EasyVibeCoding Podcast

EasyVibeCoding Podcast

By EasyVibeCodingTechnology
Download on the App Store

All EasyVibeCoding Podcast episodes

  • @claudeai:Claude Code 推出 agent view 管理多 Agent。 Claude Code 於 2026 年 5 月 11 日發布 agent vi…

    Claude Code 推出 agent view 管理多 Agent。

    Claude Code 於 2026 年 5 月 11 日發布 agent view 功能,讓使用者在單一畫面管理所有 Claude Code 工作階段,避免以往平行執行 Agent 時需切換多個終端機分頁、tmux 網格或腦中記錄下一個任務的麻煩。現在,使用者可啟動新 Agent、送至背景執行,只在 Claude 需要時介入,並一眼掌握哪些 Agent 等使用者輸入、哪些仍在執行、哪些已完成,從而輕鬆駕馭多個 Agent。
    介面操作方式
    agent view 強化 CLI 中對 Claude Code 工作階段的可視化與互動。
    從任一工作階段按左箭頭鍵,或在終端機執行 claude agents,即可開啟 agent view。
    每行顯示工作階段名稱、是否需要輸入、最後回應內容,以及上次互動時間。
    選取工作階段可預覽最後一輪對話;若需決策,可內嵌回覆,工作階段即自動繼續;按 Enter 則直接附加至完整對話記錄。
    使用 /bg 將現有工作階段移至背景,或執行 claude --bg [task] 直接啟動新背景工作階段。
    開發者使用模式
    早期使用者已展現幾種模式:
    擴展並行工作階段數量:一次派發多個點子,每個可搭配特定技能,返回時檢視準備好審核的拉取請求(PR)清單。
    管理長時間執行 Agent:如 PR 看護者、儀表板更新器或其他循環任務,直接在清單顯示下次執行時間。
    工作階段間切換:工作階段中按左箭頭啟動相關任務或快速程式庫問題,右箭頭返回原處;預覽即顯示答案。
    掃描完成成果:每行狀態指示器加上預覽標題,輕鬆辨識產生 PR 的工作階段。
    實際應用示範
    YouTube 影片(https://youtu.be/-INveHwbRz4)展示真實情境:
    使用者輸入「the dashboard's slow - find what's actually expensive」,Claude Code 自動執行 SQL 查詢並用 EXPLAIN ANALYZE 找出瓶頸,耗時 240 毫秒。
    agent view 分為「Needs Input」(需要輸入)、「Working」(執行中)、「Completed」(已完成)區塊。
    任務如「dark-mode」需決定系統主題或明確切換開關;「release-notes」正在草擬;「perf-audit」與「payment-migration」顯示進度與剩餘時間。
    使用者輸入「review the other PRs and flag any issues」,新任務加入「Working」並開始程式碼審查。
    Agent 詢問 export 是否免速率限制,使用者回「no」並指示加入限制器。
    完成後移至「Completed」,如「test-coverage」從 61% 提升至 92%,PR #408 已合併。
    可用性與限制
    agent view 現為研究預覽版,適用 Pro、Max、Team、Enterprise 及 Claude API 付費方案。執行 claude agents 即可選擇加入,適用一般速率限制。詳見官方文件。
    Twitter 公告強調:Run claude agents 啟動多工作階段派發,各階段獨立運行不佔終端機分頁;一眼掌握運行中、等待中、完成狀態,可內嵌回覆解鎖或隨時進出而不失位置。僅限付費方案。
    此功能解決多 Agent 管理的痛點,讓開發者更高效駕馭平行任務,但作為研究預覽,仍受速率限制約束,使用者需留意文件更新。

    原文:https://easyvibecoding.app/curated/1293

    5 min
  • @OpenAI:OpenAI 推出「Daybreak」,整合最先進模型與安全夥伴加速網路防禦。 OpenAI 正式發布「Daybreak」,這是專為網路防禦者打造的前沿人…

    OpenAI 推出「Daybreak」,整合最先進模型與安全夥伴加速網路防禦。

    OpenAI 正式發布「Daybreak」,這是專為網路防禦者打造的前沿人工智慧工具,將最強大的 OpenAI 模型、Codex 以及安全夥伴結合,旨在加速網路防禦並持續保障軟體安全。這標誌著邁向未來安全團隊能以防禦所需速度運作的一步。
    核心目標
    「Daybreak」聚焦於讓網路防禦者更早發現並修復漏洞,從而切割安全積壓問題,並自動化安全偵測、驗證與回應流程。OpenAI 透過一系列推文強調,這能解決傳統安全團隊面臨的延遲與人力瓶頸,讓防禦行動更即時高效。
    關鍵功能
    更早發現與修復漏洞:透過整合 OpenAI 最先進模型與 Codex,使用者能在開發早期找出並修正安全弱點,避免問題延燒。
    切割安全積壓:直接應對安全團隊常見的 backlog 問題,提升整體效率。
    自動化安全流程:涵蓋偵測、驗證及回應的全端到端自動化,讓防禦不再依賴手動操作。
    願景與影響
    OpenAI 視「Daybreak」為網路防禦的轉捩點,強調它能讓安全團隊「以防禦所需的速度前進」。這不僅加速軟體安全保障,還代表人工智慧在資安領域的實戰應用,潛在改變企業與開發者的防禦策略。
    官方資源
    詳情請見 OpenAI Daybreak 頁面。

    原文:https://easyvibecoding.app/curated/1278

    2 min
  • @miramurati:Mira Murati 發布「interaction models」,從頭訓練全新模型原生支援即時互動,而非在輪流式模型上強加互動層。 Thinking …

