,而不是人類。它可以搞砸一半的字,但 Agent 還是聽得懂。隨意的筆記沒問題。
    老實說:我獨處時很擅長語音輸入。在辦公室裡我卻很掙扎。人們說你可以對著麥克風小聲說話,但我發現我實際上做不到,因為我不想顯得沒禮貌或打擾周圍的人。所以共享辦公室裡的辦公桌仍然是我這套工作流程的弱點。如果你在開放式辦公室裡解決了語音輸入問題卻又不顯得突兀,請告訴我怎麼做。我是真心想請教。
    HACKS
    Mac:安裝 Monologue 或 Wispr Flow。手機:使用 Apple 聽寫。買個鵝頸麥克風。
    在 cmux 中開啟大量分頁
    這就是我一天實際的度過方式。四到六個 cmux 分頁,有時更多,每個都是獨立的 Session:
    一個在寫計畫。
    一個根據另一個計畫進行建置。
    一個在跑 last30days。
    一個在修復測試上一個東西時發現的 Bug。
    當 /ce-plan 在一個視窗中啟動研究時,我會切換到另一個視窗,對已經寫好的計畫執行 /ce-work。當那個在建置時,第三個視窗會貼入一個新的 Bug。等我繞回來時,第一個已經完成並在等待了。
    我聽說 Orca 在行動端工作方面做得很好。我也曾是 Ghostty 的死忠擁護者,但在 Ghostty 中我漏掉了太多通知。
    HACKS
    使用 cmux。
    保持 4 到 6 個分頁開啟,每個分頁處理不同的任務。
    將終端機預設為 Claude 或 Codex,而不是 Shell
    新分頁應該直接開啟 Claude Code,而不是 Shell。開啟分頁,你就在跟 Agen…

    8 min
  • @Microsoft365:Microsoft Scout 導入 Autopilot 架構實現主動執行任務。 Microsoft 企業副總裁 Omar Shahine 於 6 月 2…

    Microsoft Scout 導入 Autopilot 架構實現主動執行任務。

    Microsoft 企業副總裁 Omar Shahine 於 6 月 2 日正式發表 Microsoft Scout,這是一款定位為「Autopilot」類別的全新 Agent。不同於傳統 AI 僅止於回答問題,Autopilot 具備獨立身分,能在背景持續運作,並在組織設定的權限與政策框架內,主動處理跨應用程式的繁瑣協調工作。
    核心運作機制
    Autopilot 架構:這類 Agent 具備自主性,能理解工作流程並在無需每次提示的情況下採取行動,確保工作在使用者分心時仍能持續推進。
    跨平台整合:Microsoft Scout 深度整合於 Microsoft 365 生態系,橫跨雲端、桌面與網頁版,連結 Teams、Outlook、OneDrive 與 SharePoint。
    技術底層:採用開源技術「OpenClaw」,並結合「Work IQ」系統,隨著時間推移學習使用者的工作習慣、優先事項與後續需求,使 Agent 更加貼合個人需求。
    主要功能與應用場景
    主動協調:自動排程並協調跨時區的會議時間、標記重要會議,並預先準備相關資料。
    進度管理:識別即將到期的交付項目,並自動在行事曆中鎖定時間以確保進度。
    風險預警:主動偵測潛在風險(如決策停滯),讓使用者能在問題惡化前介入處理。
    企業級安全與治理
    身分識別:每個 Agent 皆擁有受管理的「Entra」身分,而非共用的匿名服務帳號,確保所有操作皆可追溯。
    端到端保護:憑證受到嚴格保護,操作範圍僅限於當前任務,且會從日誌與診斷紀錄中移除敏感資訊。
    權限控管:Agent 僅能存取經核准的資源。針對敏感操作,系統可要求人工簽核,並強制執行 Microsoft Purview 的資料保護政策(如敏感度標籤與資料外洩防護)。
    開源貢獻:Microsoft 將政策合規性功能直接回饋至 OpenClaw 上游,協助組織驗證環境是否符合安全與合規要求。
    部署與使用方式
    Microsoft Scout 目前已進入私人預覽階段,並透過「Frontier」計畫提供實驗性版本。若要開始使用,需滿足以下條件:
    確保組織已完成 Frontier 註冊。
    完成 Intune 政策配置。
    完成 opt-in 認證。
    具備 GitHub Copilot 授權的使用者,可前往官方指定頁面下載並安裝體驗。詳細設定步驟請參閱 Microsoft Scout 官方說明頁面。

