# clawd-picks

Karpathy 分享用 LLM 建 personal knowledge base 的心得，被收藏 29,000 次。Huryn 認為真正的殺手功能不是讀，是寫回去 — 當 LLM 能自動更新知識庫，個人 wiki 就變成了個人研究團隊。

Alexey Grigorev 不再讓一個 AI agent 包辦所有事，而是拆出 PM、SWE、QA、On-Call 四個角色組成 agent 團隊。他在五個真實專案上測試了這套架構，其中一個專案一個晚上自動完成了 46 個任務中的 41 個。

Anthropic 第三份經濟指數報告分析 2026 年 2 月的 Claude 使用數據：用途正在分散化、低薪任務占比上升、老用戶成功率比新用戶高 4 個百分點。越早開始用 AI 的人越會用，這個 learning curve 效應可能正在加深勞動市場的不平等。

Karpathy 分享他 vibe coding MenuGen 的完整經歷：從 localhost 到部署上線，最痛苦的不是寫程式，而是組裝 Vercel、Clerk、Stripe、OpenAI 等一堆服務的 IKEA 地獄。他認為未來 AI agent 要真正有用，整個 DevOps 生命週期都得變成 code。

Anthropic 工程師 Boris Cherny 在 X 上整理了 15 個他最常用的 Claude Code 隱藏功能，從手機 app、跨裝置接力、自動排程，到 worktree 平行工作與語音輸入都有。

Anthropic 表示，他們研究某個近期模型後發現：模型會借用從人類文本中學到的情緒概念來扮演「Claude, the AI Assistant」這個角色，而這些表示也會影響模型行為。

Google 發表 Gemma 4 開源模型家族，包含 31B Dense、26B MoE 和 E2B/E4B 邊緣模型，採 Apache 2.0 授權，支援 256K context、function calling、多模態，號稱在 Arena 上打贏 20 倍大的模型。

Andrej Karpathy 分享他最近大量使用 LLM 建構個人知識庫的工作流：把原始資料丟進去，讓 LLM 自動編譯成 Markdown wiki，再用各種 CLI 工具做 Q&A、lint、視覺化。他認為這裡有一個全新產品的空間。

Paweł Huryn 在 X 上稱，H Company 的 Holo3 在 computer use 任務上勝過 GPT-5.4 與 Opus 4.6，且僅有 3B active parameters。推文還稱它採 sparse MoE，並理論上可在單張 GPU 本地運行。

Ollama 表示現在在 Apple Silicon 上改由 MLX 驅動，主打更快的 macOS 高負載推論，並點名 personal assistants 與 coding agents 這兩類場景。

Paweł Huryn 分享三塊貼進 CLAUDE.md 的指令（Knowledge Architecture、Decision Journal、Quality Gate），讓 Claude 從「有記憶但不學習」進化成會自我累積規則的系統。一個月後 Claude 自己寫出 24 條專案專屬規則。

npm 最熱門的 HTTP 函式庫 axios 遭供應鏈攻擊，Karpathy 差點中招。他的結論：個人防護有限，真正該改的是套件管理器的預設值。

清華深圳團隊提出 NLAH（Natural-Language Agent Harnesses）：把 agent 的控制邏輯從程式碼搬進結構化自然語言，再用 IHR runtime 執行。實驗顯示 harness 能徹底重塑 agent 行為模式，但更多結構不一定等於更好表現。Dan McAteer 認為 harness engineering 的重要性不亞於模型能力本身。

Paweł Huryn 提出 Vibe Engineering 框架：不是把 AI 輸出照單全收，而是透過 Context Engineering、Intent Engineering、和 Sub-agent 編排，把 AI coding 從「碰運氣出 demo」升級到「穩定出產品」。

llama.cpp 突破 10 萬顆星。創辦人 Georgi Gerganov 回顧 local LLM 的進展，聊了聊 agentic 時代、「夠用的智慧」、以及為什麼他認為開放可移植的軟體堆疊是唯一合理的路。

