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 572 episodes available.

脈報 episodes:

May 30, 2026 別再餵 AI 更多資料了，公司大腦真正缺的是檢索這一層

別再餵 AI 更多資料了。Single Grain 創辦人 Eric Siu 說，公司大腦的瓶頸不是記憶不夠，而是檢索沒做好。本文拆解他的 5 層架構，與自動化前該問的 6 個關鍵問題。

⭐ 文章深度讀：如果你也在拼命餵 AI 更多資料，卻發現它越用越卡，問題可能不在記憶，而在檢索

→ https://heymaibao.com/company-brain-retrieval-layer/

⚡ 章節重點

開場 00:00

AI 的盲點：你的大腦只是儲藏室 01:03

記憶 vs 檢索：真正的操作層 02:21

公司大腦的五層架構 03:47

自動化前先問這六個問題 06:12

乾淨的智慧層 07:11

📝 懶人包

∙ 公司的「大腦」其實一直都在，只是散在 Slack、通話記錄、CRM，還有某個今天剛好請假的同事腦袋裡。真正的優勢從來不是知識量，而是夾在這堆東西和實際工作之間的那層判斷力。

∙ Single Grain 一開始用「給每個 agent 更多記憶」來解，結果持久記憶檔案吃掉大約 40% 的 context window，系統技術上更聰明了，實際操作卻更亂，agent 有更多資訊卻不一定拉得到對的那塊 (以上為 Eric Siu 的自述數字)。

∙ 他們的解法是把心智從「記憶」換成「檢索」：memory 是原料，retrieval 才是操作層，再用 capture、retrieval、source truth、permission、feedback 五層把它落地。

∙ 我的觀察是，這套東西跟你公司多大其實沒太大關係，一人工作室一樣成立。差別只在於，你有沒有把「兩份資料打架時聽誰的」和「同一個錯怎麼只糾正一次就變規則」設計成系統，而不是繼續靠某個人剛好記得。

📚 參考資料

How we built a Single Company Brain (and how you can too)

→ https://x.com/ericosiu/status/2060415100603781497
...more
9min
May 30, 2026 近三分之一可能判錯，你信的 AI 寫程式排行榜出了什麼問題

新評測 DeepSWE 回頭檢查主流 AI 寫程式排行榜，發現近三分之一判定可能不可信。問題出在答案能被 AI 直接抄，加上評分又測錯東西。這篇拆解病灶與 DeepSWE 的修法。

⭐ 文章深度讀：完整拆解這 32% 判定怎麼被戳破，以及 DeepSWE 用什麼修法把漏洞堵死

→ https://heymaibao.com/ai-coding-benchmark-deepswe/

⚡ 章節重點

開場 00:00

近三分之一判錯的震撼數字 00:26

兩個病灶污染與弱驗證 01:32

DeepSWE 怎麼防作弊 03:15

不同 AI 的寫程式性格 04:28

該怎麼看這份報告 06:18

📝 懶人包

∙ DeepSWE 團隊請一個 AI 重新逐筆檢查 SWE-bench Pro 的判分，發現有 32% 的「過 / 不過」判定，跟仔細讀過程的人看法不一致。換成他們自家的 DeepSWE 評測，這個數字只有 1.4%。

∙ 病灶有兩個。一是「污染」：標準答案就藏在程式碼的版本紀錄裡，AI 翻一下就抄到。二是「弱驗證」：負責改考卷的評分程式測錯了東西，誤殺對的答案，也放過了沒真正做事的答案。

∙ DeepSWE 的修法很直接：題目全部重新出、不把答案放進考場、評分只看「行為對不對」而不是「寫法像不像標準答案」。

∙ 我的觀察：以後看這類排行榜，真正該盯的不是誰排第一，而是「這個分數是怎麼判出來的」。但要提醒一句，這份審計是 DeepSWE 自己做的，數字漂亮的一方剛好也是出題的一方，看的時候得把這層關係放在心上。

