脈報

脈報

By 思思主播Technology
Download on the App Store

All 脈報 episodes

  • 別再讓 /goal 寫貪食蛇了:把它對準你自己的 skill 倉庫


    別讓 /goal 拿來寫貪食蛇。Mark Kashef 把它對準 Claude Code 自己,5 種示範清掉堆積 skill、找 rule 矛盾、搭 /loop 變成背景 cron,文章補上 Forge 個資 trade-off。



    ⭐ 文章深度讀:影片把 5 種 demo 收成兩類,但完整文章還補了 Forge 個資 trade-off 與 /loop 不是真正 cron 的 footnote,影片裡刻意沒展開。

    → https://heymaibao.com/claude-code-goal-self-maintenance/


    ⚡ 章節重點

    開場:為什麼 /goal 不該拿來寫貪食蛇 00:00

    第一部分:拋棄貪食蛇,對準自己 01:55

    第二部分:跨模型 judge 的底層邏輯 02:05

    第三部分:實戰一,一次性清倉 03:37

    第四部分:實戰二,持續維護 06:27

    第五部分:華麗展示背後的代價 07:21

    第六部分:安全上車的實作順序 09:42


    📝 懶人包

    ∙ `/goal` 真正的後勁是把 agent 對準你自己的 agentic OS (skill、rule、CLAUDE.md),不是讓它去寫貪食蛇。


    ∙ judge 跑在不同語言模型上,是 `/goal` 比一般 agent loop 更難放水的關鍵設計。


    ∙ `/loop` 配 `/goal` 可以把一次性清理升級成持續性維護,只要 Claude Code session 還開著就會週期執行並把變更寫到 maintenance log。


    ∙ 我的觀點:`/goal` 真正用得起來的條件是「你自己要先寫好評分標準」。作者在 sharpen 段就點明 AI 自評會放水,這也是這部影片唯一可以直接抄回去用的最小實作建議。


    📚 參考資料

    Mark Kashef, "How to Use /goal to Build a Self-Improving OS" (YouTube)

    → https://www.youtube.com/watch?v=5xrjO38WUYY

    12 min
  • AI 寫 code 寫到 Karpathy 心臟病發,他卻說不用 review


    OpenAI 共同創辦人 Karpathy 訪談裡先說不再 review AI 寫的 code,又承認看那些 code 會心臟病發。我用這個矛盾整理 vibe coding 把工程門檻換到哪邊、你該練什麼。



    ⭐ 文章深度讀:我接下來會盯著 Karpathy 後續對 RL 邊界與 agentic engineering 招募的更新,看這個矛盾會怎麼演變

    → https://heymaibao.com/karpathy-heart-attack-vibe-coding/


    ⚡ 章節重點

    開場 00:00

    Karpathy 的兩句矛盾 00:42

    為什麼錯變少了,品質卻心臟病發 01:21

    Menu Genen 災難性的 reusing emails 02:21

    RL 的硬邊界 03:07

    spec 寫得好的人才是贏家 04:01

    想吃這口飯,現在練什麼 05:23

    連 Karpathy 都還沒答案 07:21

    收尾與挑戰 07:54


    📝 懶人包

    ∙ Karpathy 在訪談中說他已經不再逐行 review AI 寫的 code,原因是「錯比較少了」,而不是 code 品質本身夠好。


    ∙ 同一段訪談裡,他承認 AI 寫出來的 code 看了會「心臟病發」,bloaty、copy-paste、抽象 awkward、brittle,但能跑。


    ∙ Karpathy 把 LLM 寫不出某些東西歸因到強化學習 (RL) 訓練資料沒覆蓋,他原話是「沒有 force on this planet」能讓 LLM 解出那些題。


    ∙ 我的觀察:vibe coding 不是把工程門檻往下降,是把門檻搬到別處。會寫詳細 spec、能 one-shot 把任務一次到位的人會更值錢,把 AI 寫的 code 看一眼就頭暈、又不敢 review 的人會被淘汰得更快。


    📚 參考資料

    OpenAI founder admits AI isn't working

    → https://youtu.be/ZugX7a99dLk?si=gu5bTsHfmdv7UPgp

    9 min
  • Greg Isenberg 列 9 個 2026 創業機會,我只信這 3 條


    Greg Isenberg 與 Jonathan Courtney 列出 2026 年的 9 個創業機會,我看完只信 3 條:agent-first action app、鎖一個 niche、反 AI 真實感經濟,並標出哪 2 條我不買單。



