矽谷輕鬆談 Just Kidding Tech

如果你喜歡我的內容，歡迎加入會員支持我，讓我更有動力繼續分享更多好內容！
👉 https://www.youtube.com/channel/UCJIPFjZSCWR15_jxBaK2fQQ/join

這一個多禮拜以來，我真的快被「小龍蝦」OpenClaw 搞瘋了！😫 你能想像為了調教一個號稱超強的開源 AI Agent，我竟然半夜三點還在跟它一起 Trace Code 找 Bug 嗎？這集就來跟大家聊聊我滿滿的崩潰血淚史！

雖然網路上把 OpenClaw 吹得很神，但實測後發現它的「金魚腦」真的是致命傷！記憶力混亂、預設超級笨，為了解決這些問題，我甚至幫它裝上了向量資料庫。結果不但沒省到時間，反而變成了超級時間黑洞（不過倒是意外成功幫我戒掉了滑社群媒體的習慣 😂）。如果你也對這隻小龍蝦感興趣，千萬別錯過我為你整理的「避坑指南」！

另外，影片後半段我們來聊聊一個現代人專屬的新文明病：「AI 燒腦症候群」🤯。當 AI 工具越來越強大，我們同時開啟無數個支線任務讓 Agent 去跑，看似效率翻倍，大腦卻因為不斷的 Context Switch 而超級心累，甚至連自己真正想做的個人專案都被擠壓。面對這種被 AI 追著跑的科技焦慮，我們到底該如何適應？

本集精彩亮點：
🦞 實測小龍蝦的崩潰血淚： 爆紅的 OpenClaw 到底好不好用？帶你直擊它糟糕的記憶力盲區，以及我半夜瘋狂除蟲的崩潰過程！
🧠 拯救 AI 金魚腦大作戰： 當 Context Window 被塞爆導致 Agent 變笨，看我如何透過精簡設定與導入向量資料庫，硬是把小龍蝦拉拔長大。
🤯 你也得了 AI 燒腦症候群嗎？ 產能翻倍卻越來越累？深度剖析無止盡的「多工任務切換」如何消耗腦力，甚至在 Review 階段帶來意想不到的阻力。
🌅 從混亂看見未來雛形： 雖然現階段坑滿為患，但從自動發晨報、翻譯文章到全自動剪短影音，未來的完美貼身助理已經悄悄成型！

🔗 《矽谷輕鬆談》傳送門 👉 https://linktr.ee/jktech

(00:00) 開頭
(02:36) 西雅圖三月下暴雪學校停電？
(04:43) 實測 OpenClaw：坑比想像中還要多
(07:57) AI 自動化實例：晨報、翻譯文章與做短影音
(11:01) 小龍蝦的最大致命傷：記憶力太混亂
(14:04) 記憶力優化：導入向量資料庫
(15:04) 李宏毅教授真是個好宅男！
(16:23) 想戒掉社群媒體用小龍蝦就對了
(19:23) 你也得了「AI 燒腦症候群」嗎？
(20:46) AI Code Review 帶來的意外阻力與幻覺
(23:52) 疫情時也遇到類似的問題，相信人類的適應力！

如果你喜歡我的內容，歡迎加入會員支持我，讓我更有動力繼續分享更多好內容！
👉 https://www.youtube.com/channel/UCJIPFjZSCWR15_jxBaK2fQQ/join

這幾天讀完 OpenAI 關於「駕馭工程 (Harnessing Engineering)」的最新實驗，我真的有一種腦洞大開、直接看到未來開發樣貌的震撼感！🤯

你能想像一個上百萬行程式碼的軟體產品，在五個月的開發期內，完全由 AI Agent 從零打造，而人類「一行程式碼都不用手寫」嗎 ？這集就來跟大家聊聊這個讓我超興奮的典範轉移 ，以及我們熟悉的工作流程即將如何被徹底顛覆 ！

