脈報 - Podcasts

9:19

Remotion 還是 HyperFrames？AI 影片社群早就不打這場仗

脈報 ·

2026/06/08

Remotion 還是 HyperFrames？社群早就不打這場仗。拆解 agent 影片工具的媒介之爭、one-shot 神話與 pacing 天花板，附兩套 prompting 心法，幫你按手邊的活選對工具。 ⭐ 文章深度讀：選工不選邊的完整判斷框架，加兩套 prompting 心法逐條拆解 → https://heymaibao.com/remotion-vs-hyperframes-ai-video/ ⚡ 章節重點開場 00:00 社群早就不打這場仗 00:42 媒介之爭：HTML 對 React 01:31 打破 one-shot 神話 02:29 節奏是品質天花板 03:57 兩套 prompting 心法 04:48 到底該用哪個 07:29 真正的轉變：agent 是編輯 08:12 📝 懶人包 ∙ Remotion 和 HyperFrames 的根本分歧在媒介，不在功能：Remotion 賭寫影片的人是 React 開發者，HyperFrames 賭寫影片的人已經是 agent。社群因此從「選邊站」轉向「選工適配」。 ∙

zh

9:54

OpenClaw 高手跳槽 Hermes，順手公開了砍掉 AI 帳單的方法

脈報 ·

2026/06/07

OpenClaw 頂端玩家悄悄跳槽 Hermes，攤開一套讓 AI agent 帳單變便宜又能賺錢的工作流，涵蓋 context 衛生、依模型分 profile、cron 全天候商機掃描與本地模型成本。 ⭐ 文章深度讀：省 AI 帳單的 context 衛生三步驟，加上那個全天候商機掃描 cron 的設定邏輯 → https://heymaibao.com/ai-agent-cost-cutting-workflow/ ⚡ 章節重點開場 00:00 OpenClaw 高手為何跳槽 Hermes 00:44 為什麼你的 AI 帳單會爆 01:50 依模型分工，別每個角色配一個 agent 03:38 Sub-agent 和 profile 差在哪 04:19 讓 agent 當你的全天候商機獵人 05:03 想玩本地模型該怎麼買 06:22 立刻能用的反向提示詞 07:32 總結：工作流才是資產 08:41 📝 懶人包 ∙ 你的 agent 帳單會爆，多半不是訂閱太貴，而是 context 沒管好。把對話分成多個 session、關掉用不到的

zh

10:52

YC 執行長炫耀一天寫 37000 行，這正是程式設計變糟的徵兆

脈報 ·

2026/06/06

YC 執行長炫耀靠 AI 一天寫 37000 行程式碼，但頂尖工程師其實都很懶。從 Theo 與 Brian Cantrill 的角度，看為何行數崇拜正在讓軟體變糟，以及 AI 時代我們該守住什麼。 ⭐ 文章深度讀：完整版多了我對行數崇拜與「爛軟體不再自然死亡」的判斷 → https://heymaibao.com/ai-erodes-programmer-laziness/ ⚡ 章節重點開場 00:00 一天 37000 行的數字反差 00:40 行數崇拜的謬誤 02:19 懶惰為什麼是工程師的美德 03:27 為什麼 AI 天生缺這種懶 05:09 軟體不再自然死亡 06:39 這群人不是在反 AI 08:18 割草機不會替你在乎 09:12 結語稀缺的是判斷 10:05 📝 懶人包 ∙ 好工程師的「懶」其實是一種費力的美德，它逼人把系統做到最簡單。這是 Larry Wall 提出、Cantrill 重新擦亮的老觀念。 ∙ AI 模型 (也就是大型語言模型，LLM)

