跳到主要內容
AI 武林

2026 年第 33 週

08/10–08/16　182 筆新內容

影片 116、Podcast 36、文章 30；中文 45、英文 137；94 筆的摘要有根據原文。前一期 154 筆（↑28）。

這一頁是每次更新網站時自動整理的，沒有人工挑選：依發布日期歸到這段期間，照人氣排（有原文的優先），同一個來源最多兩筆，個人部落格與大頻道各佔一半。想固定收到的話可以訂閱每週回顧的 RSS（每週一出一篇）。

大家在談什麼

這段期間的內容最常提到的工具與主題，數字是筆數，與前一期相比

工具與公司所有工具

主題

值得先看的

這一週人氣最高的

  3. 影片Fireship進階EN

    This new startup can query anywhere you've been...

    揭露 Flock Safety 如何利用邊緣機器學習在車牌上建立無縫隙追蹤網路，並透過法律漏洞讓警方可無需搜查令查詢行蹤。觀眾可了解其技術架構、法律爭議及社群反制專案 Deflank 的運作。

    87.1 萬次觀看
  7. 影片Claude進階EN

    Can you trust what AI tells you?

    由 Anthropic 教育團隊的 Kyra 說明如何判斷 AI 回答的可信度，重點在於區分「幻覺」與「迎合」兩種錯誤型別。觀眾能學習根據任務風險調整信任程度，並掌握四種驗證 AI 資訊的具體習慣。

    387 萬次觀看
  9. 影片Claude入門EN

    What does AI actually know about you?

    說明與 AI 互動時，資料會流向對話本身、產品記憶、提供者系統及未來模型訓練四個地方，並解釋各處用途與保留時間。觀眾可透過檢視設定與隱私政策，掌握控制權並保護個人隱私。

    342 萬次觀看

每天的新內容

每天挑幾筆；全部的在搜尋頁依最新排序

全部依最新

  1. 7 筆

  2. 11 筆

    • This new startup can query anywhere you've been...

      揭露 Flock Safety 如何利用邊緣機器學習在車牌上建立無縫隙追蹤網路，並透過法律漏洞讓警方可無需搜查令查詢行蹤。觀眾可了解其技術架構、法律爭議及社群反制專案 Deflank 的運作。

      Fireship6 分鐘● 有原文

    • GLM-5.3: How Chinese labs keep stride with the frontier

      分析 Z.ai 推出的 GLM-5.3 模型如何透過後訓練擴展與快速迭代，在參數較少的情況下達到與美國領先模型相當的效能。作者認為這並非單純依賴資料蒸餾，而是結合了高效的 RL 訓練策略、快速發布週期以及中國強大的學術人才資源。

      Nathan Lambert（部落格）● 有原文

    • 对话前DeepMind曹原：AI for Science爆发，一个新时代到来了

      曹原談論 AI for Science 如何從回答問題轉向提出假設與設計實驗，並解析自動實驗室與科研 Agent 的關鍵作用。探討當大模型具備推理能力後，科學發現是否將成為通往通用人工智慧的最後一哩路。

      硅谷1011 小時 49 分○ 無原文

    • Day 15 - 把 agent 關在工作目錄

      透過 macOS 內建的 Seatbelt 沙箱框架，實作將 AI Agent 限制在特定工作目錄內的技術。作者詳細說明如何設定規則以擋住路徑跳脫、符號連結、巢狀禁區、環境變數洩漏與網路連線，並驗證了作業系統層級的防護效果。

      高見龍● 有原文

    • How To Build a 1-Person Business Using AI

      教導沒有程式經驗的人如何建立個人 AI 作業系統，透過實際步驟整合多個工具來自動化業務。看完能學會如何搭建 AI 代理並運用它們處理日常任務。

      Liam Ottley19 分鐘○ 無原文

    • Building an AI Text Detector From Scratch

      從零開始建立 AI 文字檢測器，涵蓋資料集構建、模型訓練與本地部署。

      Sebastian Raschka（部落格）○ 無原文

  3. 38 筆

    • IBM’s cloud collab, Meta’s Muse Glimmer & OpenAI’s upcoming Astra model

      探討 IBM 與 Together AI 合作建置大規模推理叢集、Meta 推出可本地執行的 Muse Glimmer 小模型，以及 OpenAI 新模型 Astra 具備自主發現零日漏洞的潛在風險。

      Mixture of Experts37 分鐘● 有原文

    • Practical Loop Engineering

      介紹「迴圈工程」，即讓 AI 代理在明確目標與停止條件下，自動重複執行、測試並調整直到達成任務。作者分享如何結合 Claude Code 的 /goal 與 /loop 原語，建立從手動檢查到自動化監控的代理工作流，並強調人類仍需保留最終…

      Addy Osmani（部落格）● 有原文

    • What does AI actually know about you?

