EP163 — 蓋章的人和洗章的人

每天花 1% 的時間，掌握科技脈動。

今日金句#

“Today, implementation is cheap. You are paid to make good decisions.” 「今天實作很便宜。你領的薪水，是拿來做好決定的。」 — Florian Herrengt，〈AI is removing the middle class of software engineering〉作者

“Running boring technology in a non-standard way is a risk.” 「用非標準的方式跑無聊的技術，本身就是風險。」 — Tailscale 工程團隊，追出 SQLite 潛伏 16 年的資料損毀 bug 之後

“No tool can certify that vendor detectors will fail.” 「沒有任何工具能保證廠商的偵測器一定會失效。」 — Guillaume Meyer，watermarks-remover 作者，寫在自己專案的說明檔裡

今日主軸#

今天最值得放在一起看的，是 Anthropic 開始為 Claude 的產出加隱形浮水印，以及 GitHub 本週漲最快的新專案 watermarks-remover，一個專門洗掉這類記號的工具，已經 2,284 顆星。Anthropic 做這件事的動機不是突然想管人，是歐盟 AI Act 的透明度要求；而那個移除工具分三層處理：清掉藏在文字裡看不見的 Unicode 字元、用改寫與來回翻譯打散統計層的取樣痕跡、再把圖檔裡的 C2PA 與 EXIF 拔光。

同一週還有第三個角色進場：兩位設計師發表了字型 ShieldFont，用連字機制讓網頁原始碼放的是錯的字、螢幕上畫出來才是對的，人讀正常、爬蟲抓到垃圾，上線沒幾天 GitHub 上就出現了專門破解它的 shieldbreaker。

三件事拼起來是同一個問題：網路上「這段內容從哪來、是誰做的」正在同時被加固和被拆解，而且拆解的速度看起來更快。Agentic Web Index 掃了 5,000 多個網站，發現 35% 的流量是 bot，ClaudeBot 佔 AI 爬蟲的 27.1%，同時有人正冒充 ClaudeBot 的身分去掃 .env、.aws/credentials 這些路徑。標記、洗標記、偽造標記，今天全部出現在同一天。

必讀#

Tailscale 追出 SQLite 潛伏 16 年的 WAL-Reset bug — Hacker News Dev
DeepSeek V4 Pro 0813 悄悄上線 OpenRouter — Hacker News AI
Zed 推出 Delta：人跟 agent 在同一個 thread 裡平起平坐 — Hacker News Dev
Qwen3.8-2.4T-A95B 開源：2.4 兆參數、只啟用 950 億 — Hacker News AI
GitHub Agent Plugins 1.0：五家大廠一起訂的外掛標準 — GitHub Tools
Anthropic 為 Claude 產出加隱形浮水印，使用者炸鍋 — TechCrunch AI
watermarks-remover 登上 GitHub 本週新專案第一 — GitHub Tools
ChatGPT 廣告擴張到英國、墨西哥、巴西、日本、南韓 — OpenAI AI
AI 正在移除軟體工程的中產階級 — Hacker News AI
ShieldFont：一款讓爬蟲讀到亂碼的字型 — Ars Technica Tools
Gowers：LLM 到底擅長哪一種數學 — Hacker News AI
35% 的網路流量是 bot，而且有人在冒充 ClaudeBot — Hacker News Security
Vercel 幫 AI SDK 蓋了一座軟體工廠 — Vercel Dev
Grok 4.6 追平 GPT-5.6 Sol 的綜合智力指數 — Hacker News AI
Twitch 預設拿實況內容訓練 Amazon AI，要自己去關 — The Verge AI

1. Tailscale 追出 SQLite 潛伏 16 年的 WAL-Reset bug #

Tailscale 的資料管線在讀 S3 備份時跑 PRAGMA integrity_check，發現資料庫壞掉。往回追，半年內累積了 19 起損毀事件，散在多個 shard 上。根因是寫入交易與 WAL checkpoint 之間的一個競態：在某個特定時間點寫入，系統會誤以為某些 page 已經從 WAL 複製回主檔，實際上沒有，結果是永久資料遺失加索引損毀。這個 bug 在 SQLite 裡至少躺了 16 年。

