EasyVibeCoding Podcast

EasyVibeCoding Podcast

By EasyVibeCodingTechnology
Download on the App Store

EasyVibeCoding Podcast episodes

  • ClaudeDevs 延長 Claude Code 每週額度提升 50% 至 2026 年 8 月 31 日

    ClaudeDevs 延長 Claude Code 每週額度提升 50% 至 2026 年 8 月 31 日。

    延續先前措施 本站先前策展記錄顯示,這項額度調整原訂至 7 月 19 日;這次官方公告再延長至 8 月 31 日。相關背景可參考本站先前策展的〈Claude Code 每週額度延長〉。此公告只確認延長期限,未提及適用方案、使用情境或額度計算方式有其他變動。
    容量限制 ClaudeDevs 說明,模型需求強勁,未來幾週的服務容量可能偏緊,因此永久調整仍取決於供應狀況。這代表目前的 50% 額度提升仍可能受到容量影響,不能視為已確定的長期方案。
    後續安排 官方表示會隨進展持續提供更新;在新的公告出現前,使用者應以目前延長至 8 月 31 日的期限為準,不宜預期提升 50% 的限制已永久生效。

    原文:https://easyvibecoding.app/curated/3025-claude-devs-extend-claude-code-weekly-usage-limit-increase

    2 min
  • Claude 現可在 Gmail 代擬並寄出郵件,並管理 Google Drive 檔案

    Claude 現可在 Gmail 代擬並寄出郵件,並管理 Google Drive 檔案。

    郵件處理 使用者要求 Claude 回覆某個郵件討論串時,Claude 會先擬定回覆,再代為寄出;使用者可控制哪些情況需要先取得核准,保留對外發信前的審查權。
    介面呈現向 Maya 傳送電子郵件訊息的操作流程,包含指令輸入欄位、展開的選單與技能選項,以及寄件狀態提示。
    使用方式與限制 從 connectors 選單連結 Gmail 或 Google Drive 即可嘗試,這項功能目前提供給所有付費方案。官方資訊未進一步說明檔案管理的具體操作範圍,因此實際可執行的動作仍需以連線後介面為準。

    原文:https://easyvibecoding.app/curated/3028-claude-drafts-sends-gmail-emails-manages-google-drive-files

    1 min
  • Anthropic 讓 Claude 以自主流程設計蛋白質結合物,15 個標靶命中 14 個;Mythos Preview 單標靶命中率為 35.1%

