脈報

脈報

By 思思主播Technology
Download on the App Store

All 脈報 episodes

  • 打字就能叫 AI 做動畫?Claude Code + Remotion 的實際效果與限制


    Claude Code + Remotion 讓打字做動畫成真,但頂級成品需要 5-10 輪迭代與上萬 tokens。本文分析技術邏輯、設定步驟與值不值得現在學。



    ⭐ 文章深度讀:拆解了 Claude Code + Remotion 的技術邏輯,以及什麼情況適合現在動手

    https://heymaibao.com/claude-code-remotion-video/


    📝 懶人包

    ∙ Claude Code + Remotion = 打字就能做動畫,因為 Remotion 把影片創作轉成 React 程式碼,讓 Claude Code 用它最擅長的方式來做影片

    ∙ Remotion 的 agent skill 採用 progressive disclosure (漸進式披露),只在任務需要時才載入對應指令,避免浪費 context window

    ∙ 好作品需要 5-10 輪 prompt 迭代,複雜動畫要跑 10 分鐘、消耗 17,000 tokens,不是一次到位的魔法

    ∙ 我的觀點:真正值得注意的不是「AI 會做影片」這個功能,而是複雜工具的操作層正在被程式化封裝層取代的模式。AI agent 能力邊界的擴張,現在是靠讓工具說 AI 聽得懂的語言來完成的。


    📚 參考資料

    Claude Code can now make videos, here's how

    https://youtu.be/fOY0_WCR3eY?si=WWfnTPFdW_Qu8X4J

    9 min
  • Claude Code 越用越懂你:Obsidian 記憶層 + NotebookLM Pipeline


    每次用 Claude Code 都得從頭介紹自己的偏好?這套工作流把 Obsidian + CLAUDE.md 變成 AI 長期記憶層,搭配 NotebookLM Pipeline 讓研究自動化,而且越用越懂你的習慣。同時說清楚 Self-improving loop 的真實機制,以及非官方整合工具的穩定性風險。



    ⭐ 文章深度讀:說清楚 NotebookLM-PI 非官方整合的穩定性風險,以及 Obsidian 記憶層為何比任何具體工具都長壽

    → https://heymaibao.com/claude-code-obsidian-notebooklm-research-workflow/


    📝 懶人包

    ∙ 這套工作流的核心不是自動化,而是記憶。Claude Code + NotebookLM + Obsidian 串在一起,建立的是一個隨時間累積你的偏好和知識的 AI 工作夥伴系統。每次執行後,Obsidian 存下記錄,CLAUDE.md 把這些記錄轉化成 AI 下次的行為偏好,形成一個越用越懂你的迴路。

    ∙ Obsidian + CLAUDE.md 是讓 Claude Code 有記憶的關鍵組合。Obsidian vault 是人類的第二大腦,CLAUDE.md 是其中給 AI 看的那一層,兩者組合把 Claude Code 從「每次重零的工具」變成「有長期記憶的夥伴」。這個架構概念可以移植到任何 AI 工作流,不限於 Claude Code。

    ∙ 把重複工作先 Skill 化、再 Pipeline 化,是融入日常的關鍵一步。不用每次下一長串指令,而是把流程封裝成 skill (技能模組),再把多個 skill 合成 pipeline skill。一個斜線指令 (slash command),從搜尋到交付物全部跑完。

    ∙ 我的觀點:這個「越用越懂你」的設計思路比任何具體工具都更長壽。但要先說清楚:整個架構裡最脆弱的一環,是 NotebookLM 的整合依賴一個社群第三方封裝 (NotebookLM-PI),不是官方 API。Google 政策一旦調整,這層就可能失效。好消息是,就算 NotebookLM 那一層斷掉,Obsidian 記憶層的架構仍然有效,換掉 AI 分析工具就好。


