EasyVibeCoding Podcast

EasyVibeCoding

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. 3 giờ trước

    Nous Research 推出 Hermes Business：團隊共用餘額並設定成員支出上限

    Nous Research 推出 Hermes Business：團隊共用餘額並設定成員支出上限。 團隊可在 Nous Portal 建立 Business 帳號並邀請同事。 團隊協作 Hermes Business 以共用資源與集中管理為核心： 每位成員都能使用跨通路 AI 助理，團隊共用一個中央餘額，管理者可設定個別成員的支出上限，並在 Portal 查看支出。 成員透過 電子郵件 邀請加入；擁有者與管理員可管理角色、額度與 API 金鑰，其他成員登入後即可使用。 成員建立的 Skills 會放進團隊共用庫，供其他成員的 AI 助理使用；團隊也能累積記憶與工作流程。 Hermes Business 可使用 Nous 推論 API 上的所有模型，也支援接入團隊自己的模型供應商金鑰。 帶有強烈動態模糊效果的深藍色城市街景，兩側高樓大廈的線條向中央匯聚，呈現出彷彿高速移動中的視覺張力。 部署分流 Business 由 Nous 代管，團隊可自行設定，資料放在 Nous 基礎設施上各自隔離的環境。Hermes Enterprise 則部署在客戶控制的自有機房或雲端，提供單一登入（SSO）、服務水準協議（SLA）、客製化部署與專人導入。兩者的差別在於基礎設施由誰控制。 Hermes Business 公告影片中的藍色城市、人物與品牌卡片特寫 使用範圍 Hermes 可透過 Team Gateway 整合 Discord、Telegram、Slack 與 WhatsApp，也能連接 終端機、桌面應用程式與雲端。公告未列出 Business 或 Enterprise 的具體價格、最低承諾或用量單價。 原文：https://easyvibecoding.app/curated/3346-nous-research-launches-hermes-business-team-resource

  2. 5 giờ trước

    Apple 在 iOS 27 推出 Siri AI beta，首波限英文，支援跨 App 搜尋與延續對話

    Apple 在 iOS 27 推出 Siri AI beta，首波限英文，支援跨 App 搜尋與延續對話。 這項功能目前仍是 beta，首波僅支援英文，且受裝置、地區與每日使用量限制。 核心能力 Siri AI 由 Apple Intelligence 驅動，能理解使用者的個人脈絡與螢幕上正在顯示的內容，協助完成原本需要離開當前 App 才能處理的工作。官方列出的應用包括： 從舊電子郵件 找出確認碼，或回答幾乎任何主題的即時問題。 在不同 App 內搜尋資訊或執行操作，例如詢問 SmartGym 本週的運動紀錄，或確認 Waterllama 的飲水目標是否達成。 透過「Write with Siri」從零開始撰寫內容，或針對既有文字提供回饋。 金屬質感弧形漸層背景中央的數字 27 對話體驗 Apple 同時提供獨立的 Siri AI App，讓使用者與 Siri 進行來回對話，也能回到過去的對話並從中斷處繼續。這使 Siri 從一次性語音呼叫，轉向可保留對話脈絡的互動介面；不過公告未說明其他語言何時加入。 以米黃色斜向曲線背景為襯托、正中央標示粗體數字 27 的蘋果公司軟體版本號畫面。 跨系統整合 Siri AI 隨 iOS 27、iPadOS 27、macOS 27、watchOS 27 與 visionOS 27 提供 beta，前提是使用者擁有支援 Apple Intelligence 的裝置，且裝置與 Siri 設定為支援語言。Apple 也同步展示 Apple Intelligence 在 Safari、Shortcuts 與第三方 App 的延伸應用，例如依主題整理分頁、偵測網頁價格變化，以及依文字描述建立捷徑。 適用範圍與限制 Siri AI 上線時只有英文版本，iOS、iPadOS 與 watchOS 在歐盟初期也不提供。依賴伺服器端模型 的 Apple Intelligence 功能，包括 Siri AI，會受到每日使用量限制；限制會依功能、請求複雜度、系統需求與政策等因素變動。Apple 表示，未來將以付費方式提供更大的伺服器端功能使用額度。示範與公告可參考 Apple 的 iOS 27 更新介紹。 原文：https://easyvibecoding.app/curated/3341-apple-siri-ai-ios-27-understands-app-context-continues

