Cheng's Tech & Life

這個產業正在用同一隻手，一邊磨利矛，一邊趕著鑄盾。把這週的幾條新聞排在一起，你會發現它們其實是同一件事的正反兩面：模型的攻擊能力被推得越快，整個生態就越急著補那道還沒蓋好的防線。 一、Claude Opus 4.8 上線，Mythos 帶著「會自己串漏洞」的能力逼近Anthropic 這週把旗艦模型升到 Claude Opus 4.8，官方說它在代理式編碼、財務分析、電腦操作這幾項 benchmark 上壓過 GPT-5.5 跟 Gemini 3.1 Pro，而且更「誠實」——會主動標出自己不確定的地方，少編沒根據的東西。一個模型把「願意承認不知道」當賣點來講，本身就說明了過去這一年大家被幻覺坑得有多慘。 真正讓人坐直的是後面那句：Mythos 級的模型「未來幾週」就會對所有客戶開放。Mythos 的特點是它的編碼與資安能力強到一個程度——能在現有軟體裡找出漏洞，還能把這些漏洞串起來，組成一套像樣的攻擊鏈。 這就是下行很大、上行有限的那種東西。一個能自己找漏洞、自己串攻擊鏈的模型，放對手裡跟放自己手裡，威力是對稱的，但傷害不是。防守方要顧好每一個洞，攻擊方只要找到一個。能力對稱、...

先別管它能拿來做什麼。先看你丟一段筆記進去的那一刻，它背地裡做了哪件事。 你寫了一行字進去：「Alice 在 Acme 當 CTO，這家是 Sequoia 投的。」一般的筆記工具到這裡就結束了——它存下這串文字，等你哪天搜尋「Alice」再把這行吐回來。GBrain 不一樣。在你按下儲存的同一瞬間，它把這句話拆成三個節點（Alice、Acme、Sequoia）跟兩條有型別的關係線（Alice works_at Acme、Sequoia invested_in Acme），接到它腦袋裡那張一直在長大的網上。下次你問「Alice 背後有哪些投資人」，它不用再去翻那行字——它沿著線走兩步就到了。 關鍵在這裡：這一步抽節點、連關係，完全沒呼叫任何大模型。 純 regex 加一組啟發式規則做掉的。零 token、零成本、零延遲。 你以為讓檢索變強的是模型，其實不是這就是整顆大腦最反直覺的地方，也是我覺得最值得抄走的設計判斷。 2026 年的反射動作是這樣的：檢索不夠準？換更大的 embedding。答案不夠好？接更貴的模型。什麼問題都先想「丟給 LLM」。GBrain 的 benchmar...

把時間倒回去看，會比較容易看懂這次的改變到底大在哪。 一年多前，你想讓 AI 同時幫你做好幾件事，唯一的辦法是當人肉排程器。開三個終端機視窗，第一個叫它改 API、第二個叫它寫測試、第三個讓它跑 lint，然後你的眼睛在三個視窗之間跳來跳去，誰卡住了你補一句、誰跑完了你接著派下一個。AI 在做事，但調度它的是你，而且你一次只能盯住有限的幾個。 後來 subagent 出現，往前走了一步。Claude 開始能自己派分身去處理子任務，你不用再手動開視窗了。但這裡藏了一個很多人沒注意到的代價：每一個 subagent 做完事，它的中間結果都會回流到 Claude 主對話的 context window 裡。十個分身回來十份半成品，全堆在同一張桌子上，你寶貴的 context 就這樣被一堆「過程」吃掉，留給「真正在想的事」的空間越來越小。而且決定下一個該派誰，還是 Claude 在對話裡一輪一輪臨場判斷——它本質上還是個工頭，只是工頭從你變成了它。 到了四月的 Agent Teams，規模又上一個量級——16 個 Claude 實例真的同時開工，誇張到能合力寫出一個編譯 Linux ke...

