脈報

脈報

By 思思主播Technology
Download on the App Store

All 脈報 episodes

  • 六月 AI 大撞檔:Mythos、Sonnet 4.8、GPT 5.6 都在路上


    六月可能擠進 Mythos 1、Sonnet 4.8 / Opus 4.8、GPT 5.6 三條 leak,但只有 DeepSeek v4 Pro 永久 75% 折扣 ($0.43 / $0.87 per 1M tokens) 是這週唯一不必等的事件



    ⭐ 文章深度讀:想在第一時間看到下一波模型 leak 整理,記得訂閱脈報。

    → https://heymaibao.com/june-ai-model-collision/


    ⚡ 章節重點

    開場 00:00

    DeepSeek v4 Pro 永久 75% 折扣 01:11

    六月模型撞檔總覽 03:03

    Mythos 1 Preview 03:23

    Sonnet 4.8 與 Opus 4.8 跳過 4.7 04:11

    GPT 5.6 與內部測試訊號 04:51

    模型釋出前儀式 06:21

    Anthropic 推進 productivity 07:00

    算力與基礎設施務實面 07:44

    結語 09:00


    📝 懶人包

    ∙ Anthropic 旗艦 Mythos 1 Preview slug 在 Claude code、Claude security 等後端短暫露面,並出現在 Google Cloud 與 AWS 漏洞發現計畫的測試 (依 WorldofAI 影片轉述 Testing Catalog 報導)


    ∙ Sonnet 4.8 與 Opus 4.8 model slug 出現在 Google Vertex AI,傳聞 Sonnet 直接跳過 4.7、繼承 Opus 4.7 的視覺理解強化,預期六月中下旬發佈


    ∙ OpenAI GPT 5.6 與 5.6 Pro 預期六月發佈,內部測試 tag 包含 Iris Alpha、Ember Alpha、Beacon Alpha,開發者環境也出現 canary rollout 痕跡


    ∙ 我的觀點:六月確實是模型大月,但這四條只有 DeepSeek v4 Pro 把 75% 折扣寫成永久價 ($0.43 / 1M input、$0.87 / 1M output) 是現在就能立刻切換的事件,其他三條都還是 leak


    📚 參考資料

    Claude Opus 4.8 Leaked, GPT 5.6 Spotted, Mythos 1 Preview, & Deepseek v4 Pro UPDATE! AI NEWS

    → https://www.youtube.com/watch?v=rmXvS69ELvc

    10 min
  • 用了 12 個月 Claude Code 後切到 Codex,30 天心得整理


    X 用戶 Avid 用了 12 個月 Claude Code 後切到 Codex,這篇拆解他 30 天看到的 Codex 全景:五個入口、AGENTS.md、Skills、Goal mode、Cloud 與跨工具驗證習慣。



    ⭐ 文章深度讀:全文連結與完整 surface map 已上線,看完影片若想往下挖 cross-provider verification 與 AGENTS.md,請看下方文章。

    → https://heymaibao.com/claude-code-to-codex-30-days/


    ⚡ 章節重點

    開場 00:00

    為什麼這位老用戶切了 00:33

    六個關鍵部分總覽 01:27

    典範轉移 01:45

    五個協作介面 02:29

    AGENTS.md 標準 03:23

    水平擴充套件 04:15

    跨工具驗證 06:13

    心智模式大於工具 07:24

    留給你的問題 08:18


    📝 懶人包

    ∙ Codex 在 2026 年的定位:依該推文,Codex 已經不是「更聰明的 autocomplete」,而是一個完整的 agentic 軟體開發平台,會讀 codebase、寫 + 測 code、review PR、控制 Mac 桌面、瀏覽網頁、生成圖、排程任務,還會跨 session 記住你的偏好。


    ∙ 五個入口 (依該推文):CLI、IDE 擴充、Desktop app (macOS 在 2026-02、Windows 在 2026-03-04 上線)、Cloud、In-app browser 加 Computer Use。每個入口對應你想跟 agent 黏多緊的不同情境。


    ∙ 依該推文,寫 code 的模型有個被稱作 sycophancy 的諂媚傾向,會偏向認為自己寫的是對的,所以自評不可信。作者主張的最低標準是 cross-provider verification:Codex 寫,Claude Code 審。


    ∙ 我的觀察:這篇真正最被低估的洞察不是「要不要轉 Codex」,而是「Claude Code 用戶可以拿來當 Codex 的 reviewer」這個跨工具組合。對多數讀者來說,這比全押 Codex 實用多了。


