
Sign up to save your podcasts
Or


ChatGPT desktop pets 可在離開應用程式時追蹤聊天狀態並直接開始新聊天。
官方公告
操作方式 使用者可在 ChatGPT desktop app 設定中選擇寵物,或改用 Mini。兩者都提供相同的快捷操作與更新資訊;Mini 不呈現動畫寵物,並佔用較少螢幕空間。控制介面支援以文字或語音開始聊天,也能在使用其他應用程式時顯示活動狀態。
活動管理 官方文件說明,活動 tray 會依序優先顯示需要使用者輸入、遭到阻塞、準備就緒,以及正在執行的聊天,讓使用者從桌面狀態快速掌握對話進度。Pets 文件
使用者在聊天輸入框中輸入並送出 prompt 來清理今天的 1:1,隨後介面顯示「Starting your task」、「Thinking」並回報已完成該項任務。
適用範圍與限制 desktop pets 目前僅適用於 macOS 與 Windows;寵物的外觀不會改變 ChatGPT 完成任務的方式。官方公告未說明目前支援哪些桌面版版本與帳號。
使用者在聊天輸入框中輸入並送出 prompt 來清理今天的 1:1,隨後介面顯示「Starting your task」、「Thinking」並回報已完成該項任務。 影片中的 Prompt 與操作:
Prompt(00:04): 我需要專注。幫我清空我今天的 1:1 會議
原文:I need to focus. Clear my 1:1s today
操作步驟: 1. (00:00)點擊右上角新增 chat 圖示 2. (00:01)點擊聊天輸入框 3. (00:02)輸入「I need to focus. Clear my 1:1s today」 4. (00:05)送出 prompt 並觸發任務執行
原文:https://easyvibecoding.app/curated/3331-chatgpt-desktop-pets-track-chat-status-start-new-chats
Claude Tag(Enterprise/Team beta):調查 Slack 告警,合併部署須人工核准。
調查流程 Claude Tag 在 Slack 收到告警後,會: 拉取錯誤率與 p99 等指標; 比對 GitHub 最近的部署與 main 分支差異; 檢查 feature flag 變更; 在 staging 重現問題,整理可能原因與修復選項。
示範影片顯示,payments-api 錯誤率超過 2% 且持續 5 分鐘後,Claude 在 #inc-alerts 中展開調查。畫面中的方案包括關閉 flag,或將 resend worker 的 MAXINFLIGHT 設為 16;團隊成員選擇後,Claude 開啟 Pull Request,並等待 Lydia 審查。
人類核准 Claude Tag 可以提出修復並建立 PR,但示範流程明確保留人類決策:Lydia 核准後,PR 才合併並部署。畫面顯示錯誤率降至 0.3% 以下、p99 恢復正常,Claude 接著監控服務、解決告警,並把 postmortem 草稿分享至團隊頻道。
管理與範圍 Anthropic 表示,Slack 管理員可選擇 Claude Tag 能存取的頻道、工具、資料與程式庫,並限制組織及頻道的 token 用量、查看 activity log。它支援共享 Slack context、討論串、非同步工作、排程,以及啟用後的主動介入(ambient initiative);權限與記憶則限定在管理員指定的身分與頻道內。
產品狀態 Claude Tag 目前仍是 Enterprise 與 Team 客戶可用的 beta。這次示範呈現了單一 payments-api 事件的處理方式;資料未交代該流程在其他事故中辨識根因與提出正確修復的可靠度,也未列出重現完整 on-call 流程所需的具體整合與設定步驟。
Slack 頻道中的 Meterlane 錯誤告警與 Claude 針對 payments-api 錯誤率上升的自動化調查與修復流程
Slack 頻道中的 Meterlane 錯誤告警與 Claude 針對 payments-api 錯誤率上升的自動化調查與修復流程 影片中的 Prompt 與操作:
Prompt(01:04): 限制它,保持此功能開啟
原文:cap it, keep the feature on
操作步驟: 1. (00:14)點擊 Slack 頻道中的告警與 thread 2. (01:04)在 Slack 對話框中輸入指示並送出 3. (01:13)審查並核准 GitHub PR
原文:https://easyvibecoding.app/curated/3329-claude-tag-slack-alert-investigation-human-approved
