脈報

脈報

By 思思主播Technology
Download on the App Store

All 脈報 episodes

  • Max Hodak 解釋 BCI:先讓盲人看見形狀,再建造有意識機器


    Science 的 Prima 讓 40 多位盲人在腦中看見形狀,不是光點。Neuralink 共同創辦人 Max Hodak 解釋技術突破的關鍵,以及 BCI 的終點為什麼是有意識機器,不是 AI 合體。



    ⭐ 文章深度讀:整理了 AI 路線與 BCI 路線的本質差異,以及 Max 對 2035 事件視界的清醒判斷

    → https://heymaibao.com/max-hodak-bci-science/


    ⚡ 章節重點

    盲人在腦中看見形狀,不只是光點 00:00

    視網膜三層架構:關鍵在哪一層 01:05

    神經工程思維:繞過問題,不修復問題 02:50

    BCI vs AI:兩條根本不同的路 04:24

    2035 事件視界與他看不穿的那道界線 05:19


    📝 懶人包

    ∙ Science 的 Prima 裝置是史上第一個讓盲人真正「看見形狀」的 BCI。技術關鍵在於刺激視網膜的雙極細胞,而非神經節細胞,保留了視網膜本身的壓縮邏輯。臨床試驗結果發表於《新英格蘭醫學雜誌》,目前有 40 多位患者,並已向主管機關申請上市許可。


    ∙ Max Hodak 明確說,BCI 近期是醫療 / 長壽故事,不是 AI 合體故事。AI 的終點是超智能機器,BCI 的終點是有意識機器,兩條路平行但本質不同。


    ∙ Max 相信現在活著的人,第一批能活到 1000 歲的就在其中,他用「2035 事件視界」描述那道他已經看不穿的界線。


    ∙ 我的觀察:Max Hodak 表述的「神經工程 vs 藥物發現」框架,比「BCI 是 AI 延伸」的流行敘事更有底層邏輯。他不是在賣夢,而是從一個可驗證的技術突破,往上推出一套清醒的醫療典範轉移。


    📚 參考資料

    Max Hodak × How to Build the Future

    → https://youtu.be/5gspRJVp9dI?si=yKno1TPZ0wXAkdMn

    7 min
  • Claude Code 越跑越笨的真相:context 塞爆,3 個功能修掉


    Claude Code 越用越笨?context window 被舊搜尋和死路嘗試一點一點佔滿了。3 個功能組合對付 context 污染,context fork、/by the way、/fork,今天就能開始用。



    ⭐ 文章深度讀:context fork 含金量最高的理由,以及三個防護盾的完整適用地圖

    → https://heymaibao.com/claude-code-context-3-shields/


    ⚡ 章節重點

    問題不是你的錯覺,AI 真的越來越鈍了 0:00

    元兇揭曉:context window 的辦公桌效應 0:53

    防護盾 1:/by the way 隔離臨時問題 3:07

    防護盾 2:Context Fork 把雜訊趕出房間 3:51

    防護盾 3:/fork 先存檔,探索無後顧之憂 4:57

    三盾組合,覆蓋 90% 的 context 污染 5:47


    📝 懶人包

    ∙ Claude Code 長時間運作後體驗變差,根本原因是 context window 被雜訊一點一點佔滿,不是模型退化


    ∙ `context fork` 讓 skill (Claude Code 的自定義功能模組) 在獨立的 context window 裡執行,只把乾淨摘要回傳,是三者中最大幅降低 context 消耗的工具


    ∙ `/by the way` 和 `/fork` 分別解決「臨時問題污染」和「探索分支污染」兩種常見場景,三者組合可覆蓋大多數 context 污染來源


    ∙ 我的觀察:三個功能裡,`context fork` 的含金量最高,因為它根本改變了「任務執行成本往哪裡去」的邏輯,不只是在管理表面的對話長度。


    📚 參考資料

    Claude Code 越跑越笨的真相:context 塞爆,3 個功能修掉

    → https://youtu.be/iALzJyvgCoM?si=o1UWP85ssLEs3d3x

    8 min
  • 讓 AI 自動改善你的 Claude Skill,成功率從 56% 跑到 92%


    Claude Skill 的品質問題可以讓 AI 自己修。你只需要一份 yes/no 打分清單,告訴 agent 什麼叫好的輸出,它會自己跑測試、試改動、決定留不留,品質一輪輪自動收斂。



