EP89 — AI 疲勞潮：開發者開始踩煞車

每天花 1% 的時間，掌握科技脈動。

工具還在狂飆，人卻先喊累了 —— 同一天，有人退出科技圈、有人想把 vibe coding 改名叫「slop」、有人說 AI 只是另一個 1997 年。

今日金句#

“This technology is horrific for attention. It’s a thermonuclear ADHD amplifier.” 「這個技術對專注力來說是災難級的，它是一台熱核等級的 ADHD 放大器。」 — David Wilson，開發者（經 Simon Willison 引述）

“AI is ‘1997’ — as big as the internet, but only as big as the internet.” 「AI 現在處於『1997 年』 —— 跟網際網路一樣大，但也就只有網際網路那麼大。」 — Benedict Evans，科技分析師、前 a16z 合夥人

“Everybody who’s against it is too against it and everybody who’s for it is too for it.” 「反對它的人反對得太過頭，支持它的人也支持得太過頭。」 — Daniel Jalkut，獨立開發者

今日主軸：AI 疲勞潮#

今天的科技圈出現一個有意思的反差：基礎設施的錢還在瘋狂往上堆，但第一線的人開始公開喊累。 SoftBank 宣布要砸最高 75 億歐元在法國蓋 5GW 的數據中心，GitHub Copilot 改成 token 計費讓開發者炸鍋 —— 商業引擎全速運轉。但同一天，Simon Willison 轉發了一篇「我可能該取消我的 AI 訂閱」，形容 AI 是「熱核等級的 ADHD 放大器」；開源老將 Chad Whitacre 乾脆宣布退出科技圈，要當「AI 阿米許人」；Claude Code 的創辦人厭倦了「vibe coding」這個詞，網友酸說那就叫它「slop（餿水代碼）」吧。連 Theo 都做了一支影片，證明開發者最信的 coding benchmark 早就被污染、模型在作弊。把這些拼起來看，2026 上半年的 AI 故事正在從「它能做什麼」轉向「我們到底想用它做什麼、用多少」。Benedict Evans 給了最冷靜的框架：這就是 AI 的 1997 年 —— 跟網路一樣會改變一切，但需要十幾年慢慢吸收，不是明天就奇點降臨。

必讀#

How we contain Claude across products — Anthropic AI
The solution might be cancelling my AI subscription — Simon Willison AI
AI is ‘1997’：Benedict Evans 談 AI 真正的走向 — Lenny’s Newsletter AI
AI code benchmarks lied to us — Theo (YouTube) Dev
GitHub Copilot 改 token 計費，開發者炸鍋 — TechCrunch Dev
Claude Code 創辦人想替 vibe coding 改名，網友：叫它 slop 吧 — 科技新報 AI
I Am Retiring from Tech to Live Offline — openpath.quest AI
Google 換掉搜尋的鎖：零點擊時代來了 — 科技新報 AI
SoftBank 砸 75 億歐元在法國蓋數據中心 — TechCrunch Startup
DoorDash 如何打造 LLM 測試系統對抗幻覺 — ByteByteGo Dev
Odysseus：自託管的 ChatGPT/Claude 替代工作區 — GitHub Tools
minWM：即時互動式影片世界模型框架 — HuggingFace AI

1. How we contain Claude across products #

Anthropic 罕見地完整公開了旗下三條產品線（claude.ai、Claude Code、Claude Cowork）的沙箱隔離策略。claude.ai 用伺服器端 gVisor 容器，Claude Code 在本機用 macOS Seatbelt / Linux Bubblewrap，Claude Cowork 則跑完整虛擬機。核心理念是多層防禦：模型層、環境層、外部內容層 —— 任何單層防線都會失守。

發現一個關鍵漏洞：settings.json 的 hooks 會在使用者批准前就被信任執行，必須延後解析到批准之後
「許可疲勞」是真實問題，使用者大約批准了 93% 的提示；auto 模式能減少 84% 的提示次數
最脆弱的一層往往是你自己寫的軟體 —— gVisor、seccomp 都很硬，但他們自製的 proxy 反而破了

💡 為什麼重要：當 AI agent 開始能讀檔、執行指令、連網，安全邊界不再是「模型會不會說壞話」，而是「它能碰到什麼」。這份文件是少數把 agent 沙箱講清楚的工程實務。

🔗 閱讀原文 | 來源：Anthropic Engineering

2. The solution might be cancelling my AI subscription #

Simon Willison 轉發 David Wilson 的反思文，引發廣泛共鳴。David 列了 16 個用 AI 一小時生出來的專案，卻坦承大多不是他本來想做的 —— Claude session 從「幫我寫個小腳本」開始，一小時後問題沒解決、卻多了一堆無力維護的專案。他形容 AI 是「熱核等級的 ADHD 放大器」。

