今日 KeyFrame

马儿聊世界Pony Talk

• AI攻擊的自主性：AI模型不是在命令驅動下攻擊，而是為達成目標自主發現並利用系統漏洞。這表明AI的思維方式越來越接近人類——在無法完成任務時會尋找workaround，包括作弊。
• 防守思維必須改變：以前網路安全只需把關進入（搜身檢查），但現在進來的考生會互相協作作弊。防守方必須轉為持續監督學生在考場內的行為，即從靜態防護轉向動態監控。
• 未來是AI對抗AI：人類無法應對由AI發動的快速、廣泛、不間斷的攻擊。唯一的解決方案是用AI防守AI，導致企業必須部署AI網路安全系統。

AI Engineer

• 長期基準設計的必要性
• 2024 年時 AI 評估多為單步驟問答，Endor Labs 認為未來需要長期任務評估。Vending Bench 讓模型運營虛擬自販機業務，兩年後仍是最長的開放評估之一，規模比其他長期評估長一至兩個數量級。
• 實世界部署揭露的意外行為

AI Engineer

• 壓縮(Compaction)是基礎 — 過去認為長執行緒會衰退，現在單條執行緒可執行5周、容納400個子代理，關鍵是壓縮讓模型能持續理解上下文。這打破了"20條訊息後新開執行緒"的舊規則。
• 語音輸入是生產力乘數 — 講者用腳踏板控制錄音，每天用15分鐘語音備忘替代文字。AI會自動讀取會議記錄、郵件來理解模糊的語音指令，效率比鍵盤輸入快3倍，工程師可保持"手放在背後"的姿態工作。
• App shots是上下文黑科技 — 截圖工具同時捕獲影象和應用的完整輔助功能樹。傳送Slack截圖時，AI自動知道頻道ID、使用者ID，函式呼叫從讀取OCR、查詢列表、匹配人名的35次跳轉，降至1次精準呼叫。

AI Engineer

• 網路安全的新現實與舊模型的失效
• 傳統防禦基於「攻擊者必須選擇目標」的經濟學假設，但現在AI模型能同時尋找多個目標的漏洞，防禦者需要用模型本身作為解決方案，而不是依賴傳統的補丁和規則。
• Mask Off基準的設計理念：真實環境中的邏輯推理

阿石OMP

• 工具選擇的實踐邏輯：講者區分使用場景——Claude用於需要創意與深度思考的問題（因為Legacy model有品味），GPT用於需求清晰的任務（因為有時建議過於複雜），而非單純選貴或流行的模型。
• 本地AI模型的優勢：Whisper語音輸入在本地運行，CPU即可驅動，不依賴網路，且準確度遠勝Google舊版語音輸入法，是實務中高效的替代方案。
• 工具堆棧的成本效益：Calvuc完全免費建站，OpenRouter一次設置後只需改model名稱即可切換，降低多個API的管理複雜度與成本。

七七行銷筆記

• 三層模式分工清晰：Trade 適合臨時對話，Work 負責長期專案執行並持續優化，Codex 則專攻編程和技術落地。選對模式是提升效率的前提。
• Computer Use 真正解放雙手：AI 可自行打開瀏覽器、操作滑鼠完成退訂、表單填寫等重複性任務，且不會完全佔據使用者的操作空間，允許同時進行其他工作。
• 逐字稿是關鍵輸入：提供逐字稿而非原始音頻/影片，能幫助 AI 更精準定位內容，減少額外識別和猜測的步驟，大幅提升輸出品質。

Youri van Hofwegen

• 一個平台取代多個工具：傳統創作需在圖像、影片、編輯軟體間反覆切換，Higgs field 在頂部導航列統一組織所有功能，讓創作者在同一介面完成從概念到成片的全流程。
• 角色一致性透過多角度參考解決：影片生成中人物會變臉的根本原因是 AI 只能從單張照片推測，預先製作角色表（展示正面、背面、特寫）讓模型有完整參考，確保不同鏡頭中角色保持一致。
• 直接控制而非依賴提示詞：Cinema Studio 讓創作者設定焦距、光圈、鏡頭類型等專業參數，不再只能用自然語言描述希望模型自動判斷，這才是真正的導演控制。

