Using Claude Opus 5.5 as your daily driver
展示 Claude Opus 5.5 相比前代 Opus 5 在速度、準確度與成本上的提升，透過實際程式碼修復案例對比兩者表現。觀眾能了解如何設定努力程度與使用子代理來最佳化效能，並掌握 API 審計命令的用法。
Claude Sonnet
31 筆內容提到
最近 7 天 0 筆（再前 7 天 0 筆）
也寫作：Sonnet
這一頁列的是「提到 Claude Sonnet」的內容（名稱由語言模型從內容裡整理），不一定整筆都在講它。只想追它的新內容：訂閱 RSS；想找標題裡就有它的：搜尋「Claude Sonnet」。
最新
依發布時間，最新的 30 筆
Anthropic's Misuse Report, Condensed to 117 Findings
整理安提洛普（Anthropic）2026 年 9 月 misuse 報告，將內容濃縮為 117 項發現，涵蓋從俄羅斯間諜活動、工業化盜竊到影響與誤資訊等八大類別。
I Had Fable 5.1 and 5 Build Me the Same App
作者用完全相同的提示詞，分別要求 Fable 5 與 Fable 5.1 建立同一個自動化應用程式，並進行盲測比較。影片詳細分析兩者在介面設計、使用體驗、功能穩定性上的差異，並拆解成本與模型使用比例，探討哪一個版本更具成本效益與實際價值。
Designing How AI Grows — Tom McGrath
Tom McGrath 探討神經網路如何像自然科學般學習概念，並提出將可解釋性納入訓練迴路以實現有意義的設計。他分析 AlphaZero 的知識收斂性、模型如何發現錯誤並產生誤對齊，以及稀疏自編碼器在理解高維結構上的侷限。
高效电商 AI 智能体解剖指南 | 选自 Anthropic 的 Claude 博客
深入解析如何構建高效且低延遲的電商 AI 智慧體，涵蓋架構設計、成本最佳化與生產環境部署。讀者可學習如何透過技能模組替代子智慧體以降低延遲，並掌握評估體系與安全策略，讓 AI 系統能穩定執行於實際商業場景。
Anthropic Is "Increasing" Your Limits
討論 Anthropic 將 Claude Code 周限永久調降 17%，卻用「增加 25%」的誤導性說法，並批評其溝通方式與對 Fable 模型的嚴格限制。
Small Models Have Arrived
作者測試了 gpt-5.6-luna 等小型模型，發現它們速度快、成本低且能力驚人。文章指出，由於推理成本大幅下降，未來大量企業工作將由這些「快、便宜、夠用」的模型處理，取代昂貴的頂尖模型。
Cisco & Stanford on Why Skills Are the New Code
探討技能工程如何取代模型選擇，成為決定 AI 代理效能的關鍵。透過實測資料揭示技能濫用、版本滯後及無視性問題，並展示中階模型搭配精準上下文即可達成高價值。
1020: How to Choose Model Size and Effort Level: The Two Critical Dials
解析大型語言模型中「模型大小」與「努力程度」兩個關鍵設定，釐清前者決定能力上限，後者控制思考深度而非單純延遲。透過 Anthropic、OpenAI 與 Google 的實例，說明如何根據任務難易度與成本效益，精準搭配這兩個開關以獲得最佳…
AI Developer Burnout, Dynamic Agent Workflows & The $60 Phone E-Reader
記錄開發者克服倦怠、調整影片製作節奏，並分享 GLM 5.2 與 Sonnet/Opus 等模型的實際工作流。內容涵蓋程式環境工具選擇、生成式軟體訂閱陷阱，以及用 AI 編碼可能帶來的技能退化議題。
※ 摘要僅根據標題與說明
Telling your agent “no” is a moat now, rearward deployed engineers, and harnessing the context for your SDLC
探討 Uber 將工程師外派至非技術部門（如法律、行銷）以推廣 AI 工作流的「後向部署」策略，並分析 Claude Code 預設開啟安全自動模式、Meta 推出本地執行模型 Muse Glimmer 的動態，以及 Tim O'…
11 Tips to Run Coding Agents 24/7 on One Subscription
