yii.
← Digest
EP81 · 2026年5月24日 星期日 · 13 min read

Agent 時代衝刺，物理世界開始踩煞車

Google 把 Gemini 變成 Agent，但 Ben Thompson 提醒：AI 的下一個瓶頸是市議會

每天花 1% 的時間，掌握科技脈動。

今日金句#

“The real question is not whether AI will shape the world. It will. The real question is whether you can shape AI.” 「真正的問題不是 AI 會不會改變世界——它一定會。真正的問題是，你能不能反過來改變 AI。」 — Eric Schmidt, 前 Google 執行長（在 Arizona State 畢業典禮被噓爆後的回應）

“The model alone is no longer the product.” 「模型本身，已經不是產品了。」 — Latent Space 整理 Greg Brockman（OpenAI）與 AI21、DeepSeek 內部轉向 Agent Lab 的同一句話

“Understanding this dynamic is more important than trying to correct misinformation, which is a symptom, not a cause, of data center opposition.” 「重點不是去糾正錯誤資訊——錯誤資訊只是症狀。真正要懂的是，社區為什麼會反對資料中心。」 — Ben Thompson, Stratechery 創辦人（談 AI 第一個物理瓶頸）

今日主軸：Agent 時代衝刺中，物理世界開始踩煞車#

今天的故事可以放在一條時間線上看：AI 在拼命加速，社會卻在這禮拜第一次集體舉手。

加速的那一端：Google I/O 2026 把 Gemini 整個重做成 Agent OS——Gemini Omni 一個模型吃下所有模態，token 用量從每月 9.7 兆飆到 3.2 千兆，連 TPU 都分成訓練版和推論版兩種專用晶片（Fireship 整理）。Latent Space 把這一週串起來看，提出一個結論：所有模型實驗室都在變成 Agent 實驗室——OpenAI 的 Greg Brockman 公開承認、AI21 Labs 解散模型團隊、DeepSeek 首次組「Harness team」、Stratechery 訪問 Parallel 創辦人談「Agentic Web 的內容定價」。連 Anthropic 都在用業界前所未見的薪水搶人，把整個矽谷的薪資結構推到失控（20VC 訪談）。

煞車的那一端：Ben Thompson 在 Stratechery 寫了一篇「Data Center Veto」——AI 是數位的，但資料中心是實體的。美國地方社區開始用市議會層級的權力否決資料中心建設，這是 AI 第一次撞到一道它不能 scale 過去的牆。Simon Willison 整理的記憶體危機是另一個版本——HBM 為了 AI 從晶圓產能 2% 飆到 20%，全球 100 美元以下的廉價手機正在從非洲、南亞市場消失。Eric Schmidt 在 Arizona State 畢業典禮上被噓——59% 的美國年輕人覺得 AI 在搶他們的工作，大學畢業生職缺從 2022 高峰跌了一半。連 Google 自己訓練 Gemini 的核心科學家 Andrew Dai 都跑出來說——「大語言模型和世界模型都是錯誤路線」（硅谷101 專訪）。

中間那一個區段比較有趣，是給普通開發者的：Greg Isenberg 這禮拜把他的 AI 開銷從每 5 天 130 美元砍到 10 美元（省 90%），他不是換大廠工具，是換一個叫 Hermes Agent 的開源框架——可以跑在 Android 手機上、跟 Obsidian 接起來、Apple Notes/iMessage/Find My 都能用。這就是 Agent 時代真正開始的訊號——不是 Gemini Omni 上線，是 Greg 這種人開始覺得「我可以自己組」。

