脈報

脈報

By 思思主播Technology
Download on the App Store

All 脈報 episodes

  • 20k 星的 Claude Code 外掛,這個月在解一個更難的問題


    AI 會寫程式已經不稀奇,難的是讓它在整段開發流程裡不掉脈絡。20k 星的 Claude Code 外掛 Compound Engineering 這個月就在解這題,從詞彙字典到克制設計,幫你抓重點。



    ⭐ 文章深度讀:我把這套外掛這個月最值得學的幾個點整理成完整圖文

    → https://heymaibao.com/compound-engineering-context-update/


    ⚡ 章節重點

    開場 00:00

    真正難的不是寫 code 00:30

    為什麼爆紅到 20k 星 01:19

    CONCEPTS.md:給專案一本字典 01:42

    好的 AI 要懂得打斷你 03:02

    用眼睛審查成品 03:42

    趁故事還新鮮就先寫出來 04:55

    成熟的克制 06:05

    留給你的問題 06:46


    📝 懶人包

    ∙ Compound Engineering 這輪更新的主線,是讓 AI 把「脈絡 (context)」帶過整個開發流程,而不是再證明一次 AI 會寫程式。


    ∙ 最大的新東西是 CONCEPTS.md,一份放在程式碼倉庫根目錄的小字典,專治 AI 自己亂掰專案術語。


    ∙ 它反覆保留「人類控制點」:自動審查永遠不會替你把改動送出去、看實際畫面的工具只能你手動開、寫公告的工具只草擬不發佈。


    ∙ 我的觀察:在「全自動 AI agent」被講到爛的此刻,這種刻意把人留在方向盤上的克制,比任何單一功能都更值得學。


    📚 參考資料

    Compound Engineering Update - 6/8/2026 (@trevin)

    → https://x.com/trevin/status/2064012930836987973

    8 min
  • AI 不只會寫程式,還能當你的私人家教,差別只在一件事


    AI 不只會寫程式,還能當你的私人家教。Matt Pocock 的 teach skill 把 Claude Code 變成記得你進度的老師,連魔術方塊都教得會,關鍵是一個常被忽略的有狀態設計。



    ⭐ 文章深度讀:把這套有狀態設計搬到你自己的學習或工作流,完整圖文版我整理在脈報

    → https://heymaibao.com/ai-personal-tutor-teach-skill/


    ⚡ 章節重點

    開場 00:00

    你的 AI 會記住你嗎 01:03

    有狀態與無狀態的差別 01:36

    實測:教我還原魔術方塊 02:41

    近側發展區,學習的甜蜜點 04:42

    反依賴的教學法 05:52

    知識工作者的實戰 07:01


    📝 懶人包

    ∙ 教 AI 的關鍵分水嶺,是它有沒有「狀態」。教學這種事必須是有狀態的,要把你的進度、找到的資源、上過的課都存進檔案,否則它每次都從零開始,記不得你是誰。


    ∙ 近側發展區 (zone of proximal development) 是讓課程「剛剛好」的原則,每次只教你「被充分挑戰、但還不會被嚇跑」的一小步。


    ∙ 好的設計是反依賴的,從知識到技能再到智慧 (wisdom),最終把需要實戰經驗的問題導向真實社群,目標是讓你不再需要它。


    ∙ 我的觀察:這套方法真正可以帶走的,不是「AI 能當家教」這個結論,而是「有狀態」這個設計本身。任何你想讓 AI 長期陪著你跑的流程,無論是學習、寫作還是專案管理,都該照這個方式設計,前提是你願意讓它在你的檔案裡留下紀錄。


    📚 參考資料

    Learn anything with the /teach skill

    → https://youtu.be/s5T5oQJcJ6U

    9 min
  • Anthropic 自己攤牌:80% 程式碼是 AI 寫的,它卻想喊停


    Anthropic 攤開內部數據:超過 80% 程式碼由 Claude 寫、工程師產出 8 倍於 2024,卻同時說願意可驗證地暫停前沿 AI。一篇拆解遞迴自我改進真相、taste 暗線與對齊風險。



