脈報

脈報

By 思思主播Technology
Download on the App Store

All 脈報 episodes

  • MCP 新規格拿掉連線交握,變成一問一答,Simon Willison 回頭做了三個工具


    MCP 新規格拿掉連線交握與 session 編號,變成一問一答的無狀態 AI 基礎設施。文章拆解拿掉了什麼、狀態改由誰承擔,以及 Simon Willison 回頭做三個工具的理由。



    ⭐ 文章深度讀:好稽核,不等於安全

    → https://heymaibao.com/mcp-stateless-spec-simon-willison-three-tools/


    ⚡ 章節重點

    開場 00:00

    先把名詞放平 00:28

    拿掉的是什麼 01:12

    官方的算盤 02:31

    狀態沒有消失,只是換人扛 03:35

    一度失去興趣的人回頭做了三個工具 04:27

    好稽核,不等於安全 06:02

    你現在可以做什麼 07:39

    收尾 08:19


    📝 懶人包

    ∙ 新版規格 2026-07-28 把 MCP 從雙向有狀態協定改成一問一答的無狀態協定,initialize / initialized 交握和 Mcp-Session-Id 這個 session 編號一起退場


    ∙ 呼叫一個工具從兩個 HTTP 請求變成一個,任何請求都能落在一般負載平衡後面的任一台機器,不需要共用儲存。Simon Willison 說實作複雜度因此大幅下降,他那一週做了三個 MCP 工具,其中 datasette-mcp 是他自己說大概第四次嘗試才做出敢發佈的版本


    ∙ 這是破壞性變更,但官方同時立了最短十二個月的正式棄用政策,Roots、Sampling、Logging 和舊的 HTTP + SSE 傳輸都進入下架排程


    ∙ 我的觀察是,這次改版值不值得投入,關鍵在它把「誰來扛狀態」這件事從協定手上還給了你


    📚 參考資料

    Model Context Protocol 規格 2026-07-28 發佈公告

    → https://blog.modelcontextprotocol.io/posts/2026-07-28/


    Stateless MCP has recaptured my interest (and inspired mcp-explorer and datasette-mcp)

    → https://simonwillison.net/2026/Jul/31/stateless-mcp/


    Supporting protocol revision 2026-07-28 | MCP TypeScript SDK

    → https://ts.sdk.modelcontextprotocol.io/v2/migration/support-2026-07-28


    SEP-2596: Specification Feature Lifecycle and Deprecation Policy

    → https://modelcontextprotocol.io/seps/2596-spec-feature-lifecycle-and-deprecation


    The lethal trifecta for AI agents: private data, untrusted content, and external communication

    → https://simonwillison.net/2025/Jun/16/the-lethal-trifecta/

    9 min
  • Anthropic 讓 Claude 進 Slack 當同事,背景不用再講一次,脈絡長在頻道裡


    Claude Tag 讓 Claude 以團隊成員身分進 Slack 頻道,任何人 tag 一下就能派工。Anthropic 說內部版已寫下產品團隊 65% 的程式碼。這篇拆解這款 AI 助理改變了什麼。



    ⭐ 文章深度讀:原文沒有回答的

    → https://heymaibao.com/claude-tag-slack-teamwork/


    ⚡ 章節重點

    開場 00:00

    它到底是什麼 00:53

    四個差異點裡只有兩個真的改工作方式 02:07

    那個 65% 該怎麼讀 04:12

    權限那一節才是主體 05:06

    原文沒有回答的 06:31

    拿不到測試版的你可以做什麼 06:59


    📝 懶人包

    ∙ Claude Tag 讓 Claude 以團隊成員身分進 Slack 頻道,管理員授權哪些頻道、工具與資料,頻道內任何人 tag 一下 @Claude 就能派工


    ∙ Anthropic 表示,該公司產品團隊目前 65% 的程式碼由內部版 Claude Tag 產出,用途已經從工程擴散到追產品數據、處理客服案件、協助找出難纏錯誤的根因


    ∙ 管理員可以把頻道當成權限邊界:不同用途的 Claude 記憶互不相通,可以設定組織與單一頻道的 token 花費上限,也能查閱它做過的每一件事與每一項任務是誰派的


