脈報

脈報

By 思思主播Technology
Download on the App Store

All 脈報 episodes

  • OpenClaw 裝完只是開始:10 步設定把它變成真正的數位員工


    多數人裝完 OpenClaw 就放棄了,因為記憶不存、模型太貴、安全失控。這篇拆解 10 步設定指南,涵蓋記憶修復、$20 訂閱省錢法、備援模型鏈和安全防護,讓 AI 代理真正能用。



    ⭐ 文章深度讀:拆解了記憶修復、$20 省錢法和安全防護的完整操作邏輯

    → https://heymaibao.com/openclaw-setup-guide/


    ⚡ 章節重點

    新電腦還是新麻煩 00:00

    OpenClaw 跟 ChatGPT 差在哪 01:20

    治健忘症:記憶修復三招 03:02

    $20 搞定模型成本 03:36

    安全防線怎麼建 05:11

    設定完的真實案例 06:23

    值不值得現在入場 07:44


    📝 懶人包

    ∙ OpenClaw 最大的問題不是安裝,是安裝後的 10 項設定沒做好,導致記憶不存、模型太貴、安全失控


    ∙ 用 $20 訂閱跑 OpenClaw (OAuth 方法) 加上備援模型鏈,是目前最務實的成本方案


    ∙ Heartbeat、Skills、Telegram 分區是把 OpenClaw 從聊天玩具變成數位員工的三個關鍵設定


    ∙ 我的觀察:Jensen Huang 說 OpenClaw 是最重要的軟體,但他同時也在推自家的 NemoClaw (NVIDIA 的企業版 AI 代理平台)。實際跑下來,OpenClaw 的安全性和穩定性仍在 Wild West 階段,現在入場的人需要同時接受潛力和風險


    📚 參考資料

    I fixed OpenClaw so it actually works (full setup)

    → https://youtu.be/fd4k16REDOU?si=_rSHjC13Z0m8vW0g

    10 min
  • Cursor 用 Kimi 訓練新模型卻沒揭露,開源生態要付出代價


    Cursor 新模型 Composer 2 底層是 Kimi K2.5,經過大量強化學習後達到 GPT-5 coding 等級,卻沒有主動揭露起點。這件事讓開源 AI 社群開始擔憂商業大廠的後訓練模式。



    ⭐ 文章深度讀:拆解 Cursor 為什麼不得不走這條路,以及開源生態付出了什麼代價

    → https://heymaibao.com/cursor-kimi-composer-2/


    ⚡ 章節重點

    URL 揭開的秘密 00:00

    不是換皮!Cursor 投入三倍運算量 01:33

    為什麼不得不走這條路 02:58

    授權漏洞:Fireworks 三方架構 04:05

    開源生態要付出的代價 05:38


    📝 懶人包

    ∙ Cursor 的 Composer 2 是以 Kimi K2.5 為底座,投入約 3 倍運算量做強化學習後訓練的結果,不是從零自研的模型


    ∙ Cursor 透過 Fireworks AI 作為中間層,技術上規避了 Kimi 授權的顯著標示義務,Moonshot AI 官方事後確認這是授權合作,但整個過程對外的揭露極不透明


    ∙ Anthropic 對 Claude Code 訂閱高達 25 倍的補貼 (付 $200 月費可用到約 $5,000 的運算量) 正在逼迫 Cursor 尋找更便宜的替代路徑


    ∙ 我的觀察:這不會是最後一次有商業公司靠大量後訓練開源模型再「商業閉源化」,如果開源社群沒有更清楚的共識,這種模式只會越來越普遍,而中小型 AI 實驗室最終可能不再願意把模型開源


    📚 參考資料

    Did Cursor really just rebrand Kimi??? — Theo

    → https://youtu.be/QGnKTRtEH50

    8 min
  • 職場本來就是一場混亂:AI 為什麼不需要多強就能取代你


    職場有多混亂,AI 就有多大機會。62% 員工只做最低限度,CEO 不知道公司在做什麼。從關節化差距到人類真正不可取代的位置,這篇分析改變你對 AI 取代工作的認知。



    ⭐ 文章深度讀:整理關節化差距的核心邏輯,以及知識工作者現在能做的兩件事

    → https://heymaibao.com/ai-replacing-knowledge-work/


    ⚡ 章節重點

    開場 00:00

    AI 的真正對手:不是頂尖人才 01:12

    關節化差距:Cliff 退休後知識就消失了 02:39

    AI 能力堆疊:四層蛋糕你守的是頂層 04:24

    AI 缺少的那兩樣東西 05:17

    知識工作者現在能做什麼 06:04


    📝 懶人包

    ∙ 真正和 AI 競爭的不是人類最好狀態,而是 62% 只做最低限度的職場現實。全球知識工作者薪酬約 55 兆美元,但 62% 的員工只做最低限度,15% 積極破壞。AI 不需要打敗頂尖人才,只需要比這個平均值好一點。