    ⭐ 文章深度讀:Anthropic 接下來幾個月要辦的 RSI 政策對話會生出什麼具體共識

    → https://heymaibao.com/anthropic-recursive-self-improvement/


    ⚡ 章節重點

    開場 00:00

    80% 的程式碼是 AI 寫的 00:26

    AI 一年內進化有多快 01:25

    數字會騙人,方向沒騙人 02:14

    什麼是遞迴自我改進 03:04

    taste 是人類最後的護城河 04:15

    模型開始訓練模型的恐怖 05:37

    為什麼這家公司想暫停 06:32

    我們該怎麼辦 07:21


    📝 懶人包

    ∙ Anthropic 攤開內部數據:超過 80% 的程式碼由 Claude 撰寫 (Claude Code 2025 年 2 月上線前還是個位數),2026 年第二季每位工程師每天合併的程式碼量,是 2024 年的 8 倍。


    ∙ 真正的轉變不是「AI 變強」,而是人類角色在開發鏈的每一步收窄。寫碼、跑實驗這些「做」的事趨近免費,瓶頸從「做」轉移到「判斷哪件事值得做」。


    ∙ Anthropic 罕見表態:如果能可驗證地讓多國前沿實驗室同步暫停,它願意暫停或放慢,而這番話,是在它聲勢最高的時候說出口的。


    ∙ 我的觀察:這篇文章的數字會騙人,但方向沒騙人。8x 是被自己承認高估的虛榮指標,可是「人類角色收窄、taste 變成最後護城河、模型開始訓練模型」這三件事是真的,後面這條對齊暗線才是我會睡不著的地方。


    📚 參考資料

    Recursive self-improvement (Marina Favaro and Jack Clark, 2026)

    → https://www.anthropic.com/institute/recursive-self-improvement


    YouTube:對 Anthropic 遞迴自我改進文章的 reaction 影片

    → https://youtu.be/xjucOlb_mFM

    9 min
  • AI 公司想賣你的東西,PewDiePie 自己做出來還免費送


    AI 公司想包成訂閱賣你的功能,PewDiePie 免費開源做了一套自架 AI 工作站。ThePrimeagen 看完直呼跪。這篇談它的功能、為何是隱私宣言,還有一個人專案能撐多久的隱憂。



    ⭐ 文章深度讀:Odysius 的完整功能清單、它到底抄了誰,以及我為什麼說它撐不撐得久還是問號,文章裡講得更細

    → https://heymaibao.com/pewdiepie-free-self-hosted-ai-workspace/


    ⚡ 章節重點

    開場 00:00

    Odysius 到底是什麼 01:10

    一個人做完 AI 公司的產品線 01:46

    功能全是抄來再整合 02:58

    資料主權與隱私宣言 04:21

    AI 是工具,不是來取代你 05:35

    我的判斷:門檻與隱憂 06:16

    留給你的小挑戰 07:06


    📝 懶人包

    ∙ PewDiePie 發佈了一套叫 Odysius (拼法待確認) 的 AI workspace,定位像 Claude 或 ChatGPT 的網頁版,但完全自架、資料歸你、無追蹤、無訂閱,也可以用 API 接任何模型。


    ∙ 它幾乎把市面上 AI 產品的功能線全包了:能操作你電腦的 agent、會記住你的記憶、deep research、文件編輯器、會自動回信的 email、本地模型管理工具,連 Photoshop 替代品都自己刻了一個。


    ∙ PewDiePie 大方承認很多功能是「抄」來再整合的 (agent 來自 opencode、deep research 來自中國的 Tongyi、待辦清單直接照抄 Google Keep),重點是免費開源地交到你手上,主打「資料是你的,對大科技的戰爭才剛開始」。


    ∙ 我的觀點:這比較像一份「宣言」而不只是一個產品。它真正的價值不在技術原創,而在姿態,把 AI 公司想圈起來收費的東西,免費還給使用者。


    📚 參考資料

    PewDiePie did it again

    → https://www.youtube.com/watch?v=ygscsZ09zPE

    8 min
  • 別再 prompt AI?搞懂爆紅的 agent loop,再決定要不要學


    最近 AI 圈很流行一句話:別再 prompt agent,去設計 loop。可是 loop 到底是什麼、你需不需要學?這篇用 Claude Code 和 openclaw 兩套做法解釋清楚,再給你務實判斷。