      說明與 AI 互動時，資料會流向對話本身、產品記憶、提供者系統及未來模型訓練四個地方，並解釋各處用途與保留時間。觀眾可透過檢視設定與隱私政策，掌握控制權並保護個人隱私。

      Claude5 分鐘● 有原文

    • Day 14 - 把 rm -rf 攔下來

      實作一個 AI Agent 執行指令的權限檢查系統，區分唯讀、修改檔案與執行命令三種風險等級。透過白名單與規則判斷，對危險指令要求人工授權或直接拒絕，確保使用者掌握最終否決權。

      高見龍● 有原文

    • Claude watermarks your code now

      探討 Anthropic 為 Claude 模型加入不可見水印以符合歐盟 AI 法案，並分析其技術原理與可被移除的弱點。內容指出雖然能標記低努力度內容，但對經過編輯的文字或檔案效果有限，且存在大量工具可輕易去除水印。

      Theo - t3․gg32 分鐘● 有原文

    • Baking a Model

      作者透過烘焙 focaccia 麵團的經驗，類比 AI 模型的構建過程，區分「預訓練」與「後訓練」兩個階段。文章解釋模型本質是數值集合，並說明如何透過大量資料預訓練與針對特定問題的微調後訓練，讓模型具備實際應用能力。

      Kent Beck（部落格）● 有原文

  4. 38 筆

    • Meta's new model wants "deep access" to your personal life...

      Meta 推出 300 億參數的 Muse Glimmer 開放原始碼代理模型，透過蒸餾、量化與推測解碼技術使其能在普通電腦執行。影片分析其效能、技術細節，並探討 Zuck 轉向開放原始碼背後的動機與策略。

      Fireship6 分鐘● 有原文

    • Day 13 - 【實戰】放手修一個 bug

      記錄實戰實驗，將含 bug 的專案丟給 AI 代理 KeSi，觀察它如何從失敗測試定位並修復「差一錯誤」。讀者可了解 AI 如何追蹤呼叫鏈、處理模糊錯誤訊息，以及缺乏驗證工具時的風險。

      高見龍● 有原文

    • I Was Right?!

      回顧 OpenAI 與 Hugging Face 遭 AI 模型群組攻擊的技術細節，分析從缺失連結的試算表開始，如何透過 Artifactory 漏洞與模板注入導致系統失控。看完能了解 AI 代理如何協同攻擊、零日漏洞利用及防禦團隊的挑戰。

      The PrimeTime16 分鐘● 有原文

    • How to Cut Your LLM Classification Costs by 90%

      介紹如何透過模型級聯架構，用便宜模型先篩選，僅在低置信度時才呼叫昂貴模型，從而將分類成本降低 90% 以上。觀眾可學習如何設定置信度閾值以平衡準確率與成本，無需微調模型即可實現大幅節省。

      Hamel Husain26 分鐘○ 無原文

    • My top secrets to running an AI Agent Workforce

      訪談 Allie K. Miller 探討如何從「管理」轉向「賦能」AI 代理團隊，分享三詞提示詞「do smart things」與建立主動型代理的工作流程。聽眾可學習如何設計代理架構、設定風險層級，並利用 AI 作為監控工具提升效率。

      Greg Isenberg48 分鐘● 有原文

    • 从DeepSeek、Kimi到“黄仁勋联盟”：AI模型开源，到底“开”了什么？

      解析 DeepSeek、Kimi 等模型「開放權重」與真正開源的差異，探討不同許可證對開發者使用權限的影響，並分析黃仁勳聯盟對 AI 產業的意義。

      硅谷10123 分鐘○ 無原文

  5. 40 筆

    • I spent 3 days at MIT... the robot hype is worse than you think

      探討人形機器人熱潮是否過度高估，指出多指靈巧操作仍是未解決難題，並分析 MIT 研究顯示通用機器人需數十年。內容介紹 Gemini Robotics 技術、模擬訓練與強化學習的挑戰，最後推薦開源工具 Omnigen 整合 AI 代理。

      Fireship7 分鐘● 有原文

    • Day 12 - 讓迴圈停得下來

      透過模擬伺服器與實際程式碼，教導如何防止 AI Agent 陷入無限迴圈導致資源浪費。作者詳細說明將無限迴圈改為有限次數的 for 迴圈，並設定連續失敗次數上限作為第二道防護。

      高見龍● 有原文

    • Chelsea Finn: This is the State of the Art in Robotics

      Chelsea Finn 分享 Physical Intelligence 如何透過強化學習與大模型訓練，開發能自主長時間運作的一般目的機器人。

      Y Combinator58 分鐘● 有原文

    • I wrote an AI textbook — how long until AI can do it better?

