EasyVibeCoding Podcast

EasyVibeCoding Podcast

By EasyVibeCodingTechnology
Download on the App Store

EasyVibeCoding Podcast episodes

  • Apple 支援社群將關站,舊 Mac 的 USB 升級解法還找得到

    Apple 支援社群將關站,舊 Mac 的 USB 升級解法還找得到

    舊 Mac 打不開網頁,還能用 USB 隨身碟帶回安裝檔。這個解法出自一串 2024 年的 Apple 支援社群問答,現在還能在 Wayback Machine 的 11 月 14 日快照裡讀到。當時有位使用者的 13 吋 MacBook Pro(2012 年中)跑著 OS X 10.8.5,連上 Wi-Fi 或插網路線都打不開網頁。社群成員 Servant of Cats 建議借一台能上網的電腦下載安裝檔,再把檔案帶回舊 Mac。 來源 7

    舊討論串去哪裡找?

    根據 Archive Team 轉載的公告,Apple 支援社群已於 2026 年 11 月 10 日轉為唯讀、停止接受新貼文,將在 11 月 20 日永久關閉。Apple 請使用者到官方支援網站尋求協助。Archive Team 仍在保存論壇內容,追蹤器顯示約 971 萬個項目已處理完畢,約 721 萬個待處理。手上有舊討論串網址,可以先到 Wayback Machine 查有沒有快照。 來源 1 來源 3 來源 7

    | 入口 | 可以查什麼 | 使用條件 | | --- | --- | --- | | Wayback Machine | 舊討論串裡的症狀、排查過程與社群建議 | 該討論串須有可讀取的快照 | | Apple 的 Mac 文件索引 | 辨識機型、查各機型的文件 | 依機型與年份找對應項目 | | Apple「如何下載和安裝 macOS」 | 查相容性、找舊版安裝檔 | 先確認目標 Mac 相容,再依下載方式確認下載用的 Mac 是否符合條件 | | 台灣 Apple 支援網站 | 依產品找支援主題 | 從首頁選 iPhone、Mac 或 iPad 等產品 |

    來源 7 來源 9 來源 8 來源 5

    用 USB 把安裝程式帶回舊 Mac

    回到那台打不開網頁的 MacBook Pro,先備份並保留原本可開機的系統。 用另一台能上網的電腦從 Apple 的下載頁取得 OS X El Capitan 10.11 或 macOS Sierra 10.12 的 .dmg。依 Apple 的網頁下載流程操作時,請使用與該版本相容的 Mac。 把 .dmg 存到 USB 隨身碟,再複製到相容的舊 Mac。打開 .dmg,執行裡面的 .pkg,把 macOS 安裝程式放進「應用程式」資料夾。 從「應用程式」開啟安裝程式,依畫面指示安裝。

    來源 7 來源 8

    原文:https://easyvibecoding.app/curated/3765-apple-support-community-wayback-old-mac

    3 min
  • 在 Claude Code 改 Paper 畫布,也能跑 Mastra 工作流、查執行追蹤

    在 Claude Code 改 Paper 畫布,也能跑 Mastra 工作流、查執行追蹤

    在同一個 Claude Code 工作區接上 Paper 和 Mastra 的 MCP 伺服器後,可以請 Claude Code 修改 Paper 畫布,也可以呼叫 Mastra 的代理、啟動工作流並讀取執行追蹤(trace)。畫布改了什麼,回 Paper 檔案看。工作流怎麼跑,從 Mastra 讀取該次執行的追蹤資料。 來源 1 來源 2 來源 4

    Paper 把畫布接進工作區

    Paper 的遠端 MCP 目前處於搶先體驗階段,計量方式與本機 MCP 相同。即使筆電闔上或 Paper 桌面版關閉,雲端代理仍能操作畫布。在代理工具中新增 MCP 伺服器,填入 https://mcp.paper.design,再登入 Paper 完成連線。 來源 1

    Mastra 把執行紀錄帶回工作區

    Mastra 的內建 MCP 需要 @mastra/core 1.83.0 或更新版本。安裝 @mastra/mcp、設定驗證並部署專案後,可將 Claude Code 連到專案的 /api/mcp。以 Mastra 文件的 docs-sync-workflow 為例,可以先請 Claude Code 啟動工作流,再用 get\_trace 讀取這次執行的追蹤資料。管理者可選擇開放哪些代理、工作流與工具。伺服器若已設定角色或細粒度權限,MCP 呼叫會沿用同一套檢查。 來源 2

    原文:https://easyvibecoding.app/curated/3762-paper-mastra-mcp-canvas-workflow-traces

    2 min
  • xeet:用 Rust/WASM 渲染 X 貼文預覽

    xeet:用 Rust/WASM 渲染 X 貼文預覽

    Guillermo Rauch 介紹 xeet,一個將 X 貼文渲染成 PNG 的工具。他把它定位為發文前的預覽方式,讓人和代理先看內容發布後的樣子;並稱 xeet 以安全 Rust 和 WebAssembly 製作,不需瀏覽器、網路、檔案系統或系統字型。

    Rauch 在貼文中寫道,渲染一則貼文約需 1 毫秒,並以特定的 @jack 貼文為例,稱其約需 0.4 毫秒。他另稱,與啟動瀏覽器再截圖相比,xeet 快 100 至 1,000 倍。貼文未說明測量環境或可重現方法;這些是作者提出的效能數字,沒有獨立測量佐證。

    貼文附帶的影片展示 CLI、TypeScript 和 Rust 範例,接著呈現 X 貼文預覽與 Tetris 動畫;可直接從畫面查看範例操作與渲染數字。

    影片展示 xeet 的 CLI、TypeScript 與 Rust 渲染範例,以及 X 貼文與 Tetris 動畫預覽。畫面標示各範例的渲染時間,結尾顯示 241 frames in 260 ms;這些是影片呈現的數字,未經獨立效能測試。