分享 11 個工程技巧，透過漸進式揭露、規劃與執行分離、建立 LLM 維基等策略，大幅降低 token 消耗並提升效能。讀者可學習如何最佳化提示詞、管理上下文與設計多代理系統，讓 AI 工具在預算內穩定運作。
Omnigent: Composition, Control, and Collaboration for AI Agents
分享如何利用 OmniGent 等工具，透過讓多個 AI 模型互相辯論來提升程式碼品質與研究效率。講者分享實戰經驗，包括用不同模型測試、處理繁體中文語料以及建立 AI 代理的工作流程。
The Tessl Agent: Build Your Software Factory on Autopilot
Tessl 產品負責人 Simon Maple 在播客中介紹 Tessl Agent，這是一款用於建立自動化軟體工廠的介面。
The Flat Curve Society
Steve Yegge 探討 AI 能力曲線看似平坦化的現象，指出因安全限制與人類辨識度天花板，多數人將無法接觸到超級智慧，只能使用現有模型。文章強調企業需重視員工的 AI 素養培訓，並重新評估 SaaS 與自建的成本效益。
What it feels like to work with Mythos
作者實測了最新發布的 Claude 5 Fable 模型，發現其在執行複雜任務、編寫程式與進行研究時表現驚人，能獨立完成數小時的工作。
The Age of Async Agents — Cognition's Walden Yan & OpenInspect's Cole Murray
訪談 Cognition 創辦人 Walden Yan 與 OpenInspect 創辦人 Cole Murray，探討背景代理（Background Agents）如何從概念走向實用，以及 Devin 等工具在 2025 年底後的演變。
DeepSeek V4价格骨折背后：一位“二流程序员”的两次红利时刻-对谈 Proma 开发者Erlich-Vol97
獨立開發者 Erlich 分享如何利用 DeepSeek 的低成本優勢打造 DeepClaude 與 Proma，並分析從 API 轉移到桌面 Agent 的趨勢。
※ 摘要僅根據標題與說明
Agents that remember
本工作坊示範如何為 Claude 代理建立持久記憶庫，讓其能在不同會話間保留資訊。透過「Dreaming」功能，可自動整理、去重並增強記憶內容，解決記憶庫無限制膨脹與資訊過時的問題。
The prompting playbook
分享如何透過評估套件與結構化提示最佳化 AI 代理系統，涵蓋從維護舊提示到從零建構新用例的實戰案例。觀眾可學習如何針對失敗模式逐一修復，並利用工具與代理迴圈提升效能。
Picking the right model
分享如何建立專屬評估流程，透過實際測試而非公開榜單來選擇最適合業務場景的 AI 模型。重點在於定義任務成功標準、區分基礎設施失敗與模型表現，並利用思考模式與努力參數調整成本與品質的平衡點。
Anthropic's Boris Cherny: Coding's Printing Press Moment
Boris Cherny 分享 Claude Code 從實驗到爆發的歷程，解釋為何他已完全依賴 AI 寫程式，並介紹 Loop 與 Routines 等自動化工作流。
Claude Code 省 Token 指南：慎用 1M 上下文，不开新会话或者总是开新会话都不对
深入解析 Claude Code 的提示快取機制，說明為何頻繁開啟新會話反而更耗錢。作者提供具體策略，包括在活躍會話中繼續工作以維持快取、善用子智慧體隔離上下文、以及設定自動壓縮閾值來控制成本。
My Pi Agent Teams. Claude Code Leak SIGNAL. Harness Engineering
解析 Claude Code 洩漏後的核心訊號，指出「Agent Harness」是建構自主代理的關鍵基礎設施，而非僅依賴特定模型。
How Claude Code Builds a System Prompt
透過分析 Claude Code 洩漏的程式碼，揭露其系統提示（system prompt）如何由數十個條件式區塊動態組裝而成。
我们是如何定义 OpenClaw for Teams 新产品形态的｜对谈 Kuse&Junior 联创兼 CTO 宇豪
訪談 Kuse.ai 與 Junior.so 聯創兼 CTO 宇豪，探討如何從零融資做到千萬美元 ARR，以及 OpenClaw 類產品的演進。