    ∙ 我的觀察是,這次真正改變的是脈絡從哪裡來。當 AI 的理解由頻道歷史慢慢累積出來,好處是它更懂你們在幹嘛,代價是你不再完全知道它憑什麼這樣做


    📚 參考資料

    Introducing Claude Tag

    → https://www.anthropic.com/news/introducing-claude-tag

    8 min
  • Uncle Bob Martin 不讀 agent 的程式碼,1960 年代末就寫程式的他改信關卡


    Uncle Bob Martin 不讀 agent 寫的程式碼,把信任交給單元測試與突變測試等六類自動關卡。這則 X 貼文沒有交代關卡由誰撰寫,AI coding agent 的可信度全押在這一格。



    ⭐ 文章深度讀:這套說法最脆弱的地方

    → https://heymaibao.com/uncle-bob-martin-agent-code-gauntlet/


    ⚡ 章節重點

    開場 00:00

    他到底說了什麼 01:08

    這排關卡長什麼樣 02:18

    這套說法最脆弱的地方 03:51

    這套做法的邊界 05:04

    你可以怎麼用 05:29

    最後 06:21


    📝 懶人包

    ∙ Uncle Bob Martin 在 2026 年 7 月 23 日的 X 貼文說,他目前的策略是不讀他的 agents 寫的任何程式碼


    ∙ 他改做的事是用極端約束把 agents 包起來,點名了單元測試、gherkin 測試、QA 程序、品質指標、突變測試、測試覆蓋率,還有一堆其他的


    ∙ 他說他的信心來自那些程式碼必須跑過他所有約束與測試組成的關卡。既然他不讀,這份信心就跟他有沒有親眼看過無關


    ∙ 我的觀察是,這套做法的可行性全押在關卡強度上,而原文從頭到尾沒有交代這些測試與流程由誰撰寫。關卡如果也是 agent 產的,這份信心就是自己證明自己


    📚 參考資料

    Uncle Bob Martin 談他不讀 agent 寫的程式碼

    → https://x.com/unclebobmartin/status/2080257779395154409

    7 min
  • Claude Opus 5 評測:思考強度開太高,它反而做得更糟,帳單也只降兩成


    Claude Opus 5 每 token 便宜一半,但整份任務的帳單只降到八成左右。這篇模型評測長文另外指出思考強度開太高會被扣分,以及拒答少了約 85% 的同時幻覺率往上。



    ⭐ 文章深度讀:那到底該把哪件事交給誰

    → https://heymaibao.com/claude-opus-5-review-effort-too-high/


    ⚡ 章節重點

    開場 把強度開到最高,分數反而掉下來 00:00

    這部影片在講什麼 00:26

    第一條線 思考強度給越多不一定越好 00:59

    第二條線 每個詞元便宜一半,帳單只降兩成 03:14

    第三條線 拒答變少,幻覺變多 04:46

    三條線收斂 局部思考強,全局思考弱 06:32

    作者的分派清單 07:00

    今天就做一件事 07:41


    📝 懶人包

    ∙ 這篇整理的官方定位是:Claude Opus 5 接近 Claude Fable 5 的能力、每 token 一半的價格,而且少掉大部分的拒答


    ∙ 但這篇評測指出,思考強度開到高檔時,Opus 5 會去做沒被要求的事而被扣分,作者推測中等強度通常就夠


    ∙ 同一篇引述的數據裡,不必要的拒答相對 Fable 下降約 85%,同時 ArtificialAnalysis 量到它的幻覺率比 Fable 高


    ∙ 我的觀察是,這三件事拆開看像三則零碎的評測筆記,疊在一起就是同一句話:模型選擇已經從「挑最強的那個」變成「把角色分派給對的那個」


    📚 參考資料

    Claude Opus 5 Is Highly Capable, But Is No Mythos

    → https://x.com/thezvi/status/2082166350701637794


    Introducing Claude Opus 5

    → https://www.anthropic.com/news/claude-opus-5


    Pricing - Claude Platform Docs

    → https://platform.claude.com/docs/en/about-claude/pricing


    Claude Opus 5: the new leader in agentic knowledge work

    → https://artificialanalysis.ai/articles/claude-opus-5-leader-agentic-knowledge-work


    Vibe Check: Claude Opus 5 Is Brilliant in Flashes, Frustrating in Practice

    → https://every.to/vibe-check/opus-5

    9 min
  • Claude Code 的系統提示砍掉超過 80%,現在換你決定 CLAUDE.md 留下哪幾條


    AI coding agent Claude Code 的系統提示被移除超過 80%,自家 coding 評估沒有可測量損失。這篇整理被刪掉的規則類型、模型自我查證的證據與 CLAUDE.md 的取捨。