    Xeet 影片的原始 X 縮圖,呈現黑底的 xeet 字樣。

    要重現的,不只是貼文文字

    貼文把 xeet 描述為 pixel-perfect 的 X 貼文 renderer。Rauch 稱它重現 Blink 與 HarfBuzz 的文字塑形,也處理 1/64 像素級換行、RTL 雙向文字、28 個 Chirp 字型子集、CJK/數學符號/emoji 字型回退,以及「Show more」規則。這些都是貼文所列的排版細節;作者沒有在這篇貼文中提供獨立準確度測試。

    Rauch 將這套驗證結構稱為「autorepo」:Chrome oracle 啟動 Chrome 並核對大量文字布局規則,CI canary 則追蹤原始環境的演進,並提交簽章 PR 供代理處理。這是作者對驗證流程的說明。

    流程圖呈現作者描述的 Chrome oracle 核對文字布局規則關係,並清楚標明「作者描述;未獨立審查」。

    對想在發布前檢查貼文外觀的人與代理而言,xeet 提供一種直接產生預覽圖的途徑。這篇貼文呈現了產品做法與作者的速度主張;其中的速度與布局驗證規模仍是作者陳述,影片中的數字則是畫面展示,沒有獨立測量佐證。

    影片展示 xeet 的 CLI、TypeScript 與 Rust 渲染範例,以及 X 貼文與 Tetris 動畫預覽。畫面標示各範例的渲染時間,結尾顯示 241 frames in 260 ms;這些是影片呈現的數字,未經獨立效能測試。 影片中的 Prompt 與操作:

    操作步驟: 1. CLI 範例將 Jack 的 X 貼文渲染成預覽。 2. TypeScript 範例以 xeet API 渲染 NASA Goddard 貼文,顯示 iOS timeline、寬度 382、dark theme 與 DPR 3。 3. Rust 範例渲染一則 X 貼文並顯示預覽。 4. Tetris 動畫以 X 貼文畫面呈現遊戲進度與渲染時間。

    原文:https://easyvibecoding.app/curated/3741-xeet-rust-wasm-x-post-renderer

    3 min
  • GitHub Copilot App 安全擴充公開預覽:在同一工作區處理 code scanning 警報

    GitHub Copilot App 安全擴充公開預覽:在同一工作區處理 code scanning 警報

    GitHub 在 2026 年 11 月 15 日宣布,GitHub Copilot app 的 GitHub security extension 進入公開預覽。它讓開發者可以在 Copilot app 中查看 code scanning 警報,請 Copilot 解釋或修復警報;確認警報不需修復時,也可選擇忽略。GitHub 文件另介紹一項不同用途:在開啟拉取請求前,檢查工作階段中的本地變更是否有新漏洞。GitHub 原帖|GitHub 操作文件

    GitHub Copilot app 主畫面,取自 GitHub 原帖附圖。

    它如何把警報帶進 Copilot app?

    安裝 github-security 插件後,安全擴充功能會在 Copilot app 的 Security 畫布中顯示存放庫尚未關閉的 code scanning 警報,並依嚴重性排序。使用者可開啟警報查看描述、嚴重性與受影響的程式碼,也能用搜尋和篩選縮小清單;這些是 GitHub 文件描述的操作流程。

    GitHub 原帖附上的示範影片呈現了這個流程:畫面列出 23 個 findings,並展示對 Prototype-polluting assignment #57 的解釋與修補建議。畫面中的說明指出,遞迴合併可能修改 Object.prototype,並表示沒有編輯檔案。這是產品畫面中的案例;GitHub 文件仍要求使用者檢視修補差異並執行專案相關測試。

    GitHub Copilot app 安全畫布示範:畫面顯示 code scanning findings,並呈現 Copilot 對 Prototype-polluting assignment #57 的解釋與修補建議。

    解釋、修復與忽略,各自會做什麼?

    在既有警報上按「解釋」,是請 Copilot 說明警報,讓使用者先了解問題;按「修復」,則要求代理修改程式碼。修復只會改動本地工作副本:不會自行提交、推送或開啟拉取請求。使用者需檢視差異、執行相關測試,再依正常流程提交與評審。警報要等修復到達受影響分支、code scanning 再次執行後,才會由掃描確認是否已解決。

    「忽略」則會更新 GitHub 上的警報,需要相應權限並選擇原因、留下說明。若存放庫政策要求授權審查者核准,擴充功能會送出忽略請求;核准前警報仍保持開啟。這與只改本地程式碼的修復不同。

    最重要的分界是:查看既有 code scanning 警報,與掃描工作階段中的本地改動,是安全畫布裡的兩種工作。前者處理已存在的警報;後者是開啟拉取請求前的重點審查,不能取代 code scanning。

    忽略警報會更新 GitHub 上的警報,可能需要核准;本地修補只改工作副本,不會自行提交或推送。本地安全評審不取代 code scanning。

    使用前要符合哪些條件?

    使用者需要 GitHub Copilot app 與已登入 GitHub 帳戶的 Copilot;企業託管環境若限制安裝插件,也需具備安裝權限。Copilot Business 或 Enterprise 組織必須啟用 Copilot app 政策。若要查看存放庫既有警報,該存放庫必須啟用 code scanning,使用者也要有警報存取權限;私有存放庫需要 GitHub Code Security。文件指出,支援範圍包含符合資料駐留需求的 GitHub.com 與 GitHub Enterprise Cloud 存放庫,不支援 GitHub Enterprise Server。

    安裝方式有兩種:可在終端執行 copilot plugin install github-security@awesome-copilot,或在 Copilot app 的「自訂」頁搜尋 github-security 並安裝。GitHub 文件標示此功能仍在公開預覽階段,可能變更。

    本地安全評審有不同範圍與費用

    安全畫布也能檢查目前工作階段的本地變更;可以在介面啟動安全評審,或使用 /security-review。這是針對目前變更的重點審查,不是完整的存放庫安全稽核,也不會啟用或取代 code scanning。對評審結果請 Copilot 解釋或修復時,修復仍只改本地工作副本。