The End of Fragmented Agent Context
訪談 Guy Podjarny 與 Simon Maple，探討 AI Agent 技能的現狀、評估與最佳實踐。透過測試上千項技能，揭示哪些能提升效能、哪些有害，並介紹 Tessl 平台如何將技能視為軟體進行版本管理與生命週期維護。
Why the Best AI Agents Start With Evals, Not UI
Jason Liu 與 Braintrust 設計工程師 David Kim 分享建立 AI 代理的經驗，強調在寫 UI 前先設計評估框架的重要性。內容涵蓋從原型到生產環境的實戰教訓、工具選擇與模型最佳化策略。
※ 摘要僅根據標題與說明
E2B Agent Sandboxes: The Space to Place your Claude Agents
展示如何用 E2B 代理沙盒技術，同時啟動多個獨立環境讓 Claude 代理並行最佳化網頁。透過編寫系統提示詞與 orchestrator 代理，將單一問題拆解成多個版本並進行測試，最終選出最佳方案。
Episode 8
探討 Amp 團隊如何評估與選擇不同大型語言模型用於程式碼代理。內容涵蓋為何工具呼叫能力是關鍵差異，Gemini Pro 在複雜任務中的不足，以及開放模型如 K2 和 Qwen 的潛力。
最受歡迎
依人氣
Using Claude Opus 5.5 as your daily driver
展示 Claude Opus 5.5 相比前代 Opus 5 在速度、準確度與成本上的提升，透過實際程式碼修復案例對比兩者表現。觀眾能了解如何設定努力程度與使用子代理來最佳化效能，並掌握 API 審計命令的用法。
Anthropic Is "Increasing" Your Limits
討論 Anthropic 將 Claude Code 周限永久調降 17%，卻用「增加 25%」的誤導性說法，並批評其溝通方式與對 Fable 模型的嚴格限制。
I Had Fable 5.1 and 5 Build Me the Same App
作者用完全相同的提示詞，分別要求 Fable 5 與 Fable 5.1 建立同一個自動化應用程式，並進行盲測比較。影片詳細分析兩者在介面設計、使用體驗、功能穩定性上的差異，並拆解成本與模型使用比例，探討哪一個版本更具成本效益與實際價值。
The prompting playbook
分享如何透過評估套件與結構化提示最佳化 AI 代理系統，涵蓋從維護舊提示到從零建構新用例的實戰案例。觀眾可學習如何針對失敗模式逐一修復，並利用工具與代理迴圈提升效能。
高效电商 AI 智能体解剖指南 | 选自 Anthropic 的 Claude 博客
深入解析如何構建高效且低延遲的電商 AI 智慧體，涵蓋架構設計、成本最佳化與生產環境部署。讀者可學習如何透過技能模組替代子智慧體以降低延遲，並掌握評估體系與安全策略，讓 AI 系統能穩定執行於實際商業場景。
Claude Code 省 Token 指南：慎用 1M 上下文，不开新会话或者总是开新会话都不对
深入解析 Claude Code 的提示快取機制，說明為何頻繁開啟新會話反而更耗錢。作者提供具體策略，包括在活躍會話中繼續工作以維持快取、善用子智慧體隔離上下文、以及設定自動壓縮閾值來控制成本。
The Flat Curve Society
Steve Yegge 探討 AI 能力曲線看似平坦化的現象，指出因安全限制與人類辨識度天花板，多數人將無法接觸到超級智慧，只能使用現有模型。文章強調企業需重視員工的 AI 素養培訓，並重新評估 SaaS 與自建的成本效益。
Anthropic's Misuse Report, Condensed to 117 Findings
整理安提洛普（Anthropic）2026 年 9 月 misuse 報告，將內容濃縮為 117 項發現，涵蓋從俄羅斯間諜活動、工業化盜竊到影響與誤資訊等八大類別。
How Claude Code Builds a System Prompt
透過分析 Claude Code 洩漏的程式碼，揭露其系統提示（system prompt）如何由數十個條件式區塊動態組裝而成。
What it feels like to work with Mythos
作者實測了最新發布的 Claude 5 Fable 模型，發現其在執行複雜任務、編寫程式與進行研究時表現驚人，能獨立完成數小時的工作。