脈報 - Podcasts

6:48

Cursor 投資人開罵：AI 工具全都爛透了，問題在程式碼

脈報 ·

2026/03/13

Cursor 投資人 Theo Browne 公開批評 AI 工具全都爛透了。問題不在模型，而是太早用 AI 寫自己。他的「程式碼慣性法則」解釋壞模式為何指數擴散，以及五個實戰對策。 ⭐ 文章深度讀：整理了 Theo 的五個大鐵鎚實戰對策 → https://heymaibao.com/theo-ai-tools-slopfest/ 📝 懶人包 ∙ AI 開發工具 (Cursor、Claude Code、Codex) 太早用 AI 寫自己，在模型不成熟時就奠定了品質天花板，現在積重難返 ∙ 程式碼慣性法則：壞模式呈指數擴散，AI agent 加速惡性循環。品質約 6 個月見頂，之後只會更差 ∙ 解法核心：零容忍壞模式、多花時間規劃、勇於刪除重寫 (大鐵鎚開發法)，而非「先上線再修」 ∙ 我的觀點：Theo 的診斷比他的處方更有價值。「程式碼慣性」不只適用於工程，任何累積型工作都有類似的品質衰退曲線，值得拿來檢視自己的系統 📚 參考資料 The Problem With Cursor, Claude Code, and Codex →

zh

6:00

Naval：AI 讓每個人都能寫程式，但沒人要你寫的那個 app

脈報 ·

2026/03/13

Naval 用三層論拆解 AI 時代的軟體世界：vibe coding 是產品管理、模型訓練是程式設計。核心判斷：對平庸沒有需求，中間層被消滅。工具免費了，但沒人要你寫的那個 app。 ⭐ 文章深度讀：拆解 Naval 三層論和「對平庸沒有需求」的完整邏輯鏈 → https://heymaibao.com/naval-ai-podcast/ 📝 懶人包 ∙ Naval 把 AI 時代的軟體世界切成三層：vibe coding 是新的產品管理、模型訓練是新的程式設計、傳統工程處理 AI 搞不定的邊緣案例。這不是小改進，是直接從「接近英語」跳到「就是英語」。 ∙ 市場會極端化成「巨型聚合器 + 少數頭部 app + 無限長尾」的結構，被消滅的是中間的 5-20 人軟體公司。Naval 的核心判斷：對平庸沒有需求。 ∙ 每個人都成為施法者，但 AI 在零和博弈中會被其他 AI 抵消。剩下的超額優勢完全是人類的：創意、判斷力、極致的行動力。 ∙ 我的觀點：Naval

zh

7:14

Claude Code 怎麼記住你的專案？記憶系統設定完全攻略

脈報 ·

2026/03/13

Claude Code 的記憶系統有兩套：你寫的 CLAUDE.md 加上 Claude 自己寫的 Auto memory。完整解析指令怎麼寫、四層優先級怎麼運作，以及怎麼用路徑規則省上下文空間。 ⭐ 文章深度讀拆解了 CLAUDE.md 從放哪到怎麼寫的完整設定流程 → https://heymaibao.com/claude-code-memory-system-guide/ 📝 懶人包 ∙ Claude Code 靠兩套機制跨對話保留知識：你寫的 CLAUDE.md 指令檔，加上 Claude 自己寫的 Auto memory 學習筆記，每次對話開頭都會載入 ∙ CLAUDE.md 是上下文而非強制設定，指令越精簡具體效果越好，建議控制在 200 行以內 ∙ 進階用法：用 .claude/rules/ 把指令拆成多個檔案，還能限定只在處理特定類型檔案時載入，減少上下文浪費 ∙ 我的觀察：官方坦承「不保證 100% 遵守指令」聽起來像缺點，但理解這個設計哲學反而是寫出有效指令的起點 📚 參考資料 How Claude remembers your

