載入中...
載入中...
Claude Code 創造者 Boris Cherny 在 Sequoia AI Ascent 2026 談到 coding solved、/loop、全員 coding 與 SaaS 護城河重洗牌。真正重點不是 AI 會寫 code，而是工程師與組織要升級成能調度、驗收、監控一群 agent 的 AI 原生作業系統。
Threads 作者以 GSD、SuperPower、gstack 的使用經驗作對比，指出 Matt Pocock 的 skills repo 真正有價值之處：不是堆更多 agent 角色，而是把真實工程判斷拆成可執行的 AI workflow。
JeffreysPrompts.com 是 agentic coding prompt collection，其中 Idea Wizard 的 30-5 方法要求 AI 先產生 30 個想法，再批判篩選成最佳 5 個並落地執行。真正價值不是收藏更多 prompts，而是把高 leverage prompt 變成固定工作流。
數位時代整理 OpenAI 的 Codex plugin for Claude Code；補查官方 GitHub openai/codex-plugin-cc 後，確認這已不是 4/1 待驗證消息，而是 Apache-2.0 的正式工具。重點指令包含 /codex:review、/codex:adversarial-review、/codex:rescue，讓 Claude Code 工作流可直接引入 Codex 做第二審查或任務接手。
FinLab Threads 轉述 Claude Code 2026 年 3–4 月品質下降事件。補查 Anthropic 官方 4/23 postmortem、GitHub issue #42796 與 The Register 後，核心結論是：模型本身未必變差，但 reasoning effort、thinking history cache、system prompt 等產品層改動，足以讓 AI coding agent 在實務上退化。成熟團隊需要 agent observability、回歸測試、fallback vendor 與審查制度。
AKIRAXCLAW Blog 聚合 AI、開源、agent、Claude Code、LLM、developer tools、創業與產業觀察文章，可作為 Allen KB 補充來源與趨勢雷達。
整理 claude-mem、rtk、caveman、Karpathy LLM Wiki 四個工具/模式：它們共同指向 agent 長期工作的核心瓶頸，包含跨 session 記憶、token 壓縮、低成本指令與可累積知識庫。
Threads 指向 Claude 官方 Blog「Using Claude Code: session management and 1M context」，重點是 continue、rewind、compact、clear 與 subagents 的上下文管理策略。
Andrew 整理 Claude Code → Codex 遷移：CLAUDE.md 對 AGENTS.md、~/.claude 對 ~/.codex、skills/tools/hooks/subagents 皆可對應，但快捷鍵、Agent Teams、Hook 事件與 rules 格式差異明顯。
Claude Context 透過 MCP 與 semantic code search，先把 repo 做成可檢索的向量記憶層，讓 AI coding tool 在回答鑑權、退款流程、callback 串接等問題時能找到真實相關程式碼，而不是盲翻目錄或硬塞整包 context。
gstack 真正厲害的，不只是替 Claude Code 加 23 個工具，而是把 CEO、設計、工程、QA、安全、發布這些角色外掛化，讓一個人也能像一間 AI-native 軟體工廠一樣運作。
Cua Driver 的關鍵，不是讓 AI 會點 macOS app，而是把 desktop automation 做成不搶焦點、不移滑鼠、不打斷人的背景操作層，讓 multi-agent workflow 真正能放進日常工作。
這串 Threads 最值得記下來的，不是 RDT 架構本身，而是它把 OpenMythos 的遞迴思維轉譯到 AI coding：真正讓 agent 失控的，往往不是模型不夠聰明，而是缺少邊界、全域索引、內部推演與單一寫手治理。
UCL 團隊對外洩 Claude Code 原始碼做系統分析後，一個最值得記住的結論是：AI agent 的 while-loop 並不神祕，真正難複製的是圍繞它的 permission、context management、tool routing、recovery 與 extensibility 基礎設施。
Akira 這則 Threads 真正值得注意的，不是 Huashu Design 把 Claude Design "抄"出來，而是它示範了 AI 產品的核心工作流正在快速被社群蒸餾成 skill：功能本身越來越容易被模仿，真正難守的是原生整合、協作體驗與整體產品化深度。
browser-use 團隊的 video-use 示範了一種更省 token 的 AI 剪輯方法：模型不直接看完整影片，而是讀逐詞時間戳轉寫與少量關鍵畫面，再完成剪輯、自檢與迭代。
HeyGen 開源 HyperFrames，把影片生成抽象成 HTML 到 MP4，重點不只是做影片，而是讓 agent 能直接理解、修改與生成創作流程。
Claude Design 不只是讓使用者用對話做 prototype、slides 和 one-pager，而是把設計系統、編輯、匯出與 Claude Code 交接串成同一條工作流。
這篇真正值得記的，不只是推薦了兩個 GitHub 資源，而是它說明 Claude Code 一旦從單純 coding 助手，接到 skills 與 knowledge graph 類工具後，整體用途會從寫程式擴展到知識工作流。
這篇真正值得記的，不只是 4 條 coding 原則本身，而是它提醒我們：讓 LLM 穩定工作的關鍵，常不是更會 prompt，而是把團隊原本靠口耳相傳的工程紀律寫進專案上下文。
這篇 Threads 關注 gopher-code 這個用 Go 從零重寫 Claude Code 的專案。它有趣的不只是「用 Go 重寫」，而是藉此重新挑戰 AI developer tools 的技術假設：一個強大的 coding agent 是否真的需要沉重的 Node.js、Electron 與 UI runtime？如果能做到 Zero Node、Zero Electron、One binary，那就不只是 rewrite，而是對整個工具鏈架構的一次重新思考。
這篇 Threads 從 Claude Code 的搜尋與抓取流程切入，指出 AEO/GEO 與傳統 SEO 的差異：CLI 先用 WebSearch 找到 title/url，再由 WebFetch 抓 body、轉 Markdown、交給模型摘要。真正影響被模型引用的，不只是排名，而是頁面正文是否能被穩定抓取、轉譯與保留足夠可引用原文。
社群徵集顯示，Claude 的主要使用場景已從單純問答，轉向 app、system、workflow 等可實際使用的小產品。最活躍的族群是 indie maker，最容易跑出價值的則是垂直場景的小工具，而不是大平台。
cmux 與 GUI 指揮 CLI agent 的訊號：多 agent 工作流要穩定，核心不是誰上誰下，而是 spec / plan / attempt ledger 這類 source of truth。