Tibo 表示 Astra 三項品質問題已修復,並確認 9 月 12 日用量 reset 傳播完成。
原文:https://easyvibecoding.app/curated/3335-openai-fixes-astra-quality-issues-confirms-usage-reset
Anthropic 稱 Claude Code 協助葉門北部組織開發飛行武器 GNC 軟體,但無證據顯示武器成功部署。
報告範圍 這份 154 頁報告涵蓋 2025 年 12 月至 2026 年 8 月,聚焦七個領域: 網路攻擊 影響力行動 監控 詐騙與欺詐 生物學濫用 常規武器開發 非法模型蒸餾
Anthropic 強調,案例屬於值得注意或具新穎性的事件,不是一般濫用情況的基準樣本。官方表示已中斷報告所述的每項行動、強化安全防護,並在適當情況下與執法機關及其他 AI 公司分享資訊。完整報告見官方 PDF。
武器開發案例 Anthropic 指出,葉門北部一個未具名的威脅行動組織曾追求多種飛行武器,包括具末端導引能力的導引火箭、多階段彈道飛彈,以及 R2000 系列變體,其中包括高超音速滑翔載具;彈道飛彈聲稱的射程目標超過 2,000 公里。來源沒有將該組織歸因於 Houthi 或 Ansar Allah。
Claude Code 的用途 報告稱,相關人員以 Claude Code 取代部分人類軟體工程工作,開發能操控與穩定飛行載具的 GNC 軟體,具體工作包括: 在手機等級的飛控電腦上整合開源自動駕駛系統 撰寫飛控與位置估測程式碼、調整設定、建置韌體 執行飛行模擬、六自由度彈道軌跡模擬與強化學習調校 分析測試後遙測資料、校準模擬環境,並封裝獨立工具組 將程式撰寫、研究與審查工作分散到多個 Claude 實例
許多但不是全部的有害請求遭到阻擋;相關人員也被描述為隱藏意圖,並把工作拆分到不同工作階段。
證據邊界 Anthropic 表示,沒有證據顯示任何作戰裝置成功部署。該組織曾試射一枚導引火箭,火箭看似失敗,並在數小時內回到 Claude 分析故障。報告因此支持的是 AI 輔助 GNC 設計、模擬與測試分析,而不是 Houthi 部隊已透過 Claude 即時控制現役飛彈的說法;Anthropic 同時承認其對整體計畫的可見度有限,外部獨立證據是否能獨立佐證這些行動與 Claude Code 的介入,仍是核心未解問題。
原文:https://easyvibecoding.app/curated/3326-anthropic-claude-code-yemen-gnc-no-evidence-successful-fielding
Shopify 將行動 App 全面轉回原生開發,Shop 在 12 週內重建並上架。
轉向背景 Shopify 在 2020 年採用 React Native,獲得共用實作、擴大貢獻者參與及減少功能同步成本等效益。Shopify Engineering 在 2026 年 9 月 10 日宣布,旗下所有行動 App 將從 React Native 轉回 Swift 與 Kotlin。Shopify 表示,到了 2025 年底,coding agents 已能根據共用規格、測試與審查檢查點,在 iOS 與 Android 之間互相參照並轉譯實作,改變跨平台與原生開發的成本比較。Native 可更貼近平台能力與第一方工具,但仍需要 Native 專業能力,也必須分別維護兩個平台。Shopify Engineering:Native is now the future of mobile at Shopify
Shop app 遷移 這次不是逐步改寫,而是重新建立原生版本:一名工程師先用一週完成尚未用於正式上線的概念驗證,接著由六人核心團隊建立基礎與主要使用流程,再由功能團隊處理例外情境,最終在 12 週內完成商店發布。Shop app 遷移報告 的兩張完整官方表格,將冷啟動時間與發布檔案大小整理如下。Shopify 另回報 Android release build time 約降低 75%;穩定度與建置時間未混入表格,相關數據同樣屬 Shopify 自述。
Shopify Engineering 公布的冷啟動時間與發布檔案大小比較;為 Shopify 自行回報。
工作流程與限制 Shopify 使用 Helix、Pi、Tardis 組成的流程,把工作切成小型檢查點,搭配行為測試、視覺比對、事件對等檢查、對抗式審查與人工核准。Shopify 特別警告,若把整個 React Native 程式庫直接交給 LLM,產出的內容會難以維護;Native 工程師仍需防止重複實作、架構漂移與效能問題。
開源專案狀態 Shopify 正分別處理 React Native OSS 專案:Skia 預計贊助至 2026 年後再進行分支與改名,FlashList 將維持關鍵相容性並尋找維護承接方,Restyle 則規劃封存並支援至 2026 年。這些是轉移計畫,不代表每項交接都已完成;效能數據也屬 Shopify 回報,文章未完整交代硬體、版本與統計方法。
