EasyVibeCoding Podcast

EasyVibeCoding
  • 0.0 (0)
  • Technology
  • Daily

輕鬆Vibe Coding — 每日策展的 X 技術社群精選、AI 趨勢分析與 Claude 實作心得的中文音訊版。

  1. 17h ago

    DeepSeek 提出 Super-agent 架構：讓代理跨任務持續運作

    DeepSeek 提出 Super-agent 架構：讓代理跨任務持續運作 DeepSeek Harness 團隊提出一種名為 Super-agent 的代理系統設計：代理跨工作階段延續上下文，並同時處理多項任務。文章將它定位為架構構想，說明如何把工作分派、環境事件、背景任務和執行環境串在一起；部分設計已有原型，但不是 DeepSeek 正式產品。 這個設計要解決的瓶頸，是人得親自切換工作階段、記住各自進度。作者以自身經驗估計，一個人通常只能同時追蹤 3 到 5 個活躍工作階段；單一任務受模型能力限制，多任務並行則容易受人的注意力限制。只替單一工作階段加上 CLI、MCP 或外部連接器，仍無法消除同步操作阻塞、不同任務上下文混在一起，以及本機離線就停止工作的問題。 Router 分派，Worker 執行 Super-agent 的核心是 Router 與 Worker 兩層。長期運作的 Router 接收各通道的人類訊息、維持跨任務的全局脈絡並分派工作；它不直接執行任務。每個 Worker 有隔離的上下文與執行工具，專注處理一項任務，再把狀態交回 Router，由 Router 統一回覆使用者。 這樣安排，是要兼顧上下文連續性與任務並行。若所有事件都塞進同一個工作階段，脈絡完整但工作會依序處理，任務細節也容易互相干擾；若每件事都另開工作階段，並行度提高，相關任務卻可能失去共享脈絡，使用者也會收到多個分散回覆。Router 負責統整互動，Worker 則分開執行，是作者提出的折衷方式。 Router 統整互動並將工作分派給隔離的 Workers；這是作者提出的架構設計，不是產品介面或效能圖。 從環境事件開始工作 系統不只等待人逐次輸入指令，也把群組訊息、電子郵件、行事曆提醒、程式碼審查留言與 CI 結果等環境事件視為觸發訊號。作者提出兩段式篩選：程式規則先依來源、群組或允許清單排除明顯不相關事件；剩下需要理解語意的候選事件，再交給模型判斷是否採取行動。 同一個 GitHub Pull Request、聊天主題或郵件串可構成一個 Thread。Router 為新 Thread 建立 Worker 後，Worker 可訂閱該 Thread；後續事件便能由程式直接送到訂閱者，減少每次都經過 Router 轉發的步驟。若多個 Worker 訂閱同一 Thread，它們會收到相同事件，並有機會自行察覺共享工作環境中的衝突；跨任務協調仍由 Router 負責。 上下文像快取一樣管理 事件持續湧入時，上下文視窗有限。文章把它比作快取：把近期可能用到的相關內容直接放進上下文（Inline），超出長度或較少使用的內容則留在外部，只放摘要或引用，需要時再讀取（Spill）。Router 也可沿著 Trigger、Thread 與 Worker 之間的識別碼逐層找回相關資訊，這套按需回溯方式稱為 Chain of Recall。 另一項設計是「推測式執行」：代理可根據環境訊號，在背景先調查問題或草擬回覆；有用的結果再交付，無用的工作則丟棄。文章舉例，DeepSeek Harness 的內部使用者群組設定了「安靜地重現並修復」政策：收到問題或方案討論後，代理先在背景重現並尋找修正，只有確認問題並找到簡單修復才回報。這是作者描述的內部使用情境，不表示所有討論都會自動形成已完成修復。 對話可繼續，工作在背景執行 傳統同步工具呼叫會讓工作階段等到工具完成才繼續。文章提出非同步 ReAct 流程：start() 立即回傳已開始，工作在背景執行，完成後再以新事件回傳結果；必要時可用 stop() 結束執行中的背景命令。如此一來，代理可以在耗時工作尚未完成時接收新訊息。文章指出 DeepSeek Harness 已實作這種非同步任務機制，但尚未預設啟用。 不同通道也應採用不同回覆方式：即時聊天保持簡短，GitHub、電子郵件與文件則可依慣例提供較完整、結構化的內容。