    ⭐ 文章深度讀:2026 年要押的不是「做 AI 什麼」,而是「選一個你願意 marry 的小切片」

    → https://heymaibao.com/greg-isenberg-2026-startup-3-picks/


    ⚡ 章節重點

    開場 00:00

    9 個 idea 一覽 01:07

    Agent-first action app 01:38

    鎖一個 niche 03:15

    反 AI 真實感經濟 05:09

    我不買單的 2 條 06:49

    2026 創業行動指南 07:23


    📝 懶人包

    ∙ **Agent-first action app 是這代的 mobile-first**。Greg 主張今天的 app 都假設人類自己點、滑、打字,agent-first 版本則是 agent 直接做事、只把例外丟給人。他把這件事類比成當年 Facebook 沒接住 Instagram 那種級別的轉折。


    ∙ **鎖一個 niche 才有真機會**。Elder Tech 鎖 65+、個人化營養鎖一個病症 (GERD、IBS、偏頭痛)、AI Employee 鎖一個職位 50 個 jobs to be done,三條 idea 其實在說同一件事:marry a niche,不要做泛用。


    ∙ **AI 把 feed 洗乾淨後,反 AI 的真實感變稀缺品**。Greg 指出剪過頭的訪談 podcast 正在失分,長、亂、live 的直播在贏,TBPN 以超過 1 億美元賣出是佐證。


    ∙ 我的觀察:這 3 條合在一起其實只有一個訊息,2026 年能下手的不是「做 AI 什麼」,而是「找一個你願意 marry 的小切片,再選擇用 agent 取代手點、用真實感對抗 slop,或兩者一起做」。


    📚 參考資料

    The 9 biggest startup opportunities I see right now (Greg Isenberg ft. Jonathan Courtney)

    → https://www.youtube.com/watch?v=IFLY6L3YPGo

    9 min
  • 為什麼我推估 terminal coding agent 用戶仍不到全球 0.1%


    全球 0.1% ≈ 800 萬人。我用 UN、SlashData、Stack Overflow 2025 推估 Claude Code、Codex CLI 這類 terminal coding agent 用戶仍不到這條線,三層不能混算。



    ⭐ 文章深度讀:你覺得「不到全球 0.1%」這個量級判斷成立嗎?歡迎留言告訴我,你打算用哪份資料來反駁或補強。

    → https://heymaibao.com/estimating-terminal-coding-agent-users/


    ⚡ 章節重點

    開場 00:00

    為什麼這條判斷值得拆 01:34

    AI 工具的三個層級 02:04

    800 萬人怎麼算來 03:32

    開發者採用率天花板 04:52

    炒作與現實的差距 06:44

    結尾與留問 08:53


    📝 懶人包

    ∙ 全球人口 2022 年已突破 80 億 (UN 官方頁面),所以 0.1% ≈ 800 萬人,這是這條判斷的分母錨點。


    ∙ 全球軟體開發者 SlashData 2025 Q3 估計 4840 萬,意味著 800 萬人相當於全球開發者的 16-17%。


    ∙ Stack Overflow 2025 開發者調查顯示 84% 受訪者使用 AI 工具,但 52% 不使用 AI agent 或只用簡單 AI 工具,38% 沒有計畫採用。


    ∙ 我的觀點:要反駁「terminal coding agent 用戶不到 800 萬」,必須先給出全球超過 800 萬人正在用這類終端機 agent 的證據;以目前公開資料還推不到這個量級,但這只是合理上限,不是精確人數。


    📚 參考資料

    UN Global Issues - Population

    → https://www.un.org/en/global-issues/population


    SlashData Developer Population (Q3 2025 更新)

    → https://www.slashdata.co/research/developer-population


    Stack Overflow 2025 Developer Survey

    → https://survey.stackoverflow.co/2025

    10 min
  • Vibe coding 入門:用 Claude 6 步驟做出你的第一個 app


    完全沒寫過程式也能做 app 嗎?這篇用 Karpathy 提出的 vibe coding 概念為起點,用 Claude 6 步驟教你描述、生成與迭代,做出你的第一個 app,並列出 7 個新手常踩的坑。



