EasyVibeCoding Podcast

EasyVibeCoding Podcast

By EasyVibeCodingTechnology
Download on the App Store

All EasyVibeCoding Podcast episodes

  • @satyanadella:Microsoft 365 Copilot 升級任務感知系統實現 Agentic 互動。 Microsoft 首席設計官 Jon Friedman 於 2…

    Microsoft 365 Copilot 升級任務感知系統實現 Agentic 互動。

    Microsoft 首席設計官 Jon Friedman 於 2026 年 5 月 28 日發表了 Microsoft 365 Copilot 的重大改版,旨在解決工作流程中跨應用程式、跨任務的碎片化問題。此次更新不僅是介面視覺的調整,更核心的策略是將 AI 從單純的「工具層」提升為「任務感知」的協作夥伴,讓使用者能更直接地從意圖轉化為成果。
    核心設計理念與介面進化
    Microsoft 此次採用了「漸進式揭露」(progressive disclosure)原則,確保介面在保持簡潔的同時,能隨使用者需求動態呈現功能。
    任務感知 workspace:將過去靜態的提示列(prompt line)升級為具備任務感知能力的 workspace,下方會自動浮現與當前任務相關的工具與控制選項。
    導覽與記憶:左側導覽列可展開或收合,提供更清晰的 Agent 管理、對話紀錄與歷史回溯空間,並引入共用的釘選系統,方便使用者快速回到未完成的工作進度。
    提示輸入優化:提示輸入區域可擴展至全螢幕,支援內容貼上、保留結構與行內格式化,讓使用者在發送前能進行更深度的編輯。
    Work IQ 與智慧輸出層
    為了提升 AI 輸出的品質與信任度,Microsoft 引入了「Work IQ」智慧層,該層級能直接讀取使用者的 email、檔案、聊天紀錄與會議內容,並根據任務複雜度自動調整運作模式。
    情境連結:Work IQ 不再僅限於處理單一文件,而是能根據更廣泛的組織背景(如績效評估週期或組織變動)提供建議。
    模型選擇:系統會根據任務需求,在快速回應與深度推理之間自動切換,甚至允許使用者自行選擇 AI 模型。
    層次化輸出:Copilot 的回應會先提供簡潔的摘要,隨後根據使用者的進一步需求,提供結構化的格式、後續行動建議或深化工作的提示。
    效能提升與數據表現
    改版後的 Copilot 在效能上有顯著提升,確保 AI 體驗不會中斷使用者的工作節奏:
    載入速度:載入時間縮短超過 50%。
    回應速度:複雜對話提示的回應速度提升 10%。
    應用程式滲透率:自從導入新的應用程式內體驗後,Copilot 在各軟體的使用率顯著成長:Word 成長 27%、Excel 成長 33%、PowerPoint 成長 43%、Outlook 成長 30%。
    跨應用程式的 Agentic 整合
    Microsoft 正在將 Copilot 從單一文件的回應工具,轉型為具備 Agentic 能力的系統,能跨應用程式執行任務:
    統一入口:在 Microsoft 365 各應用程式中建立一致的入口點,懸浮於工作內容之上,並能即時理解下方的文件情境。
    側邊欄協作:Copilot 開啟的側邊欄不僅是聊天視窗,更具備編輯夥伴功能,能直接建議或執行修改,並透過明確的訊號告知使用者其操作內容。
    畫布互動:使用者可直接在文件、儲存格或投影片的「畫布」上呼叫 Copilot,讓互動直接發生在工作產出的位置,實現從構思到產出的連續循環。
    透過這些更新,Microsoft 試圖將 AI 設計從「功能堆疊」轉向「成果導向」,強調 AI 應適應人類的工作方式,而非要求使用者遷就技術介面。

    原文:https://easyvibecoding.app/curated/1626

    4 min
  • @github:Anthropic 推出的 Claude Opus 4.8 正式整合至 GitHub Copilot,強化程式碼理解與大型專案導航能力。 核心更新 An…