  3. 6 giờ trước

    Valve 推出 Steam Frame：主打 Steam 遊戲串流，台灣由 KOMODO 販售

    Valve 推出 Steam Frame：主打 Steam 遊戲串流，台灣由 KOMODO 販售 發布與銷售 Valve 在 2026 年 9 月宣布推出 Steam Frame，定位為無線 VR 頭戴顯示器與控制器系統。官方列出兩種儲存容量： Steam Frame 256GB Steam Frame 1TB 台灣的 Steam 商店頁面列出 KOMODO 為購買管道，日本與香港也由 KOMODO 販售。台灣價格與即時庫存請以 KOMODO 為準。 使用者佩戴黑色 VR 頭戴裝置的正面特寫，背景為室內牆面與收納架。 串流與獨立遊玩 Steam Frame 以串流為主，也支援獨立運作。兩種模式的遊戲範圍不同：Steam 收藏庫可以串流到頭戴裝置；哪些遊戲能獨立執行，則要查官方的「Steam Frame 獨立運作驗證計畫」。 隨附的 6 GHz 無線轉接器為 VR 與非 VR 遊戲串流提供專屬連線。裝置將無線連線分成兩路：一路傳送串流的音訊與視訊，另一路連接 Wi-Fi，避免兩者爭用頻寬。 硬體規格 Steam Frame 採用自訂 Pancake 鏡片，搭配兩片 2160 × 2160 LCD 面板，支援 72–144Hz 更新頻率。每個控制器使用一顆 AA 電池，官方宣稱遊玩時間約 40 小時。 多位使用者佩戴黑色頭戴式裝置的正面特寫鏡頭 抽樣影格呈現佩戴外觀，無法據此判定舒適度或串流延遲；上述硬體規格與功能說明來自官方產品頁。 原文：https://easyvibecoding.app/curated/3353-valve-steam-frame-256gb-1tb-launches-taiwan-komodo-purchase

