yii.
← Digest
EP115 · 2026年6月24日 星期三 · 8 min read

AI 住進公司的這一天

每天花 1% 的時間，掌握科技脈動。

今日金句#

“Destyling causes average attack success in our dataset to plunge from 61% to 10%.” 「只要抹除『風格』，攻擊成功率就從 61% 暴跌到 10%。」 — Charles Ye, Jasmine Cui, Dylan Hadfield-Menell, Prompt Injection 研究團隊

“SpaceX/xAI has created an increasingly important strategic layer between model builders and hardware supply.” 「SpaceX/xAI 在模型開發者與硬體供應之間，創造了一個越來越關鍵的戰略夾層。」 — Jamin Ball, Latent Space 分析師

“AI was nearly 3x more effective than professional canvassers at securing real-money donations.” 「在真金白銀的募款上，AI 的成效幾乎是專業募款員的三倍。」 — Oxford/Stanford/LSE Research Team

今日主軸：AI 住進公司了，但信任的地基還在搖#

今天的新聞攤開來看，是同一個故事的三個切面：AI 正在從「外面的工具」搬進「公司的核心」，而搬進來的同時，信任與成本的帳單也一起寄到了。Anthropic 推出 Claude Tag，讓 Claude 直接住進 Slack 頻道、像同事一樣累積你公司的組織知識，內部已有 65% 產品團隊的程式碼出自它手；但就在同一天，牛津、史丹佛與 LSE 的研究（Simon Willison 整理）證明，模型分辨「誰在說話」靠的是文字風格而不是真實的角色邊界——抹掉風格，安全防線就從 61% 崩到 10%。而這一切的地基是算力：SpaceX 光靠租 GPU 一年就進帳 280 億美元，是 CoreWeave 的兩倍。當 AI 越深入公司、越無所不在，真正該問的就不再是「它能不能做」，而是「我們憑什麼信它」——以及「這份信任，誰在收租」。

必讀#

1. Anthropic 推出 Claude Tag：住進 Slack 的 AI 同事#

Claude Tag

Anthropic 推出 Claude Tag，讓團隊直接在 Slack 頻道中 tag @Claude 提出需求。每個頻道維持「單一 Claude 身分」，由全體成員共享、可跨頻道接手工作，並隨頻道活動持續累積組織知識。它支援非同步運作——你委派任務後可以去忙別的，Claude 自己跑完還能排程後續行動。底層用的是 Opus 4.8，管理員可逐頻道定義 Claude 能存取的工具與資料，建立隔離的權限邊界。

  • Anthropic 內部已有 65% 產品團隊的程式碼源自內部版 Claude Tag，範圍涵蓋指標追蹤、客服工單與除錯
  • 支援反應式（被 tag）與主動式「環境模式」（自動標記問題、追蹤後續），管理員可控制每個實例的工具/資料/頻道範圍
  • 目前僅開放 Claude Enterprise 與 Team 客戶測試版使用，全程記錄 Claude 活動與需求者

💡 為什麼重要：這代表企業 AI 的戰場正從「工具」轉向「組織知識層」——誰擁有你公司的上下文，誰就握有黏著度。直接對標微軟 Graph 策略，也是與 OpenAI、Glean、Snowflake 競爭的差異化關鍵。

🔗 閱讀原文 | 來源：Anthropic

2. AI 說服力全面超越人類專家，募款成效近 3 倍#

Import AI 462

牛津、史丹佛與 LSE 團隊用 4 項實驗、18,978 場對話、6,923 名參與者證實：AI 在文字說服力上已穩定超越人類專家，即便對方事先研究議題、還有 1,000 英鎊獎金激勵也追不上。最驚人的是真金白銀的募款場景——AI 向英國非營利募款的成效，是專業募款人員的近 3 倍。

  • AI 的優勢來自「資訊量與速度」而非論證品質——當訊息長度與寫作速度被限制在人類水準，AI 優勢從 4.1 個百分點直接歸零
  • 說服力最強的模型為 Opus 4.1 與 Opus 4.6
  • 研究點出政策難題——說服力若集中在少數能負擔頂級 AI 的行為者手中，將是社會層級的風險