    Mira Murati 發布「interaction models」,從頭訓練全新模型原生支援即時互動,而非在輪流式模型上強加互動層。

    Thinking Machines 公司推出「interaction models」研究預覽版,這是全新類別的模型,從頭訓練以原生處理即時互動,強調互動性應與智慧同步擴展,而非視為事後附加。Mira Murati 批評當前 AI 體驗像「停下說話後才開始的對話」,使用者被迫批次化思緒、像寫 email 提問、無法指向物件,介面不留空間給人類而迫使人類適應模型。
    現有 AI 協作瓶頸
    當前 AI 實驗室視自主性為首要能力,導致模型與介面未優化讓人類持續參與迴圈。雖然自主介面有價值,但真實工作中,使用者無法預先完整指定需求並離開;優質結果需透過協作流程,人類持續澄清與回饋。然而,人類正被介面擠出,不是工作不需要他們,而是介面無空間。Mira Murati 強調,人類最有效時應如與他人般與 AI 協作:傳訊息、說話、傾聽、見面、展示,並隨需插話——模型也應如此。
    現有輪流式(turn-based)介面限制嚴重:模型單執行緒體驗現實,使用者未完成輸入時模型等待,無感知使用者動作;模型生成中感知凍結,直至完成或中斷。這形成狹窄頻寬瓶頸,限制人類知識、意圖、判斷傳達至模型,也限制模型工作被理解。Thinking Machines 主張透過多模態即時互動解決此瓶頸,讓 AI 介面適應用戶,而非反之。
    與既有方法的差異
    多數 AI 模型用 harness 拼湊互動,模擬中斷、多模態或並行,但「bitter lesson」顯示手工系統將被通用能力進展超越。互動若要隨智慧擴展,必須內嵌模型本身;擴展模型將使其更聰明且更好協作。Thinking Machines 從頭訓練 interaction model,採用多串流、微輪次(micro-turn)設計,確保即時回應性,研究預覽展示全新互動能力,以及智慧與回應性的最先進綜合表現。
    核心能力解鎖
    將互動內嵌模型,解鎖無需 harness 實現的能力:
    無縫對話管理:模型隱式追蹤說話者是否思考、讓步、自訂正或邀請回應,無獨立對話管理元件。
    語言與視覺插話:依上下文即時介入,而非僅使用者說完。
    同時語音:使用者和模型可並行說話(如即時翻譯)。
    時間意識:模型直接感知經過時間。
    同時工具呼叫、搜尋與生成 UI:邊說話邊聽使用者,模型可並行搜尋、瀏覽網路或生成 UI,並適時織入對話結果。
    系統架構概述
    Interaction model 與使用者持續雙向交換,感知與回應同時進行。從頭建構原生此模式的模型,涵蓋音訊、影片、文字,核心為兩理念:時間意識 interaction model 維持即時存在感,以及非同步背景模型處理持續推理、工具使用、長視野工作。
    系統運作:interaction model 持續與使用者交換;任務需深度推理時,委託背景模型非同步執行。Interaction model 全程維持存在——回應追問、接收新輸入、維持脈絡——並將背景結果到達時整合進對話。此分割讓使用者同時享即時回應性與完整智慧:規劃、工具使用、Agentic 程式開發等,延遲僅如非思考模型。
    Interaction model 細節
    從連續音訊與影片起步——這些模態本質即時,文字可等。設計圍繞最難案例,先建多模態、時間意識架構,處理所有模態並行輸入輸出串流。
    時間對齊微輪次:以 200ms 輸入與 200ms 輸出的微輪次持續交錯處理,而非完整使用者輪次後完整回應。輸入輸出 token 視為串流,200ms 區塊實現近即時多模態並行。
    無編碼器早期融合:非經大型獨立編碼器處理音訊影片,而是最小預處理,所有元件從頭與 transformer 共同訓練。
    推論最佳化:推論時 200ms 區塊需頻繁小規模預填充與解碼,嚴格延遲限制;實作串流工作階段,避免頻繁記憶體重分配與中繼資料計算。
    訓練器-取樣器對齊:位元級 trainer-sampler 對齊有助訓練穩定與系統除錯。
    模型間協調:委託時傳送豐富脈絡包——非獨立查詢,而是完整對話;背景模型產生結果串流回,interaction model 依使用者當下動作適時交錯更新。
    安全考量
    即時互動對安全壓力不同於輪流交換,安全工作聚焦兩軸:模態適當拒絕(modality-appropriate refusals),以及長視野穩健性(long-horizon robustness)。
    基準表現
    名為 TML-Interaction-Small 的 interaction model 是首個兼具強大智慧/指令遵循與互動性的模型。用 FD-bench 測互動品質(少數專測互動基準之一),Audio MultiChallenge 測智慧與指令遵循,展示最先進綜合表現。
    全新互動維度
    既有互動基準未捕捉觀察到的質性躍進,Thinking Machines 初步工作量化這些,包括時間意識、同時語音、視覺主動性(Visual proactivity)。
    影片示範亮點
    YouTube 影片(https://youtu.be/A12AVongNN4)展示全雙工音訊視訊系統:即時串流輸入,邊對話邊回應。情境包括:
    AI 偵測畫面中人進入即說「朋友」。
    即時印地語翻譯成英文,介紹預覽模型簡化人-AI 對話,具網頁搜尋與工件(Artifacts)生成功能。
    回應人類感官反應時間查詢:觸覺約 150 毫秒、最快;聽覺 140-170 毫秒;視覺 180-250 毫秒,最慢。
    即時生成長條圖「Human Reaction Times by Modality」(觸覺、聽覺、視覺,縱軸毫秒)。
    解釋聽覺比視覺快因聲音訊號路徑更短直接。
    公司願景與立場
    Thinking Machines 創立以推進人-AI 協作,此為首個具體投注。Mira Murati 強調,與 AI 工作方式與其智慧同等重要;多數實驗室視自主為目標、互動為輪流核心周邊 scaffold,我們認為互動須內嵌模型,並隨智慧擴展而非落後。發布日期為 2026 年 5 月 11 日,詳見 官方部落格。此作法挑戰產業慣性,主張擺脫「人類適應 AI」的窘境,朝自然協作演進。

