EasyVibeCoding Podcast

EasyVibeCoding Podcast

By EasyVibeCodingTechnology
Download on the App Store

EasyVibeCoding Podcast episodes

  • Agentic 程式開發如今進入多人協作時代:介紹 Slack Code

    Agentic 程式開發如今進入多人協作時代:介紹 Slack Code

    AI 程式開發如今已是團隊運動。Code 頻道讓軟體開發走出私人的分頁,讓團隊與 Agent 能夠公開地一起撰寫、審查並交付程式碼。
    Slack 是 Agent 成為隊友的地方
    我們正處於一波改變人們建構與工作的程式開發熱潮中。Claude Code、Claude Tag、Cognition 的 Devin、GitHub Copilot、ChatGPT 與 Vercel agents 等程式開發 Agent,讓撰寫與交付程式碼變得前所未有地快速且容易取得。現在的挑戰,是把你正在建構的內容,連結到團隊正在進行的對話,並全部放在同一個介面中。
    目前,個人與 Agent 在 Slack 以外進行的工作,對其他人而言都是不可見的。對話與工具之間會遺失 context,審查往往延後進行,而每次交接都會拖慢進度。問題就在這裡:優秀的程式碼不該只存在於沒有 context 的私人對話中。Slack 本來就是 context 所在的地方,也是團隊與 AI 一起工作的地方。有了 Slack Code,Slack 也會成為團隊共同開發程式碼的地方。
    最具創新力的公司很早就發現了這點:最適合建構事物的地方,就是公開的環境。他們把開發工作移進 Slack,因為當工作變得可見時,知識就會持續累積。團隊學得更快、行動更快,也能交付更好的產品。Slack Code 將這個「公開建構」的原則帶給所有人。
    程式開發 Agent 改變了個人的建構方式。現在,Slack Code 改變了團隊的建構方式。把複雜、需要多輪互動的 Agent 工作硬塞進標準執行緒,只會製造雜訊;讓開發人員躲回私人的瀏覽器分頁,則會失去讓團隊有效運作的關鍵:共享 context。Slack Code 為團隊提供專屬空間,讓大家能在 Slack 中,針對特定的程式開發工作階段或專案,與 Agent 一起工作。
    認識 Slack Code
    工作預設會公開進行,因此 context 與知識能在人與人之間、以及人與 Agent 之間傳遞。AI 開發成為一種多人協作活動。Code 頻道專為擴展 Agent 工作而設計,這是執行緒與公開頻道做不到的,因為 Code 頻道是以產出為核心打造的。呈現出來的不只是訊息——還有直接在 Slack 中建構的可運作程式碼、原型與文件。
    有了 Slack Code,當你有一個想法,或需要建構新功能、更新網頁或修正錯誤時,只要標記 Claude Tag 或 ChatGPT 等程式開發 Agent,系統就會建立一個 Code 頻道來處理工作。頻道中的所有人都能看見對話、審查程式碼差異、檢視即時預覽、提供回饋,並在程式碼正式交付前核准工作。不需要專用工具,也不用離開 Slack。
    Slack Code 將 AI 開發直接帶進 Slack,改變我們建構與工作的方式。Code 頻道是 Slack 中第一個專門為人們與 Agent 一起協作開發軟體而打造的空間。它天生支援多人協作,而且所有人都能使用。此外,它也讓開發人員、PM、設計師與非技術背景的團隊成員,和 Agent 一起待在同一個共享 workspace 中,讓軟體從想法到正式交付的建構過程,不再只是工程師的工作。沒有其他平台能同時提供開放生態系,以及讓人類與 Agent 同時共同工作的多人協作程式開發環境。
    Code 頻道包含哪些功能?
    以專案為基礎的 Code 頻道: 每個 Code 頻道都對應一個專案,因此內容能維持聚焦且整齊。需要時保持啟用,不需要時自動封存。
    自動建立與封存頻道: 從任何對話中標記程式開發 Agent,系統就會建立一個 Code 頻道來處理工作。工作完成後,頻道會自動封存,但紀錄仍會保留,作為稽核記錄。
    完整可見性與專屬分頁: 頻道中的所有人都能即時追蹤工作進度:對話、計畫、程式碼差異與即時預覽,分別位於各自的分頁中。
    程式碼差異: 精確查看哪些內容發生變更——舊行會以刪除線標示,新行則顯示在旁邊。這就是工程師一直依賴的相同審查方式,如今不再埋藏於獨立工具中,而是對整個頻道開放。
    預覽: 即時觀看實際的 HTML 輸出,讓團隊能在正式交付前找出任何問題。