    ⭐ 文章深度讀:原文沒有回答的四件事

    → https://heymaibao.com/claude-code-system-prompt-80-percent-cut/


    ⚡ 章節重點

    開場:該動手的不是模型選單 00:00

    先講清楚系統提示是什麼 00:37

    他們到底刪了什麼 01:00

    憑什麼敢刪 02:49

    六組對照其實是同一個原則 04:38

    這條路線有個沒寫在賣點裡的前提 06:15

    兩個容易讀歪的地方 07:18

    原文沒有回答的四件事 07:57

    我自己最有感的一點 08:32


    📝 懶人包

    ∙ 在 X 上發表長文的 Thariq (@trq212) 說,他們為 Claude Opus 5 與 Claude Fable 5 這一代模型移除了 Claude Code 系統提示超過 80% 的內容,在自家的 coding 評估上沒有可測量的損失。他描述的是自己所在團隊的改動。


    ∙ Anthropic 官方公告用一整節案例說明 Opus 5 會自己驗證再交件。其中一題給模型一張機械零件圖要它寫程式重建成 3D 模型,卻刻意不讓它直接看圖,Opus 5 自己寫了一條電腦視覺管線從原始像素抽出幾何,再重建整個零件,而且重複成功。同樣設定下沒有其他模型在五次嘗試內解出。


    ∙ 價格沒有漲。官方公告寫明 Opus 5 是每百萬 input token 5 美元、每百萬 output token 25 美元,和前代 Opus 4.8 相同。


    ∙ 我的觀察是,我們寫的那些規則本質上是「模型判斷不可靠時的保險」,而保險費現在變貴了:在會自己查證的模型上,多寫的每一條約束都有機會先被拿去跟別的指示打架,才輪到做事。這個判斷的成立範圍是這一代模型,舊模型上的護欄該不該一起拆,來源沒有回答。


    📚 參考資料

    Claude Opus 5 is available today

    → https://www.anthropic.com/news/claude-opus-5


    The new rules of context engineering for Claude 5 models

    → https://x.com/trq212/status/2080710971228918066


    Opus 5 is our least prompt injectable model yet

    → https://x.com/bcherny/status/2080713091688583312


    Claude Opus 5 System Card

    → https://www.anthropic.com/claude-opus-5-system-card


    How Claude remembers your project

    → https://docs.anthropic.com/en/docs/claude-code/memory

    10 min
  • 大家都在吵開放權重該不該禁,Anthropic 執行長說真正的開關是另外三個


    Anthropic 被指控想禁開放權重模型,執行長 Dario Amodei 發文否認,並說 AI 監管真正的變數是晶片、蒸餾與強制安全測試,他最擔心的模型可能從頭到尾都不會公開釋出。



    ⭐ 文章深度讀:我不太放心的地方

    → https://heymaibao.com/anthropic-ceo-denies-open-weights-ban/


    ⚡ 章節重點

    開場 00:00

    這場架是怎麼吵起來的 00:47

    他否認的,和他其實承認的 01:18

    那一刀砍在動機推論上 02:24

    他真正害怕的兩件事 03:16

    開關一:晶片 05:12

    開關二:蒸餾 05:38

    開關三:測試 06:41

    他跟那封公開信的分歧 07:17

    我不太放心的地方 08:33

    讀完可以帶走什麼 09:22


    📝 懶人包

    ∙ Anthropic 執行長 Dario Amodei 在官方新聞頁明說,Anthropic 從來沒有主張禁止開放權重模型


    ∙ 他同時承認開放權重模型的風險可能高於封閉模型,但禁止美國企業使用擋不到壞人,只會擋掉競爭者


    ∙ 他實際主張三件事:管制賣給中國的晶片、打擊工業規模的蒸餾、所有夠強的模型不分開放封閉都要通過發佈前的安全測試


    ∙ 我的觀察是,他真正做的動作是把「該不該開放」這個立場問題,換成「有沒有危險能力」這個由測試回答的程序問題。但整套主張的重量,因此押在一個目前看起來還沒到位的全球測試制度上


    📚 參考資料

    Anthropic's position on open-weights models

    → https://www.anthropic.com/news/position-open-weights-models

    10 min
  • 微軟的 Excel 模型沒有從零訓起,起點是 GitHub Copilot 已經訓好的存檔


    微軟公開 GitHub Copilot 與 Excel 裡的 MAI 模型成績,Excel 模型訓練的起點接自 Copilot 訓好的 checkpoint。本文拆解三條數據在跟誰比,以及護城河為什麼在位置。