    原文:https://easyvibecoding.app/curated/1277

    8 min
  • @OpenAIDevs:Codex 透過插件加速 AI 應用與 Agent 開發。 OpenAI Developers 宣布 Codex 現可利用「OpenAI Develope…

    Codex 透過插件加速 AI 應用與 Agent 開發。

    OpenAI Developers 宣布 Codex 現可利用「OpenAI Developers plugin」搭配 OpenAI APIs,加速建構 AI 應用與 Agent;插件將技能、應用整合及 MCP 伺服器打包成可重複使用的 workflow,讓 Codex 擴展功能,例如安裝 Gmail 插件讀取管理郵件、Google Drive 插件跨 Drive、文件、試算表及簡報作業,或 Slack 插件摘要頻道或草擬回覆。
    插件核心組成
    插件可包含以下元素:
    Skills:特定工作的可重用指示,Codex 於需要時載入,遵循正確步驟並使用適當參考或輔助腳本。
    Apps:連結如 GitHub、Slack 或 Google Drive 等工具,讓 Codex 讀取資訊並執行動作。
    MCP servers:提供額外工具或共享資訊的服務,常來自本地專案外的系統。
    OpenAI 表示更多插件功能即將推出。
    插件安裝與使用途徑
    Codex 提供 App 與 CLI 兩種插件目錄瀏覽方式。
    在 Codex App 中,開啟「Plugins」即可瀏覽並安裝精選插件。
    在 Codex CLI 中,執行以下指令開啟插件清單:
    `
    codex
    /plugins
    `
    CLI 插件瀏覽器依 marketplace 分組,使用分頁切換來源、開啟插件檢視細節、安裝或解除安裝 marketplace 項目,按 Space 切換已安裝插件的啟用狀態。
    安裝與啟用插件步驟
    開啟插件目錄後,遵循以下流程:
    搜尋或瀏覽插件,開啟其細節頁。
    點選安裝按鈕;在 App 中選「+」或「Add to Codex」;在 CLI 中選 Install plugin。
    若插件需外部應用,依提示連動;部分插件安裝時要求認證,其他則首次使用時才驗證。
    安裝後,啟動新 thread 並指示 Codex 使用該插件。
    安裝後,可直接在 prompt 視窗使用插件,例如輸入任務描述讓 Codex 自動選擇工具,或明確指定插件。
    使用方式分兩種:
    直接描述任務:如「摘要今日未讀 Gmail threads」或「從 Google Drive 拉取最新發佈筆記」,讓 Codex 選擇合適已安裝工具。
    指定插件:輸入 @ 明確呼叫插件或其 skills,詳見 Codex app commands 及 Skills 文件。
    權限與資料分享機制
    安裝插件僅使 workflow 可用於 Codex,使用者既有 approval settings 仍適用;外部服務依其自身認證、隱私及資料分享政策運作。
    Bundled skills 安裝後立即可用。
    若含 apps,Codex 可能於設定或首次使用時提示在 ChatGPT 安裝或登入。
    若含 MCP servers,可能需額外設定或認證。
    Codex 經 bundled app 傳送資料時,適用該 app 的條款與隱私政策。
    移除或停用插件
    重新從插件瀏覽器開啟插件,選「Uninstall plugin」移除;這僅移除插件 bundle,bundled apps 仍留存 ChatGPT 中需手動管理。
    欲保留安裝但停用,在 ~/.codex/config.toml 設定為 enabled = false,然後重啟 Codex:
    `toml
    [plugins."gmail@openai-curated"]
    enabled = false
    `
    自建插件指南
    欲建立、測試或發佈自訂插件,參考 Build plugins 文件,涵蓋本地 scaffolding、手動 marketplace 設定、plugin manifests 及封裝指引。
    此插件系統強化 Codex 在 OpenAI APIs 生態中的實用性,讓開發者更快整合外部工具建構 AI 應用與 Agent,同時維持安全權限控制;OpenAI 強調插件的模組化設計,便於擴展與管理,預示更多功能即將上線。

    原文:https://easyvibecoding.app/curated/1282

    5 min
  • @neural_avb:Skill Curation for Self-Evolving Agents,清晰解析 Google 最新的論文介紹了 SkillOS,這是一個旨在透過…

