隱形基礎設施
AI Agent 時代的信任危機 — Axios 供應鏈被攻破、GitHub 偷塞廣告、Ollama 效能翻倍
每天花 1% 的時間，掌握科技脈動。
今日金句#
“What’s good for human developers is good for AI agents — and vice versa.” 「對人類開發者好的東西，對 AI Agent 也好——反過來也是。」 — Steve Kaliski, Stripe 基礎設施工程師
“Zero lines of malicious code inside axios itself, and that’s exactly what makes this attack so dangerous.” 「axios 本身沒有任何一行惡意程式碼，這正是這次攻擊最危險的地方。」 — StepSecurity, 供應鏈安全研究團隊
今日主軸#
今天的科技圈有一條隱藏主線：我們信任的基礎設施，正在被悄悄改寫。axios 是 npm 上每週下載超過一億次的套件，今天被發現遭到注入惡意依賴——而且 axios 本身一行壞程式碼都沒有，所有毒藥都藏在一個假的子依賴裡，裝完兩秒內就連上 C2 伺服器，然後自我銷毀。同一天，GitHub 被揭露 Copilot 會在你的 Pull Request 裡偷塞 Raycast 廣告，超過 11,400 個 PR 被影響，社群炸鍋後 GitHub 才緊急下架。這兩件事指向同一個問題：當 AI Agent 和自動化工具擁有越來越多的編輯權限，**信任的邊界在哪裡？**好消息是，Ollama 在同一天釋出 MLX 整合，在 Apple Silicon 上效能提升最高 93%，讓本地推論成為實際可行的選擇。Stripe 也分享了他們每週用 AI Agent 提交 1,300 個 PR 的「Minions」系統——證明 AI Agent 不只是玩具，而是真正的生產力工具，但前提是你要有足夠的基礎設施來支撐它。
必讀#
- Axios NPM 供應鏈攻擊：惡意版本植入遠端存取木馬 — HN
Security - Stripe Minions：每週用 AI 提交 1,300 個 PR — Lenny
Dev - 用 Claude Code 打造個人生活作業系統 — Lenny
AI - OpenClaw 完整指南：打造個人 AI Agent — Lenny
AI - AI 時代科技業最後剩下的 4 種職位 — Latent Space
AI - Mistral Voxtral TTS：開源低延遲語音合成 — Latent Space
AI - Georgi Gerganov：本地模型與程式代理整合的隱藏缺陷 — Simon Willison
AI - Ollama 整合 MLX：Apple Silicon 效能提升 93% — HN
AI - GitHub 撤回 Copilot PR 廣告功能 — HN
Dev - Roblox 如何用單一 AI 模型在 100ms 內翻譯 16 種語言 — ByteByteGo
Dev - Universal Claude.md — 減少 63% Claude 輸出 token — HN
Dev - Import AI 451：政治超智能與 Google 心智社會 — Import AI
AI
Axios NPM 供應鏈攻擊：惡意版本植入遠端存取木馬#
.png)
兩個惡意 axios 版本（1.14.1 和 0.30.4）被注入了假依賴 plain-crypto-js@4.2.1，內含跨平台遠端存取木馬。攻擊者提前 18 小時佈局，39 分鐘內完成兩個版本的投毒。最恐怖的是，dropper 在 npm install 兩秒內就連上 C2 伺服器，然後自動銷毀痕跡——把自己刪除、把 package.json 換回乾淨版本。
- axios 本身零行惡意程式碼——毒藥全部藏在注入的假依賴裡
- 三種作業系統（macOS、Windows、Linux）各有專屬的 payload
- StepSecurity 的 AI Package Analyst 和 Harden-Runner 偵測到異常 C2 回呼
💡 為什麼重要：這是針對 top-10 npm 套件最精密的供應鏈攻擊之一。自我銷毀機制代表開發者可能被感染卻毫無證據留存。
🔗 閱讀原文 | 來源: Hacker News
Stripe Minions：每週用 AI 提交 1,300 個 PR#
