脈報

脈報

By 思思主播Technology
Download on the App Store

All 脈報 episodes

  • 他讓一群 Claude Code 進沙盒並行寫程式,組成軟體工廠


    Matt Pocock 開源 Sandcastle,把 Claude Code、Codex 關進隔離沙盒並行跑:GitHub issue 當佇列,規劃、實作、互審、合併成軟體工廠,真正該學的是流程不是工具。



    ⭐ 文章深度讀:你敢讓一群 AI agent 整晚自己寫程式嗎,還是覺得太冒險?

    → https://heymaibao.com/sandcastle-ai-agent-sandbox-software-factory/


    ⚡ 章節重點

    開場 AFK 軟體工廠的夢 00:00

    關鍵不是放飛 是把它關進沙盒 00:52

    拆解 Sandcastle 其實只是一個函式 02:36

    軟體工廠的四步驟產線 04:13

    兩個值得偷學的小技巧 06:51

    實際跑起來的結果 07:42

    總結 流程大於工具 08:15


    📝 懶人包

    ∙ AFK (away from keyboard,離開鍵盤掛機) 並行 agent 的真正前提是沙盒隔離,不是 YOLO 放飛。你以為瓶頸是 agent 不夠聰明,其實卡住大家的是「怎麼安全地讓它自己跑」。


    ∙ Sandcastle 的核心其實只是一個極簡的函式 `Sandcastle.run`,傳入「用哪個 agent、哪個沙盒、跑什麼 prompt」就好。它對你用 Claude Code 還是 Codex、用 Docker 還是別的隔離環境,完全不綁定。


    ∙ 真正的價值是函式上面那套流程:用 GitHub issue (任務工單) 當佇列,planner 出計畫、多個 implementer 並行寫、reviewer 互審、merger 合併。這條產線才是「軟體工廠」的本體。


    ∙ 我的觀察:看完這部影片,我覺得真正該帶走的不是 Sandcastle 這個工具,而是它示範的那套 pattern,而且 sandbox 這個前提,是多數人在玩自動化 agent 時最容易低估的一環。


    📚 參考資料

    I Open-Sourced My Own AFK Software Factory

    → https://www.youtube.com/watch?v=E5-QK3CDVQM


    @mattpocockuk

    → https://www.youtube.com/@mattpocockuk

    10 min
  • 非工程師的 AI 出貨術:不讀計畫、不看 code、只問對問題


    不會讀 code 的非工程師,怎麼把功能送進 Python 官方、還能持續出貨?拆解他的 agentic engineering 心法:用計畫逼 AI 別偷懶、靠結果把關、用假想反對者做決策。



    ⭐ 文章深度讀:影片是 AI 速讀版,原文多補了我對 slop、被社群封禁與灰色 API 三個代價的完整判斷

    → https://heymaibao.com/non-engineer-agentic-shipping/


    ⚡ 章節重點

    開場 00:00

    不會讀 code 卻進了 Python 00:36

    矛盾:不讀計畫也不看 code 01:42

    用計畫逼 AI 別偷懶 02:07

    只問對問題:邊界與假想反對者 03:13

    萬物皆有 API 04:39

    真實的代價與新門檻 05:39

    結語:先為自己出一個貨 07:22


    📝 懶人包

    ∙ 他最大的一招是 Compound Engineering 的 `CE plan` 和 `CE work` (一套 AI 建構工作流工具,他大力歸功給 Kieran)。他說 AI agent 天生會偷懶,會想用最少的算力 (token) 最快讓你滿意,所以先逼它寫下一步步的計畫,就是逼它別偷懶。


    ∙ 他不讀計畫也不看 code,改用一兩個關鍵的邊界問題、一個假想出來的反對者,加上「東西到底能不能跑」來把關。


    ∙ 他的產品 Printing Press 主張「萬物皆有 API」,讓 AI agent 直接去打 API (程式之間互相呼叫的介面),而不是人去點網頁。不會寫程式的人,也能靠它一直生出能用的小工具。