    Skill Curation for Self-Evolving Agents,清晰解析

    Google 最新的論文介紹了 SkillOS,這是一個旨在透過學習管理自身「記憶」(以可重複使用的技能形式存在)來幫助 LLM Agent 進化的框架。
    也就是說:自動化地經歷 經驗 -> 記憶 -> 技能 的過程。
    SkillOS 將技能管理視為作業系統(OS)。
    它處理檔案,並組織與優化一個持久化的 SkillRepo。這個方法中最有趣的部分在於如何使用一個稱為 Curator(策展人)的可訓練模組來發現技能。(劇透:他們使用了 RL)
    本文解釋了 Google 的這篇 SkillOS 新論文。由 AVB(本人)撰寫,並在 Paper Breakdown harness 中獲得 GPT-5.5 的協助。
    你應該知道的 3 件事……
    Agent Executor(凍結):這只是一個「執行者」LLM,負責從 SkillRepo 中檢索技能來解決任務。它在訓練期間是「凍結」的,這意味著我們完全不會更新它的權重。它的效能提升純粹是因為為它提供了更好的技能。
    Skill Curator(可訓練):這是另一個 LLM,負責觀察 Executor 的軌跡並決定如何更新 SkillRepo。它可以執行諸如 Insert(新增技能)、Update(優化現有技能)或 Delete(刪除冗餘或無用技能)等操作。
    SkillRepo:一個以結構化 Markdown 檔案儲存的技能儲存庫。每個技能都包含名稱、描述、程式碼片段和使用指南,讓 Executor 易於理解與應用。
    你可能已經知道什麼是技能了。
    如果不知道,你可以從這篇 Anthropic 的原始文章了解技能:https://anthropic.skilljar.com/introduction-to-agent-skills/434525
    從最基本的意義上來說,技能只是延遲載入的 Prompt。
    它只是一個包含標題和描述的 YAML 或 MD 檔案。看起來像這樣:
    `markdown
    ---
    name: frontend-design
    description: techniques and instructions to write good UI code
    ---
    instructions:
    `
    想像一個目錄裡裝滿了這些涵蓋各種主題(frontend-design、programming-patterns、marketing-skills 等)的技能檔案。每個技能都寫在不同的 Markdown 檔案中,且每個技能都在標頭中包含名稱和描述。
    `
    (cmd) ➜ tree ~/.agents/skills
    ~/.agents/skills
    ├── copywriting
    │ ├── references
    │ │ ├── copy-frameworks.md
    │ │ └── natural-transitions.md
    │ └── SKILL.md
    ├── programming-patterns
    │ └── SKILL.md
    ├── frontend-design
    │ └── SKILL.md
    ├── marketing-psychology
    │ └── SKILL.md
    └── web-design-guidelines
    └── SKILL.md
    `
    你的 Agent harness(Claude Code、Codex 等)會在系統 Prompt 的頂部接收一份可用技能清單。當你要求它執行特定任務(例如「幫我為這個網頁建立 UI」)時,它會推斷在繼續處理你的請求之前,應該先完整閱讀 frontend-design 技能。接著 Agent 會執行檔案讀取操作(~/.AGENTS/skills/frontend-design/SKILL.md)並將完整的指令載入到它的 context 中。
    這篇論文的目標在於技能建立階段。產生清晰且可執行的指令,以提升 Agent 在特定任務中的效能。Curator LLM 負責執行維護技能儲存庫的任務。
    Executor Agent 被刻意保持簡單。它的表現與任何其他 harness 一樣——接收技能標頭作為輸入、任務請求,並透過工具呼叫讀取一個或多個技能。Google 對 Executor Agent 沒有任何貢獻——全部的重點都在於 Curator 和技能儲存庫。
    請注意,原始的 Anthropic 技能架構還包括資源檔案和可執行程式碼等內容。這些並非 Google SkillOS 工作的一部分,儘管他們確實提到未來有可能朝該方向發展。SkillOS 只學習技能中的文字/敘述部分。
    技能是如何有機地被發現的
    SkillOS 透過探索來學習技能/指令。廣義來說,LLM Agent 會進入環境中進行探索,然後我們將它的經驗提煉成指令和技能。
    讓我們拆解每個步驟,以清楚理解它是如何運作的。
    階段 1:Agent Executor 執行
    在建立任何技能之前,凍結的 Agent Executor 必須先嘗試解決任務 x。它透過以下方式進行:
    透過 BM25 關鍵字匹配 YAML 描述,從 SkillRepo 中檢索前 k 個最相關的現有技能。
    執行它與環境的多步驟互動,產生一條軌跡:軌跡是一系列觀察和動作的序列。
    在軌跡結束時,一個 LLM-as-a-Judge(一個獨立的 Qwen3-32B 模型)會判斷任務是否成功完成,並發出正確性訊號。
    這條軌跡、正確性訊號以及先前檢索到的技能 St,隨後會被交給 Curator。
    階段 2:Curator 輸入
    Skill Curator 接收一個包含四個關鍵資訊的結構化 Prompt:
    任務描述:Agent 試圖完成什麼。
    過去的技能:執行期間可用的先前檢索到的相關技能清單(名稱 + 內容)。
    Agent 軌跡:顯示發生了什麼的完整逐步追蹤。
    結果:Agent 是成功還是失敗。
    正如其系統 Prompt 中明確指出的,Curator 的角色是:
    「將 Agent 執行任務的過去經驗轉換為可重複使用、通用的技能,以便它們能造福並啟發未來的任務。」
    階段 3:Curator 輸出
    Curator 隨後會產生一系列結構化的函式呼叫。它是一個 ReAct(推理與行動模組),包含以下工具:
    newskillinsert
    建立一個全新的技能。Curator 提供:
    skill_name (string):人類可讀的識別碼
    content (string):技能的完整 Markdown 本體
    當軌跡揭示了一種尚未在 SkillRepo 中呈現的通用策略時,就會用到這個!在訓練初期,當儲存庫為空時特別有用。
    skill_update
    修改現有技能。Curator 提供:
    skill_name:要更新的技能的確切名稱(必須完全匹配!)
    new_name:如果需要重新命名
    new_content:完整的替換內容
    skill_delete
    透過 skill_name 刪除現有技能。
    當技能冗餘、誤導或已被取代時很有用。
    這是 Curator 的完整系統 Prompt
    每個技能都遵循簡單的格式:
    YAML Frontmatter(強制)
    `markdown
    ---
    name: <人類可讀的技能名稱>
    description: <一句話總結什麼/何時/為什麼/如何,簡潔且可執行>
    ---
    `
    description 欄位至關重要,因為它在檢索時被 BM25 用於將任務與技能進行匹配。它必須簡潔且可執行!
    Markdown 本體
    緊接在 frontmatter 之後。建議的章節包括:
    Workflow(工作流程):逐步指令
    When NOT to use(何時不該使用):避免錯誤應用的負面條件
    其他章節,如實作範例、公式或邊緣案例
    這是一個技能範例。
    Curator 被明確指示要遵守這些規則:
    無特定細節:移除特定的數字/名稱,替換為變數/概念
    無幻覺:僅包含實際軌跡所支持的事實
    原子化與模組化:每個技能必須是獨立的,且能單獨重複使用
    可執行:本體必須提供具體指導,而非模糊的建議
    這很好,但我們該如何提升技能呢?
    這就是 RL 發揮作用的地方。我們透過在成功的技能上給予獎勵,來訓練 Curator 編寫更好的技能。
    Curator 的訓練迴圈是 SkillOS 技術上最複雜的部分。它解決了一個本質上困難的 RL 問題:你如何透過另一…

