脈報

脈報

By 思思主播Technology
Download on the App Store

All 脈報 episodes

  • 造 App 是新型廉價多巴胺:一份從零到月收 25K 的分發攻略


    造 app 是新型廉價多巴胺?Prayer Lock 從零到月收 25K 的攻略證明:專注一款 app、跑通分發、用心理學設計 onboarding,比同時做十個更有效。完整拆解加上我的判斷。



    ⭐ 文章深度讀:拆解了四個分發渠道的預算門檻和操作順序

    → https://heymaibao.com/app-distribution-playbook-25k/


    📝 懶人包

    ∙ AI 讓造 app 近乎零門檻,但分發難度沒變。會造不會賣,就會錯過這波機會。

    ∙ 專注一款 app 先跑通分發系統再複製,比同時做 10 個更有效。

    ∙ 新手引導不只是功能導覽,是一套心理學漏斗:三幕劇結構 + 沉沒成本 + 承諾原則。

    ∙ 我的觀點:「造 app 是新型廉價多巴胺」是這篇攻略裡最銳利的一句話。但作者自己花了 3 年 10 次才成功,四個分發渠道有三個需要預算。零門檻是真的,零成本不是。


    📚 參考資料

    This is how I scaled my mobile app to $25k+/month

    → https://x.com/maubaron/status/2027551137768083619

    11 min
  • Claude Code 越用越慢?創造者親授的 Context 管理心法


    Claude Code 效能瓶頸在 context window 管理。整理創造者 Boris Cherny 和 Anthropic 官方最佳實踐,涵蓋 Plan Mode、平行 Session、subagent 和四大失敗模式的完整攻略。



    ⭐ 文章深度讀:整理了從 context 管理到平行開發的完整攻略

    → https://heymaibao.com/claude-code-best-practices-context-window/


    📝 懶人包

    ∙ Context window 管理是一切的基礎:Plan Mode 先想再做、subagent 隔離探索、/clear 及時止損,全都圍繞同一個目標 — 保持 Claude 的「白板」乾淨。

    ∙ 讓 Claude 自己驗證,取代人工逐行校對:給具體測試案例讓 Claude 自跑,你不再是唯一的回饋迴路。

    ∙ 平行 Session 是最被低估的生產力槓桿:Boris 團隊用 3-5 個 session 搭配 git worktree 同步推進,一個寫、一個審。

    ∙ 我的觀察:這篇文章最被低估的兩個建議是 voice dictation 和 checkpoint。前者直接影響 prompt 品質,後者讓你敢大膽嘗試。多數技術文章不會提這兩個,但它們的實用價值不輸主流技巧。


    📚 參考資料

    Best Practices for Claude Code — Meer (@meer_aiit)

    → https://x.com/meer_aiit/status/2027509711722188976


    Anthropic 官方 Claude Code Best Practices

    → https://code.claude.com/docs/en/best-practices


    Boris Cherny 的 Claude Code 使用心得

    → https://x.com/bcherny/status/2017742741636321619

    9 min
  • Cursor 內部 35% PR 由 Agent 自主完成,第三時代已經開始


    Cursor 創辦人公開內部數據:35% PR 由雲端 Agent 自主完成,agent 用戶已反超 Tab 兩倍。三時代框架怎麼看?數據背後有哪些沒說的事?帶你拆解利益位置和判斷邊界。



    ⭐ 文章深度讀:拆解了 35% 數據背後沒說的品質問題

    → https://heymaibao.com/cursor-third-era-ai-dev/


    📝 懶人包

    ∙ Cursor 內部 35% 合併的 PR 由雲端 agent 自主完成,agent 在獨立的虛擬機上跑數小時,完成後交回可審查的成品。

    ∙ AI 開發正從「你打一行、AI 補一行」的即時互動模式,進入「指派任務、背景執行、審查成品」的委派模式。開發者的角色從寫程式轉向管理 agent 艦隊。

    ∙ Truell 預測同步 agent 時代可能不到一年就會被取代,但這個判斷來自 Cursor 創辦人,他有明確的商業動機讓你相信這件事。

    ∙ 我的觀察:三時代框架有解釋力,數據也是真的。但比起糾結「第三時代什麼時候全面到來」,更值得關注的是你自己的工作模式正在怎麼改變。


    📚 參考資料

    The third era of AI software development

    → https://x.com/mntruell/status/2026736314272591924

    7 min
  • AI 管理 AI 寫程式,一天 94 commits 的一人開發團隊


    不直接用 Codex 或 Claude Code,而是讓 AI 管理 AI。Elvis Sun 的一人 agent 團隊日產 94 commits,拆解 context 分層架構、三層 code review、真實成本和硬體瓶頸。