📚 參考資料

DeepSWE: Measuring frontier coding agents on original, long-horizon engineering tasks (Wenqi Huang et al., 2026)

→ https://deepswe.datacurve.ai/blog
...more
9min
May 29, 2026 Claude Code 進階地圖：hooks、skills、MCP 到底在做什麼

一則爆紅推文說 Claude Code 的真正威力在生態系。我同意框架，但拆掉炒作後，真正值得帶走的是 hooks、skills、MCP、subagents、automations 這張進階使用地圖。

⭐ 文章深度讀：我把那個 claude-code-setup 外掛當「作者宣稱」來看，完整版說明為什麼要先查證再裝

→ https://heymaibao.com/claude-code-ecosystem-guide/

⚡ 章節重點

開場 00:00

為什麼要改變用法 01:35

五個生態系元件 02:11

那個外掛要先查證 04:55

你的下一步行動 06:04

我的結論 06:46

📝 懶人包

∙ 這則推文的核心主張：Claude Code 的槓桿不在「prompt 寫得更好」，而在它外圍的整套生態系。

∙ 它的切入點：原 po 點名一個叫 `claude-code-setup` 的外掛，宣稱它能降低設定門檻，幫你把生態系組裝起來。

∙ 真正值得記住的是五個元件：hooks、skills、MCP、subagents、automations。

∙ 我的觀點：這個框架站得住腳，但這則推文宣稱多、證據少。你真正能帶走的是那張元件地圖，不是「改變一切」的口號。

📚 參考資料

Claude Code 的外掛正在悄悄改變 AI 開發方式，@suryanshti777 的 X thread

→ https://x.com/suryanshti777/status/2057854303499636946?s=46
...more
8min
May 29, 2026 Anthropic 反擊了，但 Opus 4.8 的帳單比模型本身更嚇人

Opus 4.8 號稱最聰明，但實測一個指令就燒掉約 168 美元。從 token 帳單、測試環境如何左右跑分到 Ultra Code 與 dynamic workflows，帶你看懂這次發佈真正的重點。

⭐ 文章深度讀：我最想盯的是 Anthropic 說要推的便宜版 Opus 和神秘的 Mythos 到底何時真的開放，會不會直接打臉這次的成本爭議

→ https://heymaibao.com/opus-4-8-token-cost-review/

⚡ 章節重點

開場 00:00

一個指令燒掉 168 美元 00:30

解開 Ultra Code 的真面目 01:49

跑分測試與誠實度 03:18

終極價效比考驗 05:16

升級前的實用建議 06:33

📝 懶人包

∙ 一個指令、約 168 美元：在新的 Ultra Code 模式下，主講者實測單一指令就能燒掉這個數字，這是這次發佈最有衝擊力的成本錨點。

∙ 同一個模型換測試環境，分數天差地遠：在 Claude Code 裡跑分略輸前代 4.7，換到精簡測試環境卻反超 OpenAI 的對手模型。

∙ 「更誠實」的宣稱撞上實測：官方說明把不實率降到 3.7%，但主講者實測時，模型卻對 Claude Code 自家的指令參數產生幻覺。

∙ 我的觀察：這次值得花時間看的是成本結構和新功能的性價比，不是「最聰明模型」這個標籤。對多數用 AI 做事的人來說，搞懂錢會怎麼花，比多那幾分跑分重要得多。

📚 參考資料

Anthropic fights back

→ https://www.youtube.com/watch?v=_goOUJkkxUk
...more
8min
May 29, 2026 Google 樣樣齊全，卻樣樣做不成：AI 的護城河已經換了

Google 握有 AI 競賽需要的所有資源，卻做不出能用的東西。Nerd Snipe podcast 認為真正的護城河已經從資源換成組織執行力，而中國的開源模型紅利也可能正在收尾。