    ⭐ 文章深度讀:完整文章已在脈報網站上線,連結放在說明欄

    → https://heymaibao.com/vibe-coding-claude-6-steps/


    ⚡ 章節重點

    開場 00:00

    Vibe coding 是什麼 01:13

    為什麼新手從 Claude 起手 01:54

    六步驟開發藍圖 02:52

    Step 1:選一個你會用的題目 03:04

    Step 2:用日常英文寫描述 03:44

    Step 6:儲存或部署 05:03

    7 個一定會踩的坑 05:12

    10 個入門點子 07:16

    結尾 08:01


    📝 懶人包

    ∙ Vibe coding 是用日常英文描述你要的 app,由 AI 把程式碼寫出來。Karpathy 在 2025 年 2 月提出這個詞,原文宣稱目前 41% 的全球程式碼是 AI 生成。


    ∙ 對純新手來說,Claude 比其他 vibe coding 工具門檻低,原因是對話介面零學習成本、artifacts 直接在對話視窗生出可互動預覽,加上 Opus 4.7 在 SWE-bench 拿到 87.6%。


    ∙ 6 步驟流程:選一個你會用的題目,用日常英文寫描述,跑出第一版,針對性迭代,加客製功能,然後儲存或部署。最關鍵的反直覺建議是:第一個專案不要做 to-do list,做你自己會用的東西。


    ∙ 我的觀察:vibe coding 真正在賣的,是「描述清楚 + 迭代評估」這套技能。原文列的 7 個常見錯誤裡有 6 個都是 prompt 與測試的具體技能,能不能撐到「第一個 app 跑起來」這一步,差別不在會不會寫 code,在會不會把要的東西講清楚。


    📚 參考資料

    Post on X

    → https://x.com/eng_khairallah1/status/2056302296884220316

    9 min
  • AI agent 變超級助理的 12 個整合,分成這 4 桶來檢查


    X 上的 Ole Lehmann 列出 12 個把 AI agent 變超級助理的整合,分成研究、行動、工作場域、記憶 4 桶,附 3 個 chain workflow。重點不是模型強不強,是有沒有接整合。



    ⭐ 文章深度讀:用 4 桶框架檢查你現在的 agent,研究、行動、工作場域、記憶哪一桶還是空的

    → https://heymaibao.com/ai-agent-superagent-12-integrations-4-buckets/


    ⚡ 章節重點

    開場 00:00

    為什麼 AI agent 用起來像 chatbot 00:25

    罐裡的腦比喻:沒接東西就是 chatbot 00:48

    4 桶分類:研究、行動、工作場域、記憶 01:45

    1 個工具是 chatbot,3-4 個串起來才是 superagent 03:09

    被低估的 3 個整合:YouTube、Reddit、Readwise 03:45

    Chain workflow 1:贊助過濾器 04:44

    Chain workflow 2:客服 agent 05:28

    Chain workflow 3:週一儀表板 06:09

    4 桶框架可以借走,工具清單要自己挑 06:50

    怎麼開始:3 步驟 07:30

    任務挑戰:檢查你哪一桶還是空的 08:45


    📝 懶人包

    ∙ agent 就像泡在罐子裡的大腦,聰明但跟你的真實生活斷線,整合 (integration) 是接上去的感官與四肢。沒接東西時它只是 chatbot,這是來源核心比喻。


    ∙ 來源把每個用得起來的 agent 配置拆成 4 桶:研究 (Research) 、行動 (Action) 、工作場域 (Workspace) 、記憶 (Memory),少一桶 agent 就在那個方向失明。


    ∙ 12 個整合單接 1 個只是有 context 的 chatbot,要 3-4 個串起來才會出現真的幫你做事的 workflow,這是 chatbot 和 superagent 真正的分界線。


    ∙ 我的觀察:這 4 桶框架可以拿來檢查任何支援 MCP (Model Context Protocol,目前主流 agent 對外接工具的協定) 的 agent,不限於 Hermes,作者列的 12 個工具是他自己 setup 的選擇,換成 Claude 系或 OpenClaw 配置時,工具清單要重挑,但「研究 / 行動 / 工作場域 / 記憶」這 4 個盲點問題仍然成立。


    📚 參考資料

    Turn Hermes into a Superagent with these 12 integrations

    → https://x.com/itsolelehmann/status/2056343273023688989

    10 min
  • Pi 是 coding agent 界的 Neovim,你叫 agent 改自己就好


    Ben Davis 三週實戰把 Pi 變成主力 coding agent,棄 Codex 改用 Pi。Pi 開箱只有四個工具沒 MCP,他類比成 coding agent 界的 Neovim,因為客製化丟給 agent 自己。