必讀#

  1. RAG 與 AI Agent 的架構差異與適用場景 — ByteByteGo Dev
  2. Hermes Agent 完整解說：記憶體、40+ 工具、降低 90% token 費用 — Greg Isenberg (YouTube) Dev
  3. HTML 描述清單 <dl> 的你不知道的細節 — Simon Willison Dev
  4. Build with Claude Code 新梯次課程上線 — ByteByteGo Dev
  5. 所有模型實驗室都在轉型為 Agent 實驗室 — Latent Space AI
  6. 記憶體短缺正在推高消費電子產品售價 — Simon Willison AI
  7. The Data Center Veto — Stratechery Startup
  8. 社群智慧：AI 冷開發、PM 建議、設計中的 AI 現狀 — Lenny Startup
  9. Parallel 創辦人專訪：Agentic Web 上的內容定價 — Stratechery AI
  10. Google I/O 2026：Gemini 代理時代全面降臨 — Fireship (YouTube) AI

1. RAG 與 AI Agent 的架構差異與適用場景#

ByteByteGo 第 216 期系統設計文章深入比較 RAG 與 AI Agent：RAG 透過「一次檢索 + 一次生成」把 LLM 答案錨定在知識庫，成本低、可預測、好除錯；Agent 則用推理迴圈驅動多步驟工具調用，適合動態決策但 token 消耗高。文章給出明確決策規則：答案在文件裡 → 用 RAG；答案要操作別的系統 → 用 Agent。並指出兩者不是互斥，RAG 可以成為 Agent 架構中的一個 tool，做混合最佳化。

  • 要點 1：RAG 是 4 步線性流程（embed → retrieve → insert → generate），單次 token pass
  • 要點 2：Agent 是迭代推理迴圈，多次 tool 選擇與執行，token 消耗較高但靈活
  • 要點 3：決策規則 — 答案在文件用 RAG，要操作系統用 Agent，混合架構成本最低

💡 為什麼重要：太多團隊用 Agent 過度設計簡單問題（成本爆炸），或低估 Agent 的能力範圍。理解這個取捨是生產級 AI 系統的基礎判斷，也決定你的 LLM 帳單會被誰看到。

🔗 閱讀原文 | 來源: ByteByteGo

2. Hermes Agent 完整解說：記憶體、40+ 工具、降低 90% token 費用#

Imran Muthuvappa 分享從 OpenClaw 遷移到 Hermes Agent 的真實體驗，Hermes 解決三大痛點：內建 SQLite 記憶層、穩定的 gateway 路由、透明的 token 費用追蹤。搭配 OpenRouter 後，Greg Isenberg 的 token 開銷從每 5 天 130 美元降到約 10 美元（省 90%）。Hermes 還可以在 Android 手機透過 Termux 跑，連接 Obsidian 形成個人 AI 作業系統，並內建 Apple Notes、iMessage、Find My 等 Mac 技能。

  • 要點 1：Hermes 比 OpenClaw 透明、便宜、可控——成本砍 90%
  • 要點 2：Android Termux + Obsidian 接合，形成行動端個人 AI OS
  • 要點 3：40+ 內建工具，涵蓋 Mac 系統整合到網路檢索

💡 為什麼重要：Agent 時代真正開始的訊號不是大廠 PR，是普通開發者開始覺得「我可以自己組一套」。Hermes 是這個訊號的具體形態——個人創業者用大廠 10% 的成本，達到接近的效果。

🔗 觀看影片 | 來源: Greg Isenberg (YouTube)

3. HTML 描述清單 <dl> 的你不知道的細節#

Simon Willison 整理了關於 <dl> 元素一些被忽略的細節：一個 <dt> 可以對應多個 <dd>、可以用 <div> 包覆做樣式容器、可以搭配 ARIA 加上標籤、「描述清單」這個名稱早在 2008 年 HTML5 草案就已定名（不是「定義清單」）。Hacker News 上有 326 點贊熱議。

  • 要點 1：一個 <dt> 可以對應多個 <dd>（鮮為人知的合法結構）
  • 要點 2：<div> 是唯一可以包 <dt>/<dd> 的元素，純為樣式用
  • 要點 3：螢幕閱讀器對 dl 的支援差異大，需用 ARIA 補強

💡 為什麼重要：每個前端工程師都會用 <dl>，但 99% 用錯。在 AI 都在替你寫 HTML 的時代，懂語意化標籤的差異，是你跟 AI 之間最後的「品質護城河」。