Stripe 工程師 Steve Kaliski 揭露公司內部的「Minions」系統——透過 Slack emoji 觸發 AI Agent，每週自動提交約 1,300 個 pull request。核心洞見：工程效能的真正瓶頸不在寫程式碼，而在「啟動能量」和開發者體驗基礎設施。
- 好的 DX = 好的 AI 效能。完善的文件、blessed path、CI/CD 直接轉化為 Agent 成功率
- 漸進式信任模型——先給有限權限，Agent 證明可靠後再擴展
- 機器對機器支付開啟全新的「短暫 API 商業」模式
💡 為什麼重要：首個大規模生產環境的 AI Agent 運作證據。經濟價值不在單個 PR，而在消除協調成本。
🔗 閱讀原文 | 來源: Lenny’s Newsletter
用 Claude Code 打造個人生活作業系統#
前產品主管 Hilary Gridley 分享如何以 Claude Code 管理工作與生活。核心哲學是「反系統的系統」——優先保持簡單，讓 AI 透過觀察自然學習個人偏好。
- 「Yappers API 比 OAuth 好用」——直接跟 Claude 講比串接整合快
- 不要預先設定偏好，讓 Claude 觀察 2-4 週自然學習你的模式
- 每週只新增一個 Claude Code skill，建立肌肉記憶
💡 為什麼重要：AI 個人生產力從「工具」進化到「作業系統」的典範。啟動能量是瓶頸，不是能力。
🔗 閱讀原文 | 來源: Lenny’s Newsletter
OpenClaw 完整指南：打造個人 AI Agent#
Claire Vo 在 Lenny’s Newsletter 提供了從安裝到全面使用 OpenClaw AI Agent 的完整入門指南。她目前運行 9 個 AI Agent 管理工作和個人生活——包括每日簡報、郵件起草、銷售自動化、家庭通知。
- 從單一用例（晨間簡報或郵件管理）開始，逐步擴展
- 多個專門化 Agent 效果遠比一個萬用 Agent 好
- Jensen Huang 稱 OpenClaw 為「史上最重要的軟體發布之一」
💡 為什麼重要：AI Agent 從概念驗證進入主流消費者階段，這是目前最實用的入門資源。
🔗 閱讀原文 | 來源: Lenny’s Newsletter
AI 時代科技業最後剩下的 4 種職位#
Latent Space 彙整了 AI 時代白領科技工作可能剩下的四種核心角色。Linear CEO Karri Saarinen 以《魔獸世界》團隊分工比喻現代 AI 協作模式。Meta 已將「AI 工程師」列為正式職位，組織架構正從「角色驅動」轉向「能力驅動」。
- 不是裁員取代人類，而是重新定義哪些角色不可取代
- Meta 的官方採用證明這不是理論——已經在發生
💡 為什麼重要：理解這四種角色對職涯規劃和團隊設計至關重要。
🔗 閱讀原文 | 來源: Latent Space
Mistral Voxtral TTS：開源低延遲語音合成#
Mistral 推出 Voxtral TTS，基於 4B Ministral 的多語言低延遲語音合成開源模型。對抗 ElevenLabs Flash v2.5 的勝率高達 68.4%，回應延遲僅 80ms。
- 80ms 延遲讓語音 Agent 的對話流暢度達到自然水準
- 開源模型，降低了高品質語音合成的門檻
💡 為什麼重要：語音是 AI Agent 的自然介面。Voxtral 加速 agentic AI 的消費端落地。
🔗 閱讀原文 | 來源: Latent Space
Georgi Gerganov：本地模型與程式代理整合的隱藏缺陷#
llama.cpp 創辦人 Georgi Gerganov 指出，本地模型在與程式代理整合時面臨多個鮮為人知的問題——聊天模板、提示建構和推理 bug。整個技術堆疊由不同團隊開發，導致整合脆弱。
- Agent 推理迴圈會耗盡本地模型的 context window
- 從使用者輸入到最終輸出，每個環節都可能存在微妙缺陷
💡 為什麼重要：對去中心化 AI 運動的關鍵現實查核。agentic workflow 需要的不只是速度。
🔗 閱讀原文 | 來源: Simon Willison
Ollama 整合 MLX：Apple Silicon 效能提升 93%#
Ollama 0.19 正式整合 Apple MLX 框架。Prefill 速度從 1,154 提升到 1,810 tokens/sec（+57%），decode 速度從 58 提升到 112 tokens/sec（+93%）。新增 NVFP4 量化支援。