    ⭐ 文章深度讀:你會想試試看 Pi 嗎?還是覺得 Cursor / Claude Code 那種開箱即用的路線比較適合你?留言告訴我你的判斷。

    → https://heymaibao.com/pi-coding-agent-neovim/


    ⚡ 章節重點

    開場 00:00

    棄 Codex 改用 Pi 01:02

    coding agent 界的 Neovim 01:47

    讓 AI 自己寫外掛 02:51

    為什麼 Extension 比 Skill 乾淨 04:07

    實戰建議千萬別預先規劃 05:32

    總結與我的觀察 07:05


    📝 懶人包

    ∙ Pi 開箱極簡:4 個工具、超簡 system prompt、乾淨 TUI (終端機介面),連 MCP (AI 工具的外掛協議) 支援都要使用者自己加


    ∙ Pi 的客製化方式是「直接叫 Pi agent 幫你寫 extension」,npm 安裝後的 markdown 文件不是寫給人看的,是寫給 agent 看的


    ∙ Ben 把這套類比成 Neovim:學習曲線轉嫁給 agent,改完用 `/reload` 熱重載不用重啟


    ∙ 我的觀察:在這個時點,主流 SaaS 風格 coding agent (好預設、雲端帳號、訂閱) 與 dotfile 風格 coding agent (極簡 + 深度自捏) 開始分道揚鑣,Pi 是後者最直白的代表,OpenClaw 也選它的 SDK 當基礎


    📚 參考資料

    How I Turned Pi Into the Ultimate Coding Agent (Ben Davis, 2026)

    → https://youtu.be/6xXjHM3V1zM


    Pi 官網

    → https://pi.dev/


    Mario Zechner (Pi 作者) on X

    → https://x.com/badlogicgames


    Ben Davis 公開的 Pi 設定 (davis7dotsh/my-pi-setup)

    → https://github.com/davis7dotsh/my-pi-setup


    Dylan Mulroy 的 dotfiles (含他的 Pi 設定)

    → https://github.com/dmmulroy/.dotfiles/tree/main


    Cmux 終端機

    → https://cmux.com/

    8 min
  • 他用 Claude Code 跑 21 個 agent,做出 26 場病毒擴散


    Matt Epstein 用 Claude Code 跑 21 個專門 agent,自述 30 場 launch 26 場病毒擴散。這篇拆解他怎麼把 Claude 從寫手改用成編輯部,與為什麼 AI 寫的內容多半像垃圾。



    ⭐ 文章深度讀:想看完整文章拆解,連結放在說明欄。

    → https://heymaibao.com/claude-code-21-agents-viral-launch-playbook/


    ⚡ 章節重點

    開場 00:00

    為什麼 AI 寫的內容像垃圾 01:49

    Claude 當編輯部 02:20

    BOLD CLAIM 方法論 04:02

    Hook 三問 05:50

    Mom test 與 weapons check 07:26

    95/5 與人類角色升級 08:57

    推文本身是 launch demo 09:57

    帶走 11:00


    📝 懶人包

    ∙ Matt Epstein 自述操作 30 場 X 上的大型 launch,其中 26 場病毒擴散,95% 流程交給 Claude,他自己只修最後 5%。


    ∙ 他在 Claude Code 裡跑 21 個專門 agent,每個 agent 只做一件事 (做市場研究、找病毒範式、整理客戶語言、抽出產品最新穎的主張、寫 hook、批 hook、改寫 hook、檢查敘事是否有趣、檢查每一句話有沒有讓產品變得更重要),再用一個 Manager agent 把關回饋。


    ∙ 方法論核心是「BOLD CLAIM」(夠新穎 + 解決大痛點 + 反向定位)。例如「全世界第一個 AI 廣告製作工具」現在不會紅,但「全世界第一個用你自己的內容做廣告、終結 AI slop 的 AI 廣告 orchestrator」較有機會擴散。


    ∙ 我的觀點:對想用 Claude Code 跑長流程的人來說,這篇真正值錢的,不是 21 個 agent 的編號,而是把編輯判斷拆成可被機械化檢查的小單位。能不能複製,看你願不願意自己當那個 Manager。


    📚 參考資料

    Matt Epstein 的 viral launch 流程推文 (X,@mattepstein)