    ∙ 我的觀察:真正的門檻已經從「會不會寫 code」換成「品味跟提問力」,但 slop (AI 量產的低品質垃圾)、被社群封禁、去挖沒公開的 API 這些代價都是真的,這套打法不是人人都能躺著贏。


    📚 參考資料

    How This Non-Technical Founder Mastered Agentic Engineering in 50 Minutes | Matt Van Horn

    → https://youtu.be/BxEf3RqIHkw?si=jWN5o_KwNQzxJU0r

    8 min
  • 微軟 CEO:別再追最強 AI 模型,真正的護城河是學習迴圈


    微軟 CEO Satya Nadella 認為 AI 時代真正的護城河不是最強模型,而是會複利的學習迴圈。本文整理他的雙資本框架、生態系大於模型的主張,以及對一人創作者的啟發。



    ⭐ 文章深度讀:微軟 CEO 這套說法哪裡是洞見、哪裡是對自己有利的定位,我的完整判斷寫在文章裡

    → https://heymaibao.com/nadella-frontier-ecosystem-learning-loop/


    ⚡ 章節重點

    開場 00:00

    別再追最強模型 01:27

    兩種資本:人力與 token 01:39

    真正的護城河是學習迴圈 03:02

    微軟為何高喊生態系大於模型 05:02

    一人創作者怎麼建護城河 06:44


    📝 懶人包

    ∙ Nadella 認為真正的機會不在挑最強的模型,而在模型之上建立一個會複利的「學習迴圈」,讓人的判斷和企業自己的 AI 能力一起累積,這才是難以複製的護城河。


    ∙ 他提出兩種資本,human capital (人的知識、判斷、關係、模式辨識) 和 token capital (企業自建並擁有的 AI 能力)。他主張人不會因為 AI 變強而貶值,反而更值錢,因為「沒有人的方向,算力只是在原地打轉」。


    ∙ 他同時提出警告,如果價值最後都被少數「吃掉所有東西」的模型收走,政治經濟層面不會容忍,並用第一波全球化外包掏空工業經濟的歷史,呼籲別在 AI 時代重演。


    ∙ 我的觀察:這套論述很漂亮,但別忘了講者是微軟 CEO,而微軟賣的正是讓企業在模型之上自建學習迴圈的那層平台,同時又是 OpenAI 最大的投資方之一。「生態系大於模型」既是真誠的洞見,也是一個對自己有利的定位。


    📚 參考資料

    A frontier without an ecosystem is not stable

    → https://x.com/satyanadella/status/2066182223213293753

    9 min
  • Claude Code 的記憶哪裡弱?儲存、注入、召回一次拆給你看


    沒有單一框架能把 AI 記憶的儲存、注入、召回三件事都做好。這篇拆解 Claude Code 原生記憶的弱點,以及怎麼擇優重組成一套會給出處、不知道就說不知道的記憶系統。



    ⭐ 文章深度讀:影片帶你拆框架,文章裡我還多潑了一段冷水:為什麼「最強、打敗 Hermes」這種說法要打折,以及一張可以照著自我檢查 AI 記憶的清單。

    → https://heymaibao.com/claude-code-memory-system/


    ⚡ 章節重點

    開場 00:00

    AI 記憶的三件事 01:40

    Claude Code 的致命弱點 03:41

    擇優重組:把各家最強的補回來 04:53

    會給出處,不知道就說不知道 06:48

    團隊版:共享腦還是私有 07:52

    別被最強帶著走 08:39


    📝 懶人包

    ∙ 任何 AI 記憶系統其實只做三件事:儲存 (存得進)、注入 (開機時叫得出)、召回 (事後找得到)。每件事都有不只一種做法可以挑。


    ∙ 影片診斷 Claude Code 原生記憶:儲存還行但會漏、注入很陽春、召回幾乎沒有搜尋,是三者裡最弱的一環。


    ∙ 影片的解法是擇優重組:儲存加一個全自動摘要鉤子、注入改用有上限的開機快照、召回用本地向量混合搜尋,再加上「會給出處、不知道就說不知道」的書面答案。


    ∙ 我的觀點:這部影片最該帶走的,不是「裝哪套最強」,而是那套拆解框架,還有一句話,「沒有出處的自信答案,比沒用還糟」。


    📚 參考資料

    I Built The Best Claude Memory System (Beats Hermes)