⭐ 文章深度讀：護城河換了之後，動手做東西的人該怎麼卡位，我在文章裡講得更白

→ https://heymaibao.com/ai-moat-execution-over-resources/

⚡ 章節重點

開場 00:00

為什麼 Google 掉隊了 00:52

傳統護城河為什麼失效 02:10

新護城河是組織執行力 03:07

中國開源模型的警訊 04:54

給開發者的三個策略 05:54

📝 懶人包

∙ Google 在帳面上幾乎握有 AI 競賽的所有資源，但主持人認為它一年多來在前沿沒做出值得一提的東西，連讓模型穩定呼叫工具都做不到。

∙ 兩位主持人的核心判斷是：真正的護城河已經從「你有多少資源」換成「你能不能把資源組裝成可用產品」，OpenAI 和 Anthropic 領先的關鍵在組織執行力，不只是模型本身。

∙ 一個比較少人談的警訊是中國的開源紅利可能要收尾，Manus 被 Meta 收購後遭北京強行拆回，Qwen 新版閉源，主持人推測中國開始把開源模型當成地緣籌碼收回。

∙ 我的觀察：對動手做產品的人來說，這集最實用的一點不是吐槽 Google，而是「軟體正在變便宜」帶來的瓶頸轉移。當寫程式不再是瓶頸，部署、接線和安全才是。成立條件是你用的模型夠強，而且願意接受 agent 寫出來的「夠用就好」的程式碼。

📚 參考資料

Google is Not a Serious Company

→ https://youtu.be/9Ho-QNLOejI
...more
8min
May 27, 2026 Claude Code 跑得比 Codex 快，為什麼額度卻撐得比較短

@nateherk 100 小時實測 Claude Code 與 Codex，前者跑得快但 output token 是 Codex 的 2 到 5 倍，這就是 Claude Code 額度燒得快的真實原因，文章解析設計哲學差異

⭐ 文章深度讀：Claude 規劃、Codex 執行，這是 nateherk 100 小時實測之後社群正在用的混搭工作流

→ https://heymaibao.com/claude-code-vs-codex-output-token/

⚡ 章節重點

開場：跑得快卻撐不久的反差 00:00

三題實測設計 02:27

時間數據揭曉 02:57

Token 落差真相 03:23

Claude Code 的可塑性護城河 05:30

Codex 的輸送帶護城河 06:10

第三方政策分水嶺 06:58

終極混搭工作流 08:12

總結 09:44

📝 懶人包

∙ Claude Code 與 Codex 表面的功能 overlap 大到離譜，desktop app、VS Code 擴充、MCP、skills、hooks、sub-agents、cloud delegation 兩家都有。真正分歧的是設計哲學，Claude Code 走 customization、Codex 走 unified shipping。

∙ nateherk 的 3 題實測裡，Claude Code 總時間約 15 分鐘、Codex 約 26 分鐘，Claude Code 在 dashboard 與 landing page 視覺成品也比較精緻。

∙ 但 Claude Code 的 output token 在每一題都是 Codex 的 2 到 5 倍 (dashboard 83K vs 18K、landing 80K vs 20K、research report 41K vs 16K)，這直接對應到「Claude 額度為什麼撐得比較短」的真實原因。

∙ 我的觀察：對台灣讀者來說，這場比較裡最值得放大的反而是政策差異 — Codex 可以光明正大被 OpenClaw、Hermes 這類第三方 harness 接過去用，Claude Code 不行。這個分歧未來會持續影響「我該買哪家訂閱」這個決定。

📚 參考資料

100 Hours Testing Claude Code vs Codex (@nateherk on X)

→ https://x.com/nateherk/status/2059377638896971985
...more
11min
May 27, 2026 X 上有人賣 Claude Memory 課程，我幫你免費拆完 5 步

X 上有人把 Claude Memory 5 個設定包成沒人會用的秘訣，文末導流自家 Gumroad 課程。我幫你免費拆完 5 步，告訴你哪 2 步真的值得花時間做，哪些只是把公開常識重新命名

