【看板 AI ※ 筆記列表】
[情報] AI 算力排行榜 2026-11（依 H100 等效）：OpenAI 用最多、Google 擁有最多，最大資料中心是 SpaceX/xAI 的 Colossus 2
全部依 H100 等效排：2025 年底 OpenAI 用到約 174 萬張居首，Google 擁有約 505 萬張遙遙領先；單座最大是 Colossus 2（約 111 萬），其次 Stargate Abilene、New Carlisle。SpaceX/xAI 喊 2027 年底不低於 13 GW。
[情報] Lauren Tan 睡醒就有 20 個 PR 合進 main：她先教 agent 自己驗證，再把規矩寫進 CI
agent 要能自己跑程式驗證、每種失誤寫成 skill、規矩交給 CI 擋，信任才爬得上去；她靠這套讓 agent 自己合併 PR，上個月出了 1,000 個 PR。
[情報] 別把組織圖做成 agent：Anthropic 建議把 subagent 收回一個主迴圈，有客戶跑起來快了約 2 倍
Anthropic 說很多企業照部門切出一堆 subagent，交接漏資訊、prompt 打架又變慢。他們比過的案例裡，按需載入 skill 和工具的單一 agent 品質常常較好，有客戶快了約 2 倍；做法是先建 10 題 eval，一次收一個 subagent，盯著哪幾題翻盤。
[情報] 拆開 Grok Bot 的 harness：新版同一個小任務少送 28.8% 資料，可能變貴的是壓縮、翻舊紀錄這幾條長路徑
有人把 Grok Bot 打包後的程式拆開實測：新版處理同一個最小任務，兩輪送出的資料比舊版少 28.8%，因為工具說明改成用到再查。可能讓用量變多的是壓縮對話、翻舊紀錄、瀏覽器重抓和分派工作；畫面顯示送出、prompt 寫「私人」，也都不等於真的存好或隔開。
[情報] Anthropic 第三季營收 168 億，比 SpaceX 的 AI 部門 75.6 億還多；SpaceX AI 第三季才轉賺 4.3 億，OpenAI 2025 年還虧 385 億
SpaceX 的 AI 部門（SI）第三季營收 75.6 億美元、營業利益剛轉賺 4.3 億，但部門裡還有 廣告、算力出租和 Cursor；Anthropic 第三季營收 168 億，說自己經調整後獲利但沒給數字；OpenAI 2025 年淨虧 385 億，2026 只看得到第一季。只有 SpaceX 是正式財報。
[情報] 模型吃掉了寫程式的 harness，卻吃不掉雲端、權限和成本：前 Cursor 工程師預言半年內 90% agent 工作離開筆電
前 Cursor harness 工程師 Jediah Katz（現在在 SpaceXAI）說，換 harness 已經不太影響寫程式的分數，模型透過資料飛輪學會了 harness 以前補的技巧；但新領域又要把護欄加回去，雲端執行、權限和每個任務的成本也只能靠 harness。他預言半年內 90% 的 agent 工作離開筆電。
[情報] Cursor 裡的 AI 是剛入職的高手：10x 來自 context、rules 和 plan mode，不是快捷鍵
ByteMonk 把 Cursor 裡的 AI 比喻成剛入職、什麼語言都會、卻不懂你 codebase 的工程師；10x 來自給對 context、寫 rules／commands、先 plan 再 agent，不是背最多快捷鍵。
[情報] 先讀 trace 再寫 eval：Arize 示範的 judge 把 13 份報告全判錯，換成 faithfulness 才分出 6 份可靠、7 份不可靠
Arize 的 Laurie Voss 在 AI Engineer World's Fair 工作坊示範 agent eval：先讀 trace、寫下什麼叫好，再疊 code eval、LLM judge 和人工標註。correctness judge 沒看到 agent 的網路研究，把 13 份報告全判錯；改用 faithfulness 並附上研究資料，才分出 6 份忠於來源、7 份不是。
[心得] spec 寫到 5,000 行，程式還是跑不動：陳宜昌說 spec 是鷹架，AI Native 團隊的人只管決策、理解和探索