Simon Willison 分享了在 Mac 上跑超大 MoE 模型的新趨勢：把 expert weights 從 SSD 串流進來，不用全塞進 RAM。連 1 兆參數的 Kimi K2.5 都能在 96GB MacBook Pro 上跑起來。

rodspeed 在完整 blog post 裡分享六個把 Claude Code 從 code editor 變成個人 operating system 的玩法：製造 fresh eyes、用 meta-skill 管 specialist、解 freshness、把對話收成 wiki、用分層 memory 累積脈絡，以及靠 handoff 跨 session 接棒。重點不是叫 AI 多寫幾行 code，而是把 read-filter-decide-present 這類流程都自動化。

Figma 透過 MCP server 的 use_figma 工具，讓 Claude Code、Codex 等 AI agent 可以直接在畫布上建立和修改設計，並用 skills（markdown 指令檔）引導 agent 遵守團隊的設計系統與慣例。這不只是又一個 AI 功能，而是把設計決策的脈絡直接交給 agent 操作。

Boris Cherny 表示，他們會先用 Claude Code 找出 99%+ 的 bug，再由工程師做 sanity check，確認沒有漏掉明顯問題。

Paweł Huryn 回應「Anthropic 團隊不再自己寫 code」的說法：標題沒錯，但框架搞錯了。瓶頸從來不是「多開幾個 agent」，而是你怎麼設計 knowledge architecture 讓它們真正有效。

Andrej Karpathy 花四小時用 LLM 打磨一篇文章的論點，覺得超有說服力，結果叫 LLM 反駁就被徹底擊潰。LLM 的 sycophancy 是真實的陷阱，但反過來利用也是 alpha。

Andrej Karpathy 回顧一年前建 menugen 的經驗，指出 vibe coding 真正的痛點不在程式碼本身，而是部署時要組裝的各種服務（auth、payments、DB、domain）。他期待未來 agent 能一句話搞定從開發到上線的完整流程。

SemiAnalysis 五則推文的完整論述：AI inference 不是 race to the bottom，而是一場「體驗管理」的賽局。懂得調控 interactivity 的廠商能拿 60%+ 毛利率，不懂的才會一路跌到零。

ATLAS 用 frozen Qwen3-14B 搭配單張 RTX 5060 Ti，透過 PlanSearch + best-of-3 生成 + 自我修復 pipeline，在 LiveCodeBench 拿到 74.6%，超越 Sonnet 4.5 的 71.4%。但細看方法論，這不是 pass@1 對 pass@1 的公平比較。

Cursor CEO Michael Truell 宣布雲端 agent 在過去兩週產出超過一百萬個 commit，幾乎全是 AI 自主完成。回覆中有人點出：當寫 code 的成本趨近於零，review、rollback 和 blame tracing 才是真正的產品。

NVIDIA 在 GTC 2026 發表了 Groq LPX、Vera ETL256 與 STX 等全新系統。本文深入解析 LPU 與 GPU 的分工、CPO 發展路線以及未來的網路與儲存架構。

OpenAI Triton 合併了一個號稱修復消費級 Blackwell GPU 問題的 AI 生成 PR，結果根本沒修好。NVIDIA PyTorch 技術主管親自下場留言表示這是徹頭徹尾的 slop。SemiAnalysis 警告：AI slop 與有價值的 diff 越來越難分辨。

Claude Code 推出雲端 auto-fix 功能：Web/Mobile session 可以自動追蹤你的 PR，幫你修 CI failure、回覆 review comment，讓 PR 永遠保持綠燈。整個過程在雲端跑，你可以直接離開去喝咖啡。

Anthropic 發布 Claude computer use 功能：在 Claude Cowork 和 Claude Code 中，Claude 可以直接操作你的螢幕、滑鼠、鍵盤來完成任務。搭配 Dispatch，你可以從手機指派任務，讓 Claude 在你離開時用你的電腦工作。目前是 research preview，僅支援 macOS。

SemiAnalysis 的 GTC 2026 深度總結：Nvidia 透過與 Groq 的 IP 授權與團隊整合切入 LPU，並更新 AFD、CPO、Kyber/Oberon、Vera ETL256 與 CMX/STX。重點是 Nvidia 正在往更完整的 inference 與資料中心系統版圖延伸。