    彈性 API: 依照組織的工作方式調整 Agent 行為——自動佈建帳號、驗證使用者、將部分工作流程自動化等。
    只有當 AI 成為團隊實際工作方式的一部分,而不是人們獨自到另一個分頁處理的東西時,AI 才能創造價值。Code 頻道將這些工作帶到公開環境,讓團隊其他成員看見、塑造並在其基礎上繼續建構。
    Rob Seaman
    Slack、Salesforce 執行副總裁暨總經理
    每個人都能成為建構者
    軟體開發已從個人在終端機中撰寫程式碼,演進到單人 AI Copilot,再進入透過 Slack Code 進行多人協作的程式開發。團隊與 Agent 不必再不斷切換工具,而是能在專屬 workspace 中公開地一起規劃、建構與迭代。
    舉個例子:產品經理在頻道中看到一則錯誤回報。PM 不必等待工程師,而是請程式開發 Agent 協助規劃修正方案。Agent 會建立一個 Code 頻道,檢視既有的對話 context、截圖與已分享的文件,並提出程式碼。PM 再邀請工程師檢查差異、執行預覽,並讓 Agent 獲准開啟 PR、合併至正式環境。不需要建立工單、不需要開會、不需要等待——直接完成修正並交付。
    改變的是,誰有機會參與建構。由於工作發生在大家已經使用的工具中,即使沒有技術技能的人,也能在不開啟終端機的情況下協助塑造產出。頻道中的任何人都能在 Agent 偏離方向時暫停、重新引導或停止它。工作完成後,頻道會自動封存,因此側邊欄能保持整齊,同時歷史紀錄仍可完整搜尋,作為組織 context。
    透過 Slack 頻道與 Agent 互動並完成 dark mode 程式碼修復的介面操作畫面
    由合作夥伴生態系提供支援
    Slack 正逐漸成為 AI Agent 的自然家園,讓生態系中的合作夥伴能在團隊原本工作的地方與人們相遇。Anthropic、Cognition、GitHub、ChatGPT、Vercel 等夥伴,已開始為 Slack Code 進行開發,使用我們的 Code 頻道 API,並將其程式開發 Agent 帶進這個共享空間。如今,開發人員、PM 與設計師已經依賴的 Agent,都能在 Slack 中直接接觸相同的團隊 context。
    軟體工程只是起點。很快地,這些 API 將向更廣大的開發者社群開放,讓任何自訂 Agent、無論執行何種工作,都能加入 Code 頻道。不論是行銷團隊建構行銷活動,還是法務團隊執行文件審查,都能使用。隨著合作夥伴網路持續成長,Slack Code 將成為每個團隊——無論是否具備技術背景——都能在公開環境中與 AI 一起建構的地方。
    Agent 在 Slack 的任何地方都是真正的隊友
    隨著 Agent 成為團隊工作方式的一部分,Slack 的使用者體驗也在演進,讓 Agent 在任何地方都感覺像真正的隊友,而不只是在 Code 頻道中如此。以下是新功能:
    Agent 私訊就像與隊友進行任何對話: Agent 會清楚標示,執行緒也會有實際標題,讓你可以從上次中斷的地方繼續對話。
    全新的 Agents 分頁為每個 Agent 與 Agent 工作階段提供專屬基地: 瀏覽所有 Agent、查看 Agent 對話、替對話命名、檢查狀態、標記受阻的執行緒,或在 Agent 執行工作途中將其停止。
    Add to Slack: 任何人只要點幾下,就能從 NanoClaw、Lovable、Hyperagent、Superhuman、n8n、Vercel、ChatGPT、LangChain、Runlayer 或 Skydive 建構並交付 Agent。不需要遷移,也不需要複雜設定。我們已替你將 OAuth、manifest 設定與環境設定自動化。以 Lovable 建構的支援助理為例:點選 Add to Slack,幾秒後它就會和你的團隊一起上線,擁有自己的身分,而且就在工作發生的地方。
    這個模式在 Slack 的各個地方都成立:Agent 會以清楚的身分出現,遵循與任何隊友相同的頻道規範,並接受 IT 已經信賴的相同管理員控制,不論所在位置是 Code 頻道、私訊或專案頻道。
    內建信任機制,且始終有人員參與
    Code 頻道中的 Agent 從第一天起就沿用 Slack 內建的安全性模型、權限與管理員控制,不需要 IT 額外投入。因此,它們能作為現有設定的安全延伸,不必管理新的基礎架構或身分。
    速度不會以犧牲監督為代價。對於將程式碼推送到正式環境等高風險操作,Agent 會直接在頻道中整理工作內容,交由專家核准。這能讓人員持續掌握控制權,又不會因額外的 IT 核准流…