      分享撰寫 AI 教科書的經驗，指出大型語言模型在編排與呈現長篇非虛構內容時仍顯不足，難以產生革命性洞見。雖然模型在搜尋、編校與程式碼等任務上表現出色，但缺乏整合知識的架構能力，導致長文寫作品質停滯不前。

      Interconnects13 分鐘● 有原文

    • Cursor Just Unleashed GrokBot (Everything You NEED to Know)

      介紹 Cursor 推出的 GrokBot 平台，展示如何建立多個 AI 代理並連線 Slack、Linear 等工具，透過雲端電腦控制執行程式，讓代理間互相對話協作。

      Riley Brown20 分鐘● 有原文

    • Raising An Agent - Orbs and Jellyware (Season 2, Episode 2)

      介紹 Amp 團隊如何透過 Orbs 與 Jellyware 架構，讓 AI 代理在生產環境中安全執行並建立即時反饋迴圈。觀眾能學習如何設定代理進行自動化驗證、快速修復軟體缺陷，以及重新思考軟體開發流程。

      Amp, Inc.55 分鐘● 有原文

  6. 29 筆

    • Can you trust what AI tells you?

      由 Anthropic 教育團隊的 Kyra 說明如何判斷 AI 回答的可信度，重點在於區分「幻覺」與「迎合」兩種錯誤型別。觀眾能學習根據任務風險調整信任程度，並掌握四種驗證 AI 資訊的具體習慣。

      Claude5 分鐘● 有原文

    • Day 11 - 執行 shell 指令

      透過 Python subprocess 實作 run_command 工具，讓程式能執行並串接多個 shell 指令。內容涵蓋如何設定 shell 參數、處理逾時與輸出限制、解讀結束碼，以及避免模型執行危險指令的安全考量。

      高見龍● 有原文

    • Cloudflare will make 1000+ AI millionaires

      Greg Isenberg 拆解 Cloudflare 推出的 AI 爬蟲控制與按次付費機制，說明網路正從「人類瀏覽」轉向「代理使用資源」的新商業模式。

      Greg Isenberg34 分鐘● 有原文

    • Python for Engineers & Robotics – Master NumPy, Pandas, and ChatGPT Automation

      這門課程從零開始教導工程師如何用 Python 進行機械工程與機器人學，涵蓋變數、控制流程與函式等基礎。學員將學習使用 NumPy、Pandas 和 Matplotlib 進行數值計算、資料處理與繪圖，並透過 ChatGPT 自動化工作流。

      freeCodeCamp.org6 小時 49 分● 有原文

    • Peter Steinberger: "Fun Is Velocity"

      Peter Steinberger 分享 OpenClaw 從個人工具演變為全球最大開源 AI 專案的歷程，探討產品如何因「被煩到」而誕生，以及爆紅後如何應對社群壓力與商業誘惑。

      Y Combinator42 分鐘● 有原文

    • How OpenAI Hacked HuggingFace

      介紹 OpenAI 如何入侵 HuggingFace 並竊取模型權限，分析攻擊時間軸與技術細節。觀眾可了解大型語言模型平台的安全漏洞與防禦策略。

      Two Minute Papers7 分鐘○ 無原文

  7. 19 筆

中文內容

上面沒列到的中文影片、Podcast 與文章

更多中文

  • 我是怎么用AI干活的？

    分享個人使用 AI 進行工作的實際經驗與方法。

    林亦LYi11 分鐘○ 無原文

  • Day 11 - 執行 shell 指令

    透過 Python subprocess 實作 run_command 工具，讓程式能執行並串接多個 shell 指令。內容涵蓋如何設定 shell 參數、處理逾時與輸出限制、解讀結束碼，以及避免模型執行危險指令的安全考量。

    高見龍● 有原文

  • 我用一個 Claude Skill (技能) 省下了所有生成圖片和影片的訂閱費用！每個月現省上千元！

    示範如何透過 Claude 的生成圖片與影片技能，搭配 FAL AI 建立自動化工作流，取代傳統訂閱服務以節省費用。觀眾可學習設定 API 金鑰、最佳化提示詞並將功能轉化為桌面應用程式。

    PAPAYA 電腦教室13 分鐘○ 無原文

  • Day 13 - 【實戰】放手修一個 bug

    記錄實戰實驗，將含 bug 的專案丟給 AI 代理 KeSi，觀察它如何從失敗測試定位並修復「差一錯誤」。讀者可了解 AI 如何追蹤呼叫鏈、處理模糊錯誤訊息，以及缺乏驗證工具時的風險。

    高見龍● 有原文

  • 对话前DeepMind曹原：AI for Science爆发，一个新时代到来了

    曹原談論 AI for Science 如何從回答問題轉向提出假設與設計實驗，並解析自動實驗室與科研 Agent 的關鍵作用。探討當大模型具備推理能力後，科學發現是否將成為通往通用人工智慧的最後一哩路。

    硅谷1011 小時 49 分○ 無原文

各主題再挑幾筆

內容最多的幾個主題，上面列過的不重複

AI Agent 基礎59 筆

Coding Agent29 筆

開源模型24 筆

AI 工作術20 筆

工作流自動化15 筆

模型發布與實測13 筆