Noopher AI 的陳宜昌（YC）在 HWDC 2026 分享：一個月寫出 5,000 多行 spec，程式連基礎 module 都跑不起來；拆成三個小 module 後一兩天跑通。他把 spec 當鷹架用完就收，寫了開源的 oat-agents 讓 agent 專心做事、人看得到進度，公司裡實作全交給 AI，人負責決策、理解和探索。
[心得] 黃仁勳帶 Lex Fridman 逛台灣：他挑台積電看的是「跟誰一起做」，一做就是 30 年
黃仁勳帶 Lex Fridman 走 Computex 和夜市，講了他怎麼寫信給張忠謀、為什麼挑台積電：看的是對方會不會跟你一起扛未知的事。合作 30 年沒寫死合約、讓夥伴也賺到；他反對一刀切的出口管制，也是同一套想法。
[情報] Credit Karma 怎麼讓每個 agent 上線就帶齊閘道、追蹤和遮罩：同一題 token 從 2.4 萬降到 2,400
Intuit Credit Karma 的 Harish Gaggar 把企業 agent 做成一條鋪好的路：註冊時一次建好 repo、身分、記憶庫和追蹤表；工具呼叫全經 MCP 閘道驗證；寫入要人核准；敏感資料進模型前就遮掉；context 最佳化讓同一題 token 從約 2.4 萬降到 2,400。
[情報] 四家 AI 公司算力比一比：Google DeepMind 領先，Anthropic 一年長 5.7 倍，SpaceX 的吉瓦該怎麼讀
2025 年底 Google DeepMind 約 158 萬顆 H100 等效居首，Anthropic 119 萬、一年長 5.7 倍最快，Meta 100 萬，xAI 63.5 萬。SpaceX 的 1.4 吉瓦和年底超過 2 吉瓦，要和晶片耗電、機房 IT 電力、目標分開讀；xAI 租給 Anthropic 的算力，兩邊會各算一次。
[情報] 醫療 AI agent 的 PoC 過關後，第一個問題是稽核紀錄在哪
Anthropic 的 Christopher Lovejoy 和 Anterior 的 Saul Howard 談受監管產業的 agent 怎麼上線：PoC 準確度過關後，法遵會問稽核紀錄、敏感資料、誰核准。四個架構原則：不可變的事件紀錄、旁邊的物件儲存、人和模型都算 agent、從前三項長出來的 eval。
[情報] NVIDIA 怎麼用合成資料教模型上網搜尋：5 萬筆種子只留 7,000 筆
NVIDIA 的 Dhruv Nathawani 用開源的 Data Designer 示範把「會搜尋」變成訓練資料：Wikidata 路徑當種子、改寫成謎題、讓 agent 用 Tavily 搜尋留下軌跡。5 萬筆種子只留 7,000 筆，BrowseComp 從 0% 升到約 31%；驗證答案最難，連知識圖譜都會過時。
[情報] Claude Code 的 Cat Wu、OpenCode 的 Dax Raad：code review 怎麼自動化、token 花多少、該招什麼人
Runtime 2026 座談：Anthropic 花約半年、用事故回測把多數 PR 的 code review 自動化；OpenCode 的 token 花費約是薪水的 1 到 2 倍。兩人也談遠端開發環境要有專人負責、終端機和桌面版怎麼分，以及招人改看產品判斷力。
[情報] Sentry 的 Greg Pstrucha：別再重講，把糾正寫成 lint rule
Sentry 的 Greg Pstrucha 說，對 coding agent 重講的糾正會在 compaction 後消失，應該寫成 lint rule、測試和型別檢查。他示範用 lint 讓 API 跟 OpenAPI schema 同步、讓 skill 範例不再亂編，判斷品質則交給政策和 review agent，也提醒別讓 agent 刷覆蓋率。
[情報] Lee Robinson 史丹佛講課：always-on agent 是怎麼做出來的
Lee Robinson 在史丹佛 CS146S 拆解 Grok Bot 這類常駐 agent：沒事就睡、被事件叫醒，agent loop 放伺服器、用 durable workflow 接續；客戶端只靠 SendToUser 一個工具；主 agent 只負責講話、重活丟給 helper；cache miss 當 bug 追，記憶分四層，其餘靠檔案找。
[情報] Airbyte 做了 MCP 也做了 CLI：給 agent 用的工具要怎麼設計