這是設計建議，並非所有通道都已具備相同功能。 雲端運算，保留原有執行環境 文章把運算、工作階段狀態與執行環境拆開。Agent Loop 可在雲端運作，工作階段狀態存於持久化資料庫；程式碼庫、本機檔案、工具鏈等執行環境則留在原處，由輕量 daemon 按需執行命令並回傳結果。作者稱此做法支援 BYOM（Bring Your Own Machine），也支援雲端機器與按需建立的運算環境。 持續在線還需要獨立的 Watchdog。它除了監看 API 錯誤、狀態恢復等基礎設施問題，也要判斷 Worker 是否仍有實質進展，或已陷入無效迴圈、偏離目標。這是文章提出的架構模組；作者同時指出，雲端 Agent Loop 連接存有私有程式碼與憑證的端點，會帶來信任、提示注入與憑證暴露風險，代理需要能使用憑證但不把憑證送進模型上下文的方法。 初步實驗的結果有明確邊界 文章比較四種工作排程設計，每種各跑 5 次。工作負載是合成訊息流，每次約 300 則訊息、其中約 20 項工作請求；程式工作由只消耗時間的工具模擬，因此測的是排程與協調，不是實際寫程式的能力。作者也稱實驗環境經過簡化，結果只能作為初步參考。 在這組測試中，Super-agent 的任務完成時間中位數／第 95 百分位數為 12.4／15.7 分鐘；使用中性提示詞的單一工作階段加子代理工具為 20.4／29.5 分鐘。Super-agent 每次執行的快取讀取 token 數也較高，為 23.2M；中性提示詞的單一工作階段則為 6.1M。這些數字呈現該合成工作負載中的速度與 token 用量取捨，不能直接當成真實開發效率的比較。 作者列出的未解問題 文章將 Router 分片時機、Worker 之間何時直接協作、長期記憶、使用者如何管理不再對應單一工作階段的任務，以及跨代理的安全協作都列為待探索事項。作者特別指出，雲端服務與端點彼此信任是目前設計的假設；若雲端代理遭入侵或被提示注入操控，連接的端點可能受影響。隔離不同組織的上下文後，代理之間如何在不同權限邊界下安全可靠地溝通，也仍未解決。 因此，這篇文章適合視為 DeepSeek Harness 團隊提出的系統架構方案與初步實驗紀錄。文中連結的 dsh-superagent-prototype 用於驗證技術方向，作者明確說明它不是 DeepSeek 官方產品。 文章封面：《Exploring Super-agent Design: Towards a More Autonomous Agent System》，以通往光亮空間的人物呈現自主代理主題。 Super-agent 整體架構；標記 [2] 至 [6] 對應文章第 2 至第 6 節。 計算、持久狀態與執行環境分離：雲端 Agent Loop 透過 endpoint daemon 按需連接不同執行環境。 Chain of Recall：每個被回憶的物件會帶入下一跳物件的 ID，讓脈絡沿參照逐步展開。 四種設計的工作請求累計到達量與完成量比較；數據為五次執行的平均，訊息間隔與工作耗時縮放為四分之一，模型呼叫時間未縮放。 Speculative execution 範例：群組仍在討論解法時，Super-agent 已在背景開啟修復 Pull Request。 代理監看公開群組訊息，無須被 @ 提及也能自行找出問題根因並開啟 Pull Request 修復。 相同任務跨 IM 群組對話與 GitHub Pull Request 審查持續進行。 雙層架構：Router 層負責路由與外部互動，多個隔離的 Worker Session 並行執行任務。 傳統同步 ReAct 與非同步 ReAct 比較：非同步呼叫立即回覆 Started，背景工具執行時仍可回應新訊息。 不同 Trigger 到達速率下，Router Session 的批次大小、每次請求耗時與每項決策平均推論時間。 Thread 範例：同一 IM 主題或 GitHub Pull Request 下的連續 Triggers 形成一條 Thread。 訂閱與直通：Thread 首個事件經 Router 建立已訂閱的 Worker，後續事件直接送往該 Worker。 原文：https://easyvibecoding.app/curated/3642-deepseek-super-agent-architecture