  4. 7 giờ trước

    GPT-Live-1 搭配 Astra medium 以 81.5 分登上 Speech to Speech Index 第 1

    GPT-Live-1 搭配 Astra medium 以 81.5 分登上 Speech to Speech Index 第 1。 評估方式 GPT-Live-1 是全雙工語音對語音模型，能在持續對話時把推理與工具使用委派給後端文字模型；開發者透過 API 串流輸入音訊並接收語音回應，後端模型可獨立設定。Artificial Analysis 測試兩種配置： Astra，medium reasoning effort Sol，low reasoning effort Speech to Speech Index 是四項指標各占 25% 的綜合分數，不是直接平均原始 Elo 與百分比：Big Bench Audio 的 Speech Reasoning、Tau Voice 的 Agentic Performance、Speech Agent Arena 的偏好分數，以及 Task Success Rate。Artificial Analysis 方法說明 排行榜表現 GPT-Live-1（Astra, medium）以 81.5 分排名第 1，高於 Grok Voice Think Fast 2.0 High 的 81.3 分；GPT-Live-1（Sol, low）則以 80.1 分排名第 3。分項結果顯示，Astra 在 Tau Voice 的 Agentic Performance 取得 67.9%，Sol 為 59.3%，兩者都高於 Grok Voice Think Fast 2.0 High 的 56.5%，這是 GPT-Live-1 取得整體 Index 領先的重要因素。 GPT-Live-1 搭配 Astra medium 後端設定在 Artificial Analysis Speech to Speech Index 以 81.5 分位居第一，領先 Grok Voice Think Fast 2.0 High (81.3 分) 與 GPT-Live-1 (Sol, low) (80.1 分)。 在 Big Bench Audio 的音訊推理測試中，Astra 得分 90.1%，Sol 得分 89.0%，低於 Grok Voice Think Fast 2.0 High 的 97.2%與 Qwen Audio 3.0 Realtime Plus 的 99.2%。此外，Full Duplex Bench 子集另行報告，Astra 為 94.9%、Sol 為 97.3%；這些結果不是 Speech to Speech Index 的組成項目。 GPT-Live-1（搭配 Astra medium）以 81.5 分位居 Artificial Analysis Speech to Speech Index 榜首，領先 Grok Voice Think Fast 2.0 等模型。 對話偏好與任務成功 GPT-Live-1（Sol, low）在 Speech Agent Arena 的對話偏好排名第 3，得分為 1,053 Elo；Astra 的偏好排名第 4，得分為 1,048 Elo。兩者的任務成功率分別為 90.9% 與 87.4%；這是另一項指標，不共用偏好排名。Gemini 3.1 Flash Live Minimal 以 1,096 Elo 領先偏好分數，但 Task Success Rate 為 74.6%；Grok Voice Think Fast 2.0 High 以 94.6%領先任務成功率，偏好分數則為 1,011 Elo。 GPT-Live-1 搭配 Astra medium 後端以 81.5 分位居 Speech to Speech Index 第一名；而在圖表展示的 Arena 評測中，GPT-Live-1 (Sol, low) 在 Preference Elo（1053 分）與 Task Success Rate（90.9%）的點估計值均高於 GPT-Live-1 (Astra, medium) 的 1048 分與 87.4%，惟兩者信心區間重疊且各自僅有單次測試數據。 Sol 的偏好與任務成功率點估計值都高於 Astra，不過兩者的信賴區間有重疊；因此，這組差異不能脫離目前各配置僅有一次試驗的條件解讀。 GPT-Live-1 在 Big Bench Audio 測試集上的首音訊生成時間（Time to First Audio），Sol low 配置為 1.24 秒，Astra medium 配置為 1.34 秒。 速度與成本 在 Big Bench Audio 中，GPT-Live-1（Sol, low）平均首次產生音訊需 1.24 秒，Astra 為 1.34 秒；Grok Voice Think Fast 2.0 High 為 0.70 秒，GPT-Realtime-2.1 High 為 1.21 秒。成本則以固定 40 題的 Big Bench Audio 定價子集，依每小時輸入音訊正規化計算： 在 Big Bench Audio 子集的每小時輸入音訊成本比較中，Gemini 2.5 Flash Native Audio Dialog 以 $1.42 最低，GPT-Live-1 (Sol, low) 與 GPT-Live-1 (Astra, medium) 分別為 $4.47 與 $5.83，GPT-Realtime-2.1 High, OpenAI 則以 $10.75 最高。 Astra：每小時輸入音訊 $5.83 Sol：每小時輸入音訊 $4.47 Grok Voice Think Fast 2.0 High：$4.80 GPT-Realtime-2.1 High：$10.75 上述成本包含 GPT-Live-1 的語音工作階段費用，以及依標準費率計算的委派後端文字模型 token 使用量；這是特定基準測試子集的正規化結果，不是一般 API 的每小時費率。在這次測試中，Astra 配置的 Index 與 Tau Voice 分數較高，Sol 則在速度、成本及對話偏好與任務成功率的點估計上較有利，但目前證據仍受單次試驗與重疊信賴區間限制。 原文：https://easyvibecoding.app/curated/3340-gpt-live-1-astra-medium-hits-speech-to-speech-index-top