zh

10:25

幾乎不寫 code 的 YC 創辦人：整天用語音指揮一群 AI

脈報 ·

2026/06/06

一位 YC 創辦人示範他幾乎不寫程式碼的工作流：用語音把任務派給多個並行 AI agent，卻同時設「AI 禁區」防爛碼、堅持不讓 AI 當架構師，token 全開卻刻意少寫 code。 ⭐ 文章深度讀：完整圖文版和我整理的適用邊界都在文章裡 → https://heymaibao.com/yc-founder-barely-writes-code-voice-agents/ ⚡ 章節重點開場 00:00 不寫 code 的工程師日常 01:15 token 隨便燒，行數卻要省 02:45 在 codebase 劃出 AI 禁區 04:43 code 變成鋸木屑 06:36 帶走的兩條紀律 09:05 📝 懶人包 ∙ 他幾乎不手寫程式碼，整天用語音加鍵盤快捷鍵，把任務派給好幾個同時在跑的 AI agent，只有偶爾要手動改檔時，才進他們戲稱的「caveman mode (穴居人模式)」用鍵盤打字。 ∙ 他重度用 AI，卻守住人類的邊界：在程式碼裡設「slop-free zone (無爛碼區)」，標明「human eyes only，AI

zh

7:47

規劃的重點不是 plan mode，是 plan mode 之前那段對話

脈報 ·

2026/06/05

多數人一開 plan mode 就讓 AI 直接 build，模型只能亂猜。這位創作者先多輪對話把 context 和取捨聊清楚，才進 plan mode、生成計畫檔再 build。看他的四步流程。 ⭐ 文章深度讀：plan mode 之前那段對話到底要聊什麼才不會白規劃 → https://heymaibao.com/planning-before-plan-mode/ ⚡ 章節重點 plan mode 被你用錯了 00:00 薄用法為何常常翻車 00:34 顛覆認知的四步流程 02:17 實戰：Expo 還是原生 Swift UI 03:26 計畫檔才是真正的交付物 05:14 花時間規劃會拖慢出貨嗎 06:27 結論：先投資十分鐘對話 07:16 📝 懶人包 ∙ 多數人的 plan mode 用法太薄：plan mode 是 AI 工具裡「先出計畫、再動手蓋」的模式，但多數人是一行需求 → 開 plan mode → 不讀計畫直接 build。模型手上只有一句話的 context (脈絡)，剩下全靠它替你猜，蓋出來自然不是你要的。 ∙

zh

9:13

把 Claude Code 變成作業系統：4 個層級，一個慘痛教訓

脈報 ·

2026/06/04

把 Claude Code 變成替你工作的 AI 作業系統，關鍵不是模型而是分層餵 context。四個層級加一個 agent 寄爆 15 萬個信箱的教訓：指令不等於能力，授權要一階一階給。 ⭐ 文章深度讀：影片講完四個層級的觀念，但每一層實際怎麼一步步接上工具、又怎麼設好護欄，我整理在文章裡。 → https://heymaibao.com/claude-code-ai-operating-system/ ⚡ 章節重點開場：模型不是護城河 00:00 為什麼是 Claude Code 不是 Chrome 00:39 先做一次 context 自我稽核 01:20 4 個層級總覽 01:59 第一層 Context：它懂你的業務 02:57 第二層 Connections：它碰得到你的資料 03:29 第三層 Capabilities：教它怎麼做事 04:42 第四層 Cadence：筆電關著也在跑 05:15 一個慘痛教訓：指令不等於能力 05:52 用腳踏車方法一階一階給授權 07:12 真正的護城河是整套系統 07:49 留給你的一個問題

zh

9:56

做計畫但不讀計畫：一位開源高手最反直覺的 AI 工作流心法

脈報 ·

2026/06/03

一位開源高手攤開他的 AI 工作流：有想法先讓 AI 寫計畫但自己不讀，多開分頁並行，把人當成下判斷的訊號。我挑出哪些心法值得學、哪些別照抄，還有他誠實的上癮警告。 ⭐ 文章深度讀：這套裡你最想先試哪一招，還是覺得哪一招其實不可行？ → https://heymaibao.com/agentic-engineering-workflow-mindset/ ⚡ 章節重點開場 00:00 不寫程式卻擠進開源前段班 00:37 心法一計畫先行 02:22 心法二做計畫但不讀計畫 03:14 心法三極端並行 04:44 心法四人當訊號 06:29 誠實警告建構成癮 07:50 留給你的問題 09:12 📝 懶人包 ∙ 計畫檔不是普通檔案，是 AI 需要的「脈絡層」。他的核心主張是：一份純文字的計畫檔 (他叫它 plan.md) 能讓 AI 停止亂猜，知道要改哪些檔案、達成什麼條件。傳統開發大概是八成時間寫程式、兩成規劃，這套工作流把比例翻過來，思考全進計畫，執行變得機械。 ∙ 做計畫，但不讀計畫。他說計畫真正的作用是「韁繩」，逼 AI

