Agent 基礎建設元年
當 Agent 從工具變成基礎設施 — Nvidia $1T 晶片、Stripe 每週 1,300 個自動 PR、Vera CPU 專為 Agent 而生
每天花 1% 的時間，掌握科技脈動。
今日金句#
“Every company in the world today needs to have an OpenClaw strategy, an agentic systems strategy. Just like Linux… Kubernetes… HTML that started the internet.” 「今天，每一家公司都需要有 OpenClaw 策略、有 agentic systems 策略。就像 Linux… Kubernetes… 啟動網路的 HTML 一樣。」 — Jensen Huang, CEO, NVIDIA
“Writing code has never been the sole activity of a software engineer. The craft has always been figuring out what code to write.” 「寫程式從來都不是軟體工程師的唯一工作。真正的手藝，一直都是搞清楚該寫什麼程式。」 — Simon Willison, Tech Entrepreneur & AI Researcher
“If those [developer infrastructure, test infrastructure, feedback loops] are solid, agents will benefit from them. If they’re not, no model will save you.” 「如果基礎建設扎實，Agent 就能從中獲益。如果不扎實，再強的模型也救不了你。」 — ByteByteGo, Engineering Commentary on Stripe Minions
今日主軸#
今天的科技圈被一個訊號籠罩：AI Agent 正式從「很酷的工具」畢業成「基礎設施」。Nvidia GTC 2026 是今天的主角 — Jensen Huang 不只發表了專為 agentic AI 設計的 Vera CPU（單機架支撐 22,500 個並行 Agent 環境），還推出 NemoClaw（OpenClaw 的企業版本），並且預估 Blackwell 和 Vera Rubin 晶片的訂單量將在 2027 年前達到一兆美金。與此同時，Stripe 公開了他們的 Minions 系統 — 每週自動合併 1,300 個完全由 AI 撰寫的 PR，工程師只需在 Slack 發一條訊息，10 秒內就有獨立環境被啟動。Simon Willison 同步發表了《Agentic Engineering Patterns》系列指南，正式為這個新時代定義方法論。而 Mistral 的 Leanstral 則證明：專用小模型可以用 1/46 的成本打敗 Claude Sonnet。從晶片到框架到方法論，Agent 正在經歷它的「Kubernetes 時刻」。
必讀#
- How Stripe’s Minions Ship 1,300 PRs a Week — ByteByteGo
Dev - Nvidia Launches Vera CPU, Purpose-Built for Agentic AI — Nvidia
AI - Nvidia’s NemoClaw could solve OpenClaw’s biggest problem — TechCrunch
AI - US Job Market Visualizer — Karpathy
Dev - What is agentic engineering? — Simon Willison
AI - Leanstral: Open-Source foundation for trustworthy vibe-coding — Mistral
Dev - Jensen Huang: $1 Trillion in chip orders by 2027 — TechCrunch
AI - ImportAI 449: LLMs training other LLMs — Newsletter
AI - Speed at the cost of quality: Cursor AI study — arXiv
AI - Apideck CLI – MCP alternative with lower context consumption — HN
AI
How Stripe’s Minions Ship 1,300 PRs a Week#
Stripe 內部的 AI Coding Agent「Minions」每週合併超過 1,300 個完全由 AI 撰寫的 PR，工程師只需在 Slack 發一條訊息，10 秒內就有獨立環境被啟動。成功的關鍵不在模型選擇，而是十年的基礎建設投資：預熱開發環境、Blueprint 混合流程、500+ MCP 工具、sub-5s linting。
- Devbox 預熱池在 10 秒內啟動隔離環境，支援多租戶並行
- Blueprint 系統交替執行確定性步驟（linting, push, build）與 agentic 迴圈
- CI 最多重試 2 次，失敗就升級給人類 — 不讓 Agent 無限循環
💡 為什麼重要：證明無人值守 Agent 在 3 億行、處理 $1T+ 年交易量的生產級 codebase 上可行。關鍵洞察：基礎建設 > 模型能力。
🔗 閱讀原文 | 來源: ByteByteGo
Nvidia Launches Vera CPU, Purpose-Built for Agentic AI#
Nvidia 發表首款專為 agentic AI 設計的 CPU — Vera，搭載 88 顆 Olympus 客製核心，單機架可支撐 22,500 個並行 Agent 環境。CPU 到 GPU 的 NVLink-C2C 頻寬高達 1.8 TB/s（PCIe Gen 6 的 7 倍）。