    Anthropic 讓 Claude 以自主流程設計蛋白質結合物,15 個標靶命中 14 個;Mythos Preview 單標靶命中率為 35.1%。

    實驗結果 Anthropic 與 Adaptyv Bio、Twist Bioscience 合作,由兩家機構獨立合成並測試 Claude 產出的蛋白質。技術報告指出,研究團隊共測試 1,320 個設計,其中 354 個確認能與 14 個標靶結合;Mythos Preview 在逐一處理單一標靶時,命中率為 35.1%,Opus 4.8 與 Mythos Preview 同時處理多個標靶時,命中率則分別為 22.6% 與 26.7%。
    Mythos Preview single-target 在整體(pooled)Hit rate (%) 以 35.1%(158/450)領先 Mythos Preview multi-target 的 26.7%(104/390)與 Opus 4.8 multi-target 的 22.6%(88/390),且在多數單一蛋白質標的取得最佳表現。
    部分設計的結合強度也超越既有成果。以 E3 ligase 次單元 RBX1 為例,Claude 的 90 個設計中有 28 個成功結合;其中最強設計的解離常數(KD)為 3.9 nM,優於同一競賽獲勝設計重新合成後測得的 45 nM。Claude 也在六個標靶上產生 15 個含有至少 20% β-sheet 的結合物,顯示它不只生成常見的 α-helix 結構。技術報告另指出,測試的 233 個結合物中有 130 個也能與小鼠同源蛋白結合,具備跨物種研究的潛力。
    自主工作流程 Claude 並非只提出候選序列,而是根據單一 protocol prompt 自主完成一整套設計流程。這個約 16,000 字的 prompt 沒有指定標靶上的結合位置、支架或序列,Claude 必須自行研究標靶、選擇表位、呼叫公開的蛋白質結構生成與序列設計工具,進行多輪 in silico 最佳化,再篩選並排序每個標靶的 30 個設計。
    實驗設定讓 Claude 在 24~48 小時內執行任務,並提供 NVIDIA H100 GPU 計算資源、網路與研究資料,以及 Google Drive、Slack、Gmail 和 bioRxiv 的 connectors。研究人員在啟動後沒有提供科學、技術或操作指引,主要只負責核准存取要求、監控基礎架構,並將 Claude 最終交付的序列送交合成與測試。Claude 使用的設計與結構預測模型皆為 open source,包括 RFdiffusion3、BoltzGen、Genie 3、OpenFold3 與 Boltz-2 等。
    影片畫面 輔助素材展示九個經實驗確認的 de novo protein binders 與其標靶 3D 結構;畫面顯示的 Kd 包括 TREM2 的 1.1 nM 與 4 nM、IL-7Rα 的 3.6 nM 與 550 nM,以及 Nipah G 的 53 nM、TrkA 的 540 nM、EGFR 的 1.7 µM、VEGF-A 的 1.6 µM 和 BHRF1 的 4.2 nM。畫面最後將結構排列成「ANTHROPIC」字樣;這些名稱與數值屬於影片中呈現的觀察資訊。
    九個由 Claude 設計的實驗驗證 de novo protein binders 及其標靶的 3D 結構圖
    由九個以蛋白質結構排列構成「ANTHROPIC」字樣的圖形所組成的視覺圖表,下方分別標示其標靶名稱(包含 Nipah G、TREM2、TrkA、IL-7Rα、EGFR、VEGF-A 與 BHRF1)以及對應的親和力解離常數數值($K_D$),底部並附有說明文字指出這些為經實驗證實的 de novo 蛋白質結合物。
    研究邊界與安全性 Anthropic 特別強調,protein binder 不是藥物。設計出高親和力結合物只是藥物開發的第一步,後續仍須確認分子是否安全、有效,並完成多個階段的驗證。因此,這項成果代表的是早期藥物設計能力的進展,不是 Claude 已經完成藥物開發。
    Anthropic 也承認,Claude 對部分標靶仍然失敗,例如 90 個 MBP 設計沒有一個獲得確認的結合結果;研究團隊表示,後續還要進行更完整的特性分析,以確認命中率與親和力測量。此外,能自主執行生物研究具有雙重用途,若缺乏穩健的安全措施,也可能被用於危險研究,因此 Claude Fable 5 的 protein design 與其他具雙重用途的研究生物能力,目前不對一般使用者開放。
    後續開放計畫 Anthropic 表示,讓科學家使用最具能力模型的 access program 仍是最高優先事項之一,預計很快公布更多資訊;目前 Opus 5 仍是可用於生命科學研究、能力最強的模型。完整說明可參考 Anthropic 的研究文章與技術報告,Anthropic 也已公開本次使用的 prompts 與資料集(Hugging Face),供研究者重現流程並作為後續 benchmark。

    原文:https://easyvibecoding.app/curated/3030-anthropic-claude-autonomous-protein-binder-design