    5 min
  • @karpathy:Karpathy 建議 LLM 以 HTML 結構輸出回應。 HTML 輸出技巧 Karpathy 分享實用提示:在查詢結尾要求 LLM「以 HTM…

    Karpathy 建議 LLM 以 HTML 結構輸出回應。

    HTML 輸出技巧
    Karpathy 分享實用提示:在查詢結尾要求 LLM「以 HTML 結構你的回應」("structure your response as HTML"),然後在瀏覽器中開啟生成的檔案,即可獲得優異效果。他也成功讓 LLM 以投影片(slideshows)等形式呈現輸出。這不僅比純文字更易讀,還能帶來更多彈性。
    人類與 AI 偏好模態
    Karpathy 認為,音訊是人類偏好的 AI 輸入方式,但視覺(圖像、動畫、影片)則是 AI 偏好的輸出方式。人腦約三分之一是大規模平行處理的視覺專用處理器,宛如通往大腦的「10 車道超高速公路」。隨著 AI 進步,溝通介面將循序演進:
    原始文字(閱讀艱辛費力)
    Markdown(粗體、斜體、標題、表格,稍易於眼睛閱讀)← 目前預設
    HTML(仍有底層程式碼的程序性,但圖形、版面配置甚至互動性大增)← 早期階段,但正形成新預設
    ...4,5,6,...
    n. 互動神經影片/模擬
    未來願景與技術推測
    Karpathy 預測,這條演進路徑最終將止於「擴散神經網路直接生成的互動影片」。雖然技術尚未成熟,仍有諸多開放問題:如何將精確的「Software 1.0」人工製品(如互動模擬)與神經人工製品(如擴散網格)交織?但方向類似近期爆紅的影片示範,例如 zan2434 的 X 貼文 。
    輸入端改進需求
    輸入端也需進化,單一音訊、文字或影片皆不足。Karpathy 指出,他常需像與身旁真人互動般,在螢幕上指點或手勢比劃事物。這反映人類與 AI 間的「心靈融合」(mind meld)仍在進行,有大量工作待做、重大進展可期,遠早於 Neuralink 式腦機介面(BCI)。
    回應與共鳴
    Thariq (@trq212) 回覆 Karpathy,表示很高興這技巧對他有效,並同意人類與 Agent 間溝通頻寬仍有極大提升空間。先進模型需擴增更多輸入/輸出模態,但更重要的是發揮創造力,在此領域有更多發揮餘地。
    TL;DR 熱門建議
    Karpathy 總結:人類與 AI 的輸入/輸出融合正持續推進,短期內可試著要求 LLM 輸出 HTML,大幅改善體驗。

    原文:https://easyvibecoding.app/curated/1276

    4 min
  • @claudeai:Claude Platform on AWS 正式一般可用。 Anthropic 宣布 Claude Platform on AWS 於 2026 年 5 月 …

    Claude Platform on AWS 正式一般可用。

    Anthropic 宣布 Claude Platform on AWS 於 2026 年 5 月 11 日正式一般可用,讓 AWS 使用者透過 AWS 認證、計費與承諾抵銷,存取完整的 Claude API 功能集,所有新功能與 beta 版本將與原生 Claude API 同日上線。Claude 同時維持在 Amazon Bedrock 的可用性,由 AWS 負責資料處理。

    主要特色與工具

    Claude Platform on AWS 提供原生平台功能,讓使用者大規模建置與部署 Agent,包括以下 beta 與正式功能: Claude Managed Agents(beta):用於大規模建置與部署 Agent。 Advisor strategy(beta):透過諮詢 advisor 模型,提升 Agent 智慧。 Web search 與 web fetch:以網際網路即時真實資料擴充 Claude 知識。 Code execution:直接在 API 呼叫中執行 Python 程式碼、建立視覺化與分析資料。 Files API(beta):上傳並跨對話參照文件。 Skills(beta):教導 Claude 最佳實務,確保一致結果。 MCP connector(beta):無需撰寫客戶端程式碼,即連結至任意遠端 MCP 伺服器。 Prompt caching:降低重複脈絡的成本與延遲。 Citations:將回應錨定於來源文件。 Batch processing:處理高容量、非同步工作負載。

