脈報

脈報

By 思思主播Technology
Download on the App Store

All 脈報 episodes

  • AI 寫程式的四個時代:Cursor 解釋下一個斷點不是模型


    Cursor 在新辦公室開了第一場活動,整場 talk 只有 9 分鐘,但把 AI 寫程式這幾年的演進切得很乾淨:IDE、tab、agent、teams 四個時代。下一個斷點不是模型更強,是 agent 有沒有自己的電腦。



    ⭐ 文章深度讀:用 Cursor 自家 2025 內部數據看 IDE → tab → agent → teams 四個時代的關鍵斷點在哪裡

    → https://heymaibao.com/ai-coding-four-eras-cursor/


    ⚡ 章節重點

    為什麼下一個斷點不是模型 00:00

    IDE 與 Tab 時代的硬性天花板 01:21

    Agent 時代的資料大翻轉 02:14

    Teams 時代:agent 有自己的電腦 04:21

    給知識工作者的實戰建議 07:10


    📝 懶人包

    ∙ Cursor 把 AI 寫程式的演進切成四段:IDE 時代、tab 時代、agent 時代、teams 時代。每一段都有對應的工具型態與工作節奏。


    ∙ Cursor 公佈自家 2025 內部數據:agent requests 年增 15 倍,年初 tab 補完比 agent 請求多 10 倍,年底直接翻轉。內部約 30% 的 PR 已由 agent 端到端完成,enterprise segment 約 75% 程式碼由 AI 生成。


    ∙ Cursor 認為下一段是 teams 時代,agent 不再跑在工程師的本機,而是擁有自己的 cloud computer,可同時跑數十個、連續工作數小時到數天。工程師正在變成 agent manager。


    ∙ 我的觀察:這場 talk 真正關鍵的不是模型有多強,而是 agent 有沒有自己的電腦這條基礎設施線。對個人工作者來說,先把「盯著一個 agent 跑」改成「並行管理多個 agent」,再把 review 當作核心生產動作,是最可操作的下一步。


    📚 參考資料

    The next era of AI coding (Cursor 官方 YouTube)

    → https://youtu.be/8h9j2rskP14

    10 min
  • 多數人用 Claude 像在用搜尋列:5 級階梯與每級的過關密語


    多數人用 Claude 像在用搜尋列。Nate Herk 把使用者分 5 級,從 Enthusiast 到 Architect,每升一級解鎖不同工作類別與收費天花板,每一級都有一個過關密語可以跨過去。最後一級的卡點不是技術,是信任。



    完整文字版: https://heymaibao.com/claude-5-levels-cheat-codes/

    YouTube 版本: https://www.youtube.com/watch?v=7hIt4SfOutw

    10 min
  • Claude Skills 的 7 條法則:來自 75 次測試的觀察清單


    Claude Skills 寫作的 7 條法則,整理自 75 次測試的觀察:description 怎麼讓 Claude 看見、body 為什麼要去禮貌化、什麼時候該用範例蓋過規則、長度與位置怎麼決定。



    ⭐ 文章深度讀:拿這 7 條法則當清單,挑你手上 3 個 skill 一邊讀一邊改,順手把 hardening prompt 跑一次

    → https://heymaibao.com/claude-skills-7-laws-from-75-tests/


    📺 YouTube 完整解析

    → https://www.youtube.com/watch?v=MW2k27scAvs


    ⚡ 章節重點

    prompt library 已死,skill 上場 00:00

    為什麼是現在:算力變便宜 01:08

    description 寫差 = skill 看不見 01:37

    祈使句、anti-trigger 與 Read-first 三欄 03:10

    範例蓋過規則、控制長度與位置 05:17

    用 10 個 sub-agent 自動找洞 06:31


    📝 懶人包

    ∙ description 寫差,是 skill 永遠看不到工作的最大原因。要長度足夠、第三人稱、首句講做什麼 + 何時用、3 個以上真實使用者會打的觸發語,並寫一條 anti-trigger 把不該用的情境推給另一個 skill。

    ∙ body 用祈使句、給 worked example、把 critical rule 搬到前 100 行。Claude 是 pattern matcher (擅長依樣本找規律的模型),給規則它會猜,給範例它會對齊。

    ∙ 文末有一個 10 sub-agents 的 hardening prompt,可以讓 skill 用真實情境自己找洞,三輪改寫。在自己手上前 3 個 skill 上跑一次,是一小時內可完成的高槓桿投資。

    ∙ 我的觀察:在我自己寫 skill 的經驗裡,最常被忽略的不是內容深度,是位置。重要的話放在 line 600 等於沒放,這條跟 Aakash 在 724 行 fitness skill 上看到的失敗模式一致。

    8 min
  • GitLab Act 2 公告:押 agentic era 的 4 個組織重組訊號


    GitLab Act 2 公告同時動了組織形狀、文化框架、商業敘事與透明度。Simon Willison 的解讀提供了一張快速判讀地圖,也提醒讀者這份 agentic era 樂觀押注該保留多少折扣。



