今日 KeyFrame

漢克蔡 | Ai 集

• AI代理的核心價值在於自動化三類反覆性工作：整理資訊（會議紀錄、報表）、自我學習（文章總結）、機會發掘（求職、商機研究）。透過開啟外掛（Gmail、Google Drive、瀏覽器）連接資料來源，使用者只需上傳樣板或範例圖片，AI就能依照既定格式自動產出完整文檔，省去重複的格式調整時間。
• 設定手機遠端遙控功能後，使用者可在通勤時用語音指令下達工作任務，讓AI在電腦上持續運作，徹底分離「人工作時間」與「AI工作時間」，大幅提升單位時間的產出效率。建置可重複使用的自訂Skill工作流程，使得複雜任務（如Lead Research）可標準化、批次化執行，進一步降低每次重新配置的成本。

AI Engineer

• RAG 方法的限制：早期使用工作流式 RAG 系統，雖然搜尋客戶訊息和相關職位，但無法有效處理複雜對話情境，經常出現邏輯錯誤（如誤觸發電話）。
• 微調的隱形成本：微調看似能解決問題，實則帶來「結晶化稅」—每修改一個問題就會引發其他連鎖問題，需要持續重新訓練，流程耗時一週且高度複雜。
• 技能與上下文才是關鍵：受 Claude Code 啟發，發現改用模型不可知的技能架構搭配系統提示，只需調整提示詞而非重新訓練，在保持靈活性的同時大幅提升準確度。

CyberWire Daily

• AI 降低攻擊門檻：聯邦機構警告指出，駭客利用 AI 生成 exploit 腳本加快漏洞發現與適應防禦措施的速度，使用者缺乏足夠監控能力。工控系統因第三方廠商未知的連線暴露，風險更高。
• 供應鏈漏洞的級聯效應：Citrix 的兩個漏洞、Stripe 的 50,000 個洩露 API 金鑰、以及 Atlassian/Splunk/Cisco 的數百個漏洞，均展示單一弱點可導致大規模風險，組織需要優先修補機制。
• 社交工程與多層次惡意軟體：針對 Black Hat/DEF CON 的攻擊使用偽造 Google Doc 與 Google Apps Script 進行偵察，佐以特定平台的隱形覆蓋層與多功能 RAT，显示駭客精心設計的戰術。

Risky Business

• 國家級駭客活動升級：伊朗駭客(MAVNA研究所/Cobalt Dickens)針對以色列記者、全球大學進行有組織的間諜活動，美國司法部提起17人起訴、懸賞1000萬美元，顯示大國網路對抗的激化。
• 供應鏈與硬體後門成為新威脅：斯洛伐克購入270多台俄羅斯速度攝像頭(含後門)、14,500台大華監控攝像頭遭駭，說明硬體採購驗證與初始存取控制的重要性。
• 執法機構利用公開漏洞實現突襲：法國警方透過2020年發佈在Github的BadBinder漏洞成功駭入EncroChat，證明已知漏洞仍具威脅性。

SANS Stormcast

• AI 系統的存取控制難以真正實施，因為一旦資料被 AI 系統存取，攻擊者總能找到繞過安全防護的方式提取資料。伺服器端請求偽造（SSRF）在聊天機器人中常見，攻擊者可騙誘 AI 系統向指定 URL 發送請求並將響應內容洩露給攻擊者。
• Copilot 漏洞的完整利用鏈包括三個步驟：預填含惡意提示的 URL、誘導使用者點擊、利用 AI 的網頁擷取能力將敏感資料外洩到攻擊者控制的伺服器。Microsoft 的修補方案是限制允許的連結類型，犧牲了與其他系統的整合便利性以換取安全性。

Cyb3rak

• 連接埠掃描是滲透測試的基礎 — Nmap 可透過版本掃描和腳本掃描不僅找到開放連接埠，還能識別服務版本與安全配置缺陷，例如匿名 FTP 登入權限。
• 多層資訊收集建立攻擊鏈 — 從 FTP 伺服器的文字檔案中提取密碼清單，識別目標使用者名稱（lin），為後續的 SSH 暴力破解提供必要的輸入。
• 工具鏈整合完成自動化攻擊 — Hydra 工具結合用戶名與密碼清單對 SSH 進行批量暴力破解，大幅降低手動測試的複雜度，快速獲得有效憑證。