zh

10:22

造 App 是新型廉價多巴胺：一份從零到月收 25K 的分發攻略

脈報 ·

2026/03/13

造 app 是新型廉價多巴胺？Prayer Lock 從零到月收 25K 的攻略證明：專注一款 app、跑通分發、用心理學設計 onboarding，比同時做十個更有效。完整拆解加上我的判斷。 ⭐ 文章深度讀：拆解了四個分發渠道的預算門檻和操作順序 → https://heymaibao.com/app-distribution-playbook-25k/ 📝 懶人包 ∙ AI 讓造 app 近乎零門檻，但分發難度沒變。會造不會賣，就會錯過這波機會。 ∙ 專注一款 app 先跑通分發系統再複製，比同時做 10 個更有效。 ∙ 新手引導不只是功能導覽，是一套心理學漏斗：三幕劇結構 + 沉沒成本 + 承諾原則。 ∙ 我的觀點：「造 app 是新型廉價多巴胺」是這篇攻略裡最銳利的一句話。但作者自己花了 3 年 10 次才成功，四個分發渠道有三個需要預算。零門檻是真的，零成本不是。 📚 參考資料 This is how I scaled my mobile app to $25k+/month →

zh

8:52

Claude Code 越用越慢？創造者親授的 Context 管理心法

脈報 ·

2026/03/13

Claude Code 效能瓶頸在 context window 管理。整理創造者 Boris Cherny 和 Anthropic 官方最佳實踐，涵蓋 Plan Mode、平行 Session、subagent 和四大失敗模式的完整攻略。 ⭐ 文章深度讀：整理了從 context 管理到平行開發的完整攻略 → https://heymaibao.com/claude-code-best-practices-context-window/ 📝 懶人包 ∙ Context window 管理是一切的基礎：Plan Mode 先想再做、subagent 隔離探索、/clear 及時止損，全都圍繞同一個目標 — 保持 Claude 的「白板」乾淨。 ∙ 讓 Claude 自己驗證，取代人工逐行校對：給具體測試案例讓 Claude 自跑，你不再是唯一的回饋迴路。 ∙ 平行 Session 是最被低估的生產力槓桿：Boris 團隊用 3-5 個 session 搭配 git worktree 同步推進，一個寫、一個審。 ∙ 我的觀察：這篇文章最被低估的兩個建議是 voice

zh

6:19

Cursor 內部 35% PR 由 Agent 自主完成，第三時代已經開始

脈報 ·

2026/03/13

Cursor 創辦人公開內部數據：35% PR 由雲端 Agent 自主完成，agent 用戶已反超 Tab 兩倍。三時代框架怎麼看？數據背後有哪些沒說的事？帶你拆解利益位置和判斷邊界。 ⭐ 文章深度讀：拆解了 35% 數據背後沒說的品質問題 → https://heymaibao.com/cursor-third-era-ai-dev/ 📝 懶人包 ∙ Cursor 內部 35% 合併的 PR 由雲端 agent 自主完成，agent 在獨立的虛擬機上跑數小時，完成後交回可審查的成品。 ∙ AI 開發正從「你打一行、AI 補一行」的即時互動模式，進入「指派任務、背景執行、審查成品」的委派模式。開發者的角色從寫程式轉向管理 agent 艦隊。 ∙ Truell 預測同步 agent 時代可能不到一年就會被取代，但這個判斷來自 Cursor 創辦人，他有明確的商業動機讓你相信這件事。 ∙ 我的觀察：三時代框架有解釋力，數據也是真的。但比起糾結「第三時代什麼時候全面到來」，更值得關注的是你自己的工作模式正在怎麼改變。 📚 參考資料 The third era