    Anthropic 推出的 Claude Opus 4.8 正式整合至 GitHub Copilot,強化程式碼理解與大型專案導航能力。

    核心更新
    Anthropic 最新發布的 Claude Opus 4.8 模型已全面開放,並正式導入 GitHub Copilot 生態系。根據初步測試,該模型在處理各類真實世界的程式開發任務時,展現了顯著的進步,特別是在複雜問題的解決能力以及大型程式庫的導航效率上,均較過往版本有明顯提升。
    收費與限制
    在 2026 年 6 月 1 日「用量計費」(Usage Based Billing)機制正式上線前,該模型目前採用 15 倍的 premium request multiplier(高階請求乘數)進行計費。
    適用範圍與支援平台
    Claude Opus 4.8 適用於 Copilot Pro+、Business 及 Enterprise 使用者,並將陸續推送到以下平台,使用者可透過模型選擇器進行切換:
    Visual Studio Code(包含聊天、提問、編輯及 Agent 模式)
    Visual Studio
    Copilot CLI
    GitHub Copilot 雲端 Agent
    GitHub Copilot App
    github.com
    GitHub Mobile(iOS 與 Android)
    JetBrains
    Xcode
    Eclipse
    啟用步驟
    由於採取分階段部署,若使用者尚未在介面中看到選項,請稍候再試。針對企業與商業版方案,管理員需執行以下操作以啟用該模型:
    登入 GitHub Copilot 管理後台。
    進入 Copilot 設定頁面。
    找到並啟用 Claude Opus 4.8 相關政策。
    若欲進一步了解所有支援的模型資訊,可參閱 GitHub 官方提供的模型文件(GitHub Copilot Models Documentation)。使用者若有任何使用心得,官方亦鼓勵前往 GitHub Community 分享意見回饋。

    原文:https://easyvibecoding.app/curated/1619

    3 min
  • @claudeai:Claude Opus 4.8 發布,可一次調度數百個子 Agent。 Anthropic 於 2026 年 5 月 28 日推出 Claude Opus…

    Claude Opus 4.8 發布,可一次調度數百個子 Agent。

    Anthropic 於 2026 年 5 月 28 日推出 Claude Opus 4.8。最亮眼的是它的 Agent 實力:在 Super-Agent 基準測試中,它是唯一能端到端完成所有案例的模型,已有人用它在 11 天內把 Bun 從 Zig 移植到 Rust,處理約 75 萬行程式碼仍維持 99.8% 的測試通過率。但這次的重點不只是跑分更漂亮,而是它在長週期、大規模的工程任務上變得更「可信」:更會主動修正自己、更誠實地回報進度,也更不會在沒把握時硬給答案 —— 對每天把大段程式碼丟給 Agent 處理的開發者來說,這正是最痛的那一塊。
    判斷力與誠實度:Agent 終於會自己踩煞車
    更具批判性:測試人員指出,Opus 4.8 執行 Agent 任務時會主動提出正確問題、修正自身錯誤,並在進行複雜變更前做多重驗證。
    誠實度大躍進:程式碼出現瑕疵卻未標註的機率,比前代降低約四倍,也更會主動標記輸入與輸出中的潛在問題。
    對齊創新高:依 Anthropic 內部評估,Opus 4.8 在支持使用者自主性等親社會特質上達到新高,誤導或配合濫用行為的比例顯著低於 Opus 4.7。
    跑分:Super-Agent 唯一通關,瀏覽器 Agent 84% 贏過 GPT-5.5
    在「Super-Agent」基準中,Opus 4.8 是唯一能端到端完成所有案例的模型。
    「Online-Mind2Web」瀏覽器 Agent 測試達 84% 準確率,同時超越 Opus 4.7 與 GPT-5.5。
    程式撰寫、Agent 任務、邏輯推理及實務知識工作等基準全面提升。
    動態工作流(Dynamic Workflows):一個對話,數百個子 Agent
    針對超大規模的工程任務,Claude Code 推出「動態工作流」(目前為研究預覽版),讓 Claude 自動拆解並排程複雜任務:
    平行處理:單一對話可啟動數百個平行運作的子 Agent,並在回報結果前自我驗證。
    殺手級案例:Jarred Sumner 透過此功能在 11 天內將 Bun 從 Zig 移植至 Rust,處理約 75 萬行程式碼,並維持 99.8% 的測試通過率。
    適用場景:跨數百個檔案的程式庫遷移、大規模重構、安全性稽核或複雜的 Bug 搜尋。
    啟用方式:透過 Claude Code CLI,或在 effort 選單中開啟 ultracode 設定,系統會自動判斷何時啟動工作流。
    操作與 API:Effort Control、中途插 system、Fast Mode 成本砍三倍
    Effort Control:可於 claude.ai 與 Cowork 調整 Claude 的「努力程度」—— 高設定值換取更深度的思考,低設定值換取回應速度與 token 配額。
    Messages API:現可在 messages 陣列直接插入 system 項目,任務執行到一半就能更新指令、權限或環境背景,且無需中斷 prompt 快取或重新路由。
    Fast Mode:速度約為標準模式的 2.5 倍,成本較前代降低三倍;在 Claude Code 輸入 /fast 即可啟用,或透過 API 帳戶經理申請存取權。
    下一步:代號 Project Glasswing 的 Claude Mythos 已在路上
    Anthropic 透露正開發代號「Project Glasswing」的新一代模型 Claude Mythos Preview,智慧水準更高,目前僅開放極少數機構進行網路安全相關測試;待防護機制完善,預計未來幾週內向所有客戶開放。
    定價與可用性
    已於網頁版、Claude Platform 及 Amazon Bedrock、Vertex AI、Microsoft Foundry 等各大雲端平台上線。
    標準定價維持不變:輸入每百萬 token 5 美元,輸出每百萬 token 25 美元。
    Fast Mode 定價:輸入每百萬 token 10 美元,輸出每百萬 token 50 美元。
    此文由 Claude Opus 4.8 自行整理。

