GPT-5.2 被叫「不要用 XOR 這個詞推理」，結果它用了、發現了、恐慌了，然後又用了 4 次。OpenAI 剛發表研究，說這種失控不是 bug，是安全保障：推理模型連自己的思維鏈都控制不了，就很難偽裝成「想法正確」的樣子來繞過監控。最高 15.4% 的可控性，讓 CoT 監控更可信。

Claude 每次對話都從零開始，完全沒有記憶。你以為它「記得你說的話」，其實是你每次都把整段對話附過去了，那個東西叫做陣列。工程師 Morgan Linton 用 80 行程式碼、不靠任何框架，打出一個完整的 Claude CLI，讓你親眼看見大型語言模型底層的實際運作，也搞懂框架在幫你抽象掉什麼。

OpenClaw 創造者 Peter Steinberger 自製 Discord 爬蟲 CLI，把 66 萬則訊息存進 SQLite 資料庫，目標是用資料找出用戶痛點。這是工程師做用戶研究的新形態：不靠問卷訪談，讓社群討論變成可查詢的洞察。

把 AI 從開口才動的工具，變成你不在時也在跑的系統。Claude Cowork 排程任務，三步驟設定完成，加上情境檔案讓輸出有你自己的風格，非技術用戶 10 分鐘就能上手。

如果你覺得 Claude Code 越用越卡，問題幾乎都出在 context window 快滿了。這篇整理 Anthropic 的官方最佳實踐，涵蓋驗證機制、CLAUDE.md 的精簡哲學、會話管理與平行會話模式，幫你建立用好 Claude Code 的系統性思維。

律師毀職涯、行銷業績翻倍，用的是同一個 AI。MIT Sloan 研究：差距來自說話方式，不在工具。這篇拆解三個溝通習慣，包括最值得今天就試的那一句話，讓輸出從平庸變精準。

Claude Code /loop 是剛推出的排程功能，用自然語言讓 AI 定時盯部署、看管 PR、做 Slack 摘要。最長跑 3 天，關掉就沒了。整理用法、組合玩法和你該知道的限制。

AI 寫的程式碼能編譯也通過測試，但一個 SQLite 重寫慢了兩萬倍。原因是少了 4 行檢查。研究還發現用 AI 的開發者實際慢了 19%，自己卻覺得快了 20%。先定義什麼是正確的。

LLM 幻覺不是 bug，是訓練目標的數學必然。OpenAI 論文揭露：9/10 主流 benchmark 用二元計分獎勵猜測，讓「我不知道」永遠拿零分。解法不是更好的偵測，而是改計分規則。

MIT Sloan 研究發現 AI 效能差距一半來自提示詞品質。從 20 個跨平台模板中拆解五元素結構 (角色、情境、任務、格式、限制)，加上負面約束和萬能升級句兩個隱藏技巧，讓你的 AI 提示詞從模糊變精準。