    ⭐ 文章深度讀

    整理了 yes/no 評分清單的設計方法,以及 56% 到 92% 的實際改動記錄

    → https://heymaibao.com/autoresearch-claude-skill/


    📝 懶人包

    ∙ Claude skill 的品質問題可以讓 AI 自己修:你只需要事先告訴它「什麼是好的輸出」


    ∙ 評分用 yes/no 清單,不用模糊打分,因為可以重現、不受心情影響


    ∙ 這個方法不只能用在 skill,任何可以被客觀評分的輸出都能套用


    ∙ 我的觀察:「零人工」其實是行銷說法。方法真正的門檻在於你有沒有辦法把「好的輸出長什麼樣」說清楚,這一步仍然是人的工作


    📚 參考資料

    Ole Lehmann (@itsolelehmann) 原始長文

    → https://x.com/itsolelehmann/status/2033919415771713715

    10 min
  • 程式設計的終結?Karpathy 談 AI 代理人時代


    如果你也感覺 AI 工具讓能力提升,但同時又很不安,Karpathy 說這叫心神失常。從他 12 月的 coding 轉折、AutoResearch 實驗到教育新形狀,這篇是那場一小時訪談的精華。



    ⭐ 文章深度讀:看 Karpathy 如何把自己移出 AI 迴圈,以及你的剩餘價值在哪裡

    → https://heymaibao.com/karpathy-ai-agents-autoresearch-no-priors/


    ⚡ 章節重點

    Karpathy:幾乎不再寫程式了 00:00

    從 coding 到 manifesting:工作本質變了 02:00

    把自己移出迴圈:AutoResearch 的哲學 03:01

    一個晚上找到 20 年的超參數盲點 04:01

    教育的下一步:解釋給 agents 聽 05:49

    那你的剩餘價值在哪裡 08:00


    📝 懶人包

    ∙ Karpathy 說 2024 年 12 月是明確的分水嶺。他的工作從「寫 code」變成「把意志表達給 agents」,他稱這個動作叫 manifest (顯化),不叫 coding。他說他幾乎不再自己打過一行 code。


    ∙ 他自建的 AutoResearch,設計哲學很簡單:你不應該在迴圈裡。設定好目標、指標和邊界,然後「go」,讓 agents 永遠跑下去。AutoResearch 一個晚上找到了 Karpathy 調了近二十年都沒發現的超參數組合,連他自己都是瓶頸。


    ∙ 他說教育的格式要改了。他不再直接為人寫教學影片,而是讓 agents 當路由器。他說未來的文件應該是「Markdown 給 agents 看的」,不是「HTML 給人看的」,因為 agents 看懂之後,會用你的語言、你的程度無限耐心地解釋給你。


    ∙ 我的觀察:訪談裡最讓我停下來的一句話,是 Karpathy 說他在 OpenAI 時告訴同事:「我們如果成功,我們都失業了。」這些人知道,還繼續做。這不是悲觀,是那種坦誠到讓人不舒服的清醒。而且它指向一個更大的問題。當這套邏輯最終成立,我們每個人都得想清楚,自己的剩餘價值在哪裡。


    📚 參考資料

    Andrej Karpathy × Sarah Guo — No Priors Podcast

    → https://youtu.be/kwSVtQ7dziU

    10 min
  • Claude Code 新功能:用 Telegram 傳訊息,直接叫 AI 做事


    Anthropic 推出 Claude Code Channels,讓外部訊息可以主動推進你的 AI session。Telegram 和 Discord 工具集不對稱,設定門檻也比想像中高一些,這篇幫你整理清楚。