    原文:https://easyvibecoding.app/curated/1703

    3 min
  • @OpenAI:OpenAI 推出 Codex 實現構想轉化應用。 OpenAI 於 2026 年 6 月 2 日宣布,Codex 每週活躍使用者已突破 500 萬人,其…

    OpenAI 推出 Codex 實現構想轉化應用。

    OpenAI 於 2026 年 6 月 2 日宣布,Codex 每週活躍使用者已突破 500 萬人,其中非開發者群體(如分析師、行銷人員、投資人等)占比達 20%,且成長速度為開發者的 3 倍。為了因應此趨勢,OpenAI 推出角色專屬 plugin、互動式網站建置工具「Sites」,以及精確修改內容的「Annotations」功能,旨在讓 Codex 更貼合各類專業工作流程。
    角色專屬 plugin 與應用生態
    OpenAI 推出六款針對特定職能的 plugin,整合了 62 種熱門應用程式與 110 種 skill,無需程式撰寫即可直接使用:
    資料分析:整合 Snowflake、Databricks Genie、Hex 與 Tableau,協助分析師進行指標探勘與報表製作。
    創意製作:整合 Figma、Canva、Shutterstock、Picsart 與 Fal,支援行銷團隊製作廣告變體與產品視覺 asset。
    銷售:整合 Salesforce、HubSpot、Slack、Outreach、Clay、Rox 與 Actively,協助銷售人員管理客戶關係與交易進度。
    產品設計:支援原型製作,可將靜態截圖轉為互動式介面,並與 Figma、Canva 等工具協作。
    公開市場投資:整合 Moody’s、Daloopa、Datasite、FactSet、LSEG、S&P、PitchBook 與 Hebbia,協助投資人追蹤市場訊號與財報。
    投資銀行:協助銀行從業人員處理盡職調查與製作客戶簡報。
    互動式網站建置工具 Sites
    Sites 功能目前針對 Business 與 Enterprise 客戶開放預覽,旨在打破單一工具或文件格式的限制:
    使用者可將分析報告、專案計畫或創意簡報轉化為互動式網頁、儀表板或專案看板。
    產出的網站可透過 URL 與團隊成員共享,並支援即時更新內容。
    OpenAI 正與 Vercel、Wix、Base44、Replit、Lovable、Figma、Webflow 及 Emergent 等合作夥伴建立生態系。
    精確修改工具 Annotations
    Annotations 功能讓使用者能針對產出內容的特定區塊進行局部調整,無需重新生成:
    使用者可直接選取網站導覽列、文件段落或投影片圖表,並針對該選取區域下達修改指令。
    此功能強化了 Codex 在初稿完成後的迭代能力,讓使用者能針對特定內容進行判斷與回饋,無需重做已滿意的部分。
    部署與權限管理
    角色專屬 plugin 現已於支援地區推出,使用者可透過 Codex plugin 目錄安裝並進行客製化設定。
    針對 Business 與 Enterprise 帳號,管理員可於「workspace」設定中控管應用程式權限。
    Sites 功能目前由管理員在後台啟用後,即可透過 Codex 應用程式使用。

    原文:https://easyvibecoding.app/curated/1708

    4 min
  • @NousResearch:Hermes Desktop 正式發布,將 Hermes Agent 的核心功能完整移植至桌面端並開放公開預覽。 這款由 Nous Research 推出…

    Hermes Desktop 正式發布,將 Hermes Agent 的核心功能完整移植至桌面端並開放公開預覽。

    這款由 Nous Research 推出的應用程式,曾於黃仁勳的 GTC 主題演講中首次亮相,旨在提供原生於電腦端的 Agent 體驗,讓使用者能直接在本地環境執行各項任務。
    安裝與部署
    使用者可透過多種方式快速啟用 Hermes Desktop,官方提供了一鍵安裝指令,能在兩分鐘內完成環境配置:
    快速安裝:使用官方提供的一鍵安裝腳本。
    原生安裝檔:前往 GitHub Releases 下載已簽署的 macOS 映像檔或 Windows 安裝程式。
    GUI 安裝器:透過圖形化介面安裝,初次啟動時會自動執行 install.ps1,並在背景自動配置 uv(Python 管理工具)、Node、PortableGit 及其他必要相依套件。
    平台支援與資源
    Hermes Desktop 支援 macOS 與 Windows 兩大主流作業系統,確保跨平台的開發與使用體驗一致。詳細的安裝指引與下載連結請參考 Hermes Desktop 官方頁面。