    14 min
  • Google 表示 Gemma 累積逾 10 億次下載並形成 10 萬模型變體的 Gemmaverse

    Google 表示 Gemma 累積逾 10 億次下載並形成 10 萬模型變體的 Gemmaverse。

    這篇貼文同時介紹開發者如何把 Gemma 用於太空運算、醫療、癌症研究、海豚溝通與公益專案,並宣布推出「Awesome Gemma」GitHub 程式庫,集中整理社群資源。
    慶祝 Gemmaverse 達到 10 億次下載的視覺畫面,深色背景中佈滿向外放射的藍色光點,正中央以白色與藍色大字顯示標題與數值。
    生態系規模
    Google 表示,Gemma 最初的目標是提供工具,協助開發者在不同地區打造負責任且具創新的 AI 應用。經過兩年發展,開發者已發布超過 100,000 個 Gemma 模型變體,形成 Google 稱為「Gemmaverse」的開放模型創新生態系。這些成果涵蓋從行動應用到極端環境運算的多種場景,顯示開放模型不只被用來測試模型本身,也逐漸成為垂直領域研究與實務系統的基礎。
    太空與極端環境
    NASA Jet Propulsion Laboratory(NASA JPL)、Satlyt 與 Starcloud 的團隊,正把 Gemma 用於太空相關作業。Google 將此視為開放模型在資源受限、環境極端的場域中執行複雜推理的案例,但貼文未進一步說明各團隊的部署方式、硬體配置或實際任務成果。
    醫療資料應用
    印度國家衛生管理局(National Health Authority,NHA)將 Gemma 4 與 Google 開放原始碼的 Medical Data Toolkit 整合至 Aarogya Setu 2.0。這款 Android 應用程式的下載量已超過 1 億次,能利用 Gemma 4 把複雜的醫療報告轉換成標準化數位格式,協助民眾管理健康資料,並在不同醫療服務提供者之間安全分享。
    Google 也提到,MedGemma 這個醫療領域模型已被全球組織用於開發臨床應用,包括支援 All India Institute of Medical Science(AIIMS)的門診分流,以及協助烏干達偏遠地區第一線醫療工作者的系統。相關醫療案例詳見 Google DeepMind 的研究說明。
    癌症研究突破
    Google DeepMind、Google Research 與 Yale University 合作建立 C2S-Scale。這個以 Gemma 為基礎的模型,目標是理解單一細胞的「語言」,並曾產生一項新的癌症治療途徑假說;Google 表示,該預測已在活細胞中獲得驗證。
    Cell2Sentence Scale 27B 與 Gemma 的介紹畫面,以藍色調的細胞或微觀視覺為背景,中央醒目顯示白色的主標題文字,右下角標註 Gemma 字樣。
    外部研究內容指出,C2S-Scale 27B 模型模擬超過 4,000 種藥物在兩種免疫情境下的作用,尋找只會在已有低程度 interferon 訊號時增強抗原呈現的藥物。模型找出 CK2 抑制劑 silmitasertib(CX-4945)的情境差異:單獨使用時效果有限,但與低劑量 interferon 合用,實驗中的抗原呈現約提升 50%,可能讓原本難以被免疫系統辨識的「冷」腫瘤變得更容易被辨識。這仍是早期研究結果,後續需要更多臨床前與臨床驗證,不能直接視為已確立的治療方案。
    在藍色漸層背景上置中顯示白色文字「Cell2Sentence Scale 27B」,四周點綴著多個呈現細胞或病毒外觀的圓形圖案與隱約的程式碼背景。
    左右對比的資訊圖表,左側為藍色背景並標示 Immune-Context-Neutral,右側為橘色背景並標示 Immune-Context-Positive,兩側皆帶有細胞與微生物圖案作為背景視覺。
    探索海豚溝通
    Google 與 Georgia Institute of Technology、Wild Dolphin Project 合作開發 DolphinGemma,讓模型分析海豚的聲音序列,辨識反覆出現的模式、結構與聲音群組,並預測下一段可能出現的聲音。這項工作使用 Wild Dolphin Project 累積數十年的野生大西洋斑點海豚水下音訊與影片資料,資料也依個別海豚及其行為分類。
    DolphinGemma 目前仍在開發中,Google 計畫在發布後開放給研究社群使用。研究團隊希望它未來能協助建立人類與海豚之間的共享詞彙,但目前仍處於分析聲音結構與探索可能意義的階段,並非已能與海豚進行可靠的雙向溝通。更多背景可參考 DolphinGemma 介紹。
    社群公益與開發資源
    在近期於 Kaggle 舉辦的 Gemma Challenge 中,社群開發者提交超過 1,600 個以實際問題為目標的專案,應用範圍包括:
    協助視障者的 AI 助理。
    為網路連線不足地區提供離線教育中心。
    面向不同產業與地區需求的模型調整與應用。
    Google 同時推出「Awesome Gemma」GitHub 程式庫,定位為 Gemmaverse 的集中式目錄,將收錄社群專案、fine-tunes、教學內容與開發者工具。開發者可透過 Awesome Gemma 探索既有成果,無論是打造 Android 應用、為太空任務最佳化模型,或剛開始接觸 AI,都能以此作為尋找資源與展示作品的入口。

    原文:https://easyvibecoding.app/curated/3055-google-gemma-billion-downloads-model-variants-gemmaverse

    5 min
  • Slack 推出 Slack Code,把 AI 程式開發帶進團隊即時協作

    Slack 推出 Slack Code,把 AI 程式開發帶進團隊即時協作。

    來源:@cognition(回覆)|由藍色像素化方塊與長條組成的圖形,排列成漩渦狀或類似 @ 符號的紋理,背景為白色。
    分享重點 SlackHQ 表示,AI 工作已不再是單人任務,而是「多人遊戲」:團隊可在 Slack 內共同引導不同 coding agent,直接討論、檢視與推進工作。Cognition 也宣布將 Slack Code 整合進 Devin,讓 Devin 主動建立專用 code channel,並依 Slack 情境調整互動方式。
    在深紫色的背景上,顯示了一款通訊軟體介面,其中包含標題為 bug-button-darkMode 的頻道對話,Agent 與使用者 Zoe Maxwell 正在討論按鈕深色模式的修復,並透過右側彈出的程式碼比較視窗(styles/cta-button.css)展示對應的 styles 變更。
    協作方式 Salesforce 對 Slack Code 的介紹指出,每個 code channel 對應一個專案,避免多輪 agent 對話淹沒一般 thread。使用者可在既有對話中標記 agent,要求它更新網頁、規劃功能或修正錯誤,系統會建立專屬頻道;團隊成員則能在同一處查看對話、工作計畫、程式碼 diff 與即時預覽,提供意見並核准變更。
    協作通訊軟體的對話介面,標題列顯示頻道 #bug-buy-now 與包含 3 個項目的 Artifacts 按鈕,主畫面中名為 Agent 的應用程式與使用者 Zoe Maxwell 正在討論修復文字顏色過淺的問題,對話中包含背景色 #611f69 與 hover 狀態 #7c3085 的設定數值,下方並附有 #bug-buy-now documentation 的 Canvas 連結卡片。
    任務完成後頻道會自動封存,但完整紀錄仍會保留,成為可搜尋的 audit log。
    code channel 支援實際 HTML 預覽,協作者可在發布前發現版面或內容問題。
    API 可用於自動建立帳號、驗證使用者與調整 agent 工作流程。
    Slack 的權限、安全性與管理控制會套用到 agents;涉及部署到 production 等高風險操作時,仍要求專家在頻道內簽核。
    影片示範 影片畫面展示使用者輸入 @Claude update our website with the latest designs,Slack 隨後建立 Update Dev Day page code channel。畫面顯示 Claude AGENT 的 Thinking completed 狀態、程式碼 diff、Canvas 預覽、Session artifacts 3,以及建立 PR 的流程;其中也出現「Missing video asset for spotlight」警告,這屬於 demo 畫面中的操作情境,不是官方規格聲明。
    一名講者在筆電前介紹 Slack 推出 Slack Code 與全新 code channel 功能。
    延伸脈絡 Slack 將此定位為「Agentic 程式開發」的團隊版本,主張把原本藏在個人終端機或瀏覽器分頁裡的工作公開化,讓工程師、PM、設計師與非技術成員共享同一份 context。本站先前策展過〈Claude Tag 整合 Claude Code 協作〉;此次 Slack Code 則進一步把多個 agent 與團隊工作空間集中到 Slack,並預告未來開放更廣泛的自訂 agent 加入。