- 統一記憶體消除了 GPU/CPU 間的資料傳輸成本
- 32GB Mac 即可在本地跑 35B 參數模型
💡 為什麼重要：Apple Silicon 正式成為可行的 AI 推論平台，本地推論意味著更低延遲和更好隱私。
🔗 閱讀原文 | 來源: Hacker News
GitHub 撤回 Copilot PR 廣告功能#
GitHub Copilot 被發現會在 Pull Request 的評論和描述中偷偷注入 Raycast 推廣「小技巧」。超過 11,400 個 PR 被影響。GitHub 在社群炸鍋後數小時內緊急下架。
- Copilot 能在人類不知情的情況下修改人類創作的 PR 內容
- VP Martin Woodward 承認這是「錯誤的判斷」
💡 為什麼重要：AI 整合到關鍵開發工作流程時的根本信任和同意問題。靜默修改人類作品是不該跨越的界線。
🔗 閱讀原文 | 來源: Hacker News
Roblox 如何用單一 AI 模型在 100ms 內翻譯 16 種語言#
Roblox 建立單一 Mixture of Experts（MoE）模型取代 256 個語言對專屬模型。路由機制根據輸入語言對啟動專屬子網路，每秒處理 5,000+ 則聊天。
- MoE 架構避免了語言對數量的二次方膨脹
- 相似語言透過共享訓練互相提升
💡 為什麼重要：展示 MoE 架構如何解決指數級增長的基礎設施問題。
🔗 閱讀原文 | 來源: ByteByteGo
Universal Claude.md — 減少 63% Claude 輸出 token#
一個簡單的 CLAUDE.md 檔案就能將 Claude 的輸出冗長度降低約 63%。目標：消除不必要的開場白、結尾語、問題重述。465 字降至 170 字，訊號零損失。
- 每天 1,000 次 prompts 約省 $8.64/月
- 證明 Claude 的輸出風格可透過 prompt engineering 直接控制
🔗 閱讀原文 | 來源: Hacker News
Import AI 451：政治超智能與 Google 心智社會#
史丹佛政治經濟學教授 Andy Hall 提出「政治超智能」概念，認為 AI 如同印刷術的演進，未來能讓每個人都擁有幫助公民感知現實、理解政策取捨的智能工具。
- 技術問題「AI 是否對齊？」已不夠——需問「對齊到誰的利益？」
- AI 公司、技術、社會制度三層面需同步建構治理框架
🔗 閱讀原文 | 來源: Import AI
推薦閱讀#
- Stop Vibe Coding. Start Getting Customers. — Greg Isenberg 認為 AI 時代最大的瓶頸已從「建產品」轉為「拿流量」，提出七大分發策略。
- Mr. Chatterbox：完全以維多利亞時代文本訓練的本地 LLM — Trip Venturella 發布完全以 1837-1899 年英國書籍訓練的 340M 參數模型，為「版權過期資料訓練」提供真實案例。
- 前 Coatue 合夥人為企業 AI Agent 新創募得 $65M 種子輪 — 企業 AI Agent 賽道持續火熱。
- Runway 推出 $10M 基金支持早期 AI 新創 — AI 影片生成公司轉向平台化，扶植生態系。
- Marc Andreessen：AI 不會搶走工作，大公司才是真的人浮於事 — a16z 共同創辦人直言大型企業至少虛增 25-75% 人力。
- How to turn anything into a router — 任何有兩個網路孔的 Linux 電腦都能變成完整路由器，850 Mbps 吞吐量。
- Artemis II is not safe to fly — Maciej Ceglowski 對 Artemis II 任務安全性的深度分析。
中文技術圈#
- 微軟 Copilot Researcher 新增多模型協作模式 — Copilot 深度研究代理新增 Critique 與 Council 多模型能力
- Nvidia 推出 OpenShell：為 AI 代理套上安全控制 — 針對自主 AI 代理推出安全執行環境
- Salesforce 終於來臺設子公司 — 創立 27 年終於來臺，力推 Agentforce
- Google Agent Smith 劃時代的代理工具 — PTT 討論 Google 新代理工具
- 史丹佛 CS: The Modern Software Developer — 史丹佛最新軟體開發課程