    → https://youtu.be/H9BUkgDf5Y4

    10 min
  • Anthropic 風光的一週『結束了』?真正重點不是這齣宮鬥戲


    YouTuber 說美國政府逼 Anthropic 90 分鐘內下架模型,但宮鬥戲無法查證。真正該帶走的是三件事:AI 權力新聞怎麼讀、vibe coding 陷阱,以及 AI 為何增強而非取代你。



    ⭐ 文章深度讀:完整文章裡我把「怎麼分清報導、各方敘事與個人推測」拆成可直接照做的判斷步驟

    → https://heymaibao.com/anthropic-its-over-real-takeaways/


    ⚡ 章節重點

    開場 00:00

    怎麼讀 AI 宮鬥新聞 01:02

    Vibe coding 陷阱 04:51

    AI 是增強不是取代 06:51

    三個帶走的判斷 08:17


    📝 懶人包

    ∙ 他把整起事件定調成一場權力與資本的鬥爭,不是安全問題。他甚至給出機率分配:10% 是各方在玩高階合謀,45% 是政府裡有人想分 Anthropic 上市的利益,45% 是純粹的混亂、情緒和自尊作祟。


    ∙ 他戳破一個現象,我會把它叫做 vibe coding 陷阱 (vibe coding 指不太看程式碼、單靠和 AI 對話就把東西做出來)。週末隨手丟需求給 AI、被驚艷的原型「一招騙倒」的,不只你,還有一堆公司高層。要做給數百萬人用的產品,一定得看程式碼。


    ∙ 他的核心立場是:AI 是增強你,不是取代你。他說了一句很重的話,「這個模型沒有我,什麼都不是。」


    ∙ 我的觀察:這部影片真正的價值不在爆料,而在三個判斷框架。看 AI 圈的權力鬥爭新聞時,最該練的能力是把「報導的事實」「當事人各自的敘事」「評論者的個人推測」分成三層,別把第三層當成第一層吞下去。


    📚 參考資料

    Mo Bitar:It's over.

    → https://youtu.be/vZ6pj1l_bC4

    10 min
  • 有人說賺十億一定靠作弊,Paul Graham 用一道數學題反駁


    賺到十億美元一定靠作弊嗎?Paul Graham 用一道指數成長的數學題告訴你不必。新創規模只取決於成長率與成長持續多久,這篇帶你自己算一次,順便校正你對指數成長的直覺。



    ⭐ 文章深度讀:影片是重點版,文章版完整寫了我為什麼說這是「可能」不是「容易」,還有 YC 倖存者視角這個但書

    → https://heymaibao.com/paul-graham-earn-billion-dollars/


    ⚡ 章節重點

    開場 00:00

    先自己算一次,不必作弊的證明 01:52

    反直覺的指數成長 03:40

    成長率到底從哪裡來 05:43

    別刻意找點子,最好的點子不是找來的 06:41

    可能不代表容易,一個誠實的但書 09:10


    📝 懶人包

    ∙ 賺到十億不必作弊。一家新創能長多大、創辦人能變多有錢,只取決於兩個數字:成長率,以及這個成長能持續多久。


    ∙ 指數成長違反直覺到像魔術。每月成長 93%,從兩百萬到十億只要約九個半月,就算放慢到每月 15%,五年也會變成原本的 4384 倍。


    ∙ 成長率的來源是「做出好到讓人主動告訴朋友的東西」,而最好的點子通常不是刻意找來的,是你和朋友在做覺得很酷的專案時冒出來的。


    ∙ 我的觀點:與其說這是致富指南,不如說是一堂認知課。Paul Graham 證明的是「可能」,不是「容易」,而且他站在 Y Combinator 創辦人的位置,看到的多半是活下來的成功者。對我們這些普通讀者,真正能帶走的不是十億,是重新校正自己對指數成長的直覺。


