脈報

By 思思主播

脈報... more

· Technology

Download on the App Store

Download on the App Store

Get it on Google Play

FAQs about 脈報:

How many episodes does 脈報 have?

The podcast currently has 646 episodes available.

脈報 episodes:

June 02, 2026 Honcho 教 AI 主動想你是誰：Hermes 記憶外掛的推理拆解

(此為 WordPress canonical `rank-math-description` 單一來源)

⭐ 文章深度讀：什麼時候該從內建記憶換成 Honcho、三個成本旋鈕怎麼調，完整拆解都在文章裡

→ https://heymaibao.com/hermes-honcho-memory/

⚡ 章節重點

開場 00:00

Honcho 跟內建記憶差在哪 01:01

兩層 context 與會自我檢查的推理 01:51

三個成本旋鈕 04:01

多代理隔離與觀察 05:05

recall mode：自動還是可控 05:46

該不該換到 Honcho 06:52

結語 07:29

📝 懶人包

∙ Honcho 是 Hermes 的可選記憶外掛 (來自 Plastic Labs)，掛在 Hermes 的記憶供應商 (memory provider) 系統上。相對內建的 file-based 記憶，它多了 server 端持久化、自動推理出來的使用者檔案、跨工作階段的摘要注入，以及多代理隔離。

∙ 它每輪對話後會做「思辨式推理」(dialectic)，推導你的偏好、習慣與目標，並透過兩層 context 注入系統提示。要花多少成本、推理多深，由三個彼此獨立的旋鈕控制。

∙ 多個 AI 同時面對同一個你時，Honcho 會用「per-peer」檔案各自隔離，避免互相污染；observation 設定控制誰觀察誰，recall mode 則決定記憶是全自動注入還是完全交給模型主動查。

∙ 我的觀察：Honcho 真正的分水嶺是「主動推理你是誰」而不是「記更多」，這也是它值得試的理由。但越自動就越黑箱，如果你想要可控、可審計的記憶讀取，可以把它調到只用工具 (tools) 的模式，自己掌握節奏。

📚 參考資料

Honcho 功能說明 (Hermes Agent 官方文件)

→ https://hermes-agent.nousresearch.com/docs/user-guide/features/honcho/
...more
9min
June 01, 2026 你的本地 AI agent 其實被關住了，三個工具讓它隨處可用

本地 AI agent 常被困在一台電腦上，人一離開就用不到。這篇用 Tailscale、Termius、tmux 三層工具，讓它隨處連得到、任務不中斷又不暴露公網，並點出連得到不等於安全。

⭐ 文章深度讀：多數 agent 教學只教你裝功能，卻沒教你怎麼從手機隨時連到它、又不暴露公網

→ https://heymaibao.com/local-ai-agent-remote-access/

⚡ 章節重點

開場 00:00

本地 agent 的困境 01:58

Tailscale 連得到 03:03

Termius 能操作 04:31

tmux 不中斷 05:46

連得到不等於安全 07:01

無聊基建的價值 08:05

📝 懶人包

∙ 本地 agent 最大的限制，常常不是模型也不是功能，而是它被綁在一台機器上，你一離開就用不到。

∙ 解法是三層工具各管一件事：Tailscale 管「連得到」、Termius 管「能操作」、tmux 管「不中斷」。

∙ 但這套只保護「你怎麼連到 agent」，不負責「agent 連上後能做什麼」，prompt injection 和權限風險還是得另外處理。

∙ 我的觀察：大家分享 agent 幾乎都在秀功能層，這篇難得把「決定 agent 到底有沒有用」的基礎設施層講透。

📚 參考資料

How to Access Your Hermes Agent Anywhere (@tonbistudio)

→ https://x.com/tonbistudio/status/2060945344092148007?s=46
...more
10min
June 01, 2026 當 AI agent 直接活在 Windows，OpenAI 怎麼防它刪光硬碟

當 AI agent 直接活在 Windows，OpenAI 怎麼防它亂刪你的硬碟？本文拆解 Codex 用檔案權限、防火牆與受限帳號自建的 agent 牢籠，也談在地化 agent 越強你越別開全權。