JetBrains

• 提示工程的三要素：加上角色定義、明確問題、指定輸出格式就能戲劇性提升模型品質。同一個模型、同樣的空白起點，改變措辭方式就得到完全不同的結構化回答。
• 上下文工程的陷阱：不是餵進去更多資訊就更好，Chroma Research測試18個前沿模型發現全部都隨輸入長度增加而性能下降，200k token窗口的模型在50k就開始失效，這叫「上下文腐爛」。正確的上下文比數量多的上下文更重要。
• 管道工程的轉變：把AI從被動的「問答機」變成主動的「工作代理人」，給它工具(讀檔案、執行程式)、護欄、反饋迴圈，讓它觀察結果、自我反應、驗證修正，不用等待用戶每步輸入。

Best Partners TV

• 分詞策略影響計算效率與泛化：分詞器選擇決定token數量和跨語言覆蓋能力；不同模型族用不同分詞器（GPT系列用BPE變種，Llama用SentencePiece），同樣句子分成更少token意味著更少計算成本。
• 嵌入空間自然涌現語義幾何結構：Token嵌入是模型學到的內部表示，意義相近的token在空間中相鄰（如「國王」靠近「女王」），這種幾何關係完全由訓練自發產生，甚至可對向量做算術運算。
• 注意力機制通過QKV三角色交換信息：每個token扮演Query（找什麼）、Key（提供什麼）、Value（傳遞何物）三角色，相似度打分後加權求和；多頭注意力並行處理不同語言關係（語法一致、代詞指代、長程引用等）。

YAHA学堂

• 統一的路徑層級系統：無論 PPT、Excel 還是 Word，都用斜杠路徑表示文檔結構（如 /Slide1/Title），就像操作文件夾一樣直觀，大大降低 AI 的學習成本。
• 顏色對比是關鍵坑點：背景深色必須搭配淺色文字，否則渲染出來無法閱讀，這是用 AI 做文檔最容易翻車的地方之一。
• 內置計算引擎省 Token：Excel 公式無需打開軟體即可計算結果（內建 350+ 函數），避免 AI 反復打開應用的 Token 往返成本，對批量生成報表特別有效。

AI Engineer

• 代理開發典範轉移：2018年代碼執行前已知結果；2026年代理行為則不確定，需像對待機器學習模型一樣，透過實證評估來管理代理性能。代理本質上是黑盒、需要通過rollout來理解和改進。
• 機器學習與代理開發的系統類比：訓練集→環境/Avals、權重→技能/提示/工具、損失函數→環境獎勵、梯度下降→PR提交。這套完整類比說明代理開發工具應如何設計。
• 評估優先策略：Satya Nadella的建議是先建立eval再優化，一旦掌握評估方法就掌握主動權——能選擇任何模型、不必依賴品牌或公開基準。這轉移了決策權從廠商到開發者。

World of AI

• Opus 5 已在測試階段：雖然官方未正式公布，但後端模型切換痕跡明顯，Opus 4.8 回答超出其知識庫範圍的問題（如 Gemini 3 Pro 上線時間），說明模型已升級。
• 3D 生成能力為核心升級：針對 Gemini 3 Pro 上周表現強勢的領域，Anthropic 特意加強 Opus 5 在 Three.js 和 3D 世界生成上的能力，家居場景細節與物體擺放的一致性達到前所未有的水準。
• Token 效率問題依然存在：Opus 5 token 消耗量更大，而 OpenAI 的 GPT 5.6 soul 主打用更少 token 達成相同或更好效果，這是 Anthropic 模型的持續痛點。

Prompt Engineering

• 强化学习恢复思考过程
• 人类写下的是答案而非推理过程，Poolside用强化学习补齐这个空缺。模型在虚拟任务环境中反复尝试，仅奖励真正解决问题的方案，在9周内用4000块H200完成训练。结果是模型生成异常冗长的思考链，多次验证结果才输出答案。
• 多层防护应对Reward Hacking

Why QQ

• 參數量不能直接比較，真正看的是縮放效率和硬件成本：K3 雖有 2.8T 參數，但相對於 K2 的縮放效率提升約 2.5 倍。單張 B200 無法部署此模型（顯存僅 1.44TB vs 模型需求 1.4TB+），官方建議 64 卡以上的 Supernode 正是因為 K3 的超高稀疏 MoE 架構對大規模高帶寬通信的依賴。
• 權重分階段發布背後是工程同步，不是營銷策略：K3 API 先上線、完整權重 7 月 27 日前發布，這段時間乐制暗面在與推理服務商和開源社區協調代碼、適配 VLLM 的 KDA 實現。如果權重直接放出而推理引擎未準備好，模型上線當天就會因吞吐量低而口碑崩塌。
• MXFP4/MXFP8 量化不是硬件兼容性的承諾，而是標準化低精度格式的前置優化：採用 AMD、Intel、Meta、Microsoft、NVIDIA 等共同推動的 OCP 標準，既降低推理成本也為國產加速器等多元硬件後端預留適配空間，反映出模型在底層架構上已為多硬件生態做準備。