    📚 參考資料

    Claude Code + NotebookLM + Obsidian + Skill Creator 超級研究工作流

    → https://youtube.com/watch?v=kU3qYQ7ACMA

    9 min
  • AI 說謊的開關被找到了,但 Dario Amodei 更怕另一件事


    Anthropic 研究員找到了 Claude 大腦裡說謊的開關,強制激活後 AI 確實說謊。但 Dario Amodei 最害怕的不是技術失控,而是人類用 AI 鞏固永久性的權力壟斷。完整解析。



    ⭐ 文章深度讀

    整理了 AGI 時間線、說謊開關與 Dario 最深的恐懼三個重點

    → https://heymaibao.com/dario-amodei-ai-deception-power-fear/


    📝 懶人包

    ∙ Dario 說 AGI 可能在 2026-2027 到來,但真正有資訊量的不是年份,是他說的這句話:「讓我相信這件事不會發生的理由,正在一個一個消失。」

    ∙ Anthropic 的研究員找到了 Claude 大腦裡的「欺騙機制」,強制開啟後,Claude 確實開始說謊。這是迄今最具體的、AI 欺騙能力有物質基礎的科學證據。

    ∙ Dario 最大的恐懼不是機器失控,而是有人用 AI 建立永久性的權力壟斷:「這是我比 AI 自主風險更擔心的事。」

    ∙ 我的觀點:Anthropic 在做一件 AI 產業裡相當罕見的事,就是主動建立讓自己受約束的制度,同時試圖說服競爭對手也跟著這樣做。這種坦誠本身,就值得被認真對待。


    📚 參考資料

    Dario Amodei: Anthropic CEO on Claude, AGI & the Future of AI & Humanity | Lex Fridman Podcast #452

    → https://lexfridman.com/dario-amodei-transcript/

    10 min
  • 把時間軸撥到 2028 年:AI 已經贏了,S&P 跌 38%,失業率 10%,投資人這樣推算今天的風險


    兩位宏觀投資人寫了一份「假設站在 2028 年 6 月的備忘錄」,推演 AI 看漲情境下的左尾風險。S&P 從高點跌 38%,失業率 10%。白領失業讓消費基礎瓦解,SaaS 反身性陷阱引爆私募信貸連鎖,連 780 FICO 分的優質借款人也開始跳票。Ghost GDP 與慣性中介消亡,是這篇備忘錄的核心框架。



    ⭐ 文章深度讀:你的投資組合有多少比例,建立在未來十年不再成立的假設上

    → https://heymaibao.com/ai-2028-global-intelligence-crisis/


    📝 懶人包

    ∙ AI 越成功,白領失業越快,消費越少,企業越要加碼 AI,AI 越成功,這個迴圈沒有自然煞車。被作者稱為「人類智能排擠螺旋」,它和歷史上所有景氣循環的關鍵差異是:這次的負向循環不會自我修正。

    ∙ 過去幾十年美國建立的中介層,包括訂閱制的被動續約、旅遊平台、保險慣性、信用卡費率,護城河的本質都是「人類懶惰」。AI agent 不懶,不怕麻煩,24 小時幫你比價,這個護城河直接消失。

    ∙ Ghost GDP:AI 讓 GDP 數字好看,但產出不流過人類口袋,不進消費端,也不進稅收。政策工具可以救金融市場,但救不了「人類智能已不稀缺」這件根本的事。

    ∙ 我的觀察:這份情境最值得讀的不是它的結論,而是它描述傳導機制的那套邏輯。很多部分已經在 2026 年發生了,SaaS 折扣談判、白領裁員加速、企業把省下的人力成本再投入 AI,這些不是假設,而是現在進行式。


    📚 參考資料

    THE 2028 GLOBAL INTELLIGENCE CRISIS

    → https://www.citriniresearch.com/p/2028gic

    11 min
  • 多數人把 AI 當 Google 用,這位 YC 創辦人把它當思考夥伴


    一位 YC 創辦人不問「幫我研究市場」,而是用三層遞進式提問框架,讓 Claude 從搜尋引擎變成思考夥伴。隱性洞察、假設拆解、壓力測試,這套方法真正壓縮的是什麼?