AI 能在一小時內把模糊想法變成看似精雕細琢、有測試有文件的專案 —— 但你能照顧的專案數量有上限
David 認為這種模式「完全不可持續」，目前唯一的解法是「克制使用」
Simon 認為關鍵技能是「紀律」，但他自己也承認這件事他找了幾十年答案

💡 為什麼重要：這是 AI 疲勞潮最精準的一篇診斷。問題不是 AI 不夠強，而是它太容易給出廉價獎勵、零摩擦，反而成了專注力的負債。

🔗 閱讀原文 | 來源：Simon Willison

3. AI is ‘1997’：Benedict Evans 談 AI 真正的走向 #

前 a16z 分析師 Benedict Evans 上 Lenny 的 podcast，給出一個冷靜的定錨：AI 現在處於「1997 年」—— 跟網際網路一樣是劃時代的大事，但「也就只有網際網路那麼大」，需要十幾二十年慢慢吸收，不是明天就奇點降臨。

價值會累積在哪一層仍然未知；隨著軟體越來越好做，「通路（distribution）」正成為最終的護城河
問你工作該不該被 AI 取代時，對的問題不是「AI 能做幾 %」，而是「這是一個任務，還是一份工作」
意外觀察：AI 公司本身的顧問與專業服務需求正在大爆發

💡 為什麼重要：在一片「奇點將至」與「AI 泡沫」的兩極聲音裡，1997 的類比給了一個可操作的時間尺度，幫你判斷該焦慮還是該耐心佈局。

🔗 閱讀原文 | 來源：Lenny’s Newsletter

4. AI code benchmarks lied to us（Theo）#

Theo 做了一支硬核影片，論證開發者最依賴的 coding benchmark（如 SWE-bench Pro）數字根本是「胡扯」。問題題目本身不夠真實，更糟的是已經被污染 —— 解法資訊大量外洩，模型會直接作弊背答案，而驗證者幾乎沒在抓這件事。

他不相信 Qwen 37 Max 或 GLM 5.1 真的比 OpenAI 的 SOTA 模型「明顯更好」，榜單早就失真
問題在於 benchmark 的題目，根本不是開發者每天用 agent 在解的真實問題
連 Artificial Analysis 想拼湊更好的評測組合，本質上也只是把既有 benchmark 換 harness 重跑

💡 為什麼重要：模型「屠榜」的新聞越來越多，但榜單可信度越來越低。對開發者來說，唯一靠譜的評測還是把模型丟進自己的真實專案。

🔗 觀看影片 | 來源：Theo (t3.gg)

5. GitHub Copilot 改 token 計費，開發者炸鍋 #

GitHub Copilot 從統一訂閱制改為依 token 用量計費，開發者社群一片罵聲，有人直接說「真是個笑話」。新模式對小型團隊和獨立開發者可能造成成本大幅上升。

TechCrunch 形容「微軟 GitHub Copilot 的黃金時代似乎要結束了」
未公布具體 token 單價，但被描述為「明顯更高的費率」
與同期 Anthropic、OpenAI 的用量計價趨勢一致 —— AI 工具的「吃到飽」時代正在收束

💡 為什麼重要：AI coding 工具的定價模式正在重塑開發者經濟，token 計費若成行業標準，獨立開發者與小團隊恐被擠出，逼出更多自託管與開源替代方案（呼應 Odysseus）。

🔗 閱讀原文 | 來源：TechCrunch

6. Claude Code 創辦人想替 vibe coding 改名，網友：叫它 slop 吧 #

Claude Code 的創辦人公開表示厭倦了「vibe coding（憑感覺寫程式）」這個詞，想換個說法；網友吐槽，那乾脆叫它「slop（餿水 / 草率代碼）」、甚至自創「slopmaxxing」。一場關於命名的玩笑，其實戳中了 AI 生成代碼的品質焦慮。

「slop」一詞的流行，象徵開發者對 AI 生成代碼品質的集體不信任
詞彙演化反映社群心態 —— 從興奮嘗鮮轉向品質把關

💡 為什麼重要：當一個技術連自己的名字都還在吵，代表它仍在尋找定位。命名之爭背後，是「快速生成」與「可維護品質」的拉鋸。

🔗 閱讀原文 | 來源：科技新報

7. I Am Retiring from Tech to Live Offline #

開源老將 Chad Whitacre 用一封打字、掃描的信宣布退出科技圈、過離線生活，標題是「AI 抽走了我開源風帆裡最後一口氣」。他自稱要當「AI 阿米許人 / 網路阿米許人」—— 不是回到 1780 年，而是回到 1980 年。