SQLite 核心開發者做了一個叫 tmstmpvfs 的除錯 shim 才把競態隔離出來，最後在 checkpoint 函式裡加了一道檢查，抓「不該發生的 WAL reset」
修正落在 SQLite 3.51.3（3.52.0 曾發布後撤回）
Tailscale 那邊補的是流程：更積極的自動備份、可決定性重放的交易日誌管線、以及在偵測到疑似損毀時就先打警告

💡 為什麼重要：SQLite 是全世界部署最廣的資料庫，「無聊、穩定、不會出事」是它的招牌。這件事說明的不是 SQLite 不可靠，而是當你用非標準的方式去跑它（Tailscale 的用法是高併發控制平面），那些十幾年沒人踩到的角落就會變成你的。

🔗 閱讀原文 | 來源: Tailscale

2. DeepSeek V4 Pro 0813 悄悄上線 OpenRouter #

DeepSeek 又出了一版，但這次沒有公告頁、沒有部落格文章，只是模型直接出現在 OpenRouter 上。開發者社群當天就炸開。規格是 MoE 架構，104 萬 token 的 context window、最多 38.4 萬 token 輸出，價格 0.435 美元／百萬輸入 token、0.87 美元／百萬輸出 token。

是否會照慣例釋出開源權重，目前沒有任何官方說法
Simon Willison 用他招牌的「騎腳踏車的鵜鶘」測了一輪，發現這個模型在低／中／高三種推理強度下畫出來的差異特別大，是他測過的模型裡少見的
Vercel 的 AI Gateway 同日把 deepseek-v4-pro-0813 接上更新後的權重

💡 為什麼重要：百萬級 context 加上這個價格帶，等於把「長文件整批丟進去」這件事的成本再往下壓一階。對做 RAG 或長對話產品的人來說，這直接改變架構選擇：以前要花力氣切 chunk 的東西，現在可能直接塞。

🔗 閱讀原文 | 來源: OpenRouter

3. Zed 推出 Delta：人跟 agent 在同一個 thread 裡平起平坐 #

Zed 的 Nathan Sobo 發表了 Delta，而且刻意說清楚：這是一個全新的獨立應用程式，不是 Zed 的新功能。理由是「要在數十萬每日使用者底下重建 Zed 的地基，等於打斷他們每天賴以工作的流程」。Delta 想解決的是以 commit 為單位的協作會流失脈絡：註解過期、意圖埋進 diff 裡。

核心是 DeltaDB，一個把對話與 worktree 即時同步給所有參與者的複寫式資料庫，跟既有 git repo 相容，抓的是 commit 與 commit 之間的編輯
人可以在程式碼行、對話步驟、甚至 agent 的思考區塊上留言，agent 看得到意見具體指向哪裡
原生支援 macOS／Windows／Linux，另外編成 WebAssembly + WebGL，瀏覽器不用安裝就能開共享 thread；可接第三方 agent，包含 Claude Code。目前私測，滾動發邀請

💡 為什麼重要：多數「AI 協作」工具是把 agent 塞進既有的 PR 流程；Delta 反過來，先問「如果 agent 從第一天就是團隊成員，這個工具長什麼樣」。DeltaDB 之後要併回 Zed，所以這其實是 Zed 下一代地基的公開測試場。

🔗 閱讀原文 | 來源: Zed

4. Qwen3.8-2.4T-A95B 開源：2.4 兆參數、只啟用 950 億 #

阿里的 Qwen 團隊在 Hugging Face 上放出 Qwen3.8-2.4T-A95B。命名已經把重點講完：2.4 兆總參數，但每次推論只啟用約 950 億，稀疏比大約 25 比 1。