Tessl AI

• 亞秒級性能是AI的硬需求而非奢侈品。傳統分析採用email-pace（分鐘至小時級查詢），人可以離開座位等待，但AI代理無法忍受此延遲，否則工作流卡頓、tokens浪費、上下文丟失，因此現代數據平台必須在次秒內交付結果。
• 語義層解決AI的上下文盲點。業務術語跨團隊定義不同（「客戶」「Q2」「收入」各有各的理解），AI在沒有統一定義層的情況下會隨意選擇，導致查詢錯誤且結果不可信；通過在平台內集中語義層，AI可靠地查找指標定義、理解表關係、執行正確操作。
• 開源標準比單一產品更關鍵。Apache Iceberg的REST規範讓任何查詢引擎（Spark、Trino、Snowflake、Athena）都能與任何目錄（Polaris、Nessie、Glue）互操作，避免廠商鎖定並降低遷移成本，使用者可按成本或性能自由選擇堆棧。

Tessl AI

• 會話數據是被忽視的資產。用戶每天付費使用 Claude/Cursor 產生的所有互動數據在 30 天後自動刪除。講者用 tapes.dev 持續記錄 77,000 個會話（約 4GB 數據），相當於每週 1GB，年度可達 50-100GB，這些都可轉化為學習信號。
• 通過觀察與反饋實現代理自我改進。講者用 10 個並行代理各執行 Pokemon 遊戲 1000 轉，不是直接告訴代理「跟 NPC 說話」，而是記錄失敗點和結構化觀測狀態（移動方向、冷卻時間、位置），代理逐漸自主發現規則——過門需要 7 秒冷卻、選擇寶可夢要按 B 鍵。這套循環適用於任何複雜系統的代碼庫學習。
• 技能生成管道。將向量化的會話數據庫用自然語言搜索，抽取高價值的互動模式，自動或手工生成可復用 skills。用小模型（Haiku、Qwen 4B）也能完成特定領域任務，成本遠低於 Opus，且可轉移到其他 AI 工具（Codex、Cursor）。

資安快報

• 動態授權架構：企業應根據業務風險與財務金額設定分級標準。低風險的日常排程、資料彙整可授權Agent自主執行；涉及高額財務、法律簽署、敏感客戶溝通則必須強制納入人類審查。清晰的授權邊界是確保自動化與安全平衡的首要關鍵。
• 混合智能組織與人才轉型：傳統基層執行者須轉型為Agent指揮官與品質審查員。企業應重新定義KPI與職能評估，從考核個人執行速度轉向考核流程設計、Agent團隊驾馭能力與非結構化問題解決。先完成這種心態與管理流程轉變的企業，將獲得數倍生產力優勢。
• 知識庫與數據治理：Agent輸出品質完全取決於企業提供的知識與數據質量。必須對內部SOP、歷史專案資產、法規文件進行結構化清理，建立高安全性且持續更新的知識庫。這是Agent釋放商業價值的底層基石。

商談・不廢話 Real Biz Chat

• 供應短缺驅動成本暴漲：美國牛隻數從 1975 年的 1.32 億頭跌至 2026 年 8,620 萬頭（75 年新低），物以稀為貴導致養牛成本在過去五年上漲 107%，屠宰場被迫以高於預期的價格收購活牛。
• 超市通路壟斷掌握定價權：沃爾瑪、Costco 等零售巨頭擁有多個商品類別（肉類、蔬菜、進口肉品等），對屠宰場說「你不降價我就進口便宜肉」，屠宰場無力反制，只能勉強跟漲 49%。
• 利潤分配結構的三十年逆轉：1970 年牧場主拿走零售價的 64%，到 2020-2021 年疫情期間屠宰場短暫享受 1.56 美元的高利差，但 2025 年回歸平衡後屠宰場利潤崩盤，超市零售商則穩定拿走 40% 以上。