    一名講者在筆電前介紹 Slack 推出 Slack Code 與全新 code channel 功能。 影片中的 Prompt 與操作:

    Prompt(00:26): @Claude 請根據最新設計更新我們的網站

    原文:@Claude update our website with the latest designs

    Prompt(01:52): @Akshay 我們在這裡應該使用哪個 video asset?

    原文:@Akshay which video asset should we be using here?

    操作步驟: 1. (00:24)於輸入框輸入 `@Claude` 2. (00:26)輸入更新網站設計指令並送出 3. (00:33)點擊左側產生的 `# Update Dev Day page` code channel 4. (00:57)點擊右上角 `Session artifacts` 3 按鈕 5. (01:51)在頻道輸入框輸入 `@Akshay` 詢問影片素材 6. (02:00)點擊預覽區的 `Create a pull request` 按鈕

    原文:https://easyvibecoding.app/curated/3050-slack-launches-slack-code-ai-development-team-collaboration

    3 min
  • Claude Code 新增 Concise 輸出樣式,先給結果再按需提供完整細節

    Claude Code 新增 Concise 輸出樣式,先給結果再按需提供完整細節。

    黑色背景的終端機介面中正在進行設定,頂端視窗標題列顯示 claude,下方指令行為 /config,並以選單列出 Settings、Status、Config、Usage 與 Stats 分頁,目前停留在 Config 分頁,其下方正反白選中 Output style 選項並設定為 Concise
    功能更新 Claude Code 現在可設定為「Concise」輸出樣式:先直接給出結果、縮短回應,同時在使用者要求時提供完整細節。啟用方式如下:
    在 /config → Output style 中開啟。
    或在 settings.json 設定 "outputStyle": "Concise"。
    官方說明 Boris Cherny 表示,團隊正在處理更長期的修正,目前釋出的功能只是「quick band aid」,也就是暫時性方案,後續還會有更多更新。Lydia Hallie 則邀請使用者回報如何改善回應品質;她也提到,團隊已推出修正,讓 Claude 更頻繁記住自訂的 output styles,以減少多輪對話後回應重新變得冗長的情況。
    社群回饋 部分使用者表示,Lydia Hallie 分享的 ELI5 自訂樣式已相當有效,但 Claude 仍然過於長篇;也有人認為,正是 Claude 的 output style 促使自己離開 Claude,稱「變得更好」並未正面承認原本的問題。另一名使用者指出,Claude 完成同一任務時寫出的程式碼量,仍是人類所需程式碼量的 10–20 倍。
    爭議焦點 Lydia Hallie 回應,程式碼量過多可能更接近 effort 設定,而非單純的輸出樣式問題,並詢問使用者使用的是 high 還是 medium。這顯示 Concise 主要處理文字回應長度,未必能直接降低 Agent 執行任務時的工作量或程式碼產量。

    原文:https://easyvibecoding.app/curated/3051-claude-code-adds-concise-output-style

    2 min
  • Claude Managed Agents 整合 CopilotKit AG-UI,將對話串流至互動介面

    Claude Managed Agents 整合 CopilotKit AG-UI,將對話串流至互動介面。

    整合方式 Anthropic 發布的新 cookbook 示範 AG-UI adapter:Claude Managed Agents 負責執行 Agent loop 與容器,CopilotKit 則呈現聊天介面。每個對話執行緒都會連到一個 managed session,讓使用者自然延續對話;AG-UI 也能傳遞 token、工具活動、interrupts 與 turn time caps。完整範例位於 GitHub 專案 。
    展示案例 外部 cookbook 建立個人財務助理,能在對話中回答投資試算,並以互動圖表呈現還款時間線、成長預測、預算拆解與情境比較,說明同一套 Managed Agents 能支援不同 UI。
    Finance assistant AG-UI 展示 $500/月、7% 年報酬率與 $1,000/月、9% 年報酬率的 20 年成長試算,並串起 Managed Agents session、AG-UI client 及串流生成式 UI、共享狀態與 human-in-the-loop interrupts 的架構示意。
    安全與部署提醒 範例聊天端點沒有驗證機制;環境預設禁止容器對外連線,停用 webfetch 以降低惡意指令注入風險,但保留 websearch。每則訊息都會消耗 API 額度,因此正式分享前需設定 ALLOWED_ORIGINS、限制網址或加上驗證;此外,執行緒與 session 對照表只存在記憶體,伺服器重啟後會重置,不適合直接用於正式環境。

    Finance assistant AG-UI 展示 $500/月、7% 年報酬率與 $1,000/月、9% 年報酬率的 20 年成長試算,並串起 Managed Agents session、AG-UI client 及串流生成式 UI、共享狀態與 human-in-the-loop interrupts 的架構示意。 影片中的 Prompt 與操作:

    Prompt(00:01): 如果我每個月投資 500 美元,年報酬率為 7%,20 年後我會有多少錢?

    原文:If I invest $500/month at a 7% annual return, what will have in 20 years?