這個產業最近同時在做兩件事：一邊用盡全力把 AI 工具推得更快、更會自己跑；一邊手忙腳亂地補那些跑太快留下來的洞。這週的新聞，剛好把這兩條線攤得清清楚楚。 一、OpenAI 發布 Frontier Governance Framework：把安全做成一份合規文件OpenAI 在 5/29 公布了「Frontier Governance Framework」，把原本對內的 Preparedness Framework 抽出一部分，整理成一份對外的公開治理文件。明說的目的是對齊法規——加州的 Transparency in Frontier AI Act、歐盟 AI Act 底下的通用模型行為準則。內容涵蓋網路攻擊、CBRN（生化核輻）、有害操弄、失控等風險的評估與緩解，外加模型回報、資安管理、事件應變、外部專家審查的流程。 值得停下來看的，是這份文件的「形態」。安全本來是個工程問題——你怎麼讓模型不做壞事。現在它正在變成一個合規問題——你怎麼證明給監理機關看你有在防。這兩者不一樣。前者要的是真的安全，後者要的是可被稽核的文件。當一家公司開始把安全寫成對齊法條的治理框架，代...

Whisper 最會騙你的時刻，是它最心虛的時刻。 用過 Whisper 的人大概都撞過這個牆：一段明明安靜無聲的停頓，轉錄結果卻憑空冒出「謝謝觀看」、「記得訂閱」，或者同一句話像跳針一樣重複十幾遍。這不是 bug，是模型的天性——它在沒有有效輸入的時候，還是會硬擠出一點東西來。你可以想成一個被訓練到「必須開口」的人，被丟進一個沒人講話的房間，他不會閉嘴，他會開始編。Whisper 訓練資料裡塞了海量的 YouTube 字幕，所以它編出來的，往往就是那幾句最常出現的片尾台詞。 碰到這種狀況，工程師的直覺反應幾乎是反射性的：那就再串一個 LLM 在後面，讓它讀一遍轉錄結果，把不通順、明顯亂入的句子清掉。畢竟 2026 年了，什麼問題不是丟給大模型解決的？ 這個直覺是錯的。而且錯得很乾脆。 一個 benchmark，把直覺打回原形whisper-guard 這個專案的作者跑了一組對照實驗，數字攤開來看，很難不被嚇到。 同一份音檔，原始 Whisper 跑出來有 16 次幻覺，耗時 47.7 秒。接著試「只加 LLM 後處理」這條多數人會選的路：幻覺數字是多少？16 次。一次都沒少。減...

打開 Claude Code 還沒輸入任何指令，光是 boot 起來這層 context window 就已經吃掉了——多少？ 預設安裝一個 CLAUDE.md、五個 MCP server、幾個 skills，根據 Claude Code 官方文件的估算，起跳就要五萬個 token。其中光 GitHub MCP 一個就佔了一半以上。 這還是「什麼都還沒做」的數字。 5 月的 /usage 升級之後，這層消耗變得可見了——指令會把 skills、subagents、plugins、每個 MCP server 各自吃掉多少額度列成一張表。本來這層是黑盒子，現在打開了。 這篇拆解三件事：/usage 報表怎麼看、看到之後該怎麼動手減重、為什麼這個指令的設計值得抄到自己的工作流。 /usage 跟 /cost 跟 /stats 不是同一件事先把容易混淆的三個指令分開： 指令 看什麼 適用對象 /usage Pro / Max 訂閱的額度還剩多少、各 category 吃掉多少 訂閱戶 /cost 這個 session 跑下來花了多少美金 用 API key 的...

300 億美金。這是 Anthropic 5 月底坐穩的 run-rate 數字，跟 2025 年底的 90 億比，14 個月翻了 3 倍。再往前抓 18 個月，2024 年底是 10 億——也就是說，從 10 億跑到 300 億，Anthropic 用了一年半，翻了 30 倍。 這不是「成長很快」，這是「曲線換了一條」。 同一週，Mistral 宣布要自己設計晶片、推出企業 agentic 平台 Vibe；OpenAI 把廣告收入目標寫進了內部簡報——2026 年 25 億、2030 年 1000 億。 把這幾條放在一張桌上看，一個分岔點越來越清楚：有些公司在賣信任，有些公司在賣注意力。短期內兩條曲線都會漲，長期會分開來看。下行風險也會分開——一條被監管追，一條被基礎設施成本追。 一、Anthropic 一年 80 倍：從新創公司變成基礎設施5 月底數字底定：Anthropic 的 annualized run-rate 達到 300 億美金，相比 2024 年底的 10 億，14 個月翻了將近 30 倍。從另一個角度抓，2024 年 1 月 run-rate 才 8700 ...