MoE 架構，靠稀疏啟用把「總量很大」跟「推論成本可控」拆開
權重公開可下載，可自行微調與部署，不用綁供應商
跟 DeepSeek V4 Pro 同一天上榜，開發者社群當天的討論幾乎都在比較兩者

💡 為什麼重要：這一年中國開源模型的路線很一致：把總參數推高、把啟用參數壓低，用架構換成本。搭配科技新報今天引的那份數據（中國開源模型在每項任務成本上已經領先），這不只是「追上」，是在改變成本曲線的形狀。

🔗 閱讀原文 | 來源: Hugging Face

5. GitHub Agent Plugins 1.0：五家大廠一起訂的外掛標準 #

GitHub 宣布 Agent Plugins 1.0 正式發布（規格 8 月 6 日公開），核心維護者名單包含 AWS、Anysphere、微軟、OpenAI、Vercel 與 Google。做法是把 agent skill 跟 MCP server 包成可安裝的 plugin，一次寫好，在所有相容的 agent client 上都能用。

首波支援 VS Code、Copilot CLI 與 Copilot app
用 plugin.json manifest 描述能力，與 MCP server 整合
官方那句話講得很直白：「你現在可以做一次 plugin，然後在所有相容的 agent client 上使用。」

💡 為什麼重要：MCP 解決的是「agent 怎麼接工具」，Agent Plugins 解決的是「這一包東西怎麼發布和安裝」。競爭對手願意共同掛名維護，通常代表大家都認為分裂的成本比失去控制權更高。對寫 skill 的人來說，這是第一次有機會不用為每個客戶端重寫一次。

🔗 閱讀原文 | 來源: GitHub

6. Anthropic 為 Claude 產出加隱形浮水印，使用者炸鍋 #

Anthropic 開始在 Claude 的文字輸出裡嵌入隱形記號，動機是符合歐盟 AI Act 的透明度要求。TechCrunch 的報導重點不在技術，在反應：Reddit 上的討論明顯分成兩派。

反對方的說法很具體：「那個只是用 Claude 幫自己重排一段文字的學生，做完之後額頭上就多了一個數位刺青。」
另一種反對意見帶著諷刺：「我不用 Claude 寫東西，但一個會幫你的作品蓋浮水印的 AI，考慮到這些前沿模型的訓練資料是怎麼來的，這件事諷刺得可怕。」
但報導也指出多數留言其實支持，其中一句是：「你會不想要這個，唯一的理由就是你想騙人。」
Anthropic 沒有在報導中被引述任何實作細節、時程或退出機制

💡 為什麼重要：這是「AI 內容偵測」從對抗式（事後猜）轉向來源式（產生當下就標）的分水嶺。一旦記號來自源頭而不是猜測，公司跟學校就必須明確講出「哪些用法可以、哪些不行」，因為模糊地帶不再存在。

🔗 閱讀原文 | 來源: TechCrunch

7. watermarks-remover 登上 GitHub 本週新專案第一 #

這是本週新建 repo 裡星數漲最快的一個，2,284 顆星，Python 寫的。它把移除工作分成三層：Layer A 清掉隱形 Unicode 字元、雙向文字控制碼、tag 字元與奇怪空白；Layer B 用改寫、來回翻譯、子句重排去打散統計層的取樣痕跡；Layer C 拔掉檔案裡的 C2PA manifest、EXIF、XMP。

支援 PNG、JPEG、SVG、PDF、DOCX、ODT、HTML、Markdown；相依性以標準函式庫為主，選配 c2patool 與 exiftool
明確標示的目標包含 Claude 的 SynthID-Text、Gemini、OpenAI 與開源模型的來源標記；SynthID 的像素浮水印不在範圍內
作者自己講得很白：Layer B 的改寫會傷害文字品質，而且「沒有任何工具能保證廠商的偵測器一定會失效」

