Cheng's Tech & Life

跑分榜這週熱鬧得像過年，但每一則放上頭條的數字，旁邊都躲著一個沒人願意唸出來的數字。一個模型爬上第一名，同一份報告裡它的幻覺率也翻倍；一個產品把生產力搬進你口袋，同一份公告裡它也把「你必須在場」這道保險絲拆掉了。看新聞看久了會有個習慣：別人塞給你的那個亮眼數字先擺一邊，去翻它旁邊那欄小字。這禮拜的小字特別多。 一、Grok 4.5 衝上跑分第一，幻覺率也悄悄衝到 54%SpaceXAI 的 Grok 4.5 這幾天很風光。在 AutomationBench 這種長時程代理測試上它拿了第一，Musk 在 X 上說「表現比預期還好」，價格更是狠——每百萬 input token 只要 2 美元，跑一個 coding 任務約 2.49 美元，Claude Fable 5 要 11.8 美元。便宜到有人說跑分差一點根本無所謂。 問題在旁邊那欄。Artificial Analysis 的 AA-Omniscience 指標顯示，Grok 4.5 的準確率從 35% 拉到 52%，聽起來很讚；但幻覺率同時從 25% 跳到 54%。翻成白話：它知道的更多了，可是它答錯的時候，更敢一口咬定。而且...

先別問它有多少功能。先問你自己一件事：你叫 AI 幫你寫一個登入功能的時候，它有沒有先問你規格、先寫測試、寫完自己跑一次安全檢查？ 答案幾乎都是沒有。它直接開始敲 code。因為對一個 coding agent 來說，「把功能生出來」就是任務達成，中間那些寫 spec、補測試、審安全的動作，在它眼裡都是繞路。你不主動要求，它一步都不會做。 Addy Osmani——就是 Google Chrome 那位效能工程師——開源的 agent-skills，整件事就是衝著這個來的。它把 20 個資深工程師的工作流程（怎麼寫 spec、怎麼跑 TDD、怎麼做安全審查、怎麼記 ADR）封裝成一疊結構化的 Markdown，塞給 Claude Code、Cursor 這類 agent，讓工程紀律變成它的預設行為，而不是每次都要你在旁邊碎念。GitHub 上 22k+ 顆星，這個數字在開發者工具裡算是相當能打了。連結在文末。 所以問題就變成：這套值不值得你裝？以及更重要的——什麼時候它反而是個壞選擇？ 它真正解掉的，是「你懶得每次都講一遍」拿帶新人來比。一個很聰明但很急的新人，技術沒問題，可是你...

先別急著查怎麼設定。先問一個更基本的問題：當你在終端機打一句話給 Claude，它按下 Enter 那一刻，腦袋裡到底裝了哪些字？ 多數人以為就一層——我打的那句話。其實至少有三層，而且它們的地位天差地遠。搞懂這三層各在哪，你才會明白為什麼「每次都要重講一遍」這件事這麼煩，以及它其實有解。 拆開來看：一次對話，Claude 讀到的三層字想像 Claude 是一個新報到的員工。它上工那天，手上會有三種東西。 第一種是員工手冊。這是公司印好、每個人都一樣、你上工前就塞進你腦子的東西——怎麼用公司的工具、講話要多正式、哪些事絕對不能做（安全規範）、現在人在哪個辦公室（工作目錄、環境資訊）。在 Claude 的世界裡，這本手冊就叫 system prompt。它是最底層、地位最高的一層，Claude 做任何判斷都以它為準。 第二種是你當面交代的話。「幫我加一個使用者資料的 React 元件」——這是 user message，是你這次要它做的事。 第三種比較特別，是貼在辦公桌上的專案便利貼。這就是 CLAUDE.md。這裡要先破除一個超多人搞錯的觀念：CLAUDE.md 的內容不是被寫進...