    ⭐ 文章深度讀:拿這 4 個維度當檢查表,下次再看 AI 公司重組公告不會被樂觀敘事帶走

    → https://heymaibao.com/gitlab-act-2-agentic-restructure-signals/


    📺 YouTube 完整解析

    → https://www.youtube.com/watch?v=Sv085Wp5veg


    ⚡ 章節重點

    不是裁員新聞:Act 2 同時動的四件事 00:00

    訊號 1:管理層厚度變成可調變數 01:30

    訊號 2:CREDIT 退役與 Diversity 被降級 02:58

    訊號 3:Jevons 悖論的押注與股價腰斬的提醒 04:19

    訊號 4:透明度被收斂到對公司更有利的範圍 06:01

    怎麼讀下一份 AI 重組公告 06:53


    📝 懶人包

    ∙ GitLab 在部分職能拿掉最多三層管理,把 R&D 重組成約 60 個更小、端到端負責的團隊,獨立團隊數量近乎翻倍。

    ∙ GitLab 退役舊的 CREDIT 價值框架,改採 Speed with Quality、Ownership Mindset、Customer Outcomes 三條新價值,「Diversity」從頂層字眼降級到子句。

    ∙ GitLab 主張軟體生產的成本與時間限制正在崩解,需求會因此擴張,開發者平台 (dev platform) 的單一用戶每月付費,從去年的數十美元升到今年的數百美元,並朝數千美元邁進。

    ∙ 我的觀點:GitLab 這份樂觀押注帶有強烈商業利益偏誤,Simon 用「公司股價腰斬」與 git 歷史對照提醒讀者打折看,這個閱讀方式比公告本身更值得學起來。

    8 min
  • X 上爆紅的 12 條 CLAUDE.md 規則,真正值得貼的只有 4 條


    Claude Code 用戶該不該照貼 X 爆紅的 12 條 CLAUDE.md?我拆開 @Mnilax 的版本,只有 4 條真的補了 Karpathy 沒寫到的多 step agent 盲區,剩下與其抄不如挑自己的坑寫。



    ⭐ 文章深度讀:看完整 12 條清單的逐條判斷,與另外 8 條可不可以略過

    → https://heymaibao.com/claude-md-12-rules-which-to-copy/

    9 min
  • Meta-prompting 是 2026 該學的 skill:Garry Tan 的 v27


    YC 總裁 Garry Tan 的 YouTube prompt 已迭代到 v27。他把 meta-prompting 定位成 2026 該學的 AI skill — 把 prompt 當軟體版本化。本文拆解 v27 心法、model tournament,以及最反直覺的副作用:逼你說清楚自己怎麼想。



    ⭐ 文章深度讀:看 Garry Tan 把 prompt 從 v1 磨到 v27 的完整心法

    → https://heymaibao.com/metaprompting-is-a-skill/


    ⚡ 章節重點

    00:00 Meta-prompting 是 2026 該學的 AI skill

    02:55 多數 AI app 是「無馬馬車」

    04:18 多模型 tournament 與人類 curation

    05:17 Gibberish prompt 為什麼比文法正確版高 5.2pp

    07:03 Model Drifting 不是反例,是它存在的理由

    08:28 副作用比成品還貴:逼自己想清楚


    📝 懶人包

    ∙ 多數人停在 blind prompting,沒有測試、沒有迴圈、沒有版本控管;同一條 prompt 換更強的模型反而可能變差。


    ∙ Garry Tan 的 v27 是把 prompt 當軟體做 27 輪「output → critique → refine」,外加四模型 tournament 加人類 curation,curated skills 把 agent pass rate 拉高 16.2 個百分點。


    ∙ Pete Koomen 的 horseless carriages:多數 AI app 把 AI 黏在舊軟體模式上,正解是讓使用者自己寫 system prompt,工具該是 agent builder 不是 agent。


    ∙ 副作用比成品還貴:每一次「我不會這樣講」「用短的字」都在逼你把「自己怎麼想」說清楚,這才是 meta-prompting 真正值錢的地方。


    📚 參考資料

    Metaprompting is a skill everyone who uses AI needs to master in 2026 (Garry Tan)

    → https://garryslist.org/posts/metaprompting-is-a-skill-everyone-who-uses-ai-needs-to-master-in-2026


    Prompt Engineering vs Blind Prompting (Mitchell Hashimoto)

    → https://mitchellh.com/writing/prompt-engineering-vs-blind-prompting


    Horseless Carriages (Pete Koomen)

    → https://koomen.dev/essays/horseless-carriages


    Meta-Prompting (Zhang et al., 2023)

    → https://arxiv.org/abs/2311.11482


    PromptBridge: Model Drifting (2025)

    → https://arxiv.org/abs/2512.01420


    Meta-prompting and LLM self-optimization (IntuitionLabs)

    → https://intuitionlabs.ai/articles/meta-prompting-llm-self-optimization

    11 min
  • Agentic Coding 是陷阱:監督 AI 的技能會被 AI 偷走


    業界把 AI 主導實作包裝成「往上抽象一層」,但模糊不等於抽象。Anthropic 自家研究都承認的悖論:監督 AI 需要的判斷力正好會被 AI 萎縮。本文拆解陷阱與替代姿勢。