開源精選 — GitHub Trending (本週)#
instructkr/clawd-code — Python | ⭐ 32.3K Claude Code 原始碼洩漏存檔 + 工具集
larksuite/cli — Go | ⭐ 5.4K 飛書官方 CLI 工具，支援人類和 AI Agent 終端操作，200+ 命令
openai/codex-plugin-cc — JavaScript | ⭐ 4.7K 從 Claude Code 使用 Codex 進行 code review 或委派任務
magnum6actual/flipoff — JavaScript | ⭐ 2.5K 免費翻頁顯示器模擬器，經典 flip-board 效果無需 $3,500 硬體
google-research/timesfm — Python | ⭐ 11.4K Google 200M 參數時序基礎模型，16K context，已部署於 BigQuery
影音精選#
Stop Vibe Coding. Start Getting Customers.#
23.8K views · 1 天前 · Greg Isenberg
Greg Isenberg 認為每天有 20 萬個 Vibe Coding 專案上線，卻鮮少人真正獲得用戶。他提出七大分發策略：MCP 伺服器、程式化 SEO、免費工具引流、AEO 搶佔 AI 引擎引用等。
- 最大瓶頸已從「建產品」轉為「拿流量」
- 預測未來十年最富有的人將是懂得分發的行銷人
💬 這集跟我的 Moniit 經驗很有共鳴——產品做出來只是開始，真正的挑戰是讓人知道它存在。
Marc Andreessen: AI 不會搶走工作#
16.5K views · 1 天前 · 20VC
a16z 管理逾 900 億美元資產的共同創辦人接受深度專訪，直言 AI 造成勞動力替代的說法「完全錯誤」，指出大型企業至少虛增 25-75% 的人力。
- 創投定價邏輯：過去因價格放棄好公司都是錯誤
- 矽谷為何比歷史上任何時期都更集中
💬 「虛增 25-75%」這個數字挺嚇人，但如果看過大公司內部，其實不難想像。
AI 出錯誰買單？千億美元 AI 保險市場正在成形#
1.7K views · 1 天前 · 硅谷101
由 Anthropic 早期成員創辦的 AIUC 正試圖將 AI 責任險做成一門生意：制定安全標準、進行對抗性審計，再販售保單。
- CEO 預測 2030 年 AI 保險市場規模將超越網路安全險，達 5,000 億美元
- ElevenLabs、Cognition、Intercom 已成為首批客戶
💬 當 AI Agent 開始代替人類簽合約、下訂單，「出錯誰付錢」這個問題只會越來越急迫。
名人動態#
- Simon Willison：發布 datasette-files 0.1a3、datasette-llm 0.1a3 等多個版本更新，引用 Georgi Gerganov 對本地模型整合的見解
- Claire Vo / Hilary Gridley：在 Lenny’s Newsletter 分享 OpenClaw 和 Claude Code 生活系統實踐
- Steve Kaliski (Stripe)：揭露 Stripe Minions AI Agent 系統運作細節
- Jack Clark：Import AI 451 探討政治超智能概念
- Greg Isenberg：提出 AI 時代 7 大分發策略
- Marc Andreessen：20VC 專訪，直言 AI 勞動力替代說法「完全錯誤」
今日觀察#
Stripe 的「Minions」系統和 Ollama 的 MLX 整合看似無關，但它們共同揭示了一個被忽略的事實：AI Agent 的價值上限不在於模型有多聰明，而在於周圍的基礎設施有多完善。Stripe 花了六年建立開發者體驗基礎設施——完善的文件、blessed path、CI/CD——這些原本是為人類工程師打造的東西，現在成了 AI Agent 的「養料」。同樣地，Ollama 的效能提升不是來自更好的模型，而是來自更好的框架層（MLX）和硬體整合（統一記憶體）。當所有人都在追逐更大、更強的模型時，真正拉開差距的可能是那些「看不見的基礎設施」——開發工具、安全檢測、硬體最佳化。今天 axios 攻擊事件也從反面證明了這一點：供應鏈安全這個「隱形基礎設施」一旦崩塌，再強的模型也擋不住。
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