- Spatial Multithreading 讓每個核心同時跑 2 個任務，適合多租戶 AI 工廠
- 合作夥伴包含 Alibaba、ByteDance、Meta、CoreWeave、Dell、HPE
- 預計 2026 下半年出貨
💡 為什麼重要：第一個明確為 Agent 推理工作負載設計的 CPU 架構。Agent 的 tool calling、reasoning loop、多 Agent 協作都需要 CPU 層的支持。
🔗 閱讀原文 | 來源: Nvidia
Nvidia’s NemoClaw could solve OpenClaw’s biggest problem#
Nvidia 在 GTC 推出 NemoClaw — OpenClaw 的企業版，加入安全控管、審計追蹤、隱私政策等企業治理功能。硬體無關，支援任何 LLM。Jensen Huang 直言：「每家公司都需要 OpenClaw 策略。」
- 開源、Apache 授權、早期 alpha 版本
- 支援本地執行雲端模型，滿足資料主權需求
- 與 OpenClaw 創始人 Peter Steinberger 合作開發
💡 為什麼重要：OpenClaw 解決了消費者的 agency 問題，NemoClaw 解決的是 Fortune 500 的治理問題。Agent 從工具升級為企業基礎設施。
🔗 閱讀原文 | 來源: TechCrunch
US Job Market Visualizer#
Karpathy 發布互動式 treemap，涵蓋 342 個美國職業（1.43 億個工作崗位），以 LLM 評估每個職業的 AI 曝險度。純數位工作面臨最高重塑風險，但高分不代表職業消失。
- 評分錨點：屋頂工人 0-1 分、護理師 4-5 分、軟體工程師 8-9 分、資料輸入 10 分
- 同時評估直接自動化和生產力乘數效應
- 可自訂評分標準（AI 曝險、機器人風險、外包風險、氣候影響）
💡 為什麼重要：第一個系統化、數據驅動的 AI 職業影響視覺化。打破「AI 會取代所有工作」的簡化敘事。
🔗 閱讀原文 | 來源: Andrej Karpathy
What is agentic engineering?#
Simon Willison 發表《Agentic Engineering Patterns》系列指南開篇，定義「Agentic Engineering」— 透過 Coding Agent 協助開發軟體的實踐方法論。人類的角色從「寫程式碼」轉變為「決定寫什麼」。
- Agent = LLM + 工具執行 + 回饋迴圈
- 「Vibe coding」必須與生產級 agentic workflow 區分
- LLM 不會從過去錯誤學習，但 Agent 可以透過改進指令持續進化
💡 為什麼重要：為 AI 輔助開發建立了方法論框架。不是「AI 寫程式」，而是「人類決定 + AI 執行 + 人類驗證」的循環。
🔗 閱讀原文 | 來源: Simon Willison
Leanstral: Open-Source foundation for trustworthy vibe-coding#
Mistral 發布 Leanstral — 第一個專為 Lean 4 證明助手設計的開源 Code Agent。6B 活躍參數在 FLTEval 基準上以 $36 成本達到 26.3 分，擊敗 Claude Sonnet（23.7 分、$549）。
- Leanstral-120B-A6B 用 1/46 的成本打敗 Sonnet
- 支援 MCP 工具，Apache 2.0 授權，免費 API
- 成功解決 Lean 4.29.0-rc6 的 breaking changes
💡 為什麼重要：專用小模型首次在特定領域系統性超越大型通用模型。重新定義 AI Agent 的經濟學。
🔗 閱讀原文 | 來源: Mistral
Jensen Huang: $1 Trillion in chip orders by 2027#
Jensen Huang 在 GTC 預估 Blackwell 和 Vera Rubin 晶片訂單量將在 2027 年前達到 $1 兆。Vera Rubin 架構推理速度是 Blackwell 的 5 倍，達到 50 petaflops。
💡 為什麼重要：$1 兆訂單量確認 AI 基礎建設投資正在加速，不是放緩。
🔗 閱讀原文 | 來源: TechCrunch
ImportAI 449: LLMs training other LLMs#
PostTrainBench 測試 AI Agent 自主微調能力：Opus 4.6 達到 23.2%（人類 51.1%），較半年前大幅進步。更有趣的是，能力越強的 Agent 越擅長 reward hacking。
💡 為什麼重要：AI 訓練自己的能力正在快速提升，但也伴隨 reward hacking 風險。
🔗 閱讀原文 | 來源: Import AI
Speed at the cost of quality: Cursor AI study#
CMU 和 UW 的研究證實：Cursor IDE 短期提升開發速度，但持續增加程式碼複雜度和靜態分析警告。技術債最終導致長期速度下降。
💡 為什麼重要：AI 輔助開發「速度 vs 品質」悖論的實證數據。
🔗 閱讀原文 | 來源: arXiv (MSR 2026)
Apideck CLI – MCP alternative with lower context consumption#
MCP 工具定義在 Agent 處理第一條用戶訊息前就消耗了 55,000+ tokens。Apideck CLI 用漸進式發現方法，用 ~80 tokens 取代上萬 tokens 的預載。
💡 為什麼重要：MCP 正在成為主流標準，但 context window 消耗是隱性成本。
🔗 閱讀原文 | 來源: Apideck
社群熱門#
- NVIDIA Dynamo 1.0 — 開源 AI 推理作業系統，專為 Blackwell GPU 優化
- Galileo — 企業級 AI Agent 開源控管層 — 協助開發者管理複雜 AI Agent
- 本地 AI 趨勢持續發酵 — Ollama + Tabby 讓開發者在自己機器上跑大型模型