    操作步驟: 1. (00:00)於對話輸入框輸入 prompt 2. (00:07)拖動 Monthly contribution 滑桿將數值從 $500 調整為 $1,000 3. (00:10)拖動 Annual return 滑桿將數值從 7% 調整為 9%

    原文:https://easyvibecoding.app/curated/3056-claude-managed-agents-copilotkit-ag-ui-streaming-interface

    2 min
  • Replit 推出 GPT-5.6 Luna 驅動的 Free Mode,Core 每月 20 美元創作量最多增 30 倍

    Replit 推出 GPT-5.6 Luna 驅動的 Free Mode,Core 每月 20 美元創作量最多增 30 倍。

    核心訊息 Replit 於 2026 年 8 月 19 日分享 Free Mode,主打降低 token 成本與使用門檻,讓使用者不必頻繁管理用量,就能在同一個平台完成構想、開發、發布與成長。
    Free Mode 與 Agent 介面示範影片
    方案與用量 Free Mode 下,聊天、構想發想與日常任務不會消耗 credits;Core 方案每月 20 美元,除了可比以往創作更多內容,也包含每月最多 30 小時 chat。Core 與 Pro 使用者可使用 Free Mode 直到達到用量上限,上限每 5 小時重設一次;Pro 的用量上限高於 Core。這裡的「Free」並非完全免費方案,而是將日常使用納入月費,複雜工作仍可能需要其他 Agent Mode。
    Replit 的 New Core Plan 在同為每月 20 美元下,較 Old Core Plan 提供最多 20 倍的 Projects(高達 60 個)、40 倍的 Designs(高達 1,000 個)與 40 倍的 Slides(高達 200 份),並新增高達 30 小時的 Chat 額度。
    New Core Plan 在同樣為每月 20 美元的情形下,提供高達 30X 的產出量提升,Projects 提高至最多 60 個、Designs 提高至最多 1,000 個、Slides 提高至最多 200 個簡報檔,並新增最多 30 小時 Chat。
    Agent Mode 分工 Replit Agent 會依任務複雜度建議切換模式:
    Free Mode:由 GPT-5.6 Luna 驅動,適合快速、高價值的日常任務。
    Power Mode:原稱 Economy Mode,使用成本最佳化的 model,在相同成本下提供不低於原 Economy Mode 的速度與品質平衡。
    Max Mode:使用效能更高的 model,適合較大型變更、深入推理與較長時間的建置工作。
    一介面,左上方顯示使用者個人 workspace 選單及標題文字,中央下方為對話輸入框,右側彈出 Agent modes 設定選單,列出 Free、Power、Max 等選項與詳細說明。
    使用體驗 Replit 同步重新設計 UI,讓使用者先以自然語言提問、分析資料或整理想法,再直接進入較複雜的建置流程。Agent 能延續工作脈絡,從 chat 過渡到創作,也能在不同專案之間保留 context,減少在多個 AI 工具間切換、複製對話的需要。Replit 將這種定位描述為理解使用者目標、能處理快速問題到完整建置的日常協作者。
    該平台的對話介面與財經新聞查詢及圖表生成結果
    合作脈絡 Replit 表示,AI model 已經足夠強大且成本降低,但使用者仍須處理 model 選擇、context 與用量管理,因此「智慧」的取得仍不夠簡單。貼文中的影片畫面以「OpenAI + Replit」標誌呈現合作,並標示 Sam Altman 為 OpenAI CEO、Amjad Masad 為 Replit CEO;官方詳細說明見 Replit 的Free Mode 公告】【。
    OpenAI 與 Replit 合作發表 Replit Free 訪談現場
    一位男士與另一位男士坐在室內休閒座椅上交談,兩人中間的地面上放著大理石紋矮桌,桌面上擺放著黑色杯具與木質托盤,畫面中央偏左疊印著 OpenAI 的標誌與名稱,畫面中央偏右疊印著 Replit 的標誌與名稱。
    兩位男士坐在室內沙發與單椅上交談,兩人中間與下方浮現白色與紅色的 OpenAI 和 Replit 標誌與品牌名稱。

    Free Mode 與 Agent 介面示範影片 影片中的 Prompt 與操作:

    Prompt(00:09): I want to create a run club that brings the community together. Can we play with some visual ideas? PROMPT@14: I want to make something that looks different from the other sites. Can we explore some designs before we build? PROMPT@26: What would a merch page look like? PROMPT@38: First show me which products are selling the best. PROMPT@45: Runners are searching for caps and bottles right now, should we design out what these can look like?

    操作步驟: 1. (00:09)輸入建立 run club 相關需求 2. (00:14)請求探索不同設計風格 3. (00:26)詢問 merch 頁面外觀 4. (00:38)查詢銷售最佳的產品 5. (00:45)詢問帽子與水瓶的設計

    該平台的對話介面與財經新聞查詢及圖表生成結果 影片中的 Prompt 與操作:

    Prompt(00:02): Update me on the latest financial news PROMPT@13: Make me a chart of the treasury yield

    操作步驟: 1. (00:02)Update me on the latest financial news 2. (00:13)Make me a chart of the treasury yield

    OpenAI 與 Replit 合作發表 Replit Free 訪談現場 影片中的 Prompt 與操作:

    操作步驟: 1. (00:00)兩人入座並開始對談 2. (00:10)介紹 Replit Free Mode 3. (00:20)提及 GPT-5.6 Luna 與 OpenAI 合作 4. (00:29)Sam Altman 談論軟體與創業願景 5. 畫面顯示 OpenAI 與 Replit 標誌結束

    原文:https://easyvibecoding.app/curated/3045-replit-launches-free-mode-core-credits-30x