🔗 閱讀原文 | 來源: Simon Willison

4. Build with Claude Code 新梯次課程上線#

ByteByteGo 宣布推出為期兩天的密集訓練「Build with Claude Code」，由曾在 Meta 培訓數百位工程師的 John Kim 授課，5 月 28 日開課。課程涵蓋 Agentic Loop、Context Engineering、Memory Layers、Skills/MCP/Hooks 整合、使用 Git worktree 平行開發、Subagent、Agent Team、大型程式碼庫處理，並附 hands-on capstone project。價格 $499 早鳥優惠。

  • 要點 1：5/28-5/29 兩天密集課程，講師為 Meta 訓練過數百工程師的 John Kim
  • 要點 2：內容包含 Skills/MCP/Hooks、subagent、git worktree 平行開發等進階主題
  • 要點 3：含 capstone project，要在自己 stack 上交付真實應用

💡 為什麼重要：這類「面向生產的 Claude Code 課程」突然出現，本身就是訊號——Claude Code 已從個人探索進入企業導入階段。要在團隊裡導入 agentic 開發的工程主管，這是目前最結構化的教材。

🔗 閱讀原文 | 來源: ByteByteGo

5. 所有模型實驗室都在轉型為 Agent 實驗室#

Latent Space（swyx）把這一週的事件串起來看：OpenAI 的 Greg Brockman 公開承認模型實驗室正在變成 Agent 建構者；AI21 Labs 解散模型團隊轉做 Agent；DeepSeek 首次組「Harness team」；DeepSeek V4-Pro 永久降價 75%；MCP 協定發布 stateless RC。模型本身已經不是產品——競爭面已上移到模型 + harness + workflow + UI + memory + 經濟學的整合層。

  • 要點 1：OpenAI/AI21/DeepSeek 三家同時內部轉向 Agent
  • 要點 2：DeepSeek V4-Pro 比競品便宜 3-19 倍，定價已從模型稀缺轉為推論經濟
  • 要點 3：MCP stateless RC + agent compilation 讓推論成本可降 100x

💡 為什麼重要：如果你還在用「哪個模型最強」做技術選型，今年會被換掉的可能不是模型，是你的判斷框架。從 2026 年下半年起，整合品質、成本結構、UX 才是護城河，模型權重不是。

🔗 閱讀原文 | 來源: Latent Space

6. 記憶體短缺正在推高消費電子產品售價#

Simon Willison 整理的 AI 資料中心 HBM 需求暴增分析——三大記憶體廠（SK Hynix、Samsung、Micron）固定產能下，HBM 從 2% 攀升到 2026 底預估 20%，因為1 GB HBM 消耗的晶圓產能是 DDR/LPDDR 的 3 倍以上。直接後果是 DDR 和 LPDDR 供給被擠壓，非洲與南亞百元美金以下的智慧型手機市場將受最大衝擊。

  • 要點 1：HBM 佔晶圓產能從 2% → 20%（10 倍躍升）
  • 要點 2：1 GB HBM ≈ 3 GB DDR 的晶圓消耗
  • 要點 3：非洲、南亞百美元以下手機市場將實質消失

💡 為什麼重要：AI 算力的隱形成本，正由買不起 AI 的人在付。這不只是供應鏈問題，是全球科技分配公平性的問題。

🔗 閱讀原文 | 來源: Simon Willison

7. The Data Center Veto#

Ben Thompson 在 Stratechery 提出一個被低估的觀察：AI 是數位的，但資料中心是實體的。地方社區（市議會、土地使用、環境影響）擁有否決資料中心建設的權力，這跟過去全球化的數位轉型完全不同。Ben 強調「錯誤資訊只是症狀，不是原因」——真正要面對的是社區為什麼反對，答案是補償，不是辯論。這是 AI 第一次撞到一個它不能 scale 過去的瓶頸。

  • 要點 1：AI 競爭是全球的，但資料中心建設是本地的——地方政府能否決
  • 要點 2：社區反對的原因是真實的（能源、土地、環境），不是錯誤資訊
  • 要點 3：解法是補償與利益共享，不是更好的公關