想像一家車廠做好了一台新車，引擎、底盤、路測全部到位，隨時能開上路。但它不能自己決定哪天發車——得先把鑰匙送到監理單位，等對方跑完一輪測試、點頭，才准掛牌。這在汽車業聽起來很正常。但如果我告訴你，這週全世界最強的 AI 模型，就是這樣上市的，你可能會愣一下。 這週六則新聞表面上各走各的：一款新模型、一樁世紀合作、一顆新晶片、一輪破紀錄募資、一份公開的憲法、一道行政命令。但把它們並排看，會發現一個安靜卻要命的共同點——這個產業裡好幾個握著方向盤的人，這週都把手鬆開了，把方向交給了別人。有的是被拿走的，有的是自己遞出去的。差別很大，後果一樣值得盯著。 一、GPT-5.6 上線，但它得先過政府那一關OpenAI 在 7/9 讓 GPT-5.6 全面上線，一天內推到 ChatGPT、Codex 和 API。這次改了命名法：數字是世代，後面的 Sol、Terra、Luna 是能力層級——Sol 旗艦、Terra 日常、Luna 最快最便宜。API 價格從 Sol 的 $5/$30（每百萬 token 輸入/輸出）一路下探到 Luna 的 $1/$6，...

以前要把一段一小時的會議錄音轉成逐字稿，工程師的第一個動作幾乎都一樣：切。 先寫一段程式把音檔切成 30 秒一塊，一塊一塊丟進模型，再把吐出來的文字拼回去。聽起來很合理，直到你發現拼縫處全是坑——一句話被切成兩半，前半段的語氣模型看不到，後半段就認錯字；換人講話的瞬間剛好落在切點上，兩個人的聲音被混成一個；講到第 40 分鐘冒出來的專有名詞，模型早忘了第 5 分鐘鋪陳過的上下文。你花在對齊、去重、補接縫的時間，往往比跑模型本身還久。 微軟研究院 2025 年開源的 VibeVoice，做的事情很簡單，簡單到有點反直覺：它不切。一次讀完整段。TTS 一口氣生成 90 分鐘語音，ASR 一次辨識 60 分鐘音訊，中間不切、不拼、不對齊。 為什麼「不切」以前做不到，現在做得到不切這件事，不是有人終於想通了才去做，而是以前真的做不到。長音訊塞不進模型的上下文窗口——一分鐘的音訊如果照傳統做法編碼，token 數量大到誰的窗口都裝不下，只能切。切是被逼的，不是選的。 VibeVoice 拆掉這道牆的方式，是先問一個更底層的問題：一段音訊，到底需要多少 token 才描述得清楚？ 它的答案低...

Claude Code 剛裝好的時候，設定這件事簡單到你不會多想：一個檔案，~/.claude/settings.json，你要改什麼都往裡面丟。改個預設模型、加幾條權限、設個環境變數，存檔，搞定。 然後有一天，你在 settings.json 裡明明白白寫了一條規則——比方說禁止某個危險指令——結果 Claude Code 完全當它不存在。你檢查了三遍，拼字沒錯、括號沒漏、JSON 也合法。它就是不甩你。 大部分人這時候的第一反應是「壞了」。但九成九的情況，它沒壞。你那條規則好端端地在那裡，只是被另一個地方的設定給蓋掉了。而「另一個地方」有幾個，這就得從設定檔怎麼一路長成今天這副模樣講起。 一個檔案不夠用的那一天先回到最單純的狀態：全世界只有你一個人用 Claude Code，所有設定放在 ~/.claude/settings.json。這個檔在你的家目錄底下，跟著你這個「使用者」走，所以官方叫它 User 層。你開任何專案，它都在。 這套在你單打獨鬥時完美無缺。問題出在你把 Claude Code 帶進團隊的那一刻。 你替專案調了一組很順手的權限規則——哪些指令可以自動跑、哪...

先問你一個問題：這週在 AI 圈流動的每一塊錢，最後是從誰的口袋裡出的？ 表面上答案很清楚——OpenAI 花錢、Anthropic 賺錢、微軟撒錢、Intel 裁人省錢。每一筆都有明確的收付雙方。但如果你把這六則新聞一則一則翻到背面，會發現一件不太對勁的事：錢其實一直在同一小群人之間繞圈。雲端巨頭投資模型公司，模型公司拿錢回頭跟雲端巨頭租算力，算力廠再拿這筆訂單去撐自己的估值，估值又變成下一輪投資的籌碼。圈子轉得越快，帳面越漂亮。 而真正付帳的那些人——被裁的工程師、還沒修漏洞的公司、相信「這張估值紙還值錢」的後進場者——一個都不在這個圈子裡。 這很像一場擊鼓傳花。音樂放著的時候，每個人手上的花都在增值，沒人想當停下來時抱著花的那個。這週的六件事，剛好是六個把花往下一個人手裡塞的動作。 一、OpenAI 想讓美國政府當股東，持股 5%據《FT》報導，OpenAI 向白宮提議，讓聯邦政府以約 426 億美元（對應 8,520 億估值的 5%）取得股權，還主張所有領先的美國實驗室——Anthropic、Google、Meta——都比照讓渡同樣比例，匯進一個仿阿拉斯加永久基金、對全民...