    ⭐ 文章深度讀:到底該不該動手做 loop,我把判斷標準和務實做法整理在文章裡

    → https://heymaibao.com/what-are-agent-loops/


    ⚡ 章節重點

    開場 00:00

    別再 prompt AI,兩段爆紅的話 00:36

    loop 到底是什麼 01:48

    你需不需要 loop 03:31

    Boris 與 Peter 兩套做法 04:45

    我的判斷,先別焦慮 08:19


    📝 懶人包

    ∙ loop 不是你程式課學的那種 for-loop。它是一個「會重複、會自己用工具、會自己驗收成果」的 AI 流程。而最關鍵、也最常被人偷懶跳過的,是「驗收」那一步。


    ∙ 你需不需要 loop,其實只要問兩個問題:這件事會不會一直重複、AI 能不能自己判斷有沒有做對。兩個都「會」才划算。


    ∙ 文章整理的兩位實作者 (Claude Code 的 Boris Cherny 與 openclaw 的 Peter Steinberger) 做法長得不一樣,但骨架是同一個:自我驗證加上停止條件。


    ∙ 我的觀點:loop 值得花時間搞懂,也值得在真的合適的地方試試看,但完全不用焦慮著要 all-in。你沒有無限的 token,這很正常,也不會因此被時代丟下。


    📚 參考資料

    tonbi (@tonbistudio) 的 X 貼文

    → https://x.com/tonbistudio/status/2063861151524643291


    原文長文:What Actually ARE Loops? (And Do I Need Them?)

    → https://x.com/i/article/2063853162860019712

    10 min
  • Remotion 還是 HyperFrames?AI 影片社群早就不打這場仗


    Remotion 還是 HyperFrames?社群早就不打這場仗。拆解 agent 影片工具的媒介之爭、one-shot 神話與 pacing 天花板,附兩套 prompting 心法,幫你按手邊的活選對工具。



    ⭐ 文章深度讀:選工不選邊的完整判斷框架,加兩套 prompting 心法逐條拆解

    → https://heymaibao.com/remotion-vs-hyperframes-ai-video/


    ⚡ 章節重點

    開場 00:00

    社群早就不打這場仗 00:42

    媒介之爭:HTML 對 React 01:31

    打破 one-shot 神話 02:29

    節奏是品質天花板 03:57

    兩套 prompting 心法 04:48

    到底該用哪個 07:29

    真正的轉變:agent 是編輯 08:12


    📝 懶人包

    ∙ Remotion 和 HyperFrames 的根本分歧在媒介,不在功能:Remotion 賭寫影片的人是 React 開發者,HyperFrames 賭寫影片的人已經是 agent。社群因此從「選邊站」轉向「選工適配」。


    ∙ 「一個 prompt 做好一部影片」是被打死的神話:Remotion 一部 50 秒影片要 3 到 100 個 prompt,HyperFrames 一段開場動畫要 26 個。結構先行的 prompting 才是解法。


    ∙ pacing (節奏) 是 AI 影片的品質天花板:AI 只會均速漸變,沒有張力釋放、沒有俐落剪點,這是 AI 做的影片一看就出戲的主因。


    ∙ 我的觀察:對天天用 AI 工具的人來說,把「先看你做的是哪種影片,再選工具」這個框架內化,比追下一個新工具更值錢。下面拆給你看為什麼。


    📚 參考資料

    Remotion Was My First Agentic Video Love. Then HyperFrames Stole Me. (@mvanhorn)

    → https://x.com/mvanhorn/status/2063624356484501832

    10 min
  • OpenClaw 高手跳槽 Hermes,順手公開了砍掉 AI 帳單的方法


    OpenClaw 頂端玩家悄悄跳槽 Hermes,攤開一套讓 AI agent 帳單變便宜又能賺錢的工作流,涵蓋 context 衛生、依模型分 profile、cron 全天候商機掃描與本地模型成本。



