# mogu-picks

Kun Chen 畫了一張自己每天在用的 agent 艦隊編制圖：他只跟一個「大副」講話，大副底下管著幾個長駐的「二副」，二副再視情況叫出用完就丟的「船員」。每個船員接到任務，系統會自動挑一個最划算的 model 去做——瑣事丟便宜的、日常工作交主力、圖像跟調查另外找專家。這篇順便講清楚一件事：gu-log 自己的翻譯 pipeline，走的是同一套邏輯。

有人說 2026 年的一人公司，不是有野心的自由工作者，而是一個人管策略、一組設定好的 agent 在底下跑執行。月成本 $300–500，取代的是月薪 $8–12 萬的團隊。這篇把整套做法攤開：先建一個 Company OS、再配四個專職 agent（研究、寫作、成交、營運），讓整家公司跑在設定上、而不是跑在你身上。至於那句最甜的『趁你睡覺時自己運轉』——gu-log 自己就是這樣跑的，所以我們也最清楚那行小字寫了什麼。

一個華盛頓大學的 NLP 博士，在畢業前申請業界研究職，11 家公司面了 57 場面試，外加 46 通招募電話、16 場 offer 後對談。她把整個過程攤開來寫：面試怎麼分類、怎麼準備、怎麼談判、以及最後那段沒人教你怎麼扛的情緒。最尖的一句：練 coding 時要把 AI 輔助完全關掉，不然你會低估自己有多依賴它。

rahulgs 丟出一套很硬的心智模型：fable+ 等級的模型其實是「英文轉程式碼」的直譯器，寫出 code 已經不是瓶頸，能不能一邊管風險一邊把 code 審完、合進去才是。低風險的程式碼乾脆當神經網路一樣黑盒驗證，逐行 review 留給真正要命的地方。Claude Code 創造者 Boris Cherny 在底下回了一句「完全同意」，並補上他心中的下一個紀元長什麼樣。

美國政府以國安為由發出出口管制指令，要求停止所有外國國民——連 Anthropic 自家外籍員工都算——存取 Fable 5 和 Mythos 5。淨效果是 Anthropic 必須對全球所有客戶關掉這兩個模型。理由是政府相信有人找到了 Fable 5 的「越獄」，而 Anthropic 看完示範後說：那只是叫模型讀一個 codebase 然後修 bug——別的公開模型也做得到，這根本不算繞過。

Matt Pocock 丟出一份『怎麼變成資深工程師』的配方：裝 /teach skill、開一個資料夾、貼一段 prompt。看似在開玩笑，底下的世界觀很尖——AI 正在吃掉戰術層的 coding，策略技能變成基本門檻。而 /teach 真正的設計，是把『教我 X』變成一個會記得你學到哪的資料夾。

Thariq 分享了一段 Anthropic 內部使用者蘇珊的 Claude prompt：不要只讓 agent 做完事，而是讓 agent 一步一步確認人真的理解問題、解法、邊界情境和影響。這不是教學癖，而是 agentic coding 時代的人類控制權問題。

Google 在 I/O 推出 SynthID 檢測器，把 AI 內容浮水印從模型內部功能推向媒體驗證入口。OpenAI 目前公開脈絡更靠近 C2PA 與內容憑證，這代表平台不是只在抓 AI，而是在爭奪誰能替內容發身分證。

Clawd.rip 用 38 個事件把 Claude 與 Anthropic 的法律、爬蟲、限流、資安、品質與可靠性爭議排成一條諷刺時間線。這不是單純黑 Claude，而是把大家零散感受到的品牌落差整理成一張可以對照的收據。

OpenAI 的 GPT-5.5 latest-model 文件把重點從 prompt 寫法推到整個 API orchestration：reasoning effort、verbosity、image detail、phase replay、prompt caching、tool search 和 compaction 都要重調。SP-189 已經拆過 prompting，這篇補上工程端的 migration checklist。

一篇 arXiv 論文發現，在長期對話記憶問答裡，工具結果直接塞進對話時，字面搜尋常常打贏向量檢索；AKBP 則把 agent 記憶做成可引用、可審核、可搬家的檔案協定。兩者合在一起，其實都在說同一句話：agent 記憶不是搜尋功能，是系統工程。

一個工程師花八年想做 SQLite devtools，用 AI coding agent 三個月就做出來了。但過程不是什麼一帆風順的成功故事——有一整個月的 vibe-coding 全部報廢重來，有凌晨三點停不下來的 prompt 成癮，也有對 codebase 失去掌控的恐慌。這是目前看過最誠實的 AI 輔助開發實戰報告。

Lydia Hallie 分析 Claude Code Pro 用量報告後，公開四個最有效的省 token 技巧：預設用 Sonnet、關掉不必要的 extended thinking、別續用閒置 session、手動壓 context window 上限。

SemiAnalysis 發布 InferenceX v2 基準測試，動用近千張 GPU 橫評 NVIDIA 四年六款 SKU 與 AMD 全線產品。GB300 NVL72 對比 H100 實現最高 100 倍效能提升，Jensen 當初說的 30 倍竟然是保守估計。AMD FP8 有競爭力，但 FP4+disagg+wideEP 的組合拳軟體還沒到位。

OpenAI 發布 GPT-5.4-Cyber，專為防禦型資安設計的 fine-tuned 模型，能做 binary reverse engineering、降低 refusal 門檻。透過 Trusted Access for Cyber 分級驗證制度控管存取，同時 Codex Security 已修復超過 3,000 個高危漏洞。

Claude Code 在四月上旬三天內連出三版（v2.1.94 → v2.1.101），涵蓋安全硬化、新指令、效能提升。從 command injection 漏洞修補到 subagent 終於有名字，出貨密度像是整個團隊灌了十杯 espresso。

Anthropic 終於出了官方 CLI 工具 ant，Go 寫的、resource-oriented 架構、內建檔案注入和 GJSON transform。以後打 Claude API 不用再手動拼 curl header 了。

Anthropic 年化營收突破 300 億美元，正式超越 OpenAI 的 240 億。更驚人的是，Anthropic 的模型訓練成本只有 OpenAI 的四分之一。SaaStr 從六個面向拆解，揭示這場 AI 戰爭的底層邏輯正在翻轉。

Stella Laurenzo（AMD AI 資深總監）分析了近七千個 Claude Code session，發現二月更新後思考深度暴跌 67%、Read:Edit 比從 6.6 掉到 2.0、每日 API 成本從 $12 飆到 $1,504。最狠的是：這份報告是 Claude Opus 自己分析自己的 log 寫出來的。

一則「11 年資歷 Google 工程師用 Claude Code 自動化 80% 工作、月賺 $28k passive income」的推文最近在 X 爆紅。查下去：Karpathy 沒寫那個 CLAUDE.md、repo 內部統計全錯、npm package 名稱根本打錯、20k token billing 差異完全無法驗證。把它當案例，拆解 AI tooling 水文的四種固定套路。