Black Hat

• XLL 比宏更難檢測：XLL 是重命名的 DLL 檔，執行原生程式碼而非解釋腳本，防守方看不到原始碼，同時 Excel 會自動載入並執行（無需使用者警告），這完全繞過了傳統宏防禦。
• EDR 信任等級制度被濫用：EDR 對微軟簽名的二進位檔（Word、Excel）信任度高，攻擊者利用此點，確保有效載荷只在信任的辦公進程內執行，從不接觸低信譽的二進位檔或 PowerShell，看起來完全合法。
• 現代 EDR 的檢測缺陷：許多組織出於隱私、合規或成本考量關閉 EDR 雲端功能，導致本地機器學習能力大幅下降；即使啟用遙測，高誤報率迫使安全團隊削弱檢測規則，形成自我強化的盲點循環。

Best Partners TV

• 文化與規模的衝突：Anthropic 初期圍繞 AI 安全建立統一信仰，透過准宗教色彩的全員會議維繫凝聚力。但快速擴張至數千員工後，新人不認同、老人價值觀動搖，員工被迫在股權與精神壓力間二擇一，內部甚至出現匿名吐槽渠道。
• 道德立場與商業現實的矛盾：公司一邊宣稱要控制 AI 風險，一邊急著訓練更強模型搶佔市場；曾在模型中加入暗示機制防止他人研究引發軒然大波；與特朗普政府因武器與監控紅線衝突，卻在水印、融資等決策上持續讓步。
• 隱形權力網絡：CEO 妻子 Kami Clark 雖無正式職位，卻實際掌管安保、公眾形象、家族投資、項目篩選，甚至與艾凡卡·特朗普建立友誼，成為達里奧進不去的權力房間的通道，形成利益衝突邊界不清的局面。

新聞大破解隨選

• AI成為外交戰場的二選一
• 美國明確要求盟友選邊站，視安全考量為最高優先次序。美國國務院發信給數十個簽署過AI機遇聲明的國家，強調「樣樣都參與就等於什麼都沒有真正參與」，意指無法同時加入北京與華盛頓的競爭框架。這打破了冷戰後全球化時期的模糊空間，進入明確的系統對抗。
• 供應鏈認證體系成為新防禦機制

CyberWire Daily

• 勒索軟體與進階持續性威脅的規模擴大：Medusa從2025年的300個受害者成長至超過500個，反映勒索軟體即服務(RaaS)模式的持續演化；伊朗駭客透過MABNA機構自2013年起系統性竊取學術機構與政府機構數據，每次入侵都造成美國大學數百萬美元的調查與修復成本。
• 漏洞利用與供應鏈風險：攻擊者正針對廣泛使用的企業軟體漏洞（如PTC WindChill），一次漏洞往往能入侵數十家企業客戶，且企業通常要數月才能發現；惡意軟體逐漸演變為多層次隱蔽技術，如TwinLoot利用合法Microsoft服務作為命令控制通道。
• AI代理的安全矛盾：企業要讓AI代理發揮價值必須連接企業數據，但目前僅3%企業數據已連接AI系統；AI代理具自主性與非確定性，能跨系統操作與做出決策，比單純資訊檢索工具風險更高；安全防護需在不過度限制代理功能與防止數據洩露間求平衡。

Black Hat

• 1. 基礎設施程式碼成為提示注入的隱形載體
• 攻擊者可以在 CloudFormation、Terraform 等模板的註釋、環境變數預設值、引數名稱中植入指令，當 LLM 讀取這些模板生成新配置時，攻擊意圖會被隱形執行。這種攻擊能繞過傳統掃描器，因為最終輸出看似合規。
• 2. 傳統掃描器的根本盲點：只看孤立配置，不看意圖一致性

Best Partners TV

• MoE是容量與效率的突破性平衡——通過稀疏激活（只啟動必要的專家）實現大容量模型的低成本推理，類似人腦在不同任務激活不同區域，十倍效率提升代表了技術路線的根本轉變，而非普通優化。
• 開源框架的成功來自核心簡潔——TensorFlow普及深度學習的同時留下設計代價，靜態計算圖對部署有利但研究者不自然，contrib目錄的開放善意反而造成混亂；正確做法是保持核心穩定，讓實驗功能建立在上層。
• 研究直覺來自系統性的廣泛監測——不深耕單篇論文，而快速瀏覽百篇摘要理解領域全貌；通過第一原理和快速估算判斷技術可行性，這種能力來自持續練習而非天賦，讓你在複雜問題中發現已有的解決方向。

