脈報

脈報

By 思思主播Technology
Download on the App Store

All 脈報 episodes

  • Claude Managed Agents 全攻略:10 步把 AI Agent 推上線


    Anthropic 公開 Managed Agents,AI Agent 基礎設施平台化。10 步部署、zero-trust vault、每小時 $0.08,Rakuten 五部門一週上線、-79% time-to-market,一下午驗證。



    ⭐ 文章深度讀:整理了 10 步部署照抄流程與 zero-trust vault 的具體設定

    → https://heymaibao.com/claude-managed-agents-deploy-guide/


    ⚡ 章節重點

    為什麼模型不是瓶頸 00:00

    stale harness:寫給舊模型的補丁變技術債 01:13

    AI Agent 的 AWS 時刻:Rakuten 砍掉 79% 02:02

    大腦 vs 雙手:用完即丟的沙盒 02:40

    Zero-trust 金庫:被駭也偷不到鑰匙 03:41

    10 步部署全流程 + 企業案例 04:22

    什麼情況不適合 + 一個下午 $0.08 就能驗證 05:48


    📝 懶人包

    ∙ Managed Agents 把生產級 Agent 80% 的基礎設施吃掉,留給你寫業務邏輯。模型不是卡點,scaffolding (模型之外、業務邏輯之內的那層膠水程式碼) 才是。Rakuten 用五個部門、每個一週內上線、time-to-market 減少 79% 已經證明過。


    ∙ 安全模型是 zero-trust:token 永遠不進 sandbox,外部服務都走 MCP (模型上下文協定) proxy 加憑證 vault。就算 prompt injection 攻破 sandbox,也偷不到 API key。


    ∙ 10 步部署可以照抄,從 `platform.claude.com` 開戶、建 agent、設 vault、Console 測試,到用 API 接前端拿回應。active runtime 每小時 $0.08,agent 閒置時不計費,最小測試 agent 的驗證成本幾乎可以忽略。


    ∙ 我的觀察:這是 Agent 基礎設施的 commoditisation 時刻,像 AWS 把 server scaffolding 吃掉那一波。但 Managed Agents 仍綁 Claude 單一模型,研究預覽階段的多代理協作與確定性輸出兩項功能還不能當正式功能用;需要跨模型協作、嚴格資料主權、長時排程任務的團隊,仍要看自 host 或開源替代。


    📚 參考資料

    I want to deploy a Claude managed agent today (full course)

    → https://x.com/hooeem/status/2044068404659646923?s=46

    8 min
  • AI-first 到底怎麼做?25 人新創一天部署 8 次,品質反升


    AI-first 到底跟裝 Copilot 差在哪?CREAO 25 人新創把工程流程拆掉圍繞 AI 重建,六階段 pipeline、三輪 Claude 審查、自癒迴圈,一天部署 8 次,付款轉換率同步上升。



    ⭐ 文章深度讀:拆解 CREAO 六階段流水線與三位 AI 審查員的完整配置

    → https://heymaibao.com/creao-ai-first-harness-reorg/


    ⚡ 章節重點

    AI-first 跟 AI-assisted 差在哪 00:00

    三個瓶頸逼出來的打掉重練 01:54

    六道關卡 + 三位 AI 審查員 02:46

    自癒迴圈:AI 自己開單自己關單 03:54

    一天 8 次部署,品質反升之謎 04:42

    兩週真空期與 CTO 每天 18 小時 05:53


    📝 懶人包

    ∙ AI-first 不等於 AI-assisted。把 Cursor、ChatGPT、AI 測試工具疊上舊流程只能換到 10-20% 效率,結構沒有變。AI-first 是假設 AI 是主要建造者,把計畫、開發、測試、部署、組織整套重新設計。


    ∙ 這套做法的核心動作是 harness engineering:當 agent 做不出來,答案不是「你再試一次」,而是問「缺了什麼能力,我們要怎麼讓這件事對 agent 可讀、可驗證、可約束」。


    ∙ CREAO 用每天早上 9 點 (UTC) 跑健康報告,一小時後 triage 引擎自動把 CloudWatch 和 Sentry 的錯誤叢集、打分、自動開成 Linear ticket,修復後沿同一條 pipeline 自動驗證並關單,整條是一個自癒迴圈。