💡 為什麼重要：這個專案存在本身就是對浮水印穩健度的公開壓力測試。如果你要靠浮水印做內容認證，Layer B 這種改寫攻擊必須被當成預設威脅模型，而不是邊角案例。靜態的 Unicode 標記，基本上一行指令就沒了。

🔗 閱讀原文 | 來源: GitHub

8. ChatGPT 廣告擴張到英國、墨西哥、巴西、日本、南韓 #

這件事要把時間軸講清楚才不會誤讀：ChatGPT 的廣告測試是 2026 年 2 月 9 日在美國開始的，8 月 11 日這次更新是宣布正式在英國、墨西哥、巴西、日本與南韓上線，是第一次進入非英語的主要市場。

適用對象是已登入的成年使用者，免費版與 Go 方案；Plus、Pro、Business、Enterprise、Education 不顯示廣告
OpenAI 明說廣告不影響回答，廣告主拿不到對話內容、記憶或個人資料，只拿到曝光與點擊的彙總數據
未滿 18 歲的帳戶不投放；身心健康、政治等敏感或受規範主題不投放
免費版可以選擇關掉廣告，代價是每日免費訊息數會變少

💡 為什麼重要：最後那一條才是重點。「關掉廣告就少用一點」等於把注意力明碼標價成用量額度，這是 ChatGPT 第一次公開把免費使用者的價值換算給你看。台灣目前不在名單上，但按這個節奏應該不會太久。

🔗 閱讀原文 | 來源: OpenAI

9. AI 正在移除軟體工程的中產階級 #

Florian Herrengt 這篇在開發者社群引爆了今天最長的討論串。他的開場是一個很具體的畫面：2020 年你休假回來看到程式碼一團亂，你還修得回來；2026 年是一個普通的星期一早上，七個 PR 等你審，第一個打開來是加了 24,506 行、刪了 3,938 行。

他的論點不是初階工程師被取代，是「速度限制」被拿掉了。以前一週能推的量有上限，慢本身就是一種紀律，爛決定擴散不了那麼快
他點名的具體症狀：為了方便而反正規化資料庫、沒有證據就加 Kafka 或 serverless、agent 迴圈沒人看著就一直跑
最悲哀的部分是，這樣做出來的東西「在外行眼裡是會動的」，於是就一直做下去，直到沒有人知道任何東西是怎麼運作的

💡 為什麼重要：這篇的結論不是「AI 讓寫程式民主化」，而是相反：AI 把能力差距放大了。實作變便宜之後，瓶頸整個往上移到架構判斷跟技術溝通。他那句「你領的薪水是拿來做好決定的」，其實是在說一件很不舒服的事：如果你的價值主要來自把票寫成程式碼，那個價值正在快速貶值。

🔗 閱讀原文 | 來源: Hacker News

10. ShieldFont：一款讓爬蟲讀到亂碼的字型 #

設計師 Isaque Seneda 與 Gabriel Abrucio 發表了 ShieldFont，機制是把「連字」這個排版功能拿來做別的事。一般字型用連字把相鄰字母合成更好看的形狀；ShieldFont 拿它整個換掉單字。網頁原始碼裡放的是一組被改過的、無意義的文字，只有在字型引擎把頁面畫到螢幕上的那一刻，才會替換成正確的內容。

結果是：人看到的是完全正常的文章，直接下載原始碼的爬蟲拿到的是一份改過的版本
兩人在白皮書裡把定位寫成「給網頁發布者一個實際可行的 AI 訓練退出機制，並在這個選擇被忽視時破壞被收集到的內容」
GitHub 上 isaqueseneda/shieldfont 目前 367 顆星；同時已經出現 Sekinal/shieldbreaker（專門偵測與還原被 ShieldFont 汙染的文字）與 Firsak/shieldfont-measured（實測代價與破口，副標直接說「為什麼私有替換字典救不了它」）