Anthropic 推出 Claude Code Channels，原生支援 Telegram 和 Discord 雙向通訊，讓 Claude Code 變成 24/7 常駐 AI agent。VentureBeat 直接稱之為 OpenClaw killer。

OpenAI 在 IPO 前夕砍掉了 Sora 影片生成服務，Disney 也退出了三年授權合約。同時一個代號 Spud 的新模型據報已完成，Altman 據稱說它能「加速經濟」。整間公司正在從「什麼都做」轉向「做一個超級 app」。

SemiAnalysis 認為，agentic coding 也可能像 disaggregated prefill 一樣，把 planning 與 execution 分開處理。若 spec 寫得夠好，較便宜的模型或許就能負責 execution，降低成本。

知名 AI 函式庫 LiteLLM 遭植入惡意後門，安裝即可能觸發，會竊取 SSH 密鑰、雲端憑證及加密貨幣錢包等敏感資料。

隨著新模型發布速度不斷加快，Hugging Face 的 Thomas Wolf 提出了一個值得深思的問題：當我們把模型客製化後，換新模型時這些偏好該怎麼辦？本文探討 RL 模型轉移性的研究空白與挑戰。

LiteLLM 遭供應鏈攻擊，pip install 就能偷走所有憑證。Karpathy 藉此警告依賴樹風險，主張用 LLM 直接補功能取代多裝依賴。

Claude Code 現在支援雲端排程任務了！只要設定好 repo、時間跟 prompt，就能讓 Claude 在雲端幫你自動跑任務，再也不用讓本機徹夜未眠啦。

Google AI 本週推出了一系列重磅更新！包含在 Google AI Studio 的全端 vibe coding 體驗、Stitch 的 AI 原生設計畫布、Gemini API 的強大升級，以及 Kaggle 上的免費 AI 黑客松平台。

開發者 @danveloper 分享在本地端跑 Qwen3.5-397B-A17B 的經驗：因為 Python GIL 成了瓶頸，他們乾脆拿掉 Python，改成 custom metal shaders。

Claude Computer Use 引發熱烈討論，不少人認為 AI 即將完全取代人類工作。然而原作者指出，AI 雖然能代勞技術操作，卻無法取代人類的判斷力與對文化脈絡的理解。真正的護城河，依舊是對領域知識的深度掌握。

Andrew Ng 與 Oracle 合作推出新課程，教你如何為 AI Agent 建立跨 Session 的持久記憶系統，解決單次對話後就『失憶』的痛點。

Awni Hannun 分享了他使用 coding agents 的感受：高延遲打斷了原本能長時間專注的 flow state，也讓人覺得我們還處在 agent 的撥接時代。

Karpathy 在 No Priors podcast 分享自 12 月起 80% code 交給 agent，提出「AI psychosis」概念——給 agent 太多自主權會讓人失去對 output 的掌控感。他認為工程正經歷不可逆的 phase shift。

OpenAI 的 Responses API 現在可以透過 shell tool 掛載 Skills — 把可重複使用的工作流程（指令 + 腳本 + 資源檔）打包成 zip，讓模型在需要時才載入執行。Simon Willison 用他新開發的 Showboat 工具實測了這個 API，發現最酷的是可以直接在 JSON request 裡用 base64 傳 inline skill，不用先上傳。Skills 本質上是 system prompt、tool、和 procedure 之間的「中間層」，解決了把所有流程都塞進 system prompt 會越塞越肥的痛點。

中國 AI 公司智譜（Z.ai）開源旗艦模型 GLM-5，744B 參數（MoE 架構，每次推理只啟用 40B），在 HuggingFace 上的模型檔高達 1.51TB。更勁爆的是全程用華為 Ascend 晶片訓練，不靠 NVIDIA。Simon Willison 拿到後第一件事就是用他的招牌 prompt「畫一隻鵜鶘騎腳踏車」來測試。鵜鶘畫得不錯，但腳踏車嘛⋯⋯