    📚 參考資料

    Post by @Av1dlive

    → https://x.com/av1dlive/status/2058485379091845308

    9 min
  • AI 不會搶你的工作,但會讓你更忙:Dan Shipper 的悖論


    Every CEO Dan Shipper 在 Lenny's Podcast 拋出 AI 悖論:自動化越多,人類工作越多。他預測公司 super agent、Codex 工作面、PM 與設計師都將是 AI 時代贏家。



    ⭐ 文章深度讀:你要在 AI 時代學會「ride the models」這件事。

    → https://heymaibao.com/ai-paradox-dan-shipper/


    ⚡ 章節重點

    開場 00:00

    自動化是一個謊言 01:38

    未來工作的兩條軸線 02:56

    SaaS 不會死 04:41

    誰是 AI 時代的贏家 06:05

    資深工程師基準測試 07:28

    駕馭模型 08:59

    收尾 09:31


    📝 懶人包

    ∙ 自動化是一個謊言。每個 agent 都需要一個真的關心它的人,而那個人通常就是你。AI 越強,這種「照顧 agent」的工作只會越多。


    ∙ 未來一年工作會分成兩條軸線:公司一個 super agent 跑在 Slack 上 (像 Shopify 的 River、Ramp 的 agent),加上你自己在 Codex 或 Claude Co-work 裡完成所有事,CLI 時代結束,GUI 回來了。


    ∙ 真正的 AI 贏家不是 AI 工程師,是 PM 和 Designer。他們本來就在判斷「該做什麼」和「該長什麼樣子」,AI 把「做出來」這件事變便宜,反而讓他們的判斷力被釋放。


    ∙ 我的觀察:脈報自己在用 OpenClaw 做工作流,Dan 親口說 OpenClaw 是「very hard agent harness to make work」這件事,我體感完全一致。Dan 從信仰個人 agent flip 到公司 super agent 的故事,可能是這集最有判斷價值的 1 分鐘。


    📚 參考資料

    The AI paradox: More automation, more humans, more work | Dan Shipper

    → https://youtu.be/4D3hDmGhFhA?si=v3EMOYrtyMQK0CBL

    11 min
  • 用 Claude 打造每天 5 分鐘晨報 Agent:作者沒講的 3 個坑


    X 創作者 cyrilxbt 公開了 Claude 晨報 Agent build guide,含 prompt 與 N8N 設定。我們轉譯架構,並補上 3 個作者沒講的坑:API 成本、模型版本、5 分鐘是修辭錨點。



    ⭐ 文章深度讀:完整文章已經發佈在脈報,補上影片版沒展開的成本估算與配置細節。

    → https://heymaibao.com/claude-morning-brief-agent-3-pitfalls/


    ⚡ 章節重點

    開場 00:00

    為什麼需要 5 分鐘晨報 Agent 00:36

    五大元件架構 01:51

    負面清單:個人化關鍵欄位 03:26

    Feedback Loop:可累積資產 04:45

    作者沒講的 3 個坑 05:20

    坑 1:成本錨點不完整 05:45

    坑 2:模型版本寫死了 06:25

    坑 3:「5 分鐘」是修辭錨點 07:06

    要不要照做?我的判斷 07:37

    結語 08:47


    📝 懶人包

    ∙ 這套方案有 5 個元件:Claude 當大腦、Filesystem MCP (讓 Claude 直接讀寫本機檔案的協定) 把它接到你的 Obsidian vault、Brave Search MCP 給 Claude 即時 web search、N8N 做排程、`CLAUDE.md` 裝個人化 context。少一個結果都會變差。


    ∙ 作者明指最關鍵、卻最多人跳過的設定欄位是「What I Specifically Do NOT Want」(負面清單)。沒有這個欄位,brief 永遠只會是「壓縮版的全部」,過濾不會發生。


    ∙ 整套方案有一個 feedback loop:每篇 brief 底部留註記欄,每週日跑一次 Claude 讀過去 7 天 brief + 註記,提案 `CLAUDE.md` 修訂。這把「Agent 越用越懂你」從口號變成可執行機制。


    ∙ 我的觀點:這套方案值得照做,但作者沒把 API 成本算清楚、prompt 範例的模型版本寫死、「5 分鐘讀完」其實是修辭錨點而非實測。動手前先處理這 3 件事,再開始配置。