⭐ 文章深度讀：牢籠蓋得再漂亮，鑰匙還是握在你手上，為什麼我這樣判斷，完整理由都在文章裡

→ https://heymaibao.com/codex-windows-native-agent-sandbox/

⚡ 章節重點

AI 住進你的系統 00:00

AI 從訪客變成 Windows 居民 01:10

高整合度的代價：刪硬碟前車之鑑 02:04

OpenAI 用 Rust 自建牢籠 03:27

拆解隱形牢籠的四層安全鎖 04:57

授權紀律才是成敗關鍵 07:05

📝 懶人包

∙ Codex app 現在支援「Windows native」，agent 預設直接跑在 Windows 本體 (用 PowerShell 這個 Windows 內建的命令工具)，而不是像多數 AI 工具那樣躲在 WSL 或虛擬機這類旁路裡。整合度更高，但隔離這層保護就得自己想辦法。

∙ Windows 本身沒有 Mac 或 Linux 那種現成的「沙盒」機制 (sandbox，把程式關在限定範圍內、不讓它亂碰系統的安全圍欄)，所以 OpenAI 片中說他們用超過 15,000 行 Rust 程式碼自建了一個，疊在 Windows 既有的安全機制上，而不是退回去用笨重的虛擬機。

∙ 這座牢籠是真的能被看見的：它建了專屬的受限使用者帳號、把 agent 綁進限定資料夾、用防火牆擋掉它的網路、要連網就得你親自點頭放行。影片裡用 Windows 內建指令一一驗證給你看。

∙ 我的觀察是：agent 越「在地化」、整合度越高，你的授權紀律就越重要。觀察對象是這種直接活在 OS 裡的 agent，成立條件是你願意逐次審核它要做什麼，一旦圖方便開了全權模式，這座牢籠就形同虛設。

📚 參考資料

Switching back to Windows?!?

→ https://youtu.be/cGXAmnUabEY
...more
10min
June 01, 2026 跑了 60 天 AI agent，他的結論是 90% 架構，10% 才是 AI

跑了 60 天 AI agent，0xjeff 的結論是 90% 架構、10% 才是 AI。從換 6 套模型供應商到 skill bundling，他用 6 個教訓告訴你，真正拉開差距的不是模型，是架構設計。

⭐ 文章深度讀：他到現在都還沒解決的兩個坑，可能才是這篇最值得收藏的地方

→ https://heymaibao.com/ai-agent-90-architecture-10-ai/

⚡ 章節重點

開場 00:00

核心觀念：90% 架構，10% AI 01:21

教訓二：模型商品化與工具選擇 01:51

教訓三：技能目錄化省 token 02:57

教訓四：記憶成本與回饋迴圈 03:46

教訓五：x402 協定打破工具邊界 04:41

教訓六：兩個還沒填平的坑 05:12

結語：你在死磕模型還是架構 06:13

📝 懶人包

∙ 模型正在商品化：60 天換過 5-6 套供應商設定後，0xjeff 的結論是選一個直連的供應商黏住，別一直換。open-weight 模型在智力上正逼近頂尖實驗室，價格又低。

∙ 真正拉開差距的是工具和 skill 設計，不是模型。使用者最重要的工作，是把 agent 指向對的工具、糾正它用錯工具。

∙ 把 skill 當成一個「目錄」而不是一坨巨型 prompt，載入只要約 500 個 token，卻能省下每次 session 重新解釋的 5000 多個 token。

∙ 我的觀察：這篇最值錢的其實不是成功經驗，而是兩個他坦白「還沒解決」的坑，記憶服務燒錢，還有 agent 越跑越同溫層。願意把沒搞定的事寫出來，比一堆漂亮結論更可信。

📚 參考資料

6 Workflows, 6 Lessons, 60 Days with Hermes Analyst (0xjeff, X)

→ https://x.com/0xjeff/status/2061361760968560887

the Tool Shed (0xjeff, Substack)

→ https://defi0xjeff.substack.com/p/the-analyst-agent-tools
...more
7min
June 01, 2026 大部分 AI agent 教學的問題，是只給你 prompt 不給你結果