    ∙ 人類和 AI 之間真正的差距不是能力,而是關節化差距:知識還沒被寫下來。知識一旦被捕捉進標準流程 (SOP) 或技能包,就永遠進入公共池,不可逆,而且讓所有 AI 同時受益。這個差距每天都在縮小。


    ∙ 人類唯一不可取代的不是聰明或創意,而是「想要」:有欲望、有痛苦、有主觀體驗,才能決定什麼問題值得解決。AI 不會在沒人問它的情況下,自己覺得某件事不對勁。


    ∙ 我的觀察:對知識工作者來說,現在最重要的事不是學更多 AI 工具,而是開始把自己的知識寫下來,同時把角色從「解決問題的人」轉成「找到值得解決的問題的人」。這兩件事,才是 AI 目前還做不到的。


    📚 參考資料

    Exactly Why and How AI Will Replace Knowledge Work

    → https://danielmiessler.com/blog/exactly-why-and-how-ai-will-replace-knowledge-work

    8 min
  • GPT-5.4 前端設計的反直覺:低推理等級反而輸出更好看


    GPT-5.4 的前端能力比前代強,但提示方式不對照樣只會拿到泛用卡片格線。這篇整理 OpenAI 官方的提示策略與 Frontend Skill 的設計哲學,讓你輸出真正好看的設計。



    ⭐ 文章深度讀:整理了 OpenAI 官方的提示策略全文,以及 Frontend Skill 六條設計哲學與七宗罪避雷清單

    → https://heymaibao.com/gpt-54-frontend-design/


    ⚡ 章節重點

    為什麼 AI 設計總是長一樣 00:00

    問題根源:什麼是高頻模式 01:07

    GPT-5.4 三大新能力 02:09

    五個提示策略,第五招最反直覺 02:59

    Frontend Skill:設計品味灌進 AI 腦袋 04:47

    七宗罪避雷清單 06:22


    📝 懶人包

    ∙ GPT-5.4 的前端能力不是自動發揮,而是靠提示引導。提示不足時,模型會退回訓練高頻模式,輸出通用的卡片版面、弱品牌設定、流水線佈局。這不是能力問題,是 prompt 策略問題。


    ∙ OpenAI 官方的 frontend-skill (前端設計技能包) 把設計原則打包成可安裝的 agent 規則,核心哲學是:從構圖而非元件出發、品牌名是最響亮文字、預設無卡片佈局、第一個視窗要當成海報不是文件。


    ∙ GPT-5.4 是 OpenAI 第一個正式訓練 computer use (電腦操作) 能力的主線模型,配合 Playwright (瀏覽器自動化工具) 可以讓模型迭代審查自己的渲染結果,顯著提升完成度。


    ∙ 我的觀察:Frontend Skill 不只是一份提示模板,而是 OpenAI 在示範「把設計品味寫成 agent 規則」的整個思維方式。這件事的啟發性遠大於工具本身,因為它告訴我們:設計判斷是可以被結構化的,而且可以被 agent 執行。


    📚 參考資料

    Designing delightful frontends with GPT-5.4

    → https://developers.openai.com/blog/designing-delightful-frontends-with-gpt-5-4

    8 min
  • CEO 用 AI 最危險的不是高產,而是太快相信自己已經懂了


    AI 讓 CEO 更有自信,但這份自信有多少是真的?從 Garry Tan 的 gstack 爭議出發,結合迎合型 AI 研究拆解能力錯覺的來源,帶你分清楚做出來、會操作和真的懂三層差異。



    ⭐ 文章深度讀:整理了三個層次的框架,幫你判斷自己是做出來、會操作,還是真的懂了

    → https://heymaibao.com/ceo-ai-overconfidence/


    ⚡ 章節重點

    AI 讓人感覺像天才,但這是警訊 00:00

    gstack 爭議:當宣傳比工具大好幾圈 0:37

    AI 不翻白眼的代價:跳過碰壁就跳過理解 1:44

    最危險場景:老闆週末做原型,週一指導工程師 3:43

    三層框架:做出來、會操作、真的懂 4:34


    📝 懶人包

    ∙ 這部影片真正有力的,不是酸 Garry Tan,而是點出 AI 很容易把「工具幫你做出成果」包裝成「你已經學會了」。


    ∙ gstack 不是空氣,它是一套 AI 代理工作流技能包,但圍繞它的公開宣傳語氣,確實比專案本身的底層能力大好幾圈。


    ∙ 至少有一項 3,285 人的研究支持:迎合型 AI 會讓人更確信自己,也更容易高估自己。


    ∙ 我的觀察:如果這種錯覺發生在一般使用者身上,頂多是自嗨。但發生在 CEO 或 VC 身上,就會從個人情緒變成整個團隊要承受的管理現實。


    📚 參考資料

    AI is making CEOs delusional

    → https://youtube.com/watch?v=Q6nem-F8AG8


    Garry Tan on X: gstack "god mode"