  2. 19h ago

    Motion Sites Studio 上線：從設計選項到可下載程式碼

    Motion Sites Studio 上線：從設計選項到可下載程式碼 Viktor Oddy 宣布 Motion Sites Studio 上線，主打用 AI 協助製作網站。貼文稱，使用者能在一次對話中從 800 多種設計做出網站，並隨時匯出完整程式碼；其中「最快」與設計數量是作者的宣傳說法，官網資料未提供比較或獨立驗證。 官網描述的流程是：使用者先用文字說明需求，AI 接著設計網站、製作圖片與影片，最後交付程式碼。首頁列出 Landing page、Website、Portfolio、Online store 和 Redesign 等類型，也提供 Starter、Basic、Pro、Studio 四種月費方案。這些是官網文字所列的功能與價格，尚未經註冊或實際操作驗證。 官網描述的流程：描述需求、AI 設計網站、製作圖片與影片，最後交付程式碼；尚未經產品實測。 貼文附的 14.3 秒無聲螢幕示範，從「Website for 3D agency」提示開始，接著展示設計選項與 Nightmast Studio 範例網站的頁面。範例網站中的價格頁顯示的是以 AUD 標示的專案估價，屬於樣板內容，並非 Motion Sites Studio 的訂閱價格。 官網首頁列出的月費從 Starter 每月標示 $25，到 Studio 每月標示 $499；頁面未註明這個貨幣符號的幣別。這些是服務方案標價，和範例網站的專案估價不同。就目前可核對的資料，產品已宣布上線，官網也列出其主打流程與方案；貼文所稱的速度和 800 多種設計，則仍是作者宣傳內容。 短片展示以「Website for 3D agency」提示開始，瀏覽生成的設計選項，再展示 Nightmast Studio 範例網站的互動式頁面。價格頁屬於範例網站內容。 短片展示以「Website for 3D agency」提示開始，瀏覽生成的設計選項，再展示 Nightmast Studio 範例網站的互動式頁面。價格頁屬於範例網站內容。 影片中的 Prompt 與操作： Prompt（00:01）： 為 3D 代理商建立網站 原文：Website for 3D agency 操作步驟： 1. （00:02）顯示符合提示的網站設計選項。 2. （00:06）展示 Nightmast Studio 互動式範例網站及 About Us 頁面。 3. （00:10）瀏覽範例網站的作品與價格頁。 原文：https://easyvibecoding.app/curated/3640-motion-sites-studio-launch