    GitHub 說明,使用「解釋」、「修復」或啟動安全評審會使用 app 中所選模型並消耗 AI credits;在畫布中瀏覽或忽略警報則不使用 AI。這讓警報檢視、代理分析與本機評審各自的用途和成本有所區別。

    GitHub Copilot app 安全畫布示範:畫面顯示 code scanning findings,並呈現 Copilot 對 Prototype-polluting assignment #57 的解釋與修補建議。 影片中的 Prompt 與操作:

    Prompt: 開啟安全擴充功能

    原文:Open the security extension

    操作步驟: 1. 提示框顯示開啟安全擴充功能的文字。 2. Security 畫布顯示 Security review 與 Code scanning findings。 3. 警報清單顯示 23 個 findings,並列出 Prototype-polluting assignment #57。 4. Copilot 解釋遞迴合併可修改 Object.prototype,提出修補建議,並表示未編輯檔案。

    原文:https://easyvibecoding.app/curated/3739-github-copilot-app-security-extension-public-preview

    5 min
  • Lauren Tan:先把代理的錯誤變成程式碼規則,再談自動化

    Lauren Tan:先把代理的錯誤變成程式碼規則,再談自動化

    AI 工程師 Lauren Tan 在 AI Engineer CODE 2026 的演講中,分享她如何讓代理大量產生程式碼,同時把注意力放在品質與信任。她的建議有明確次序:先整理代理會參照的程式碼庫,再把常見錯誤變成可執行的限制,補上行為驗證,最後才擴大自動化。她也以團隊案例說明,這些做法如何改變程式碼審查與發布流程。

    YouTube 影片頁提供的 Lauren Tan 演講縮圖,畫面含 CODE Summit、SpaceX 與 Grok Bot 標誌,並以「Review Proof, Not Code」為主視覺文字。

    [](https://www.youtube.com/watch?v=O_zcc6Xl12g) Lauren Tan 在 AI Engineer CODE 2026 的演講,介紹如何以程式碼庫設計、靜態分析與驗證提升 agent 工作的信任與品質。片中團隊數據為講者陳述。

    觀看原始影片

    Lauren Tan 在 AI Engineer CODE 2026 的演講,介紹如何以程式碼庫設計、靜態分析與驗證提升 agent 工作的信任與品質。片中團隊數據為講者陳述。

    為什麼她先談程式碼庫?

    Tan 把程式碼庫視為代理的重要輸入:代理會從既有範例學習。如果臨時修補、過時寫法或反模式留在程式碼裡,下一個代理可能把它們當成慣例照著做。她用花園比喻這種累積效應:整理既有程式碼,是在改善後續工作的起點。

    因此,遇到代理重複犯錯時,她建議先想想能否調整程式碼設計或架構,讓錯誤做法不容易發生;其次再把要求寫成 lint、型別或測試等可執行檢查。文字規則仍適合需要判斷力的部分,但反覆提醒本身不會強制改變程式行為。

    團隊怎麼把錯誤變成可檢查的限制?

    Tan 以 Dune 框架說明這種做法。她的團隊認為 React 的 useEffect 在產品程式碼中容易被誤用,因此限制它只在框架內部的特定位置使用。這是該團隊配合自身架構做出的選擇,不是宣稱這個 hook 在所有專案都不該使用。

    另一個例子來自 Electron 應用程式:團隊將主程序與 renderer 程式碼放在不同目錄,再用依賴圖分析與 lint 規則禁止不合適的跨界匯入。目錄先表達邊界,檢查再阻止違規程式碼進入;審查者就不必每次都重新發現同一類問題。

    她也談到註解如何替快速修補留下理由,讓後續代理把權宜作法當成設計意圖。比起再寫一段提醒,她偏好由 lint 提供有用的錯誤訊息,指出應修正的根本原因。她提到 Grokbot 團隊會限制大部分註解;這是團隊對註解容易過時的回應,不是通用的文件政策。

    驗證要看程式實際怎麼運作

    限制可以減少某些錯誤,但團隊仍需要確認程式行為。Tan 說,她的團隊會讓代理執行應用程式並使用除錯工具,也會提供從使用者角度整理的功能地圖,讓需求中的功能名稱有共同定義;可重複使用的 CLI 與驅動程式則讓操作方式較一致,也能持續測試。

    她還提到幾種正在使用或試驗的驗證方式:以 TLA+ 對跨裝置通知等流程做模型檢查、用 Lean 證明特定演算法,以及以 Bombadil 做 UI 屬性測試。她把形式驗證和屬性測試視為額外工具,而非萬靈丹。這些方法的共同作用,是讓審查者能查看更多行為證據,而不只看程式碼差異。

    Tan 提出的信任金字塔因此不是「工具越多越安全」的清單,而是導入順序:先整理代理會模仿的程式碼,再把容易重犯的要求做成可執行限制,並用驗證補上行為證據;外層自動化要等內層流程可靠後才擴大。

    圖中順序是講者的建議;各專案適用的工具與架構可能不同。

    團隊數字是經驗分享,不是獨立評測

    Tan 表示,團隊前一個月將約 11,000 個 pull request 發布到 production,PR 的相對撤回率約為 0.5%;她也提到十月約有 227 人至少貢獻一個 PR,以及穩定版本約每日發布一次。她說團隊在啟動、輸入、開啟新對話與切換對話等多個面向的效能都有改善。

    這些數字與效能描述都是 Tan 在演講中分享的團隊成果,並非獨立基準測試。它們說明她觀察到的結果,不能單獨證明只要提高 PR 產量,其他程式庫也會維持相同的撤回率或效能。

    自動化是建立在前面幾層之上

    Tan 描述的發布流程會在推出新版本時啟動 Cursor 專案,對應用程式與建置進行模糊測試,再為找到的錯誤開修正 PR,部分修正可自動合併。她將這種外層流程連回前面的基礎:程式碼庫、可執行限制與行為驗證先降低重複錯誤,團隊才有條件把更多工作交給自動化。

    對正在導入代理的團隊,這場演講的實用訊息不是先增加代理數量,而是每次修正後都檢查:能否讓程式設計消除錯誤選項?能否用檢查阻止它再次出現?又能否提供足夠的行為證據,讓人知道改動真的有效?