    6 min
  • Vercel Labs 開源 fx:Zig 原生 coding agent 冷啟動僅 10µs

    Vercel Labs 開源 fx:Zig 原生 coding agent 冷啟動僅 10µs。

    fx 目前仍屬實驗性工具,功能與介面可能頻繁變動。
    核心設計 fx 以 Fast、Light、Open 三項原則為基礎:單一原生執行檔不需安裝 runtime,冷啟動時間為 10µs,且在接受輸入前不做多餘的工作或 I/O;執行檔大小為 6.3MiB,基線記憶體使用量維持在個位數 MiB,適合資源受限環境與 Agent 沙盒。它採用 Apache-2.0 授權,不綁定特定 model 或 provider,可搭配本機或雲端推論,並透過 skills、plugins 與 MCP 擴充。
    純黑色背景中央帶有白色 fx 字母標誌,左上方有一白色小三角形。
    harness 與使用方式 fx 將極簡主義延伸到 system prompt、工具、功能與執行檔本身,目標是降低 context 用量與取得第一個 token 的等待時間,方便進行 model benchmark、沙盒隔離、evals 與 gyms。使用者可以直接操作 CLI,也能把 fx 嵌入其他系統。終端體驗更接近 Unix shell,而不是 IDE:保留捲動歷史、僅輸出必要內容,並極少使用複雜的 TUI。程式化整合則提供 fx ask --json 結構化輸出與 fx acp,可連接編輯器及其他客戶端;WebAssembly 也能在瀏覽器內執行完整 fx,官方展示頁為 fx.sh/try。
    隱私與部署 隱私被列為設計限制:fx 不蒐集產品遙測資料,session 與使用量留在本機;除了推論服務外,不會將原始程式碼或 prompt 傳送至其他端點。若搭配本機推論並關閉自動更新,官方稱 fx 可做到完全 hermetic。
    安裝與風險 來源提供以下安裝方式:
    `bash
    curl -fsSL https://fx.sh/setup.sh | bash
    `
    這是將遠端內容直接交由 bash 執行的高風險來源指令,必須先人工檢查 URL、下載內容與執行權限,不應視為可安心直接執行。媒體畫面顯示安裝後為 fx 0.0.1,執行 fx 會進入 fx v0.0.1 介面,並以 auto - glm-5.2 回應 hello world;這些版號與互動結果屬畫面觀察,不等同於原文公布的正式規格。官方專案頁為 fx.sh,並提醒使用者須自行承擔實驗性工具的使用風險。
    終端機介面中安裝並執行 fx 工具的互動畫面

    終端機介面中安裝並執行 fx 工具的互動畫面 影片中的 Prompt 與操作:

    Prompt(00:06): hello world

    操作步驟: 1. (00:01)於終端機輸入安裝指令 `curl -fsSL https://fx.sh/setup.sh | bash` 2. (00:04)輸入 `fx` 啟動工具 3. (00:06)在 fx 介面中輸入 `hello world`

    原文:https://easyvibecoding.app/curated/3029-vercel-labs-open-sources-zig-coding-agent-fx

    3 min
  • GitHub 承認 8 月 17 日事故:Copilot Token Service 流量暴增至 10 倍

    GitHub 承認 8 月 17 日事故:Copilot Token Service 流量暴增至 10 倍。

    事故範圍 GitHub.com 在 13:28–21:15 UTC 期間受影響,共 7 小時 47 分鐘;Issues、Pull Requests、API、Actions 與 Copilot 等服務的錯誤率一度約 20%,archive 與 raw-content 下載則約 50%。Andrea 表示,這次情況「很艱難」,不打算淡化事件。
    由左至右延伸的橫幅插畫,描繪戴著黃色工程安全帽的藍色線條角色們,在複雜的灰色管線與機械裝置間進行檢修與操作。
    根因與擴大效應 Central US 的負載平衡器因流量達到新高而網路壅塞。起因是 Istio 的 service-mesh sidecar pod 達到並行上限,而 autoscaling 設定只監看主服務、未納入 sidecar 容量,導致故障逐步擴大,最終 4 個 HAProxy 節點耗盡流量上限。延遲回應又觸發 Visual Studio Code 的 retry bug,使 Copilot Token Service 流量從平時 7–9K RPS 升至 70–100K RPS,約為 10 倍。
    以藍色線條勾勒的卡通插畫,描繪一個充滿管線與機械的工廠場景,三隻戴著黃色工程帽的角色正在各司其職,左側角色站在梯子上修理管線,中間角色在輸送帶旁拿著筆與剪貼板記錄,右側角色則在轉動大型閥門。
    後續行動 完整時間線與數據見 GitHub 的根因報告。GitHub 將:
    修正納入 service-mesh sidecar 並行數與容量的 autoscaling 政策。
    稽核受影響服務的 Istio request、並行數與 scaling 上限。
    檢視各 gateway 與客戶端的 retry 上限及 backoff 行為。
    修正 Visual Studio Code 放大 Copilot token 流量的 retry 行為。
    改善負載平衡器容量監控與區域 failover 防護。
    以淺灰色調為主、點綴藍色線條與黃色安全帽的插畫,描繪一處工業管線與機械維修場景。畫面左下方有一位戴著黃色安全帽的藍線條角色正手持檢測儀器操作;畫面中央是一座灰色的複雜機械裝置,頂端帶有燈泡與控制面板;畫面右上方則有另一位戴著黃色安全帽的角色坐在懸掛平台上,手持工具進行管線檢修。