下午要送 PR 之前，你又打了一次那段熟到不行的提示：「幫我審一下這個 PR 的邊界條件、有沒有資安問題、測試夠不夠」。昨天打過、上禮拜也打過，每次措辭都差一點，品質就跟著飄一點。 commit 也是。今天心血來潮把 scope 寫好、加了 conventional 格式，明天趕時間就退化成一句「fix bug」。修 bug 更慘——你明明知道該先寫一個能重現的 failing test 再動手，但十次有六次直接改 code，測試事後補（或根本沒補）。 問題不在你不懂這些紀律，在於紀律放在腦袋裡，每次都要靠自制力重新執行一遍。 你可能試過半套解法：把常用提示存成備忘錄、貼到一個 snippets app、甚至塞進 Raycast。能省幾秒打字，但治不了根——因為每次貼出去的還是「大概那個意思」的版本，不是同一個版本。 agent-rules 切進來的，正是這一步。它的主張很直接：prompt 不該每次重打，prompt 該被當成設定檔。 把那段 PR review 的提示寫死成一個檔案，丟進 ~/.claude/commands/，之後在 Claude Code 裡打 /pr-r...

10 分鐘。這是 /loop 沒指定間隔時的預設值——每 10 分鐘它會把你交代的任務重跑一次。 聽起來像 cron，但 cron 不會「理解」任務。/loop 在 Claude Code 的 session 裡跑，意思是它每次重跑時都帶著完整的對話脈絡。 打個比方就懂了。傳統的 cron 是個鬧鐘——時間到了它響，響完它不管事；/loop 是個記得你昨天交代什麼、今天問你「上次那件事好了沒」的助理。差別就在這。 這篇講怎麼用 /loop 跟 /schedule 把 AI 變成會自己排程的工程助手——從最簡單的「每 5 分鐘檢查 CI」到「指定時間跑部署」，把實務上會踩的坑一次列清楚。 先搞懂三個東西的差別/loop、/schedule、Desktop scheduled tasks——這三個東西常常被搞混，先把它們的定位拉開： /loop 是 session 內的重複觸發。你在當前對話裡叫它每 X 分鐘做一件事，session 還開著它就會跑。關掉 terminal、關電腦、session 結束，它就沒了。 /schedule 是 session 內的一次性定時觸發。在指定時...

10 萬人。這不是某個科技巨頭的員工總數，是 Fujitsu 一家公司打算在 5/27 之後把 Claude 部署到的內部員工數量。 同一天，Anthropic 把 Claude Code 升級成「自帶資安守門員」的 IDE——一個會即時看你的 diff、看你的 commit、自動標記危險 pattern 的內建插件。 同一週傳出來的另一條新聞風味就完全不同：Pentagon 正在測試 OpenAI 跟 Google 的模型，準備在某些國防工作流裡替代 Claude。 把這三件事放在一張桌上看，是一個正在加速的系統性錯位：企業用戶在加大押注，國防客戶在分散押注。下行不對稱的風險，往往就藏在這種錯位裡。 一、Fujitsu × Anthropic：10 萬員工 + 1000 人工程隊伍，日本企業 AI 全面押注5/27 Fujitsu 正式公告：與 Anthropic 簽下策略合作，將 Claude 部署到全集團約 10 萬名員工，並組建 1000 人規模的工程團隊把這套能力交付給日本企業客戶。 部署的範圍跨度極大——政府、金融、醫療、關鍵基礎設施。這幾個領域...