    使用者也可存取 Claude Console,這是 Anthropic 的開發環境,內含 prompt improver、prompt generator 與評估工具。目前支援 Claude Opus 4.7、Sonnet 4.6 與 Haiku 4.5,新模型上線時將同步提供。

    AWS 整合與運營模式

    認證透過 AWS IAM 執行,稽核記錄經 CloudTrail 處理,計費整合至單一 AWS 發票,並可完全抵銷既有承諾。使用者僅需使用現有 AWS 憑證與 IAM 政策,無需離開既有工具與權限管理框架。服務涵蓋大多數 AWS 商業區域,並支援全球與美國推論地理位置。

    Anthropic 獨立運營此服務,資料處理發生在 AWS 邊界外,這是 Anthropic 的首項此類產品,提供從第一天起完整的原生 Claude API 體驗。

    與 Amazon Bedrock 的比較

    Claude Platform on AWS 與 Claude on Amazon Bedrock 皆讓 AWS 使用者建置 Claude 模型,但運營與功能有別: Claude Platform on AWS:Anthropic 運營,資料在 AWS 邊界外處理,適合追求完整 Claude Platform 體驗的公司。 Claude on Amazon Bedrock:AWS 作為資料處理者,運營在 AWS 邊界內,適合有嚴格區域資料駐留需求或須完全依賴 AWS 基礎設施的公司。

    兩者皆支援建置 Agent 等功能,但 Claude Platform on AWS 從當日即提供所有原生功能與 beta。

    啟用步驟與注意事項

    服務今日即可使用。開始使用請造訪 Claude Platform on AWS 或瀏覽文件。若擁有既有 Bedrock 私人優惠,請先聯繫 Anthropic 或 AWS 帳戶經理,確保折扣正確套用;折扣無法追溯適用於接受 Claude Platform 私人優惠前已發生的使用量。

    此發布強化 AWS 使用者在 Claude 生態的選擇彈性,強調 Anthropic 對原生功能的即時同步承諾,同時保留 Bedrock 作為資料處理選項,滿足不同合規與運營需求。

    原文:https://easyvibecoding.app/curated/1287

    5 min
  • @OpenAI:OpenAI 推出 Deployment Company 協助企業部署 AI。 OpenAI 於 2026 年 5 月 11 日宣布成立「OpenAI D…

    OpenAI 推出 Deployment Company 協助企業部署 AI。

    OpenAI 於 2026 年 5 月 11 日宣布成立「OpenAI Deployment Company」,這是 OpenAI 大多數擁有並控制的新公司,旨在幫助組織建構並部署可靠的 AI 系統,用於日常核心業務。該公司透過嵌入「Forward Deployed Engineers」(FDE,前沿 AI 部署工程師)至客戶團隊,重新設計組織基礎設施與關鍵工作流程,實現 AI 的商業影響力。
    公司架構與夥伴
    OpenAI Deployment Company 由 OpenAI 主導,與 19 家全球領先投資公司、顧問公司及系統整合商組成夥伴關係,由 TPG 領軍,Advent、Bain Capital 及 Brookfield 為共同領軍創始夥伴;B Capital、BBVA、Emergence Capital、Goanna、Goldman Sachs、SoftBank Corp.、Warburg Pincus 及 WCAS 為創始夥伴。投資夥伴還包括 Bain & Company、Capgemini 及 McKinsey & Company 等顧問與系統整合公司,該公司將與 OpenAI 的「Frontier Alliance」夥伴及產業生態緊密合作,推動全球 AI 採用與變革管理。(OpenAI Deployment Company 公告)
    收購 Tomoro 強化即刻部署
    OpenAI 同意收購應用 AI 顧問與工程公司 Tomoro,此交易將從首日注入約 150 名經驗豐富的 Forward Deployed Engineers 及部署專家至 OpenAI Deployment Company。Tomoro 團隊擁有在複雜企業環境中建構即時 AI 系統的深厚經驗,曾為 Tesco、Virgin Atlantic 及 Supercell 等公司處理關鍵工作流程,涵蓋可靠性、整合、治理及可衡量的商業影響。收購需經慣例成交條件,包括相關監管核准,預計數月內完成。此舉加速 OpenAI 協助客戶從用例選擇轉向生產部署,將 OpenAI 模型連結客戶資料、工具、控制及核心業務流程。
    初始投資與使命擴張
    公司以超過 40 億美元初始投資啟動,用於擴大營運並收購能加速使命的企業,確保人工通用智慧(AGI)惠及全人類。由於 OpenAI 大多數擁有與控制,客戶無論與 OpenAI 或 Deployment Company 合作,皆享有統一體驗。OpenAI 自創立之初即定位為研究與部署公司,過去數年超過 100 萬家企業採用其產品與 API,凸顯部署挑戰:隨著模型能力提升,企業需將 AI 應用至更大、更關鍵的營運部分。
    部署重要性與挑戰
    部署成功在於賦能人員與團隊,OpenAI Deployment Company 延展 OpenAI 能力,將 FDE 嵌入處理複雜問題的高需求環境組織。這些工程師與業務領袖、營運者及前線團隊密切合作,辨識 AI 最大影響點,重新設計工作流程,並轉化為持久系統。企業 AI 下階段將由有效部署至真實用例定義,OpenAI 與 Alliance 夥伴生態需協助企業因應此轉變。
    典型參與流程
    OpenAI Deployment Company 的典型參與從聚焦診斷開始,評估 AI 最大價值所在,接著與客戶領導及營運團隊選定少數優先工作流程。FDE 隨後嵌入組織內,設計、建構、測試並部署生產系統,將 OpenAI 模型連結客戶資料、工具、控制及業務流程,讓團隊可靠應用於日常工作。
    建構未來導向系統
    作為獨立業務單位,OpenAI Deployment Company 發展所需營運模式、節奏及客戶導向,同時作為 OpenAI 延伸,緊連研究、產品及內部部署團隊。此連結為主要優勢:FDE 可建構適應 OpenAI 前沿能力發展的系統,客戶從首日加速前進,投資持久系統,並透過預見性能力領先競爭者。FDE 與業務、科技領袖、營運者及前線團隊合作,從基礎重思關鍵營運、流程及工作流程,從高價值 AI 機會轉向生產系統,交付可衡量成果。
    夥伴資源與規模擴張
    投資與顧問夥伴贊助全球超過 2,000 家企業,顧問與整合夥伴服務數千家,涵蓋各產業、規模及工作流程,提供廣闊視野辨識 AI 價值與可擴展部署模式。私募股權贊助商帶來重複性經驗,協助投資組合執行營運轉型與變革管理,補足 OpenAI 技術、產品及前沿 AI 部署專長。結合 OpenAI 對前沿 AI 方向的洞察,與夥伴的大規模轉型實務,加速學習、泛化有效解決模式,並推廣至經濟各領域。
    領導者觀點
    「人工智慧正能於組織內執行日益有意義的工作。當前挑戰是協助企業將這些系統整合至驅動業務的基礎設施與工作流程。DeployCo 設計用以彌補此差距,將 AI 能力轉化為真實營運影響。」—— OpenAI 首席營收官 Denise Dresser。
    此舉反映 OpenAI 從模型建構轉向全面部署策略,強調研究僅為部分,真實影響來自安全、有效且大規模的使用,透過 Deployment Company 及生態夥伴,推動企業重塑工作流程,實現 AI 於生產環境的持久價值。