    原文:https://easyvibecoding.app/curated/3738-lauren-tan-code-rules-before-automation

    6 min
  • Cursor 調查揭露資安事件:從共享資料桶到惡意擴充套件

    Cursor 調查揭露資安事件:從共享資料桶到惡意擴充套件

    Cursor 在 11 月 13 日公布一份資安事件調查更新,補充說明 10 月 29 日發現的惡意 Claude Code 擴充套件,以及攻擊者如何從共享資料進一步進入 Cursor 使用的部分服務。這次事件不只涉及擴充套件快取,也牽涉 Cursor 與第三方供應商之間分享的資料和憑證。Cursor 在 X 上的貼文也連向這份更新。

    Cursor 標誌的 X 連結卡片預覽圖。

    Cursor 如何描述攻擊路徑?

    依 Cursor 的調查,攻擊者取得 Cursor 提供給 Fireworks 的存取金鑰;Cursor 表示,這把金鑰在 Fireworks 端暴露。攻擊者接著用它從雙方共用的唯讀儲存桶複製資料。儲存桶內有數量有限、以 2025 年為主的程式代理工作紀錄;少數紀錄含未遮蔽的憑證。Cursor 說,不到 0.01% 的客戶有 API 憑證暴露。這是 Cursor 對自身調查結果的說明。

    依 Cursor 調查更新所述的初始資料路徑;不到 0.01% 是 API 憑證暴露客戶比例,不是確認感染人數或獨立鑑識結論。

    Cursor 表示,攻擊者從取得的憑證繼續進入部分 SaaS 工具,並接觸到特定封存的非正式環境原始碼儲存庫、有限的客服資料與電子郵件、產品使用指標和聯絡資料、部分代理對話摘要,以及使用者曾寄給客服的某些憑證。Cursor 稱,受影響的原始碼儲存庫是非正式環境;它表示正式產品系統、客戶程式碼儲存庫、正式簽署金鑰和目前傳送中的推論請求沒有受到影響。

    這些資料也不能與擴充套件遭竄改的範圍混為一談。Cursor 的 10 月 29 日公告指出,攻擊者在 Cursor VS Code 擴充套件市集快取放入未經授權的 Anthropic Claude Code 擴充套件副本,涉及 2.1.312 與 2.1.313 兩個版本,適用公告所列的 Windows 和 macOS 情境。Anthropic 沒有發布這些副本;Cursor 表示 Open VSX 市集也沒有出現惡意程式。

    這些版本在 10 月 29 日約上午 2:27 至下午 1:35(太平洋時間)期間可取得,約 11 小時。Cursor 後續估計,最多 5,000 名在當天要求特定快取版本的使用者可能收到惡意建置版;這是可能收到的上限,不是確認感染人數。Cursor 另表示,未使用 Privacy Mode 的使用者中,不到 0.05% 的程式代理紀錄受到暴露,並稱已識別及通知相關使用者。這個比例指的是未使用 Privacy Mode 的使用者紀錄,與 API 憑證暴露客戶的比例不是同一項統計。

    兩份公告分別說了什麼?

    Cursor 表示,發現異常活動後停用了供應商金鑰,撤銷並輪替已知暴露的憑證,也預防性輪替內部系統使用的憑證;它並移轉推論流量、重建擴充套件市集、加強密鑰掃描與網路存取限制。Cursor 說它觀察到的最後一次攻擊活動發生在 11 月 1 日,當時已被阻擋;公司認為事件已受控制,仍會持續監控。

    Fireworks 在 11 月 9 日發布自己的事件更新,也提到另一段時間與路徑:一間託管其研發機器的第三方雲端供應商於 10 月 23 日發生資安事件,未授權者隔天進入 Fireworks 開發機器並執行未授權工作負載。Fireworks 說,這段活動影響其部分客戶的帳務資料,少數帳戶的秘密、資料集與未完成模型也受到影響;當時它尚未偵測到 Inference、Training SDK 與 Nexus 受到影響,調查仍在進行。

    Cursor 將其共享資料桶的存取歸因於一把在 Fireworks 端暴露的 Cursor 金鑰;Fireworks 則描述了第三方雲端供應商及研發機器的後續事件。兩家公司各自公告的系統、日期與受影響資料不同,閱讀時應保留來源歸屬,不能把 Fireworks 所述的額外資料影響直接套到 Cursor 客戶身上。

    如果使用過受影響版本,公告建議怎麼做?

    Cursor 的 10 月 29 日安全公告建議:若在指定時段從 Cursor VS Code 擴充套件市集安裝或更新到 2.1.312 或 2.1.313,應依公告檢查受影響跡象,搜尋端點、網路及擴充套件安裝紀錄;若發現惡意程式執行或後門安裝跡象,隔離主機並移除未授權金鑰、持續執行機制與通道程序。公告也提醒,單純解除安裝擴充套件可能不足以清除持續執行的檔案,並建議從可信任的系統輪替受影響主機可存取的憑證與工作階段。

    Cursor 表示,使用 Privacy Mode 的提示與程式碼沒有受影響;對其他資料範圍,應以公司提供的個別通知及兩份公告各自列出的條件為準。若需要檢查步驟,請直接參照 Cursor 的 10 月 29 日安全公告 和 11 月 13 日調查更新。

    原文:https://easyvibecoding.app/curated/3737-cursor-security-incident-investigation

    6 min
  • 讓 agent 學會做事,先把目標設計成容易回饋

    讓 agent 學會做事,先把目標設計成容易回饋

    LangChain 執行長 Harrison Chase 與 Actively AI 的 Mihir Garimella、Anshul Gupta 在 2026 年 11 月 14 日發表文章,提出一個設計方向:讓 agent 的工作範圍容易被人檢視與回饋。他們用 Actively 的銷售 agent 為例,說明為何從「每個客戶帳戶一個 agent」轉向按工作類型整理任務,可能讓相似工作更容易一起審閱,也讓回饋更容易沿用。

    這是作者分享的設計原則與產品案例;文章沒有提供獨立量化評估。讀懂這個主張的關鍵,是分清兩種脈絡:帳戶資料通常能寫進文件,而做事的偏好往往得由人提供回饋。

    Goal Engineering 文章封面:以 LangChain 品牌呈現「Goal Engineering」。

    為什麼目標範圍要配合回饋?