    📚 參考資料

    How to Build a Claude Research Agent That Reads the Internet Every Morning and Briefs You in 5 Mins

    → https://x.com/cyrilxbt/status/2058749052712276332

    10 min
  • 不是每個人都該裝 GBrain:YC CEO 開源 AI 記憶體實測


    YC CEO Garry Tan 開源 GBrain 一週破 5000 星,撰文時約 14000 星。實測這套 markdown 為核心的 AI agent 記憶體:架構扎實、整合卻很窄,看完再決定該不該跟風裝。



    ⭐ 文章深度讀:你會把 GBrain 收進「值得讀架構、不一定要裝」清單,還是會跳下去養四到八週?留言告訴我你的判斷。

    → https://heymaibao.com/gbrain-review-not-for-everyone/


    ⚡ 章節重點

    開場:YC CEO 的明星專案 00:00

    誰該裝、誰別碰 00:59

    GBrain 三層架構 01:43

    複利機制一:階層式補強 03:18

    複利機制二:失敗改進迴圈 04:05

    複利機制三:反向連結加權 04:45

    Benchmark 漂亮,但別跨系統比 05:21

    Vectorize 與 Hindsight 的關係 06:29

    安裝雷與成本 07:13

    結語:你是不是那群人 08:23


    📝 懶人包

    ∙ GBrain 是 YC CEO Garry Tan 於 2026 年 4 月開源的 personal brain,採三層架構:markdown 當真相來源,Postgres 做檢索,skills 編排行為


    ∙ 寫入端用 regex 抽 typed entity edges,幾乎不打 LLM。配合 tiered enrichment、fail-improve loop、backlink ranking 三條複利機制,越用越便宜,跟多數越用越貴的 LLM-heavy memory 完全相反


    ∙ 第一方整合只有 OpenClaw 與 Hermes Agent,本身又是 single-operator personal brain 設計。其他 stack 的使用者裝下去,4-8 週後大概會嫌它「養不起來」


    ∙ 我的觀察:這篇 review 來自 Vectorize.io,他們同時有自家產品 Hindsight 在跟 GBrain 對標。評論主體公允,但結尾把「不適合 GBrain 的人」導去 Hindsight 與 alternatives,這層利益關係讀者要先看到再讀


    📚 參考資料

    GBrain Review (Vectorize.io)

    → https://vectorize.io/articles/gbrain-review

    10 min
  • DeepSeek 不做 coding plan 的真正理由:它在賭中國硬體


    別家 AI 都搶 coding plan,DeepSeek 一個都沒做。X 觀察家 @bookwormengr 認為它在押注中國硬體:壓低 KV cache 與 HBM,讓 NAND、LPDDR 與落後 GPU 接住 AI 工作流。



    ⭐ 文章深度讀:DeepSeek 之後跟中國 memory / GPU 廠的合作會不會出現公告

    → https://heymaibao.com/deepseek-not-coding-plan-china-hardware-bet/


    ⚡ 章節重點

    開場 00:00

    DeepSeek 怎麼壓縮硬體需求 02:15

    DeepSeek 怎麼接住整個 AI 工作流 03:40

    DeepSeek 怎麼把這套變現 05:25

    事實與許願的邊界 06:47


    📝 懶人包

    ∙ `@bookwormengr` 觀察 DeepSeek 不跟 GLM、MoonShot、MiniMax 搶 coding plan 與多模態,反而把資源全押在「壓低 KV cache、壓低 HBM 需求」這條技術路徑。


    ∙ 這條路徑直接把 DeepSeek 跟中國硬體生態綁在一起:KV cache 變小 → 工作可以下放 NAND (YMTC);Engram 設計 → 把計算換成 LPDDR (CXMT) 記憶體查表;TileLang → 一份 kernel 跨多種硬體後端跑。


    ∙ 商業類比:作者拿 OpenAI 對 AMD、Cerebras 的 warrant 模式做對照,預測 DeepSeek 會跟中國 memory、ASIC、CPU、網通廠簽類似 equity 合作,目標是 1 兆美元估值、10 兆美元的中國 AI 硬體生態。


    ∙ 我的觀察:這個解讀框架的解釋力強在「不做的事」,因為 DeepSeek 確實一直在忍住不接最容易的錢。但「1 兆估值、跟中國廠簽 warrant」是觀察家的預測,不是 DeepSeek 自己說過的話,讀的時候要分清楚誰在許願。


    📚 參考資料

    Post by @bookwormengr

    → https://x.com/bookwormengr/status/2057909493250539891

    9 min
  • Steve Jobs 說 Microsoft 沒品味,這句話在 AI 時代更刺耳


    Jobs 在 1990 年代罵 Microsoft 沒品味,這句話在 AI 把執行門檻打平的 2026 年更扎人。為什麼品味是 AI 抄不走的競爭優勢,以及怎麼分辨對自己的不滿是品味還是焦慮。



    ⭐ 文章深度讀:你最近一次用 AI 出的成品,停下來看那「沒人會看到的背板」了嗎?