    ∙ 我的觀察:CREAO 這則分享裡最容易被誤讀的地方,是把它當成「我只要採購同一組工具就算 AI-first」。但 CREAO 的 CTO 自己很清楚地講,AWS、GitHub Actions、Claude、Statsig、Graphite、Sentry、Linear 這些工具全都不是專利,真正的門檻是「決定重新設計一切,並願意吞下過渡期的員工焦慮、senior 工程師的心理落差,和 CTO 自己每天 18 小時的那兩週真空期」。照抄 stack 不改流程,換來的只是更貴的 AI-assisted。


    📚 參考資料

    @intuitiveml 這則 X 長文

    → https://x.com/intuitiveml/status/2043545596699750791

    8 min
  • 先 n8n 再 Python:6 個月 AI 自動化接案路線圖的三條順序


    這則 6 個月 AI 自動化接案路線圖的三條反直覺順序值得抄:先 n8n 再 Python、先 fixed chain 再 agent、先可上線程度再談 scale。還有一段 Close AI 業配要獨立揭露



    ⭐ 文章深度讀:整理了三條反直覺順序的完整拆解與業配揭露

    → https://heymaibao.com/ai-automation-builder-6mo-n8n-first/


    ⚡ 章節重點

    開場:學 AI 自動化最常掉的坑 00:00

    6 個月路線圖核心骨架 01:50

    規則一:先 n8n 再 Python 03:02

    規則二:先固定鏈再碰 Agent 03:43

    規則三:交付品質才是收費翻倍關鍵 05:16

    數字要打折看 + Close AI 業配揭露 06:20

    這禮拜就能做的行動計劃 08:15


    📝 懶人包

    ∙ 6 個月骨架:n8n 入門 → 把 AI 塞進 workflow → 挑 1-2 個可複製的 service 深蓋 → 補 agent 判斷力 → 做到可上線程度 → 最後從 freelance、in-house、agency 三條路挑一條 all-in


    ∙ 三條反直覺順序:先 n8n 再 Python、先 fixed chain 再 agent、先可上線程度再談 scale 方向。這三條是整則 roadmap 最被低估的骨架


    ∙ trigger → AI 決策 → action → output 這條 4 步骨架,按作者說法可以覆蓋 80% 真實 B2B 自動化需求,比學 agent 更該先內化


    ∙ 我的觀察:文內大量的市場規模、薪資、收費數字其實都是作者個人觀察,作者自己都寫「取自 Claude」的段落卻被包在 LinkedIn 與 McKinsey 敘事裡面。還有 Month 3 中間塞了一段自家 Close AI 的 affiliate 業配,必須獨立揭露。看 sequencing 判斷,不要照抄數字


    📚 參考資料

    @deronin_ 的 X 長貼文:How to become an AI Automation Builder in 6 months (RESOURCES)

    → https://x.com/deronin_/status/2043722737080819983


    Anthropic,Building Effective Agents

    → https://www.anthropic.com/engineering/building-effective-agents

    11 min
  • Claude Code 進不了 Google Slides,但能做 HTML 投影片


    Ryan Sarver 在 Inkef 用 Claude Code 加 HTML 取代 Google Slides,做完八份募資 deck。本文拆解他的 Stella Decks 工作流:為什麼 format change 才是真正的槓桿。



    ⭐ 文章深度讀:拆解 Sarver 的四個檔案分工與 iteration 節奏,附可以搬到任何 Claude Code 專案的分離原則

    → https://heymaibao.com/claude-code-html-google-slides/


    ⚡ 章節重點

    AI 撞上的那堵看不見的牆 00:00

    Inkef 八份 deck 沒打開過 Google Slides 01:03

    為什麼 format change 才是真正的槓桿 01:27

    四個檔案讓 Claude 從工具變合作者 03:23

    iteration 從小時到分鐘,敢試的事變多 04:32

    把分離原則搬到你自己的工作流 05:47


    📝 懶人包

    ∙ 多數 deck 鎖在 Google Slides、PowerPoint、Keynote 這類專有格式裡,LLM 沒辦法程式化操作。Sarver 把 slide 改寫成 HTML 跟 CSS 後,deck 就變成「用 code 承載敘事的 visual artifact」,這是讓 Claude Code 能真的介入的前提,不是風格選擇。