    過去的 agent 多半負責生成文字或呼叫工具;現在的設計開始讓它們執行完整任務,甚至朝較長期、開放式的目標推進。目標越開放,光給資料與工具可能越不夠:人還需要指出什麼做法符合情境、什麼結果需要調整。

    作者把這個問題稱為 goal engineering,也就是設計 agent 的工作範圍與目標。他們的建議是,讓人能在 agent 工作過程中容易給出高品質回饋。這是作者從相關 agent 設計經驗提出的原則,並非經獨立實驗證明的通用成效。

    依作者原則與 Actively 案例整理:作者主張工作範圍應便於人類回饋,案例描述相似任務可沿用回饋;這不是獨立量化結果,也不代表所有工作都適合同一分組。

    概念圖將 prompt engineering 與 context engineering 劃去,並突出 goal engineering。

    作者認為,agent 出錯的一個常見原因是缺少合適脈絡。文件、API 等資訊可以透過授予存取權補上;更難提供的是沒有寫下來的知識,例如品牌語氣、品味,或在特定工作中應該多積極。這些偏好通常要由熟悉業務的人看過產出後,透過回饋教給 agent。

    圖解文件與 API 等已寫下的資訊,以及需由人類專家回饋的偏好,並對應不同解法。

    LangChain 官方文章也保留了這張脈絡比較圖,呈現文件與 API 可供 agent 存取,而品味、品牌語氣與積極程度等偏好則仰賴人類專家回饋。

    LangChain 官方文章的脈絡圖:文件與 API 可供 agent 存取;品味、品牌語氣與積極程度則仰賴人類專家回饋。

    作者也指出,檢視 agent 工作本身需要時間,但這些審閱能把人的領域知識轉成可傳遞的回饋。因此,回饋介面是否清楚、一次檢視的工作是否相近,都會影響人能否方便地指出問題與偏好。

    Actively 為什麼把 agent 從帳戶改成 motion?

    文章接著介紹 Actively 的銷售 agent。第一版以客戶帳戶為單位:每個潛在客戶帳戶有自己的 agent,負責推進帳戶,並提出待銷售人員核准的動作。這種安排讓 agent 能圍繞個別帳戶工作,但作者描述,推進一個帳戶會涉及多種工作,而且工作可能分散在不同時間;同一位銷售人員也因此需要在多個 agent 之間切換。

    比較以帳戶為中心的 agent 與以工作任務(motion)為中心的 agent,後者共用學習並取得帳戶脈絡。

    另一個問題是,怎麼做 outbound、如何回覆、談 deal 時採取什麼策略、該多積極,以及如何應對大型組織,這些做法可能跨越多個帳戶。若一個帳戶 agent 學到的經驗很難轉給其他 agent,銷售人員就得重複提供相似回饋;作者也將這描述為分享學習時的操作摩擦。

    在文章所述的第二版中,Actively 把按工作類型組織的 agent 稱為「motions」。一個 motion 對應一類工作,例如 outbound 或早期 deal 推進。銷售人員可以一起檢視相似任務的產出,並把一項任務得到的回饋用於同一 motion 的其他任務。帳戶資料仍然重要;文章說,Actively 另有背景執行的 context-gathering agents 整理各帳戶脈絡,再由 motions 在需要時取用。

    LangChain 官方文章的 motion 圖:從每帳戶一個 agent 轉為每種工作任務一個 agent,共享學習並匯入帳戶脈絡。

    LangChain 文章也以圖呈現這種分工:每個帳戶仍有自己的脈絡,但相似工作由 motions 跨帳戶處理。圖說反映的是文章中的案例描述,沒有另行測量不同配置的成效。

    LangChain 官方文章的 Goal Engineering 標題圖。

    這個案例能說明什麼?

    從帳戶切換到 motion,核心改變是把審閱與回饋的單位,對齊相似的工作任務:人可以一起檢視同類產出,回饋也比較容易在同類工作間沿用。這說明了作者的設計思路,不代表所有 agent 都適合按工作類型拆分;案例談的是 Actively 的銷售情境,沒有提供可用來比較普遍效果的量化結果。

    Actively 首頁目前以 Per-Account Agents 描述產品定位;這是廠商首頁文案。它沒有說明首頁定位與文章所述 motions 案例的關係,也不足以判定 motions 是否取代或搭配每帳戶一個 agent。理解這兩項材料時,應把首頁的產品自述與作者對案例演進的描述分開看。

    設計 agent 時,可以先問哪一件事?