zh

10:52

Opus 4.8 被嫌慢又愛幻覺，但問題可能出在 Claude Code

脈報 ·

2026/06/03

新 benchmark DeepSWE 顯示 GPT 5.5 領先 Opus 4.8，更快也更便宜。但主持人最值得記住的判斷是：你嫌 Opus 4.8 慢又愛幻覺時，問題可能出在 Claude Code，不是模型。 ⭐ 文章深度讀：Opus 4.8 到底是不是被 Claude Code 拖累，我把整集的判斷拆成一篇 → https://heymaibao.com/opus-4-8-held-back-by-claude-code/ ⚡ 章節重點你以為在罵模型，其實在罵介面 00:00 跑分的真相：DeepSWE 與 SWE-bench Pro 01:07 問題真的出在介面嗎 03:22 那筆隱藏的真實成本 05:08 工具還是人格的哲學之爭 07:06 造神的風險：Mythos 08:54 📝 懶人包 ∙ 他們搬出一個新的測試標準 DeepSWE (一個專門衡量 AI 寫程式能力的評分榜)，上面 GPT 5.5 拿 70 分、Opus 4.8 拿 58 分，而且 GPT 5.5 更快也更便宜。排在這兩家後面的所有模型 (開源模型、Gemini)

zh

10:12

Claude Code 自寫工作流，Anthropic 工程師卻提醒別亂用

脈報 ·

2026/06/02

Claude Code 新功能 dynamic workflows 讓 Claude 即時自寫工作框架，把活拆給多個分身。但寫這功能的 Anthropic 技術成員反而叫你想清楚再用，因為它很吃 token。 ⭐ 文章深度讀：六種 pattern 怎麼組、什麼時候反而別開 workflow，完整判斷都整理在文章裡 → https://heymaibao.com/claude-code-dynamic-workflows-when-to-use/ ⚡ 章節重點開場 00:00 官方的反常警告 00:39 認識動態工作流 01:42 破解三大失敗模式 03:16 實用的協作模式 05:47 算力與權衡抉擇 08:25 📝 懶人包 ∙ Claude Code 的 dynamic workflows 讓 Claude 在執行任務時，即時寫出一套為這個任務量身打造的「工作框架」(harness)，還能存起來分享重用。 ∙

zh

8:26

AI agent 不是銀彈：拆穿 YouTube 最愛騙你的 6 個謊言

脈報 ·

2026/06/02

YouTuber Craig Hewitt 拆穿 always-on AI agent (Hermes、OpenClaw) 的 6 個迷思，從要花多少錢買電腦到「整個事業靠 agent 跑」的幻覺，幫你判斷它真正該用在哪。 ⭐ 文章深度讀：影片拆了 6 個迷思，但「哪些事該丟給 always-on agent、哪些該自己坐在鍵盤前做」這條判準，我在文章裡用一句話加實例講得更細 → https://heymaibao.com/ai-agent-six-lies/ ⚡ 章節重點開場 00:00 先記住這條判準 01:01 硬體沒那麼貴 01:26 便宜訂閱不夠用 02:49 事業全靠 AI 是幻覺 03:53 養一個 agent 的務實法則 04:42 它是隊友不是替代品 06:03 要不要用的三步測試 07:11 收尾 07:54 📝 懶人包 ∙ 硬體不是門檻。一般電腦、雲端 VPS、Mac mini 都能跑，不用花大錢。 ∙ always-on agent 不會取代你的 coding