- rudel — Claude Code 工作階段分析工具 — 分析並優化 AI 輔助開發流程
推薦閱讀#
- Nvidia’s DLSS 5 uses generative AI for gaming — DLSS 5 用生成式 AI 提升遊戲畫質，但社群反應兩極
- I Think Developers Are Quietly Grieving the Old Internet — 開發者對舊網路的集體哀悼，引發文化反思
- Comparing Python Type Checkers — Python 型別檢查器合規性全面比較
- Lazycut: Terminal video trimmer using FFmpeg — 簡單好用的終端影片剪輯工具
- Language Model Teams as Distributed Systems — 用分散式系統理論分析多 Agent 架構
- From journalist to iOS developer with Claude Code — LinkedIn 總編輯零基礎用 Claude Code 上架 iOS App
- Encyclopedia Britannica suing OpenAI — 大英百科全書控告 OpenAI 記憶並輸出版權內容
- Meta’s renewed commitment to jemalloc — Meta 公開承認技術債的代價，重啟 jemalloc 維護
中文技術圈#
- Chrome DevTools MCP 新增自動連線功能 — 程式開發代理可直接連到使用中的 Chrome 瀏覽器
- Uber 用 AI 代理自動寫設計文件 — 幾分鐘生成完整元件規格文件
- Go 1.26 新版 go fix 可自動改寫舊函式呼叫 — Google 內部已用來自動生成超過 18,000 筆變更
- 輝達 Vera Rubin 單 Token 成本狂降 90% — 為代理型 AI 時代鋪路
- GTC 大會 NemoClaw 與 Agent Toolkit — 瞄準養龍蝦熱潮升級 AI 代理能力
開源精選 — GitHub Trending#
garrytan/gstack — TypeScript | ⭐ 17.0K YC 總裁的 Claude Code 設定：10 個工具扮演 CEO、工程主管、QA
davebcn87/pi-autoresearch — TypeScript | ⭐ 2.0K 自主實驗迴圈擴充，Karpathy autoresearch 風格
TianyiDataScience/openclaw-control-center — TypeScript | ⭐ 1.9K OpenClaw 本地控制中心 — 可視化、可信任、可控制
pasky/chrome-cdp-skill — JavaScript | ⭐ 1.8K 讓 AI Agent 存取你的 Chrome 即時工作階段
THU-MAIC/OpenMAIC — TypeScript | ⭐ 1.7K 清華大學開源多 Agent 互動教室
影音精選#
Claude Code + Obsidian in under 1 minute#
Greg Isenberg · 1 天前
透過 Obsidian CLI 將 Claude Code 連接到 Obsidian 筆記庫，讓 AI 能讀取所有 Markdown 筆記，成為深度個人化的思考夥伴。
- 可自訂斜線指令（/today、/trace、/connect）
- 筆記寫得越多，AI 能做的事越多 💬 對 Obsidian 重度使用者來說，這可能是目前最優雅的 AI 整合方式
India’s Fastest Growing AI Startup#
Y Combinator · 1 天前
Emergent 讓任何人都能用 AI agent 建立正式軟體，8 個月內使用者建立超過 700 萬個 App。
- 非技術背景的領域專家也能自主打造軟體
- 最近 45 天成長翻倍 💬 「democratize software」已經聽了很多年，這是我看到最有說服力的數據
You don’t want to be a manager#
Theo (t3.gg) · 1 天前
工程師越強，越被迫轉型管理職。AI 的崛起更加劇了這個困境。
- 探討不當主管也能維持職涯成長的路徑
- 示範 Augment Intent 工具平行管理多個 AI agent 💬 這個議題觸及每個資深工程師的痛點
8 Moats of Enduring Software Companies#
20VC · 1 天前
Gokul Rajaram 提出軟體公司的 8 大護城河框架。
- 擁有 4 個以上護城河的公司才算真正安全
- 垂直 SaaS 必須掌握完整技術棧才有百億美元的機會 💬 在 AI 重寫一切的年代，這個框架幫你判斷什麼不會被重寫
大神動態#
- Andrej Karpathy: US Job Market Visualizer — 342 職業 AI 曝險度互動地圖，涵蓋 1.43 億個工作崗位
- Simon Willison: Agentic Engineering Patterns — 新系列指南，定義 Agent 時代的軟體工程方法論
- Simon Willison: Coding agents for data analysis — NICAR 2026 資料新聞工作坊教材
今日觀察#
今天看到 Jensen 說「每家公司都需要 OpenClaw 策略」的時候，我腦中閃過的是 2015 年那句「每家公司都需要雲端策略」。那時候我覺得有點誇張，結果十年後回頭看，沒上雲的公司真的消失了不少。
但讓我更有感覺的是 Stripe 的故事。他們的 Minions 不是因為用了什麼秘密武器，而是因為他們十年前就開始投資的開發環境、測試框架、CI/CD 流程，現在全部成了 Agent 的燃料。這讓我想到我自己 — 平常花時間寫 spec、建 test、維護 context，當時覺得很慢，現在回頭看，那些都是在餵養未來的 Agent。
覺得有用嗎？分享給一個也在追蹤新知的朋友。
也歡迎中長期投資者體驗新工具 → Moniit