💡 為什麼重要：這是 robots.txt 失效之後的下一步：從「請不要抓」變成「抓了也沒用」。但破解專案在幾天內就出現，也說明這類防禦的半衰期非常短。真正要注意的是副作用：螢幕閱讀器、複製貼上、搜尋引擎索引拿到的都是原始碼那份，也就是壞掉的那份。

🔗 閱讀原文 | 來源: Ars Technica

11. Gowers：LLM 到底擅長哪一種數學 #

Fields 獎得主 Timothy Gowers 在 OpenAI 宣稱「解決了十個重大數學問題」的幾天後寫了這篇。他的切法不是「LLM 行不行」，而是「哪一類問題的結構對它有利」。

他的答案是：當證明過程帶有機率性、最好的方法就是「試很多不見得多新穎的想法，試到某個點運氣好中了」，LLM 就有優勢
它們弱的地方是需要狠狠剪枝的搜尋樹，也就是數學家那種說不清楚的「聞得出哪個方向有進展」的能力
對 OpenAI 那批結果，他的評價很克制：非 sofic 群那個對他來說比較像「第一個例子」而不是反例，因為專家本來就沒那麼相信所有群都是 sofic；Ramsey 那個超指數界限對某些人是驚喜，但他自己本來就預期是超指數
他給的判準很漂亮：「LLM 真的達到人類水準的好徵兆，會是它們開始用那種新穎、令人驚訝、但事後回頭看又美麗自然的方法證明定理。」

💡 為什麼重要：這是一個具備完整判斷力的內行人，對 AI 能力做出的細緻切分，而不是站隊。這個框架可以直接搬到任何領域用：問「這是把已知方法加速了，還是產生了新的洞見」。前者很有價值，但兩者不是同一件事。

🔗 閱讀原文 | 來源: Hacker News

12. 35% 的網路流量是 bot，而且有人在冒充 ClaudeBot #

Agentic Web Index 掃了 5,000 多個網站，公布了一組數字：整體 35% 的流量是 bot，其中 ClaudeBot 佔所有 AI 爬蟲流量的 27.1%，是量體最大的。但真正的重點在後半段。

有一個大規模的活動正在偽造 user-agent 冒充 AI bot（Googlebot 佔偽造流量 0.5%、ChatGPT-User 0.1%），目的是掃描漏洞
掃描目標很明確地針對 AI 開發工具會留下的路徑：.aws/credentials、Firebase 金鑰、Anthropic／Claude／OpenAI 的設定檔、.env、secrets.json、Terraform state、Docker 設定、.npmrc
防禦方法是不要相信 user-agent 自稱的身分，改用 IP 驗證或 Web Bot Auth 標準比對

💡 為什麼重要：很多站點對「知名 AI 爬蟲」是放行的，這個信任現在被拿來當成攻擊面。而攻擊者挑的路徑清單本身就是一份提醒：這幾年我們把一堆憑證放進了專案目錄，因為 agent 需要讀得到。

🔗 閱讀原文 | 來源: Agentic Web Index

13. Vercel 幫 AI SDK 蓋了一座軟體工廠 #

到 2026 年 6 月，Vercel 維護的 AI SDK 累積了一千多個未處理 issue。他們的解法不是丟一個萬能 agent 進去，而是拆成一條專職流水線：分類、分析、實作、審查、backport、寫文件各自獨立。

四週內未處理 issue 從 1,022 降到 844，bug 類約減少 25%
目前每週合併的 PR 裡有 25% 到 35% 是這條流水線產出的，issue 關閉率 70% 到 80%，v6 發布線超過一半的合併是它做的 backport
基礎建設是 GitHub webhook 進處理佇列、跑在 Vercel Sandbox 裡、加上防資料外洩的網路防護；審查資源按風險分配，文件與小 bug 走快線，新 API 與安全相關的留給人深看
他們寫的那句話是整篇的重點：人類的當責，仍然是 agentic 工程裡信任的核心