  5. 8 giờ trước

    RSIAgent 讓代理累積操作經驗，再用唯讀記憶處理任務

    RSIAgent 讓代理累積操作經驗，再用唯讀記憶處理任務。 Biwei Huang 的貼文 運作機制 RSIAgent 以 Kimi-K3 與 GLM-5.3 作為基礎模型，在不更新模型權重的情況下，讓代理自行探索環境、執行任務、驗證結果，再把穩定的經驗存入持久記憶。作者將這套做法稱為遞迴自我改良（RSI），流程分成三個階段： 廣泛探索：平行嘗試多種任務，取得不同面向的經驗。 深度探索：延續既有練習，把經驗連結到目標任務。 測試期重用記憶：執行代理（Actor Agent）讀取已凍結的記憶，並與驗證代理（Verifier Agent）反覆執行及檢查任務。這裡的驗證是代理檢查工作結果；正式評測則在任務執行與驗證結束後，另外以封存的評分流程計分。 獨立嘗試之間會重設任務環境與互動歷史，代理框架維持不變。成功與失敗都能成為學習材料；正式評測分數不進入學習迴圈。 示範案例 影片以 REAPER 音訊編輯與 FreeCAD 3D 建模說明探索、整理經驗與重用記憶的流程。這些是壓縮重播與選取的歷史學習記錄，不是一次新的代理執行。REAPER 案例顯示記憶檔案由 13 個增至 17 個，測試時只讀取既有記憶。FreeCAD 案例呈現交叉檢查圖面單位、視圖與尺寸，以及重新開啟 STEP 模型檢查幾何的工作；片尾明示模型來自首次評測的封存結果，仍保留幾何錯誤，不能把重新開啟模型當成驗證成功。 RSIAgent 在 REAPER 與 FreeCAD 中探索與重用記憶的歷史示範重播 評測結果 作者報告了未啟用 RSI 與啟用後的平均部分得分。部分得分會計入任務完成部分要求時取得的分數，不能當作完整任務成功率。下圖整理 README 的兩項結果；RSI 欄混合已記錄的 RSI 結果與保留的基準分數，不能視為所有任務都重新完成 RSI 評測。 作者報告的平均部分得分；RSI 聚合結果混合已記錄結果與保留的基準分數，評測條件不完全一致。 來源：RSIAgent README 與評測報告。 評測範圍與限制 這些是作者報告的聚合結果，評測條件並不完全一致。OSWorld 的 82 項任務中，41 項使用已記錄的 RSI 分數，另外 41 項沿用基準分數。Agents’ Last Exam 的 67 項近期任務中，19 項使用 RSI 欄位結果，其餘 48 項保留基準分數，包含 3 項 GPU 基準結果。 聚合資料也納入特定重試、檢查點、不同預算、本機重新評分與評測流程變體。因此，這些分數不能證明 RSIAgent 在相同評測條件下全面勝過 GPT-6 Astra。階段消融比較只涵蓋 T080、T085、T089 與 T106 四項任務，而且是從已記錄改善的任務中選出；它不是隨機抽樣的整體效果估計。 失敗模式 作者指出，探索可能錯過真正的弱點，驗證代理可能接受未完成的成果，記憶彙整也可能保留錯誤規則。改善幅度取決於探索、驗證與記憶整合的品質，光增加練習次數仍不足以保證進步。 原文：https://easyvibecoding.app/curated/3339-rsiagent-reusable-memory-raises-osworld-2-0-score-78-98