    ⭐ 文章深度讀:拆解了 context 分層、信任邊界、完成定義三個關鍵設計決策

    → https://heymaibao.com/ai-agent-swarm-one-person-dev-team/


    📝 懶人包

    ∙ AI coding agent 的真正瓶頸不是模型能力,是脈絡隔離。Codex 和 Claude Code 只看到程式碼,看不到你的業務全貌。解法是雙層架構:orchestrator 持有業務脈絡,coding agent 專注寫程式。

    ∙ 實戰數據已經出來了。日均 50 commits、30 分鐘 7 個 PR、月成本約 190 美元。Elvis 用這套系統經營真實的 B2B SaaS,客戶功能需求當天交付。

    ∙ 系統可靠性靠的是嚴格的完成定義,不是 AI 的能力。PR 不等於完成。CI 全過、三層 AI code review、UI 截圖都通過,才算完成。人工審閱只需 5-10 分鐘。

    ∙ 我的觀察:一人公司的真正門檻不是工具取得,是系統設計能力。工具人人都能裝,但要設計出一套讓 AI 自主運作又不會失控的系統,需要的是架構思維,不是提示詞技巧。


    📚 參考資料

    OpenClaw + Codex/ClaudeCode Agent Swarm: The One-Person Dev Team

    → https://x.com/elvissun/status/2025920521871716562

    10 min
  • AGENTS.md 到底有沒有用?研究出爐:寫太多反而讓結果更糟


    研究發現自動生成的 AGENTS.md 反而降低 coding agent 成功率且增加 20% 成本。人寫版也只提升 4%。Agent 不是不聽話,是聽太多話。整理研究數據並告訴你該怎麼改寫。



    ⭐ 文章深度讀:文章最後整理了該寫、該刪的具體清單

    → https://heymaibao.com/agents-md-evaluation-research/


    📝 懶人包

    ∙ LLM 自動生成的 AGENTS.md / CLAUDE.md (例如用 /init 指令) 反而降低 coding agent 的成功率,同時推理成本增加超過 20%。

    ∙ 開發者手寫的 context file 效果也有限,平均只提升 4% 成功率,而且 agent 會忠實遵守裡面的每條指令。

    ∙ 問題出在「過度規格化」:agent 花太多時間遵守不必要的指令,反而沒時間解決實際問題。

    ∙ 這篇研究測的是「解 GitHub issue」的封閉任務,日常開發情境不同。但核心啟示一致:context file 只寫最低必要,別貪多。


    📚 參考資料

    Gloaguen et al., 2026. Evaluating AGENTS.md: Are Repository-Level Context Files Helpful for Coding Agents?

    → https://arxiv.org/abs/2602.11988

    9 min
  • Claude Code 負責人直言 coding 已解決,真正的戰場在別處


    Boris Cherny 100% 用 Claude Code 寫程式碼,每天發 10-30 個 PR。他直接說 coding 是被解決的問題。這篇拆解他的證據、他對印刷術的類比,以及他認為真正的戰場在哪裡。



    ⭐ 文章深度讀:90 分鐘濃縮 + 主筆對這場押注的判斷

    → https://heymaibao.com/boris-cherny-coding-solved/


    📝 懶人包

    ∙ Boris 自 2025 年 11 月起 100% 用 Claude Code 寫程式碼,每天發 10-30 個 PR,沒手動編輯過一行。Anthropic 工程師人均生產力成長 200%。他直接說 coding is largely solved。

    ∙ 下一步不是寫更好的程式碼,而是決定要建什麼。Claude 已經在自己瀏覽 feedback、分析 bug report、開 PR。Boris 預測 software engineer 頭銜年底會開始消失。

    ∙ Boris 用印刷術類比這場轉變:15 世紀前不到 1% 識字率,印刷術後 200 年升到 70%。他認為 coding 的民主化可能帶來類似文藝復興的效果。

    ∙ 但所有數據都來自 Anthropic 內部。Boris 是模型的 maker,也是最深度的 user。外部團隊要複製同樣效果,需要的不只是工具,還有信念和跑道。


    📚 參考資料

    Head of Claude Code: What happens after coding is solved — Lenny's Podcast

    → https://youtube.com/watch?v=We7BZVKbCVw

    9 min
  • Obsidian + Claude 實戰拆解:讓 AI 讀懂你六年的思考脈絡


    Obsidian 用了六年,結構從沒大改過,反而在 AI 時代變得更有價值。這篇拆解 jameesy 的 5 個資料夾架構、AI 生成物分離策略和 Polaris 價值觀錨點,附實際 prompt 範例。



    ⭐ 文章深度讀:文章完整拆解 Polaris 資料夾怎麼當 AI 的價值觀錨點,附 3 個實際 prompt 範例

    → https://heymaibao.com/obsidian-claude-vault-workflow/


    📝 懶人包

    ∙ AI 需要讀你所有的脈絡,但你的 Obsidian vault 不需要被 AI 生成物淹沒。把 AI 素材放在 vault 之外的專屬資料夾

    ∙ 好的筆記結構不需要為 AI 重新設計。jameesy 六年沒改過的 5 個資料夾,在 AI 時代反而變得更有價值

    ∙ AI 讀你長期筆記後,能發現你「沒寫什麼」的模式,揭露連你自己都沒意識到的情感盲點

    ∙ 最有效的 AI 整合不是改系統架構,是把你的價值觀和優先序放在 AI 看得到的地方


    📚 參考資料

    How I Structure Obsidian & Claude (Full Walkthrough)