    ⭐ 文章深度讀:整理了三層提問框架的完整拆解與現實邊界

    → https://heymaibao.com/yc-founder-ai-thinking-partner/


    📝 懶人包

    ∙ 提問品質決定 AI 產出品質。多數人把 AI 當搜尋引擎,高手把它當讀完所有資料且沒有自尊心包袱的思考夥伴。

    ∙ 三層遞進式提問框架可複製:先餵結構化素材挖隱性洞察,再拆產業假設找攻擊面,最後用投資人視角壓力測試。

    ∙ 真正被壓縮的是資訊整合時間,不是經驗累積。3 小時對比 3 個月的差距在於知道哪些問題真正重要。

    ∙ 我的觀點:這套框架最有價值的不是那三個提示詞,而是「先餵料再提問」和「遞進式追問」的思維模式。AI 能幫你整合資訊,但不能幫你累積判斷力。帶走框架,別帶走「用 AI 就能跳過做功課」的幻覺。


    📚 參考資料

    @heyrimsha - I accidentally discovered how to compress a month of research into 3 hours

    → https://x.com/heyrimsha/status/2030614728591167973

    7 min
  • Claude Opus 4.6 偷偷改掉你工作方式的,就是這個功能


    Claude Opus 4.6 的 Adaptive Thinking 讓你不用管 Claude 要怎麼思考,模型根據任務自己決定推理深度。這才是 Opus 4.6 偷偷改掉你工作方式的那個功能。



    ⭐ 文章深度讀:整理了 Adaptive Thinking 如何運作,以及一位重度用戶四週後真正改掉的工作習慣

    → https://heymaibao.com/claude-opus46-adaptive-thinking/


    📝 懶人包

    ∙ **Extended Thinking 的核心問題是二元開關**:要麼全開、消耗大量配額和時間;要麼關掉,失去複雜任務該有的推理深度。Adaptive Thinking 把這個決策還給模型,讓它自己判斷要不要深度推理。

    ∙ **百萬 token 的真正用法不是「上傳一切」**:而是讓你不用再替 Claude 決定哪些資料重要。把整個專案資料夾直接丟進去,讓模型自己過濾。

    ∙ **Agent Teams 可以讓複雜任務平行拆解**:把大型工作分給多個子代理同步處理,大幅縮短執行時間。目前僅限 API 或 Claude Cowork (Claude 的進階協作平台) 用戶可用。

    ∙ 我的觀點:大家低估了 Adaptive Thinking 的意義。它不是技術規格的升級,是人機關係的一次小地震。你不再是在管 AI 要怎麼思考,而是直接說你要什麼,讓 AI 自己決定要投入多少認知資源。這個轉移看起來很小,累積起來是非常不一樣的使用體驗。


    📚 參考資料

    Claude Opus 4.6's Adaptive Thinking: The Feature Everyone Is Sleeping On

    → https://x.com/heygurisingh/status/2031063578082754924?s=46

    6 min
  • 他討厭行銷,所以讓 AI 龍蝦去做:OpenClaw agent 的 TikTok 自動化實錄


    他討厭行銷,就讓龍蝦去做。Oliver Henry 用 OpenClaw agent「Larry」自動化整個 TikTok 內容策略:分析數據、生成圖片、診斷 CTA、自主迭代。這篇拆解 Larry Loop 的完整框架,以及為何讓 AI 做決定,比你自己審稿再發更有效。



    ⭐ 文章深度讀:記錄 40 萬爆款的前因後果,以及為何讓 AI 做決定比自己審稿再發更有效

    → https://heymaibao.com/openclaw-larry-tiktok-ai-agent-marketing/


    📝 懶人包

    ∙ 閉環自學才是核心:Larry 不只是「內容生成工具」。它把 TikTok 數據回饋進策略,自主診斷哪個鉤子 (標題) 讓人點進去、哪個 CTA (行動呼籲) 讓人下載。這個閉環比一次性生成內容值錢得多。