Hahow 好學校

• 領導與管理的根本區分：領導針對人，透過信任與認同激發團隊凝聚力；管理針對事，透過要求與控制創造績效價值。一個領導者的成功標誌是團隊是否認同你、是否願意與你同心協力。
• 創價的具體定義因部門而異：業務單位是市場開拓與業績創造、應收帳款回收；生產單位是效率提升、耗損降低、品質與產能提升；行政是時間掌控與成本降低；研發是開發能賣出去的商品或引進有幫助的服務。
• 管理方式的實際效果差異：優秀領導帶來低異動率、低請假率、高執行力；只重視管理則造成組織鬆散、人心渙散、最終孤家寡人；只講領導不要求績效則變成「爛好人」，團隊停滯無成果。

阿温Awen

• OPC 的結構性變革：傳統個體戶與 OPC 本質不同，前者一人多職，後者是人腦決策+AI 團隊執行，實現真正的一個人公司。
• 政策紅利階段：超過 20 個城市出台專項扶持政策，深圳計畫打造 11 家 OPC 社區，上海浦東最高補貼 30 萬，海南直接獎勵最高 800 萬，都是真金白銀投入。
• 市場增長數據：OPC 收入比傳統工作者高 62%，市場不是溫和增長而是結構性擴張，到 2026-2028 年間預計誕生首家估值超 10 億美元的 OPC。

白白说大模型

• LLM 本質是基於統計概率的文字生成器，而非知識庫檢索系統。它透過學習訓練數據的規律來逐字預測下一個詞，而非從資料庫查找現成答案；這解釋了它有時會信口開河的原因——目標是生成最通順的文字，不是提供客觀事實。
• Token 是理解 AI 成本的關鍵密碼。中文的 Token 消耗量通常是英文的 1.5～2 倍，因此將中文背景描述翻譯成英文寫入系統提示詞，不僅能提升理解效率，還能直接省下一半的賬單費用。
• Context（上下文）是臨時黑板而非長期記憶。每次提問時系統會重新打包所有歷史對話放在這塊黑板上，但容量有限，超出時最早的內容被自動清除，因此塞進去的信息質量和準確度直接決定了 AI 的輸出品質。

AI随风

• 基礎工具類插件提升核心效率。DubStack Market 提供統一安裝入口；側邊欄插件整合文件瀏覽、終端、任務管理；預算插件讓用戶精確追蹤 token 消耗；消費限制插件可設定每日上限（達 80% 警告、100% 停止），解決 API 費用失控的問題。
• 功能擴展插件依賴現有資源。視覺識別插件需先配置本地 Claude API 或其他模型的 API key，才能路由至相應服務；安裝時會自動檢測本地環境，提示是否使用已配置的模型。
• 多工具同步提高工作流靈活性。對話導入插件支持從其他 AI 工具（如 Gemini）導入對話記錄，同時支持雙向同步，用戶可在不同工具間無縫切換而不丟失上下文。

Risky Business

• 防禦者掌控「地形」優勢：防禦方擁有對網路的完全認知與控制權，可以任意重新配置、分段、修補、替換或臨時關閉系統，這是攻擊者無法擁有的非對稱優勢。
• 適用於特定威脅型態：該策略針對需要長期駐留（dwell time）的國家級情報蒐集型威脅，不適用於勒索軟體或快速掠奪型攻擊，因為高級別任務會因為謹慎而抗拒觸碰可疑新增系統。
• 環境改變產生真實成本：主動改變網路會中斷用戶、消耗 IT 人力資源、與業務營運產生衝突，因此只有成熟且了解威脅現實的組織（特別是政府機構）才有動機執行。

SANS Stormcast

• Apple本次補丁發布主要針對舊系統，iOS 18占87個漏洞，顯示這次更新帶有補足舊版本的性質；大多數漏洞為WebKit相關，安全等級不算嚴重，但螢幕共享漏洞已在實際環境被利用。macOS螢幕共享基於VNC協定實現，支援系統級密碼存取，同時防火牆預設對系統程序開放，單純啟用防火牆無法完全保護，需額外停用系統程序的螢幕共享存取權限。Windows記憶體漏洞利用EPROM可軟體寫入的特性，通過超頻軟體訪問I2C匯流排，將實體記憶體容量翻倍，導致系統記憶體存取控制機制失效。