  3. 19h ago

    agent-desktop 以輔助功能樹操作桌面 App，並提示資料留存風險

    agent-desktop 以輔助功能樹操作桌面 App，並提示資料留存風險 @ctatedev 的貼文介紹 agent-desktop，讓 AI coding agent 操作桌面 App。對使用者來說，操作入口從猜像素改為讀取介面結構：agent-desktop 透過作業系統的輔助功能樹讀取 App 提供的控制項，再對它們執行操作。貼文稱工具支援 macOS、Windows、Linux、背景執行與多個 agent 各自使用游標；README 和 FAQ 核實了三種平台及輔助功能樹操作，但沒有獨立確認背景執行或游標隔離。 README 描述的流程是先取得桌面 App 的 JSON snapshot，再用其中指向可操作元件的 ref 執行動作，最後重新取得 snapshot 檢查結果。換句話說，ref 是介面元素的定位標記，agent 可依標記操作按鈕或欄位，而不必靠截圖比對像素。 README 描述的流程；未獨立測試平台相容性或操作可靠度。 貼文內嵌的短片示範了 Trip 旅程 App：點選「Add a day」後，畫面顯示旅程為 4 天；接著勾選 Passport、Rail pass、Power adapter 和 Rain jacket，並把住宿選項切換成 Ryokan。這段畫面呈現的是一個具體操作範例；README 與 FAQ 則補充了它如何讀取介面元素並用 refs 定位。 操作桌面也會接觸使用者正在看的資料。README 提醒，snapshot、剪貼簿讀取、螢幕截圖、命令輸出和除錯資料可能含有私人桌面內容，應避免放進公開記錄或上傳；FAQ 也列出視窗標題與通知，並指出 session traces 即使在結構化欄位遮蔽後仍可能保留證據資料。FAQ 說 native CLI 不需要遠端模型服務；可選、僅供 repository 使用的 JEV helper 會把目標與螢幕描述送到設定的 provider。FAQ 也提醒，value suppression 不會移除 labels、titles、ancestor paths 或 goal 中的私人文字。 影片先呈現 macOS 的 Notes、Reminders 與計算機畫面，再切到 Windows Event Viewer，最後示範 agent-desktop 透過輔助功能樹操作 Trip 旅程 App：增加旅程天數、勾選行李項目並切換住宿類型。 影片先呈現 macOS 的 Notes、Reminders 與計算機畫面，再切到 Windows Event Viewer，最後示範 agent-desktop 透過輔助功能樹操作 Trip 旅程 App：增加旅程天數、勾選行李項目並切換住宿類型。 影片中的 Prompt 與操作： Prompt（00:13）： 開啟 Trip 並試用所有功能。我會建置並開啟 App，接著透過輔助功能樹操作每個控制項。 原文：Open Trip and try everything. I'll build and open the app, then exercise each control via the accessibility tree. 操作步驟： 1. （00:15）點選「Add a day」後，Trip 顯示旅程為4天。 2. （00:17）勾選 Passport、Rail pass、Power adapter 與 Rain jacket。 3. （00:18）切換住宿選項至 Ryokan。 原文：https://easyvibecoding.app/curated/3639-agent-desktop-accessibility-tree-desktop-control

  4. 2d ago

    Cerebras 3T 模型部署估算：59 片配置依賴哪些假設

    Cerebras 3T 模型部署估算：59 片配置依賴哪些假設 Cerebras 在一篇部署文章中用 Kimi K3 說明，如何把大型模型的權重與 KV cache 分配到多片晶圓級引擎上。文中的 59 片是依一組模型層數與記憶體假設算出的示例配置，不是所有部署都必須採用的固定數量。 做法是把模型切成流水線階段，將各層放在不同晶圓上；推論時，模型權重留在晶圓，請求的中間結果（activations）則在階段間傳遞。Cerebras 以每片 WSE-3T 晶圓 44 GB 片上記憶體為例，並假設權重採 4 位元量化、KV cache 採 8 位元，平均請求長度為 256K。 文章把 Kimi K3 約 3 兆個參數按每個參數 4 位元換算，估出約 1.5 TB 權重；再除以 93 層，得到每層約 16 GB。模型有 69 個線性注意力層與 24 個稠密層。文章的配置假設是：線性層每片晶圓放兩層；稠密層每片放一層，並為 KV cache 留出記憶體。 在官方文章的配置中，69 個線性注意力層每片放兩層，向上取整需要 35 片；24 個稠密層每片放一層，需要 24 片，合計 59 片。這是模型層數如何轉成晶圓數的核心算式。 Cerebras 官方文章配置估算：35 + 24 = 59 片；數值依特定層配置與記憶體假設。 這個配置也用來估 KV cache 可容納多少並行請求：每片晶圓的 44 GB 扣掉一層權重約 16 GB，剩下 28 GB；按每個請求 256K 長度、每 token 576 bytes 計，每個請求約用 147 MB，因此文章估算約可容納 190 個同時進行的請求。這是容量估算；Cerebras 也提醒，並發數或 batch size 本身不能代表推論效率，還要在相同生成速度下比較每單位功耗的 token 吞吐量。 參數量也有一個需要留意的口徑差異：Cerebras 將 Kimi K3 描述為約 3 兆參數，而 Kimi 官方頁面列的是 2.8 兆。因而，文章中的 1.5 TB 與每層約 16 GB 是按四捨五入後的 3 兆示例推算；讀作「3T 級」比當成精確參數數字更恰當。 影片中的口述加總為 59 片；保留的畫面判讀則指出，白板特寫看起來寫的是 57。文章列出的層數算式為 35 加 24，結果是 59，與口述一致；白板畫面與口述的差異仍應一併標明。Cerebras 也說明，實際晶圓配置可能因生產安排而異，因此這組數字應視為特定假設下的部署示例。 Cerebras 共同創辦人 Sean Lie 以 Kimi K3 為例，講解模型層與 KV cache 如何配置到晶圓級引擎，並示範記憶體及併發請求數的估算。 原文：https://easyvibecoding.app/curated/3628-cerebras-59-wafer-deployment-estimate