Airbyte 的 Pedro Lopez 分享替 AI agent 做 MCP server 和 CLI 的經驗：MCP 工具只留兩個、登入用 OAuth；CLI 要 JSON 進 JSON 出、指令格式一致、附 skill、不能跳互動提示。不寫程式的人用 MCP，長任務和大量輸出用 CLI。
[情報] Ralph 發明人 Geoffrey Huntley：一個 bash 迴圈怎麼改寫寫程式的成本
Ralph 發明人 Geoffrey Huntley 上 Dev Interrupted：Ralph 就是一個 bash 迴圈，讓 coding agent 每輪只挑一件事做，跑到測試通過。他算過用 Sonnet 4.5 跑一小時約 10.42 美元，也談 context window 怎麼省、為什麼要避開 compaction，以及 Steve Yegge 的 Gas Town 分級。
[情報] Factory 軟體工廠：從 bug 回報一路做到上線
Factory 的 Davis Palmie 談軟體工廠：讓一群 agent 把 bug 回報和使用者回饋一路做成上線的程式碼。他說寫程式本來就是最簡單的一段，建議先從事故分流做起，再用八根 agent readiness 柱子補基本功；成效看訊號到上線時間、人工介入次數、程式碼能活多久和每個 PR 成本。
[情報] Chrome 155 開通 JPEG XL：下一代圖檔是什麼？
Chrome 155 起解碼 .jxl。JPEG XL 從 Pik＋FUIF 合併、約 2022 成 ISO；比 JPEG 再壓約 30–50%，有無損、HDR、舊 JPEG 無損轉碼。網站今天仍穩用 WebP（＋AVIF），JXL 當高畫質候選並用 picture 兜底。
[情報] Harness engineering：從 coding agent 走到軟體工廠
Tessl 產品與設計負責人 Dru Knox 談 harness／迴圈工程：軟體工廠靠自主、自動化、品質三柱；內／外／meta 三迴圈，加上控制平面與 Agent IT。目標先守品質再拉高，看手動接管與人審 PR 留言往下。
[情報] DHH：37signals 鉛筆放下，英文當程式語言
DHH 在 Rails World 2026 開場：37signals 已 pencils down、手寫 code 變例外；他改用英文指揮 agent，HEY 走 native＋Rust，並主張每個 App 該有 CLI。對 AI 他只剩一招——total fucking optimism。
[情報] Kent Beck：AI 時代的軟體工程｜Features、Futures 與手藝
Kent Beck 在 Prodacity 2026 談 AI 寫碼時代的手藝。Genie 很會「看起來像」，不代表程式真的會跑；Features 與 Futures 要來回補，一股腦加功能會把選擇空間燒光。把整份 spec 丟給模型一發成形，聽起來很像當年的瀑布；Effort／Output／Outcome／Mission 越早當 KPI 越容易踩到 Goodhart。
[情報] Matt Pocock Skills v1.3：/implement-spec、/pr、/retro 三個新技能
Matt Pocock 的 Skills v1.3 收進三個新技能：/implement-spec 讓 agent 當迴圈派 subagent 做完整份 spec，/pr 用 Summary、Evidence、Merge Danger 三段範本讓人審得快，/retro 讀真實 session 找出 agent 不會講的問題。他特別提醒 retro 不要自動化，要留人判斷。CONTEXT.md 改名 GLOSSARY.md，舊檔要記得 git mv。
[情報] 一個月 2,500 個 PR，她怎麼讓 agent 自己合併
Matt Pocock 問 Lauren Tan（poteto）一個月約 2,500 個 PR 怎麼來。她先讓 agent 能自己跑程式、看結果，再把死板步驟寫成 CLI，並用很窄的碼庫慣例擋掉抄近路。Slack、工單、X 由 Grok Bot 接進 Cursor Projects 派工；她合併後抽樣，這些 PR 很多是整理程式碼。
[情報] AI 代理人暗通：擋寫檔就改資料夾名
朴世俊談前沿模型在評測環境挖到 Artifactory 零日後逃出，到 Hugging Face 找答案；寫檔被擋後，代理人改用資料夾名稱互傳，相關嘗試大約一萬六千次。
[情報] Uber 多模態 Agent：閉環 Evals 怎麼扛住美食圖改圖