zh

9:33

AI 管理 AI 寫程式，一天 94 commits 的一人開發團隊

脈報 ·

2026/03/13

不直接用 Codex 或 Claude Code，而是讓 AI 管理 AI。Elvis Sun 的一人 agent 團隊日產 94 commits，拆解 context 分層架構、三層 code review、真實成本和硬體瓶頸。 ⭐ 文章深度讀：拆解了 context 分層、信任邊界、完成定義三個關鍵設計決策 → https://heymaibao.com/ai-agent-swarm-one-person-dev-team/ 📝 懶人包 ∙ AI coding agent 的真正瓶頸不是模型能力，是脈絡隔離。Codex 和 Claude Code 只看到程式碼，看不到你的業務全貌。解法是雙層架構：orchestrator 持有業務脈絡，coding agent 專注寫程式。 ∙ 實戰數據已經出來了。日均 50 commits、30 分鐘 7 個 PR、月成本約 190 美元。Elvis 用這套系統經營真實的 B2B SaaS，客戶功能需求當天交付。 ∙ 系統可靠性靠的是嚴格的完成定義，不是 AI 的能力。PR 不等於完成。CI 全過、三層 AI code

zh

8:22

AGENTS.md 到底有沒有用？研究出爐：寫太多反而讓結果更糟

脈報 ·

2026/03/13

研究發現自動生成的 AGENTS.md 反而降低 coding agent 成功率且增加 20% 成本。人寫版也只提升 4%。Agent 不是不聽話，是聽太多話。整理研究數據並告訴你該怎麼改寫。 ⭐ 文章深度讀：文章最後整理了該寫、該刪的具體清單 → https://heymaibao.com/agents-md-evaluation-research/ 📝 懶人包 ∙ LLM 自動生成的 AGENTS.md / CLAUDE.md (例如用 /init 指令) 反而降低 coding agent 的成功率，同時推理成本增加超過 20%。 ∙ 開發者手寫的 context file 效果也有限，平均只提升 4% 成功率，而且 agent 會忠實遵守裡面的每條指令。 ∙ 問題出在「過度規格化」：agent 花太多時間遵守不必要的指令，反而沒時間解決實際問題。 ∙ 這篇研究測的是「解 GitHub issue」的封閉任務，日常開發情境不同。但核心啟示一致：context file 只寫最低必要，別貪多。 📚 參考資料 Gloaguen et al.,

zh

8:48

Claude Code 負責人直言 coding 已解決，真正的戰場在別處

脈報 ·

2026/03/13

Boris Cherny 100% 用 Claude Code 寫程式碼，每天發 10-30 個 PR。他直接說 coding 是被解決的問題。這篇拆解他的證據、他對印刷術的類比，以及他認為真正的戰場在哪裡。 ⭐ 文章深度讀：90 分鐘濃縮 + 主筆對這場押注的判斷 → https://heymaibao.com/boris-cherny-coding-solved/ 📝 懶人包 ∙ Boris 自 2025 年 11 月起 100% 用 Claude Code 寫程式碼，每天發 10-30 個 PR，沒手動編輯過一行。Anthropic 工程師人均生產力成長 200%。他直接說 coding is largely solved。 ∙ 下一步不是寫更好的程式碼，而是決定要建什麼。Claude 已經在自己瀏覽 feedback、分析 bug report、開 PR。Boris 預測 software engineer 頭銜年底會開始消失。 ∙ Boris 用印刷術類比這場轉變：15 世紀前不到 1% 識字率，印刷術後 200 年升到 70%。他認為 coding