    原文:https://easyvibecoding.app/curated/1702

    2 min
  • @OpenAINewsroom:Codex 每週活躍使用者突破 500 萬,正從程式開發工具轉型為知識工作者的生產力核心。 OpenAI 於 2026 年 6 月 2 日發布最新報告《知…

    Codex 每週活躍使用者突破 500 萬,正從程式開發工具轉型為知識工作者的生產力核心。

    OpenAI 於 2026 年 6 月 2 日發布最新報告《知識工作的新時代》(The Next Era of Knowledge Work),指出 Codex 已不再侷限於程式撰寫,而是成為各行各業自動化例行工作、加速流程並消除現代知識工作瓶頸的關鍵工具。
    成長數據與使用者結構
    Codex 目前每週活躍使用者已超過 500 萬人,自 2 月推出桌面版應用程式以來,成長幅度超過 6 倍。
    雖然軟體開發者仍是最大使用者群體,但知識工作者已佔總使用者的 20%,且其成長速度是開發者群體的 3 倍以上。
    核心應用場景
    知識工作者主要利用 Codex 處理各類產出,並逐漸取代過去需要工程支援才能完成的輕量級工具開發。主要用途包括:
    建立報告、試算表、簡報及合約等工作文件。
    進行研究、資料分析及工作流程自動化。
    構建輕量級工具,解決過往需依賴工程團隊才能處理的技術需求。
    工作模式的轉變
    報告顯示,使用者正透過 Codex 改變工作節奏與範疇:
    並行處理能力:使用者越來越傾向同時執行多項 Codex 任務,例如同步進行資料調查、草擬素材及自動化工作流程,這種「高速度」運作模式正重塑 AI 對工作的長期影響。
    職涯影響:透過 Codex 處理更具野心的專案,知識工作者的角色範疇得以擴大,進而加速職涯發展。
    降低摩擦力:跨產業的使用者皆利用 Codex 減少工作摩擦,包括從不同系統中搜尋隱藏資訊、協調跨工具與跨團隊的作業、產出高品質交付物,以及推動專案通過審核與批准流程。
    這份報告明確指出,Codex 的影響力已從單純的程式碼輔助,演變為全面提升知識工作效率的基礎設施,讓使用者能更靈活地應對現代工作中繁瑣的行政與分析任務。

    原文:https://easyvibecoding.app/curated/1715

    3 min
  • @AnthropicAI:Anthropic 開放 Claude Mythos Preview 供全球組織使用。 Anthropic 宣布擴大其「Project Glasswing…

    Anthropic 開放 Claude Mythos Preview 供全球組織使用。

    Anthropic 宣布擴大其「Project Glasswing」計畫,將 Claude Mythos Preview 的存取權限開放給全球超過 15 個國家、共約 150 個新組織。此計畫旨在透過 AI 技術協助關鍵基礎設施與軟體維護者,在 AI 驅動的網路攻擊威脅日益嚴峻的環境下,提升軟體安全性並加速漏洞修補。
    計畫擴展與目標對象
    Project Glasswing 專注於保護全球最關鍵的軟體系統。自 4 月初啟動以來,首批 50 個合作夥伴已利用 Claude Mythos Preview 掃描程式庫,並成功發現超過 10,000 個高風險或嚴重等級的安全性漏洞。此次擴展的 150 個新組織涵蓋了電力、水資源、醫療保健、通訊及硬體製造等領域,其中包含許多維護全球關鍵基礎設施的供應商與非營利組織。Anthropic 強調,這些組織若遭受攻擊,恐影響超過 1 億人的生活,對國家與全球安全具有重大影響。
    應對 AI 驅動的網路威脅
    Anthropic 對網路安全的未來持謹慎態度,預計在未來 6 至 12 個月內,其他 AI 公司將會推出具備同等「Mythos 等級」能力的模型,且可能缺乏足夠的防護機制。為了應對這種不可預測的攻擊型態,Anthropic 設定了兩大核心目標:
    透過廣泛提供更強大的模型與工具,協助軟體產業進行調整。
    將支援重心從單純的「漏洞發現」,逐步轉移至「漏洞揭露、修復與部署」的端到端流程。
    技術支援與工具應用
    為了協助防禦者,Anthropic 採取了多項具體行動:
    推出「Claude Security」產品:利用 Claude Opus 4.8 等前沿模型掃描程式庫並建議修補程式。
    開放內部工具:針對受信任的安全性團隊,應需求提供開發團隊用於加速漏洞偵測的專屬工具。
    擴大應用場景:合作夥伴目前已將 Claude Mythos Preview 用於編寫修補程式、進行發布前的安全性檢查、模擬滲透測試,以及將舊有程式碼重構為記憶體安全(memory-safe)的語言。
    未來展望與挑戰
    Anthropic 承認,目前網路安全的最大瓶頸在於如何驗證、揭露並修補由 AI 模型所發現的大量漏洞。該公司正與第三方討論如何大規模地審查與修補開源軟體漏洞,並致力於建立更完善的漏洞揭露標準。儘管 Anthropic 的長期目標是讓大眾能廣泛使用具備 Mythos 等級能力的工具,但目前仍面臨巨大的技術挑戰,即開發出既強大又精確的防護機制,以防止模型被濫用於惡意攻擊。未來,Anthropic 將持續擴大 Project Glasswing 的參與範圍,並透過「Cyber Verification Program」為更多組織提供特定防禦任務所需的 AI 能力,期望能為防禦者建立長期的優勢。