    📚 參考資料

    How to Earn a Billion Dollars

    → https://paulgraham.com/earn.html

    12 min
  • 一個越獄就讓美國政府下架 Fable 5,Anthropic 公開不服


    美國政府逼 Anthropic 對所有客戶下架 Fable 5 與 Mythos 5,理由只是一個被指控的窄越獄。Anthropic 合規卻公開不服,警告這種召回門檻會凍結整個前沿 AI 產業。



    ⭐ 文章深度讀:這次被關掉的是 Fable 5,下次很可能就是你最依賴的那個工具

    → https://heymaibao.com/anthropic-fable-5-government-recall/


    ⚡ 章節重點

    開場:一個越獄就讓模型全面下架 00:00

    發生了什麼:政府的出口管制令 00:49

    政府的理由薄到什麼程度 01:23

    先說清楚:消息只有一邊 01:48

    Anthropic 的反駁與美工刀比喻 02:14

    誠實是一把雙面刃 03:17

    真正的爭點:召回門檻 03:50

    你該怎麼辦:留一條退路 05:02

    收尾:下次會是誰 05:49


    📝 懶人包

    ∙ 美國政府以國家安全與出口管制職權,要求 Anthropic 停止讓任何外國國民 (含 Anthropic 自家外國籍員工) 存取 Fable 5 與 Mythos 5。淨效果是 Anthropic 必須對「所有」客戶突然關閉這兩個模型,其他 Anthropic 模型不受影響。


    ∙ 政府給的唯一理由是一個「窄、非通用」的越獄。Anthropic 說那個越獄本質上就是「要求模型讀某段程式碼、修掉軟體缺陷」,而且同等能力在其他模型 (包含 OpenAI 的 GPT-5.5) 也廣泛可得。


    ∙ Anthropic 一邊遵守法律指令下架,一邊公開反對。它主張:用「發現一個窄越獄」當召回理由,如果套用到整個產業,等於讓所有前沿模型供應商停止所有新模型部署。


    ∙ 我的觀點:真正該盯的不是「模型被關了」,而是「召回門檻被設多低」。用一個修程式碼等級的窄越獄,就逼停一個數億人在用的前沿模型,這種監理動作極其罕見,門檻訂在哪,會決定之後每一次部署的命運。


    📚 參考資料

    Update on access to Fable 5 and Mythos 5

    → https://www.anthropic.com/news/fable-mythos-access


    @AnthropicAI

    → https://x.com/AnthropicAI/status/2065597531644743999

    7 min
  • Fable 5 還沒用就燒光額度,問題不在模型,在你不會分層


    Fable 5 很強卻很燒額度。這篇從一部不談 benchmark 的影片,拆 effort 分層與多模型編排:貴模型規劃、便宜模型執行、貴模型驗證,並標出哪些只是影片未驗證宣稱。



    ⭐ 文章深度讀:Fable 開哪一檔對應 Opus 哪一檔、什麼時候該主動降級,完整對照和三步流程我都整理在文章裡

    → https://heymaibao.com/fable-5-effort-tier-token-strategy/


    ⚡ 章節重點

    開場 00:00

    為什麼切到 Fable 5 開 max 是陷阱 01:03

    跟模型學成本紀律 01:55

    善用 effort 分層 02:55

    規劃執行驗證三步流程 03:53

    事實與傳言怎麼分 06:28

    把最貴的腦用在刀口上 08:17


    📝 懶人包

    ∙ 影片作者認為 Fable 5 是 Anthropic 新一代模型,能力很強,但 token (你的運算額度) 燒得極兇,無腦開高 effort 會非常快見底。


    ∙ 他從一份宣稱來自 Fable 5 的 model card 觀察到一個有趣行為:Fable 對資安、生命科學、健康類的請求會自動把模型降級成 Opus 4.8。換句話說,模型自己示範了什麼叫「貴的力氣要花在刀口上」。


    ∙ 他認為大家最低估的不是模型,而是 effort 等級。選對「模型 × 力度」的組合,往往比一味追最新模型更省、效果還更好。


    ∙ 我的判斷:這部影片最該帶走的不是「哪一檔 Fable 對應哪一檔 Opus」,而是「貴模型規劃、便宜模型執行、貴模型驗證」這個範式。至於影片裡那些最聳動的洩漏細節,沒有可查證的來源,當啟發可以,當事實不行。