💡 為什麼重要：這是目前少數把「agent 開發流水線」講到有數字、有失敗模式、有邊界的公開案例。跟同一天 PostHog 那篇談「軟體工廠可不可行」放在一起看特別有意思：一邊在辯論可行性，一邊已經在報四週的數字了。

🔗 閱讀原文 | 來源: Vercel

14. Grok 4.6 追平 GPT-5.6 Sol 的綜合智力指數 #

xAI 在 8 月 12 日發布 Grok 4.6，在 Artificial Analysis 的綜合智力指數上拿到 61 分，與 GPT-5.6 Sol 打平。訓練重點放在長時間運行的 agent 與視覺／互動工作。

分項：CursorBench 3.2 拿 69.9%、DeepSWE 1.1 拿 65.9%、FrontierCode 1.1 拿 61.3%、APEX-Agents 拿 57.5%
價格 2 美元／百萬輸入 token、6 美元／百萬輸出 token，fast 版本雙倍；首週免費用量加倍
上架通路很廣：Cursor、Grok Build、API、OpenRouter、Vercel、Cloudflare

💡 為什麼重要：分項落差說明了它的形狀，編碼類（CursorBench 69.9%）明顯強過多步驟 agent 任務（APEX-Agents 57.5%）。如果你的工作流偏「一次寫一段程式碼」，值得拿首週免費額度實測；如果偏長鏈條的自主任務，先別急著換。

🔗 閱讀原文 | 來源: xAI

15. Twitch 預設拿實況內容訓練 Amazon AI，要自己去關 #

Twitch 開放了退出機制，讓實況主可以選擇不讓自己的內容被拿去訓練 Amazon 的 AI。重點是「開放退出」這四個字：預設是開啟的，而且這件事已經進行了兩年以上。

涵蓋範圍包含 VOD、精華片段、聊天室內容、頻道圖片與文字
設定位置在帳號設定裡，要自己去找、自己去關
同一天 TechCrunch 與 Ars Technica 都報了，切角一致：不是「新增了用途」，是「終於讓你能拒絕」

💡 為什麼重要：跟今天的浮水印主題是同一枚硬幣的另一面。平台在你的產出上蓋章這件事會被討論很久，但平台把你的產出拿走這件事，多數人是在退出選項出現的那天才知道。預設值就是政策。

🔗 閱讀原文 | 來源: The Verge

中文技術圈#

別再所有人平分 AI 算力：頂級模型給資深工程師才省錢 — 把頂級模型額度平均分給全隊其實不省錢，而新人靠刷題累積經驗的路徑在 AI 時代已失效
科技巨頭賣 AI 願景高喊週休三日，基層卻陷「每週 90 小時」 — 高層對外講 AI 會讓大家少工作，內部工程師的實際工時往反方向走
中國開源模型效能逼近美國，DeepSeek 拿下最低任務成本紀錄 — 效能差距在縮小，但更關鍵的是每項任務成本已經領先
Meta 共同創辦人十萬言長文炮轟閉源，宣布重回開源路線 — 跟今天 Mistral 的主權 AI、白宮考慮把開放模型納入監管，是同一組張力的三個方向
AI 資料中心擴張遇阻，EIA 大砍德州 2027 年用電成長預測 — 電力這個實體約束開始出現在官方預測裡
美參議員喊話 OpenAI、Anthropic、Meta：停止開發，否則國會介入 — 監管壓力從歐盟延伸到美國國會
對話少數派老麥：從 Palm、WebOS 到 AI 硬體 — 一路做過幾個時代的硬體，談他為什麼還是不想成為多數派
面壁智能正式啟動 IPO，端側模型走向資本市場 — 中信證券輔導，端側模型第一次面對公開市場的檢視
AI 代理應用崛起，從端到雲帶動核心半導體元件需求 — agent 的算力需求開始反映到零組件端
榮耀首款機器人手機推出，瞄準 AI 影像新賽道 — 把雲台結構做進手機本體