    文章最後把問題帶回人類審閱:如果工作需要領域偏好或主觀判斷,先找出哪些產出適合一起檢視,再設計 agent 的工作範圍,讓人能針對這些產出給回饋。依作者的論點,工作範圍與審閱方式越對得上,人的回饋就越容易整理並傳給 agent。

    Chase 等人預期,未來可能只需交給 agent 一個目標,由它持續推進;這是作者對未來的展望。文章的案例則呈現了當下較具體的設計問題:當任務包含難以預先寫清楚的偏好時,如何安排工作單位,讓人更容易檢視與教回 agent。

    原文:https://easyvibecoding.app/curated/3736-design-agent-goals-for-feedback

    6 min
  • 從現代 Web 指南到代理協作:Modern Web Guidance 1.0 與 Antigravity 新工作流

    從現代 Web 指南到代理協作:Modern Web Guidance 1.0 與 Antigravity 新工作流

    Chrome for Developers 於 2026 年 11 月 13 日宣布 Modern Web Guidance 1.0 進入穩定版;Google Antigravity 則在 11 月推出 /swarm 預覽與 Dynamic Workflows。前者讓 coding agent 查找網頁開發指南,後兩者安排多個代理如何合作,解決的是不同問題。現有來源沒有說這些工具已整合。

    Chrome for Developers 的 Modern Web Guidance 案例拼貼,包含多個產品與成效案例;圖中數字各自來自不同案例,不是共同條件下的基準測試。

    Modern Web Guidance:讓代理查找較新的網頁做法

    Modern Web Guidance 是一套可安裝到 coding agent 的技能與指南,涵蓋 CSS、HTML、效能、表單、無障礙與安全性等主題。GitHub README 列出 250 項現代 Web 功能與 203 個開發情境。指南提供實作模式、瀏覽器相容性資訊,以及適用時的 fallback;代理可以依任務搜尋、取回特定指南,不必每次都載入整套內容。

    基本安裝指令是 npx modern-web-guidance@latest install。README 也列出不安裝時的 search、retrieve 和 legacy-scan . 用法,以及 Codex 外掛安裝指令:codex plugin marketplace add GoogleChrome/modern-web-guidance,接著執行 codex plugin add modern-web-guidance@googlechrome。這些是官方提供的指令;本文沒有在本機安裝或測試。

    指南由 Chrome、Microsoft Edge、Firefox 團隊及 MDN 社群共同維護,並使用 Baseline 相容性資料協助說明瀏覽器支援與 fallback。若專案要採用仍在試驗或尚未穩定的功能,README 說明可在 .mwgrc 設定明確選項,開放相關指南供代理取回。

    公開評測公布了什麼?

    README 的評測以真實 Web 應用程式中的模擬開發任務為基礎,再由 Playwright grader 檢查程式碼模式、計算後樣式、執行時 DOM 行為與無障礙狀態。它比較有無指南時 agent 任務的通過率。以下是 README 公布的 11 月 8 日快照;任務數與 assertions 數是不同欄位:

    | 日期 | Agent/模型 | 任務/assertions | 無指南 → 有指南 | 差距 | |---|---|---:|---:|---:| | 11 月 8 日 | Codex CLI/gpt-6.1-sol | 215/1,795 | 54% → 82% | +28 個百分點 | | 11 月 8 日 | Antigravity CLI/gemini-4-argon | 214/1,673 | 58% → 94% | +36 個百分點 | | 11 月 8 日 | Claude Code/opus-5-5 | 215/1,801 | 57% → 88% | +31 個百分點 |

    這些數字是專案 README 公布的特定評測快照,並非所有模型或實際專案的結果;README 另提供公開評測儀表板。

    /swarm:代理透過共享看板協作

    Antigravity 將 /swarm 描述為桌面 App 與 CLI 都可使用的預覽指令。使用者提出任務後,coordinator 會分派專門代理平行規劃、實作與驗證。官方文章說明,代理能在隔離的 Git worktree 工作,透過共享、追加式看板協調;App 側邊欄與 CLI 看板會顯示成員活動及 Graph 時間線。官方也提醒,多代理平行工作會比標準聊天更快消耗配額。

    Google Antigravity 官方文章原圖,以 Gemini 4 Carbon 標誌作主視覺。

    影片示範以 /swarm 啟動深色模式任務,並透過共享看板與 Graph 追蹤代理分工。

    同一串 Antigravity 回覆中的影片展示 coordinator 將 Ed25519 token migration 分派給不同 worker worktree,並出現 verifier 與共享看板訊息。畫面仍在進行工作,沒有呈現最終驗證結果。

    影片展示 coordinator 將 Ed25519 token migration 分派給多個 worker,並在共用看板呈現任務進度。

    另一段影片切換共享看板與 Graph,顯示 verifier 回報兩個 worker worktree 的 28 項 race-enabled 測試通過。這是影片中呈現的代理回報,不是本文另行執行的測試。

    影片切換共享看板與 Graph,顯示 coordinator、worker 與 verifier 的任務訊息和測試狀態。

    成員列表中的模型選單則出現 Gemini 4 Carbon 與 Gemini 4 Argon,並標示切換模型時會保留對話歷史。官方文章也把較強模型描述為適合 coordinator、架構規劃與對抗式驗證等角色。

    影片展示成員列表中的 agent 模型選單,並標示切換時保留對話歷史。

    /run-workflow:先檢視腳本,再按階段執行

    Dynamic Workflows 以 /run-workflow 啟動。Antigravity 文件說明,代理會依任務產生 Python 腳本,再讓使用者檢視;若目前權限沒有允許執行,腳本須先獲批准。工作流程以命名階段呈現進度,使用者可以查看 log、代理卡片和結果。每個代理有自己的對話,也能依 JSON Schema 回傳結構化結果。

    Antigravity Dynamic Workflows 官方文件封面,標示 /run-workflow 與動態工作流程用途。

    影片展示以 /run-workflow 啟動動態工作流程,檢視計畫與權限提示,並在旁窗執行唯讀模組盤點。

    這段貼文影片展示 Python 模組檢查工作:使用者要求平行、唯讀盤點,介面顯示工作流程步驟與執行/讀取權限提示,接著代理開始檢查 repository。影片結束時仍在檢查,沒有顯示完成結果。

    文件提供 parallel() 同時處理一組項目、pipeline() 依序處理,以及 phase() 和 log() 組織步驟與輸出。使用者也能請代理把腳本存進專案,以便之後再執行;文件指出,重跑時通常仍會依權限設定詢問是否批准腳本。核准工作流程腳本與各代理在自己的對話中提出操作許可,是兩個不同的檢視點。