  5. 2d ago

    Gemini 聊天內可編修檔案：PDF 支援行動版，其餘列出格式限網頁

    Gemini 聊天內可編修檔案：PDF 支援行動版，其餘列出格式限網頁 Google 宣布，使用者現在可以直接在 Gemini App 對話中生成、預覽及編修檔案；想手動調整時，也能展開全螢幕輸入文字、反白特定段落，或請 Gemini 修改指定內容。這讓讀者可以先確認自己的檔案格式與使用裝置是否支援，再決定在哪裡開始編修。 裝置支援會依格式而異：PDF 的預覽與編修支援網頁及行動版；Google 文章列出的其他格式則限網頁版。 依 Google 2026-10-29 文章；PDF 預覽與編修支援網頁及行動版，其他列出的格式僅限網頁。 文章列出的網頁版格式包括 Google Docs、Google Sheets、投影片、Markdown、TXT 與程式碼。這項支援差異限於文章列出的格式，不應延伸解讀成所有檔案類型都能在 Gemini 編修。 Google 舉例，使用者可以把上傳的手寫課堂筆記整理成 PDF 學習指南，再手動修改內容、反白文字或視覺素材，並繼續提問。這些步驟說明了對話中的檔案編修如何串起生成與後續調整；公告沒有提供功能成效或處理速度的量化比較。 如果要直接輸入修改內容，可將檔案展開為全螢幕；若只想處理特定部分，則可反白段落並提出問題或修改要求。實際可用格式仍取決於裝置：PDF 可用網頁或行動版預覽與編修，其他列出的格式使用網頁版。 Gemini App 示範在對話中生成 PDF 學習指南、把內容改成圖表並預覽成品。 Gemini App 示範在對話中生成 PDF 學習指南、把內容改成圖表並預覽成品。 影片中的 Prompt 與操作： Prompt（00:06）： 請加入視覺素材、圖表及方程式。 原文：Include visuals, graphs, and equations. 操作步驟： 1. （00:22）Show this as a graph instead. 2. （00:29）開啟匯出選單並顯示 PDF 選項。 原文：https://easyvibecoding.app/curated/3627-gemini-in-chat-file-editing-pdf-mobile-web-only-formats

  6. 2d ago

    Codex CLI 0.166.0 新增 Transcript Select：用鍵盤找回舊對話文字

    Codex CLI 0.166.0 新增 Transcript Select：用鍵盤找回舊對話文字 fcoury 在 X 上介紹 Codex CLI 0.166.0 的 Transcript select：使用者可以在終端對話紀錄中用鍵盤移動、搜尋、標記文字並複製。貼文示範從 transcript 找回舊的 repro command，再帶回 prompt；對需要重用先前測試命令的人，省去重新翻找整段對話的步驟。 這項功能的操作方式類似 tmux 的 copy mode。按 Ctrl-X 再按左方括號進入選取模式，游標會落在對話紀錄中；接著可以移動游標、搜尋文字、選取片段，再複製。影片示範方向鍵或 H、J、K、L 移動，W、B、E 按單字跳轉，按 / 搜尋；v 開始選取、V 選取整行，y 複製，q 關閉選取模式。影片也展示了 Ctrl-U 翻半頁及重新指定快捷鍵。 這張操作流程可以拆成三步：先以 Ctrl-X 再按 [ 進入選取模式，利用按鍵移動或用 / 搜尋，最後標記文字並按 y 複製。影片把它比作 tmux 的 copy mode，也示範 V 選整行、Ctrl-U 翻半頁及 q 關閉；這些是影片展示的操作細節。 依作者貼文及示範影片，說明在 transcript 中定位、標記與複製文字；不是完整快捷鍵清單，也不呈現命令執行或貼上結果。 作者貼文以「把舊的 repro command 帶回 prompt」為例，示範從 transcript 找回先前的命令文字。影片展示選取文字並複製，之後即可貼上；複製不會替使用者執行命令，貼回 prompt 後如何使用仍由使用者決定。 目前可確認的版本資訊是作者貼文標示 Codex CLI 0.166.0。快捷鍵與重新指定方式依該貼文及示範影片描述；來源沒有列出其他平台的支援範圍或完整快捷鍵參考。 Codex CLI 的 Transcript select 示範：用鍵盤在終端對話紀錄中移動、搜尋、標記並複製文字，並展示可重新指定快捷鍵。 原文：https://easyvibecoding.app/curated/3624-codex-cli-transcript-select-0166