開源精選#

本週新建 repo，依 Star 排序。

ShawnPana/phone-harness — Python | ⭐ 1,635 讓你的 agent 直接操控手機。

oil-oil/oil-motion — Python | ⭐ 1,611 做流暢、有回饋感的網頁互動動畫。

antirez/h3.c — C | ⭐ 1,588 Redis 作者 antirez 手寫的 MiniMax H3 Mac 推論引擎。

SMNETSTUDIO/WeChat-AI — TypeScript | ⭐ 1,519 微信 AI 整合。

Flaminis/Dalaran — Rust | ⭐ 887 機器人優先的多模態時序資料視覺化，ROS 2 原生，可讀既有 .rrd 錄檔，Rerun 的硬分支。

MengTo/kage — HTML | ⭐ 859 用 Three.js 即時渲染的京都山寺夜行，五個章節。

sohaibdevv/youtube-music — TypeScript | ⭐ 850 輕量、無廣告的 YouTube Music 串流客戶端，支援背景播放與自訂播放清單。

SaladDay/pi-from-scratch — TypeScript | ⭐ 752 600 行 TypeScript 寫出的迷你 pi-agent，從零理解 agent 怎麼運作。

gvzdv/claudish-to-english — Shell | ⭐ 619 把「Claude 腔」的英文改寫成人話。

sv-number/mcp-server — JavaScript | ⭐ 594 讓 agent 在 200 多國申辦私人門號並讀取簡訊驗證碼的 MCP server。

影音精選#

MIT 蹲點 3 天：機器人炒作比你想的更誇張 #

2 天前 · Fireship

主持人在 MIT CSAIL 待了三天訪談機器人研究者。結論跟矽谷的 demo 影片有落差：不需要靠 demo 募資的學者認為，能取代家事幫傭的機器人至少還要十年以上。

Gemini Robotics 2 用單一 VLA（視覺-語言-動作）模型控制人形機器人全身，包含腿、軀幹、手臂與手指
行走與翻跟斗已算解決，手部靈巧操作仍是未解難題
多數展示「多指靈巧操作」的 demo，細看說明都藏有限制或誇大

Chelsea Finn 談機器人技術最前沿現況 #

1 天前 · Y Combinator

Physical Intelligence 共同創辦人 Chelsea Finn 在 YC Startup School 的分享。過去一年機器人已經能洗油膩的鍋子、削紅蘿蔔、做起司三明治，她認為機器人正在進入自己的「GPT 時代」。

強化學習讓任務吞吐量提升 2 倍，而且能從失敗中自我改進
可自主連續運作長達 13 小時
通用模型的表現已經能打敗針對特定任務微調的專用模型

Meta 新模型想深入取得你的個人生活資料 #

1 天前 · Fireship

Meta 發布 Muse Glimmer，300 億參數、Apache 2.0 完全開源、小到能在一般消費級 PC 上跑的代理型模型。影片的切角是隱私：官方強調 agent 需要「深度存取」個人情境，這句話本身值得停下來想。

從先前閉源的 Muse Spark 蒸餾而來，是 Llama 4 基準爭議之後的開源復出之作
量化後約 17GB，Ollama、LM Studio、llama.cpp 都能直接接
強調 agent 需要深度存取信箱、行事曆等個人資料

Skill 描述其實是觸發關鍵字，不是說明文件 #

2 天前 · Theo (t3.gg)

一個很實際的提醒：寫 AI skill 的 description 時，應該把它當成「觸發用的關鍵字」而不是「完整功能說明」。

description 不論 skill 有沒有被呼叫都會被載入 context，塞太多細節就是在浪費它
反面案例是 description 寫得太完整，導致模型根本不需要真的呼叫該 skill 就能拿到資訊
這個設計意圖被浪費掉的情況，在社群裡比想像中常見

用 3 個字的 Prompt 指揮 34 個 AI 代理人 #

1 天前 · Greg Isenberg

訪談 Allie K. Miller（曾任職 IBM、AWS，管理過數十億美元 AI 業務）。她目前用一個 34 個代理人的團隊經營業務，核心 prompt 只有三個字：do smart things。