    原文:https://easyvibecoding.app/curated/1612

    5 min
  • @liquidai:Liquid AI 發布 LFM2.5-8B-A1B 模型,透過 8B 參數的混合專家架構實現高效能的裝置端 Agent 應用。 Liquid AI 於 …

    Liquid AI 發布 LFM2.5-8B-A1B 模型,透過 8B 參數的混合專家架構實現高效能的裝置端 Agent 應用。

    Liquid AI 於 2026 年 5 月 28 日正式推出「LFM2.5-8B-A1B」模型,這是一款專為行動裝置、筆記型電腦與邊緣運算環境設計的旗艦級混合專家(MoE)模型。該模型在 8B 總參數下僅需 1.5B 啟用參數,並透過 38 兆 token 的預訓練與大規模強化學習,在指令遵循與工具呼叫任務上展現出超越其體積的效能,旨在實現無需雲端 API 即可在單機上運行的完整 Agent 循環。
    核心技術規格與架構
    LFM2.5-8B-A1B 相比前代 LFM2-8B-A1B 有顯著提升,主要技術亮點包括:
    架構升級:採用 LFM2.5 旗艦級混合專家架構,結合門控短卷積區塊(Gated Short Convolution Blocks)與分組查詢注意力機制(GQA)。
    擴展上下文:上下文視窗從 32K 提升至 128K,支援處理更長的文檔與複雜的推理軌跡。
    詞彙表擴充:詞彙表大小從 65K 倍增至 128K,顯著提升了對非拉丁語系(如泰語、印尼語、阿拉伯語等)的標記化效率。
    推理策略:採用「僅推理」(Reasoning-only)模式,在最終回答前會顯式生成思維鏈(Chain of Thought),在不犧牲速度的前提下提升任務執行品質。
    訓練優化:針對長推理軌跡中的「毀滅循環」(Doom Loops)進行偏好優化,並透過針對性的強化學習減少邊緣模型常見的幻覺問題。
    裝置端 Agent 執行能力
    該模型專為實現「全 Agent 循環」而設計,強調在單一硬體上完成複雜任務:
    工具呼叫:具備快速且可靠的工具呼叫能力,能串聯複雜指令。
    離線運作:支援完全在本地硬體執行,無需 API 金鑰,確保資料不出機。
    實務應用:開源桌面 Agent「LocalCowork」已整合此模型,能在單台筆電上管理 13 個 MCP 伺服器中的 67 種工具,且每次調度延遲遠低於一秒。
    生態系支援與部署
    LFM2.5-8B-A1B 具備極高的部署靈活性,支援多種推理框架與硬體平台:
    推理框架:首日即支援 llama.cpp、MLX、vLLM、SGLang 及 ONNX。
    硬體相容:廣泛支援 AMD、Intel、Qualcomm、NVIDIA 及 Apple Silicon 等主流硬體。
    效能表現:在 CPU 推理上,於 M5 Max 晶片可達每秒 253 個 token,Ryzen AI Max+ 395 上達 146 個 token;在 GPU 高併發環境下,單張 H100 可達每秒 1.85 萬個輸出 token。
    資源與取得方式
    模型權重:已於 Hugging Face 開放下載。
    技術文件:詳細資訊請參閱 Liquid AI 文件中心。
    線上測試:可透過 Liquid AI Playground 進行體驗。
    部署指引:開發者可參考 ` docs/ ` 內的說明,了解如何進行本地執行與微調。