    → https://x.com/jameesy/status/2026628809424781787

    10 min
  • Claude Code 創造者:程式碼保質期兩個月,不跟模型對賭


    Boris Cherny 把一個終端聊天 app 變成 Claude Code。他的方法論:觀察模型想做什麼、追蹤使用者已經在做什麼、假設今天寫的每行程式碼都是暫時的。這篇拆解他的訪談。



    ⭐ 文章深度讀:拆解 Boris 的三個產品原則,加上文章才有的 TypeScript 隱線

    → https://heymaibao.com/inside-claude-code-boris-cherny/


    📝 懶人包

    ∙ Boris 的核心產品原則是 latent demand:觀察使用者已經在做什麼,把它變簡單。Claude Code 的每個重要功能都來自觀察既有行為,不是發明新需求。

    ∙ Claude Code 的設計哲學是「為六個月後的模型而建」。團隊辦公區牆上掛著 The Bitter Lesson 裱框文件。程式碼保質期約兩個月。永遠不要跟模型對賭。

    ∙ Anthropic 工程師人均生產力自 Claude Code 上線成長 150%。Boris 自己 100% 用 Claude Code 寫程式碼,卸載 IDE,每天發 20 個 PR。

    ∙ 但所有數據都來自 Anthropic 內部。他們的創辦人是 scaling laws 論文共同作者,比多數人更有理由相信模型能力會持續提升。外部團隊要複製同樣效果,需要信念,也需要跑道。


    📚 參考資料

    Inside Claude Code With Its Creator Boris Cherny — Y Combinator

    → https://youtube.com/watch?v=PQU9o_5rHC4

    9 min
  • Claude Code 工具設計心法:Anthropic 團隊的四個實戰案例


    Claude Code 團隊的工具設計實戰。AskUserQuestion 迭代三次、TodoWrite 被淘汰、RAG 被 Grep 取代。四個案例揭示心法:工具要匹配模型能力,像 agent 一樣看世界。



    ⭐ 文章深度讀:影片聽完四個案例的核心教訓,文章深入拆解 AskUserQuestion 三次迭代的具體失敗原因和 progressive disclosure 的多層遞迴搜尋機制

    → https://heymaibao.com/claude-code-tool-design-lessons/


    📝 懶人包

    ∙ 工具設計要匹配模型能力。AskUserQuestion 迭代了三次,前兩次功能可行但模型不買帳,觀察模型行為後第三次才做對。

    ∙ 模型進步時,舊工具會變成新限制。TodoWrite 加系統提醒在早期有效,模型變強後反而束縛它,必須升級成支援子代理協作的 Task Tool。

    ∙ 不一定要加新工具才能擴展能力。Progressive disclosure 讓模型透過探索自建脈絡,一年內從「無法自建脈絡」進化到「多層遞迴搜尋」。

    ∙ 這篇最大的價值不是具體做法,而是方法論:agent 工具設計是與模型的持續對話,不是一次定案的規格表。


    📚 參考資料

    Lessons from Building Claude Code: Seeing like an Agent

    → https://x.com/trq212/status/2027463795355095314

    9 min
  • PewDiePie 微調了一個 AI,打敗 ChatGPT,然後自己打臉


    PewDiePie 花數月微調 AI,benchmark 打敗 ChatGPT。但差點燒了房子、用錯模型、資料被污染。這篇還原 AI 微調的真實體驗,比想像中容易開始,比想像中痛苦完成。



    ⭐ 文章深度讀:從 8% 到 39.1% 的完整失敗時間線,文章拆得更清楚

    → https://heymaibao.com/pewdiepie-fine-tuned-ai-beat-chatgpt/


    📝 懶人包

    ∙ PewDiePie 微調 Qwen 32B,在 Aider Polyglot benchmark 拿到 39.1%,超越 ChatGPT-4 的 18.2%,也打敗了 DeepSeek 2.5、LLaMA 4 Maverick 和 Gemini Pro。

    ∙ 資料品質是微調成敗的關鍵。他第一次訓練直接讓模型變更差,因為垃圾資料通過了壞掉的 test harness。

    ∙ 中國 AI 研究 (特別是 DeepSeek) 的開放程度,讓一個不懂 ML 的人也能拿到可操作的微調路線圖。

    ∙ 這個故事的價值不在 benchmark 數字,而在一個非工程師完整走過 AI 微調流程,並且誠實記錄每一個失敗的學習旅程。


    📚 參考資料

    I Trained My Own AI… It beat ChatGPT

    → https://youtu.be/aV4j5pXLP-I

    8 min