    ⭐ 文章深度讀:省 AI 帳單的 context 衛生三步驟,加上那個全天候商機掃描 cron 的設定邏輯

    → https://heymaibao.com/ai-agent-cost-cutting-workflow/


    ⚡ 章節重點

    開場 00:00

    OpenClaw 高手為何跳槽 Hermes 00:44

    為什麼你的 AI 帳單會爆 01:50

    依模型分工,別每個角色配一個 agent 03:38

    Sub-agent 和 profile 差在哪 04:19

    讓 agent 當你的全天候商機獵人 05:03

    想玩本地模型該怎麼買 06:22

    立刻能用的反向提示詞 07:32

    總結:工作流才是資產 08:41


    📝 懶人包

    ∙ 你的 agent 帳單會爆,多半不是訂閱太貴,而是 context 沒管好。把對話分成多個 session、關掉用不到的 skills、context 快滿就清掉重開,帳單就會明顯下來。


    ∙ 與其幫每個角色 (PM、設計、工程) 都配一個 agent,Alex 更建議依「模型強弱」分工:最聰明但貴的拿來思考規劃,擅長寫程式的拿來 coding,免費的本地模型拿來快速查資料。


    ∙ 他最亮的賺錢用例,是讓 agent 當全天候員工:一個定時跑的 cron 自動去 Reddit 和 X 上掃別人的痛點,整理成一份儀表板,告訴你為什麼你適合解、第一步該做什麼,有時還直接幫你做出雛形。


    ∙ 我的觀點:這部影片表面在賣 Hermes Desktop,但真正值錢的是上面這套可跨平台帶走的工作流。只是要提醒,賺錢用例有本地模型和硬體的成本門檻,別把它想成人人零成本就能複製。


    📚 參考資料

    Hermes Agent Desktop: Full Setup + Real Use Cases

    → https://youtu.be/EJm8Ka-gVOc?si=XzAoym9KF2ADLNHU

    10 min
  • YC 執行長炫耀一天寫 37000 行,這正是程式設計變糟的徵兆


    YC 執行長炫耀靠 AI 一天寫 37000 行程式碼,但頂尖工程師其實都很懶。從 Theo 與 Brian Cantrill 的角度,看為何行數崇拜正在讓軟體變糟,以及 AI 時代我們該守住什麼。



    ⭐ 文章深度讀:完整版多了我對行數崇拜與「爛軟體不再自然死亡」的判斷

    → https://heymaibao.com/ai-erodes-programmer-laziness/


    ⚡ 章節重點

    開場 00:00

    一天 37000 行的數字反差 00:40

    行數崇拜的謬誤 02:19

    懶惰為什麼是工程師的美德 03:27

    為什麼 AI 天生缺這種懶 05:09

    軟體不再自然死亡 06:39

    這群人不是在反 AI 08:18

    割草機不會替你在乎 09:12

    結語 稀缺的是判斷 10:05


    📝 懶人包

    ∙ 好工程師的「懶」其實是一種費力的美德,它逼人把系統做到最簡單。這是 Larry Wall 提出、Cantrill 重新擦亮的老觀念。


    ∙ AI 模型 (也就是大型語言模型,LLM) 天生缺這種懶,因為「工作對它不要錢」,它只會把系統做得更大,而不是更好。


    ∙ 用程式碼行數衡量生產力是個謬誤:Garry Tan 一天 37,000 行,而知名工具 DTrace 整個專案才約 60,000 行。


    ∙ 我的觀察:AI 真正改變的不是「誰寫 code」,而是「爛軟體還能不能活下去」,這一點比行數更值得擔心,後面我會展開。


    📚 參考資料

    Theo (t3.gg),YouTube 影片「I miss when programmers were lazy.」

    → https://www.youtube.com/watch?v=iN_9aH3VuzU

    11 min
  • 幾乎不寫 code 的 YC 創辦人:整天用語音指揮一群 AI


    一位 YC 創辦人示範他幾乎不寫程式碼的工作流:用語音把任務派給多個並行 AI agent,卻同時設「AI 禁區」防爛碼、堅持不讓 AI 當架構師,token 全開卻刻意少寫 code。



