今日 KeyFrame

FinVid

• 第一、AI 實際收入爆發已成市場轉捩點。Anthropic Opus 4.8 推出後年度經常性收入（ARR）從年初 $9B 飆升到 $47B，全年收入預期衝上 $100B；OpenAI 也在急速增長。這直接驗證了全球 $1.2 兆年度芯片製造資本支出的合理性，終結了去年市場對「AI 虛火」的疑慮，AI 晶片股今年漲幅達 80%。
• 第二、計算短缺已成結構性現象而非暫時性。Alphabet 執行長明確表示計算不足限制雲端收入，AWS 因需求強勁調漲 GPU 價格 20%；所有超大規模雲端商財報都指出供應受限。與 dot-com 泡沫盲目鋪光纖不同，今天的企業是根據已簽署合約與預付款來擴建，沒有閒置 GPU，新容量上線立即被吸收。
• 第三、記憶體週期的本質已根本改變。過去需求來自消費者導致週期性破裂，今天需求來自超大規模雲端商、AI 實驗室、主權雲端等企業客戶，更具耐久性。Micron 與 GM、Ford 簽訂的長期策略協議延伸至 2030 年，客戶願意鎖定 4.5 年供應證明這是根本性差異而非理論推測；新產能需數年才能上線。

IndyDevDan

• 1. 代理編程三大核心問題
• 講者開篇即指出 multi-agent orchestration 的三個普遍痛點：缺乏程序化訪問導致人類成為瓶頸、無法監控代理導致無法改進、手動建置代理隊伍消耗時間。CMUX 透過 API 與工作區（workspace）機制解決這些問題，讓代理能以「agentic speed」而非「human speed」運作。
• 2. 可視化是提升能力的前提

Julian Goldie SEO

• Quen 3.6 的多模態整合優勢在於單一模型可同時執行內容創作、代碼修復、邏輯推理等工作，相比傳統多工具組合，大幅簡化工作流程與資料轉移成本。
• 模型的「preserve thinking」功能記錄前序推理步驟，讓長期項目（如完整內容日曆或技術審計）保持邏輯連貫，不會在中途遺忘上下文，特別適合複雜多步驟任務。
• 免費且無鎖定風險是採用門檻最低的優勢，既能在線上即時試用，也能在本地部署以保持隱私和控制權，28B 到 35B 參數版本可依硬體效能彈性選擇。

Bart Slodyczka

• Pi 框架的輕量化設計：Pi 預設只包含核心代理引擎和基本終端工具，不包袱臃腫的預設系統提示和技能，使用者可以通過對話讓 Pi 自動構建所需的 extensions 和 skills，是「代理構建代理」的自舉模式。
• 本地 LLM 完全自主：透過 LM Studio 集成本地模型（如 Qwen 3.6 35B），所有 API 調用都在本地電腦執行，無需依賴雲端服務或付費 API，適合隱私敏感和成本受限的場景。
• 代理包可移轉性：Pi 支援打包成可分享的代理包，允許在本地開發完成後直接移轉到雲端或專用設備上運行，避免綁定單一環境。

Best Partners TV

• 個人通用AI vs超級應用 — ChatGPT的終局不是成為超級應用，而是個人通用AI助理。它應該像全職助理一樣，用自然語言接受目標，自動調度工具、跨應用工作，使用者幾乎無需干預。核心是把「自動執行」（而非僅「提供建議」）變成主流。
• 信任與權限是智能體時代的核心 — 當AI代表你發送郵件、安排日程時，權限分級與人工審核成為必需。OpenAI的策略是完全把控制權交給使用者，讓他們自決哪些任務授權自動化、哪些必須人工審核。這是產品差異化的關鍵。
• Scaling Laws依然有效，瓶頸來自工程而非理論 — 擴大算力、數據和模型規模的收益持續存在。OpenAI遇到的所有擴展不及預期的情況最終都是內部bug或工程實現問題，從未是Scaling Law本身失效。模型進步會一直持續。