    4 min
  • Stripe 簽署協議收購 OpenRouter,共建 AI 智慧交換網路

    Stripe 簽署協議收購 OpenRouter,共建 AI 智慧交換網路。

    Stripe 已簽署協議,將收購 OpenRouter。兩家公司結合後,將成為全球 AI 公司交換智慧時所依賴的可信賴、高擴充性且高效能的網路。
    這對所有人來說都是好事,而且來得正是時候。模型公司(無論是封閉模型還是開放原始碼模型)正陷入一場世代級的「紅皇后競賽」,不斷追求更高的智慧與更快的速度。與此同時,只要基礎設施跟得上,應用公司正迎來可能性的寒武紀大爆發。OpenRouter 與 Stripe 攜手合作,將以一種讓所有人都大幅受益的方式,鞏固 AI 經濟基礎設施中的一根支柱。
    Token 是新美元
    過去 24 個月,世界變化得如此之快。我們埋首於 AI 開發的各種細節中,很容易錯過一件已經發生、足以帶來變革的事情:token 已經成為一種全新且普遍的價值交換媒介。這非常重要。在經濟史上,這種事並不常發生。
    「我們只是希望確保 token 與美元之間的轉換,能像美元與歐元之間的轉換一樣順暢且安全。我們才剛踏上這段旅程,但我們認為,這將會是 Stripe 未來非常重要的一部分。」——Stripe Will Gaybrick
    經濟運作的基礎,是比較利益與專業化報酬。換句話說,就是:「我做我最擅長的事,你做你最擅長的事,我們彼此交易,最後都過得更好。」擁有通用貨幣,能讓每個人專注於自己的專業、進行交易,並蓬勃發展。
    AI 帶給我們兩個現代奇蹟。第一個大家都知道:我們可以把電力轉換成智慧。但第二個更細微,卻同樣不可思議,那就是我們現在擁有了以智慧作為通用交換媒介的能力,而其形式就是 token。
    這徹底改變了打造公司的方式,也一路改變了創投產業。看看 AI 公司的爆發,以及它們如何在極短時間內,靠著如此少的人力創造出龐大的價值,就能明白這一點。這不只是因為這些公司的技術更好,或是它們面對的市場機會比 10 年前更好,而是因為網路公司之間出現了一種全新的價值交換媒介,讓它們能夠「以更高階的形式交易價值」,因此更早、更積極、更有效地進行專業化分工。
    如果你認為這個說法成立,那麼 OpenRouter 已經成為世界上最重要的公司之一:它提供了一種可信賴、安全且中立的方式,來路由並清算這種全新的價值交換。
    這是兩家公司不可避免的結合
    「Token 是新美元」不只在經濟理論上成真,也已經成為網際網路底層基礎設施中的實際現況。當企業以這種爆發性的新方式彼此交換 token、context、資訊與價值時,路由就成了整個故事中不為人知、卻不可或缺的推動者——就像支付在網際網路上一個時代所扮演的角色一樣。
    Stripe 與 OpenRouter 實際上解決的是非常相似的問題。兩者都讓某件事既能在極小的規模運作,也能在超大規模下運作。
    每一家網路公司一開始都只是一個看起來很有希望的 demo,接著取得第一位客戶,然後才發現,要在正式環境中真正收到款項是多麼痛苦。直到 Stripe 出現,讓這件事變得輕而易舉。同樣地,每一家 AI 公司一開始也都是使用單一模型、看起來非常厲害的 demo,接著才發現,要真正接上並執行多模型、多供應商的系統有多麼困難。直到 OpenRouter 讓你可以輕鬆起步,並且不必回頭。歷史通常會善待那些能讓某件如此重要的事「直接運作」的企業,而且它們採用的是前所未有的方式。
    OpenRouter 模型每週使用量堆疊圖列出 Others 與多個模型系列,並標示 Aug '25、Dec '25、Mar '26、Jun '26 與 Projected weekly usage;圖中未直接標示總量數值。
    在規模光譜的另一端,這兩家公司都處理著大得近乎荒謬、卻又至關重要的數字;這些數字代表著組織之間持續流動的事物。系統必須維持多個 9 的高可用性,也必須具備精細的容錯移轉與例外處理能力。
    OpenRouter 早期幾個月的主要賣點,是把客戶聚集起來,讓他們能從模型供應商那裡取得更優惠的 API 額度價格。順帶一提,這確實對 AI 採用率開始向上躍升產生了實質影響。AI 能走上現在這條路是件好事:廣大的小型軟體開發者,幾乎可以用和大型科技巨頭一樣實惠的價格取得 token。如果沒有發生這件事,AI 的演進方向可能會完全不同!
    不過,在那些早期日子裡,OpenRouter 是否正在建立技術護城河,或某種能長久維持的企業,並不一定顯而易見。他們很容易被忽略,就像當年的 Stripe 一樣。但聚合器的特性在於,一旦達到 PMF 並開始擴大規模,問題立刻會變得非常技術導向。要在大規模、高速度下,以安全且可信賴的方式維持正常運作,是一項需要付出血汗與淚水的工作。他們別無選擇:整個 AI 經濟都依賴著他們!而他們漂亮地迎接了這項挑戰。
    在確立自己作為高效能、中立的模型路由層之後,OpenRouter 現在面前有一條相當出色的發展路線。Ori Eval 這類工具能讓 OpenRouter 根據對你 prompt 與業務需求逐步加深的理解,替你判斷如何動態路由到當下最佳的模型與供應商,而且能以秒級的頻率持續調整。隨著 AI 經濟向外擴張,token 流量也從「模型到應用程式」延伸到由各家公司透過附加價值的 token 彼此交換價值所形成的網路,OpenRouter 將成為一個真正讓企業交換智慧的網路,就像 Stripe 已成為企業交換美元時偏好的網路一樣。
    這是一段特別的旅程
    這件事發生的故事同樣精彩,也值得分享。在創辦 OpenRouter 之前,Alex 已經是一位經驗老到的創辦人,並於 2017 年創辦了 OpenSea。經營 OpenSea 的過程,讓他學會如何在瞬息萬變的環境下經營聚合器與市場;a16z 很早就注意到,他是個與眾不同的人。a16z Crypto 投資了 OpenSea,並在 2021 年主導其 Series A 融資。
    幾年後,Alex 創辦 OpenRouter 時,一直密切關注他動向的 Chris Dixon 立刻把他介紹給我和 Anj。我們知道 Alex 不只理解 AI 正在發生什麼,也知道該如何打造一家能夠把這種潛力付諸實現的公司。這很快成為一項有趣且帶來智識刺激的工作。我們抓住機會參與種子輪,而到了 A 輪時,我們則大膽投入。我非常肯定 Infra 投資團隊的每一位成員:他們早已做好準備,沒有錯過這個世代級的機會。
    OpenRouter 的企業投資備忘錄摘要,內容包含募資階段、投資金額、相關合夥人與平台描述。
    展開畫面重點Purpose of Memo: Enterprise 3GP Pitch on Friday, January 31st
    GP Sponsor: Anj Midha / Martin Casado
    Deal Partner: Rajko, Malika
    Location: Bay Area
    Fundraise: Seed
    a16z investment amount: $4-6M
    Website: https://openrouter.ai
    Deck: Link
    Description:
    OpenRouter is essentially a marketplace where developers- and companies- can purchase API credits from multiple LLM providers at discounted bulk rates. By consolidating demand, OpenRouter unlocks price advantages that individual users generally can't access on their own, functioning more like a demand aggregator than a traditional LLM gateway. The public-facing marketplace and "playground" features serve to attract new users, fostering viral growth and driving ever-increasing purchase volumes.
    能活在這個時代真是太好了
    在我的職涯中,我從未見過任何事物能與過去 24 個月所發生的一切相比。像 OpenRouter 這樣的公司,能在幾個月內創造出如此巨大的價值,勢必會被寫進經濟史。
    OpenRouter(Stripe 公司)作為網際網路網路交換層之一,真正展現的還只是其潛力的冰山一角。向 Stripe 致敬,他們為 OpenRouter 創造了理想的位置,讓它能加速踏上下一階段的旅程。