    原文:https://easyvibecoding.app/curated/1700

    4 min
  • @OpenAIDevs:OpenAI 前沿模型與 Codex 登陸 Amazon Bedrock 部署應用。 OpenAI 與 Amazon Web Services(AWS)正…

    OpenAI 前沿模型與 Codex 登陸 Amazon Bedrock 部署應用。

    OpenAI 與 Amazon Web Services(AWS)正式合作,將 OpenAI 的前沿模型及 Codex 整合至 Amazon Bedrock 平台,使企業能夠在既有的 AWS 安全性、合規性與治理架構下,建構 AI 應用程式與軟體工程工作流程。此次整合不僅是 OpenAI 模型在 AWS 上的擴展,未來更預計納入如 Daybreak 等網路安全相關功能。
    運作機制與架構
    當使用者將 Codex 設定為使用 Amazon Bedrock 作為模型供應商時,請求路徑將不再經過 OpenAI 託管的 Responses API,而是直接發送至 Amazon Bedrock。Bedrock 會為支援的 OpenAI 模型提供相容的 API 實作。在此架構下,身分驗證完全採用 AWS 原生機制,使用者需透過 Bedrock API 金鑰或 AWS IAM 憑證進行登入,無須使用 ChatGPT 帳號或 OPENAIAPIKEY。
    設定步驟
    若要啟用 Amazon Bedrock 作為模型供應商,請依照下列步驟操作:
    在 ~/.codex/config.toml 檔案中加入以下設定:
    `toml
    model_provider = "amazon-bedrock"
    `
    根據需求選擇驗證方式:
    - Bedrock API 金鑰:設定環境變數 AWSBEARERTOKENBEDROCK 與 AWSREGION。
    - AWS SDK 憑證:可透過 aws configure、環境變數、aws login、aws sso login 或配置 credential_process 來處理。
    若使用桌面應用程式或 VS Code 擴充功能,請將環境變數寫入 ~/.codex/.env 檔案並重啟應用程式。
    驗證設定:在 Codex CLI 中檢查 /status,確認模型供應商已切換為 amazon-bedrock。
    支援的模型與限制
    目前支援的模型 ID 包含 openai.gpt-5.5 與 openai.gpt-5.4。需注意,模型可用性取決於 AWS 區域,使用者可參考 AWS 模型區域相容性文件 進行確認。
    功能可用性差異
    由於此整合專注於在地化的 Codex 工作流程,部分依賴 OpenAI 雲端服務的功能目前無法使用:
    不支援功能:Fast Mode(因其依賴優先處理,而目前 Bedrock 僅提供隨需推論)、託管的第一方 plugin 目錄、Codex 雲端 Agent(包含審查、安全與網頁 Agent)、影像生成及語音轉錄。
    支援功能:Codex CLI、桌面應用程式與 IDE 擴充功能的在地化工作流程、Bedrock 支援的推論,以及在地配置的 MCP 伺服器與連接器。
    技術支援邊界
    OpenAI 支援團隊僅負責處理 Codex 用戶端設定、配置、CLI 與 IDE 擴充功能等產品體驗問題。若涉及 AWS 憑證、IAM 權限、Bedrock 模型存取權、配額、帳單、區域可用性或 AWS 服務日誌等問題,使用者需聯繫企業內部的 AWS 管理員或 AWS 官方支援。

    原文:https://easyvibecoding.app/curated/1678

    4 min