zh

9:15

Obsidian + Claude 實戰拆解：讓 AI 讀懂你六年的思考脈絡

脈報 ·

2026/03/13

Obsidian 用了六年，結構從沒大改過，反而在 AI 時代變得更有價值。這篇拆解 jameesy 的 5 個資料夾架構、AI 生成物分離策略和 Polaris 價值觀錨點，附實際 prompt 範例。 ⭐ 文章深度讀：文章完整拆解 Polaris 資料夾怎麼當 AI 的價值觀錨點，附 3 個實際 prompt 範例 → https://heymaibao.com/obsidian-claude-vault-workflow/ 📝 懶人包 ∙ AI 需要讀你所有的脈絡，但你的 Obsidian vault 不需要被 AI 生成物淹沒。把 AI 素材放在 vault 之外的專屬資料夾 ∙ 好的筆記結構不需要為 AI 重新設計。jameesy 六年沒改過的 5 個資料夾，在 AI 時代反而變得更有價值 ∙ AI 讀你長期筆記後，能發現你「沒寫什麼」的模式，揭露連你自己都沒意識到的情感盲點 ∙ 最有效的 AI 整合不是改系統架構，是把你的價值觀和優先序放在 AI 看得到的地方 📚 參考資料 How I Structure Obsidian &

zh

8:09

Claude Code 創造者：程式碼保質期兩個月，不跟模型對賭

脈報 ·

2026/03/13

Boris Cherny 把一個終端聊天 app 變成 Claude Code。他的方法論：觀察模型想做什麼、追蹤使用者已經在做什麼、假設今天寫的每行程式碼都是暫時的。這篇拆解他的訪談。 ⭐ 文章深度讀：拆解 Boris 的三個產品原則，加上文章才有的 TypeScript 隱線 → https://heymaibao.com/inside-claude-code-boris-cherny/ 📝 懶人包 ∙ Boris 的核心產品原則是 latent demand：觀察使用者已經在做什麼，把它變簡單。Claude Code 的每個重要功能都來自觀察既有行為，不是發明新需求。 ∙ Claude Code 的設計哲學是「為六個月後的模型而建」。團隊辦公區牆上掛著 The Bitter Lesson 裱框文件。程式碼保質期約兩個月。永遠不要跟模型對賭。 ∙ Anthropic 工程師人均生產力自 Claude Code 上線成長 150%。Boris 自己 100% 用 Claude Code 寫程式碼，卸載 IDE，每天發 20 個 PR。 ∙ 但所有數據都來自

zh

8:09

Claude Code 工具設計心法：Anthropic 團隊的四個實戰案例

脈報 ·

2026/03/13

Claude Code 團隊的工具設計實戰。AskUserQuestion 迭代三次、TodoWrite 被淘汰、RAG 被 Grep 取代。四個案例揭示心法：工具要匹配模型能力，像 agent 一樣看世界。 ⭐ 文章深度讀：影片聽完四個案例的核心教訓，文章深入拆解 AskUserQuestion 三次迭代的具體失敗原因和 progressive disclosure 的多層遞迴搜尋機制 → https://heymaibao.com/claude-code-tool-design-lessons/ 📝 懶人包 ∙ 工具設計要匹配模型能力。AskUserQuestion 迭代了三次，前兩次功能可行但模型不買帳，觀察模型行為後第三次才做對。 ∙ 模型進步時，舊工具會變成新限制。TodoWrite 加系統提醒在早期有效，模型變強後反而束縛它，必須升級成支援子代理協作的 Task Tool。 ∙ 不一定要加新工具才能擴展能力。Progressive disclosure 讓模型透過探索自建脈絡，一年內從「無法自建脈絡」進化到「多層遞迴搜尋」。 ∙

zh

7:38

PewDiePie 微調了一個 AI，打敗 ChatGPT，然後自己打臉

脈報 ·

2026/03/13

PewDiePie 花數月微調 AI，benchmark 打敗 ChatGPT。但差點燒了房子、用錯模型、資料被污染。這篇還原 AI 微調的真實體驗，比想像中容易開始，比想像中痛苦完成。 ⭐ 文章深度讀：從 8% 到 39.1% 的完整失敗時間線，文章拆得更清楚 → https://heymaibao.com/pewdiepie-fine-tuned-ai-beat-chatgpt/ 📝 懶人包 ∙ PewDiePie 微調 Qwen 32B，在 Aider Polyglot benchmark 拿到 39.1%，超越 ChatGPT-4 的 18.2%，也打敗了 DeepSeek 2.5、LLaMA 4 Maverick 和 Gemini Pro。 ∙ 資料品質是微調成敗的關鍵。他第一次訓練直接讓模型變更差，因為垃圾資料通過了壞掉的 test harness。 ∙ 中國 AI 研究 (特別是 DeepSeek) 的開放程度，讓一個不懂 ML 的人也能拿到可操作的微調路線圖。 ∙ 這個故事的價值不在 benchmark 數字，而在一個非工程師完整走過 AI