Logically Answered

• 免費+付費的完美商業模式
• HubSpot 先用免費工具（WebsiteGrader 評估 400 萬網站、Twitter Grader 等）和優質部落格內容吸引訪客，再轉向付費 CRM、行銷和銷售工具進行轉換。單篇部落格文章就能帶來 10 萬訪客、100 條銷售線索。這個模式讓 2007 年的 $255K 營收在三年內成長 61 倍。
• 怪誕的公司文化與危機

Julian Goldie SEO

• HY3 的定位是代理 AI 任務而非前沿模型。講者通過遊戲、網站生成等實測發現，雖然輸出可運行，但在圖形細節、色彩準確度和整體質感上明顯弱於 Fable 5、GLM 5.2，需多小時反覆調整才能接近預期。
• 開源與免費是最大優勢。OpenRouter 免費提供至 7 月 21 日，也支持本地部署，讓預算受限的開發者有了可行的 AI 代理選擇。
• 特別適合 Hermes 代理框架集成。在 Hermes 框架中測試時，HY3 的瀏覽能力和代碼生成速度都不錯，可快速執行網頁閱讀、技能學習等任務。

NETSOLVER ACADEMY

• Whois 的類比理解：如同圖書館借閱登記簿，記錄每個域名的註冊人、註冊時間、到期日期等；目標完全不知道你在查詢他們，因為查詢只是向註冊機構(ICANN 資料庫)請求資訊。
• 域名與 IP 的雙重查詢能力：Whois 既可查域名(透過 Registrar)，也可查 IP 位址(透過系統號碼)；不同國家 TLD(.com/.in/.org 等)的輸出格式因各自的註冊機構而異。
• theHarvester 的深度蒐集：不只回報 WHOIS 的基本資訊，而是透過爬蟲自動掃描公開網路資源，提取電郵、子域名、員工名單，幫助繪製目標的攻擊面全景圖。

Curso blockchain

• 區塊鏈不可逆性使社會工程攻擊尤為致命——與傳統金融不同，用戶一旦簽署惡意交易就無法撤銷，詐騙者利用盲簽機制讓用戶在不知情下授權轉移全部資產，造成永久性損失。
• 智能合約的公開與不可變性為攻擊者提供充分的審計機會——任何邏輯錯誤、不安全外部調用或算術漏洞都可在單筆交易中被利用耗盡資金，2016年DAO重入攻擊就導致5000萬美元被盜。
• 共識安全依賴資源分散——一旦單一實體控制超過51%的算力或權益，就能重組鏈、雙花交易或審查新區塊，長距離攻擊則能利用舊私鑰改寫歷史交易。

Curso blockchain

• 新興攻擊向量集中於四大領域：第一，賬戶抽象（智能合約錢包、支付者、會話密鑰擴大攻擊面）；第二，預言機操縱（跨鏈和多源數據饋送的複雜性）；第三，治理攻擊（閃電貸投票、低參與度提案劫持）；第四，跨鏈訊息漏洞（一個受損端點可感染多條鏈）。AI 驅動的攻擊加速了漏洞發現，自動掃描可在部署後數小時內找到並利用漏洞，使得上線後監控與快速應對變得與上線前審計同樣重要。
• 流動性質押和再質押集中新風險：LRT（液體質押代幣）中的再質押行為將擔保品再次抵押，放大了風險敞口；削減（slashing）可沿著連結協議級聯；運營商集中度創造單點故障，威脅整體安全。
• 量子威脅的具體機制與時間緊迫性：Shor 演算法可從公鑰推導私鑰，威脅 ECDSA/EdDSA 簽名；「立即收穫，稍後解密」（Harvest Now, Decrypt Later）的威脅已真實存在，對手正記錄今日的公鑰和簽名交易，等待量子電腦在 Q-Day 抵達時解密。雖然實用量子電腦還需數年至數十年，但遷移必須現在開始，因為已曝光的公鑰成為未來負債。