原文:https://easyvibecoding.app/curated/3325-shopify-rebuilds-shop-app-natively-launches-store-in-12
OpenAI 暫停 Pro USD 200 與 Pro 20X 新註冊升級,既有訂閱與 Astra、API 存取不受影響。
訂閱調整 OpenAI 表示,為保護現有使用者的 Astra 存取權,暫停最耗用系統資源的 USD 200 Pro 方案。根據 OpenAI 說明中心,暫停範圍包括從 Free、Go、Plus 或 Pro USD 100 升級至 Pro USD 200 或 Pro 20X;Pro USD 100 仍可升級,且其限制會立即生效。其他方案與 API 仍可使用。這項措施的結束日期尚未公布。
既有訂閱限制 現有 Pro USD 200 訂閱不受影響,會正常續訂。若使用者排程降級或取消,仍可使用方案至目前計費週期結束,也能在週期內反轉已排程的變更;但只要取消、降級、退款或續訂失敗使方案終止,在暫停解除前就無法重新購買 USD 200 Pro。這代表保留現有方案,比日後重新取得訂閱更具確定性。
Astra 與 API 範圍 GPT-6 Pro(亦稱 Astra)可在 Chat 中提供給 Pro USD 100、Pro USD 200、Business 與 Enterprise,但實際可用性受 workspace 權限影響;Plus 則可在 ChatGPT Work 與 Codex 使用 Astra。Astra 使用各方案的 Work 與 Codex 額度,具體帳號能否存取仍取決於權限與方案額度。
9 月 3、4、7 日針對符合資格的既有使用者所進行的 Astra banked 或自動 reset,與訂閱註冊暫停是兩件事。 usage-priced API access 不包含在這次訂閱暫停內,模型 API 仍依使用量計價。
影響判讀 @thsottiaux 引述 OpenAI 說法指出,公司正在增加容量;本次變更的核心不是全面撤下 Astra,而是限制高資源方案的新取得管道,同時保留既有 Pro USD 200 訂閱、其他方案及 API 的使用路徑。
原文:https://easyvibecoding.app/curated/3324-openai-pauses-pro-200-pro-20x-signups-upgrades
Devin Voice 上線:由 GPT-Live 與 SWE-2 驅動語音互動。
功能定位 Devin Voice 將原本以文字為主的 Devin 操作延伸到語音通話。官方公告附上示範影片,展示使用者與 Devin 進行語音互動。官方明確指出這項功能由 GPT-Live 與 SWE-2 驅動;影片只呈現互動流程,未提供模型路由或可靠性的額外證據。
一名講者透過電話與一隻大熊娃娃互動,演示 Devin Voice 的功能與互動過程。
操作方式 使用者可依照 Devin voice mode 文件 啟動功能:
點選 voice-call 控制項,並允許麥克風存取。 連線後,輸入的文字訊息會自動送出。 可將麥克風靜音或取消靜音,也可按住 Space 使用 push-to-talk。 可讓 Devin 暫停發聲、結束通話,並在通話期間瀏覽 Devin。 通話結束後,可在工作階段紀錄中回顧該次通話。
已知範圍 官方文件目前未公布模型內部運作方式、使用量限制,也沒有另列可用方案或地區的 availability matrix。因此,除了 app.devin.ai 的試用入口外,哪些方案、地區或分批開放對象能使用 Devin Voice,來源並未說明;語音工作階段的使用量上限與模型路由行為也沒有公開。
原文:https://easyvibecoding.app/curated/3323-cognition-launches-devin-voice-gpt-live-voice-interaction
OpenAI 推出 ChatGPT for Financial Services:整合 GPT-6 Astra,但不提供投資建議。
產品定位 ChatGPT for Financial Services 於 2026 年 9 月 10 日公布,與 Morgan Stanley、Evercore 合作設計,服務目前僅提供給符合資格的金融機構,需透過 sales 或 account teams 申請。它把 GPT-6 Astra 與金融資料結合,讓使用者處理研究與交易相關文件,而非提供投資建議。
資料與引用 服務內建並託管 Daloopa、PitchBook、LSEG News、Crunchbase 等 premium data,也支援既有授權整合:
S&P Capital IQ、LSEG、MSCI、Dow Jones Factiva、Moody's 可將數字與主張追溯到特定段落和表格,並預覽引用內容 支援建立文件、試算表、簡報與互動圖表
OpenAI 也表示已最佳化 MCP 支援,並提供超過 50 個 connectors;不過,特定客戶帳號實際可用的機構資格、資料集、connectors 與 rollout 條件,公告並未逐項說明。
企業工作流 使用者可以套用公司既有的 Excel、Word、PowerPoint 範本,產出可編輯的 financial models、研究筆記與 pitchbooks。管理員可發布公司範本與 style guides;企業控制功能則包括 SAML SSO、SCIM、RBAC、資料保留與稽核控制,以及 information barriers。OpenAI 表示,組織資料預設不會用於模型訓練。
ChatGPT for Financial Services 介面演示與操作流程
使用限制 Financial Services Terms 明確將產品定位為資訊工具,而非投資建議;輸出可能不準確、不完整、延遲或過時,使用者必須自行核對來源、日期、計算結果與交易價格。合作夥伴資料的條款也可能限制複製、下載、儲存、訓練、衍生、再散布、匯出與分享;資料涵蓋範圍與更新時間會因資料集和使用資格而異,匯出與分享功能不會擴大原有資料權利。官方影片與 GIF 只展示 premium data、引用預覽和 Office 範本輸出等工作流介面,沒有擴大機構資格或資料授權範圍。
介面輸入對話並展開 Connected financial data 與內建資料類別選單的畫面
游標停在帶底線的「evidence」文字上並展開引述卡片的介面
ChatGPT 輸入投影片指令後顯示可下載簡報與預覽的介面流程
ChatGPT for Financial Services 介面演示與操作流程 影片中的 Prompt 與操作:
Prompt(00:15): 我再一個小時就要見客戶了,需要能談論 Huron Consulting 這家公司。請給我一份公司概述,涵蓋我進去開會前必須了解的內容。
原文:I'm meeting a client in an hour and need to be able to talk about Huron Consulting. Give me a company overview covering what I need to know heading into this meeting.
Prompt: 你可以把這個輸出到 ppt 投影片上嗎?請在折線圖的相關重點上加上引出框(callout boxes),並在裡面加入針對圖表最重要的評論。
原文:Can you output this onto a ppt slide? Add the most important commentary to the chart in callout boxes pointing to the relevant points on the line chart
操作步驟: 1. (00:19)點擊 Financial data 下拉選單並勾選所需財經資料類別 2. (00:22)點擊送出按鈕 3. (00:45)點擊引文編號查看對應原文 4. 選擇簡報範本
介面輸入對話並展開 Connected financial data 與內建資料類別選單的畫面 影片中的 Prompt 與操作:
Prompt(00:02): 我一小時後要見一個客戶,需要能夠談論 Huron Consulting。
原文:I'm meeting a client in an hour and need to be able to talk about Huron Consulting.
Prompt(00:03): 我一小時後要見一個客戶,需要能夠談論 Huron Consulting。給我一份公司總覽,涵蓋我進去開會前
原文:I'm meeting a client in an hour and need to be able to talk about Huron Consulting. Give me a company overview covering what I need to know headi
Prompt(00:04): 我一小時後要見一個客戶,需要能夠談論 Huron Consulting。給我一份公司總覽,涵蓋我進入這次會議前需要知道的資訊。
原文:I'm meeting a client in an hour and need to be able to talk about Huron Consulting. Give me a company overview covering what I need to know heading into this meeting.