大部分 AI agent 教學只給你 prompt 不給結果。兩個創業者看完一批 Hermes Agent 教學後篩出真正有料的：Hermes 對 OpenClaw 的差異，和讓 AI 自己賣房的 /goal 案例。

⭐ 文章深度讀：大部分 AI agent 教學只敢秀 prompt，從不秀跑出來的結果，這支幫你把那段補上。

→ https://heymaibao.com/ai-agent-tutorials-prompt-not-results/

⚡ 章節重點

開場：看完教學還是不會用 00:00

教安裝的人都對，教使用的人都在閃躲 00:53

/goal 是什麼：給任務不是給指令 01:53

實測：讓 AI 自己賣房 02:52

選工具：Hermes 對 OpenClaw 05:12

部署與模型：VPS 加省錢選擇 06:00

安全三道防線 06:31

結論：先問有沒有人秀結果 07:43

📝 懶人包

∙ 影片裡的主持人和創業者 Justin 看完一批教學後有共同結論：教「怎麼安裝」Hermes 的創作者都到位，教「怎麼使用」的卻很空泛，多數使用教學只丟給你一段 prompt，從不給你看跑出來的結果。

∙ 在他們眼中，Hermes 對 OpenClaw 的真正差異不在功能炫技，而在可靠性和「會越用越準」：你跟它的對話會變成訓練資料、它會自己生成 skill、會記住你說過的「不要這樣做」，連帶降低 prompt injection (提示注入攻擊) 的風險。這是 Justin 選它而不選 OpenClaw 的首要理由。

∙ 全片唯一真正「展示了結果」的案例，是 Justin 用一句 `/goal` 指令讓 agent 接管賣房：它查了 21 個成交對比後，把建議定價從 47.5 萬美元拉到 52.5 萬美元，還產出五階段計畫、媒體預算分配，連各平台的刊登文案都寫好了。

∙ 我的觀察：當一個圈子裡多數人只敢秀 prompt、不敢秀結果時，這本身就是最大的訊號。判斷一個 AI agent 工具值不值得你花時間，先別看它功能多炫，先問「有沒有人願意把跑完的結果攤開給你看」。

📚 參考資料

Founders react: real Hermes use

→ https://youtu.be/IZ9muG8XdLQ?si=5AKsp3ChBQ38ZSmr
...more
9min
June 01, 2026 關掉筆電，AI agent 還在 VPS 上替你工作：tmux 完整上手

AI agent 跑長任務時你還在守著筆電嗎？tmux 加一台 VPS，能讓它在你關機斷網後繼續跑。這篇用最少指令帶你從本機上手，搬到遠端整晚運作，並補上影片沒談的安全界線。

⭐ 文章深度讀：大家最容易忽略的是無人看管的 agent 在 VPS 上該設哪幾條安全界線

→ https://heymaibao.com/tmux-vps-ai-agents/

⚡ 章節重點

開場：你的筆電焦慮症 00:00

tmux 是什麼，又解決什麼 01:30

session、window、pane 03:35

本機 5 分鐘上手 04:42

真正的玩法：tmux 跑在 VPS 上 06:27

在 VPS 上多開 agent 07:42

沒人談的安全界線 08:12

總結：解放你的筆電 09:46

📝 懶人包

∙ tmux 真正的價值是「持久 session」。你斷線、關機、沒電，裡面正在跑的程式都不會被打斷，這跟一般開兩個終端視窗完全不同。

∙ 對 AI agent 來說這是剛需。現在的長任務 (像 Codex 的 `/go`、Hermes 的長時間任務) 動不動跑好幾個小時甚至好幾天，要你全程開著筆電根本不現實，tmux 搭一台 VPS 才做得到。

∙ 上手其實沒幾個指令。開 session、離開 (detach)、接回 (attach)、列出清單，再加兩個分割快捷鍵跟一條滑鼠設定，核心就這些，門檻多半來自對工具的陌生感。

∙ 我的觀點：這部影片從頭到尾在講「能跑多久、多爽」，卻完全沒提一件事，無人看管的 agent 開著最高權限在 VPS 上跑好幾小時，出事誰擋？這條安全界線，才是你動手前該先想清楚的。