    ⭐ 文章深度讀:原文沒有回答的事

    → https://heymaibao.com/microsoft-excel-model-from-github-copilot/


    ⚡ 章節重點

    開場 這個模型的起點不是零 00:00

    這部影片要拆什麼 00:28

    爬坡機器是什麼 00:48

    GitHub Copilot 的三條數據在跟誰比 01:15

    Excel 模型接的是誰的存檔 02:59

    和 GPT-5.6 打平這句要怎麼讀 03:43

    省錢的答案寫在硬體上 04:42

    我的判斷:稀缺的是位置 05:17

    原文沒有回答的事 06:07

    你可以帶走的東西 06:22


    📝 懶人包

    ∙ 微軟說,MAI-Code-1-Flash 在 VS Code 裡的程式碼採納率比 GPT 5.4 Mini 和 Claude Haiku 4.5 高約 10%,另外它的 token 用量中位數低 10%,開發者多日回訪的機率分別高 6% 和 11%。


    ∙ 微軟是拿 GitHub Copilot 裡訓出來的 MAI-Code-1-Flash checkpoint (訓練到一半的存檔) 當起點,再送進 Excel 的強化學習環境續訓。Excel 模型因此不從零起跑,它接的是 Copilot 已經爬到的高度。


    ∙ 微軟說這個更小、更有效率的模型可以同時跑在 Nvidia H100 和 A100 等級的 GPU 上,不必只用最新世代的加速器,大幅降低了微軟自己的部署成本。


    ∙ 我的觀察是,這篇最值得抄的是位置:模型、跑模型的環境、agents 和產品專屬的評估全在同一家公司手上,小模型才爬得上去。你手上如果沒有這四樣,這條路就不成立。


    📚 參考資料

    Hill-climbing MAI models for GitHub Copilot and Excel

    → https://microsoft.ai/news/hill-climbing-mai-models-for-github-copilot-and-excel/

    7 min
  • Anthropic 自曝 Claude 三種失效,其中一條動搖了叫 AI 檢查自己的習慣


    Anthropic 公開承認 Claude 傾向偏袒自己的產出,等於動搖了讓 AI 檢查自己答案這個習慣。同篇還列出另外兩種長任務失效,解法是讓多個 AI coding agent 分工。



    ⭐ 文章深度讀:我的判準:切得開,才驗得了

    → https://heymaibao.com/anthropic-claude-three-failure-modes-dynamic-workflows/


    ⚡ 章節重點

    開場:一家公司自己列出產品會怎麼壞 00:00

    材料哪來的 00:24

    第一種失效:做到一半就宣告完成 00:50

    第二種失效:偏袒自己的產出 01:39

    要換掉的是檢查的那一方 03:04

    第三種失效:對話被壓縮之後偏離目標 03:21

    那套架構在做什麼 04:13

    我的判準:切得開,才驗得了 05:05

    兩兩比較比絕對評分可靠 06:25

    原文沒有回答的 06:54

    我自己最有感的一條 07:22


    📝 懶人包

    ∙ Anthropic 的 Claude Code 團隊成員發文指出,Claude 在長時間、大規模平行,或者高度對抗性 (任務本身要靠一方產出、另一方挑錯來推進) 的任務裡有三種失效模式:提前宣告完成 (agentic laziness)、偏好自己的結果 (self-preferential bias)、跨多輪逐漸偏離原始目標 (goal drift)


    ∙ 他們的解法是 dynamic workflows:讓 Claude 當場為手上的任務寫出一套自訂流程,派出多個 Claude 分工,每個各自持有獨立的 context window (模型一次能記住的範圍) 與隔離目標,取代同一個 Claude 從頭做到尾


    ∙ 同一篇文章也自己降溫,開頭就說最佳實務仍在發展中、這種做法常常用掉更多 token,後面有整整一節在講什麼時候不要用,還說多數傳統的寫程式任務不需要一個由 5 位審查員組成的評審團


    ∙ 我的觀察是,該不該把任務拆給多個 AI 分工,判準不在任務有多大,在任務能不能拆成「可以被另一個 AI 獨立檢查」的單位。原文六種做法全都預設了這個前提,只是沒有明講


    📚 參考資料

    A harness for every task: dynamic workflows in Claude Code

    → https://x.com/trq212/status/2061907337154367865


    Introducing Claude Opus 4.8

    → https://www.anthropic.com/news/claude-opus-4-8


    Create custom subagents

    → https://code.claude.com/docs/en/sub-agents


    Rewriting Bun in Rust

    → https://bun.com/blog/bun-in-rust


    LLM Prompt Injection Prevention Cheat Sheet

    → https://cheatsheetseries.owasp.org/cheatsheets/LLMPromptInjectionPreventionCheat_Sheet.html

