
Sign up to save your podcasts
Or


Google Research 最新論文:把 prompt 貼兩次送給 LLM,不開推理就能穩定提升準確率。70 組測試贏 47 輸 0,不增加延遲。本文深入解析因果注意力機制與實戰落地建議。
Karpathy 認為程式設計正在面目全非:不是寫程式碼,而是用英文管理 AI agent。他的案例確實驚人,但恰好落在 agent 最擅長的場景。你的日常工作有多少在這個甜蜜點內?
每次對話都要重教 Claude?Skill 就是解法。這篇提煉 Anthropic 官方 32 頁指南重點:description 觸發設計、MCP 互補邏輯、五種實戰設計模式,一個資料夾就能上手。
Benedict Evans 用平台經濟學逐一拆解 OpenAI 的競爭力:9 億用戶但 80% 每天用不到 3 次,模型無差異化,花千億美元只是入場券。chatbot 可能像瀏覽器,贏了也不重要。
MIT 論文提出 RLM,把 prompt 放進 REPL 當變數讓模型寫程式處理。GPT-5 加這層框架,OOLONG-Pairs 從 0.1% 跳到 58%。拆解核心機制與為什麼這是繼 CoT 之後的範式跳躍。
OpenAI 工程師把 Codex 拆成三層:模型、支架、介面。搞懂分層就能追蹤每次更新改了什麼,也能用同樣的思考方式評估 Claude Code、Cursor 等 AI coding agent 的整合深度。
AI 編碼工具怎麼選?非工程師的三階段登山法,從免費開始。先看這句話:非工程師想用 AI 寫程式,工具那麼多,到底該從哪個開始?一位日本開發者提出了「三階段登山法」
AI Coding agent 讓寫程式成本趨近零,但 Simon Willison 指出好程式的成本沒有跟著降。他列出好程式的 9 個品質維度,解釋為什麼你每天做的工程決策需要重新校準。
Claude Code Security 號稱找到 500 多個藏了數十年的安全漏洞,但 Anthropic 沒告訴你的是什麼?深入分析 AI 資安工具的實際能力、跟傳統 SAST 的差異,以及企業該不該現在導入。
一個 AI agent 掃完一年份的 Obsidian 筆記,吐出你該見誰、寫什麼、建什麼工具。拆解 Vin 的 Obsidian + Claude Code 系統,以及背後三個任何人都能開始的思維轉變。