    原文:https://easyvibecoding.app/curated/1615

    4 min
  • @loredanacrisan:Figma Make 整合生產環境程式庫實現視覺化編輯。 核心功能 Figma Make 透過與生產環境程式庫的深度整合,徹底改變了軟體開發的互動流程。…

    Figma Make 整合生產環境程式庫實現視覺化編輯。

    核心功能
    Figma Make 透過與生產環境程式庫的深度整合,徹底改變了軟體開發的互動流程。使用者現在無需離開 Figma 介面,也不必操作終端機(terminal),即可執行以下關鍵開發任務:
    視覺化編輯軟體介面。
    建立程式碼分支(branch)。
    提交程式碼變更(commit)。
    發起合併請求(PR)。
    設計願景
    Loredana Crisan 強調,Figma 堅信軟體開發的未來將以「視覺優先」與「預設協作」為核心。此次更新不僅是功能的擴充,更是為了實踐讓設計與開發流程無縫銜接的目標,目前這項整合僅是開發體驗演進的起點。

    原文:https://easyvibecoding.app/curated/1618

    1 min
  • @mistralvibe:Mistral Vibe 正式發布整合 AI Agent。 Mistral Vibe 旨在處理長期、多步驟的複雜任務,透過整合「工作模式」(Work mo…