    原文:https://easyvibecoding.app/curated/3038-stripe-…

    9 min
  • OpenAI 暫停最新模型 RL 訓練兩週,強化監控與安全防護

    OpenAI 暫停最新模型 RL 訓練兩週,強化監控與安全防護。

    核心決策 OpenAI 於 2026 年 8 月 19 日表示,隨著模型能力提升,內部開發與測試的風險也同步增加,因此暫停面向部署的最新模型 RL 訓練兩週,期間強化研究環境、進行 red team 測試,並擴大監控範圍。規模最大的預定 frontier RL run 仍未恢復,OpenAI 會先透過較小規模的訓練與評估確認防護措施有效,並累積更多 alignment 證據。
    新增防護 OpenAI 表示,已針對高風險訓練、評估與 tool-using inference 採取三類措施:
    強化 workload isolation,要求執行模型產生或其他不受信任程式碼的工作負載使用更嚴格的沙盒,也涵蓋可能因處理模型輸出而遭入侵的軟體。
    加強 network isolation,限制高風險工作負載連線到網路或內部網路,避免單一工作負載或支援服務遭入侵後直接取得未授權存取權。
    持續進行 security testing,移除可能存在漏洞的共用服務、降低長駐權限、改善安全與信任邊界,並以模型自動化模擬攻擊,持續測試這些邊界。
    目前涉及 Astra 或 cyber models 的工作負載必須採用最高等級的安全防護;OpenAI 認定 Astra models 可能具備 critical level 的 cyber capability,因此部分訓練與評估仍須完成環境遷移和強化後才能恢復。
    多階段監控 新的監控架構會在每個取樣 token 檢查模型內部活動,先由 activation classifiers 偵測可疑訊號,再逐級交由更複雜、需要更多運算資源的自動化調查系統分析。系統會檢視 tool actions、可取得的 reasoning,以及完整活動序列,尋找未授權存取、資料竊取、破壞行為和試圖繞過防護的行為。
    OpenAI 的目標是在監控發現可疑活動後 30 分鐘內發出警示。若疑似違反 critical security boundary,安全、保全與研究團隊會收到最高優先級通知;若團隊無法在 30 分鐘內確認是誤判,預期就要暫停相關活動。這套監控適用於 Sol level 或更高模型涉及工具的所有 RL 訓練與評估;自 2026 年 8 月 7 日判定 Astra 可能具備 critical cyber capabilities 後,也擴大到 Astra 使用工具的所有 inference。監控成本目前約占受監控 inference compute 的 20%,但不同訓練和評估工作負載的實際開銷差異很大。
    alignment 與後續方向 OpenAI 將在更完整的訓練階段套用 alignment 方法,包括改善 reward models、訓練模型更誠實地說明行動與限制,以及降低利用 rewards、graders、tools 或 oversight 弱點的行為;同時擴大評估外部系統與資源互動時可能造成傷害的情境。
    OpenAI 說明,這次調整與 OpenAI-Hugging Face incident,以及 Astra 可能達到 Preparedness Framework 中 Critical cybersecurity capability threshold 的初步證據有關。公司計畫更新 Preparedness Framework,讓監控、alignment 與安全措施貫穿訓練到部署,並在未來幾週公布相關技術報告與更多研究結果。

    原文:https://easyvibecoding.app/curated/3023-openai-pauses-model-rl-training-safety-monitoring