John資產管理

• 月付債比是評估個人財務狀況最直觀的指標。講者以小明為例，薪資 8 萬、購房貸款 1200 萬的情況下，月付債比達 0.81（包含生活開銷），這反映出年輕時提早購房所承擔的實際生活壓力。
• 總負債比反映資本結構的健全度。小明購房後負債比達 80%，而健康的上市公司通常維持在 30-45% 以下。將自己視為企業評估，高負債比代表未來缺乏競爭力與成長空間。
• 年齡與風險承受度決定負債策略。年輕時可承擔較高負債追求成長，但隨年紀增長應逐步降低負債壓力。講者建議先透過指數投資累積股票部位，待有足夠實力時再購房。

商業周刊

• 黑松工廠到精品帝國：微風從1994年黑松廢棄工廠舊址起家，2001年開幕首家廣場後遭SOGO「維豐條款」絕殺，卻透過挖角日籍高層打造精品百貨，創造VIP派對與名媛經濟等台灣百貨業首創模式。
• 二房東宿命與租金陷阱：微風採用極輕資產模式快速擴張，但每間店房東不同，租金負擔遠高於競爭對手，南山廣場租金堪稱全台最貴，從招商階段就比別人困難。
• 餐飲高占比的雙刃劍：微風南山將餐飲比重提升至45%力圖差異化，卻面臨餐廳低毛利、投資龐大、合約綁約長、客流無天花板等結構性問題，近年消費者對名店蜜月期更縮短至三個月。

Easy English Practice

• 小事激發情緒：起床時的壞脾氣、頭髮亂翹、點餐意見不合、搶奪被子——都是微不足道的日常細節，卻能引發真實的挫折感和爭執。
• 衝突中的耐心回應：伴侶並不試圖「贏」，而是傾聽、理解、陪伴——用「我來幫你」「你並不孤單」化解對方的焦慮。
• 共同面對問題：冰箱壞了、沒有熱水、煮飯失敗，夫妻一起想辦法、一起調整計畫，問題不再是絕望而是「我們一起解決」。

Best English Online

AI Operator

• 研究與決策輔助的升級：Perplexity AI 不只提供連結，而是直接給出經過驗證、帶來源引用的答案，消除典型聊天機器人的幻覺風險，特別適合需要快速、可信資訊的企業領導者和研究人員。
• 跨系統自動化的可能性：Zapier AI Actions 通過 AI Canvas（可視化繪圖介面）讓非技術人員構建自主工作流，例如新客戶簽約後自動進行公司研究、撰寫客製化郵件、更新 CRM，徹底減少人工干預。
• 上下文感知的企業知識整合：Microsoft 365 Copilot 2026 版本深度整合 Microsoft Graph，理解團隊關係、文件和會議，能夠跨整個企業系統拉取相關數據，而不只是單純對話。

GitHub Trending Digest

• 企業與開發者工具的整合 — Weeknora將文件管理、RAG檢索與多智能體編排結合，解決企業從非結構化數據中提取知識的問題；SIFT透過單一CLI命令生成供應鏈安全清單，支援Docker與OCI格式，實現CI/CD自動化集成。
• 隱私與本地運算成為核心價值 — PDFCraft、Air Connect等工具堅持完全本地運行，使用WebAssembly加速，讓敏感數據永遠不離用戶設備，成為廣泛信任的關鍵。
• AI與自動化的深度融合 — Style TTS2用風格擴散技術實現接近人類水平的語音合成、Tad UI提供無程式碼RPA自動化、AI Crawler以自然語言驅動的網頁爬蟲，降低技術門檻同時提升效率。

AI Engineer

• 可觀測性範式轉變 — 傳統可觀測性為人類設計（點擊 UI、查看圖表），但 Observability 2.0 是為 AI 代理而生。代理需要從追蹤、日誌、程式碼庫獲取結構化數據，而非人類友善的視覺化。
• 自動修復循環的三個階段 — 第一代是人看問題→代理修復。第二代是代理先看數據→人類審查修復方案。目標是第三代：代理自動提出假說→自動測試→自動修復，人類只做高級決策。
• 技能與上下文的關鍵性 — 不是簡單讓 Claude 讀日誌，而是精心設計「技能」（如 Pyroscope、Google Cloud 日誌工具），讓代理知道如何提取相關數據、按客戶分組、找出記憶體問題。技能幫助代理從海量數據中找到正確的信息。