    原文:https://easyvibecoding.app/curated/1286

    7 min
  • @dotey:機器人的終局:NVIDIA Jim Fan 宣告 VLA 時代結束,WAM 登場 Jim Fan 是 NVIDIA 機器人與 AI 研究組(GEAR La…

    機器人的終局:NVIDIA Jim Fan 宣告 VLA 時代結束,WAM 登場

    Jim Fan 是 NVIDIA 機器人與 AI 研究組(GEAR Lab)負責人,過去幾年主推的 GR00T 人形機器人基礎模型用的是 VLA(Vision-Language-Action,視覺-語言-動作)架構。他剛在 Sequoia AI Ascent 2026 上做了一場 20 分鐘的演講,主題叫《Robotics' End Game》,第一件事就是宣布 VLA 路線過時——包括他自己半年前還在推的 GR00T。
    取而代之的新範式叫世界動作模型(WAM,World Action Models),代表作是 NVIDIA 2 月發布的 DreamZero。他把這套思路叫「底層同構」:複製 LLM(Large Language Model,大型語言模型)走過的三步(預訓練→對齊→強化學習),用影片世界模型替代語言模型,用人類第一人稱影片替代遙操作資料,最終在 2040 年前讓機器人自己設計和製造下一代自己。他對此有 95% 的把握。
    演講來源:Sequoia Capital AI Ascent 2026,2026 年 4 月 30 日發布。
    原影片:https://www.youtube.com/watch?v=3Y8aq_ofEVs
    要點速覽
    VLA 路線落幕:Jim 公開宣告 VLA 路線過時,新範式叫世界動作模型(WAM),代表作是 DreamZero(140 億參數)。
    告別遙操作資料:遙操作物理上限低,預測一兩年內降到接近 0,被傳感化人類資料取代。
    神經縮放定律:EgoScale 用 21,000 小時人類第一人稱影片預訓練,團隊發現了靈巧操作的神經縮放定律(R² = 0.998)。
    神經仿真器:Dream Dojo 用 44,000 小時人類影片訓練出一個完全繞過物理引擎的神經仿真器。
    終局倒數:給出 2040 年完成機器人終局的預測(物理自動研究),置信度 95%。
    從 DGX-1 簽名到「底層同構」
    Jim 用一段往事開場。2016 年夏天,就在 OpenAI 當時的辦公室,黃仁勳穿著標誌性皮夾克,抱著一塊大金屬托盤走進來,上面寫著:「致 Elon 和 OpenAI 團隊,致計算和人類的未來。」那是全球第一台 DGX-1。
    Jim 當時是 OpenAI 的第一個實習生,趕緊排隊去上面簽了名。「那時候我完全不知道自己在簽什麼。」旁邊一起簽的還有 Andrej Karpathy。這台機器現在在 Computer History Museum 收藏。Jim 補了一句,說自己感覺像恐龍一樣老了。
    註:Jim Fan(范麟熙)是 NVIDIA 機器人與 AI 總監、傑出科學家,領導 GEAR Lab 和 GR00T 人形機器人專案。2016 年在 OpenAI 實習時的導師是 Ilya Sutskever 和 Andrej Karpathy,後在 Stanford 跟隨李飛飛(Fei-Fei Li)讀完博士。
    這個故事是為了引出他的核心框架。他引了 Ilya 那句「你信深度學習,深度學習就信你」,然後說 LLM 只用三次階躍、六年時間就走到今天:GPT-3 的預訓練,InstructGPT 的監督微調,o1 風格的強化學習,再到自動研究。
    於是他做出了一個決定:抄作業,換個名字,叫「底層同構」(the Great Parallel)。把「模擬字串的下一個狀態」換成「模擬物理世界的下一個狀態」,透過動作微調收斂到機器人需要的那部分,最後讓強化學習走完最後一哩路。
    打不過就加入。
    (「If you can't beat them, join them.」)
    VLA 怎麼了:參數都堆在了語言上
    過去三年,機器人領域的主流架構是 VLA(Vision-Language-Action,視覺-語言-動作模型)。NVIDIA 自家的 GR00T 和 Physical Intelligence 的 π0 都屬於這個類別。
    Jim 指出了結構性問題:其實這些模型該叫 LVA,因為參數大頭全堆在語言上了。語言是一等公民,視覺次之,動作只能墊底。