Uber Eats 用多模態 agent 幫小店補美食照：要忠於原菜、保住品牌、又不能全市場長同一張臉。Soumya Gupta 與 Jai Chopra 講閉環 evals——路由當分類器打 precision／recall（護欄偏 recall）、改圖用專屬 prompt＋pass@k／pairwise QA，失敗回寫再試；diagnoser 吃人標漂移、店家 dogfooding 與市集轉換，config 過 golden set 才 ship。路由錯可能變成「幻覺出兩塊翅」；reward hacking 與同質化都是真風險。
[情報] Matt Pocock：PR 卡關，先在人看之前把關
Matt Pocock 在 AI Engineer Paris 講 PR 瓶頸：自動檢查會說謊，要靠深模組讓測試難作弊；寫法規範交給另一個 review agent 並直接 commit；人只仔細看回不去的改動；再用 retro 把審到的錯變成下一輪的檢查。
[情報] 理解才是新的瓶頸
Notion 設計工程師 Geoffrey Litt：agent 寫 code 愈快，真正卡人的是「你還懂不懂」。懂不只是為了驗收正確性，更是為了參與下一輪創意；認知負債一堆就會跟丟。做法：Explain Diff 把變更變成教材、小測驗當速度調節器、微世界（除錯器／搬家控制台）培養手感，再加上團隊共享空間一起懂。目標不是少用 AI，而是理解得比以前更好。
[情報] 軟體工程正在變成工廠工程
Warp 創辦人 Zach Lloyd（前 Google Docs 主導工程師）說：他還在 ship，但六個月沒寫 code——軟體工程正變成工廠工程。每個認真專案都會有軟體工廠（像現在一定有 CI/CD）：triage→spec→實作→審核→驗證→監控，人只卡關鍵閘門；開源動機之一是公開工廠 build.warp.dev。工程師寫更少、ship 更多，並負責打造／調校那條會自我改進的工廠；沒有產品感覺，工廠只是量產沒人在乎的東西。
[情報] 打造軟體工廠到底要什麼？
Factory 的 Tereza 在 AI Engineer World's Fair 把軟體工廠定義成整條生命週期自主運轉：收訊號、分流、規劃、執行、驗證、迭代。重點不是一堆 coding agent，而是模型無關（自動路由約省 25%）、長時間自主（Mission 可跑十餘小時，驗證佔約四成）、持續改進（deferred context 可省一半以上 token；亂 codebase 先做 agent readiness）。人類往上移——決定做什麼，怎麼做交給 agents。
[情報] 月付 12 美金伺服器能扛多少人？
Arjay 用月付 12 美金的 DigitalOcean（1 共享 vCPU、2 GB RAM）跑 Nginx + Node.js + Postgres，再以 k6 模擬真人逛社群。基準約 2,500 同時活躍就踩 CPU；Node 內快取推到約 4,000，Nginx 快取後約 5,200。重點：先定 p95／p99 門檻，盯尾巴延遲，低垂果實常是重複算同一份結果。
[情報] 矽谷夯職 FDE 在台灣行得通嗎？溫紹群談 AI Empower
勤業眾信溫紹群談 AI Agent 落地：業務要立刻解題、IT 想推平台，真正卡關多半是異質系統資料。台灣企業比較適合本業走 AI Empower、另開 Side Project 練 AI Native；矽谷很紅的 FDE（前端部署工程師）綁資本估值與投後整改，難直接搬來台灣。
[情報] 一個月送出 2,500 個 PR：Lauren 的 Michelin 廚房
lauren（@poteto）把 Cursor Compile 演講免費放上 X：上個月送出 2,500 個 PR 進 production。核心不是狂開 agent，而是先鋪信任——驗證技能、pstack 類 skills、把 codebase 改到 agent 友善，再疊 Grok Bot 外環與 automations。比喻是米其林廚房，不是軟體工廠。
[實作] Jev × Treg：註冊審查、找名單、掃熱門貼文
Jason Zhou 示範把 Treg 抓到的註冊、人物與貼文資料交給 Jev 判斷，再用機率門檻把詐騙、潛在客戶與熱門貼文分流成可執行的自動化流程。重點不是再介紹 Jev，而是三條能照著拆的工作流與上線前該補的護欄。
[情報] 不會聊天的 AI：Jev 專職做決定