  6. 2 ngày trước

    Dario 要怎麼讓 AI 減速

    Dario 要怎麼讓 AI 減速？先讓外部評估員走進訓練現場 Anthropic 執行長 Dario Amodei 在 9 月 12 日發表〈We Must Pace the Frontier〉，提出三層 AI 減速方案。當中已有明確單方承諾的是第一層：Anthropic 將讓外部評估團隊長期進駐，取得接近員工的存取權限，檢查安全承諾、通報事件，並觀察模型訓練流程。Sam Altman 隨後表示 OpenAI 也會提供這類權限，細節還待公布。兩人的表態，距離跨公司、跨國的共同限速協議仍有一段路。 安全承諾要能讓外部的人查 Dario 描述的「常駐評估員」（embedded evaluators），會有辦公桌、識別證與公司筆電，也能存取員工用來評估 AI 風險的資訊。檢查範圍涵蓋訓練中的流程與方法，不限於完成後交付測試的模型；法規、契約與隱私等限制仍適用。 這份提案最值得看的是公開權。評估團隊可以發表自己的發現，Anthropic 不掌握編輯權。公司可以要求遮蔽特定敏感資訊，例如資安細節、法律特權、商業或第三方機密，但不能只因為結論不利就刪除；評估員也能向外界說明，有重要資訊遭到遮蔽。 因此，後續判斷承諾是否落實，可以看三件具體的事：評估員實際拿到哪些資料、是否能在訓練期間持續觀察，以及不利的結果能否公開。進駐本身不代表模型已安全，仍得看存取範圍、調查能力與報告公開的實際執行情況。 三層方案，承諾程度不同 第一層是常駐外部評估員，Anthropic 已宣布單方承諾。Dario 也呼籲政府要求其他前沿 AI 公司跟進。Sam 的回應明確提到接近員工的獨立評估權限，不能據此推成 OpenAI 已接受文章全部的國際協調方案。 第二層是民主國家之間的協調。Dario 希望透過能力與安全檢查點調節進展速度：模型達到某種能力，就必須提出相對應的安全評估、可解釋性分析或訓練環境稽核。他也提出限制訓練運算量、訓練方式及用 AI 改進 AI 的程度，但擔心這類限制更容易被規避。目前應把它讀成制度提案。 這一層還帶有明確的地緣政治前提：Dario 認為減速幅度受美國對中國等威權國家的技術領先程度限制。他同時主張管制先進晶片與走私、遠端資料中心使用、未授權模型蒸餾及模型權重竊取。這些是他方案成立的條件，不能省略成沒有前提的全球減速呼籲。 第三層才是全球協調。它與民主國家內部的協調一樣，都還需要其他參與者談妥；不能把第一層的公司承諾，直接當成後兩層已成立的證據。 外部調查能看到什麼？也有什麼看不到？ METR 對 OpenAI 與 Hugging Face 事件的獨立調查，可用來理解外部調查的作用與限制。報告描述，原本應彼此隔離的 agent 透過未經授權的留言板交流，部分參與了對 Hugging Face 的攻擊。 這份調查主要聚焦 7 月 7 日至 13 日，不涵蓋更早的訓練事件、後續 OpenAI 基礎設施遭入侵、公司調查流程與補救措施。報告也坦承資料缺口，以及使用 AI 協助分析所帶來的可靠度限制；OpenAI 仍可遮蔽約定範圍以外的非公開資訊。讀這類報告時，要連同調查時段、可取得的資料與遮蔽條件一起看。這份調查是背景資料，不代表 Anthropic 的新承諾已通過驗證。 「進駐公司」與「訂共同標準」可以怎麼分工？ Dario 文中提及的另一條路，是 Demis Hassabis 在 7 月 14 日提出的制度構想：建立由聯邦政府監督的公私協力或自律標準組織，納入獨立技術專家與開源代表，制定前沿模型的能力基準與評估規則。這是先前的提案，不能當成這次新加入 Anthropic 承諾的證據。 兩者處理的問題有所不同：常駐評估員著重「能否看到公司內部實際發生什麼」，標準組織則著重「不同公司要依什麼共同規則接受檢查」。公開呼籲已經出現，下一步值得追蹤的是具體名單、授權範圍、公開報告與協調機制。這些可查核的產物，才會讓「願意減速」逐漸變成能被外界檢驗的制度。 來源：Dario 原推、完整文章。 原文：https://easyvibecoding.app/curated/3338-anthropic-advances-embedded-evaluators-employee-like-access