zh

9:17

別再手動調 Skill，Microsoft SkillOpt 讓它自己越練越強

脈報 ·

2026/06/02

Microsoft SkillOpt 把調 agent skill 從手感試錯變成可量測訓練，模型凍結，被優化的是文字檔。一次看懂它的運作、論文報的效果，以及為何只在有標準答案的任務才適用。 ⭐ 文章深度讀：SkillOpt 的完整運作、論文數字與我說的硬邊界，影片沒講完的都整理在這篇 → https://heymaibao.com/microsoft-skillopt-self-evolving-agent-skills/ ⚡ 章節重點開場手動調 skill 的無限輪迴 00:00 SkillOpt 到底在訓練什麼 01:18 效果有多猛，52 格全勝 03:03 硬邊界，任務要有標準答案 05:08 低成本動手的三步起步 06:15 成本與我的判斷 08:10 📝 懶人包 ∙ SkillOpt 是一個「文字空間的優化器」，意思是它不動模型權重，被訓練的是你的 skill 文字檔。整套靠一個迴圈：用當前 skill 跑任務、讀成功與失敗、提出小幅編輯、只保留讓分數上升的改動。 ∙ 論文報告的效果很猛：橫跨六個

zh

10:17

AI agent 也需要看板?Hermes 把失敗和重試變成一等公民

脈報 ·

2026/06/02

AI agent 並行工作時,難的不是排任務,是它們會失敗、當機、被退件。Hermes 的 Kanban 把每次嘗試、重試和交接都寫進資料模型,用四個場景看懂它跟普通待辦清單差在哪。 ⭐ 文章深度讀：你還在手動翻 log,救那些失敗的 AI 任務嗎? → https://heymaibao.com/hermes-kanban-ai-agents/ ⚡ 章節重點開場:AI agent 真的需要看板嗎 00:00 為什麼傳統清單會崩 01:13 run-based 模型:把失敗當一等公民 01:49 三個操作面與六欄看板 02:19 場景一:讓任務自己排隊 03:17 場景二:一個人顧一支 AI 艦隊 04:26 場景三:退件重來與重試歷史 05:36 場景四:斷路器與崩潰復原 06:51 真正的關鍵:結構化交接 08:08 我的觀察與收尾 09:14 📝 懶人包 ∙ Hermes Kanban 用 run-based 模型: 任務的每一次執行嘗試 (一個 run) 都是獨立一列，失敗、崩潰、重試的歷史是一等公民而不是事後補的註記。重試的

zh

10:36

AI agent 老是互相打架？他用一塊看板讓 18 個一起工作

脈報 ·

2026/06/02

多代理 AI 老是互相踩線、崩潰全毀？這位 YouTuber 用一塊共享看板當協調層，讓最多 18 個 AI agent 平行接力做研究、判斷、產出，整條流程只留一個人類核可閘門。 ⭐ 文章深度讀：我把「協調為什麼才是多代理真正的瓶頸，以及這套看板設計哪裡值得抄、哪裡只是噱頭」整理進文章，用脈報的角度拆得比影片更白。 → https://heymaibao.com/multi-agent-kanban-workflow/ ⚡ 章節重點開場：多代理為什麼老是壞掉 00:00 核心結論：別讓 agent 互相對話 00:52 看板就是單一真相 (一個 SQLite 檔) 02:17 Dispatcher：一張卡怎麼變成 agent 02:58 事件驅動依賴圖與五大優勢 03:39 實測：獵取 AI 痛點的流水線 04:52 18 個 agent、97 個任務的規模 06:48 唯一的人類閘門與自我修復 07:45 重點收穫與結語 09:28 📝 懶人包 ∙ 多代理系統的瓶頸是「協調」而不是「建 agent」。作者用一塊共享看板 (底層就是單一個