這不是空喊離職，他列出了具體步驟，包含停止參與開源
他更早一篇文章描述用 Claude Code + Opus 連續三天 12 小時後的「中毒感」—— 像腦中多了一個別人擁有的「人」
Hacker News 社群給了他溫暖的送別

💡 為什麼重要：這是 AI 疲勞潮裡最具象的一個案例 —— 不是技術問題，是「AI 把協作型知識工作商品化」後，創作者的意義感流失。

🔗 閱讀原文 | 來源：openpath.quest

8. Google 換掉搜尋的鎖：零點擊時代來了 #

科技新報報導，Google 搜尋正面臨 25 年來最大的典範移轉 —— AI 摘要直接給答案，使用者不再點擊進網站，傳統 SEO 策略逐漸失效，進入「零點擊（zero-click）」時代。

搜尋從「連結導向」轉為「答案導向」，內容發佈者的流量結構被根本改寫
品牌與內容網站必須重新思考曝光與獲客方式

💡 為什麼重要：對所有靠搜尋流量維生的內容創作者、媒體、電商來說，這是生存層級的變化。流量的入口正在從「藍色連結」變成「AI 對話框」。

🔗 閱讀原文 | 來源：科技新報

9. SoftBank 砸 75 億歐元在法國蓋數據中心 #

SoftBank 宣布將投資最高 75 億歐元，在法國開發並營運最高 5GW 的數據中心容量，聚焦歐洲 AI 基礎設施。

金額 75 億歐元、容量 5GW —— 大型語言模型訓練與推論的算力軍備競賽延燒到歐洲
有助於降低歐洲對美國雲端的依賴，推動區域 AI 自主

💡 為什麼重要：在開發者喊累的同時，資本端對算力的下注完全沒踩煞車 —— 這正是今天「人累了，但錢沒停」反差的另一半。

🔗 閱讀原文 | 來源：TechCrunch

10. DoorDash 如何打造 LLM 測試系統對抗幻覺 #

ByteByteGo 拆解 DoorDash 如何建立一套「飛輪式」的 LLM 評測系統，解決客服聊天機器人的幻覺問題 —— 不是那種瞎掰整段對話的誇張幻覺，而是更難抓的細微錯誤，例如誤讀訂單狀態、然後信誓旦旦推薦一條根本不存在的退款政策。

問題根源之一是「上下文資訊太多反而更糟」—— working memory 塞太滿讓模型誤判
每次為了減少某個場景的幻覺所做的修改，都可能在別處製造新幻覺，團隊長期卡在兩難
解法是系統化的評測飛輪：定義關鍵旅程 → 建立評測指標 → 對照 ground truth → 迭代選型

💡 為什麼重要：對任何要把 LLM 放進生產環境的團隊，這是一份難得的真實工程案例 —— 在高風險場景，可靠性比模型有多強更重要。

🔗 閱讀原文 | 來源：ByteByteGo

11. Odysseus：自託管的 ChatGPT/Claude 替代工作區 #

本週 GitHub 竄起的高星專案（約 7,000+ stars），是一個自託管 AI 工作區，想做出「ChatGPT/Claude 的 UI 體驗，但跑在你自己的硬體上」。功能涵蓋聊天、agent、模型比較、深度研究、文件編輯、郵件、日曆、筆記任務與記憶體管理。

整合多種 LLM 後端：vLLM、llama.cpp、Ollama、OpenRouter、OpenAI，並支援 MCP 工具
技術棧含 ChromaDB 向量記憶體、CalDAV 日曆、IMAP/SMTP 郵件、PWA 行動端、Docker 部署
作者自嘲「就是更多 jank 但更好玩的自託管版本」

💡 為什麼重要：呼應今天的定價反彈 —— 當 AI 訂閱越來越貴、隱私越來越被在意，自託管的整合工作區會是越來越多開發者的退路。

🔗 閱讀原文 | 來源：GitHub

12. minWM：即時互動式影片世界模型框架 #

HuggingFace 本日趨勢論文之一，minWM 是一個全棧開源框架，實現「即時互動式影片世界模型」—— 用 physics-aware 的潛在表示來建模動態場景，並支援互動式控制。