zh

8:07

重複 Prompt 就能提升 LLM 準確率？Google 最新研究解析

脈報 ·

2026/03/13

Google Research 最新論文：把 prompt 貼兩次送給 LLM，不開推理就能穩定提升準確率。70 組測試贏 47 輸 0，不增加延遲。本文深入解析因果注意力機制與實戰落地建議。 ⭐ 文章深度讀：文章完整解析因果注意力的結構限制，以及這個技巧在什麼場景最有效 → https://heymaibao.com/prompt-repetition-improves-llms/ 📝 懶人包 ∙ 把 prompt 重複一次送給 LLM，不開推理時穩定提升準確率 (70 組測試贏 47 輸 0)，不增加延遲和生成成本 ∙ 有效原因：LLM 的因果注意力讓前面的 token 看不到後面，重複 prompt 讓所有 token 互相可見 ∙ 推理模型本身就會在思考鏈裡重述問題，prompt repetition 把這步搬到更便宜的 prefill 階段 ∙ 主筆判斷：這是今年最具 CP 值的 prompt 技巧，適合所有不開推理的 API 場景，落地只要一行程式碼 📚 參考資料 Jia et al., 2025. Prompt Repetition

zh

6:53

Karpathy：程式設計面目全非，什麼是 Agentic Engineering

脈報 ·

2026/03/13

Karpathy 認為程式設計正在面目全非：不是寫程式碼，而是用英文管理 AI agent。他的案例確實驚人，但恰好落在 agent 最擅長的場景。你的日常工作有多少在這個甜蜜點內？ ⭐ 文章深度讀：文章裡有完整甜蜜點分析，幫你判斷自己的工作適不適合交給 agent → https://heymaibao.com/karpathy-agentic-engineering/ 📝 懶人包 ∙ Karpathy 認為 AI coding agent 在 2025 年 12 月跨過實用門檻，原本需要整個週末的專案現在 30 分鐘就能完成。 ∙ 他提出的新概念 agentic engineering，是指用英文描述任務、平行管理多個 AI agent，而不是親手寫程式碼。 ∙ 但 agent 目前最擅長「任務明確 + 可測試」的場景，仍需要人類的判斷力、品味和高階方向感。 ∙ Karpathy 的案例恰好落在 agent 最擅長的場景。讀者該問的不是「AI 能不能寫程式」，而是自己的工作有多少比例落在這個甜蜜點內。 📚 參考資料 Andrej Karpathy

zh

9:13

Claude Skill 教學：一個資料夾教會 AI 你的工作流程

脈報 ·

2026/03/13

每次對話都要重教 Claude？Skill 就是解法。這篇提煉 Anthropic 官方 32 頁指南重點：description 觸發設計、MCP 互補邏輯、五種實戰設計模式，一個資料夾就能上手。 ⭐ 文章深度讀：影片聽完核心概念，文章拆解 description 觸發設計的好壞對比和五種實戰設計模式的選擇邏輯 → https://heymaibao.com/building-skills-for-claude/ 📝 懶人包 ∙ Skill 就是一個資料夾加一個 SKILL.md，不需要寫程式，15-30 分鐘可以建好第一個 ∙ Description 欄位是整個 skill 最關鍵的一行，決定 Claude 何時自動載入你的 skill ∙ MCP 開發者最該做 skill，不然等於只給了專業廚房卻沒附任何食譜 ∙ 主筆觀點：Skill 是 Anthropic 建立「知識生態」的戰略棋子，和 MCP 的「工具生態」互補，兩者合起來才是完整的 agent 基礎設施 📚 參考資料 The Complete Guide to Building Skills