    → https://x.com/garrytan/status/2032196172430131498


    garrytan/gstack on GitHub

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


    Sycophantic AI increases attitude extremity and overconfidence (Rathje et al., 2025)

    → https://stevenrathje.com/publication/sycophantic-ai-increases-attitude-extremity-and-overconfidence/

    6 min
  • /plan-ceo-review:讓 AI 在你動手前先找出計畫的最大破綻


    gstack /plan-ceo-review 讓 AI 在你寫第一行程式碼前挑戰計畫本身。四個審查模式、Boil the Lake 的壓縮比率哲學、CEO 思維本能植入,加上敵對子代理打破自我確認偏誤。



    ⭐ 文章深度讀:整理了六種任務類型的 AI 壓縮比率對照表,以及四個審查模式的詳細觸發說明

    → https://heymaibao.com/plan-ceo-review-gstack-design/


    ⚡ 章節重點

    開場:AI 讓速度不再是瓶頸,方向才是 00:00

    /plan-ceo-review:動手前先請 AI 執行長上班 01:30

    四種審查模式:選定後就不能漂移的工作人格 02:25

    Boil the Lake + CEO 認知模式:反捷徑本能的底層邏輯 04:41

    敵對子代理:讓 AI 抓 AI 的包,以及判斷力才是真正稀缺的 06:26


    📝 懶人包

    ∙ gstack 把 Boil the Lake 哲學直接嵌入 AI 的決策格式:功能實作 30x 壓縮、測試 50x 壓縮,這讓「選完整方案」在 AI 時代幾乎沒有成本,選捷徑反而是錯誤的直覺。


    ∙ /plan-ceo-review 有四個模式 (範疇擴展 / 選擇性擴展 / 守住範疇 / 範疇縮減),每個對應完全不同的審查人格,選定後不可漂移,確保 AI 不會在你要大膽的時候偷偷保守。


    ∙ Skill 內建敵對子代理審查迴圈:寫完 CEO plan 後,立即調用一個沒有本次對話記憶的獨立子代理,從 5 個維度審查文件,打破 AI 的自我確認偏誤。


    ∙ 我的觀察:plan-ceo-review 說明的不只是一個工具,而是 AI 時代的一個更深層問題。當執行能力被極度壓縮後,判斷能力的稀缺性只會更高,而不是消失。


    📚 參考資料

    garrytan/gstack

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

    9 min
  • Anthropic 為何出貨這麼快?問題出在 OpenAI 的組織結構


    Anthropic 工程師寫完程式碼,當天就能出貨並公告。OpenAI 需要執行長審批。這個結構差異,是解釋過去 7 天出貨數量差距的核心。一個迴圈在複利,另一個在開會。



    ⭐ 文章深度讀:揭開工程師直接出貨背後的決策架構,以及你能套用的具體方法

    → https://heymaibao.com/anthropic-vs-openai-shipping-speed/


    ⚡ 章節重點

    7 天的數字告訴我們什麼 00:00

    飛輪效應,工具加速工具 01:14

    OpenAI 的組織結構問題 03:51

    你能帶走什麼? 05:56


    📝 懶人包

    ∙ 過去 7 天,Anthropic 出了 Dispatch (遠端控制桌面 Claude)、Channels (頻道功能)、Voice mode (語音模式)、/loop (循環指令)、百萬上下文正式發佈等共 10 個功能;OpenAI 出了 GPT-5.4 mini 和 nano、模型選擇器改版,以及 3 則收購公告。要找到 OpenAI 同等量的產品出貨,要回到去年 12 月。


    ∙ Anthropic 的 Claude Code 負責人 Boris Cherny 每天 merge (合併) 10 到 30 個程式碼更新,從去年 11 月起就不再手寫程式碼,完全靠 Claude Code 開發。整個 Anthropic 每天有 60 到 100 次內部版本發佈。Cowork (協作功能) 用 Claude Code 在 10 天內做完。工具在加速工具自己的下一版。


    ∙ OpenAI 設了一個「應用部門執行長」的職位給 Fidji Simo,這個職位存在的本身,就說明工程師沒有直接出貨的授權,每個決策都要向上申請核准。


    ∙ 我的觀察:這個差距不會因為 OpenAI 多招幾百個工程師而縮短。問題不在人數,在決策鏈。誰能讓工程師直接決定、直接出貨、直接告訴大家,誰的節奏就會形成正向飛輪。


    📚 參考資料

    Aakash Gupta 推文

    → https://x.com/aakashgupta/status/2034805505567207780

    8 min