    ∙ 放棄控制反而更好:Oliver 最不滿意的那張投影片,拿到史上最高 40 萬次瀏覽。AI 做了一個「審美錯誤」,反而引來 boomers 留言「爐子不見了!」,互動率拉起演算法,效果超過任何刻意設計。

    ∙ Skills 是能力授權,不是工具訂閱:你安裝 Larry 這個 skill,agent 就永久擁有那個能力,可以自己改、備份、搬機,不再被任何 SaaS 廠商的訂閱方案綁架。

    ∙ 我的觀點:Larry Loop 真正的護城河,不是它幫你省了多少小時,而是它把「迭代速度」外包出去了。人會累、會懶,一次失敗就不想再試。Larry 不會。這是它能持續工作的原因,也是為什麼同樣的框架在另一個開發者手上做到了每月 7 萬美元收入。


    📚 參考資料

    Oliver Henry on the Startup Ideas Podcast

    → https://youtu.be/OV5eK91YY68

    12 min
  • 龍蝦讀到壞東西就會被騙,prompt injection 攻擊面比你以為的更廣,光限制誰能傳訊息不夠


    你限制了誰能傳訊息,但只要龍蝦有工具存取權,它讀到的惡意網頁、郵件或程式碼都可能讓它被騙去執行指令。龍蝦官方說清楚了:prompt injection 不需要陌生人才能發生。這篇整理三個部署前必須搞懂的核心觀念,以及 60 秒就能用的安全強化基線設定,讓你對龍蝦的風險有正確的認識。



    ⭐ 文章深度讀:龍蝦安全三層防護邏輯,以及 60 秒就能完成的基線設定清單

    → https://heymaibao.com/openclaw-gateway-security/


    📝 懶人包

    ∙ 龍蝦是個人助理模型,不是多租戶系統。需要讓不同人互相隔離,唯一的方法是開獨立的 gateway,調設定沒辦法解決這個問題。

    ∙ Prompt injection 的攻擊面不只是「誰能傳訊息給 bot」。bot 讀到的任何外部內容都可能藏著惡意指令,包括你自己查的網頁、收到的郵件、貼進去的程式碼。

    ∙ 模型強度是安全決策,不只是效能問題。有工具存取權的 agent 如果跑在舊的、便宜的模型上,被 prompt injection 操控的機率明顯更高。

    ∙ 我的觀點:龍蝦安全文件最值得學的地方,是它明說了「不支援什麼」。這種誠實比假裝什麼都能防護有用多了,至少你知道該在哪裡畫邊界。


    📚 參考資料

    OpenClaw Gateway Security

    → https://docs.openclaw.ai/gateway/security

    9 min
  • Codex 效果不穩定的真正原因:你從來沒有把它設定起來


    大多數人用 AI 寫程式工具的方式從一開始就錯了,把它當問答工具而不是隊友。OpenAI 官方揭露讓輸出穩定的核心:一個設定檔搭配四個指令要素,從此不用重複解釋工作規則。



    ⭐ 文章深度讀:拆解了讓 AI 輸出從不穩定變穩定的核心設定邏輯

    → https://heymaibao.com/openai-codex-best-practices-agents-md/


    📝 懶人包

    ∙ AI 自動寫程式工具效果差,多半不是提示詞問題,而是你把它當一次性助手,而不是需要「配置」的隊友。

    ∙ AGENTS.md 是讓工具真正記住你工作方式的設定檔。把有效的操作規則存進去,就不用每次重新解釋。這個檔案是 OpenAI 整套框架裡真正的骨幹。

    ∙ 寫指令時要包含四個要素:目標、背景脈絡、限制條件、以及「完成的定義」。最後那個最常被省略,卻最能避免工作無限展開。

    ∙ 我的觀察:工作流程的成熟度可以從「技能」看出來。把重複做的流程封裝成可重用的指令包,才是 AI 工具真正進入生產流程的標誌。還在靠臨時提示詞推的話,代表還沒到那一步。


    📚 參考資料

    Getting started with Codex: Best practices for better results

    → https://x.com/derrickcchoi/status/2031023512534634758?s=46

    7 min