ABC Learning English

• 妥協與折衷的真義在於雙方都做出讓步，而非單方面的遷就，才能找到真正的共同方案。適應力強意味著隨時準備好快速改變計劃，面對突發狀況時能靈活應變，這樣的團隊合作往往帶來豐厚回報。養寵物前需充分了解其習性與需求——孔雀魚等熱帶魚需要溫暖環境和足夠空間，不能隨意飼養。賦予舊物新用途、給予第二次機會是一件美好的事，能喚起美好回憶並創造新的價值。

Speak English With Class

• 夢想和目標是兩回事。夢想是方向與願景，提供內心拉動力；目標是具體可執行的行動計畫。「寫一本書」是夢想，「每週寫三次、每次500字」才是目標。沒有目標的夢想只是舒適的幻想，永遠停在「有一天」。
• 追求的往往是結果，不是過程。講者親身經驗——曾想要某份工作是因為職位名稱、公司背景和他人的反應，而非工作內容本身。與真正從事者聊天後才發現，大部分時間是枯燥任務，自己感興趣的工作卻很少。關鍵問題是：沒人知道你成功時，你還想要嗎？
• 起步要小，別用「充分準備」當藉口。講者花時間研究相機、軟體、課程，準備本身成了嗜好。朋友建議直接用手機拍7天，這個簡單建議改變了一切。完成挑戰後才明白，障礙不是設備缺乏，而是對完美的追求。

Let's Get Rusty

• 解決的真實問題：AI 代理需要瀏覽器執行任務，但 Chromium 為人類設計，帶來 AI 模型不需要的記憶體與計算開銷，導致每個代理實例成本高昂。Cloudflare 決定針對 AI 代理需求開發專用瀏覽器。
• AI 代理的真正需求：代理不需要標籤頁、主題或擴充功能，反而更在乎令牌數量、上下文視窗、可擴展性與效能。代理優先需求結構化機器可讀內容，威脅模型涉及提示注入與工具安全，這些都與人類瀏覽器的設計理念完全不同。
• 工程方法的嚴謹性：增加大量測試（Web 平台測試套件、Puppeteer 多步驟測試），盡可能使用 Rust 編譯為 WebAssembly 避免模擬層，採用無狀態組件設計，所有網路請求經過單一沙箱出站組件檢查。

Brett In Tech

• 學術研究工具的民主化：Semantic Scholar提供完全免費的學術論文搜尋和分析功能，支援TLDR摘要、引文指標、閱讀庫建立等進階功能，讓許多付費AI工具都以其為骨幹。
• 內容創作的語音合成方案：Speechify和Speech Mock都提供完全免費的文字轉語音服務，支援多語言和口音選擇，且可用於YouTube、TikTok等獲利內容，打破創作者對配音員的依賴。
• 生成式AI工具的整合生態：Dreamina和Leonardo.Ai都提供免費額度的圖像生成，並支援多種AI模型選擇，包括Google Gemini、ChatGPT等，讓使用者有彈性的創作工具組合。

GitHub Awesome

• 數據主權與隱私核心：這些專案的共同特點是數據完全在使用者控制下，不依賴訂閱制或廠商，例如 WACRM 使用 Meta 官方 API 避免帳號停用，OpenArchiver 以 EML 標準格式本地儲存郵件，HQBase 在使用者自有 Cloudflare 帳戶內運行。
• 現代技術棧達企業級質量：這些自架方案採用 Kubernetes、PostgreSQL、Cloudflare Workers 等企業級技術，證明開源不等於簡陋，Eden 家庭實驗室的完整配置就是最好例證。
• 跨領域替代完整性：從業務通訊（WACRM、LibreDesk、HQBase）到多媒體（Halcyon、ROMM、Viofo Sync）、生產力（Super Productivity、Clay、Note Discovery）、財務（Tilevia、Taxhacker、Expenseive），開源生態已能覆蓋 SaaS 的主要應用場景。

Silicon Valley Girl

• 系統集成勝於單點應用 — Luana Lopez（Kalshee 創始人，估值超過 10 億美元）將 AI 代理連接到郵件、文檔、Slack 等所有系統。她每週日原本要花整天時間整理公司狀態，現在 AI 自動化完成，讓她能邊吃早午餐邊審視數據。系統並能追蹤過度承諾、交付不足的員工模式，支持更好的人事決策。
• 個人化記憶和決策框架是必需品 — Eric（史丹佛數位經濟實驗室）強調 AI 價值深度融入生活時最高，他估計一個月不用 AI 損失「數萬美元」。他建議新手先問 AI「你如何能幫助我」，讓 AI 進行訪談式對話找出 10 項使用場景。Aaron Levy（Box CEO）則強調上傳品牌語調、商業策略、個人目標、決策規則等文檔，讓 AI 輸出聽起來像自己。
• AI 執行 90%，人類做最後 10% — Peter Yang（前 Meta/Reddit/Roblox）構建了播客製作、電子報編輯、社交媒體發佈、顧問建議等自動化技能。但所有決策、郵件發送、社交發佈都必須人類先審核。Sal Khan（Khan Academy）同樣強調讓 AI 草擬郵件，但不讓它直接發送。