    Mistral Vibe 正式發布整合 AI Agent。

    Mistral Vibe 旨在處理長期、多步驟的複雜任務,透過整合「工作模式」(Work mode)、「程式碼模式」(Code mode)、CLI 工具以及全新的 VS Code 擴充功能,將 AI 的應用範圍從單純對話擴展至自動化執行與專案管理。
    工作模式(Work Mode)的核心能力
    此模式專為複雜的多階段任務設計,能深入使用者現有的知識體系與應用程式,並在執行前提供計畫供使用者確認。
    企業知識搜尋:整合 Google Workspace、Outlook、SharePoint、Slack、GitHub 及自訂連接器,確保 Agent 在執行任務時具備完整的上下文。
    結構化資料分析:支援連接資料庫或上傳試算表,能自動識別模式、異常與訊號,並直接在對話中生成圖表與儀表板。
    文件與報告合成:利用「Canvas」工具草擬從簡報到 RFP 回應等各類文件,並支援匯出至 Notion 或 SharePoint。
    排程與自動化:支援單次或週期性(每日、每週、每月)任務排程,並透過「Reusable skills」以開放標準擴充重複性工作流程。
    程式碼模式(Code Mode)與開發整合
    Vibe 在網頁端提供專屬的程式碼介面,並透過 VS Code 擴充功能將 Agent 深度嵌入開發環境。
    隔離沙盒執行:程式碼工作階段在隔離的沙盒中並行執行,即使電腦離線,工作階段仍可持續運作。
    VS Code 擴充功能:在側邊欄運作,能讀取、編輯並執行指令,支援自動附加開啟的檔案,並透過 @ 提及功能引入專案其他部分的上下文。
    開發流程支援:具備編寫單元測試、重構程式碼、將舊有檔案轉換至現代語言,以及整合 GitHub、GitLab、Jira 或 Linear 等工具的能力。
    CLI 工具更新與操作指令
    Vibe CLI 獲得顯著升級,強化了對工作階段的控制與權限管理:
    技能與模式:將重複性工作流程轉化為 / 指令,並透過自訂模式與子 Agent 進行工作排程。
    互動與權限:計畫在執行前可編輯,Agent 可在執行中進行多選提問;權限設定改為工作階段範圍(Session-scoped),包含對檔案、指令與目錄的覆寫控制。
    遠端傳輸:使用 /teleport 指令可在終端機與雲端之間遷移即時工作階段,並完整保留歷史紀錄與審核狀態。
    安裝與使用指引
    使用者可透過 Mistral 官網 存取 Vibe,或下載行動裝置應用程式。針對開發者,可透過以下指令安裝 CLI 工具:
    `bash
    curl -LsSf https://mistral.ai/vibe/install.sh | bash
    uv tool install mistral-vibe
    `
    Vibe 提供免費版、每月 14.99 美元的 Pro 版、每月每人 24.99 美元的 Team 版,以及企業客製化方案。所有原先使用 Le Chat 的歷史紀錄、設定與方案皆已自動遷移至 Vibe。

    原文:https://easyvibecoding.app/curated/1621

    4 min
  • @addyosmani:Orchestration Tax 揭示 AI Agent 時代的注意力瓶頸。 核心問題:Orchestration Tax(編排稅)的本質 在 Goo…

    Orchestration Tax 揭示 AI Agent 時代的注意力瓶頸。

    核心問題:Orchestration Tax(編排稅)的本質
    在 Google I/O 的小組討論中,作者與 Richard Seroter、Aja Hammerly 及 Ciera Jaspan 探討了軟體工程的演進。作者指出,雖然啟動多個 AI Agent 非常容易,但這並不代表人類的認知頻寬能同步擴展。人類是整個系統中唯一的「序列處理器」,所有判斷與程式碼合併工作都必須經過大腦。所謂的「編排稅」,就是當你忽略了人類注意力有限,試圖同時管理過多 Agent 時所付出的代價。
    技術瓶頸:人類作為「全域解釋器鎖(GIL)」
    作者以 Python 的「全域解釋器鎖(GIL)」為比喻:即便你可以同時啟動多個執行緒,但涉及架構理解或解決合併衝突時,工作必須取得唯一的鎖,而這個鎖就是你本人。
    根據「阿姆達爾定律(Amdahl’s Law)」,系統的加速比受限於無法並行化的序列部分。
    在 Agent 開發中,人類的「判斷力」就是那個無法並行的序列部分。
    盲目增加 Agent 數量並不會提升判斷速度,只會讓待處理的佇列(Queue)變長,導致瓶頸處的壓力過大。
    結構性限制與認知疲勞
    作者強調,單純的「努力工作」無法解決結構性限制。
    上下文切換成本:頻繁在多個 Agent 之間切換,會導致大腦不斷進行「冷重載(Cold Reload)」,這比 CPU 的微秒級切換更耗能且精確度更低。
    認知崩潰:當工作量超過負荷,人類會產生「認知投降」,為了應對壓力而草率審查程式碼,甚至直接接受 Agent 的輸出,這會導致技術債與認知債同時累積。
    架構化你的注意力
    為了避免被「忙碌感」欺騙,作者建議將注意力視為稀缺的序列資源進行架構設計:
    調整生產與消費速率:Agent 的數量(生產者)應與你的審查速率(消費者)匹配,實施「反壓(Backpressure)」機制,大多數人能同時處理的 Agent 數量應維持在個位數。
    任務分流:將任務分為「可委派的隔離工作」與「需要判斷力的複雜任務」。切勿嘗試並行處理複雜任務,那只會導致思緒混亂。
    批次審查:減少切換頻率,讓 Agent 的工作累積到一定程度後再進行批次審查。
    自動化驗證:讓 Agent 自行產生測試或螢幕截圖,將人類寶貴的注意力留給那 20% 真正需要判斷的決策。
    保護序列時間:有時最高效的策略是停止編排,關閉所有 Agent,專注於解決單一問題。
    結論:真正的技能在於系統設計
    作者總結,啟動 20 個 Agent 並非專業技能,真正的核心能力在於「圍繞著無法複製的序列資源(即你的注意力)」來設計系統。若系統不尊重人類的認知極限,最終將導致你對程式庫的理解完全過時,並在生產環境崩潰時付出慘痛代價。正如 Aja Hammerly 所言,架構能力是當前最重要的技能,而你本身就是該系統中最關鍵的組件。