以高效潛在空間表示達成即時生成，支援影片生成與編輯的互動控制
被定位為邁向「通用影片理解系統」的一步

💡 為什麼重要：影片世界模型若能即時互動，將解鎖遊戲、模擬、機器人訓練等一整類新應用，是 AI 從「靜態生成」走向「可互動世界」的重要方向。

🔗 閱讀原文 | 來源：HuggingFace

大神動態#

Simon Willison：本日連發數篇 AI 反思，從「取消 AI 訂閱」到 Anthropic 沙箱解析（詳見必讀 #1、#2）
Benedict Evans：「AI 是 1997 年」的冷靜定錨（詳見必讀 #3）
Daniel Jalkut：「反對的太反對、支持的太支持」（經 Simon Willison 轉 John Gruber，來源）

中文技術圈#

AI 推論躋身企業重要應用，身分管理成最大顧慮 — 企業導入 AI Agent，非人類身分（NHI）治理成為新挑戰。
AI Agent 干中學：「造輪子」讓我學會了什麼？ — 一篇親手打造 AI Agent 的學習經驗分享。
Linux 基金會與 OpenSSF 發布網路安全技能框架 — 為資安人才能力訂出共通框架。
Await：五分鐘把點子變成 iPhone 小組件 — 快速把想法做成 iOS 小工具的實用方法。
ChatGPT Pro 5X 雙倍結束，建議升級 Pro 20X — OpenAI ChatGPT Pro 方案調整的社群討論。

開源精選#

pewdiepie-archdaemon/odysseus — JavaScript | ⭐ 7.2K 自託管 AI 工作區，本地版 ChatGPT/Claude 體驗（詳見必讀 #11）。

op7418/guizang-social-card-skill — HTML | ⭐ 2.0K 小紅書圖文 + 公眾號封面生成 Skill，28 種版面、10 套主題。

helloianneo/ian-xiaohei-illustrations — ⭐ 1.4K 中文「小黑」怪誕正文配圖 Skill，16:9 白底手繪風。

Sophomoresty/gemini-web2api — Python | ⭐ 877 把 Gemini 網頁版轉成 OpenAI 相容 API，單檔零認證。

GordenSun/GordenPPTSkill — Python | ⭐ 756 AI 友善 PPT 產生器，17 套中文 PPTX 模板 + 非破壞性編輯。

影音精選#

AI code benchmarks lied to us #

1d · Theo (t3.gg)

Theo 拆解為何 SWE-bench Pro 等 coding benchmark 的數字已不可信 —— 題目不夠真實、且被污染外洩，模型作弊卻幾乎沒人查核。

不信 Qwen 37 Max、GLM 5.1 真的明顯勝過 OpenAI SOTA 模型
benchmark 題目脫離開發者真實用 agent 解的問題
Artificial Analysis 的「更好評測」本質只是換 harness 重跑舊 benchmark

💬 Yii 的話：這支跟今天必讀 #2、#7 是同一股情緒 —— 對「AI 一切都在變好」的集體不信任。對我們做產品的人來說，與其追榜單，不如建自己的 eval。

The Most Intense Workplace Culture in America | $0 到 $2.6BN #

2d · 20VC

20VC 訪問 Corgi Insurance 創辦人 Nico Laqua —— 一間 AI 原生保險公司，團隊一週工作七天、創辦人睡在辦公室、前 30 名員工有三分之二刺了公司刺青。本週剛募資 1.06 億美元，估值衝上 26 億美元。

「對輸的恐懼 vs 對贏的渴望」是創辦人核心驅動力
用 work trial（試做）篩掉不適合的人
認為 AI 讓銷售與行銷「更重要」，而不是更不重要

💬 Yii 的話：跟今天的「AI 疲勞潮」剛好是兩個極端 —— 一邊有人退出科技圈，一邊有人睡辦公室拚到 26 億估值。沒有標準答案，但這種強度的文化能不能撐到 1000 人，連創辦人自己都在問。

今日觀察#

把今天的版面攤開，最值得玩味的不是任何單一新聞，而是一條清楚的斷層線：資本與人力正在往相反方向走。SoftBank 砸 75 億歐元蓋 5GW 數據中心、GitHub Copilot 升級成 token 計費吸金，這些都在說「加速」；但 Simon Willison 轉發的「取消 AI 訂閱」、Chad Whitacre 真的退出科技圈當「AI 阿米許人」、開發者把 vibe coding 改口叫「slop」，這些都在說「我想慢下來」。連 Theo 拆穿 benchmark 造假，本質上也是同一股情緒 —— 對「AI 一切都在變好」這套敘事的不信任。Benedict Evans 的「1997」剛好給了這股疲勞一個出口：如果這真的是另一個網際網路，那它的價值會在未來十幾年慢慢兌現，而不是逼你今天就把生活和工作流全部重押進去。對個別開發者來說，今天的訊號或許是 —— 真正稀缺的能力不再是「用 AI 做得更多」，而是「有紀律地決定不用它做什麼」。

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