今日 KeyFrame

AI Engineer

• Golden Dataset 與評估基礎 — 與領域專家共同定義代理在各種輸入情況下的預期輸出，建立基線測試。評估不只是檢查數字正確，還包括代理應該調用哪些工具、工具的調用順序等複雜邏輯，形成非確定性環境下的測試套件。
• 自動化改進循環（Auto Agent） — 編碼代理可自主執行迭代優化：創建假設 → 修改代理代碼 → 執行評估 → 生成報告 → 判斷改進或回滾。實測從 18% 基線準確率改進到 83%（10 次迭代），甚至在已優化的生產代理上發現人類未發現的優化方式，達成 +10% 提升。
• 從實際用戶反饋改進 — 收集生產環境中真實用戶的使用 traces（包括輸入、工具調用、耗時、 token 消耗），搭配用戶反饋（讚/貶 + 註解）或領域專家的註解，聚類失敗模式，與專家驗證後生成修復提案並實施，將發現的失敗模式納入 golden dataset 防止回歸。

Prompt Engineering

• 解決解碼階段的內存瓶頸。傳統語言模型逐次生成令牌導致 GPU 等待成為主要開銷；DS PARC 讓小型模型在單次前向傳遞中猜測多個令牌，大型模型也在一次前向傳遞中驗證整個塊，大幅減少前向傳遞次數。
• 半自迴歸設計克服先前方法的兩大問題。自迴歸模型（如 Eagle 3）精確但速度慢，並行模型（如 Dragonfly Flash）雖快但存在"尾部漂移"——後續令牌相互忽視導致錯誤率升高；DS PARC 加入輕量級串行頭讓各令牌能看到前驅令牌，既保持並行效率又消除漂移，接受長度比 Eagle 3 增加 30%、比 Dragonfly Flash 增加 16-18%。
• 置信度調度驗證針對生產環境優化。系統評估每個令牌的存活概率，伺服器負載輕時驗證整個塊，負載重時僅驗證高置信度前綴，避免浪費計算資源在必然被拒絕的令牌上。

马克的技术工作坊

• 格式適配問題：Codex 使用 Responses 格式，Deep Seek 等模型提供 Chat Completions 格式，兩者互不兼容。CC Switch 的路由功能能實時轉換雙向請求與回應格式，讓不同系統無縫協作。
• 模型切換的實務限制：Codex 配置 CC Switch 後會顯示「Custom」模型標識，無法直接在 UI 看出實際使用的是 Flash 或 Pro 版本。需透過編輯配置檔或 CC Switch 設定頁查看。
• 模型固定化方案：與其反覆切換模型，不如在 CC Switch 的模型硬設中刪除預設模型，保留單一模型（如 Pro），重啟工具後完全生效。

Why QQ

• 雙層架構突破傳統困局：DeepSpark 融合並行小弟（Deflash）的速度與自回歸小弟的準確率。通過並行主幹快速生成基礎 Logits，再用低秩矩陣分解的轉移偏差逐詞校準，在保持生成速度的同時大幅提升草稿準確度。
• 概率預測驅動的智能調度：系統用線性投影加 Sigmoid 估計每個詞被接受的概率，並通過順序溫度縮放校準預測，使質心度投預測能給出可靠估計。硬件感知的調度器根據系統容量曲線動態決定驗證長度，實現真正的「用在刀刃上」。
• 生產環境的工程智慧：三大核心挑戰——硬件容量曲線離散化、變長驗證與快取兼容性、訓練效率——都有對應方案。兩步延遲調度避免管道停頓，展屏處理 Token 實現無縫動態路由，隱藏狀態通信節省訓練開銷。

Codie Sanchez

• 驗證想法只需極小成本 — 創始人用$50的舊打印機和婚禮郵票就完成了首次市場測試，這反映出創業核心原則：不問「我需要多少錢」，而問「誰可以幫我資助」。在她的案例中，客戶預購金本身就資助了運營。
• 內容為王，廣告其次 — 業務成長不靠付費行銷，而是用戶開箱影片和分享形成自然傳播。這正因應現代消費者心態：對精製廣告無感，但信任真實、粗糙、幕後式的內容。創始人只需在TikTok和Instagram分享為何創業和日常工作，粉絲就會自動成為宣傳者。
• 毛利率高的訂閱制具有資產價值 — 55%毛利率意味著商業基本面穩健。一旦規模擴大到年收入$1,000萬以上，根據Wall Street估值邏輯（4-6倍EBITDA），這可以作為可出售資產，而非永久副業。