    VLA 擅長編碼知識和名詞,不擅長物理和動詞。重心放在了不對的地方。
    他舉了 RT-2 原始論文裡那個經典 demo:讓機器人把可樂罐推到 Taylor Swift 的照片旁邊。模型沒見過 Taylor Swift,但能泛化過去。問題是,泛化的是名詞(能認出 Taylor Swift),而不是動詞(該怎麼推、找什麼角度、用多大力)。
    從 AI 垃圾影片到 DreamZero
    VLA 不是答案,那下一個預訓練範式是什麼?結果發現是影片模型,它們在內部學會了模擬物理世界的下一個狀態。
    怎麼把這些世界模型變有用?做動作微調。把「所有可能的未來」這種疊加態,收斂到一條對真實機器人有意義的動作軌跡上。
    NVIDIA 的答案叫 DreamZero。這是一種新型策略模型,在執行動作之前先往未來「做夢」幾秒鐘,然後根據夢境行動。DreamZero 同時解碼下一幀畫面和下一步動作。在這裡,視覺和動作第一次真正成為了「一等公民」。
    Jim 坦率地承認 DreamZero 目前做不到每個任務都 100% 可靠。「它大概相當於 GPT-2 的階段,方向對了,但表現還不夠穩定可靠。」他給這個新架構起名叫 WAM(World Action Models,世界動作模型)。
    為我們親愛的 VLA 默哀片刻。它已完成了歷史使命。安息吧。世界動作模型萬歲。
    註:DreamZero 論文(arXiv 2602.15922)2026 年 2 月發布,140 億參數,基於 Wan2.1 影片擴散模型。它有一個關鍵限制:14B 模型必須經過 38 倍系統級優化加 GB200 硬體,才能把閉環控制壓到 7Hz,部署門檻極高。
    資料革命:從遙操作到「機器人不用參與的資料採集」
    過去三年是遙操作(teleop)的黃金時代。但遙操作有一個硬上限:每台機器人每天 24 小時。
    「我說一天 24 小時,那是騙自己的。實際一天能幹 3 小時就不錯了,還得看當天的『機器人之神』賞不賞臉——畢竟這幫機器天天鬧脾氣出毛病。」
    怎麼破局?把機器人的末端執行器直接戴在人手上,直接採集資料,完全繞過機器人本體。
    NVIDIA 方案是 DexUMI,一種外骨骼裝置。用外骨骼資料訓練出的機器人策略可以完全自主運行,訓練資料裡沒有任何遙操作資料。
    機器人很開心,因為它們終於不用參與資料採集了。
    EgoScale:21,000 小時人類影片和縮放定律
    NVIDIA 推出了 EgoScale:99.9% 的訓練資料來自人類第一人稱影片(egocentric video)。
    預訓練用了 21,000 小時的野外人類資料,零機器人資料。動作微調階段僅僅用了 50 小時的高精度動捕手套資料,外加 4 小時遙操作資料——加起來連訓練總量的 0.1% 都不到。
    最重要的發現是:靈巧操作的神經縮放定律。預訓練投入的算力小時數與最優驗證損失之間,存在一條極其清晰的對數線性關係,R² 達到了驚人的 0.998。
    Jim 把所有資料策略的擴展性放在了一起:遙操作在最不可擴展的角落;第一人稱影片如果能轉動 FSD(Full Self-Driving,完全自動駕駛)式的資料飛輪,一年內能到 1000 萬小時。
    Dream Dojo:不用物理引擎的神經仿真器
    機器人領域也需要花大錢買幾百萬個程式開發環境做強化學習(RL),但直接用真機(real-to-sim-to-real)不夠。
    進一步的方案是 Dream Dojo:不搞物理引擎那一套,直接把影片世界模型變成一個完整的神經仿真器。輸入是連續動作訊號,即時輸出下一幀 RGB 畫面和感測器狀態。沒有物理方程式,沒有圖形引擎,完完全全是資料驅動的。
    你看到的畫面裡沒有一個像素是真實的。
    「現在算力等於環境等於資料。或者用某位智者的話:買得越多,省得越多。這條訊息已獲得我老闆批准。」
    終局路線圖:2040 年前的三個成就
    Jim 把機器人的剩餘路徑類比成了必須解鎖的三個科技樹成就:
    物理圖靈測試:2-3 年內,你分不出執行任務的是人還是機器人。
    物理 API:用軟體和大型模型編排機器人配置,建造「暗工廠」和自動化科學實驗室。
    物理自動研究:機器人開始自己設計、改進並製造出下一代機器人。
    至於時間表,他類比 AI 從 AlexNet(2012)到 Agent(2026)用了 14 年。再加 14 年,正好是 2040 年。
    我們這一代人,生得太晚,沒趕上大航海時代去探索地球;…

    5 min