zh

8:14

別再幫 AI agent 蓋富士康工廠：Garry Tan 的 54 萬行教訓

脈報 ·

2026/06/02

他剛蓋完 54 萬行程式碼，卻說那是替 AI agent 蓋的富士康工廠。Garry Tan 公開認錯：AI 時代狂寫 code 是過時本能，真正稀缺的是判斷力。本文拆解他的反省與爭議。 ⭐ 文章深度讀：走一遍你自己的專案，數數看有多少行 code 只是因為你不信任 AI 才寫的 → https://heymaibao.com/stop-building-foxconn-factory-for-agents/ ⚡ 章節重點開場 00:00 稀缺的是判斷力 00:55 54 萬行白工的代價 01:45 替 AI 蓋富士康工廠 03:29 skillify 把一次性工作變複利 05:12 你到底想蓋什麼 06:59 📝 懶人包 ∙ Garry Tan 公開認錯：他剛蓋完的 54 萬行 Rails app，本質是替 AI agent 蓋的「富士康工廠」。他說那些層層疊疊的測試、guardrail、retry loop (失敗自動重試的迴圈)，每一行都是在賭「這個 AI worker 會出包」。 ∙ 經濟學翻轉了：他的論點是，過去 LLM

zh

8:24

Honcho 教 AI 主動想你是誰：Hermes 記憶外掛的推理拆解

脈報 ·

2026/06/02

(此為 WordPress canonical `rank-math-description` 單一來源) ⭐ 文章深度讀：什麼時候該從內建記憶換成 Honcho、三個成本旋鈕怎麼調，完整拆解都在文章裡 → https://heymaibao.com/hermes-honcho-memory/ ⚡ 章節重點開場 00:00 Honcho 跟內建記憶差在哪 01:01 兩層 context 與會自我檢查的推理 01:51 三個成本旋鈕 04:01 多代理隔離與觀察 05:05 recall mode：自動還是可控 05:46 該不該換到 Honcho 06:52 結語 07:29 📝 懶人包 ∙ Honcho 是 Hermes 的可選記憶外掛 (來自 Plastic Labs)，掛在 Hermes 的記憶供應商 (memory provider) 系統上。相對內建的 file-based 記憶，它多了 server 端持久化、自動推理出來的使用者檔案、跨工作階段的摘要注入，以及多代理隔離。 ∙

zh

9:16

你的本地 AI agent 其實被關住了，三個工具讓它隨處可用

脈報 ·

2026/06/01

本地 AI agent 常被困在一台電腦上，人一離開就用不到。這篇用 Tailscale、Termius、tmux 三層工具，讓它隨處連得到、任務不中斷又不暴露公網，並點出連得到不等於安全。 ⭐ 文章深度讀：多數 agent 教學只教你裝功能，卻沒教你怎麼從手機隨時連到它、又不暴露公網 → https://heymaibao.com/local-ai-agent-remote-access/ ⚡ 章節重點開場 00:00 本地 agent 的困境 01:58 Tailscale 連得到 03:03 Termius 能操作 04:31 tmux 不中斷 05:46 連得到不等於安全 07:01 無聊基建的價值 08:05 📝 懶人包 ∙ 本地 agent 最大的限制，常常不是模型也不是功能，而是它被綁在一台機器上，你一離開就用不到。 ∙ 解法是三層工具各管一件事：Tailscale 管「連得到」、Termius 管「能操作」、tmux 管「不中斷」。 ∙ 但這套只保護「你怎麼連到 agent」，不負責「agent

zh

9:36

當 AI agent 直接活在 Windows，OpenAI 怎麼防它刪光硬碟

脈報 ·

2026/06/01

當 AI agent 直接活在 Windows，OpenAI 怎麼防它亂刪你的硬碟？本文拆解 Codex 用檔案權限、防火牆與受限帳號自建的 agent 牢籠，也談在地化 agent 越強你越別開全權。 ⭐ 文章深度讀：牢籠蓋得再漂亮，鑰匙還是握在你手上，為什麼我這樣判斷，完整理由都在文章裡 → https://heymaibao.com/codex-windows-native-agent-sandbox/ ⚡ 章節重點 AI 住進你的系統 00:00 AI 從訪客變成 Windows 居民 01:10 高整合度的代價：刪硬碟前車之鑑 02:04 OpenAI 用 Rust 自建牢籠 03:27 拆解隱形牢籠的四層安全鎖 04:57 授權紀律才是成敗關鍵 07:05 📝 懶人包 ∙ Codex app 現在支援「Windows native」，agent 預設直接跑在 Windows 本體 (用 PowerShell 這個 Windows 內建的命令工具)，而不是像多數 AI 工具那樣躲在 WSL