陳修平的師父商學院

• 流量秘密在於基本盤而非技術
• 同樣拍超市開箱，全聯可達100多萬觀看，CT超市只有5萬，差異來自話題本身的受眾規模。每個話題天生有流量天花板，選擇受眾基數大的主題是流量爆發的第一步，遠勝過投入高級攝影器材。
• 最低成本是堅持的關鍵

Best English Online

• 現在簡單式的使用情境：用於描述每天重複的行為（如「我每天六點起床」）、日常習慣（「我每早喝茶」）以及普遍事實（「太陽從東方升起」）。講師強調這是英文初學者最容易混淆的時態，但掌握基本規則後其實不複雜。
• 主詞與動詞形式的對應規則：I、you、we、they 配套基本動詞形式；只有 he、she、it 這三個單數第三人稱主詞需要在動詞後加 S 或 ES。這是現在簡單式的核心結構。
• 動詞加 S 或 ES 的分類標準：大多數動詞只加 S（play→plays、read→reads）；以 CH、SH、SS、X、O、Z 結尾的動詞加 ES（watch→watches、go→goes）；以「子音+Y」結尾的動詞改 Y 為 I 再加 ES（study→studies），但「母音+Y」只加 S（play→plays）。

ManuAGI - AutoGPT Tutorials

• 多層次應用覆蓋 — 從底層網路庫（Confast）到上層應用框架（Leave、Lore），項目涵蓋完整開發棧，開發者可根據需求選擇合適工具。
• AI驅動的工作流導向 — 多個項目（AI Berkshire、TasteSkill、Leave、Agent）結合語言模型與結構化流程，強調如何用AI增強開發效率與智能決策。
• 模組化與可組合性 — AWS blocks、Loop library、Agent Reach等項目強調可重用元件與組件設計，讓團隊從現成積木快速組裝應用，而非從零開始。

GitHub Awesome

• 代理效率已成重點。Accordion解決代理上下文溢出時傳統壓縮方案的信息損失問題，通過可視化著色塊讓用戶手動或自動折疊冷部分；Recall提供本地化會話記憶，避免整個代碼庫與密鑰被上傳到模型端點；Loop工程則通過預構建工作流範例（如日常分類、PR審核）讓代理自動化成為生產級可靠性。
• 隱私與安全成為代理使用的核心訴求。Peered保持完整代理棧在瀏覽器內部（Chrome/Firefox），零後端零遙測；Tupper提供自託管沙箱用Apple容器或Firecracker隔離執行環境；Hermes則限制瀏覽器代理為只讀模式，只收集文本、表單、鏈接等無狀態上下文。
• 專業領域應用從生物計算延伸至硬體。BioNemo打包十年生科模型為代理技能（蛋白質折疊、對接、設計），Protolanguage用高階編程語言抽象DNA與蛋白質設計，Robot retargeter處理跨機器人動作遷移中的關鍵點映射與逆運動學，OpenFit則將健身數據從Fitbit與Google Health轉為可查詢的只讀上下文。

GitHub Trending Digest

• AI 助手與代理工具成主流：Zero Claw、DB Skill、Agent Scripts 三個專案都聚焦在讓 AI 代理更聰慧、可複用，反映開發者希望將 AI 整合進工作流程的趨勢。
• 開發者工具強調輕量與跨平台：無論是 Bullet（Python CLI）、React Infinite Scroll Component、Express Compression，都強調零依賴、小體積、高性能，符合現代開發講究效率的需求。
• 資安與遊戲開發領域有創新：CyberStrike AI 用對話式指令管理複雜的滲透測試流程；OpenJK 與 Pokemon 反編譯專案顯示社群對遊戲相容性與復古程式研究的熱情。

Black Hat

• 服務器端瀏覽器威脅模型差異明顯：攻擊成本遠低於客戶端，因應用自動觸發瀏覽器操作無需用戶交互，且服務器環境安全基線低、更新慢、常禁用沙箱以確保容器兼容性，零日漏洞保留期長。
• 系統化漏洞發現流程：驗證 JavaScript 執行→檢測 Chrome 版本→批量運行已知漏洞 POC→開發利用程式碼，在黑盒環境中利用 Web Assembly 和 V8 沙箱逃逸實現 RCE。
• 實際攻擊案例：URL 白名單繞過（302 重定向、域名包含繞過）、隱藏後台爬蟲任務隊列、禁用 Script 標籤卻未阻止事件屬性（onload）執行 JavaScript，某主要 LLM 平台僅需一個 URL 輸入即可觸發 RCE。