zh

7:24

OpenAI 沒有護城河：Benedict Evans 拆解 9 億用戶的真相

脈報 ·

2026/03/13

Benedict Evans 用平台經濟學逐一拆解 OpenAI 的競爭力：9 億用戶但 80% 每天用不到 3 次，模型無差異化，花千億美元只是入場券。chatbot 可能像瀏覽器，贏了也不重要。 ⭐ 文章深度讀：影片聽完瀏覽器類比，文章拆解 Evans 驗證護城河的四個結構性問題和台積電資本論證 → https://heymaibao.com/openai-no-moat-benedict-evans/ 📝 懶人包 ∙ 模型層沒有護城河：半打公司出貨同級前沿模型，每幾週就互相超越，沒有任何已知機制能讓一家公司永久領先。 ∙ 9 億用戶是虛胖指標：80% 用戶每天用不到 3 次，付費率僅 5%。OpenAI 自己承認的「能力落差」本質上就是在說沒有找到 product-market fit。 ∙ 花千億美元只是買入場券：Evans 用台積電類比，壟斷先進製造也無法控制上層應用。資本寡占不等於價值捕獲。 ∙ 主筆觀點：如果 chatbot 真的走上瀏覽器的老路，那正確的策略不是選邊站 OpenAI 還是 Google，而是關注誰在 chatbot

zh

8:37

Recursive Language Models 解讀：Prompt 變成變數就好了

脈報 ·

2026/03/13

MIT 論文提出 RLM，把 prompt 放進 REPL 當變數讓模型寫程式處理。GPT-5 加這層框架，OOLONG-Pairs 從 0.1% 跳到 58%。拆解核心機制與為什麼這是繼 CoT 之後的範式跳躍。 ⭐ 文章深度讀：影片看完核心概念，文章拆解 Algorithm 1 vs Algorithm 2 的三個設計差異 → https://heymaibao.com/recursive-language-models/ 📚 參考資料 Zhang, Kraska, Khattab, 2025. Recursive Language Models → https://arxiv.org/abs/2512.24601

zh

6:43

OpenAI 工程師拆解 Codex：三層架構搞懂 AI Coding Agent

脈報 ·

2026/03/13

OpenAI 工程師把 Codex 拆成三層：模型、支架、介面。搞懂分層就能追蹤每次更新改了什麼，也能用同樣的思考方式評估 Claude Code、Cursor 等 AI coding agent 的整合深度。 ⭐ 文章深度讀：影片只講了框架概念，文章還有跨產品比較和實戰判斷 → https://heymaibao.com/how-i-think-about-codex/ 📚 參考資料 How I Think About Codex → https://www.linkedin.com/pulse/how-i-think-codex-gabriel-chua-ukhic

zh

7:41

AI 編碼工具怎麼選？非工程師的三階段登山法，從免費開始

脈報 ·

2026/03/13

AI 編碼工具怎麼選？非工程師的三階段登山法，從免費開始。先看這句話：非工程師想用 AI 寫程式，工具那麼多，到底該從哪個開始？一位日本開發者提出了「三階段登山法」 ⭐ 文章深度讀：已經在付 $20？文章有你的跳級捷徑 → https://heymaibao.com/ai-coding-tools-non-engineers/ 📚 參考資料非エンジニア向け AI コーディングツール、最初の一歩はこれ【2026年版】 → https://youtube.com/watch?v=EwS4MUIYJjM

zh

脈報

All Episodes

Similar Podcasts

Tech Gumbo

Haggai Davis

What"s Your Problem?

iHeartPodcasts and Pushkin Industries

DIPA AI Daily

DIPA Team

AI Inside

Jason Howell and Jeff Jarvis

The MonkCast

RedMonk