💡 為什麼重要：當 AI 說服力可被規模化部署，組織既要用它提升溝通效能，也得開始防禦「外部 AI 說服攻擊」——這是行銷、詐騙與資訊戰的共同前線。

🔗 閱讀原文 | 來源：Import AI

3. 提示注入即「角色混淆」：抹掉風格攻擊率 61%→10%#

Prompt Injection as Role Confusion

Charles Ye、Jasmine Cui、Dylan Hadfield-Menell 的研究發現，語言模型在判斷「這段文字屬於系統指令還是使用者輸入」時，依據的是文字風格而非實際角色標籤。研究員把惡意請求重新格式化、模仿模型內部思考的風格後，防禦機制急劇失效；反過來「去風格化」（destyling）則讓平均攻擊成功率從 61% 暴跌到 10%。

  • <system>、<think>、<assistant> 等角色標籤的「外觀」比內容語義更具影響力，模型有時甚至因此覆蓋安全訓練
  • 在 gpt-oss-20b 等開源模型上重現，揭示這是當前架構的根本缺陷而非個案
  • 研究員警告防禦將陷入「永恆的打地鼠」，因為模型缺乏對指令邊界的穩健語義理解

💡 為什麼重要：當 Claude Tag 這類 AI 開始接觸企業內部資料與工具，提示注入就不再是學術問題——它是把 AI 放進公司核心前，必須先補上的信任地基。

🔗 閱讀原文 | 來源：Simon Willison

4. SpaceX 已是年營收 280 億美元的「新雲端」#

SpaceX neocloud

SpaceX 靠出租 GPU 算力，已悄悄成為年化營收 280 億美元的「新雲端（neocloud）」供應商，規模是 CoreWeave 目前營收的兩倍。Reflection AI 簽下 63 億美元合約、月租 1.5 億美元直到 2029；Anthropic 的 Colossus 叢集月租達 1.25 億美元；加上 Google，三方合計月營收約 2.32 億美元、年化逼近 280 億。

  • Blackwell GPU 時租價格超過 10 美元，遠高於商業雲端定價，但合約附帶 90 天退出條款
  • 硬體製造商正直接切入軟體層獲利，打破傳統雲端服務商的壟斷
  • 分析師 Jamin Ball 認為 SpaceX/xAI 已在「模型開發者」與「硬體供應」之間，建立起關鍵的戰略夾層

💡 為什麼重要：AI 時代真正在收租的是握有算力的人。對馬斯克版圖而言，SpaceX 不只是火箭公司，更是 AI 基礎設施的隱形莊家。

🔗 閱讀原文 | 來源：Latent Space

5. Claude Mythos 如何找出 Firefox 15 年舊漏洞#

Mythos Firefox bug

Mozilla 傑出工程師 Brian Grinstead 分享，他的團隊用 Claude Mythos 驅動的 agent 管線，在 Firefox 數千萬行程式碼裡找出並修復了一個潛伏 15 年的安全漏洞，創下單月修補紀錄。但他的核心觀點是：功勞應在模型與工程架構之間平分，而非全歸給新模型。

  • 系統採三層設計——LLM 評分器優先排序高風險檔案、驗證子 agent 消除誤報、目標迴圈讓 agent 超越人類放棄點繼續重試
  • harness 與 pipeline 的貢獻和模型本身約各佔 50%
  • AI 生成的修補程式仍需人類審核才能合入主線——AI 能找問題，但不能獨立驗收

💡 為什麼重要：這給所有想用 AI 做高風險決策的團隊一個務實提醒：agent 的成敗取決於工程架構的品質，而不是換上最新模型就好。

🔗 閱讀原文 | 來源：Lenny’s Newsletter

6. OpenAI 推「Patch the Planet」助修開源漏洞#

OpenAI Patch the Planet

OpenAI 與資安公司 Trail of Bits 合作推出「Patch the Planet」計畫，讓安全工程師與開源維護者並肩工作，找出並修復漏洞；OpenAI 提供 Codex Security 等工具協助評審。運作模式是「安全工程師先行評審結果，再交付維護者，並與專案共同開發補丁與測試」，目標是減輕維護者負擔。

  • 聚焦資源不足、卻是商業軟體基礎的開源專案（如 Log4j 等供應鏈痛點）
  • OpenAI 把自己定位為「防禦性安全加強者」，而非利用 AI 尋找可利用漏洞
  • 被視為對 Anthropic 安全工具 Mythos 的競爭性回應