zh

6:41

跑了 60 天 AI agent，他的結論是 90% 架構，10% 才是 AI

脈報 ·

2026/06/01

跑了 60 天 AI agent，0xjeff 的結論是 90% 架構、10% 才是 AI。從換 6 套模型供應商到 skill bundling，他用 6 個教訓告訴你，真正拉開差距的不是模型，是架構設計。 ⭐ 文章深度讀：他到現在都還沒解決的兩個坑，可能才是這篇最值得收藏的地方 → https://heymaibao.com/ai-agent-90-architecture-10-ai/ ⚡ 章節重點開場 00:00 核心觀念：90% 架構，10% AI 01:21 教訓二：模型商品化與工具選擇 01:51 教訓三：技能目錄化省 token 02:57 教訓四：記憶成本與回饋迴圈 03:46 教訓五：x402 協定打破工具邊界 04:41 教訓六：兩個還沒填平的坑 05:12 結語：你在死磕模型還是架構 06:13 📝 懶人包 ∙ 模型正在商品化：60 天換過 5-6 套供應商設定後，0xjeff 的結論是選一個直連的供應商黏住，別一直換。open-weight 模型在智力上正逼近頂尖實驗室，價格又低。 ∙ 真正拉開差距的是工具和

zh

8:28

大部分 AI agent 教學的問題，是只給你 prompt 不給你結果

脈報 ·

2026/06/01

大部分 AI agent 教學只給你 prompt 不給結果。兩個創業者看完一批 Hermes Agent 教學後篩出真正有料的：Hermes 對 OpenClaw 的差異，和讓 AI 自己賣房的 /goal 案例。 ⭐ 文章深度讀：大部分 AI agent 教學只敢秀 prompt，從不秀跑出來的結果，這支幫你把那段補上。 → https://heymaibao.com/ai-agent-tutorials-prompt-not-results/ ⚡ 章節重點開場：看完教學還是不會用 00:00 教安裝的人都對，教使用的人都在閃躲 00:53 /goal 是什麼：給任務不是給指令 01:53 實測：讓 AI 自己賣房 02:52 選工具：Hermes 對 OpenClaw 05:12 部署與模型：VPS 加省錢選擇 06:00 安全三道防線 06:31 結論：先問有沒有人秀結果 07:43 📝 懶人包 ∙ 影片裡的主持人和創業者 Justin 看完一批教學後有共同結論：教「怎麼安裝」Hermes

zh

11:05

關掉筆電，AI agent 還在 VPS 上替你工作：tmux 完整上手

脈報 ·

2026/06/01

AI agent 跑長任務時你還在守著筆電嗎？tmux 加一台 VPS，能讓它在你關機斷網後繼續跑。這篇用最少指令帶你從本機上手，搬到遠端整晚運作，並補上影片沒談的安全界線。 ⭐ 文章深度讀：大家最容易忽略的是無人看管的 agent 在 VPS 上該設哪幾條安全界線 → https://heymaibao.com/tmux-vps-ai-agents/ ⚡ 章節重點開場：你的筆電焦慮症 00:00 tmux 是什麼，又解決什麼 01:30 session、window、pane 03:35 本機 5 分鐘上手 04:42 真正的玩法：tmux 跑在 VPS 上 06:27 在 VPS 上多開 agent 07:42 沒人談的安全界線 08:12 總結：解放你的筆電 09:46 📝 懶人包 ∙ tmux 真正的價值是「持久 session」。你斷線、關機、沒電，裡面正在跑的程式都不會被打斷，這跟一般開兩個終端視窗完全不同。 ∙ 對 AI agent 來說這是剛需。現在的長任務 (像 Codex 的 `/go`、Hermes 的長時間任務)

zh

脈報

All Episodes

Similar Podcasts

Signal Brief · Steady State Radio

Steady State Radio

Taylor Lorenz’s Power User

Taylor Lorenz

AI HR Daily by OVI

Tim from OVI

AI Newspaper

AI Newspaper

Apple Actus 🍏 - Les Actus de la Pomme

Le6lindre