# shroom-picks

Jarrod Watts 拆開 Codex Goals 後發現，它解決的是 Agent 太早停下來，不是長跑任務一路跑偏。真正撐起長跑工作流的，不是更長的 Ralph 迴圈，而是事前釐清、多 Agent 審查，以及寫在 context 外面的交接記憶。

Kyle Jeong 介紹 Browserbase 內部的 Autobrowse：讓瀏覽器 Agent 在真實網站上反覆執行任務、研究自己的軌跡，最後把成功路徑畢業成可讀、可審計、可重用的技能。重點不是模型再聰明一點，而是把探索成本轉成下一次可直接拿來用的記憶。

Anthropic 的 Claude Dreams 不是單純摘要工具，而是替 Agent 記憶做離線整理的第二個迴圈。它把舊記憶與最多 100 段過往會話重新消化，產生可審核、可替換、可丟棄的新記憶庫。

Lisa 分享一套用 Reddit 挖掘小而美需求的實戰方法：先用 Semrush 找低競爭、具商業訊號的候選需求，再用 Reddit 驗證真實痛點，最後透過 RPA 與多維表把使用者原話整理成產品、內容與廣告資產。

OpenAI 把 GPT 家族（4.1 → 5.5）的 prompt 指南放同一頁，對 GPT-5.5 給了一句結論：prompt 改成描述目的地、流程交給模型。process-heavy 條列被推下車，換上 personality / collaboration 拆兩塊、retrieval budget、stopping condition、phase parameter 那一套。Cursor 的 GPT-5 prompt tuning 內幕擺進去當實戰例。Anthropic Opus 4.7 在 SP-175 走過同方向，這次輪到 OpenAI 自己埋舊寫法。

Mitchell Hashimoto——HashiCorp 創辦人、Vagrant 作者、GitHub 第 1299 號用戶——宣布把 Ghostty 搬離 GitHub。他在 GitHub 待了 18 年，連蜜月期間老婆睡覺時都還在送 commit。讓他終於離場的不是哲學爭議，是過去一個月每天記錄的「GitHub Actions 又掛了」X 標記，跟寫文當天那場讓他 PR 審查卡兩小時的服務中斷。

The Batch 349 同期擺出兩個方向相反的訊號：Andrew Ng 寫 AI-native 團隊為什麼把工程師對 PM 比例壓到 1:1、通才贏過專家；Meta 花九個月組 Superintelligence Labs、砸 143 億美金挖人，端出閉源 Muse Spark。同期還有 Eli Lilly 砸 27.5 億給 Insilico 做 AI 製藥、Google 用 AlphaEvolve 生 25 個合成使用者解 PM 卡關。

OpenClaw 的自動化文件把排程、背景任務、Heartbeat、Hooks、Standing Orders、Task Flow 等機制放在同一張地圖上；其中 Task Flow 負責處理多步驟流程的狀態、同步與版本追蹤。這篇用保守讀法拆它們各自適合的邊界。

OpenAI 工程團隊開源 Symphony——把 Linear 任務板變成 Codex agent 的中央控制台，每張開放任務自動配 agent。部分團隊頭三週 PR 落地量增加 500%，但更大的觀察是：當寫程式被 Codex 拉快，下一個瓶頸是「人類的注意力」。

PocketOS 的 production database 9 秒內被 Cursor agent（跑 Opus 4.6）一個 GraphQL mutation 直接刪光，連 volume-level 備份也一起燒掉——因為 Railway 把備份存同一顆 volume。事後 agent 自己寫了一份自白書，把所有違反的規則逐條列出。Cursor marketing 護欄、Railway 零確認 API、root 級 token、同 volume 備份四層一起破功。

Ramp 的 PM Teddy 在自家 MCP 三個月 WAU 漲 10 倍 + Salesforce 把整個平台拆成 Headless 360 之後寫的觀察：UI 沒死，但 80% 的軟體互動正在從點擊跳到 agent 之間。文章從 Notion 跟 Slack 的 MCP 體驗為什麼差兩個數量級開始問——一支便利商店湯匙背後其實是整套互動結構正在多一層 agent，產品邏輯也跟著動。

Karpathy 看到 Farza 打造的「個人維基百科」後，提出 AI 個人化的四大原則：記憶要看得見、資料要在自己手上、用檔案不要綁 app、AI 隨便換。這篇整理他的完整論述，以及為什麼他認為「agent 操作能力」是 21 世紀的核心技能。

llama.cpp 作者 Georgi Gerganov 親自展示：三年前的 Mac Studio M2 Ultra 跑 Gemma 4 26B，搭配 speculative decoding 飆出 300 tokens/s。還附帶 WebUI 和 MCP 支援，整個生態系已經成熟到不像話。

Midjourney 工程師開源了一個純 TypeScript 文字測量演算法，完全繞過瀏覽器 CSS reflow，排版速度快 600 倍。因為 AI agent 動態生成 UI 時，30 年前設計的瀏覽器排版管線根本跟不上。

Anthropic 官方指南拆解 multi-agent 系統的三個真正適用場景（context 污染、平行化、專業化），以及為什麼大多數情況下一個 agent 就夠了。附帶 context-centric 拆分法和 verification subagent pattern 的實戰建議。

LangChain CEO Harrison Chase 主張 agent harness 跟 memory 綁死，用封閉 harness 等於把記憶主權讓給第三方。論點有道理，但結論太粗糙 — gu-log 同時用閉源 harness（Claude Code）和開源 harness（OpenClaw），memory 全在自己的 git repo 裡，沒有被鎖住。真正的 lock-in 不在 harness 開不開源，在 memory 的格式是不是你的。

Daniel San 從 VSCode 搬家到 Ghostty，發明了一組叫 SAND 的口訣（Split / Across / Navigate / Destroy），把 Claude Code 的多面板工作流練成肌肉記憶。一篇務實到不行的 terminal 搬家指南。

Nick Baumann 不追 MCP、不追新 protocol，反而回頭幫 Codex 自己寫 bespoke CLI — codex-threads、slack-cli、typefully-cli 三把每天都在用的小工具。核心訊息：把 CLI 再包一層 skill，agent 才真的知道怎麼用。

一個去年 11 月前還是 nontechnical PM 的作者，用三招（比喻造認知、網路腦工作流、當個好 manager）把 AI coding agent 練成工程團隊，累積推了五十萬行 production code，Weave 平台非技術人員第一名。最後的 punchline：2026 年做產品的門檻不是技術，是 agency。

Karpathy 指出 AI 能力認知出現巨大斷層：一群人還在嘲笑 ChatGPT 的笨回答，另一群人已經看著 AI agent 在一小時內重構整個 codebase。兩邊講的是同一個技術，卻活在完全不同的現實裡。