Black Hat

• GitHub 成為多功能攻擊平台：攻擊者利用 GitHub 的「受信任網站」地位繞過網路白名單，用於存儲恶意載荷、進行數據窃取、建立命令控制通道。Shai Hulu、Ultralytics、TJ Actions 等重大供應鏈攻擊都將 GitHub 作為攻擊基礎設施的關鍵節點，甚至北朝鮮行為者透過虛假招聘流程誘騙開發人員下載惡意代碼。
• PON 請求攻擊機制：攻擊者在易受攻擊的倉庫中創建拉取請求，利用 pull_request_target 配置錯誤觸發代碼執行。研究人員通過監控分支名中的攻擊載荷、追踪多次嘗試和演進過程，成功識別了攻擊者、受害組織，甚至發現了內部人員的參與證據。
• 多維度用戶追踪調查：威脅情報人員可通過用戶名相似性、頭像反向搜索、社交網絡關係、PGP/SSH 密鑰匹配、代碼全局搜索、提交郵箱地址、活動時間區域分析進行關聯，尤其是時間區域線索能支持地理位置歸因。即使用戶帳戶被刪除，事件 API 的公開記錄仍可揭示其活動痕跡。

最佳拍档

• 首先，「智能成本趨近於零」這類簡化說法具有誤導性，因為人類智慧遠比語言模型複雜。人類還擁有感知智能、空間智能、身體智能、情感智能與創造力，這些領域的深度與複雜性遠超現有AI的能力，任何聲稱智能成本消失的說法都是對人類認知的嚴重低估。
• 其次，主動適應AI與迴避AI的員工之間差距正在加速擴大。前者獲得前所未有的掌控感與工作效率，後者卻面臨實質傷害—歷史數據表明，技術轉型期不跟進的人終生收入下降超過20%，甚至死亡率會翻倍。技術轉型無法迴避，關鍵是主動掌握與優化。
• 第三，未來職場呈現「槓鈴效應」—頂尖1%領域專家價值倍增（AI無法取代極致者），同時需要大量高主動性通才靈活運用工具。中等水平的專業人士反而面臨最大威脅，因為AI能輕易達到其水平。

Jack Vs. AI

• 市場規模驚人：Cocomelon 擁有 2 億訂閱，Pinkfong（Baby Shark）8500 萬訂閱，每支視頻動輒百萬級點擊，雖然看似簡單實則代表巨大變現機會，AI 時代門檻驟降但競爭仍未飽和。
• 視覺資產一致性為核心：先用 Claude 分析成功兒童動畫的視覺特徵，生成統一的風格提示詞，再依此生成角色表單、多個動物角色、場景與位置關係圖，確保所有資產視覺協調且可重複使用。
• C-dance 2 需要極細節的技術指導：不能只描述「孩子整理房間」，必須提供特定鏡頭、攝影機運動、人物位置、對話內容與時間戳，為此建立 MD 提示詞框架交給 Claude 將鬆散描述轉換為結構化指令，同時上傳聲音參考保持配音一致。

小翠時政財經

• 金融系統極度膨脹已無新增承載空間。社會融資規模超過 450 萬億元，貨幣供應量超過 350 萬億元，傳統的房地產和地方融資平台已達飽和，銀行有錢卻無處可貸，央行被迫尋找新的融資管道。
• 新融資渠道聚焦直接融資而非間接融資。企業不再依賴銀行貸款，而是發債上市進入資本市場；地方政府包裝成產業基金和科創基金；一切都以「科技創新」和「產業升級」的名義進行，話術層級顯著提升。
• 風險承擔者從金融機構轉向普通民眾。房地產時代銀行和地方政府賬面上還有債務掩護，可以延迟風險；資本市場則直接讓投資者承擔虧損，而民眾透過基金、理財、保險等複雜產品難以識別真實投資標的。

AI Engineer

• 語音對語音要求超低延遲（200毫秒），在今日技術下難以穩定達成。改用語音輸入配視覺輸出，後者容忍延遲到1秒內仍感受自然，技術可行性大幅提升。
• 模型選擇的決定因素是延遲而非智能。GPT-4o mini 在某些平台 P95 延遲高達 5-10 秒，反不如 Haiku 穩定；關鍵是推理平台對延遲的優先級，不只是模型大小。
• 高頻推理間隔是核心。傳統應用等用戶停頓才推理，浪費了延遲預算；改為每 1-2 秒主動推理（即使用戶未停頓），能更敏捷地捕捉意圖變化並回應。