  7. 2d ago

    Figma 專用編輯模型如何學會修改設計稿

    Figma 專用編輯模型如何學會修改設計稿 Figma 分享了如何為設計編輯工作訓練專用模型：模型聚焦在既有設計稿上做精確修改，例如調整間距、換顏色或依回饋重排版面。這個範圍比從零生成完整設計更窄；Figma 說，模型在擅長的精確編輯任務上可與前沿模型競爭，但這是公司對自家研究的描述。 模型怎麼學會修改既有設計？ Figma 先用監督式微調（SFT）訓練模型。每筆訓練例子配對三項內容：原始設計、合成的修改要求，以及符合要求的修改結果。設計以 Figma 原生檔案格式表示，讓生成的變更可以套回畫布；若任務需要設計系統素材，團隊也會合成針對主題與元件的修改提示。 依 Figma 對一筆訓練例子的描述；不代表資料集規模或模型成效。 Figma 描述的資料生成流程，會請較大型的教師模型嘗試編輯，再以確定性驗證器和視覺模型評審候選結果，檢查輸出格式是否有效、修改是否符合要求。評估器給出回饋後，流程也能修訂編輯結果。Figma 表示，較早期以超過 25 萬筆例子訓練的 Llama 3.3 70B，在當時的編輯任務上已能與頂尖模型競爭；文章沒有列出這次比較的具體分數，這項比較也是 Figma 的自述。 為什麼微調之外還加入強化學習？ Figma 認為，單靠模仿訓練例子有兩個限制：模型可能較難把學到的做法推廣到不同設計情境，而且需要大量涵蓋各種任務面向的例子。公司因此也投入強化學習（RL），改善設計領域的訓練環境、增加例子多樣性、調整獎勵模型，並擴充由專業設計師撰寫的評估準則。 這些內容說明的是 Figma 採用 RL 的方向與理由，並未獨立驗證它帶來了多少泛化或效率提升。Figma 也提到，最新訓練配方使用了 Qwen、Muse Spark Open、Inkling 等較新的基礎模型；文章沒有逐一列出各模型的訓練成果。 編輯品質如何評估？ 設計品質不能只看畫面是否美觀：版面可能對齊良好但對比不足，修改也可能看起來精緻卻漏掉要求，或用了外觀相似但不正確的元件。Figma 表示，內部評估會分開檢查這些面向，並結合設計結構檢查、視覺模型評審，再由專業設計師校準和檢視結果。 依 Figma 對內部評估的描述；只列流程，不代表權重或分數。 Figma 說，這些內部評估會同時考量指令遵循、修改是否有用、速度與成本。文章附的內部編輯評測圖列出三個模型的分數： | 模型 | effort 設定 | 分數 | |---|---|---:| | Figma edits 1026 | med | 77.8% | | GPT 6.1 Sol | med | 76.9% | | DeepSeek v4.1 Flash 1017 | high | 65.2% | Figma 公布的內部編輯比較，列出各模型分數與 effort；涵蓋 445 個真實設計編輯範例，並非獨立評測。 圖註稱，評測涵蓋 445 個真實設計編輯範例；現成模型使用預設 effort，分數由經獨立人工驗證可靠性的自動設計評審給出。在這組條件下，Figma edits 與 GPT 6.1 Sol 相差 0.9 個百分點。Figma 表示，分數只是挑選產品候選模型的參考之一；這是公司公布的內部比較，並非獨立評測。 專用模型在代理中負責哪一段？ Figma 表示，已推出的 Figma agent 會依工作類型搭配自家專用模型與第三方模型：精確編輯和迭代修改交給自家模型處理；圖像生成、向量圖及全新的設計探索，則使用當下合適的第三方模型。這是一種按任務分工的產品路由，不表示專用模型負責所有設計工作。 依 Figma 對產品任務分工的描述；不代表通用能力排名。 代理還需要讀取畫布與設計系統的脈絡，並能操作相應工具。換言之，後訓練改善的是模型在整個工作流程中的一部分；可完成的結果也取決於代理取得的設計背景與工具。這篇文章呈現的是 Figma 對訓練方式、內部評估和產品分工的說明，並未提供可獨立重現的評測數據。 原文：https://easyvibecoding.app/curated/3622-figma-editing-model-post-training