    原文:https://easyvibecoding.app/curated/1610

    4 min
  • @Google:Google 推出 Ask YouTube 強化影片搜尋體驗。 核心功能 Google 正式發表「Ask YouTube」功能,旨在改變現有的搜尋模式。…

    Google 推出 Ask YouTube 強化影片搜尋體驗。

    核心功能
    Google 正式發表「Ask YouTube」功能,旨在改變現有的搜尋模式。使用者不再僅能獲得一連串的影片推薦清單,而是能透過對話方式提出複雜的搜尋請求,例如規劃加州海岸公路旅行,或是詢問教導孩童騎腳踏車的技巧。該系統會自動彙整 YouTube 龐大的影片庫(包含長影片與 Shorts),並產出具備互動性且結構化的回答,同時支援後續追問以精確化搜尋結果。
    實際影響
    這項更新將搜尋體驗從單純的「影片列表」轉向「知識整合」,試圖讓使用者更有效率地從影片內容中獲取資訊。目前該功能僅開放給美國地區的 YouTube Premium 會員使用,Google 表示未來將會逐步向所有使用者開放。

    原文:https://easyvibecoding.app/curated/1597

    2 min
  • @googlegemma:Google 推出 Coralboard 強化邊緣 AI 運算。 核心產品介紹 Google 宣布將於今年夏季正式推出「Synaptics Coralb…

    Google 推出 Coralboard 強化邊緣 AI 運算。

    核心產品介紹
    Google 宣布將於今年夏季正式推出「Synaptics Coralboard™」,這是一款專為邊緣 AI 設計的終端開發平台。該開發板內建 Coral NPU,專門用於加速裝置端的 AI 運算,讓開發者能快速進行原型設計、測試並部署各類智慧應用。根據官方展示,該平台具備多項先進功能:
    裝置端語音翻譯。
    透過自然語言控制硬體設備。
    結合視覺與聲音訊號進行音樂創作。
    技術架構與生態
    Coral 平台提供了一套完整的邊緣 AI 解決方案,結合了以 AI 為核心的硬體架構與統一的開發體驗。
    軟體開發者支援:可透過標準化的 MLIR 編譯器工具鏈與模擬器,將「PyTorch」、「JAX」或「LiteRT」模型無縫部署至各類裝置。
    硬體開發者支援:提供靈活的參考設計,並採用開放原始碼的 RISC-V 架構,協助開發者在客製化晶片上實現高效能且超低功耗的 AI 運算。
    硬體擴充性:開發套件支援隨插即用的攝影機、螢幕與音訊設備,並提供多元的連線選項,包含「Ethernet-over-USB」以及選配的 Wi-Fi 與藍牙模組。
    開發指引與資源
    為了協助開發者快速上手,Google 提供了完整的技術文件與資源,開發者可透過以下管道獲取資訊:
    平台總覽與詳細資訊請參考 Coral 官方網站。
    欲進行開發準備,請查閱 Coralboard 設定指南。
    針對初次使用,請依照下列步驟進行基礎配置:
    1. 準備並連接電源供應器。
    2. 連接必要的 I/O 設備(如攝影機、螢幕或音訊模組)。
    3. 參考隨附的機器學習範例進行實驗與測試。
    詳細的硬體規格與配置說明,可參閱官方提供的「Board datasheet」與「User guide」。