AI Engineer

• 隱藏風險存在於文件之間，非文件內部。 薪資記錄、供應商發票、稅務申報單獨看都合規，但關聯分析會發現跨系統的不一致。傳統規則型系統無法建立這些連接，造成根本性漏洞。
• 三層架構分別解決不同問題。 圖形實體關聯引擎(What is connected?)建立統一視圖；自適應概率風險模型(What is risk?)結合多信號優先排序；跨域規範化層(How to interpret?)確保不同司法管轄區的貨幣、稅制、報告標準一致評估。
• 從靜態規則轉向動態學習。 系統從每次已完成的審計獲得反饋，確認欺詐案例強化未來檢測，誤報幫助優化風險評分，實現連續改進循環。

AI Engineer

• 成本結構的真相：AI coding tools 的成本中 90% 來自發送給模型的輸入（上下文和檔案），僅 10% 來自模型回應。因此降低成本的槓桿點是精確控制輸入內容，而非優化輸出或選擇更便宜的模型。
• 簡單公式勝過複雜模型：團隊試過讓模型自我評估搜尋結果品質，但速度太慢（增加 2-3 秒延遲）。最後用簡單的加權公式（50% 語義分數 + 30% 關鍵字分數 + 20% 程式碼新舊度）替代，毫秒級執行，效果更好。
• 雙搜索策略的互補性：語義搜索擅長找相關概念但易漏掉準確名稱；關鍵字搜索精準命中但忽略相關思路。單獨使用各漏掉 25% 結果，組合使用則僅漏 10%，是核心省成本招數。

AI Engineer

• 提示詞快取是基礎：在第一次呼叫時發送完整系統提示詞，之後呼叫則使用縮減版本。這適用於系統提示詞、工具提示詞和訊息，能顯著降低重複成本。
• 模型選擇要差異化：不應該所有任務都使用最昂貴的模型。應根據難度判斷——簡單任務用 Claude Haiku，中等難度用 Claude Sonnet，複雜任務才用最新的前沿模型。甚至可以用一個便宜模型來決定使用哪個模型。
• 工具結果的管理至關重要：大型工具結果應儲存在本地或雲端，再用總結技術處理。這樣在 agent 重複呼叫時，就不會每次都把整個工具結果丟回語言模型，造成 token 的大量消耗。

AI Engineer

• 雙屏混合設計解決了電子墨水屏響應慢的硬傷 — 用 OLED 負責快速交互反饋，電子墨水屏負責靜態信息與低功耗，兩者互補，既實現了流暢的用戶體驗也控制了能耗。
• 微控制器也能駕馭 LLM 推理 — 通過使用 TensorRT Serving 優化模型、OpenAI 兼容 API 代理，以及後端服務處理計算密集的任務，證明了輕量級硬件搭配雲端推理能實現本地 AI 應用。
• RPG 遊戲模式是開發中的創意轉向 — 原本目標是無人機遙控器，但發現文字介面特別適合 LLM 生成的沉浸式故事體驗，包括 NPC、世界觀、技能樹等全部由模型動態生成。

AI Engineer

• 文檔預處理比模型選擇更關鍵 — 直接拖放原始 PDF 會產生無意義的分塊（如簽名、日期等），導致 token 浪費、幻覺增加、準確度下降。經過結構化處理的數據能用較小的模型達到更好效果。
• 分塊策略必須匹配業務場景 — 不同文檔類型需要不同分塊方式：FAQ 適合標題分塊、非結構化文本用段落或固定字符（512 字符含 64% 重疊）、緊急訊息用句子分塊。正確的分塊方式直接影響後續檢索精度。
• 混合檢索勝於單一方法 — 向量檢索（余弦相似度）適合尋找語義相關內容，關鍵詞檢索（BM25）適合精確匹配。結合兩者並透過排序器（Re-ranker）篩選最相關的結果。

AI Engineer

• 產品規格優先於代碼：在編寫任何代碼前，需深入思考商業約束、監管要求、成本上限和延遲預算，這些決策會級聯影響系統的每個架構選擇，不應由AI編碼工具代決。
• 從最簡單設計開始迭代：常見錯誤是未經評估就過度工程化，應先設計滿足需求的最簡系統，評估找出缺陷後才迭代，避免前期過度投入不必要的複雜性。
• 多維度評估不可或缺：需同時測量輸入守衛欄合規性（拒絕率）、輸出質量（引用完整性、忠實度）、領域指標（處理時間）和系統健康（成本、令牌用量），不能只關注準確度。