Curso blockchain

• 密碼學與共識是信任基礎：區塊鏈透過碰撞抵抗的哈希函數（SHA-256、Keccak-256）連接資料塊，改變任一塊就會使其後續全部失效。哈希具雪崩效應——改動一個輸入位會完全改變輸出。ECDSA/EDDSA數位簽章證明私鑰所有權而不外洩。Merkle 樹與簡化支付驗證（SPV）使輕用戶端無需下載完整鏈。
• 去中心化的雙面性：分散驗證消除單點故障、提供抗審查性、降低對手風險，但同時帶來治理爭議導致分叉、漏洞補修緩慢、事件應急協調困難、節點安全不一致等挑戰。
• 攻擊面廣泛且多層：用戶層有釣魚、私鑰盜竊、SIM卡互換；網路層有日食攻擊、DDoS、BGP劫持、女巫攻擊；應用層有重入、整數溢出、預言機操縱、訪問控制缺陷、前置交易（MEV）；跨鏈有橋接漏洞。智能合約「程式即法律」，交易不可逆，放大了盜竊密鑰的影響。

0xUnstuck

• 重入攻擊的核心機制在於執行順序缺陷：金庫先發送資金再清零餘額，當資金轉入攻擊者合約時自動觸發 receive 函數，此時餘額尚未更新，使攻擊者能在同一交易內反覆調用 withdraw 並多次領取資金。
• 攻擊流程看似複雜但執行極簡：使用者只需點擊一次「steal」按鈕，receive 函數會自動迴圈調用 withdraw，直至資金池被完全掏空，整個過程由單一交易完成。
• 修復方案遵循「檢查、效果、交互」（checks, effects, interactions）原則：改為先清零餘額（效果）再發送資金（交互），當攻擊者重入時餘額已為零，require 檢查會立即失敗並回滾交易。

CryptHawk

• SSRF 漏洞的發現與驗證：AI 掃描器正確識別了 stock 參數接受任意 URL 的 SSRF 漏洞，但教程強調需要手動驗證 AI 的發現。通過修改 IP 地址最後一個八位組並利用 Intruder 掃描，確認內部服務確實存在於 192.168.0.8。
• LLM 提示注入的濫用：由於 AI 掃描器會分析產品評論，攻擊者可以在評論中植入惡意指令，欺騙 AI 執行預定的操作，而不是執行正常的安全掃描行為。
• 多層漏洞的組合利用：單個 SSRF 漏洞加上 LLM 提示注入形成複合攻擊，AI 代理無意中成為執行內部網路請求的跳板。

我要做富翁

• 1. 真被動收入 vs 偽被動收入的本質差異
• 許多看似輕鬆的賺錢方式（玩遊戲賺錢、分享寬帶）實際上是別人在賺你的智商或消費隱私。真正的被動收入需要初期投入（本金或知識或時間），才能後續自動產生現金流，而不是一開始就毫無成本。
• 2. 系統化選擇比單一工具更重要

莊也雜談

• AI 幻覺的三層根源：大語言模型本質上猜測下一個詞而非查資料；訓練評分機制獎勵它瞎猜而非承認不知道；AI 缺乏可靠的「我不知道」開關，導致它自信地編造答案。
• Deepfake 已超越語音進化：從 2023 年美國律師被 ChatGPT 編造的假判例坑害，到 2024 年香港跨國公司被實時多人視訊會議中的 AI 數位人物詐騙 2500 萬美元，Deepfake 已能在多人場景中同步完美偽造多個真人。
• 個人資訊外洩的四大管道：數據泄露（如 2019 年加拿大 LifeLabs 事件波及 1500 萬人）、社交媒體無意洩露家庭關係、合法數據經紀商的買賣、以及詐騙者透過讓老人自己報名字的誘導法。