💡 為什麼重要：政策、AI 公司、能源規劃者都低估了這個瓶頸。下一輪 AI 競賽會贏的人，可能不是模型最強的，是懂得怎麼跟「不在 AI 圈裡的人」談話的人。

🔗 閱讀原文 | 來源: Stratechery

8. 社群智慧：AI 冷開發、PM 建議、設計中的 AI 現狀#

Lenny’s Newsletter 本期社群精華，涵蓋 AI 冷開發外展工具推薦、有意進入 PM 領域的大學生建議、AI 在設計工作中的現狀、2026 年 QA 工程師的角色是否仍具價值等熱門討論。內容來自 Lenny 訂閱者專屬 Slack 社群的精選對話。

  • 要點 1：AI 冷開發工具實戰評估（從訂閱者實際使用）
  • 要點 2：QA 在 AI 時代的定位轉變——測試 Agent 的新角色
  • 要點 3：設計師如何把 AI 整合到日常工作流（非「取代」討論）

💡 為什麼重要：Lenny 社群是 PM/Growth 領域實作者最密集的地方，這份社群精華等於把 1000 名實作者的當下判斷濃縮成一頁。對中階以上 PM/Growth 角色尤其值得看。

🔗 閱讀原文 | 來源: Lenny’s Newsletter

9. Parallel 創辦人專訪：Agentic Web 上的內容定價#

Ben Thompson 訪問 Parallel 創辦人 Parag Agarwal，主題是「在 Agentic Web 上如何重新定義內容的價值」。當 AI Agent 取代人類成為內容的主要消費者，內容的計價模型、版權、發行管道都需要重新設計。Parag 提出 Parallel 對這個問題的具體做法。

  • 要點 1：Agentic Web 的內容消費者是 Agent，不是人
  • 要點 2：點擊式廣告模式對 Agent 流量無效，內容定價需從零設計
  • 要點 3：Parallel 提出新的版權與分潤架構

💡 為什麼重要：所有靠 SEO 流量養活的內容業者（媒體、Substack、blog）都會被這個問題擊中。如果你是內容創作者或經營內容業務，這篇是 2026 年最值得提前理解的結構性問題。

🔗 閱讀原文 | 來源: Stratechery

10. Google I/O 2026：Gemini 代理時代全面降臨#

Google I/O 2026 發表「代理 Gemini 時代」——Search、Gmail、Android、智慧眼鏡全部變成 AI Agent。最大亮點是 Gemini Omni 多模態模型，可接受文字、影片、音訊並輸出任何格式，搭配全新 Neural Expressive 設計系統。Google 每月 token 用量已從 9.7 兆成長到 3.2 千兆，並將 TPU 晶片分拆為訓練（TPU-T）與推論（TPU-I）兩款專用芯片。

  • 要點 1：Gemini Omni 一個模型吃下文字、影片、音訊、3D 多模態
  • 要點 2：TPU 分流——訓練用 TPU-T、推論用 TPU-I，硬體層完全分家
  • 要點 3：Google token 用量月增 320 倍（9.7T → 3,200T），規模已不可逆

💡 為什麼重要：Google 整體產品線都在 Gemini Omni 上重做，這代表 Search/Gmail/Android 用戶介面在未來一年都會大改。如果你的產品依賴 Google 流量或 Android 行為模型，現在就要開始準備轉型。

🔗 觀看影片 | 來源: Fireship (YouTube)

推薦閱讀#

大神動態#

今日觀察#

把這禮拜 AI 圈的故事放在一條時間線上看，會看到一個微妙的轉折——衝刺速度沒變，但 AI 第一次同時撞到三道「不能 scale 過去」的牆。一道是組織：Latent Space 一週內整理出 OpenAI、AI21、DeepSeek、Anthropic 全部從 model lab 轉成 agent lab。一道是物理：Stratechery 報導美國地方議會開始否決資料中心、Simon Willison 點出 HBM 記憶體已被 AI 吃光、Eric Schmidt 在亞利桑那州立大學畢業典禮被學生噓。最有意思的是第三道——內部：連 Google 自己訓練 Gemini 的核心科學家 Andrew Dai 都公開說「大語言模型走錯路了」。三道牆共同指向一件事：模型權重不再是護城河；對個別開發者來說，今年的技術選型主指標，正在從「哪個模型 benchmark 最強」靜悄悄換成「哪個 stack 在 9 月之後還能站著」。