  8. 3d ago

    Jules 將於 2026 年 12 月 31 日停用，11 月 11 日之後轉為唯讀

    Jules 將於 2026 年 12 月 31 日停用，11 月 11 日之後轉為唯讀 Google Jules 團隊公布服務收束時程：使用者可在 2026 年 11 月 11 日前繼續完成工作階段；11 月 11 日之後，Jules 轉為唯讀，並於 12 月 31 日停止服務。團隊表示，從 Jules 累積的經驗正帶入 Google Antigravity。 這項公告把兩個日期分開：11 月 11 日之後無法再繼續操作工作階段，12 月 31 日則是 Jules 停用日。官方沒有說明 Antigravity 會逐項提供 Jules 的相同功能，也沒有宣布帳戶或工作階段會遷移過去。 官方公告日期非按比例；Antigravity 的方向不代表功能等價或資料遷移。 停用前可以匯出哪些資料？ Jules 官方 changelog 說，使用者可以把 Jules 內的設定與工作歷史匯出到本機資料夾，包含帳戶設定、環境變數、排程、連結的儲存庫、記憶、設定腳本，以及每個工作階段的提示、計畫、完整活動紀錄和程式碼差異。原本已存放在 GitHub 的程式碼、分支與 pull request 會留在 GitHub；匯出涵蓋的是 Jules 內的設定與歷史。 官方提供的匯出步驟是安裝 @google/jules CLI、登入，再從家目錄開啟 CLI coding agent 並貼上官方提供的匯出提示。匯出結果預設放在 ~/jules-export。若使用 GitHub，開始前需先連結 GitHub 帳戶，否則匯出不會包含儲存庫資料。 匯出資料可能包含敏感內容：官方特別提醒 env-variables.json 含有環境變數值，應私下保存，且不要放進程式碼儲存庫。對使用者來說，先確認檔案存放位置與存取權限，是保留工作紀錄時需要一併處理的事。 Jules 經驗將帶往 Antigravity Jules 官方 X 貼文表示，團隊正把從 Jules 學到的經驗帶入 Antigravity，並描述方向包含遠端背景任務執行與 agent-first 開發環境。這是產品方向的說明；目前公告沒有列出兩個產品的功能對照，也沒有說 Jules 的資料或設定會自動移轉。 原文：https://easyvibecoding.app/curated/3618-jules-winds-down-december-2026

See All (204)

About

輕鬆Vibe Coding — 每日策展的 X 技術社群精選、AI 趨勢分析與 Claude 實作心得的中文音訊版。

Information

  • Creator
    EasyVibeCoding
  • Years Active
    2026
  • Episodes
    204
  • Rating
    Clean
  • Copyright
    © 2026 EasyVibeCoding. 翻譯文章版權歸原作者所有；策展精選僅作摘要與評註，原始內容版權歸原推主。
  • Show Website
    EasyVibeCoding Podcast