    「可預期的 scripted control flow」描述的是腳本安排步驟與代理交接的方式,不代表模型回答或程式修改必然正確,結果仍要檢查。官方文件列出的 Dynamic Workflows 使用範圍是 Google AI Pro 與 Ultra 的 Antigravity App 及 CLI。

    兩者都把工作交給多個代理,但控制流程不同:/swarm 讓成員透過共享看板直接協調;/run-workflow 則由生成的 Python 腳本安排平行或串行階段,代理交回結構化結果。

    兩種代理控制流程的比較;圖形不表示數值比例,產品流程說明也不代表輸出必然正確。

    怎麼選?

    | 需求 | 做法 | 協作方式 | |---|---|---| | 查找網頁平台 API、相容性與 fallback 指引 | Modern Web Guidance | 代理依任務搜尋並取回指南 | | 多個代理需要互相協調、共享進度或交叉驗證 | /swarm | 透過共享看板與成員互動 | | 工作可拆成重複清單或依序階段,且需要固定交接格式 | /run-workflow | 由可先檢視的腳本安排平行或串行代理 |

    Modern Web Guidance 提供網頁開發知識,/swarm 與 /run-workflow 則處理代理分工。選擇時可看任務需要查找指南、即時協調,或按可檢視的腳本流程執行。

    來源原始素材

    以下保留本篇採用的來源圖片、縮圖與官方產品展示影片,圖說標示各素材所屬來源與畫面內容。

    Antigravity 的 /swarm 影片原始縮圖,展示指令選單與共享看板入口。

    Antigravity 影片縮圖,呈現空白新對話畫面與提示輸入區。

    Antigravity Swarm 影片縮圖,展示深色介面與工作流程提示輸入框。

    Antigravity Swarm 影片縮圖,展示共享看板中的協作訊息。

    Antigravity 影片縮圖,顯示代理成員與模型選單介面。

    Chrome for Developers 圖片以「Modern Web Guidance is now stable」…

    8 min
  • Apex Neural Rendering 宣稱快至 2.4 倍:效能數字要先看測試條件

    Apex Neural Rendering 宣稱快至 2.4 倍:效能數字要先看測試條件

    Apex Compute 的官方 X 主帖介紹 Apex Neural Rendering(ANR),宣稱相較 NVIDIA DLSS「最高快 2.4 倍、畫質更高」。貼文沒有說明這個倍數使用哪個一致的比較指標或測試方法。Apex 官網另列幀時間、GPU 記憶體與三種畫質指標;下表分開保留各表的列項與條件,這些都是供應商公布的數據,尚未獨立重跑。

    主帖宣稱、官網幀時間條件與品質分數分列呈現;不同資料無法直接對應,數據由供應商公布且未獨立重跑。

    先分清 ANR 的三項功能

    ANR 包含幀生成(Frame Generation,FG)、超解析度(Super Resolution,SR)與光線重建(Ray Reconstruction,RR):幀生成插入生成影格,超解析度放大畫面,光線重建則用於光線追蹤降噪。主帖稱 FG 已可使用,SR 與 RR 模型仍在訓練;官方 GitHub README 把 FG 標為 beta,並稱 SR、RR 的 beta 即將推出。這些狀態都是 Apex 自行發布的資訊。

    官方貼文附有一段約 57 秒的遊戲畫面。影片以左右分割方式呈現比較,左側標示 DLSS-G,右側標示 ANR FG。取樣影格也顯示戶外場景、室內走廊與樓梯,以及遊戲 HUD;影片展示的是比較畫面,不能單靠這些影格判定畫質優劣或驗證效能數字。

    Apex Compute 官方影片以左右分割畫面展示標示為 DLSS-G 與 ANR FG 的遊戲片段。畫面呈現比較方式,不能單獨驗證畫質或效能主張。

    Apex Compute 官方影片的來源海報,畫面標示 DLSS-G 與 ANR FG。

    官網的效能表列了哪些條件?

    官網將 RTX 5090、3840 × 2160(4K)列在 GPU time and memory 表的標題下。表中列出 2X 每生成一幀的時間、4X 平均每生成一幀的時間,以及 GPU 記憶體用量。每一列的指標不同,不能把它們合成同一個速度倍數。

    | 測項 | ANR FG | NVIDIA DLSS Frame Generation | 官網列出的條件 | |---|---:|---:|---| | 2X,每生成一幀 | 1.01 ms | 1.26 ms | RTX 5090、3840 × 2160 | | 4X,平均每生成一幀 | 0.61 ms | 0.82 ms | RTX 5090、3840 × 2160 | | GPU 記憶體 | 214 MB | 562 MB | RTX 5090、3840 × 2160;該列未標示倍率 |

    官網另有 Apple M2 Max 的原生 Metal 幀生成表。這張表以解析度為欄、幀生成倍率與測量方式為列,數值依序如下:

    | Apple M2 Max 原生 Metal 測項 | 1920 × 1080 | 3840 × 2160 | |---|---:|---:| | 2X,每生成一幀 | 4.26 ms | 15.66 ms | | 4X,平均每生成一幀 | 2.52 ms | 9.25 ms |