    📚 參考資料

    Don't Use Claude Fable 5 Until You See This

    → https://youtu.be/113P6SBWAm8?si=kRDh3yOkYfNGNWvR

    9 min
  • 少下步驟反而更強,Fable 5 第一天社群實測的 8 條用法


    Fable 5 發佈第一天,社群在 Reddit、X、TikTok 燒錢實測,摸出 8 條 day-one 用法:少下步驟、給目標、當 orchestrator、先餵截圖、用 medium effort 省 token,直接抄。



    ⭐ 文章深度讀:影片是濃縮版,8 條用法的完整脈絡、社群迷因原文和每條來源連結都在文章裡

    → https://heymaibao.com/fable-5-day-one-community-playbook/


    ⚡ 章節重點

    開場 00:00

    給目標,少下步驟 01:09

    把它當排程者,不要當工人 02:03

    省 token,先試 medium 檔 03:17

    避開安全地雷與商業用法 04:27

    6 月 22 日死線與技能蒸餾 05:19

    八大鐵律總結 06:03


    📝 懶人包

    ∙ 少下步驟、給目標。舊 prompt 裡那些編號步驟、手把手指示,在 Fable 5 上反而扣分。


    ∙ 把它當 orchestrator (調度者)、先試 medium 檔位,是社群一致摸出的「又夠強又省 token」組合。


    ∙ 能力天花板被一次拉高,但成本和用量焦慮同步放大,社群迷因 (token jail、額度 reset 到 2028 年) 就是最真實的行為證據。


    ∙ 我的觀察:第一天最值得抄的不是某個指令,而是一個心態切換,從「我來指揮它每一步」變成「我給它一個目標,然後讓開」。能接受這件事的人,會先嚐到甜頭。


    📚 參考資料

    /Last1Day of Fable 5: Best Practices and the Funniest Things People Are Saying

    → https://x.com/mvanhorn/status/2064887887578136666

    7 min
  • Anthropic 放出最強 coding 模型 Fable 5,但它會偷偷變笨


    Anthropic Fable 5 被稱為最強 coding 模型,能改老專案、自寫測試找 bug。但燒錢快、強制留資料 30 天,還會在你不知情時偷偷調笨還照收全價。該不該用一次看懂。



    ⭐ 文章深度讀:這段視窗到底該不該衝,我把完整判斷整理在文章裡

    → https://heymaibao.com/anthropic-fable-5-coding-model/


    ⚡ 章節重點

    開場 00:00

    60 秒懶人包 00:53

    釐清模型與跑分 01:49

    能力跳級實測 03:14

    三個隱性代價 05:09

    該怎麼用:行動策略 07:32

    總結 08:42


    📝 懶人包

    ∙ **使用者拿到的是 Fable 5,不是裸 Mythos 5。** Fable 5 是 Mythos 5 套了一層安全防護的版本。很多跑分 (benchmark) 看起來低分,其實是 Fable 對某些題目直接拒答造成的,不是能力不夠。


    ∙ **它被認為是目前最強的 coding 模型。** Theo 用它改造了一個 15,000 行的老專案、讓它自己寫測試程式找出 bug,他的團隊更在一兩小時內做出了 Minecraft 仿作和有連線對戰的 3D 賽車遊戲。


    ∙ **代價很重。** 每單位用量是 Opus 的兩倍價格,實際花費快到 8 分鐘就能燒掉 100 美元,Claude Code 對它的存取有 6 月 22、23 日的時間節點,而且強制保留你的資料 30 天。


    ∙ **我的觀點:** 真正該警覺的不是價格,是這個模型的安全層會在你不知情時把它調笨,還收你全價。價格至少寫在帳單上,這件事不會。


    📚 參考資料

    Anthropic 放出最強 coding 模型 Fable 5,但它會偷偷變笨 (Theo,t3.gg)

    → https://youtu.be/7IewbRdaBWI?si=gRDMTpByIbIq7jG-

    10 min