    ∙ 真正讓 Claude 從工具變合作者的,是 CLAUDE.md 教系統怎麼運作、DESIGN.md 教這個專案的品味、BRIEF.md 教這份 deck 的敘事意圖、manifest.json 控制 slide 順序,這四個檔案分屬不同職責,Claude 在動任何一頁前都會先讀過。


    ∙ iteration 從幾小時掉到幾分鐘之後,Sarver 改變的不只是速度,是他「願意嘗試什麼」。試一個完全不同的開頭從一整個下午的豪賭,變成開個 branch 加五分鐘對話。


    ∙ Sarver 在 Inkef 用同一套 design system 做完八份 deck,從 fundraise teaser 到客製給特定投資人的版本都是這套系統產出的。這代表 Claude Code 真正吃下的不只是單頁設計,是整條 deck 產線的一致性與重用。


    📚 參考資料

    Ryan Sarver - How I replaced Google Slides with Claude Code, HTML/CSS and git

    → https://x.com/rsarver/status/2043988990584312187


    Stella Decks

    → https://github.com/rsarver/stella-decks

    8 min
  • Miessler 自白:讓所有人都點頭的構想,就是在廢掉你自己


    資安研究者 Miessler 公開擱了 5 年的草稿,列出 5 種自我 nerf 念頭,主張 AI Cambrian Explosion 期間謹慎才是最糟策略,給想創造價值的人一把 full activation 判斷尺



    ⭐ 文章深度讀:拆解 5 種自我 nerf 念頭,給創作者一把對照自己的判斷尺

    → https://heymaibao.com/daniel-miessler-full-activation/


    ⚡ 章節重點

    開場:那份擱了 5 年的草稿 00:00

    把自己 nerf 掉的 5 個念頭 01:14

    為什麼現在謹慎反而是最糟的策略 02:42

    重新定義成功:3 % 24 % 82 % 推過線 04:07

    這週能先放出哪一塊:你自己拿 05:04


    📝 懶人包

    ∙ Miessler 公開承認自己一直把構想 nerf 成安全版:想得太小、擱置多年、只做大願景的一小塊。他自己列了 5 種典型的自我 nerf 念頭:太大、太大不屬於我、早就有人做過、必須一塊一塊慢慢來、被工作量嚇到只做小塊。


    ∙ 他主張現在是 AI 的 Cambrian Explosion,對想創造價值的人而言,謹慎反而是這個窗口期裡最糟的策略。他原文的說法是:這基本上是歷史上最糟糕的時候做一個謹慎的人。


    ∙ 他順便重新定義了成功:不是全部做到,而是同時推進很多件事,只要能把其中 3%、24% 或 82% 推過線、實際幫到別人,就算成立。


    ∙ 我的觀察:這篇對脈報讀者真正的價值不是「衝就對了」這句口號,是他給了你一把尺,問你現在的「穩健」,到底是想清楚後的選擇,還是在逃避被批評的自我 nerf。


    📚 參考資料

    It's Time for Full Activation

    → https://danielmiessler.com/blog/its-time-for-full-activation

    7 min
  • 好的 Claude Prompt 長什麼樣?從這 25 條拆出四件套骨架


    好的 Claude prompt 長什麼樣?拆解 Khairallah 實測 6 個月留下的 25 條,抽出共有的四件套骨架:角色情境、結構輸出、負面約束、強制不閃躲。附華語本地化提醒。