中文技術圈#

開源精選#

smallcode — JavaScript | ⭐ 1.3K AI coding agent optimized for small LLMs，4B 活躍參數模型達 87% benchmark

bumblebee — Go | ⭐ 1.1K Perplexity 出品的本地開發環境安全掃描器，檢查供應鏈攻擊曝險

HRM-Text — Python | ⭐ 673 1B 參數文字生成模型，基於 HRM 架構強化任務完成與潛在空間推理

centaur — Python | ⭐ 431 Paradigm 開源：多人協作、自架、安全的 Agent 框架

audit — Python | ⭐ 443 evilsocket 的 8 階段漏洞發現 Agent

infinite-canvas — TypeScript | ⭐ 454 中文開源 AI 創作畫布工作台，集成 AI 生圖、參考圖編輯、提示詞庫

影音精選#

Hermes Agent 完整解說：記憶體、40+ 工具、降低 90% token 費用#

Greg Isenberg

Greg Isenberg

Imran Muthuvappa 分享從 OpenClaw 遷移到 Hermes Agent 的真實實戰，三大痛點被一次解決：內建 SQLite 記憶層、穩定的 gateway 路由、透明的 token 費用追蹤。配合 OpenRouter 後，個人開銷從每 5 天 130 美元砍到 10 美元（省 90%）。最殺的是 Hermes 可以在 Android 手機透過 Termux 跑、連 Obsidian、抓 Apple Notes/iMessage/Find My——等於把 Agent 塞進口袋。

  • 成本砍 90%：每 5 天 $130 → $10
  • 40+ 內建工具，覆蓋 Mac 系統整合到網路檢索
  • Android + Termux + Obsidian = 行動端個人 AI OS

💬 Yii 的話：這支跟今天必讀 #2 是同一支，但口語版講得比文字版更具體。如果你在猶豫要不要從 OpenClaw 換到 Hermes，先看 8 分鐘的「成本對照」段落，那是整支最值錢的部分。

Google I/O 2026：Gemini 代理時代全面降臨#

Fireship

Fireship

Fireship 用 8 分鐘把 Google I/O 2026 完整整理：Gemini Omni 一個模型吃下所有模態（文字、圖、聲、影、Agent 行動）、Gemini Agent SDK 開放讓 Google Workspace 各產品可被自動操作、TPU 分流成訓練版 (TPU-T) 與推論版 (TPU-I) 兩條硬體線、token 用量從 9.7T/月飆到 3,200T/月。重點不是發了什麼，是 Google 整套產品線正在被重寫成「Agent 而非 App」。

  • Gemini Omni 一個模型吃所有模態
  • TPU-T / TPU-I 分流：訓練/推論硬體層級分家
  • token 用量月增 320x，規模化已不可逆

💬 Yii 的話：如果你做 Flutter/Android 開發，這支必看——下一代 Material You + Gemini Agent 整合方式，會直接影響你 2026 下半年的 UI 寫法。

Google 核心 AI 科學家：「大語言模型和世界模型都是錯誤路線」#

硅谷101

硅谷101

硅谷101 專訪前 Gemini 核心科學家 Andrew Dai——他親手訓練過 Google 內部多代核心模型，最後選擇離開並公開挑戰主流路線。觀點：LLM 在「文字壓縮」上贏了，但在「跨模態理解」上是死路。他更看好「多模態視覺推理模型」（不是現在的 VLM，是更底層架構）。能在這個時間點從 Google 內部跑出來講這個，本身就是 AI 圈的事件。