    原文:https://easyvibecoding.app/curated/1603

    3 min
  • @OpenAIDevs:OpenAI 推出多項企業安全管理功能,旨在強化企業私有 MCP Server 的整合與管理。 安全 MCP 隧道(Secure MCP Tunnel) …

    OpenAI 推出多項企業安全管理功能,旨在強化企業私有 MCP Server 的整合與管理。

    安全 MCP 隧道(Secure MCP Tunnel)
    OpenAI 推出了「安全 MCP 隧道」,讓企業能在不開放防火牆入站連接埠或將伺服器暴露於公用網路的情況下,將私有的 MCP 伺服器與 OpenAI 產品整合。
    運作機制:使用者需在內部網路執行 tunnel-client,該程式會透過僅限出站的 HTTPS 連線與 OpenAI 進行長輪詢(long-polling),將 MCP 請求轉發至本地伺服器,並將回應回傳。
    部署方式:支援 Kubernetes Sidecar、獨立部署或虛擬機等模式,只要該主機位於可存取私有 MCP 伺服器的信任邊界內即可。
    設定步驟:
    1. 前往 OpenAI 平台隧道設定 取得 tunnel_id。
    2. 準備具備「讀取」與「使用」權限的 API 金鑰,若需編輯隧道元資料則需「管理」權限。
    3. 執行初始化與啟動指令:
    `bash
    export CONTROLPLANEAPI_KEY="sk-..."
    tunnel-client init \
    --sample samplemcpstdio_local \
    --profile local-stdio \
    --tunnel-id tunnel_0123456789abcdef0123456789abcdef \
    --mcp-command "python /path/to/server.py"
    tunnel-client doctor --profile local-stdio --explain
    tunnel-client run --profile local-stdio
    `
    進階功能:包含名為「Harpoon」的內嵌 MCP 伺服器,可針對特定標籤的 HTTP 目標進行受限的呼叫,避免將整個網路暴露於代理服務中。
    工作負載身分聯合(Workload Identity Federation)
    此功能允許受信任的工作負載將外部發行的身分 token 交換為短效的 OpenAI 存取 token,從而減少長期 API 金鑰的分發需求。
    核心組件:包含工作負載身分提供者(Workload Identity Provider)、服務帳號映射(Service Account Mapping)以及 token 交換機制。
    配置與轉換:支援 OIDC 相容的 JWT,透過設定工作負載身分提供者來描述信任的發行者,並建立服務帳號映射以授權特定的外部 token 屬性來取得 OpenAI 存取權。
    安全性建議:建議為每個應用程式建立專屬的服務帳號,並確保僅授權必要的存取權限,同時透過組織擁有者權限進行配置管理。
    管理 API(Admin APIs)擴充
    OpenAI 擴充了管理 API,協助企業以程式化方式自動化組織管理流程,減少對儀表板的依賴。
    新增功能:
    - 專案模型權限:可設定模型白名單,控制專案可使用的模型。
    - 支出警示:針對專案設定支出門檻,當達到指定金額時發出通知。
    - 資料保留控制:可覆蓋或繼承組織層級的資料保留政策。
    - 工具控制:新增對檔案搜尋(file search)與網頁搜尋(web search)等功能的細粒度成本可視性控制。
    使用方式:開發者可透過官方 API 文件中的指引,利用程式化方式管理專案設定,無需依賴特定的環境變數名稱,僅需確保 API 金鑰具備對應的管理權限即可呼叫。
    這些更新顯示 OpenAI 正積極補足企業級應用所需的基礎設施,特別是在網路隔離、身分驗證與治理自動化方面,旨在讓企業能更安全地將內部工具與 Agent 整合。

    原文:https://easyvibecoding.app/curated/1605

    4 min