    ⭐ 文章深度讀:說清楚 Telegram 和 Discord 各自能做什麼、Research Preview 的門檻在哪

    → https://heymaibao.com/claude-code-channels-telegram/


    ⚡ 章節重點

    想像這個場景:AI 不再被電腦綁住 00:00

    Pull 變 Push:真正的破局點在哪 01:22

    Telegram vs Discord:這個差別決定你選哪個 02:23

    Research Preview 的坑:設定前先知道這幾件事 03:55

    格局更大了:Anthropic 第一次親自下場的意義 05:07


    📝 懶人包

    ∙ Claude Code 推出 Channels (外部事件推送管道) 功能,Telegram 和 Discord 現在可以主動把訊息推進你正在執行的 session,Claude 可以即時回應並執行任務。


    ∙ Telegram 和 Discord 的工具集不對稱:Discord 可以讀取歷史訊息、下載附件,Telegram 不行,這是 Telegram Bot API 的結構限制,不是設計選擇。


    ∙ Research preview (研究預覽,功能仍在測試中) 有明確門檻:需要 Claude Code v2.1.80 以上、claude.ai 帳號 (不接受 Console 或 API key 認證)、session 必須開著事件才會到達,目前只接受 Anthropic 官方許可清單內的插件。


    ∙ 我的觀察:這是 Anthropic 首次直接提供 push-based (外部主動推送) 的事件接入,讓 Claude Code 從「只能在終端機等你輸入」走向「可被外部訊息喚起」。Anthropic 親自下場做這個橋接層,代表這個需求夠主流,值得官方支援。對於依賴 OpenClaw 這類 agent workflow 平台做類似整合的人,這條線往哪裡走值得觀察,但現在就說「格局改變」還太早,Channels 仍是 research preview,且只支援兩個平台。


    📚 參考資料

    Claude Code Channels 官方文件

    → https://code.claude.com/docs/en/channels


    Telegram plugin README

    → https://github.com/anthropics/claude-plugins-official/blob/main/external_plugins/telegram/README.md


    Discord plugin README

    → https://github.com/anthropics/claude-plugins-official/blob/main/external_plugins/discord/README.md

    7 min
  • YC 主席的 AI 診斷工具:六個問題拆穿你對自己產品的幻覺


    Garry Tan 的 Claude Code skill 只做一件事:在你動手寫程式之前,逼你回答六個 YC office hours 的診斷問題。從真實需求到最小切入點,每一題都在把抽象打成具體。



    ⭐ 文章深度讀:整理了六個 YC 診斷問題的完整邏輯,以及為什麼禁止寫程式才是第一條規則

    → https://heymaibao.com/yc-office-hours-ai-diagnostic-skill/


    ⚡ 章節重點

    禁止寫程式的 AI 工具 00:00

    這個 skill 在做什麼 02:47

    六個問題,把抽象逼成具體 03:21

    Builder Mode:截然不同的貨幣 06:03

    YC 申請邀請藏在哪裡 07:18

    你可以帶走什麼 09:02


    📝 懶人包

    ∙ Garry Tan 把 YC office hours 的診斷邏輯做成了 Claude Code skill,動手寫程式前強制跑六個問題,唯一輸出是設計文件,不輸出程式碼。


    ∙ 六個問題都在做同一件事:把抽象逼成具體,把「醫療產業的企業客戶」逼到「你能說出名字的那個人」。具體性是唯一貨幣。


    ∙ 創業診斷模式是審問,創作者協作模式是同謀,兩者是完全不同的對話關係,skill 甚至設計了模式自動升級的觸發條件。


    ∙ 我的觀察:YC 申請邀請根據 session 累積的創辦人訊號強度分三層,以 Garry Tan 第一人稱嵌進 workflow 結尾,讓一個診斷工具同時成了機構招募的漏斗入口,這在 AI workflow 設計裡是沒有前例的。


    📚 參考資料

    office-hours SKILL.md

    → https://github.com/garrytan/gstack/blob/main/office-hours/SKILL.md

    11 min
  • AI agent 幫工程師 fork 了 AI 工具,安全警告全被刪了


    AI agent 幫工程師 fork 了 AI 工具,把安全警告全刪了,直接推上 npm。從這場事件看懂 just-bash 是什麼,以及 Vercel 和 Cloudflare 為何對同一工具有完全不同的需求。