    4 min
  • Z AI 發布 GLM-5.3:Artificial Analysis 評 60 分,權重釋出後將並列開放權重模型最高分

    Z AI 發布 GLM-5.3:Artificial Analysis 評 60 分,權重釋出後將並列開放權重模型最高分。

    這次更新最大的進步在 Agentic 能力與實際知識準確度,但 token 使用量與部署成本也同步上升。
    模型定位 2026 年 8 月 19 日,Z AI 發布 GLM-5.3,目前可透過 Z AI 的 first-party API 使用,團隊表示預計在一週內釋出權重。Artificial Analysis 指出,GLM-5.3 的總參數量仍為 753B,MoE 架構下的 active parameters 為 40B,與 GLM-5.2 相同;模型具備 1M token 的 context window,採 MIT 授權。若權重如期公開,GLM-5.3 與 Kimi K3 將代表開放權重模型與 proprietary frontier 之間的差距進一步縮小。
    GLM-5.3 在 Artificial Analysis Intelligence Index 取得 60 分,與 Kimi K3 持平,並較 GLM-5.2 提升 7 分。
    Agentic 能力 GLM-5.3 在 GDPval-AA v2——用於評估真實世界 Agentic 知識工作的測試——取得最明顯的提升:
    Elo 從 GLM-5.2 的 1524 上升至 1770,成長 246 分。
    在所有受測模型中排名第二;同系列貼文文字將 Claude Opus 5 記為 1855,圖表則顯示 1845。
    它超越先前開放權重領先者 Kimi K3 的 1668,差距超過 100 分。
    Artificial Analysis 因此認為,GLM-5.3 的 Agentic 表現已進入 frontier models 的行列,而不只是一般問答能力改善。
    GLM-5.3 (max) 在 GDPval-AA v2 評測中的 Elo 評分達 1769 分,高於 GLM-5.2 (max) 的 1505 分,位居全體模型第二,僅次於 Claude Opus 5 (max) 的 1845 分。
    效率與成本 GLM-5.3 的能力提升伴隨較低的 token 效率。Artificial Analysis Intelligence Index v4.1 顯示,它每項任務約使用 18,700 個輸出 token,高於 GLM-5.2 的 15,700 個,亦比 Kimi K3 的 14,700 個多 27%。這使 GLM-5.3 每項 Intelligence Index 任務的成本為 0.68 美元,是 GLM-5.2 0.44 美元的 1.5 倍;不過在相同智能層級中仍較便宜:
    比 Kimi K3 的 0.84 美元低 19%。
    比 GPT-5.6 Sol 的 1.23 美元低 45%。
    因此,GLM-5.3 的部署成本上升,部分原因是 token 使用量成長約 20%,但整體單項任務價格仍保有競爭力。
    GLM-5.3 在 GDPval-AA v2 分項取得 63%,為圖中開放權重模型最高;高於 Kimi K3 的 59% 與 GLM-5.2 的 48%。
    知識準確度 在 AA-Omniscience 測試中,GLM-5.3 從 GLM-5.2 的 4 分提升至 14 分,成為僅次於 Kimi K3(20 分)的第二佳開放權重模型。這項進步不只是更常拒答所造成:準確率由 24% 提升至 34%,嘗試回答的比例也從 46% 上升至 55%。不過,幻覺率同時由 26% 小幅回升至 30%;Artificial Analysis 的另一則貼文則將原始準確率記為 23%,但同樣報告提升至 34%,顯示摘要資料中的起始數字存在一個百分點差異。
    GLM-5.3 在 AA-Omniscience Index 取得 14 分,相較於 GLM-5.2 的 4 分有所提升。
    API 與定價 GLM-5.3 的標準價格如下,快取輸入 token 另有折扣:
    輸入:每 1M token 收費 1.40 美元。
    輸出:每 1M token 收費 4.40 美元。
    快取輸入:套用 81% 的 cache hit 折扣後,每 1M token 收費 0.26 美元。
    完整分析可參考 Artificial Analysis 的 GLM-5.3 模型頁面,整體評測資訊則見 Artificial Analysis。

    原文:https://easyvibecoding.app/curated/3024-z-ai-releases-glm-5-3-highest-scoring-open-model

    6 min
  • Codex 為降低 GPT-5.6 可能誤刪使用者檔案的風險,加強多層防護

    Codex 為降低 GPT-5.6 可能誤刪使用者檔案的風險,加強多層防護。

    團隊發現,極少數情況下,用來清理暫存工作的指令可能誤刪使用者檔案;這種風險不應發生。
    問題成因 Codex 工作時會建立暫存資料夾並在完成後清理;少數情況下,GPT-5.6 重新使用系統環境變數 $HOME 存放暫存內容,導致格式錯誤的清理指令指向真正的家目錄。此外,模型曾在未確認暫存路徑現有內容的情況下,嘗試刪除或覆寫檔案。
    防護措施 Codex 現在會先確認刪除目標、建立全新的暫存資料夾、避免挪用系統環境變數,並優先採取可復原的操作;若範圍不明,則停止執行。團隊也強化高風險刪除指令的執行檢查,遭拒時要求模型改用較安全的方法,並提高誤啟用 Full access 的難度、加入更清楚的警告及限制高風險權限組合,同時更新 Auto-review。
    評估與建議 團隊以重現實際失敗案例的評估驗證修正,結果大幅降低相關行為,且未影響一般程式開發;後續還會加入聚焦此類風險的 reinforcement-learning 任務與 graders,並從訓練資料中篩除破壞性操作。Tibo 建議使用者保持 Codex app 更新,並選擇「Ask for approval」或「Approve for me」沙盒模式;只有在可信且能復原的環境中才使用 Full access。

    原文:https://easyvibecoding.app/curated/3027-codex-gpt-5-6-reduces-user-file-deletion-risk

    3 min

About EasyVibeCoding Podcast

From the publisher's feed

輕鬆Vibe Coding — 每日策展的 X 技術社群精選、AI 趨勢分析與 Claude 實作心得的中文音訊版。