    → https://heymaibao.com/ai-era-taste-advantage/


    ⚡ 章節重點

    開場 00:00

    Jobs 罵 Microsoft 沒品味 00:45

    AI 時代為什麼更扎人 01:20

    木匠與抽屜櫃背板 02:34

    一千個微小決定 03:18

    80 分時代的護城河 03:58

    Ira Glass gap 05:08

    不滿是品味還是焦慮 05:42

    三條培養品味的練習 06:58

    回到 Jobs 那句話 08:45


    📝 懶人包

    ∙ 品味不是 preference,不是「我喜歡這個你喜歡那個」。品味是有沒有能力分辨同一件事的好與更好。


    ∙ 真正的差距發生在中間地帶,那一千個沒人會特別注意的微小決定上。明顯的好壞大家都看得出來,差距藏在中間。


    ∙ 品味是少數無法被複製的競爭優勢。策略可以抄、輸出可以抄,但那種對品質的直覺與敏感度,是好幾年累積出來的,反向工程不出來。


    ∙ 我的觀察:AI 把所有「能不能做出來」的執行門檻,主觀感覺都拉到了八十分這條線。剩下那二十分,剛好是品味在發揮的地方。會用 AI 的人很多,但能用 AI 做出九十分作品的人,差別在於有沒有看得出那十分的眼睛。


    📚 參考資料

    There's this clip of Steve Jobs from an interview in the 90s that changed how I think about success…

    → https://x.com/jaynitx/status/2057813605798851038

    10 min
  • Coinbase 裁 14% 又 down 15 小時,這封信哪裡不對勁


    Coinbase 同一週裁掉 14% 員工、exchange 又因為冷氣壞掉 down 15 小時。把投資者信、HRBP 通知、AWS 中斷與新組織政策放在一起讀,這封信裡有三個自相矛盾的地方。



    ⭐ 文章深度讀:把 Coinbase 致投資者信、HRBP 通知、AWS 中斷說明、新組織政策放在同一週讀,文章把三個自相矛盾的地方逐段拆給你看。

    → https://heymaibao.com/coinbase-layoffs-restructuring/


    ⚡ 章節重點

    開場 00:00

    人資的矛盾 00:39

    AI 加速 vs 15 小時當機 01:35

    無 peer manager vs intense culture 03:19

    Cloudflare 同一份劇本 + 估值故事 04:41

    三句話帶走 06:00


    📝 懶人包

    ∙ Coinbase 裁掉約 14% 的員工。被裁者當天就被移除 Coinbase 系統存取權,HRBP (HR Business Partner,可以理解為對接部門的 HR 窗口) 把通知寄到員工的「personal account」(不是公司信箱),再邀請對方跟 HRBP 與 senior leader 對話。Coinbase 在投資者信裡稱呼這群人是「talented colleagues who have poured themselves into the company」。語言跟動作是互相否定的。


    ∙ 同一週,Coinbase 的中央 exchange down 了大約 15 小時。Coinbase 自己給的原因是:AWS data center 房間過熱,多台冷氣 (chillers) 失效;中央 exchange 為了 latency 與 client co-location 採單一 availability zone 架構 (只放在一個機房裡),沒有跨機房備援。


    ∙ Coinbase 同時宣告新組織政策:CEO 與 COO 以下最多 5 層;不設置只負責管人、不寫東西的中階主管 (Coinbase 把它稱為「無 peer manager」),每位主管都得自己動手做 (active individual contributor);每位主管可帶到 15+ 個直屬。這套政策被包裝在 mission 頁面的「Champion team,we are a winning team,not a family」「intense work culture」「take rest seriously」這套敘事裡。


    ∙ 我的觀察:把這三件事一起讀,這封信的核心矛盾不在「14%」這個數字,而在「AI 加速論述」與「基礎架構真實成熟度」的落差。一家敢在投資者信裡寫「非技術團隊現在也在出 production code」的金融機構,同一週讓 exchange 因為冷氣壞掉 down 15 小時,這個落差才是讀者真正該帶走的判斷。