    ⭐ 文章深度讀:抽出 25 條 Claude prompt 共有的四件套骨架,附華語本地化替換清單

    → https://heymaibao.com/good-claude-prompt-four-pillars/


    ⚡ 章節重點

    AI 答案為什麼總是差一點 00:00

    四件套骨架:角色情境與結構輸出 01:25

    負面約束與強制不閃躲 03:02

    反向思考三連擊 03:52

    華語本地化:英文壞味道換中文壞味道 05:17

    四件套背後的思維系統 06:19


    📝 懶人包

    ∙ Khairallah 連續 6 個月每天實測,留下 25 條日用 Claude 提示詞,分寫作、研究、商務、策略四大類。每一條都附「為什麼有效」的解釋,說明他為什麼這樣設計。


    ∙ 25 條橫切開來看,共有的骨架是四件套:角色情境、結構輸出、負面約束、強制不閃躲。四件套缺一條,輸出都會退回 AI 預設的平庸答案。


    ∙ 整份清單最值得內化的不是單條提示詞,是反向思考三連擊:拆解隱藏假設、列 10 種保證失敗的方式再反轉、從 6 個月後失敗的未來回看。這三條繞開正向思考的盲區,產出的答案幾乎不可能用直接列舉得到。


    ∙ 我的觀點:這份清單整體密度不錯,但直接貼到中文語境會打折,因為幾乎所有負面約束都綁英文壞味道。華語讀者要自己替換成中文壞味道,像翻譯腔、公眾號體、雞湯體這些,提示詞的壓制力才不會減半。


    📚 參考資料

    25 Claude Prompts That Will Save You 15 Hours Every Week (Khairallah)

    → https://x.com/eng_khairallah1/status/2043980058378002592

    8 min
  • Claude Code 挖 Ghost CMS SQL injection 成功率近 100%


    Claude Code 對 Ghost CMS 跑出 SQL injection,成功率近 100%。Theo 用 Defcon 33 現場與 Ptacek 的 post-attention scarcity 說明 AI 漏洞研究的 step function。



    ⭐ 文章深度讀:完整拆解這條 50 行 bash + Claude Code 的漏洞 pipeline

    → https://heymaibao.com/claude-code-ghost-cms-sql-injection/


    ⚡ 章節重點

    AI 駭客時代的開場 00:00

    Claude Code 對 Ghost CMS 跑出 SQL injection 00:35

    Defcon 33 兩個讓 Theo 頭皮發麻的瞬間 01:38

    OpenAI 與 Anthropic 的內部動作 03:32

    Ptacek 的後注意力稀缺:威脅模型重寫 04:09

    接下來幾個月,你準備好了嗎 07:48


    📝 懶人包

    ∙ Anthropic Frontier Red Team 的 Nicholas Carlini 用一個 bash 腳本對整個 repo 跑迴圈,對每個原始碼檔案都丟同一句 prompt 給 Claude Code,叫它幫忙找可利用的漏洞並寫成報告,再把所有報告餵回去叫模型逐一驗證「這真的能利用嗎」。對 Ghost CMS 這樣做,直接跑出一個可廣泛利用的 SQL injection,成功率接近 100%。


    ∙ OpenAI 已經悄悄把 GPT 5.3 和 5.4 偵測到的 security 相關請求自動降級到 5.2。Theo 指出,上一次 OpenAI 公開做類似的 silent reroute,是 GPT-4o 對心理健康求救者給出危險建議的時候。reroute 機制本身就代表他們內部已經認定新模型真的會做出危險的事。


    ∙ security 研究員 Thomas Ptacek 用「注意力稀缺的終結」這個說法重新描述這個問題:過去大多數 router、印表機、區域銀行、醫院系統之所以沒被打爛,不是因為它們真的安全,而是因為全世界夠聰明的駭客數量不足以分給它們看。agent 不會累、不會餓、不會停,這個假設已經崩了。


    ∙ 我的觀察:這部影片的價值不是 Theo 在表達恐懼,是他把三條訊號線 (Defcon 現場、labs 內部動作、Ptacek 的理論框架) 串起來的動作。台灣開發者要問自己的不是「我會不會被 AI 打」,而是「我的服務依賴鏈上有哪些 router、舊手機、維護停擺的 open source 套件,它們的安全假設本來就建立在沒人有空看它們上」。


    📚 參考資料

    I'm scared about the future of security - Theo (t3.gg)