另外，影片前半段我們也會快速更新一下 Anthropic 與戰爭部衝突的最新戰況 ：OpenAI 的合約漏洞到底在哪裡 ？Dario Amodei 在內部信中開砲的真相又是什麼 ？

本集精彩亮點：
🛡️ Anthropic 內部信開砲： Dario Amodei 怒轟 OpenAI 安全聲明是謊言，揭開五角大廈合約背後的文字遊戲與紅線底線。
🤯 五個月「零手寫」實驗： Agent 狂寫百萬行 Code 打造全新軟體！當人類審 code 成為最大瓶頸，未來開發者只剩下「架構師」這條路？
🐛 實作速度超越思考： 把 Chrome 開發者工具直接交給 AI！看 Agent 如何自主重現 Bug、錄影驗證到 Merge PR 一氣呵成。
🧠 破除「認知外包」迷思： 深度與 AI 協作後的真實體悟，為什麼說手寫程式碼在五年後即將成為一門「古老技藝」？

🔗 《矽谷輕鬆談》傳送門 👉 https://linktr.ee/jktech

(00:00) 開頭
(02:00) Anthropic vs 戰爭部衝突越演越烈
(02:43) 為什麼我不會刪掉 ChatGPT?
(04:11) Dario Amodei 內部信開砲：OpenAI 的安全聲明根本是一場謊言
(06:27) Harness Engineering 駕馭工程：Agent 從零寫出百萬行程式碼
(08:10) 第一個坑：[Agents.md](http://agents.md/) 檔案過大，應該給 Agent 讀地圖而不是百科全書
(09:40) 重新定義人類角色：從執行者轉變為系統架構師
(10:46) 人類成為最大瓶頸：實作速度超越思考速度的典範轉移
(11:47) 設計師的角色也被顛覆：傳統流程已經跟不上了
(13:04) 讓 AI 自己做 QA 測試：接入 Chrome 開發者工具除錯
(14:42) Agent 自主性大進化：端到端自動修 Bug 到 Merge PR
(17:46) 未來的開發樣貌：破除「認知外包」迷思，認知其實是被加強的
(20:39) 手寫程式碼五年後即將成為古老技藝

如果你喜歡我的內容，歡迎加入會員支持我，讓我更有動力繼續分享更多好內容！
👉 https://www.youtube.com/channel/UCJIPFjZSCWR15_jxBaK2fQQ/join

本週科技圈發生了兩件足以載入史冊的震撼彈。首先是美軍與 Anthropic 的史詩級決裂：Dario Amodei 為了堅持 AI 安全紅線，不願讓 Claude 成為大規模監控與全自動戰爭武器的工具，結果換來的是川普政府的全面封殺令。當 AI 從我們手中的玩具變成國家級的戰爭武器，私人企業該如何守住最後的道德底線？

另一邊，我的前公司 Block (原 Square) 正式宣佈大裁員，員工數從一萬多人暴砍至五千人。Jack Dorsey 在內部信中坦言，這不是因為公司表現不好，而是他看到了 AI 帶來的巨大槓桿效應。究竟 AI 是提升效率的神器，還是資方大規模清洗員工的完美藉口？這集我將以「前員工」的角度，帶大家拆解這場殘酷的職場大清洗。

除此之外，這週我也忍不住衝動下單了 Switch 2！為什麼人到中年，玩遊戲的投入感卻再也回不去童年了？

本集精華：
🎮 Switch 2 初體驗：為什麼《曠野之息》玩 20 分鐘就想關掉？
📉 Block 減員 50%：Jack Dorsey 的「長痛不如短痛」哲學。
🛡️ Anthropic 的骨氣：寧丟兩億美金合約也不做戰爭機器。
🤝 Sam Altman 意外發聲：OpenAI 在這場對抗中扮演什麼角色？