💡 為什麼重要：開源安全長期是供應鏈最脆弱的環節。大廠用 AI 補洞，是把模型能力導向「集體防禦」的一次正面示範。

🔗 閱讀原文 | 來源：TechCrunch

7. 日本 Sakana AI 發表 Fugu 多 Agent 編排系統#

Sakana Fugu

日本新創 Sakana AI 推出 Fugu 多智能體編排系統，效能對標 Claude Fable 與 Mythos，卻沒有出口管制風險。Fugu 本身是一個會「呼叫智能體池」的大型語言模型，把複雜請求拆成子任務、動態路由給專家模型，甚至能遞迴呼叫自己的變體。

  • Fugu 在 LiveCodeBench 上超越 Claude Fable 5、在 GPQA-D 上優於 Claude Mythos Preview
  • 可動態交換底層模型以規避供應商鎖定與地緣政治風險
  • Fugu Ultra 定價每百萬輸入 token 5 美元、輸出 30 美元

💡 為什麼重要：模型「編排」正成為比「純規模擴張」更重要的前沿——這對下游應用開發者是好消息：用組合拳，就不必把賭注全押在單一供應商。

🔗 閱讀原文 | 來源：科技新報

8. Pragmatic Engineer：放慢才能加速，從 Meta 大事故談起#

Slow down to speed up

Gergely Orosz 以「Meta AI 聊天機器人允許未授權接管他人帳號（甚至能改歐巴馬的帳號資訊）」這起事故開場，指出根因是 AI 寫的程式碼只由 AI 系統審查。自 2025 年 11 月起，AI 驅動團隊的 PR 數量暴增 5 倍，但人類審查機制沒跟上。

  • 個別開發者生產力大增，但「團隊層級」生產力卻持平——多出來的往往是技術債與安全風險
  • Meta 安全與完整性團隊遭裁員、重編去做 AI 標籤，Instagram 信任安全人力減半，是結構性根因
  • Uber 用 code mailbox、風險分析與智能 PR 指派，示範了安全與速度的平衡

💡 為什麼重要：跟 Claude Tag、SpaceX 放在一起看，這是今天最清醒的一篇——在把 AI 推進生產之前，先把審查與防護的基礎設施建好，才是真正的「快」。

🔗 閱讀原文 | 來源：Pragmatic Engineer

9. Baidu Unlimited-OCR：一次性長文解析新時代#

Unlimited-OCR

百度開源 Unlimited-OCR，把 DeepSeek-OCR 的能力推進到「一次性長視野解析」。它支援單張影像、多頁文件與 PDF 長文，最大上下文長度達 32,768 token，提供 Gundam 與 Base 兩種模式，並支援 Hugging Face Transformers 與 SGLang 高效推理、OpenAI 相容 API。

  • 以 no-repeat n-gram（ngram_size=35）機制解決長序列生成的重複與幻覺問題
  • 可在單次推理中處理完整多頁文件上下文，適合批量文件數位化、合約分析、報告提取
  • GitHub 一週新星約 3,400，本週 Trending 第一；MIT 授權

💡 為什麼重要：對做文件自動化與知識管理的團隊，長視野 OCR 是把「掃描→理解」整條管線重做的機會。

🔗 閱讀原文 | 來源：GitHub

10. 前 Meta L8 工程師的 Agentic 開發全套設定#

Agentic Engineering Setup

前 Meta/Atlassian 主任工程師 Kun Chen 分享他離開大廠後全面轉型 agentic 工程的完整工具鏈，目前一天能合入 30+ 高品質 PR。核心心法是把自己定位為「orchestrator（編排者）」而非「執行者」，讓 AI agent 承擔大量實作，人類專注架構決策與品質把關。

  • 強調 orchestrator 心態——人的價值在「要建什麼」與「品質閘門」，不在打字
  • 完整工具鏈涵蓋多 agent 並行、明確的通過/失敗判準
  • 與 ByteByteGo 同系列的「AI 原生領導者」組織轉型 playbook 互補