📚 參考資料

Build Anything with Tmux, Here's How

→ https://youtu.be/z7xyZQVK4Dg
...more
12min
June 01, 2026 OpenAI Codex 上手指南，5 大類功能加一個最划算的理由

OpenAI Codex 名字帶 code 卻幾乎什麼都能做。這篇一次講完桌面版怎麼上手、5 大類功能怎麼用，以及為什麼低月費就能大量用的高階圖像生成，是一般人最划算的入場理由。

⭐ 文章深度讀：Codex 最值得注意的不是 coding，而是把圖像生成、自動化和桌面操作變成一般人也能玩的入口。

→ https://heymaibao.com/openai-codex-getting-started-guide/

⚡ 章節重點

開場：Codex 不只是寫程式 00:00

最划算的理由：高階圖像生成 01:33

三步驟快速上手 02:38

5 大類核心功能 03:53

權限與自動化風險 06:14

Codex 和 Claude 怎麼選 06:52

總結：它接手的是數位雜務 07:40

📝 懶人包

∙ Codex 是 OpenAI 推出的 AI agent，名字含 code，但依影片所述，開發以外的事它幾乎都能做：用試算表彙整資料、做 HTML 簡報、用 GPT Image 2 生成圖像，甚至產出短影片。

∙ 對一般人最有感的破壞點是圖像生成。影片作者指出，過去要做高階圖像自動化只能走 API，相當燒錢，現在用 ChatGPT 的低月費方案就能大量生成，他形容划算到近乎「壞掉」。

∙ 上手只要三步：下載桌面 app、用 ChatGPT 帳號登入、建立一個 project (其實就是資料夾)，接著在對話框下指示，Codex 會自己「思考 → 蒐集資料或動手 → 看結果再思考」一路 loop 到它判斷完成為止。

∙ 我的觀點：與其問「Codex 和 Claude Code 誰比較強」，不如把它當成適材適所的其中一張牌。對非工程師讀者來說，Codex 真正的入場理由不是它多會寫程式，而是把高階圖像生成壓到月費就能玩，這個門檻的下降，比任何跑分宣稱都實際。

📚 參考資料

日文 YouTube 教學影片：OpenAI Codex 完整介紹

→ https://youtu.be/uWg7ILnmGC8?si=YXvMKghEHzMUxnkP
...more
9min
June 01, 2026 AI 拉高了弱工程師的下限，下一個問題卻可能讓他們失業

AI 編碼工具最大的影響，是把弱工程師從「淨負值」救成「至少能跑」。但工程師 Sean Goedecke 問了一個更冷的問題：你還為 AI 加了什麼價值，加得少的人可能丟工作。

⭐ 文章深度讀：AI 幫弱工程師撐住了下限，但下一個問題會先淘汰誰

→ https://heymaibao.com/ai-raises-weak-engineers-floor/

⚡ 章節重點

開場 00:00

什麼叫淨負值 00:51

AI 怎麼把下限墊高 01:29

你的同事其實是 AI 傳聲筒 02:51

你為 AI 加了什麼價值 03:59

槓桿還是代理人 05:13

📝 懶人包

∙ AI 編碼工具最大的即時影響，是把弱工程師的產出從「淨負值」抬到「至少能跑」，等於拉高了團隊的下限，而不是讓強者更強。

∙ AI 會強力擋掉明顯的低級錯誤，但擋不掉那種需要理解整個系統才看得出來的微妙錯誤。

∙ 跟最弱的工程師合作，現在像隔著 Slack 跟一個 Claude 對話，有時對方真的就是把你的話貼進 AI、再把答案貼回來。

∙ 我的觀察：這對團隊是好事，對工程師個人卻是溫水煮青蛙。下限被機器補上了，但「你到底加了什麼機器給不了的價值」這個問題，會變得很難回答。

📚 參考資料

AI makes weak engineers less harmful

→ https://www.seangoedecke.com/ai-makes-weak-engineers-less-harmful/
...more
7min
June 01, 2026 Google 不再是 Google:使用者出走,DuckDuckGo 安裝飆 30%

Google 強推沒得 opt-out 的 AI 搜尋,使用者開始出走。DuckDuckGo 自報美國安裝一週峰值飆 30.5%,iOS 達 69.9%,但它自己也有 AI,這其實是選擇權之戰,不是反 AI。