    📚 參考資料

    Coinbase Layoffs and Restructuring (YouTube)

    → https://youtu.be/HXSfr5cGGtk?si=b1ol3_kR29E6bqEr

    7 min
  • 不寫程式組一支 AI agent team:Claude 教學的真正重點


    X 上 Khairallah 的 Claude AI agent team full course 值得拆。真正可帶走的是四件套加四個分工,Cowork tab 操作是次要的,作者那句「30 分鐘零動筆」要打折扣讀。



    ⭐ 文章深度讀:你最想丟給 agent 跑的內容流程是哪一段?留言告訴我,下篇我來拆。

    → https://heymaibao.com/claude-ai-agent-team-no-code/


    ⚡ 章節重點

    開場 00:00

    委派與保姆的差別 01:14

    四件套 Role Instructions Tools Memory 01:52

    4-agent 內容生產 pipeline 03:34

    進階技巧 context.md 與 feedback loop 04:15

    兩個我會打折扣的地方 05:24

    馬上動手做一個 agent 06:22


    📝 懶人包

    ∙ agent 與 chatbot 的差別,是「委派 vs 保母」,前者你給目標,後者你給逐步操作指令。


    ∙ 每個 AI agent 都可以拆成四件套:Role、Instructions、Tools、Memory。


    ∙ 內容生產 team 的最小範本是四個 agent 接力:Research → Outline → Writer → Editor,前一個的輸出就是下一個的輸入。


    ∙ 我的觀察:這篇真正值得記的是「四件套 + 分工 + feedback loop」這套思考框架,可以搬到任何 agent runtime。介面操作細節是次要的,作者主打的「30 分鐘從主題到發佈,使用者一個字都不寫」是行銷語氣,發佈品質仍然要人工把關。


    📚 參考資料

    How to Build Your First Team of AI Agents Using Claude (Full Course)

    → https://x.com/eng_khairallah1/status/2058116763372453997?s=46

    7 min
  • Agent 記憶外掛先別裝:Hermes 內建那兩個檔案可能就夠了


    Hermes Agent 記憶系統的反 hype 整理。@KSimback 讀完原始碼後說:內建已夠用、80% 自動整理是傳說、8 個 provider 是賭注。文末有 5 個過度工程警訊與兩週測試法



    ⭐ 文章深度讀:想知道完整 8 個 provider 怎麼選、什麼時候真的該升級,全文整理在文章裡

    → https://heymaibao.com/agent-memory-built-in-might-be-enough/


    ⚡ 章節重點

    開場 00:00

    為什麼要先談記憶 00:59

    Layer 1 內建:兩個檔案 + 一個資料庫 01:57

    反通說:80% 自動整理是傳說 03:34

    Layer 2:8 個架構賭注 04:51

    Layer 3:社群方案的兩種角色 06:11

    過度工程的 5 個警訊 06:59

    兩週測試法 08:07

    最後送給你一句話 08:47


    📝 懶人包

    ∙ Hermes Agent 的記憶系統有 3 層架構:內建的兩個 markdown 檔 + SQLite 是 Layer 1;8 個官方 MemoryProvider 是 Layer 2;社群方案 (GBrain、Mnemosyne 等) 是 Layer 3。三層是疊加而不是互相取代。


    ∙ @KSimback 讀 `agent/memory_manager.py` 原始碼後發現,多數第三方文章寫的「Hermes 在 MEMORY.md 達 80% 時自動 consolidate」其實是錯的。那只是寫進 system prompt 的一行指令,要不要做完全由 agent 自己決定。


    ∙ 8 個官方 provider 不是 feature 比較表,是 8 個不同的架構賭注 (Honcho 賭「建模你怎麼想」、Hindsight 賭 benchmark 與多路檢索、ByteRover 賭「memory as git」、Supermemory 賭規模與延遲)。


    ∙ 我的觀察是,對台灣多數 AI 工具使用者 (寫作、做內容、整理筆記) 來說,Layer 1 已經夠用。真的覺得有缺口想升級,就給自己兩週測試期,說不出 agent 哪裡變好,就拔掉。


    📚 參考資料

    TLDR: this is your definitive guide to all things related to memory systems for Hermes Agent (@KSimback)

    → https://x.com/ksimback/status/2058262328496554021

    10 min