大雷早上好

• Fable 5 防禦層次升級：Anthropic 在模型前置了語義級分類器（非簡單關鍵字匹配）、實時輸出監控機制、以及思維鏈內部監視系統，使越狱難度從技術問題轉變為經濟問題——攻擊成本已超過尋求替代方案的成本。
• 防禦的邊界：儘管 Anthropic 承認小眾語言（如阿姆哈拉語、桑塔利語）上的分類器較弱，但多層防禦設計使單點突破難以導致完全失效，攻擊者必須同時穿透多個系統。
• Google 模型差異化戰略：Gemini 3.5 Pro 瞄準前端開發與視覺生成領域（SVG、UI 佈局、設計美感），而非優化推理邏輯，反映 Google 在消費者應用層面的競爭策略。

中天財經頻道

• 美国利率政策大幅鹰派转向。6月点阵图显示2026年利率预期上修至3.75%-4.25%以上（3月仅预期3.5%以下），意味着年内不仅停止降息反而持续升息，驱动力是能源成本飙升导致通膨抬高。虽然就业、出口、投资表现良好，但消费者实质薪资下降、房贷利息负担加重（将升至6.5%以上）将成为经济隐患。
• 欧洲陷入"滞胀"死局，既升息又无法救经济。欧盟首季成长率负0.2%，德国汽车业被中国电动车击垮、廉价俄气断供导致化工业崩溃，法国能源成本高企抗争频繁，意大利负12%增速暴跌，三大经济体全面衰退。绝望升息反而恶化衰退，极端政党趁机崛起，欧洲陷入政治经济双重危机。
• 日元贬值无法遏止，问题源于利差。日本虽升息至1%，但美日利差高达2.5%（美3.5-3.75%），巨大套利空间使日元持续售出，央行外汇干预微弱无力，政府因国债占GDP 250%无力再升息，而首相宽松政策更加剧贬值。日元贬虽助出口，但民众因进口物价上涨和过度观光客涌入生活成本暴增。

朱學恒的萬事通事務所

• 評測體系被當成背題訓練：GLM 5.2在公開榜單排名全球第四，但在未見過題目的私密測試中落後美國7至12個月。OpenAI發現60%的SWE Bench題目存在缺陷，所有頂尖模型能逐字背出標準答案，說明模型在"刷題"而非學習，新考卷SWE Bench Pro讓榜單前列分數從80分跌至23分。
• 成本謊言用單價掩蓋總價：Deep Seek單價便宜60倍，但同一任務需要消耗23倍的token，乘完之後總成本反而比Anthropic更貴。人們只聽單價數字，很少有人算完整的賬。
• 人力永遠輸給機器的根本原因：江西水軍是手工一條條打出來，必然疲勞、出錯、露餡；AI可以在秒內生成數千條語氣各異的文案且永不疲倦。這不是誰更努力的問題，而是物理上的根本差異。

Sun Channel

• 詐騙已升級為 AI 驅動的系統化產業：講者強調詐騙不再依賴受害者「貪心」，只需利用疲勞瞬間，加上強大的 PUA 心理操控。AI 時代使騙子能在數天內整理數百萬筆資料，將每個人的信用卡消費紀錄、購買習慣、家庭成員、子女就學情況等多維度資訊進行精密分類和優先級排序。
• 數據外洩已成常態的黑市產業：信興集團洩露 92 萬人個資、數碼港外洩 400GB 敏感資料、TV摩數據被盜，這些資訊在暗網可售至數十萬美元，黑客與詐騙集團形成完整的分工產業鏈，即使黑客本身非詐騙集團成員，也實質上成為幫兇。
• 掌握完整資訊後的欺騙無所不能：講者舉極端但真實的例子——冒充銀行職員的電話詐騙，掌握受害者名字、銀行結餘、最近購物紀錄後，利用受害者疲勞和專業語氣，誘導其執行轉賬操作，此時受害者基本已無翻身餘地。