    三種畫質指標涵蓋 2X 至 6X

    產品頁的品質表列出 CGVQM-5 平均 patch 分數、ColorVideoVDP 與 PSNR,各自比較 2X、3X、4X、5X、6X。以下照來源保留兩種方案的數值、差值和 95% 區間。產品頁沒有在這些品質表旁列出 GPU、解析度或完整測試方法;不要把 RTX 5090、3840 × 2160 條件從效能表移植到品質表。正差值是來源表所列差值,並非獨立測試結論。

    | 指標/倍率 | ANR FG | DLSS FG | 差值[95% 區間] | |---|---:|---:|---:| | CGVQM-5,2X | 96.59 | 93.66 | +2.93[1.23, 4.85] | | CGVQM-5,3X | 94.99 | 90.81 | +4.18[1.84, 6.87] | | CGVQM-5,4X | 94.20 | 89.21 | +5.00[2.19, 8.25] | | CGVQM-5,5X | 93.72 | 88.39 | +5.34[2.37, 8.80] | | CGVQM-5,6X | 93.50 | 87.82 | +5.67[2.44, 9.37] | | ColorVideoVDP(JOD),2X | 9.24 | 8.77 | +0.48[0.18, 0.86] | | ColorVideoVDP(JOD),3X | 9.28 | 8.78 | +0.50[0.19, 0.90] | | ColorVideoVDP(JOD),4X | 9.30 | 8.79 | +0.51[0.19, 0.93] | | ColorVideoVDP(JOD),5X | 9.34 | 8.83 | +0.51[0.19, 0.94] | | ColorVideoVDP(JOD),6X | 9.36 | 8.86 | +0.51[0.19, 0.94] | | PSNR(dB),2X | 33.84 | 31.22 | +2.62[1.36, 3.77] | | PSNR(dB),3X | 34.28 | 31.60 | +2.67[1.41, 3.84] | | PSNR(dB),4X | 34.50 | 31.84 | +2.66[1.42, 3.81] | | PSNR(dB),5X | 34.65 | 31.99 | +2.66[1.42, 3.82] | | PSNR(dB),6X | 34.77 | 32.08 | +2.69[1.44, 3.86] |

    Apex Compute 官方產品頁提供的 NVIDIA DLSS Frame Generation 對照畫面。

    Apex Compute 官方產品頁提供的 ANR FG 對照畫面。

    圖檔標頭註明,這組比較由真實影格 4、5 生成於 t=0.500;該時間沒有渲染影格。

    Apex Compute 官方產品頁提供的《The Last of Us Part II》幀生成比較圖;圖檔標頭註明以真實影格 4、5 生成於 t=0.500,該時間沒有渲染影格;畫面標示 DLSS-G 310.9.16 與 Apex NR FG。

    作者另附一張 4K benchmark 圖

    Apex Compute 官方作者在 2026 年 11 月 11 日的回覆中附上 benchmark 原圖。圖面列出 4K、2X/3X/4X 幀生成,以及六個 GPU 型號與多種幀生成方案;圖上標示「Lower is better」,但沒有說明數值的單位或具體衡量項目。這是廠商發布的測試資料,不能視為獨立驗證,也不能據此推成所有 GPU 的支援範圍。

    Apex Compute 官方作者回覆附上的 4K 幀生成效能比較原圖,涵蓋六款 GPU 與 Apex、NVIDIA DLSS-G、AMD FSR 3.1、AMD FSR 4 (ML)。原圖標示數值越低越好,但未標示數值單位;這是供應商 benchmark,並非獨立驗證。

    這些資料各有明列範圍:RTX 5090 表提供 2X 與 4X 效能數值,Apple M2 Max 表列出兩種解析度下的 2X 與 4X 幀生成時間,三種品質指標涵蓋 2X 至 6X,作者回覆的原圖則比較六款 GPU。產品頁品質表與硬體效能表的條件不同,而作者圖未標示單位或具體測量項目;因此它們都不能單獨驗證主帖的「最高快 2.4 倍」宣稱。

    原文:https://easyvibecoding.app/curated/3720-apex-neural-rendering-2-4x-test-conditions

    8 min
  • 黃仁勳即時辭任 NVIDIA 執行長,財務長柯蕾特・克雷斯暫代

    黃仁勳即時辭任 NVIDIA 執行長,財務長柯蕾特・克雷斯暫代

    2026 年 11 月 12 日,NVIDIA 公告黃仁勳即日起辭去總裁、執行長與董事職務。財務長柯蕾特・克雷斯暫代執行長,任內仍兼任財務長;董事會已開始尋找永久接班人,並表示會考慮內部與外部人選。公司公布了暫代安排與接班搜尋,尚未公布永久人選或辭任原因。

    公告確認了哪些人事安排

    董事會另任命哈維・瓊斯為 NVIDIA 首位董事會主席。這是與黃仁勳辭去董事職務分開的人事安排;公告沒有將主席職務描述為執行長接班。

    接班安排分成三件事:柯蕾特・克雷斯暫代執行長並保留財務長職務;董事會另任命哈維・瓊斯為首位董事會主席;董事會仍在搜尋永久執行長,並會考慮內外部候選人。

    依 NVIDIA 2026 年 11 月 12 日公告呈現職務安排;連線不代表比例或時程。

    公告沒有列出永久執行長人選,也沒有提供完成搜尋的時間表。哈維・瓊斯在公告中表示,董事會預期公司營運、客戶承諾與產品路線圖會持續推進;這是董事長對後續營運的表述,不是已公布的新任執行長安排。

    原貼文與正式公告說法有何不同

    被選中的 X 貼文援引 Bloomberg 報導,稱 NVIDIA 正與外部公司合作尋找新執行長,並考慮暫代人選。NVIDIA 的公告確認柯蕾特・克雷斯暫代,也確認董事會會考慮內外部候選人,但沒有提到聘用外部招募公司。目前可由 NVIDIA 公告核對的是暫代安排與搜尋範圍;外部公司是否參與,這些公告沒有確認。

    董事會調查是另一段背景

    11 月 8 日,董事會表示,因應有關外國情報行動以黃仁勳為目標的報導,將進行獨立調查。董事會當時稱,沒有理由相信美國國安或 NVIDIA 機密遭到洩漏,同時表示調查會檢視所有可得資訊。11 月 10 日,獨立董事表示已聘請前紐約南區代理聯邦檢察官 Joon H. Kim 與 Wachtell, Lipton, Rosen & Katz 律師事務所進行調查。兩份聲明都沒有公布調查結論或完成日期;11 月 12 日的人事公告也沒有說明辭任與調查之間的關係。

    原文:https://easyvibecoding.app/curated/3718-nvidia-ceo-transition-huang-resigns-kress-interim

    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。