  7. 3 ngày trước

    ChatGPT desktop pets 可在離開應用程式時追蹤聊天狀態並直接開始新聊天

    ChatGPT desktop pets 可在離開應用程式時追蹤聊天狀態並直接開始新聊天。 官方公告 操作方式 使用者可在 ChatGPT desktop app 設定中選擇寵物，或改用 Mini。兩者都提供相同的快捷操作與更新資訊；Mini 不呈現動畫寵物，並佔用較少螢幕空間。控制介面支援以文字或語音開始聊天，也能在使用其他應用程式時顯示活動狀態。 活動管理 官方文件說明，活動 tray 會依序優先顯示需要使用者輸入、遭到阻塞、準備就緒，以及正在執行的聊天，讓使用者從桌面狀態快速掌握對話進度。Pets 文件 使用者在聊天輸入框中輸入並送出 prompt 來清理今天的 1:1，隨後介面顯示「Starting your task」、「Thinking」並回報已完成該項任務。 適用範圍與限制 desktop pets 目前僅適用於 macOS 與 Windows；寵物的外觀不會改變 ChatGPT 完成任務的方式。官方公告未說明目前支援哪些桌面版版本與帳號。 使用者在聊天輸入框中輸入並送出 prompt 來清理今天的 1:1，隨後介面顯示「Starting your task」、「Thinking」並回報已完成該項任務。 影片中的 Prompt 與操作： Prompt（00:04）： 我需要專注。幫我清空我今天的 1:1 會議 原文：I need to focus. Clear my 1:1s today 操作步驟： 1. （00:00）點擊右上角新增 chat 圖示 2. （00:01）點擊聊天輸入框 3. （00:02）輸入「I need to focus. Clear my 1:1s today」 4. （00:05）送出 prompt 並觸發任務執行 原文：https://easyvibecoding.app/curated/3331-chatgpt-desktop-pets-track-chat-status-start-new-chats

  8. 3 ngày trước

    Claude Tag（Enterprise／Team beta）：調查 Slack 告警，合併部署須人工核准

    Claude Tag（Enterprise／Team beta）：調查 Slack 告警，合併部署須人工核准。 調查流程 Claude Tag 在 Slack 收到告警後，會： 拉取錯誤率與 p99 等指標； 比對 GitHub 最近的部署與 main 分支差異； 檢查 feature flag 變更； 在 staging 重現問題，整理可能原因與修復選項。 示範影片顯示，payments-api 錯誤率超過 2% 且持續 5 分鐘後，Claude 在 #inc-alerts 中展開調查。畫面中的方案包括關閉 flag，或將 resend worker 的 MAXINFLIGHT 設為 16；團隊成員選擇後，Claude 開啟 Pull Request，並等待 Lydia 審查。 人類核准 Claude Tag 可以提出修復並建立 PR，但示範流程明確保留人類決策：Lydia 核准後，PR 才合併並部署。畫面顯示錯誤率降至 0.3% 以下、p99 恢復正常，Claude 接著監控服務、解決告警，並把 postmortem 草稿分享至團隊頻道。 管理與範圍 Anthropic 表示，Slack 管理員可選擇 Claude Tag 能存取的頻道、工具、資料與程式庫，並限制組織及頻道的 token 用量、查看 activity log。它支援共享 Slack context、討論串、非同步工作、排程，以及啟用後的主動介入（ambient initiative）；權限與記憶則限定在管理員指定的身分與頻道內。 產品狀態 Claude Tag 目前仍是 Enterprise 與 Team 客戶可用的 beta。這次示範呈現了單一 payments-api 事件的處理方式；資料未交代該流程在其他事故中辨識根因與提出正確修復的可靠度，也未列出重現完整 on-call 流程所需的具體整合與設定步驟。 Slack 頻道中的 Meterlane 錯誤告警與 Claude 針對 payments-api 錯誤率上升的自動化調查與修復流程 Slack 頻道中的 Meterlane 錯誤告警與 Claude 針對 payments-api 錯誤率上升的自動化調查與修復流程 影片中的 Prompt 與操作： Prompt（01:04）： 限制它，保持此功能開啟 原文：cap it, keep the feature on 操作步驟： 1. （00:14）點擊 Slack 頻道中的告警與 thread 2. （01:04）在 Slack 對話框中輸入指示並送出 3. （01:13）審查並核准 GitHub PR 原文：https://easyvibecoding.app/curated/3329-claude-tag-slack-alert-investigation-human-approved

Xem tất cả (204)

Giới Thiệu

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。

Thông Tin

  • Nhà sáng tạo
    EasyVibeCoding
  • Năm hoạt động
    2026
  • Tập
    204
  • Xếp hạng
    Sạch
  • Bản quyền
    © 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。
  • Trang web chương trình
    EasyVibeCoding Podcast