AI Engineer

• 部署是真正工作的開始
• 講者指出大多數agent相關討論在上線時終止，但實際上部署後才需要快速閉合反饋迴圈——監控、理解系統表現、檢測問題、修復改進。這個反饋迴圈對產品進化至關重要，有時甚至比系統本身更重要。
• Agent監控比傳統軟體複雜得多

AI Engineer

• 反饋來源層級不同。開發階段可用基準測試+評估器打分；生產階段只有會話日誌，需透過自動分析（其他模型或 LLM）或人類專家（提供領域知識）萃取反饋。但日誌加反饋仍不足——需升級為「可重放的學習環境」，包含推斷的工具行為、合成使用者、成功指標定義，才能對多個代理候選版本進行測試與驗證。
• 改進層級決定成本與彈性。模型層改進（SFT、DPO、RLVR、LoRA）需要密集計算但強大；框架層改進（重寫提示詞、修改工具、程式流程）靈活成本中等；記憶層改進（存儲事實、技能蒸餾）最快最便宜但未經驗證。最佳策略不專注單一層，而是找到能解釋失敗的最小持久改變。
• 可驗證持續學習（VCL）的核心是四原則的協調。可重放性確保一次性失敗變成可重複測試；整體性通過根因分析將修復路由至正確層級；終身學習性在優化時內嵌回歸測試，新修復不破壞過往成功；效率讓迴圈頻繁運行，優化過程本身也要高效。

AI Engineer

• MCP Apps 突破 JSON 限制，提供互動式使用體驗。傳統 MCP 伺服器工具調用僅返回結構化數據，MCP Apps 改為返回沙盒 iframe，可嵌入 React 元件。用戶在聊天介面中直接看到視覺化儀表板、圖表編輯器或實時視頻，而非冗長文本，大幅提升信息的可讀性和交互性。
• UI 與模型建立雙向通信通道，增強協作能力。MCP Apps 支持多項原語：setState 讓 UI 更新模型對當前狀態的認知（如用戶選擇），sendFollowupMessage 從 UI 按鈕觸發後續對話，流式令牌實時更新 UI 內容（如邊接收 Mermaid 語法邊繪製圖表）。這些機制將複雜多步任務整合在一個連貫的對話流中。
• 隱私輸出分離設計解決敏感數據外洩風險。開發者可在 UI 中顯示完整信息但向模型隐藏敏感部分。典型模式是返回結構化輸出給 UI（用戶看到完整檔案）、返回文本輸出給模型（「用戶正在查看其個人信息」），防止敏感數據流向第三方 LLM 提供商。

AI Engineer

• 找出客戶的「傷口」（真實痛點）是起點。不要開場就說產品特性，要沉浸聽眾在客戶的工作日常中——例如安全團隊在 Slack、tickets、vulnerabilities 系統間疲於奔命的無力感，讓人産生情感共鳴，這樣才會有人想聽解決方案。
• 用已知的病毒式故事做類比來讓產品「點擊」。麥當勞 AI 點餐失控（冰淇淋加培根）的例子人人都知道，改成「如果用了我們工具那影片永遠不會上 TikTok」，聽眾瞬間理解價值，遠優於說「agentic orchestration platform」。
• 用可視化語言當產品的前門，技術定義放後面。「Devon AI 軟體工程師」和「AI 行為煙霧警報」讓人瞬間有畫面，這些不是完美技術定義但足以引人入門，細節對話可以之後展開。

Sean‘s AI Stories and AutoManus

• Harness 和 Loop 的實質：Harness 就是一套工具集，讓你控制 LLM 朝正確方向移動，而不是隨意漂移。Loop 是指代理在完成任務時，會自動判斷該調用哪些工具、發送什麼提示，最後才停止迴圈並回覆用戶。
• 三層記憶架構：程序記憶儲存「如何行動」（透過 skills.md），語意記憶儲存「持久性事實」和「用戶檔案」（memory.md），事件記憶則是整個聊天歷史和日期事件（state.db），代理會自動將頻繁任務和新發現總結為新技能和記憶。
• 完全本地化與自進化：所有數據儲存在本機 .hermes 資料夾，無雲端上傳，代理能主動學習更新自己的技能和記憶，形成自改進迴圈。