    ⭐ 文章深度讀:完整圖文版和我整理的適用邊界都在文章裡

    → https://heymaibao.com/yc-founder-barely-writes-code-voice-agents/


    ⚡ 章節重點

    開場 00:00

    不寫 code 的工程師日常 01:15

    token 隨便燒,行數卻要省 02:45

    在 codebase 劃出 AI 禁區 04:43

    code 變成鋸木屑 06:36

    帶走的兩條紀律 09:05


    📝 懶人包

    ∙ 他幾乎不手寫程式碼,整天用語音加鍵盤快捷鍵,把任務派給好幾個同時在跑的 AI agent,只有偶爾要手動改檔時,才進他們戲稱的「caveman mode (穴居人模式)」用鍵盤打字。


    ∙ 他重度用 AI,卻守住人類的邊界:在程式碼裡設「slop-free zone (無爛碼區)」,標明「human eyes only,AI 不准碰」,因為 AI 一旦看到爛 code,會跟著寫出更多爛 code,陷入惡性循環。他也堅持「不要讓 AI 當你的架構師」。


    ∙ 他 token 全開狂燒 (fast mode、high effort、預設關掉所有權限確認),起步那陣子單月最高燒掉約 2.2 萬美元 token,卻刻意把程式碼行數壓到最少。


    ∙ 我的觀點:這套玩法最值得學的不是「不寫 code」這個結果,而是他在「大膽放手」和「嚴格設限」之間抓的平衡,但前提是你願意花時間建立邊界,而不是照抄他最激進的設定。


    📚 參考資料

    幾乎不寫 code 的 YC 創辦人開發環境訪談 (YouTube)

    → https://youtu.be/fQmlML9Lay4?si=tPJJjee9zHSXZZT2

    11 min
  • 規劃的重點不是 plan mode,是 plan mode 之前那段對話


    多數人一開 plan mode 就讓 AI 直接 build,模型只能亂猜。這位創作者先多輪對話把 context 和取捨聊清楚,才進 plan mode、生成計畫檔再 build。看他的四步流程。



    ⭐ 文章深度讀:plan mode 之前那段對話到底要聊什麼才不會白規劃

    → https://heymaibao.com/planning-before-plan-mode/


    ⚡ 章節重點

    plan mode 被你用錯了 00:00

    薄用法為何常常翻車 00:34

    顛覆認知的四步流程 02:17

    實戰:Expo 還是原生 Swift UI 03:26

    計畫檔才是真正的交付物 05:14

    花時間規劃會拖慢出貨嗎 06:27

    結論:先投資十分鐘對話 07:16


    📝 懶人包

    ∙ 多數人的 plan mode 用法太薄:plan mode 是 AI 工具裡「先出計畫、再動手蓋」的模式,但多數人是一行需求 → 開 plan mode → 不讀計畫直接 build。模型手上只有一句話的 context (脈絡),剩下全靠它替你猜,蓋出來自然不是你要的。


    ∙ 這位創作者的流程有四步:先跟 agent 多輪對話、把想法和 trade-off (取捨) 攤開來討論,等到確認它真的懂了,才進 plan mode,再讓它生成一個 Markdown 計畫檔,最後才開始 build。


    ∙ 那個計畫檔是可以帶著走的交付物:它能丟給 Cursor、Claude Code、Codex 任何一個 agent 去蓋,也是跨分頁、跨時間留給未來的自己的記憶。


    ∙ 我的觀點:真正稀缺的不是 plan mode 這個按鈕,是把腦中的東西對齊進 AI context 的那段對話。跳過它的人,跳過的正是整件事裡最值錢的部分。


    📚 參考資料

    這位創作者示範自己怎麼用 AI 規劃再蓋功能

    → https://youtu.be/MyRs5hdE7vo?si=hViOzCGZ5CkN3eH0

    8 min