⭐ 文章深度讀：完整文章在脈報，附上 5 步逐項拆解與 claude.ai Memory / Claude Code CLAUDE.md 的產品邊界對照。

→ https://heymaibao.com/claude-memory-five-step-course-breakdown/

⚡ 章節重點

開場 00:00

12 小時是哪來的數字 00:37

5 步只 2 步有用 02:48

第 3 步：Project 隔離 03:40

第 5 步：每週清理 04:57

被歸類為常識的 3 步 06:13

跨裝置同步與產品邊界 07:18

總結與防騙提醒 09:07

📝 懶人包

∙ 來源 thread 的 5 步：把自己的好作品丟給 Claude 學語氣、把客戶 context 存進 Memory、用 Claude Projects 隔離 Memory、開啟跨裝置同步、每週清理過期 Memory。

∙ 作者反覆強調「Anthropic 不教 setup」，把自己定位成補位者，文末連到自家 Gumroad 課程 Claude Mastery。

∙ 開場「每月浪費 12 小時 re-brief Claude」是來源宣稱的促銷數字，沒附樣本、沒附方法，正文照貼會違反「不把推測寫成事實」的底線。

∙ 我的觀察：5 步裡 Project 隔離 (第 3 步) 和每週清理 (第 5 步) 是有結構價值的兩點，其他 3 步是把公開常識重新包裝。

📚 參考資料

zephyr_hg 原始 X long-form post

→ https://x.com/zephyr_hg/status/2059275231701635242
...more
11min
May 27, 2026 AI 還是健忘症患者：被高估的 agent 與被低估的記憶層

一篇 X 長推文點出反共識觀點：大家都在追 AI agent，但 AI 還是「健忘症患者」，真正被低估的可能是記憶層。我把推文論點拆給你看，順便加上自己同意與保留的判斷。

⭐ 文章深度讀：下次你打開一個新的 AI 工具，多問一句「它記得我嗎、它記多久」，比問「它能不能 agent 化我這個流程」更接近長期價值。

→ https://heymaibao.com/ai-memory-vs-agent-underrated/

⚡ 章節重點

開場 00:00

無記憶問題是 AI 業界盲點 00:30

GBrain 怎麼描述合成 vs 檢索 02:21

dream cycle 是全篇最強的 hook 04:02

memory vs agent 是真護城河還是修辭 06:09

帶走的判斷框架 06:54

我自己也是健忘症患者 07:34

📝 懶人包

∙ 推文主張 AI 業界把焦點放錯：模型大小、context window (上下文視窗)、agent 都被高估，「AI 還不記得任何事」這個本質問題反而被忽略

∙ 推文點名一個叫 GBrain 的產品，主張它在做「持久認知層 (persistent cognitive layer)」，跟現有 AI 工具的差異是「合成意義」而不是「展示文件」

∙ 推文用「dream cycle (夢循環)」比喻 GBrain 夜間自動整理記憶，類比生物睡眠對人類記憶的整合作用

∙ 我的觀察：這篇推文點出的議題比它推銷的產品更值得讀。AI memory 確實是被低估的長期賽道，但推文對 GBrain 的描述目前沒有第一手證據，把它當議題切入點比較安全

📚 參考資料

@Suryanshti777 原推文

→ https://x.com/Suryanshti777/status/2058513583076732971?s=20
...more
9min
May 27, 2026 Anthropic 倫敦 keynote：Claude 開始 prompt Claude

Anthropic 倫敦 Code with Claude 2026 開場 keynote 重點：模型走指數企業走線性 task horizon 從分鐘到小時 Claude Code 推出 Routines 與 CI autofix 開發者怎麼接