⭐ 文章深度讀：這波出走到底是不是反 AI,我把安裝數字的水分也一起拆給你看

→ https://heymaibao.com/duckduckgo-installs-surge-google-ai-search/

⚡ 章節重點

開場 00:00

Google 到底動了什麼 00:39

暴增 30% 背後的真相 01:36

其實大家都在用 AI 03:19

一場選擇權之戰 04:54

誠實面對數字 06:06

📝 懶人包

∙ Google 在 I/O 開發者大會把搜尋大改版，搜尋框變成對話式引擎，AI Overviews 直接先給答案而不是給連結列表，AI Mode 還能在答案裡追問。這套「沒得選的 AI」引爆了反彈。

∙ DuckDuckGo 自報，美國 app 安裝量 5/20 到 5/25 一週平均成長 18.1%，連六天上升，5/25 峰值衝到 30.5%;iOS 更猛，平均 33%、峰值 69.9%。第三方分析公司 Apptopia 也測到美國日均下載 +29%，部分對得上。

∙ DuckDuckGo 用「把選擇權還給你 + 隱私」接住這波人，但它自己也有 AI 產品 (Duck.ai、Search Assist)。它的溝通暨政策長 Kamyl Bazbaz 一句話講白:「People just want a choice (大家只是想要有得選)。」

∙ 我的觀察: 這波出走不是反 AI，是反「被強迫」。force-fed 之所以刺耳，是因為被拿走的是控制權，不是 AI 本身好不好。成長是真的，但建立在約 2% 的小市場、又偏美國、還是短期的週對週數字，別急著說搜尋變天了。

📚 參考資料

DuckDuckGo installs are up 30% as users reject being force-fed Google AI search

→ https://techcrunch.com/2026/05/26/duckduckgo-installs-are-up-30-as-users-reject-being-force-fed-googles-ai-search/
...more
8min
June 01, 2026 別再給每個 AI agent 一顆獨立的腦袋，它們其實該共用記憶

你開了一排 AI agent 卻覺得它們互相是陌生人？@pejmanjohn 說真正的瓶頸不在模型，而在缺一層你自己擁有的共享記憶。這篇拆解他的觀點，附我的判斷與兩個早期專案。

⭐ 文章深度讀：多 agent 工作流真正的瓶頸，其實不是模型不夠強

→ https://heymaibao.com/ai-agents-shared-memory-layer/

⚡ 章節重點

開場：你的 AI agent 互相是陌生人 00:00

三個 agent 各自為政的真實困境 01:15

repo 同步了，記憶卻沒有 02:27

別再給每個 agent 一顆獨立的腦袋 03:56

hive mind：蜂巢思維是什麼 04:30

缺的那一層與兩個早期專案 06:10

我的觀點與行動建議 07:42

📝 懶人包

∙ 多 agent 工作流真正的瓶頸，不是單一 agent 不夠聰明，而是 agent 之間沒有共享記憶。每個 agent 都是一座孤島，不斷重新推導你已經解釋過的事。

∙ 「把計畫寫進 repo 或 markdown 就好」只能保留結論 (destination)，保留不了產生結論的過程 (journey)。而幾天後你真正需要的，常常正是那條當時被你剪掉、沒寫進文件的分支。

∙ 作者賭的方向是「hive mind」(蜂巢思維)：一個 agent 學到有用的東西，其他 agent 馬上就能知道，讓整套系統從「一組各自為政的助理」變成「一個有不同雙手的分散式心智」，而且這個記憶層由你自己擁有。

∙ 我的觀點：如果你也在同時用好幾個 AI agent，下一步真正該升級的不是換更強的模型，而是注意底下那一層「你擁有的共享記憶」還沒長出來，這才是接下來最值得盯的方向。

📚 參考資料

Stop Giving Every Agent Its Own Skull

→ https://x.com/pejmanjohn/status/2061091767030825003

GBrain

→ https://github.com/garrytan/gbrain/

CASS

→ https://github.com/Dicklesworthstone/coding_agent_session_search
...more
9min

FAQs about 脈報:

How many episodes does 脈報 have?

The podcast currently has 646 episodes available.