    原文:https://easyvibecoding.app/curated/3036-github-acknowledges-copilot-token-service-traffic-surged-10x

    3 min
  • Cursor 將 Git 儲存系統 Cursor Origin 按資料庫設計以支援大規模工作負載

    Cursor 將 Git 儲存系統 Cursor Origin 按資料庫設計以支援大規模工作負載。

    分享重點 Cursor 於 2026 年 8 月 19 日分享 Vicent Martí 前一天發布的文章〈Git at any scale〉,藉此交代 Origin 的設計脈絡。文章指出,Git 的分散式特性在伺服器端反而帶來挑戰:packfile 以壓縮與 delta 方式儲存物件,讀取時必須同時穿越 DAG 與磁碟資料配置,難以直接依靠網路檔案系統擴充。
    既有架構限制 GitHub 早期曾嘗試 NFS、GFS 與 DRBD,後來改以遠端 RPC 存取專用檔案伺服器;約 2013 年形成的 Spokes 則在本機 NVMe 磁碟保存完整 Git repository,並以多副本與 3PC 維持一致性。這套方法能讓 fetch 與 clone 快速,也避免 eventual consistency 造成推送後讀不到 commit 的問題。
    面向新工作負載 文章認為,Spokes 的 3PC 使每個步驟都受最慢節點限制:副本越多,push throughput 越差。2026 年企業 monorepo 需要更多副本承擔 CI 流量;另一方面,Agent 大量建立短命小型 repository,也讓每個 repository 固定維持三份副本變得浪費。Cursor 因此回顧這些取捨,並將 Origin 視為資料庫來設計與操作,以回應可靠性、效能與規模化需求。
    淺綠色背景的網格幾何圖形,畫面左下角為起點,向右上延伸出數條對角虛線,並有多條縱橫實線交錯劃分出大小遞增的矩形區塊。

    原文:https://easyvibecoding.app/curated/3034-cursor-designs-origin-database-for-large-scale-workloads

    2 min
  • Claude Code 推出研究預覽版 /design skill,將 Claude Design artboard 工作流程帶進 CLI 與 Desktop

    Claude Code 推出研究預覽版 /design skill,將 Claude Design artboard 工作流程帶進 CLI 與 Desktop。

    使用方式 /design 會產生可編輯的 artboard。使用者可先挑選其中一個、調整設計,再交由 Claude 實作 UI;此流程建立在 artifacts 之上,串起設計與程式開發。
    雙欄介面呈現 Composer usage audit 的桌面端操作記錄與 Composer redesign 對話結果,左側顯示 Claude 執行 /design skill 的步驟與 Claude.ai artifact 連結,右側則展示多個版本設計方案與註解黃色便利貼。
    使用條件 功能目前開放給 Pro、Max、Team 與 Enterprise 方案。使用者需先更新 Claude Code,才能試用這項研究預覽功能。

    原文:https://easyvibecoding.app/curated/3021-claude-code-design-skill-research-preview-cli-desktop

    2 min
  • OpenAI Developers 分享 GPT-5.6 新創案例:GPT-5.6 Luna 保留 GPT-5.5 文件擷取準確度的 98%,成本降至十八分之一