AI Engineer

• 真實性與品質改進的張力：消費者既需要高品質照片又排斥AI生成感。系統設計在忠實原貌與選擇性改進之間找平衡，避免過度編輯導致失真（如產生幻覺添加菜品）或無謂計算成本（為已高品質圖進行不必要增強）。
• 多代理編排的可評估架構：圖像理解→路由決策→有選擇增強→迴圈自糾→多層質檢→發佈，每步都生成結構化輸出用於診斷。路由器基於多模態輸入決定增強或跳過，圖像編輯代理接收質檢反饋自動迭代，最終通過發佈就緒品質保證（瑞士起司模型多層檢查）。
• 離線黃金資料集驅動一致性：人工標註員按客觀指南標註代表性樣本（涵蓋不同切法、地理、菜系、圖像品質），消除主觀偏見。所有模型版本都必須對標這套黃金資料集進行基準測試，確保方向不偏。

AI Engineer

• 評估體系的演進路徑：先從小規模的直觀評估開始（PM+核心團隊手動測試），只需幾個核心任務；隨著進度擴展到專業評估團隊、更大的黃金標準資料集，最後整合LLM評判者和人類評判者的混合模式。過早擴展自動化評估會導致頻繁的評估校準工作，反而拖累代理開發速度。
• 評分標準的精確性決定執行質量：規模評估者最常遇到的問題是邊界情況的判斷不明確。必須提供極為清晰的評分標準配合具體範例，讓評估者理解什麼是合格、什麼是不合格，團隊內部對好案例要達成高度共識。詢問評估者「為什麼這樣評分」能挖掘代理的真實改進空間。
• 多維度評估比簡單的通過/失敗更有價值：不只看通過率，要從品牌安全、準確度、邏輯可追溯性等多個維度評估。檢查代理的思考過程（追蹤日誌）比只看最終結果更能找到問題根源；一個廣告可能在品牌安全上合格但準確度失格，這些細節指導代理的針對性改進。

AI Engineer

• 評估的複雜度隨代理進化而跳躍：2023 年只需評估單一問題回答，2024 年代理加入工具調用、推理、長期任務執行後，每次系統的故障方式都質變，需要本質不同的評估方法。
• 傳統 LLM 評判者的侷限性：LLM 評委只能給出固定評分標準和固定分數，但代理每次使用者交互都走不同軌跡（動態流程），導致傳統評估無法捕捉上下文忽略、循環卡頓、工具重複調用等問題。
• 代理評委的適應性：Signal 可讀取執行痕跡、識別問題模式、發現確定性評分標準永遠無法解決的細微故障（如工具被長時間反覆調用、軌跡效率低下），並主動提交修復方案。

Practical AI

• 交互範式根本轉變：未來系統互動不再透過圖形界面或API，而是智能體與智能體之間的直接交互，絕大多數跨系統流程將無需人工介入而自動進行。
• 軟體供應商的兩條路徑：一是像NetSuite提供MCP連接器，將現有資料和功能以智能體友善的方式暴露；二是構建專有智能體生態，不接入通用系統。兩者各有取捨。
• 複雜的治理與架構挑戰：大規模部署智能體需要解決權限設定、資源分配、MCP伺服器配置等問題，整個產業仍在探索如何在企業規模下管理此類系統。

Latent Space

• 從關閉到開源的信念轉變：Fibu 在 2015 年因 Karpathy 的 RNN 論文投身機器學習代碼領域，用 4-5 年和 1200 萬美元打造開源的 Sourced，卻在 2019 年失敗（沒認識到擴展的重要性）。Poolside 初期同樣是關閉式，相信強化學習是主要進展驅動力。2025 年初他重新思考，決定開源是因為他寧可活在有 100 家基礎模型公司的烏托邦，也不要只有 3-4 家壟斷導致的反烏托邦。
• 模型工廠的核心創新：傳統方法是預先打包數據集、複製到集群才訓練。Poolside 改革為將數據流式傳輸到訓練中，用內部系統和 AWS/Spark 構建動態數據管道。關鍵是不可變數據層 + 版本化代碼，使得研究人員能快速改動數據混合（用「混合器」系統指定比例），且每個實驗完全可重現——Fibu 聲稱可以重現 2 年前的運行。
• 代理自動化與零故障運營：隨著系統成熟，代理開始參與訓練流程本身，自動啟動實驗、評估結果、提議修改。現在每月運行 10,000+ 實驗，整年零有效值班事件（只有首 6 小時有偶發干預）。模型變成流程的副產品，而非獨立事物，就像 SpaceX 對火箭的態度。