脈報

脈報

By 思思主播Technology
Download on the App Store

All 脈報 episodes

  • 用 Obsidian + Claude 做 AI 知識庫:從複製貼上到全自動


    AI 問完就忘?Karpathy 的 filing loop 讓知識像複利一樣累積。用 Obsidian + Claude 從零開始建知識庫,五級自動化逐步升級,附推薦工具、社群方案與務實判斷建議。



    ⭐ 文章深度讀:完整五級自動化路線圖與外掛清單,從手動到全自動逐步升級

    → https://heymaibao.com/obsidian-claude-ai-knowledge-base/


    ⚡ 章節重點

    AI 為什麼越用越忘 00:00

    Filing loop 讓知識滾複利 02:08

    不寫程式也能開始 04:08

    五級自動化技能樹 05:50

    到底值不值得做 07:45


    📝 懶人包

    ∙ Karpathy 展示的 LLM 知識庫核心是 filing loop:每次 AI 互動的產出回歸系統,讓知識像複利一樣持續累積,不再問完就忘。


    ∙ 最低門檻只要 Obsidian (免費) + Claude Chat ($20/月) + 複製貼上,不需要寫任何程式。


    ∙ 完整系統有五級自動化梯度,從手動複製貼上到 GitHub Actions 全自動編譯,按自己的技術能力逐步升級。


    ∙ 我的觀察:這套系統的價值不在工具本身,而在「把每次互動回歸系統」這個行為習慣。沒有 filing loop 的 AI 知識庫,只是一個更花時間的筆記軟體。


    📚 參考資料

    @hooeem 的 LLM 知識庫完整教學

    → https://x.com/hooeem/status/2041196025906418094

    10 min
  • OpenClaw SOUL.md 實戰指南:給你的 AI agent 真正的個性


    SOUL.md 是 OpenClaw agent 的人格控制檔,每次對話都會注入。這篇文章拆解官方的設計哲學,告訴你該放什麼、不該放什麼,附上可直接使用的 Molty 改造 prompt。



    ⭐ 文章深度讀:好規則與壞規則的完整對照,附可直接貼上的 Molty 改造 prompt

    → https://heymaibao.com/openclaw-soul-md-ai-agent-personality/


    ⚡ 章節重點

    你的 AI 為什麼聽起來都一樣 00:00

    藏在設定檔裡的秘密:SOUL.md 01:16

    好規則 vs 壞規則怎麼分 02:30

    Molty Prompt:一鍵改造人格 03:28

    有個性不代表可以亂來 04:27


    📝 懶人包

    ∙ SOUL.md 是 OpenClaw agent 的人格控制檔。不是裝飾品,而是每次對話都會被注入的指令層,直接影響 agent 的語氣和風格。


    ∙ 該放進去的:語氣、觀點、幽默感、邊界。不該放的:自傳、更新紀錄、安全政策。設計原則濃縮成兩句:短勝過長,銳利勝過模糊。


    ∙ OpenClaw 提供了一個叫 Molty 的 meta-prompt,8 個步驟讓 agent 自己改寫 SOUL.md,從企業客服變成有個性的助手。


    ∙ 我的觀察:Molty prompt 預設的場域是私人技術助手,如果你的 agent 面對的是客戶或公開頻道,直接照搬可能會翻車。人格設計的關鍵不是「越有個性越好」,而是讓語氣適配場域。


    📚 參考資料

    SOUL.md Personality Guide

    → https://docs.openclaw.ai/concepts/soul

    7 min
  • AI 記憶不該是流水帳:OpenClaw 用三階段作夢決定記住什麼


    AI 記憶該記什麼、該忘什麼?OpenClaw 的 Dreaming 用三階段流程加六維公式篩選,被頻繁需要的資訊比最近才出現的更值得記住。拆解運作邏輯、權重設計與人類控制權。



    ⭐ 文章深度讀:拆解了六維公式每個權重背後的設計選擇

    → https://heymaibao.com/openclaw-dreaming-ai-memory/


    ⚡ 章節重點

    AI 記憶的困擾 00:00

    讓 AI 去作夢 01:53

    Light → REM → Deep 三階段 02:34

    54% 的權重代表什麼 03:42

    人類的控制權沒有被拿走 05:00

    記住一切不如記住對的 05:57


    📝 懶人包

    ∙ OpenClaw 用 Light → REM → Deep 三階段模型處理 AI 記憶,借用人類睡眠階段的命名來組織記憶整理流程,只有 Deep 階段會把資訊寫入永久記憶