李宏毅

• 聲音複製智能的技術原理與改善：工具透過學習參考錄音來複製聲音特徵，第一版在連續發音時會產生雜音干擾，第二版徹底修正了這個問題，相似度評分提升 26 分，達到可用水準。
• 客觀量化的評估方式：不只靠主觀聽感，而是用語音辨識系統進行「聽寫對標」測試，第一版五句話只對一句，第二版五句全對；同時建立評分基準（老師真實錄音互比為 90 分天花板），讓改進幅度一目了然。
• 語速問題的部分解決：雖然第二版本身速度（5.8 字/秒）仍未完全貼近老師（3.7 字/秒），但官方新增語速旋鈕讓用戶能主動調控，實際上解決了可用性問題。

Why QQ

• 隱蔽標記的技術機制：Claude Code 在偵測到非官方 API 端點時，會結合系統特徵和代理 URL 資訊，將判斷結果編碼進原本發送的 System Prompt 中，透過改變日期格式和 Unicode 標點（如將 `today's date is` 中的單引號替換為右單引號或修飾字母標點）來傳達信號，而這些符號肉眼無法區分但機器可讀。
• 防衛與越界的界線：Anthropic 宣稱此舉是防止模型蒸餾攻擊，但隱蔽修改用戶發送的數據違反了知情權，缺乏透明度。若真為防禦目的，應明確告知用戶檢測機制，而非暗中修改通信內容。
• 企業合規的強硬反應：阿里禁令不僅是安全防禦，更是對不透明風控機制的明確拒絕。對任何有數據安全要求的企業而言，工具在用戶不知情下修改發送的數據都是不可接受的，即便僅涉及標記而非敏感資訊。

James Blue

• 會議記錄自動化改善決策效率
• Fireflies在會議中自動轉錄並產生結構化摘要，小企業主可從每週6-7小時的會議行政工作中解放。由於所有對話都可搜尋，團隊能快速拉出過往決策紀錄，避免資訊遺漏或責任推卸。
• 客服機器人延伸營業時間捕捉商機

商業本質

• AI的60-40陷阱
• 企業誤以為AI能取代全部工作，實則AI只能完美處理高度重複性工作（60%），剩下40%涉及判斷力、應對突發事件、公司歷史理解、複雜人情事故等，都需要人類在崗位上積累5-10年才形成的直覺。這40%工作實際藏著公司90%的真正價值。
• 破壞性的人才斷層

Best English Online

• 情境式學習法——透過不同生活場景（家庭、友誼、慶祝、日常計畫）呈現英文對話，讓學習者理解單字在真實語境中的使用方式，而非孤立背誦。
• 重複與變化的教學設計——相同詞彙（如形容詞、動詞片語）在不同對話中反覆出現，加深印象，同時示範多種表達方式，避免僵化記憶。
• 自然回應與禮貌表達——課程強調對話流暢性，教導感謝、邀請、拒絕等社交用語，使學習者不只懂文法，更能自然溝通。

Github Trending Jason

• AI生成內容品質提升成為核心需求：Taste Skill以56,000星成為AI前端反平庸運動的領頭羊，解決AI生成界面外觀平凡的痛點，提供動畫、排版、間距最佳實踐給AI設計師。
• 代理技能庫生態快速成熟：Claude Skills提供350個生產級插件，涵蓋DevOps到C級顧問角色，開發者可透過agent-skill-io標準跨平台同步，讓AI代理從聊天工具升級為專家工程師。
• 終端AI編程成為主流開發模式：Claude Code 136,000星並深度整合GitHub，支援自動化git任務與多檔案重構，象徵AI從代碼片段生成器進化為主動協作者，理解整個項目結構。