⭐ 文章深度讀：完整文章版有把 keynote 的三層敘事拆得更細，也補上幾個我認為值得長期追蹤的後續訊號。

→ https://heymaibao.com/anthropic-london-keynote-claude-prompts-claude/

⚡ 章節重點

開場 00:00

Boris 的計算機故事 00:40

模型走指數企業走線性 01:20

task horizon 是什麼 01:50

三層敘事架構 03:09

模型線 03:16

平台線 04:23

Claude Code 線 05:51

你的下一步 07:18

📝 懶人包

∙ Anthropic 把整場訊息收斂成一句話：模型能力走指數，企業採用走線性，差距由開發者填補。

∙ 研究 PM Lisa 提出 task horizon 這個指標，一年前，模型可靠連續工作只能撐分鐘；今天，多數使用者跑的是小時級 agent；下一站是持續運行的 always-on agent。

∙ 平台側宣布兩件事：Claude Managed Agents 開放 self-hosted sandboxes (首批支援 Daytona、Cloudflare、Vercel、Modal) 與 MCP tunnels；Claude Code 側 Routines、CI autofix、Claude Security 都已可用。

∙ 我的觀察：這場 keynote 的轉折藏在 Boris 結語。當 default 從「人 prompt Claude」變成「Claude prompt Claude」，prompt 工程的價值會被往上推，從寫單句 prompt，升級到設計 routine 與 orchestration。

📚 參考資料

Code with Claude London 2026: Opening Keynote

→ https://youtu.be/6amLO7I9xdg
...more
9min
May 27, 2026 Nasdaq 為了 SpaceX 改了三條規則，你的退休帳戶被動買單

SpaceX 預計 6 月以 1.75 兆估值 IPO，Nasdaq 5 月改了三條規則：等待期縮短、取消 Free Float 門檻、低 Float 權重乘 3 倍。結果被動基金被迫接盤，退休帳戶買單。

⭐ 文章深度讀：如果你有美股 Nasdaq 100 ETF 或公司海外指數型基金部位，這 3 條規則改動會直接影響你

→ https://heymaibao.com/nasdaq-three-rule-changes-for-spacex-ipo/

⚡ 章節重點

開場 00:00

SpaceX 的真實面貌 02:23

Nasdaq 改的三條規則 03:49

散戶為什麼變 exit liquidity 06:37

AI 巨頭的紅地毯 08:32

我的結語 09:50

📝 懶人包

∙ SpaceX 真正的本體不是火箭，是 Starlink。Starlink 占 SpaceX 2025 年營收 61% (約 114 億美元)、毛利率 63%，火箭業務只占 1/4，xAI 則是燒錢黑洞。

∙ Nasdaq 在 SpaceX 預計 IPO 前一個月改了三條規則：等待期從 3 個月縮到 15 個交易日、Free Float 10% 門檻取消、Float 低於 20% 的公司權重乘以 3 倍。三條合起來是設計給被動指數基金的強制買盤。

∙ SpaceX 散戶配額目標 30% (常規 IPO 是 5–10%)，CFO 自己在 banker 場合表示「retail loyal to Elon」(依 Casual Finance 影片所述)。Portfolio manager George Noble 一句「Your 401k is the exit liquidity」(401k 是美國上班族最常用的退休帳戶；意思是替內部人接盤的就是你的退休金) 是這場戲最白話的旁白 (依影片所述)。

∙ 我的觀察：這套規則改動不是只為 SpaceX 一家設計的。OpenAI、Anthropic 接下來若用相似的 low-float 高估值結構上市，等於同一條紅地毯踩第二次。對台灣讀者，重點是檢查自己的 Nasdaq 100 ETF 或公司海外指數型基金部位，被動買盤啟動時不會問你同不同意。

📚 參考資料

The SpaceX IPO… It's Worse Than You Think

→ https://youtu.be/-X6YzlY_8tM
...more
11min

FAQs about 脈報:

How many episodes does 脈報 have?

The podcast currently has 572 episodes available.