    ⭐ 文章深度讀:整理了 Vercel 和 Cloudflare 對同一工具截然不同的需求,以及這場 fork drama 真正的技術根源

    → https://heymaibao.com/just-bash-ai-fork-drama/


    ⚡ 章節重點

    開場:工程師讓 AI 幫他刪光了安全警告 00:00

    Just Bash 是什麼:AI 的專屬安全遊戲區 00:45

    Vercel vs Cloudflare:同一工具,截然不同的需求 01:59

    事件始末:週末的實驗怎麼變成公開風波 02:49

    AI 為什麼刪了安全層 03:35

    你分得出來嗎:AI 代勞時的新批判性思考 04:03


    📝 懶人包

    ∙ just-bash 是 Vercel CTO Malte 為 AI agents 設計的虛擬 Bash 環境。用 TypeScript 寫成,讓 agent 以為自己在操作真實的指令列,實際上被限制在一個 JavaScript 沙箱裡,目的是防止 agent 穿透 Node.js 存取真實系統 (環境變數、資料庫、其他用戶的請求)。


    ∙ Cloudflare 工程師 Sunil Pai (前 React 核心成員) 看到後非常興奮,在西班牙度假期間讓 AI agent vibe code 了一個 Cloudflare workers 版本,直接放進官方 GitHub,命名為 @cloudflare/shell。fork 無意間移除了所有安全層和 beta 免責聲明,Malte 發現後發公開文章批評 (後來刪除)。


    ∙ 事件以兩邊道歉收場:Sunil 解釋他只是在實驗,計劃週一再聯絡 Malte 討論加入 hooks 的可能;Malte 後來也道歉,承認自己不必要地讓 Sunil 受到了傷害。


    ∙ 我的觀察:這件事最值得留意的地方不是 drama 本身,而是一個早期訊號。當 AI agent 開始幫人執行 fork、修改 readme、推送 package,「這個工具有在認真維護嗎?」這個問題變得越來越難靠 readme 來判斷。


    📚 參考資料

    Vercel vs Cloudflare: The Just Bash Situation

    → https://youtu.be/mVKxygo5Sdo?si=CokoM20vDyFb0GA0

    6 min
  • 拆解 GitHub 9.9 萬星 Superpowers:AI 團隊怎麼分工


    Superpowers 的執行引擎不在乎速度,在乎的是可修正性。從 git worktree 到子代理上下文隔離,拆解這四個 skill 如何讓一個 AI 變成真正可以分工協作的開發團隊。



    ⭐ 文章深度讀:整理 4 個讓 AI 不出錯的設計邏輯,從 git worktree 的安全驗證到 subagent 的邊界設計

    → https://heymaibao.com/superpowers-ai-agent-execution/


    ⚡ 章節重點

    速度不是唯一的答案 00:00

    先隔離才能開始做事 01:08

    一人無法管全場,分工才是解法 02:32

    原來它是一套作業系統 03:40

    這跟你有什麼關係? 04:12


    📝 懶人包

    ∙ 在 Superpowers 裡,任何代碼執行前都必須先建 git worktree (工作區隔離目錄),這是整個執行引擎的安全起點,不是選配功能。


    ∙ 子代理 (subagent) 不是為了讓多件事同時跑,而是讓協調者 (controller) 能精準控制每個任務的上下文邊界,不被執行細節淹沒。


    ∙ 「並行」在 Superpowers 裡有嚴格前提:調查獨立問題時可以同時派多個 agent,但計畫執行的實作 agent 不能同時跑。


    ∙ 我的觀察:這套系統的設計思維更接近作業系統,它定義的是每個元件的職責邊界和通訊介面,不是步驟清單。如果只把它當成「AI 跑任務的腳本」,很容易忽略它最核心的設計意圖。