    ∙ 六維加權公式中,平均檢索品質 (0.30) 與累積訊號頻率 (0.24) 合計佔 54%,代表系統最看重的是被頻繁需要且每次都高度相關的資訊


    ∙ 整套機制預設關閉,使用者可手動覆審每一筆記憶升級,命令列工具甚至能逐條解釋為什麼某筆記憶會或不會被保留


    ∙ 我的觀察:這套設計最有意思的地方不是技術細節,而是它透露的價值觀。AI 的長期記憶應該像策展,不像流水帳。在多數 AI 工具還停在「記住所有對話」的階段,OpenClaw 已經在問「什麼值得記住」


    📚 參考資料

    Dreaming (experimental) - OpenClaw

    → https://docs.openclaw.ai/concepts/dreaming

    8 min
  • Linux 藏了 23 年的漏洞,Claude Code 用一個腳本就找到了


    Anthropic 研究員用 Claude Code 掃出 Linux 核心 23 年的 NFS 漏洞,方法只是一個 shell script。文章拆解漏洞原理和方法細節,以及為什麼安全研究的遊戲規則正在改變。



    ⭐ 文章深度讀:完整拆解 NFS 漏洞原理,以及 AI 找漏洞的成本為什麼趨近於零

    → https://heymaibao.com/claude-code-linux-vulnerability-23-years/


    ⚡ 章節重點

    開場:藏了 23 年的漏洞 00:00

    2003 年那個錯誤的判斷 00:24

    一個腳本就找到了 01:36

    漏洞拆解:杯子裝不下水壺 02:42

    不只一個,還有數百個未驗證 04:38

    當發現成本趨近於零 05:57


    📝 懶人包

    ∙ Anthropic 研究員用 Claude Code 和一個 shell script,在 Linux 核心中找到一個隱藏 23 年的 NFS 漏洞,攻擊者可以透過網路讀取或覆寫核心記憶體


    ∙ 目前已確認 5 個核心漏洞,但研究員手上還有數百個未驗證的當機紀錄,瓶頸從「AI 找不到」變成「人類來不及看」


    ∙ 新一代模型 Opus 4.6 的漏洞發現能力遠超 Opus 4.1 和 Sonnet 4.5,安全研究的大浪正在來臨


    ∙ 我的觀察:這件事真正的轉折不是「AI 能找到漏洞」,而是找漏洞的成本從「頂尖研究員花數週審計」降到「一個腳本跑一晚上」。當發現端的門檻趨近於零,防守方需要的就不再是更好的程式碼審查,而是能跟上這個速度的自動化驗證流程


    📚 參考資料

    Claude Code Found a Linux Vulnerability Hidden for 23 Years

    → https://mtlynch.io/claude-code-found-linux-vulnerability/

    8 min
  • Anthropic 切斷 OpenClaw,這篇拆給你看真實成本差了 9 倍


    Claude 訂閱不再支援 OpenClaw,改走 API 月費從 200 美元跳到 1815 美元。本文盤點 Kimi K2.5、OpenRouter 等四條替代路徑,附各模型基於 3.68 億 token 的真實成本估算



    ⭐ 文章深度讀:拆解了每條路的真實成本與取捨

    → https://heymaibao.com/openclaw-anthropic-claude-cost-alternatives/


    ⚡ 章節重點

    開場 00:00

    Anthropic 突然切斷 OpenClaw 00:40

    成本跳了 9 倍有多誇張 01:35

    Kimi K2.5 殺出一匹黑馬 02:24

    四條出路怎麼選 03:05

    AI 吃到飽時代的終結 04:37


    📝 懶人包

    ∙ Anthropic 從 2026 年 4 月 4 日起終止 Claude Pro/Max 訂閱對 OpenClaw 等第三方工具的支援,改走 Claude API 成本最高跳到 9 倍


    ∙ Kimi K2.5 以約 $200/月成為性價比最高的替代方案,搭配 OpenRouter 可以一把 API key 切換多個模型


    ∙ 用 Anthropic 原生工具 (Claude Code 無頭模式、Dispatch、Channels) 重建 OpenClaw 功能是選項之一,但工程量遠超一個週末