    8 min
  • Anthropic 用 Claude 一週想出密碼攻擊,兩位研究員花近一個月才敢確認


    Anthropic 公開 Claude 改良 HAWK 與 AES 兩項密碼攻擊的完整過程,模型一週想出方法,研究員卻花近一個月才確認正確。大型語言模型讓產出變快,驗證成了新的瓶頸。



    ⭐ 文章深度讀:模型一開始根本不肯試

    → https://heymaibao.com/anthropic-claude-cryptanalysis-verification-bottleneck/


    ⚡ 章節重點

    開場 00:00

    他們到底做了什麼 00:52

    為什麼這不是「加密被破解」 03:21

    HAWK 沒被破解,但可能就此出局 04:05

    驗證變成整條鏈上最慢的一段 04:33

    模型一開始根本不肯試 05:56

    10 萬美元這個價位跨過了一道門檻 07:03

    你能確認多少,就是你的天花板 07:39


    📝 懶人包

    ∙ Anthropic 說模型改良了對 HAWK 的攻擊。HAWK 是美國國家標準與技術研究院 (NIST) 後量子簽章徵選的第三輪候選方案,這個攻擊實質上把它的金鑰強度砍掉一半


    ∙ 第二項成果把「7 輪版 AES-128」的最強已知攻擊加速了 200 到 800 倍。完整的 AES-128 是 10 輪,這次攻擊只適用於 7 輪的修改版


    ∙ 兩項成果都不影響現行系統,各自約花掉 10 萬美元的 API 成本


    ∙ 我的觀察是,真正的訊號在這組數字的落差裡:AES 那項模型一週就想出來,兩位研究員花了將近一個月才確認它沒錯。產出變快了,確認沒有


    📚 參考資料

    Discovering cryptographic weaknesses

    → https://www.anthropic.com/research/discovering-cryptographic-weaknesses

    9 min
  • ChatGPT 開始讀你的病歷了:每次先問你的那道許可提示,其實可以一次關掉


    ChatGPT 讀取連接的病歷前預設會先徵詢許可,而這道提示可以一次關掉。OpenAI 在美國上線 Health,理由是七成健康相關對話發生在專屬健康空間之外,形態因此改變。



    ⭐ 文章深度讀:整套設計裡,唯一要你做決定的地方

    → https://heymaibao.com/chatgpt-health-permission-prompt/


    ⚡ 章節重點

    開場 00:00

    它到底開放了什麼 00:26

    七成健康對話繞道走 01:19

    房間變成一層背景 01:55

    唯一要你做決定的地方 02:35

    隱私承諾裡最硬的一條 03:38

    能力那段寫得比產品模糊 04:37

    你可以先想清楚的兩件事 06:18

    收尾 07:11


    📝 懶人包

    ∙ OpenAI 宣布 Health 在 ChatGPT 上線給美國使用者,登入且年滿 18 歲可用,涵蓋 web 與 iOS,Free、Go、Plus、Pro 四個方案都有,Codex 目前還沒有。可連接的資料源是 Apple Health、美國醫院系統支援的病歷、One Medical 與 Function Health


    ∙ 產品形態從「要先走進專屬健康空間」改成「連接過的資訊可以在一般對話裡被取用」。OpenAI 給的理由是,在有權限的使用者當中,超過 70% 的健康相關對話發生在專屬健康體驗之外


    ∙ OpenAI 說,連接的病歷與 Apple Health 資訊,以及使用到它們的對話,不用於訓練它的基礎模型,也不用於廣告定向,而且不受你自己的模型訓練設定影響。預設每次要用這些資訊之前都會先問你,你也可以改成一律允許


    ∙ 我的觀察是,這次的變動落在健康資料的取用位置。就這份公告本身而言,產品可用範圍寫得極為精確,能力宣稱卻只給了方向沒給數字,所以該花時間決定的是那個許可設定


    📚 參考資料

    Launching Health in ChatGPT

    → https://openai.com/index/health-in-chatgpt/


    Introducing ChatGPT Health

    → https://openai.com/index/introducing-chatgpt-health/


    Improving health intelligence in ChatGPT

    → https://openai.com/index/improving-health-intelligence-in-chatgpt/


    Health Privacy Notice

    → https://openai.com/policies/health-privacy-policy/


    OpenAI is making big claims as it rolls out ChatGPT Health to everyone

    → https://www.theverge.com/ai-artificial-intelligence/970115/openai-chatgpt-health-launch-claims

    8 min