🔗 《矽谷輕鬆談》傳送門 👉 https://linktr.ee/jktech

(00:00) 開頭
(02:24) 衝動下單 Switch 2：你也數位陽痿了嗎？
(05:05) 回憶我的前公司 Block：2017 年加入 Square 的美好時光
(07:25) Jack Dorsey 裁員信：長痛不如短痛
(09:17) Jack 一定沒用 AI 潤稿，AI 時代保有真誠的重要性
(10:40) 最後的溫柔：留給被裁員工在 Slack 道別的時間
(11:06) 因為 AI 裁員會成為未來的常態嗎？
(12:35) Anthropic 為什麼槓上了美國戰爭部？
(13:03) 使用體感分享：這禮拜的 Claude 變笨了嗎？
(13:59) AI 巨頭們與軍方了兩億合約
(14:50) 導火線：Anthropic 拒絕成為「大規模監控」與「戰爭武器」
(16:22) 戰爭部的情緒勒索：不聽話就是不愛國？
(18:15) Google 保持低調而馬斯克的 xAI 選擇全速配合
(18:58) Sam Altman 罕見聲援對手 Anthropic 的底線

如果你喜歡我的內容，歡迎加入會員支持我，讓我更有動力繼續分享更多好內容！
👉 https://www.youtube.com/channel/UCJIPFjZSCWR15_jxBaK2fQQ/join

最近微軟的資安團隊發布了一份研究報告，揭露了一種名為「AI 推薦中毒」的新興攻擊方式 。駭客透過網頁或 Email 裡看似無害的「使用 AI 總結」按鈕，悄悄竄改 AI 的記憶 。這會讓你的 AI 助理在未來優先推薦特定的產品或公司給你，面對這種防不勝防的攻擊，我們該如何防堵 ？

除了這個驚人的資安危機，過去這一個禮拜，我也完全沉浸在跟 AI 深入合作寫程式的過程 。結果我發現了一件很有趣的事：我幾乎一行程式碼都沒寫，但因為常常需要在不同的任務之間切換，一整天下來卻超級「心累」 。

在這集節目裡，我想從第一線的實戰經驗出發，聊聊為什麼在 AI 時代，我們竟然都不知不覺變成了以前最討厭的那種「規格改來改去」的業主 ？同時，我也會帶大家看 Anthropic 最新發布的 AI Agent 自主性研究報告，當 Claude Code 獨立運作的時間越來越長，我們該如何善用 Plan mode、設定 Rule，並扮演好最後把關者的角色 。

本集精彩亮點：
🕵️‍♂️ 你的 AI 記憶被竄改了？ 解析微軟最新資安報告：「AI 推薦中毒」是如何透過一個總結按鈕，悄悄洗腦你的推薦內容 。
🤖 我們都成了慣老闆？ 一行 Code 都沒寫的實戰體悟！為什麼產能迎來爆發，大腦卻因為多工切換而超級心累 ？
📈 Agent 越來越獨立： 解讀 Anthropic 報告，當 AI 自主執行任務的時間翻倍，我們該如何設定好規則並做好最後的把關 ？

🔗 《矽谷輕鬆談》傳送門 👉 https://linktr.ee/jktech

(00:00) 開頭
(02:12) AI 開發一行 Code 都沒寫，但多工切換超心累
(04:32) 心態轉變：我們竟然都成了以前最討厭的業主？
(06:38) AI 合作技巧：善用 Plan Mode 與自訂 Rule
(08:53) 為什麼現在學的技巧，幾個月後就會失效？
(10:38) 不要浪費時間去針對「現在的」模型做優化
(11:13) Anthropic 報告：Claude Code 自主運作的時間翻倍了！
(12:06) 進階玩家的秘密：越敢放手，也越常主動中斷 AI
(13:22) 巨頭交鋒：Anthropic 諷刺 OpenAI 的超酸廣告戰
(14:34) 微軟資安警告：「AI 推薦中毒」是如何竄改你的記憶？
(16:45) 歷史重演？AI 時代的同溫層與資訊戰危機
(18:16) 個人該如何保護 AI 不被惡意洗腦？
(20:12) 開發商該如何從根本抵禦攻擊？
(21:38) 只要出一張嘴，生在 AI 時代當 Builder 真的太棒了！