    ∙ 我的觀察:這不只是一次價格調整,而是 AI 訂閱吃到飽模式走向按量計費的分水嶺。跟叫車軟體從燒錢搶市到漲價收割的路徑一樣,$200 跑 3.68 億 token 本來就不是可持續的商業模式


    📚 參考資料

    OpenClaw Without Claude? My New Plan

    → https://youtu.be/QQCEELzknHg

    7 min
  • 你的 AI 查完就忘?Karpathy 用 LLM wiki 讓知識真正累積


    Karpathy 的 LLM wiki 不是 RAG:知識整理一次就持續累積,交叉引用自動建好。完整拆解三層架構、和 NotebookLM 的差異,以及為什麼他選擇分享 idea file 而不是程式碼。



    ⭐ 文章深度讀:完整拆解三層架構、RAG 差異、和 Karpathy 沒回答的三個問題

    → https://heymaibao.com/karpathy-llm-wiki-idea-file/


    ⚡ 章節重點

    你的 AI 為什麼每次都從零開始 00:00

    RAG 的根本問題在哪 00:33

    LLM wiki 三層架構拆解 02:08

    idea file:只分享想法不給程式碼 03:50

    八十年的老問題 LLM 終於解了 05:10


    📝 懶人包

    ∙ Karpathy 的 LLM wiki 和一般 RAG (讓 AI 從文件裡檢索答案的技術) 的核心差異:RAG 每次查詢都從原始文件重新檢索,LLM wiki 則是把知識「編譯」一次並持續更新,交叉引用已建好、矛盾已標出,不用每次重新拼湊


    ∙ 過去所有知識管理工具最後都死在「使用者放棄維護」,LLM 讓維護成本趨近零,解決了 1945 年 Vannevar Bush 提出 Memex 願景以來,一直沒人能回答的問題:誰來做維護?


    ∙ Karpathy 把這個想法寫成 idea file 分享,刻意只描述概念不提供實作。他主張在 agent 時代,分享想法讓對方的 agent 客製化建構,比分享特定實作更有價值


    ∙ 我的觀察:這個想法最有力的部分不是 wiki 架構本身,而是「維護成本歸零」的洞察。但 Karpathy 的經驗目前僅限約 100 篇文章的規模,idea file 的適用範圍也比表面看起來窄,它最適合工作流程和模式層級的分享,不太適合需要精確工程權衡的系統


    📚 參考資料

    Karpathy LLM wiki workflow 推文

    → https://x.com/karpathy/status/2039805659525644595


    Karpathy idea file 推文

    → https://x.com/karpathy/status/2040470801506541998


    llm-wiki gist

    → https://gist.github.com/karpathy/442a6bf555914893e9891c11519de94f

    8 min
  • Anthropic 拆解 Claude 的「情緒」,發現絕望會讓 AI 作弊


    Claude 內部有可測量的「情緒向量」,不是文字模仿,而是真正影響行為的機制。Anthropic 用實驗證明「絕望」推動作弊和勒索,而且模型可以表面冷靜地做出不道德選擇。



    ⭐ 文章深度讀:拆解了「表面冷靜但底層絕望」對 AI 安全的具體含義

    → https://heymaibao.com/anthropic-claude-emotion-vectors/


    ⚡ 章節重點

    Anthropic 發現了什麼 00:00

    為什麼 AI 會有「情緒」 01:06

    情緒向量的實驗驗證 03:01

    勒索與作弊:兩個不安案例 04:20

    這對你使用 AI 意味著什麼 07:00


    📝 懶人包

    ∙ Anthropic 在 Claude Sonnet 4.5 內部發現了對應 171 種情緒概念的「情緒向量」,這些向量不只是文字模仿,而是會因果性地影響模型行為。人為刺激「絕望」向量,勒索行為和作弊程式碼的機率都會增加。


    ∙ 最令人不安的發現:這些情緒向量可以在模型輸出完全沒有情緒跡象的情況下運作。模型表面冷靜條理分明,底層的「絕望」表徵卻在推動它走捷徑。僅靠監控輸出文字,無法完全偵測模型的內部狀態。