AI工具箱

• 郵件管理的痛點不在寫信，而在資訊檢索。Shortwave 透過自然語言查詢取代逐封檢視，減少判斷和尋找信息的時間成本。
• 計畫總是在變，手動調整很耗時。Reclaim 的價值在於自動處理日程衝突和任務重排，讓你只需輸入「要完成什麼」，而不必手動找時間槽。
• PPT 最耗時的是內容整理，不是排版。Gamma 提供可編輯的初稿版本，讓你從改進而非從零開始，這個加速效果非常顯著。

AI Engineer

• 效率革新驅動成本崩落：與去年邊界模型相當的品質，現在產生速度快且成本下降百倍，使實時影片生成從原型階段進入可商用階段。
• 模型多元化與組件化發展：世界模型、虛擬形象模型、影片轉影片模型等至少 40 個新模型涌現，各具特化能力，需要的是組合與編排而非單一超大模型。
• 低延遲互動成為新的交互範式：使用者能在生成過程中即時操控攝影機視角和內容方向（響應時間不到一秒），改變了過去「試驗一次 10 美元」的插槽機制式體驗。

AI Engineer

• 監測是基礎設施的基石 — 大規模訓練容易出現不明崩潰（8 小時以內），無法診斷原因。投資完善的監測系統讓研究員能掌握系統狀態，決定何時移除故障 GPU 或調查跨節點通訊問題。
• GPU 利用率指標是誤導的 — 官方的 GPU 利用率顯示 100% 不代表 GPU 在做有效工作。Tensor Core 利用率才能反映真實工作效率，且隨著影像解析度擴展而動態變化。
• Infinite Band 監測是必需的 — 訓練過程中大量跨節點通訊，Infinite Band 監測能捕捉訊息延遲、封包遺失與通訊錯誤，往往是訓練失敗的根本原因。

AI Engineer

• 世界模型策略優於傳統做法：雖然訓練難度初期較高，但模型一旦完成，全身動作、物體互動、微表情等複雜特性能自然涌現，無須逐一編程，大幅降低後期工程成本。
• 實時互動的雙重技術突破：訓練單向注意力遮罩使模型只看過去（無法預知未來輸入），再將生成步驟從30步壓縮到1步，才能在對話中達成即時反應。
• 錯誤累積是長時間生成的核心挑戰：每幀生成都包含微小誤差，這些誤差在後續幀生成時被參考並放大，使長程生成品質衰減；LemonSlice開發全新解決方案讓虛擬頭像可連續運行16小時無明顯劣化。

AI Engineer

• 設計循序漸進 — 先解決文字轉語音，再處理詞語分段挑戰（能量間隔分析與音頻峰值辨識），最後才進階到音高檢測與合成音符，每一步都建立在前一步的基礎上。
• 音高檢測是關鍵 — 用 YIN 音高演算法偵測吉他彈奏的音高，轉換成合成音符，再通過聲碼器混合 AI 語音，這樣才能讓吉他真正「開口說話」。
• 工程與創意的平衡 — 無法完全自動化的部分（例如詞語分段不完美時）就手動調整，實用化優於完美化，快速迭代才能推進專案。

AI Engineer

• 現有遊戲引擎要求開發者掌握程式設計、建模、渲染、動畫等多個領域，導致高學習曲線與冗長開發週期；Nereu 改用自然語言描述，讓使用者聚焦遊戲設計本身而非技術細節。
• 系統採用實體-組件系統架構，每個遊戲物體只需加上描述用途的標籤（如「角色」「可動畫」「雙段跳」），引擎內的系統會自動查詢並執行相應邏輯，避免重複編寫樣板程式碼。
• AI 助手 BB 透過場景上下文、使用者編輯位置和遊戲類型資訊，理解使用者意圖並自動新增或移除標籤；使用者隨時可提問如何實現特定功能，大幅降低認知負荷。