💡 為什麼重要：這是 Claude Tag / Sakana Fugu 的個人實踐版——同樣的 orchestrator 思維，正在從個人工作流擴散到組織設計。

🔗 閱讀原文 | 來源：ByteByteGo

推薦閱讀#

How to write AI agent loops

大神動態#

中文技術圈#

OpenRouter Fusion

開源精選#

baidu/Unlimited-OCR — Python | ⭐ 3.4K 一次性長文解析 OCR，最大 32K token 上下文（詳見必讀 #9）

aidenybai/cnfast — TypeScript | ⭐ 780 cn 工具的高效能即插即用替代品

cloudflare/security-audit-skill — JavaScript | ⭐ 483 多階段安全稽核的 coding-agent skill，產出可驗證的機器可讀發現

bozhouDev/codex-orange-book — HTML | ⭐ 438 Codex 橙皮書：從安裝到實戰的全鏈路使用指南

raiyanyahya/recall — Python | ⭐ 407 給 Claude Code 的離線持久記憶，省下重複解釋專案的 token

overflowy/make-look-scanned — Go | ⭐ 376 把 PDF 變成「像是掃描過」的樣子（CLI 或瀏覽器 WASM）

HKUDS/AgentSpace — TypeScript | ⭐ 304 「人 + Agent 同隊、共用工作區」的協作框架

samasante/liquid-glass — TypeScript | ⭐ 212 Apple 風格 Liquid Glass，無依賴的 React 透鏡折射即時 DOM

影音精選#

GLM 5.2 本地 AI 實戰：成本比 Opus 省 5 倍#

~27 小時前 · Greg Isenberg

Greg Isenberg

Greg Isenberg 邀 Amir 示範在 Cursor / Codex 整合 GLM 5.2 本地模型。相同任務 GLM 5.2 約花 44 美分，Opus 4.8 需 2.38 美元，省約 5 倍；GLM 5.2 有 100 萬 token 上下文、Terminal Bench 2.1 評分 81（Opus 約 85）。

  • 「Fusion 方法」：Opus 規劃 + GLM 5.2 執行 + Composer/Codex 審查，兼顧品質與成本
  • 對個人開發者與小團隊，是壓低 AI 編程成本的實用配置

Midjourney 跨界醫療：超音波 CT 挑戰 MRI#

~23 小時前 · Fireship

Fireship

Midjourney 成立 Medical 部門，要做全身超音波 CT，宣稱速度比 MRI 快近 100 倍且無輻射。裝置用 50 萬顆砂粒大小感測器在水中發射超音波，靠 Midjourney 擅長的「從模糊資料重建影像」生成體內掃描。

  • 每秒產生 TB 級資料，掃描速度比 MRI 快近 100 倍
  • 把生成式 AI 的「去雜訊重建」能力，跨界用到醫療影像

Palo Alto 執行長：Token 成本終將降至 1/10#

~42 小時前 · 20VC

20VC

Palo Alto Networks 執行長 Nikesh Arora 深談企業 AI：他預測 token 長期定價將降至現在的 1/10，而最會用 AI 的員工可能消耗普通員工 20 倍的 token，限制他們的預算反而會傷害最有生產力的人才。

  • token 長期價格應降至現在的 1/10
  • 限制最會用 AI 的員工反而傷害生產力，因為他們的產出與 token 用量成正比

今日觀察#

把今天三條最強的線並排，會看到一個尷尬的時間差：能力跑在信任前面。Anthropic 的 Claude Tag 已經能住進 Slack、累積你公司的組織知識，內部六成五的產品程式碼出自它手——可是同一天，提示注入研究才剛證明，模型分辨「誰在對它說話」靠的竟是文字風格，抹掉風格防線就從 61% 崩到 10%。我們正把 AI 請進公司最核心的位置，而它判斷敵我的方式，比我們想像的還要表面。Pragmatic Engineer 用 Meta 那場「最尷尬事故」把這件事講白了：當 AI 寫的程式只由 AI 審、PR 暴增 5 倍而人類把關沒跟上，速度買來的其實是還沒爆的風險。而最底層，SpaceX 靠租 GPU 年賺 280 億提醒我們，這場豪賭的租金正流向握有算力的人。對每個正在把 AI 接進工作流的開發者，今天值得記下的不是哪個模型更強，而是：在按下「全速前進」之前，先確認信任的地基有沒有先鋪好。

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