如果你喜歡我的內容，歡迎加入會員支持我，讓我更有動力繼續分享更多好內容！
👉 https://www.youtube.com/channel/UCJIPFjZSCWR15_jxBaK2fQQ/join

今天這集要給大家滿滿的 Anthropic！過去這一個禮拜，我試用了 Claude 的最新模型 Opus 4.6 以及 Claude Code 的全新模式「Agent Teams」。在這個模式下，你可以直接指揮一堆 Agent，有經理負責分派任務、有工程師負責執行，讓它們分工合作幫你把事情做完。

另外，我也在第一時間試用了 OpenAI 推出的 Codex 桌面版工具。因為我最近正在打造自己的 AI 產品，大量使用了這些新工具，這集會以開發者的角度，來分享使用 Opus 4.6 與 Codex 的實際體驗與差異。

除了硬核工具實測，這集我們還要深入 Anthropic 的靈魂。有記者深入採訪了近 40 位員工，揭露了這家公司獨特的「蜂巢思維」文化，以及他們內部流傳的一個驚人預言：「2026 年將是許多公司崩潰的一年」。這到底是危言聳聽，還是他們看到了我們沒看到的未來？

最後，一定要聊聊 Opus 4.6 的安全評估報告。官方雖然說風險低，但報告裡卻提到模型已經學會了「裝乖」與「欺騙」測試人員。當 AI 開始為了達成目的而撒謊，我們該如何應對？

本集精彩亮點：
🤖 Agent Teams 實測： 介紹 Claude Code 這個新模式的運作邏輯，看 AI 如何模擬真實團隊，由 Manager 指揮前端與後端 Agent 分工協作。
💎 Opus 4.6 開發心得： 模型底子真的夠硬！為什麼在 Codex 與 Composer 之間，我最後還是選擇 Opus 4.6 作為主力開發模型？
💻 Codex vs. Claude： OpenAI 桌面版工具好用嗎？從開發者角度，直接告訴你這兩家工具現在的功能差異。
🐝 Anthropic 的蜂巢思維： 揭開這家公司神秘的內部文化，為什麼員工既興奮又悲傷？他們眼中的 2026 年「大崩潰」預言是什麼？
🤥 模型會裝乖？ 解讀 Opus 4.6 安全報告中最毛骨悚然的發現：AI 已經學會在被測試時隱藏實力與說謊。

🔗 《矽谷輕鬆談》傳送門 👉 https://linktr.ee/jktech

(00:00) 滿滿的 Anthropic
(01:54) Claude Opus 4.6 實測
(03:38) Agent Teams 初體驗：指揮 AI 戰隊分工合作寫程式
(05:19) OpenAI Codex 桌面版
(06:43) 工程師終局？Spotify 與 Anthropic 頂尖開發者已不寫 Code
(07:40) 當開發變簡單，產品的「品味」與「願景」更重要
(09:40) 我用 AI 寫程式的 Aha moment
(10:46) 我是怎麼挑戰 AI 的？為什麼你應該也要
(11:43) 科技的改變總是既快且慢
(13:14) 歷史借鏡 (1)：馬車被汽車取代的非線性進程
(14:14) 歷史借鏡 (2)：西洋棋 AI 如何從被人類擊敗到無敵？
(15:14) 深入 Anthropic 內部：為何員工感到「既快樂又悲傷」？
(17:15) 揭秘「蜂巢思維」：為何這家公司沒有辦公室政治？
(19:26) Opus 4.6 安全報告：模型已經學會「裝乖」與「欺騙」？
(21:08) 安全評估的隱憂：用舊模型監控新模型還有效嗎？
(22:36) 未來的解方：強制可解釋性與 AI 互相監督