解決多執行緒搶同一份資料的最好辦法，常常是讓他們根本沒東西可搶。 聽起來像廢話，但這句話背後藏著一個一直被名字誤導的工具。ThreadLocal，名字裡明明白白寫著 Local，很多人第一次看到都以為它是拿來做「執行緒之間安全地共用某個東西」的。字面上「執行緒本地」，感覺就是一個放在執行緒層級、大家一起用的儲存格。 結果它幹的事，跟你想的剛好相反。 它不但沒有讓大家共用一份，反而是替每一個執行緒偷偷發了一份獨立的副本。你以為在存取同一個變數，其實每個執行緒摸到的都是自己那份，彼此看不見、也不會踩到對方。所謂執行緒安全，它不是靠「把共用的東西鎖好」達成的，而是靠「乾脆不共用」——沒有共享，就沒有競爭，連鎖都不用上。 這篇就從這個反直覺的點一路拆下去。你會看到它底層到底怎麼做到「一人一份」，為什麼這招在某些場景反而會漏記憶體漏到你哭，以及它到底該用在哪、不該用在哪。 先搞懂：解決搶資料，本來就有兩條路多執行緒的麻煩幾乎都長一個樣：好幾個執行緒同時要動同一份資料，讀到一半被別人改掉，或是兩個同時寫，最後結果對不上。 處理這件事，傳統上大家想到的是加鎖。想像辦公室只有一支簽字筆，誰要簽名...

你按下 deploy，看著 CI 開始跑，然後轉頭去吃午餐。回來的時候，terminal 還開著，Claude Code 也還在，但螢幕上什麼都沒發生——因為 build 在你咬第一口便當的時候就炸了，只是它不知道。它就這樣，乾等了你四十分鐘。 這台號稱能自己 debug、自己寫測試、自己修 code 的機器，真正的問題不是不夠聰明。是它的眼睛只盯著一個地方：你的鍵盤。你不打字，它就當作世界什麼都沒發生。 Claude Code v2.1.80 之後有個叫 Channels 的功能，處理的就是這件事——讓外面發生的事，自己推進你正在跑的那個會話。今天來拆它怎麼用、為什麼是「推進現有會話」這幾個字最關鍵，以及它跟你已經知道的那些遠端功能差在哪。 先看清楚卡點在哪Claude Code 的互動模型，從第一天到現在都是同一個方向：你來找它。你開會話、你打字、你把噴出來的錯誤複製貼回去。它再厲害，本質上也是一個等你開口的工具。 這在你坐在電腦前的時候完全沒問題。問題出在你不在的時候。 CI 半夜炸了，沒人管，等你早上起來才發現卡了八小時。同事在 Discord 問「欸那個 API 你改好...

這週的頭條看起來各走各的——一起勒索攻擊、一樁兩百多億的股票掛牌、一筆六百億的收購、一份聯合國峰會的閉幕警告。但把它們的價目表並排放，會發現講的是同一件事：有些東西的價錢正在崩到接近零，有些正在貴到反常，而決定這兩頭的，往往是一些你平常根本不會去想的節點。 一個系統最脆弱的地方，通常不是它最顯眼的部分，而是它把重量偷偷壓上去、你卻沒在看的那幾根柱子。這週的六則新聞，剛好各自幫一根柱子標了價。 一、史上第一起「AI 代理全自動」勒索攻擊，但它仍然需要一個人類資安公司 Sysdig 公布了一起代號 JADEPUFFER 的攻擊，稱它是首例「由 LLM 端到端驅動」的勒索行動。攻擊者透過一個未修補的漏洞打進對外的 Langflow 伺服器，接下來的偵察、竊取憑證、橫向移動、提權、加密，全交給 AI 代理自主完成——中間一次「登入失敗到修好」只花了 31 秒，而且程式碼裡塞滿自我解說的自然語言註解（人類駭客不會這樣寫，但 LLM 預設就會）。 有意思的是兩個反轉。第一，加密用的金鑰是隨機生成、印到畫面後從沒被保存或傳出，等於受害者就算付錢也救不回，本質比較像破壞而非勒索。第二，TechC...