    OpenAI Developers 分享 GPT-5.6 新創案例:GPT-5.6 Luna 保留 GPT-5.5 文件擷取準確度的 98%,成本降至十八分之一。

    新創案例 2026 年 8 月 17 日,OpenAI Developers 整理跨產業團隊的生產環境經驗,重點不是單純升級模型,而是依任務分配適合的模型與工作方式:
    不動產新創 Hypha AI 以 GPT-5.6 Luna 處理文件擷取,在保留 GPT-5.5 準確度 98% 的同時,成本降至十八分之一。
    金融研究平台 RogoAI 使用 programmatic tool calling,透過程式碼擷取申報文件、篩選資料並分析結果,在評測品質相當的情況下,輸入 token 減少 21%。
    啟用 retained reasoning 與 compaction 後,GPT-5.6 Sol 在 ARC-AGI-3 的表現從 13.3% 提升至 38.3%,輸出 token 用量約降至原本的六分之一。
    GPT-5.6 系列、GPT-5.5、Claude Opus 4.8、Claude Fable 5 與 Gemini 3.1 Pro Preview 在 Artificial Analysis Coding Index 的 API cost 與 Index score 比較。
    架構取捨 OpenAI 指出,GPT-5.6 家族讓較小型的 GPT-5.6 Luna 與 GPT-5.6 Terra,在部分工作中以更低價格達到接近 GPT-5.4 與 GPT-5.5 的效果,因此適合高流量、重視延遲,或 Agent 流程中會反覆執行的步驟。團隊也可調低 reasoning effort;文章引用 Hex 的經驗指出,在維持原有 harness 的情況下,低推理強度反而得到最佳結果,模型較少追逐錯誤線索,也能用更少 token 找到答案。
    工具與協作 Responses API 新增的能力,將 Agent 工作拆成三類最佳化方向:
    retained reasoning 讓模型保留前幾輪推理,compaction 則壓縮長對話,避免重新建立脈絡。
    multi-agent orchestration 讓多個 Agent 平行處理可拆分的工作,再由主要 Agent 彙整結果。
    programmatic tool calling 讓 GPT-5.6 撰寫 JavaScript、平行呼叫工具,並在 context window 外處理篩選、彙整等確定性工作,把模型 token 留給需要判斷的部分。
    分享重點 OpenAI Developers 透過《The builder’s guide to GPT-5.6》主張,過去必須每一步都使用 frontier model 的案例,如今可透過較小模型、推理強度調整與更有效率的架構,以更低成本取得相近甚至更好的結果。文章同時提到 prompt cache TTL 至少延長至 30 分鐘,並可設定固定的 cache breakpoint,協助新創提高快取命中率。

    原文:https://easyvibecoding.app/curated/3007-openai-gpt-5-6-luna-retains-98-percent-gpt-5-5-accuracy

    3 min
  • Claude Cowork 開放所有付費方案使用者在手機與網頁端使用

    Claude Cowork 開放所有付費方案使用者在手機與網頁端使用。

    這次更新的重點是擴大方案支援範圍,從原先僅限 Max 延伸至 Pro 等所有付費方案。
    方案擴展
    @claudeai 於 2026 年 8 月 19 日宣布,付費使用者不論採用哪一種方案,都能在手機與網頁使用 Claude Cowork。本站先前策展過〈Claude Cowork 跨裝置委派任務〉;本次消息進一步確認,跨裝置使用不再是少數高階方案限定。
    影響與限制
    這項變化降低了使用者開始使用 Claude Cowork 的方案門檻,讓更多付費使用者能從行動裝置或瀏覽器存取同一項服務。不過,原文未說明各方案的使用額度、功能差異或是否涉及價格調整,相關細節仍待 Claude 官方補充。

    原文:https://easyvibecoding.app/curated/3000-claude-cowork-opens-mobile-web-access-paid-plans