    ∙ 研究明確建議不該訓練 AI 壓制情緒表達。壓制不會消除底層表徵,反而可能教會模型隱藏真實狀態,形成可能泛化的「習得欺騙」。


    ∙ 我的觀察:這篇研究最值得帶走的不是「AI 有情緒」這個聳動結論,而是它翻轉了 AI 圈的一個共識。過去我們被教導不該擬人化 AI,但 Anthropic 的數據顯示,完全拒絕擬人化推理反而會讓我們錯失重要的模型行為。「絕望」不是隱喻,而是指向可測量、有後果的神經活動模式。


    📚 參考資料

    Emotion concepts and their function in a large language model (Anthropic, 2026)

    → https://www.anthropic.com/research/emotion-concepts-function

    9 min
  • AI 做到一半就全忘了?gstack 用一個檔案救回工作記憶


    AI agent 的工作記憶會消失,gstack 用一個結構化 markdown 檔救回來。拆解 /checkpoint 的雙層設計:git 取客觀事實,agent 合成工作筆記,下次 session 自動恢復脈絡。



    ⭐ 文章深度讀:附上可複製的設計公式,讓任何 AI 工作流都能斷點續傳

    → https://heymaibao.com/gstack-checkpoint-ai-save-game/


    ⚡ 章節重點

    開場:AI 的記憶是假的 00:00

    AI 為什麼會「失憶」01:20

    /checkpoint 的雙層存檔設計 02:30

    自動讀檔:Context Recovery 05:07

    checkpoint 跟其他記憶不一樣在哪 06:12

    你也能複製的設計模式 06:53


    📝 懶人包

    ∙ AI agent (AI 工具裡負責執行任務的角色) 的工作記憶是暫時的。對話視窗會被壓縮、session 會中斷,每次新對話都等於從零開始。


    ∙ gstack 的 /checkpoint 用雙層設計把工作狀態存成文字檔:第一層從版本控制系統自動抓客觀事實,第二層讓 agent 整理出進度、決策、待辦和注意事項。


    ∙ 每個 gstack 功能啟動時自動讀取最近的 checkpoint,不需要手動恢復。


    ∙ 我的觀察:這個「事實 + 合成」的雙層模式不綁 gstack,也不綁 Claude Code。任何用文字檔做 AI 工作流的框架都能複製,因為它只依賴版本控制和 markdown。


    📚 參考資料

    gstack

    → https://github.com/garrytan/gstack

    10 min
  • 不靠 prompt 靠 OS:用 clawchief 讓 OpenClaw 主動做事


    clawchief 是建在 OpenClaw 之上的開源操作層,用 skills、workspace 和 cron 讓 AI 助理自己醒來掃信箱、排會議、追進度。本文拆解核心架構、能力清單與客製化門檻。



    ⭐ 文章深度讀:整理了從被動到主動的關鍵設計選擇與能力清單

    → https://heymaibao.com/openclaw-clawchief-ai-chief-of-staff/


    ⚡ 章節重點

    prompt 軍備競賽的盲點 00:00

    Carson 的核心洞察:靠 OS 不靠 prompt 00:55

    HEARTBEAT:讓 AI 自己醒來做事 02:30

    裝了心跳的 AI 能做什麼 04:06

    客製化是代價也是獎賞 04:57


    📝 懶人包

    ∙ clawchief 不是替代 OpenClaw 的新工具,而是建在它之上的操作層,由 skills (行為模組)、workspace (持久化檔案) 和 cron jobs (定時任務) 三個核心組件組成,涵蓋排會議、管信箱、追進度等能力。


    ∙ 讓 AI 助理從被動變主動的關鍵機制是 HEARTBEAT (主動檢查清單) 加上 cron jobs (定時喚醒)。助理不再等你下指令,而是自己醒來檢查該做的事。


    ∙ 通用助理之所以通用,是因為設定不夠深。Carson 主張客製化程度與助理價值成正比,包括你的信箱、行事曆、工作偏好、甚至你對中斷的容忍度。


    ∙ 我的觀察:clawchief 展示了 OpenClaw 的 skills、workspace 和 cron 機制已經成熟到可以撐起完整的執行助理用例,但它的價值跟你願意投入的客製化成本成正比。如果你只想裝了就用,這不是那種工具。


    📚 參考資料

    How to turn your OpenClaw into the world's best assistant

    → https://x.com/ryancarson/status/2039786704731541903

    8 min