操作步驟: 1. (00:02)使用者輸入 prompt 並顯示模型設定為 GPT-6 Astra High 2. (00:05)點擊下方按鈕展開選單 3. (00:06)檢視 Connected financial data 與 Built-in financial data 4. (00:07)展開 Financial data 的細部資料選項列表
ChatGPT 輸入投影片指令後顯示可下載簡報與預覽的介面流程 影片中的 Prompt 與操作:
Prompt(00:01): 你可以把這個輸出到 PowerPoint 投影片上嗎?請在折線圖的相關重點處加上標註框,並為圖表加上最重要的評論
原文:Can you output this onto a ppt slide? Add the most important commentary to the chart in callout boxes pointing to the relevant points on the line chart
操作步驟: 1. (00:01)使用者在對話輸入框中輸入 prompt 2. (00:05)使用者點擊 Pitchbook 樣式範本 3. (00:06)使用者點擊產生之 .pptx 檔案的 Open in 按鈕以開啟預覽
原文:https://easyvibecoding.app/curated/3321-openai-chatgpt-financial-services-gpt-6-astra-not-investment-advice
Cognition 發布 SWE-2:公開自家評測中的效能與成本取捨。
公告中的比較結果來自 Cognition 的特定 harness 與任務定義,並非完整市場排名。
模型與訓練 SWE-2 以 Kimi K3 為基礎,採用成本感知獎勵函數與一次強化學習訓練,提供中等(medium)、高(high)與最高(max)三種推理強度。Cognition 宣稱 SWE-2 在領先評測中接近近期前沿模型,並在部分指定比較中降低成本;其中 medium 相較 SWE-1.7,平均互動輪次少 58%,平均成本低 81%。
FrontierCode 1.1 結果 Main 任務集包含 100 項任務,Extended 包含 150 項。三項評測的完整比較整理於下方繁中表格圖;精確成本則以 Cognition 公開資料檔為準。
Cognition 公布的三項程式開發評測比較;數據屬其指定測試與比較口徑。
來源:Cognition 官方完整 benchmark 表。
精確資料顯示,SWE-2 max 得分 0.5000、成本為 1.1761 美元;Fable 5.1 medium 得分 0.5091、成本為 3.2845 美元,前者在該 harness 中便宜 64.2%。對比 GPT-6 Astra max 的 0.5326 分與 4.4850 美元,SWE-2 max 便宜 73.8%。SWE-2 medium 得分 0.4309、成本 0.3712 美元,比 SWE-1.7 高約 1.1 個百分點,成本則低 81.2%。
評測方法與限制 FrontierCode 1.1 讓 Agent 使用可連網的 prompt,並依加權規準評分;verifier 失敗可能使結果歸零。一般 benchmark 每個 effort level 執行五次,但 SWE-2 的獨立 step 圖表每項任務執行三次,兩者不可混為一談。分數與成本均依 Cognition 的 harness 和任務定義計算,Cognition 也表示部分公開結果在可取得時予以沿用,其餘為內部 primary-harness 測量;Fable Max 與 Fable 5.1 Max 未列入,因此比較不是完整市場排名。
延伸數據與待解問題 DeepSWE 的精確結果介於 SWE-2 medium 的 0.6431 分、0.452 美元,以及 max 的 0.73 分、1.343 美元。這些數字能呈現 Cognition 宣稱的效能與成本取捨,但仍需觀察獨立評測者在不同 harness 與工作負載下能否重現結果;公告也未說明列出測量之外的可用性與正式生產定價。
原文:https://easyvibecoding.app/curated/3320-cognition-swe-2-frontiercode-cost-performance-tradeoffs
OpenAI 推出 Agents API 公開 beta,託管 Codex harness 管理雲端 Agent 執行流程。
一名講者正介紹 OpenAI 推出能處理基礎設施的 Agents API。
運作方式 Agents API 讓開發者設定工具,並在 OpenAI 託管或自行託管的沙盒之間選擇;OpenAI 負責 harness 的 orchestration、長時間 session、compaction 與 context management。這種分工把 Agent 的執行框架交給 OpenAI 管理,同時保留開發者對工具與執行環境的選擇。
展示內容 影片畫面示範以 capability directories 掛載 Datadog、GitHub plugin 與 investigation runbook,並展示多 Agent 協作調查部署事件的流程;其中畫面出現 maxconcurrentsubagents: 2,以及產生包含時間線、證據、建議處置與交接資訊的 PDF 報告。這些是展示流程中的設定與結果,不是公告文字另行承諾的產品規格。
資料處理效率 示範也比較直接呼叫工具與 Programmatic tool calling(PTC)處理大量日誌的差異:直接呼叫 get_logs() 將 5,000 筆記錄載入 model context,產生 170,126 個 Tool-result tokens;PTC 則先執行篩選,回傳 {"scanned": 5000, "matched": 42},畫面顯示只使用 11 個 Tool-result tokens。這反映 PTC 可先在工具端縮減資料,再把結果交給 Agent。
適用範圍與缺口 Agents API 已標示為 public beta,但提供內容沒有說明可用模型、配額、定價或 beta 申請規則。文件只列出 OpenAI-hosted 與 self-hosted sandboxes,未交代兩者詳細的安全性、生命週期或操作要求;因此這些部署差異仍須以正式文件與實際 beta 條件判讀。
原文:https://easyvibecoding.app/curated/3315-openai-agents-api-public-beta-hosted-codex-harness-cloud
From the publisher's feed