    1 min
  • Firecrawl 推出 Claude 官方 connector,網路搜尋在 SimpleQA 達 94.7%

    Firecrawl 推出 Claude 官方 connector,網路搜尋在 SimpleQA 達 94.7%。

    產品定位 Firecrawl 表示,這項 connector 已進入 Anthropic 的 connector directory,可把 Firecrawl 的網路搜尋能力接到 Claude。它使用持續更新的 live indexes,讓 Claude 在研究、公開網路與其他搜尋情境中取得較新的結果,而不只依賴模型既有的訓練資料。Firecrawl 將此功能定位為協助 AI Agent 取得更即時、相關性更高的外部資訊。

    搜尋範圍 根據貼文與畫面展示,Firecrawl Search 不只搜尋一般網頁,也涵蓋研究論文與程式碼儲存庫。畫面中的 connector 說明指出,Claude 可針對研究論文進行語意搜尋、沿著引用關係尋找相關工作,並透過全文核對主張;對程式碼儲存庫則能搜尋 issues、pull requests 與 README,將論文與實際實作它的程式碼串接起來。

    互動流程 影片示範了在 Claude 介面中啟用 Firecrawl 的操作路徑:使用者先開啟 Connectors,選擇 Add connector,再從 directory 找到 Firecrawl 並按下 Connect to Claude。連線完成後,Claude 對話畫面會顯示「Connected to Firecrawl」,使用者即可直接提出研究或網路搜尋任務。這些步驟是畫面中的操作示範,實際介面可能隨版本調整。

    透過介面選單將 Firecrawl 連線至該平台並執行搜尋任務的完整操作流程

    可處理任務 示範案例涵蓋一般生活資訊、研究追蹤與技術查證,例如搜尋舊金山最新餐廳、尋找與 Mamba state space model 相關的程式碼儲存庫 issues 與 pull requests,以及確認 FlashAttention-2 論文是否真的宣稱相較於 v1 有成長為兩倍的速度。這反映 Firecrawl 不只是回傳搜尋結果,也被設計成支援查證來源與技術主張。

    研究搜尋實例 影片進一步展示使用者要求 Claude 透過 Firecrawl 尋找最新的 LLM fine-tuning 論文。畫面顯示 Claude 呼叫 Firecrawl integration,整理出 2026 年較新的研究,包括以相似度指標決定 LoRA 調整層的「Layer-wise LoRA fine-tuning: a similarity metric approach」,以及結合完整微調與 PEFT、同時使用 zeroth-order 與 first-order optimization 的「New Hybrid Fine-Tuning Paradigm for LLMs: Algorithm Design and Convergence Analysis Framework」。

    展示結果與限制 畫面也列出 2025 年的網域專用資安知識微調研究,以及 2024 年仍被廣泛引用的調查與方法,涉及低資源資料、domain adaptation、SFT、DPO、ORPO、LoRA* 與分階段 instruction fine-tuning。不過,這些論文名稱、年份與內容屬於示範畫面中出現的搜尋結果,不能僅據此視為 Firecrawl 正式發布的規格或研究背書;貼文明確提供的效能數字仍是 SimpleQA 的 94.7%,其餘查找品質仍需使用者逐筆核對來源。

    透過介面選單將 Firecrawl 連線至該平台並執行搜尋任務的完整操作流程 影片中的 Prompt 與操作:

    Prompt(00:05): 幫我取得關於使用 Firecrawl 進行微調的最新研究論文

    原文:Get me the latest research papers on fine-tuning with Firecrawl

    操作步驟: 1. (00:00)點擊側欄的 Connectors 選單 2. (00:01)點擊 Add connector 3. (00:02)在 Directory 搜尋列輸入 firecraw 4. (00:03)點擊搜尋結果中的 Firecrawl 5. (00:04)點擊 Connect to Claude 6. (00:05)在聊天輸入框輸入 prompt 並送出

    原文:https://easyvibecoding.app/curated/3001-firecrawl-claude-connector-web-search-simpleqa-94-7

    4 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。