    → https://x.com/mattepstein/status/2054989194414465222

    13 min
  • 一個人怎麼用 Hermes Agent 跑整個行銷團隊:4 層拆解


    AI marketer Shann 把整套行銷流程搬到 Hermes Agent 上跑。我拆解 4 層架構、4 個 Level 與 prototype 到 production 四步法,順便講即使不用 Hermes 也值得學什麼。



    ⭐ 文章深度讀:完整 4 層架構與作者沒回的成本反例都寫在文章裡,看完想留言聊聊也歡迎

    → https://heymaibao.com/hermes-agent-marketing-team-4-layer-setup/


    ⚡ 章節重點

    開場 00:00

    Hermes Agent 是什麼 00:29

    4 層架構承諾 01:20

    第 1 層:單一 Agent 的組成 01:43

    第 2 層:4 個角色的心智模型 02:57

    第 3 層:4 個 Level 的演進路徑 04:07

    第 4 層:prototype 到 production 四步法 05:38

    現實檢驗:成本與時間表的縫隙 06:33

    收尾與我的判斷 07:25


    📝 懶人包

    ∙ Hermes Agent 是 Nous Research 出的 agent framework,特點是 memory 跨 session 持久、會邊跑邊自己長出 skill。作者引述它在 OpenRouter 全平台 token usage 排第 1、GitHub 上有 15 萬星、bundled 123 個 skill (這些數字都是作者轉述,我沒看到獨立來源驗證)。


    ∙ Hermes 和 OpenClaw 是同形態不同哲學,Hermes 是 rails 派 (預設好、batteries included、day 1 就能上手),OpenClaw 是 linux 派 (給 primitives、要求明確控制)。Shann 選 Hermes,是看上 bundled defaults 帶來的複利。


    ∙ 他提的 4 層心智模型 (你 / control room / agents / 任務匯流排) 和 4 個 Level (從 1 個 agent 養到 cron 自動化 fleet),配一個 prototype → production 的四步方法論,整套可以塞在一個 docker container 裡跑。


    ∙ 我的觀察:這篇真正值得帶走的不是 Hermes 本身,是「control room (治理) 與 runtime (執行) 拆開」這個設計選擇。即使你只用 Claude Code 或 OpenClaw,這個拆法也能讓 agent fleet 從一堆零件變成可管理的團隊。


    📚 參考資料

    https://x.com/shannholmberg/status/2055335043904492011

    → https://x.com/shannholmberg/status/2055335043904492011


    @SmithTh97710010

    → https://x.com/SmithTh97710010/status/2056024505487650921

    9 min
  • 讓 Claude 真正認識你的 7 層設定 我挑出先做哪三層才划算


    X 上 @heynavtoor 把 Claude 個人化拆成 7 層 從 Settings 填表到自動排程 我看完挑出 Layer 1 3 4 是先做最划算的三層 還有告訴 AI 什麼不要做這個被忽略的關鍵段落



    ⭐ 文章深度讀:今晚就先做 Layer 3 (Memory) + Layer 1 (禁用清單),感受 Claude 回應的差別

    → https://heymaibao.com/claude-personal-ai-7-layers/


    ⚡ 章節重點

    開場 00:00

    mile 0 vs mile 10 的痛點 00:39

    最划算的三層 01:48

    Layer 3 Memory 是最快有感的一層 02:37

    Layer 1 Personal Preferences 與禁用清單 03:33

    Layer 4 Voice 寫得像你 04:46

    進階四層的現實檢查 05:43

    60 分鐘的真相與下一步 07:15


    📝 懶人包

    ∙ Nav 把 Claude 個人化拆成 7 層,從 Personal Preferences、Projects、Memory、Voice、Files、Connectors 一路到 Scheduled Tasks。


    ∙ 他自己跑這套三個月,宣稱 60 分鐘的設定可以換每週省 5-10 小時 (這是他的個人經驗,不是 benchmark)。


    ∙ 他特別點出 Personal Preferences 裡的「What I Do Not Want」段落是多數人會跳過、但讓 output 不像 AI 的關鍵。


    ∙ 我的觀察: 7 層的 ROI 不均,Layer 1 + 3 + 4 (Personal Preferences、Memory、Voice) 是個人使用者 10 分鐘內就能感受到差異的三層,Layer 5-7 對「先有素材、先有工具帳號」的人才比較有意義。


    📚 參考資料

    X 上 @heynavtoor 的長推

    → https://x.com/heynavtoor/status/2055249160782389690

    9 min