    📚 參考資料

    Superpowers

    → https://github.com/obra/superpowers

    6 min
  • 拆解 GitHub 9.9 萬星 Superpowers:連寫 skill 都有流程


    Superpowers 把 skill 視為行為工程:Iron Law 結構與 TDD 等價,description 不能概括 workflow,每個設計選擇背後都有說服科學。拆解 writing-skills 的完整邏輯。



    ⭐ 文章深度讀:實際記錄的 AI 合理化說詞清單,以及為什麼 description 說越清楚反而讓 AI 跳過指令

    → https://heymaibao.com/superpowers-writing-skills-tdd/


    ⚡ 章節重點

    一行指令為什麼沒用 00:00

    TDD:讓 AI 先失敗的工程心法 01:03

    Iron Law:跳不過的第一步 02:07

    描述陷阱:說越清楚越危險 03:50

    說服心理學:為什麼要用強硬語氣 04:52

    核心轉變:從作家到工程師 06:13


    📝 懶人包

    ∙ `writing-skills` 開宗明義:「skill 設計等同於把 TDD 應用在文件上。」Iron Law 的結構與 TDD 完全等價,沒有讓代理先失敗,就不能寫 skill。


    ∙ Baseline failure 不是可選步驟:你必須先讓代理在沒有 skill 的情況下作選擇、失敗、合理化,記錄它用了哪些說詞,才知道 skill 要防堵的是什麼。


    ∙ Description 若概括了 workflow,代理會直接照 description 行動而跳過讀 SKILL.md 本體,而這不是理論,是從真實測試觀察到的行為。


    ∙ 我的觀察:Superpowers 把 instruction design 視為「在壓力下製造合規行為的工程問題」,而不是「把規則說清楚」的溝通問題。這個視角的轉變,比任何具體 skill 都更值得拿走。


    📚 參考資料

    Superpowers

    → https://github.com/obra/superpowers

    8 min
  • 拆解 GitHub 9.9 萬星 Superpowers:它怎麼防止 AI 亂做


    AI 說做完了但根本沒做完,這是 AI coding agent 的系統性問題。Superpowers 用 TDD、系統性除錯、完成前驗證、code review 四個環節,讓每個完成都需要可驗證的執行證據。



    ⭐ 文章深度讀:五個 skill 如何環環相扣製造難以繞過的品質鏈

    → https://heymaibao.com/superpowers-quality-loop-ai-verification/


    ⚡ 章節重點

    AI 說「修好了」是系統性問題 0:00

    五個 skill 組成的品質鏈 2:01

    TDD Iron Law:先看測試失敗 3:16

    Systematic Debugging:對抗壓力藉口 4:33

    Verification Before Completion:驗證閘門 5:29

    Code Review 迴圈:Fresh Context 審查 6:33

    讓假裝完成比真正完成更麻煩 7:37


    📝 懶人包

    ∙ TDD 的 Iron Law (鐵律):先有失敗的測試才能寫程式碼,沒有例外。你已經把程式碼寫好了才想補測試?整段刪掉,從頭來過。「Delete means delete」(刪除就是刪除),不是「先保留,之後再補」。


    ∙ Systematic Debugging 設計來對抗壓力下的合理化:這個規則的 CREATION-LOG (創建紀錄) 揭示,作者把 agent 最常見的藉口直接寫進規則文件裡,包括生產事故的緊迫感 (每分鐘 $15,000 的損失)、4 小時後的疲憊、senior engineer 的社會壓力,讓 agent 在試圖跳過流程時,必須先看到自己的行為被點名是什麼。


    ∙ Verification Before Completion 的 Gate Function (閘門機制):5 個步驟,任何一步跳過都等於在說謊而不是在驗證。連「太好了!做完了!」這類滿意表達,在跑完驗證指令之前都被明確禁止。


    ∙ 我的觀察:Superpowers 對抗的那些合理化藉口,在所有面對時間壓力的工程師和知識工作者身上都出現過,不只是 AI。它把這些藉口全部點名,而且說清楚:這些看起來有道理的理由,全都是跳過流程的警訊。


    📚 參考資料

    obra/superpowers

    → https://github.com/obra/superpowers

    9 min