這三個字能用，前提是建立在完整的商業情境之上，而不是逐一下指令
團隊架構是一位 AI 幕僚長加上 6 位以《六人行》角色命名的 AI 總監
靠每日口述日記把散落在會議外的情境餵進去，已累積超過 80 則；子代理人多用小模型，重活才交給大模型

大企業為何不信任前沿 AI 模型 #

1 天前 · 20VC

OpenRouter 執行長 Alex Atallah 提出一個反直覺的觀察：美國企業對閉源前沿模型的疑慮，往往比對中國開源模型還大。

原因是資料政策不透明，企業搞不清楚 prompt 被送到哪裡、誰能存取、怎麼儲存
關鍵痛點是無法自架在自己機器或指定供應商上執行
這種不確定性會被企業直接當成風險訊號

Seedance 2.5 實測：神級效果與一個致命缺陷 #

2 天前 · Matt Wolfe

實測全球上線的 Seedance 2.5，測了首尾幀、多重參考圖、聲音複製與完整影片編輯。有些成果很驚人，但老問題還在，而且最大的問題是價格。

720p 五秒影片實測約 1.15 美元，比 Seedance 2.0 貴約 52%
傳送瞬移、物件消失、語言錯誤、物理失真等舊問題仍未解決
開源的 MiniMax H3 每秒成本僅 8 美分，遠低於 Seedance 2.5 的 17 美分

多數 AI Router 為何注定會落後 #

2 天前 · 20VC

同一位受訪者談做 router 這件事。他認為很多公司做 AI router 只是因為「這很時髦」，而這種心態一開始就把公司放在模仿而不是求勝的位置。

跟風做的團隊，進度會落後全職投入者好幾個月
半調子的路由服務反而削弱使用者的槓桿
核心價值是讓用戶存取更多模型、降低對單一模型的依賴

Circleback CEO：公司該多錄會議的理由 #

2 天前 · Y Combinator

YC W24 校友、Circleback 共同創辦人 Ali Haghani 分享 AI 會議筆記的非典型用法。

不只記錄與指派待辦，還能串接 CRM、Slack 自動更新資訊
團隊可以像查詢公司大腦一樣，查詢所有歷史對話紀錄
他也談到哪些事情不會授權給代理人自主執行

AI 為何可能成為史上最大的市場 #

2 天前 · 20VC

Alex Atallah 的市場觀點：不會有單一公司獨佔 AI 市場，因為即使企業訓練自己的專屬模型，生態系裡其他人也在用新資料訓練新模型。

企業自訓模型仍須持續嘗試、合併其他模型才能維持水準並降低成本
他認為 AI 會是科技史上、甚至人類史上最大的單一市場
建議企業專精某個對自己最重要的細分領域，而不是追求全面通用

今日觀察#

今天最能說明我們處境的，不是任何一則新聞本身，而是它們出現的時間差有多短。Anthropic 為了符合歐盟 AI Act 開始在 Claude 的產出裡蓋章，同一週 GitHub 上漲最快的新專案就是把章洗掉的工具；ShieldFont 發表沒幾天，專門破解它的 shieldbreaker 就出現在 GitHub 上；Agentic Web Index 一邊統計 ClaudeBot 佔了 AI 爬蟲流量的 27.1%，一邊發現有人正冒用這個身分去掃別人的 .env。防禦與繞過現在幾乎是同步發生的，沒有誰能靠一個技術措施撐超過一季。有意思的是，Vercel 那篇談 agent 流水線的文章，反而在最技術的地方給出了最不技術的結論：人類的當責，仍然是 agentic 工程裡信任的核心。這大概是今天所有事情共同指向的地方——當每一種機器可讀的記號都能被機器洗掉，最後真正還撐得住的，是有一個具體的人願意在後面簽名。

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