    → https://youtu.be/ND9CSuzvrIY?si=AMg-JxKLEbKC3sRA

    9 min
  • Claude Code 100 倍生產力的祕密:Garry Tan 的 5 個定義


    Y Combinator 總裁 Garry Tan 拆解 Claude Code 100 倍生產力的祕密:skill file harness resolver latent vs deterministic diarization 這 5 個定義決定一切。



    ⭐ 文章深度讀:整理了 5 個關鍵字與 YC 6000 創辦人怎麼用 fat skill 做 matching

    → https://heymaibao.com/garrytan-thin-harness-fat-skills/


    ⚡ 章節重點

    為什麼同樣 Claude Code 差 50 倍 00:00

    thin harness, fat skills 三層架構 01:00

    skill file、harness、resolver 拆解 02:30

    latent vs deterministic 與 diarization 04:22

    YC 6000 位創辦人活案例 05:32

    skill 是永久升級的祕密 08:28


    📝 懶人包

    ∙ Anthropic 2026 年 3 月 31 日把 Claude Code 全部 512,000 行原始碼意外丟到 npm,Garry Tan 讀完之後確認自己在 YC 教創辦人的事情是對的:祕密不在模型,在包模型的那一層。


    ∙ 他把這套架構叫做 thin harness,fat skills。harness 只做 4 件事:跑 loop、讀寫你的檔案、管理 context、執行安全邊界,大約 200 行程式碼;skill 則是用 markdown 寫的肥厚 procedure,把判斷與流程都裝進去,可以像 method call 一樣用不同參數重複呼叫。


    ∙ 整套設計有 5 個名詞要搞懂:skill file、harness、resolver、latent vs deterministic、diarization。這 5 個名詞各司其職,對應 agent 設計最常被搞錯的 5 個決策。


    ∙ 我的觀察:這篇和 Yegge 的原始論斷合在一起讀才完整。2026 年的 AI coding 比的不是誰家模型聰明,而是誰有紀律把日常工作 codify 成 skill。模型會換代,skill 會留下,而且會在下一代模型上自動變得更強。


    📚 參考資料

    Thin Harness, Fat Skills

    → https://x.com/garrytan/status/2042925773300908103

    10 min
  • Zuckerberg 做兩個 AI 分身:一個對員工一個幫自己當 CEO


    Zuckerberg 的 AI 分身不是拿來取代他開會。FT 爆料說真正用途是跟 Meta 員工互動,建立情感連結。Verge 並特別切割 WSJ 3 月爆料的 CEO AI agent,兩者是不同專案。



    ⭐ 文章深度讀:拆清員工版與 CEO 版兩個 AI 分身,別再混為一談

    → https://heymaibao.com/zuckerberg-two-ai-clones/


    ⚡ 章節重點

    標題 vs 原文:Verge 玩笑話拆解 00:00

    AI avatar 如何煉成數位 Zuckerberg 01:50

    第一個分身:給員工的溝通者 02:31

    第二個分身:給 CEO 自己的助理 03:14

    Meta 真正的棋局:創作者平台 04:09

    CEO 每週寫 10 小時程式的訊號 05:10


    📝 懶人包

    ∙ Meta 正在訓練 Zuckerberg 的 AI 分身。訓練素材包含他的影像、聲音、肢體動作、語氣與公開發言,目的是跟員工互動並給出回饋。


    ∙ Verge 特別指出,這個分身跟 Wall Street Journal 2026 年 3 月爆過的「幫 Zuckerberg 當 CEO 的 AI agent」是兩個不同專案。前者對員工,後者對他自己。


    ∙ Zuckerberg 本人親自參與分身訓練,同時每週花 5 到 10 小時寫程式與參加 Meta 其他 AI 專案的技術評審。


    ∙ 我的觀察:Verge 標題的「取代他開會」是記者的玩笑,FT 原文沒提商務會議這個場景。真正被測試的對象是員工,真正的伏筆是把 AI 分身開放給所有創作者。


    📚 參考資料

    Mark Zuckerberg is reportedly building an AI clone to replace him in meetings

    → https://www.theverge.com/tech/910990/meta-ceo-mark-zuckerberg-ai-clone

    8 min