  • 質疑 LLM 與當前世界模型路線——兩者都錯
  • 押注「多模態視覺推理模型」為下一代範式
  • 從 Google 內部跳出來公開唱反調

💬 Yii 的話：這集很重要——它呼應了今天的今日觀察的「第三道牆：內部反對」。當核心訓練人都開始喊路線錯，事情就值得認真聽。

Anthropic 高薪搶人引發薪酬危機，為何不該從 Salesforce 挖人#

20VC (Harry Stebbings)

20VC

20VC 訪前 Snowflake CRO Chris Degnan。重點不在 Anthropic 開出的天價，而在「挖錯人的成本是 24 倍」這個論點：Salesforce/ServiceNow 出來的人帶著 PLG 反向思維、習慣 9 個月銷售週期、依賴龐大組織才能 close。AI 新創需要的是能在 6 週內自己打開市場的 hunter，不是流程型 manager。

  • Anthropic 用業界前所未見的薪酬通膨整個矽谷
  • Salesforce 出來的人通常不適合 AI 新創早期
  • 挖錯一個 senior IC 的成本，是其年薪的 24 倍

💬 Yii 的話：對台灣團隊想挖外籍 IC 的有借鑑——薪資不是唯一指標，「能不能自己生需求」比「會不會打 process」重要 10 倍。

優秀企業如何抵禦平庸與腐化（Eric Ries 新書 Incorruptible）#

Y Combinator

Y Combinator

《精益創業》作者 Eric Ries 帶新書回 YC。核心論點：股東至上主義是公司腐化的真正原因——當「最大化短期股東報酬」凌駕一切，創辦人的使命會被董事會稀釋、產品決策被季度 EPS 綁架。他在書裡提出 LTSE（長期證交所）+ PBC（公益公司）作為法律結構防禦。

  • 股東至上主義 = 公司腐化的根源
  • LTSE 長期股市 + PBC 公益公司 = 創辦人護城河
  • Atlassian、Patagonia 是現實案例

💬 Yii 的話：給創辦人看的——融資前先想清楚要不要接受傳統 C corp 結構。對 Moniit 這種「長期持有人為主」的產品來說，PBC 框架值得深入研究。

打造世界級銷售團隊的秘訣#

20VC

20VC

前 Snowflake CRO Chris Degnan + Chad Peets 解構 Snowflake 從 0 做到 40 億美元 ARR 的銷售方法：早期不該分區、用 land-and-expand 換大客戶忠誠度、AE quota 起跳 $1.5M、CSM 比 AE 更早雇用。最反直覺的一條：不要請 Salesforce 的人當你前 20 號業務——他們的內部肌肉跟新創需要的肌肉完全不同。

  • Snowflake 0 → $4B ARR：land-and-expand 是主軸
  • AE quota $1.5M 起跳，篩出狙擊手而非作業員
  • CSM 比 AE 早雇——擴張比新拓更賺

💬 Yii 的話：這集跟「Anthropic 高薪搶人」是姊妹篇——同一場辯論，從建構者角度講。如果你在規劃 GTM 團隊，兩支一起看效果最好。

ElevenLabs 的殘酷銷售文化：薪資 20 倍為配額#

20VC

20VC

ElevenLabs CRO 講述公司近乎極端的銷售文化：每位業務的個人配額是其薪資的 20 倍——也就是說，業務薪水越高、揹的數字越誇張。這套機制把人逼到極限，達標率卻維持在 80% 以上。背後邏輯是「寧可請少一點頂尖選手、付他們市場價的多倍，也不要組大團隊靠平均」。

  • 配額/薪資比 = 20 倍，逼出人才密度
  • 達標率 80%+，殘酷但 work
  • 對應「Anthropic 高薪搶人」那篇——AI 圈的人才結構正在往同一個方向收斂

💬 Yii 的話：這跟今天必讀 #5「all model labs are now agent labs」是同一個故事——AI 時代的競爭，從「誰的模型最強」變成「誰的小而精團隊執行最快」。

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 banner

同期還有