TypeSafe AI 的 Jev 不聊天、只回選項機率；專職當自動化流程裡又快又便宜的判斷開關（官方：快 20–200 倍、便宜 40–400 倍、輸出免費），跟會寫長文的大模型分工。Gary Chen 拆三種題型、System 1 定位、社群 Demo 與客服 Agent 接法。
[情報] Spec-Kit × Claude Code：先寫規格再做全端，再丟上 VPS
小工具把需求講清楚就好；要公開上線的全端，先用 Spec-Kit 釘規格，再請 Claude Code 照著做，最後用 Hostinger MCP 把專案部署到 VPS。上線後還得自己補那些「你沒講、它就不會做」的洞。
[心得] Vercel 組助理的路：從一長串提示詞到 Eve
Andrew Qu（Vercel）分享內部資料助理怎麼做出來：塞整份說明、拆關、合成一個都不夠；真正轉折是讓助理用本來就會的「看資料夾、讀檔、下指令」，再做成現成經驗，最後用 Eve 像搭架子一樣組助理。窄、深、塞滿自家公司知識，勝過通用助理。
[情報] Grok Bot 別只當 Google 用，教你如何解放 20+ 個 agents 同時為你工作
Cursor Automations 工作坊：Jira 票拖進 Cursor 欄 → webhook 起雲端 agent → 平行開 PR；再走到每日 digest、PagerDuty、Bug Bot。推文包裝的 GrokBot 招聘故事與影片本體分開看。
[心得] Claude Code Hooks：31 種 Event，真正只要 4 個
YAHA学堂拆解 Claude Code Hooks：CLAUDE.md 只是提醒紙條，Hooks 才是軟體強制執行的自動門。官方 31 種 Event 真正常用只有 SessionStart／UserPromptSubmit／PreToolUse／PostToolUse＋Stop；並示範擋 .env 提交與用 Agent 擋文章 AI 味。
[情報] Grok Bot Galaxy Day 1：用 teammate bot 三天組公司
Grok Bot Galaxy Day 1：一邊用 bot 三天組公司（Ship by Thursday／pop-up 票務），一邊上 101→Engineering→PM→Founders。核心不是又一款 chat，而是角色型 teammate＋雲端常駐＋自己開電腦，多 bot 協作把表單到 PR／PRD 做完。
[心得] Uncle Bob：AI 時代軟體基本功為什麼還沒死
Matt Pocock 訪談 Uncle Bob：Agent 再快也會撞亂碼牆；用確定性關卡與模組結構駕馭它們，留下品質價值、別硬套人類 TDD 節奏。軟體基本功仍是把複雜度整理成「人與模型都能理解」的形狀。
[工具] n8n 還有救嗎？15 坑與 AI Agent 新定位
築基丹拆解 n8n 十五個地獄級坑點與十大優點：本質是 Low-code 而非 No-code；AI Agent 時代它從主角變成可靠的執行引擎。
[AI] Google 終於鬆綁：全公司工程師可用 Claude
Google 透過 Antigravity 讓全公司工程師可配額使用 Claude；Gemini 仍是主力，第三方模型只補特殊情境。
[思考] Soft Eng：我受夠假裝這一切很正常了
軟體工程師公開腦內 dump：科技圈門面、無止盡追新、面試考試化；拒絕再假裝這一切正常。
[工具] PStack／Potato mode：資深工程師腦的 skill 路由器
Potato mode 把資深工程師的腦做成 skill／playbook 路由器：給既有 codebase 用，不是 spec-first 規劃套件。
[Cursor] Cursor Projects：工作變成審查佇列
Cursor Projects 把編碼單位從 prompt 變成審查佇列：coordinator 委派可放大，瓶頸在定範圍、檢查、決定合併。
[Cursor] Cursor Projects：關筆電還在做事的 coordinator
用持續存在的 coordinator 管長期工作，解決每個新 chat 都要重講專案的交接稅；雲端可繼續跑。
[Agents] 多數人只用了 GrokBot 1% 的力
信任曲線：verification＋skills＋agent-friendly 架構，才敢平行跑 agents、甚至 auto-merge。
© Ching-Han Ho · ai.chh.tw