    ⭐ 文章深度讀:拆完監督悖論再給你可行替代姿勢

    → https://heymaibao.com/agentic-coding-is-a-trap/


    ⚡ 章節重點

    開場與五大重點預告 00:00

    代理寫程式的陷阱 01:24

    致命的監督悖論 02:01

    模糊不等於抽象 03:32

    Coding 就是思考 04:47

    答案是降級 AI 06:07


    📝 懶人包

    ∙ Anthropic 自家研究承認「監督悖論」: 用 Claude 寫 code 需要的判斷力,正好會因為 AI 過度使用而萎縮,debug 能力下降 47%。


    ∙ 業界辯護說 AI 是「往上抽象一層」,但模糊性的提升不等於抽象層的提升。模糊性增加,不是控制粒度上升。


    ∙ Coding 不只是輸出 code,更是想清楚的過程本身。OpenCode 創辦人 Dax 講白了,他打字寫 code 的過程,就是他想清楚到底要做什麼的過程。


    ∙ 答案不是反 AI,是降級 AI: 把 LLM 當「Ship's Computer」(聽你查、聽你問的工具),不要當「Data」(自主決策的 agent)。


    📚 參考資料

    Agentic Coding is a Trap, Lars Faye

    → https://larsfaye.com/articles/agentic-coding-is-a-trap


    How AI is Transforming Work at Anthropic

    → https://www.anthropic.com/research/how-ai-is-transforming-work-at-anthropic


    AI Assistance Coding Skills (47% debug 能力下降數字)

    → https://www.anthropic.com/research/AI-assistance-coding-skills


    Cognitive Debt, Simon Willison

    → https://simonwillison.net/2026/Feb/15/cognitive-debt/


    Leaders Worry About Skill Atrophy Due to AI Adoption (Sandor Nyako 採訪)

    → https://www.businessinsider.com/leaders-worry-about-skill-atrophy-due-to-ai-adoption-2025-10


    Dax 訪談 (OpenCode 創辦人談 Spec-Driven Development)

    → https://youtu.be/IGsbARhERqc?t=501


    Primeagen 評論

    → https://www.youtube.com/watch?v=_vB0PDzaa7I&t=3299s


    Your Brain on ChatGPT

    → https://www.media.mit.edu/publications/your-brain-on-chatgpt/


    Microsoft Study on AI and Human Cognition

    → https://www.404media.co/microsoft-study-finds-ai-makes-human-cognition-atrophied-and-unprepared-3/


    Jeremy Howard, fast.ai

    → https://www.fast.ai/about.html

    9 min
  • AI 工作分裂成兩堆,能放手的交給 agent,要管的自己陪


    Every 觀察:AI 工作正在分裂成兩堆,一邊是交給 agent 自己跑的事,一邊是要坐在模型旁邊一起做的事。新的關鍵能力是分得出哪一堆。內附 Dan Shipper 的 inbox SOP。



    ⭐ 文章深度讀:看 Dan Shipper 怎麼用一頁規則 doc 把 inbox 交給 agent 還能可審核可回退

    → https://heymaibao.com/ai-work-delegate-or-pair/


    ⚡ 章節重點

    AI 工作版圖正在分裂 00:00

    迷思:分配任務只對了一半 01:22

    新典範:分得出該交還是該陪 02:11

    Dan 的 inbox SOP 實戰 03:14

    市場訊號與 Musk 五步算法 04:40

    三個今天就能做的事 06:53


    📝 懶人包

    ∙ AI 工作正在分裂成兩種姿態:交給 agent 自己跑 (delegate),或坐在模型旁邊一起做 (stay close)。新的 meta-skill 是知道每件事屬於哪一邊。


    ∙ Every 自己之前提的 allocation economy 論點,這次直接被作者修正:那只說對了一半。


    ∙ 個人尺度的代表,是 Every CEO Dan Shipper 用 Codex + Cora + 一頁規則 doc 處理 inbox 的 SOP。企業尺度的代表,是 Airtable 開的 AI Agent Architect 職缺,以及 OpenAI 與 Anthropic 同一個月相繼推出的企業 service。


    ∙ 我的觀點:模型分數已經不再是這一波的勝負點。現在最稀缺的不是會用 AI 的人,是分得出兩種姿態、而且寫得出規則手冊的人。


    📚 參考資料

    The Dawn of Codex-Native Apps (Katie Parrott / Every)

    → https://every.to/context-window/the-dawn-of-codex-native-apps


    AI Agent Architect, Customer Experience (Airtable)

    → https://job-boards.greenhouse.io/airtable/jobs/8409168002


    OpenAI Frontier Alliance

    → https://openai.com/index/frontier-alliance-partners/


    Anthropic enterprise services

    → https://www.anthropic.com/news/enterprise-ai-services-company


    Elon Musk's Algorithm: A 5-Step Process

    → https://www.inc.com/jeff-haden/elon-musks-algorithm-a-5-step-process-to-dramatically-improve-nearly-everything-is-both-simple-brilliant.html

    9 min