Dr Amina Yonis

• 講者基於使用超過100個AI技術的經驗，精選出最實用的10個工具。這些工具針對學術研究的完整流程進行優化，從文獻搜尋、數據分析到內容創作都有對應方案。
• 各工具滿足不同場景需求：搜尋類工具（SciSpace、Perplexity AI）專為學術設計；可視化工具（Connected Papers）以圖像方式展現論文網絡；創意工具（Manus AI、NewkLM）協助生成設計與多媒體內容；數據處理工具（Julius AI）保證用戶隱私。
• 選擇標準在於功能專業度與數據安全性，例如Julius AI完全不保存或用於訓練系統，确保研究過程中的信息隱私。

Jack Roberts

• 从被动生成到主动数据提取：旧版 Claude Design 只能根据文本生成设计，极耗 token。2.0 版引入 FireCrawl 等 MCP 连接器，可直接爬取网站品牌标识、配色、字体等信息，减少人工输入和 token 消耗，使设计输出更精准。
• 直编能力成倍提升效率：新增画布编辑功能让用户无需与 AI 反复沟通即可修改细节（删除符号、调整尺寸、改颜色），每次编辑消耗极少 token，相比旧版需整个上下文重新处理的方式，效率提升明显。
• 设计与代码的双向流转：Design 生成的高保真原型可导出至 PowerPoint/PDF/Figma，或传至 Claude Code 添加数据库、后端逻辑等，实现从静态设计到交互系统的完整链路；反向也可将 Code 中的网页导回 Design 继续迭代。

Ksk Royal

• Olama 的 API 相容性突破：Olama 現已支援 Anthropic Compatible API 端點，讓 Claude Code 能直接呼叫本機執行的模型，打破雲端綁定的限制。
• 模型選擇與硬體匹配：Jammer 4 e2b（8GB 記憶體）提供 30-40 tokens/sec 的回應速度，Jammer 4 12b（13GB 記憶體）提供顯著更強的推理能力；Qwen 3.6 27b 適合 24GB 以上機器。
• Context Window 是關鍵瓶頸：Olama 預設 8K tokens 的 context 遠不足以支持複雜編程任務，必須手動提升至 64K 才能讓 Claude Code 維持完整的對話歷史與任務指示。

李宏毅

• 在教育與壽命回歸題中，講者從直線位置直接讀出具體數值，但忽視了數據點分散帶來的預測寬度——模型穿過散亂數據只能提供粗略範圍，不能撐起精準數字。
• 在邏輯回歸題中，講者從8成概率位置橫向讀取答案時，對曲線在頂端附近的斜率變化判斷不足，導致讀數偏小，說明視覺判斷曲線形態比想像中困難。
• 兩題表面不同，本質上反映同一個錯誤：對模型預測的信心評估不當——講者假裝知道得很確定，而實際上存在顯著的不確定性需要承認。

Mr How

• 市場調研是基礎：以iLovePDF為例，簡單的文件轉換工具擁有全球排名110的流量和月2.8億訪問量。這證明了細分小工具擁有巨大的市場潛力，值得複製類似商業模式。
• AI提示詞的力量：直接在ChatGPT輸入建站需求（如「建QR碼生成器」），AI會生成完整的技術規範。Hostinger Horizon無代碼平台能將其自動轉化為可用網站，無需編程知識。
• 低成本規模化部署：Hostinger C Plans套餐年費3089盧比，包含免費域名和可建25個工具的託管容量。一次購買支持多個SaaS工具同時運營，分攤初期成本。

十分鐘英語

鑫源AI

• 免費模型的可用性與限制：該新加坡模型完全免費，API 調用無成本但受速率限制（約每分鐘 50 次），適合日常使用且評分水平一般，寫作能力尚可但不如付費模型強大。
• 越獄方法的簡單性：只需在 Cherry Studio 新建對話主題，貼入特定提示詞並儲存，發送「hey」激活越獄狀態後，模型即會生成通常被拒絕的內容（如惡意程式碼、成人內容），繞過安全限制。
• 多模態生成功能：除文字對話外，模型支援圖片生成、圖片改寫與影片生成，可透過官網產品頁面或講者提供的網頁小工具使用，圖片生成穩定但影片生成偶有限制。

李厂长来了

• 工具互補：NotebookLM 的資料整理與信息圖生成能力強，但每次操作需手動指令；Claude Cowork 則擅長自動化調度與工具串聯，結合兩者才能發揮最大效能。
• Skill 與 Chrome 插件：透過自訂 NotebookLM Skill 和安裝 Claude Chrome 插件，Claude Cowork 可直接控制瀏覽器自動登入 NotebookLM、上傳資料、執行操作，無需手動干預。
• 實戰應用場景：設定專案模板（如「YouTube 轉幻燈片」）後，只需上傳內容即可自動生成；或設定定時任務讓系統每週固定時間抓取最新信息並更新筆記本。