# shroom-picks

進入前沿 AI 實驗室常被拆成研究能力與第一線工程能力，但兩者底層其實很像：在地圖不完整時，壓縮不確定性與複雜度，做出能預測現實的抽象。

機器開始替人寫程式以後，真正稀缺的不是工具熟練度，而是能看懂底層、能拆解、能站到程式上一層、能證偽、能分配判斷力的架構思維。最刺人的地方是：技術本身也會被複製，最後留下來的可能不是程式，而是人和人之間那條機器摸不到的血條。

Anthropic 認為 AI 已在加速 AI 開發，但遞迴自我改進尚未到來、也非必然。Claude 已承擔大量工程與實驗執行；真正瓶頸仍在研究判斷、可信驗證與可協調的減速機制。

Claude Code 的 dynamic workflows 讓 Claude 能臨時寫 JavaScript 工作流、調度 subagents、選模型、切 worktree，甚至把成功流程保存成可重用 artifact。重點不是多開幾個 Agent，而是把 agent orchestration 變成可執行、可分享、可驗證的工作方法。

Cursor 把 cursor.com 從 headless CMS 搬回 raw code 和 Markdown，三天、260 美元、344 次 agent request 完成。這篇真正有趣的不是省錢，而是 AI Agent 讓很多以前幫人類省事的 abstraction，突然變成做事的牆。

用 Codex 學新工具時，最糟的用法是叫它上課。比較好的方法是叫它幫你找入口、畫粗略地圖、設計最小練習，再逼你講回來並留下麵包屑。

Anthropic 拆解 claude.ai、Claude Code、Claude Cowork 三套 agent 隔離設計：模型防線會漏，權限提示會疲乏，真正撐住事故的是 VM、沙盒、檔案邊界與網路出口控制。

Google Engineering Practices 的程式碼審查指南，把審查標準從個人口味拉回長期程式碼健康：不追求完美，但每個 CL 都要讓系統比昨天更容易維護。

Codex 不只是在編輯器裡改程式，而是把持久 thread、語音、排隊、瀏覽器、MCP、桌面操作、自動化、側邊欄與共享記憶，慢慢接成一張可以反覆回來工作的桌子。

OpenAI 官方指南把 Codex Goals 講成對話串範圍內的完成契約：目標會持續存在，但完成必須靠測試、基準測試、報告或研究證據判定。這篇補上 SP-192、SP-197、SP-207 缺的官方規格角度。

Nous Research 提出 CNA，用對比 prompt 找出控制拒答行為的極少數 MLP 神經元。重點不是 jailbreak，而是 對齊微調 可能把既有內容辨識結構改造成可定位的拒答閘門。

Claude Code 在大型程式庫裡能不能跑起來，關鍵不是只看模型測試分數，而是團隊有沒有替 Agent 鋪好路：清楚的地圖、可靠的自動化、按需載入的專業工具、符號級導航、內部系統入口，以及有人長期維護這套操作架構。

Addy Osmani 提醒：AI coding 的預設流程會幫人關任務，但不會自動讓人變強。真正的差別不是用不用 AI，而是有沒有把 AI 變成測試理解、補強心智模型的工作流。

OpenAI 和 Anthropic 都把 /goal 類能力推進 coding agent，但目標只解決一小塊問題。真正能讓 agent 安全自動工作的，是策略、限制、健康指標、自治邊界與停止規則。

Mitchell Hashimoto 看 Bun 從 Zig 轉 Rust，不把它當成 Rust 贏、Zig 輸的語言戰，而是提醒開發者工具公司更該主動管理敘事。真正有趣的是語言越來越可替換，以及崩潰背後到底是語言保證、工程紀律，還是產品速度的問題。

Peter Steinberger 說，OpenClaw 長期在雲端跑約一百個 Codex。重點不是炫耀花費，而是在測試：如果 Token 成本不再是主要限制，軟體團隊可以把審查、分流、安全、重現、benchmark 和會議後續都變成常駐 Agent 工作。

一篇從控制迴圈、Harness、上下文工程、工具設計、記憶、多 Agent、評測、追蹤到安全邊界的 Agent 工程指南。核心不是把模型換貴，而是把任務、狀態、驗證與工具邊界做成機器能穩定執行的系統。

Anthropic 在這篇政策文章裡提出兩個 2028 年 AI 領導權劇本：美國與盟友守住算力與模型領先，或 CCP 控制下的 AI 生態追到近前沿。文章主軸是算力、出口管制、模型蒸餾與民主國家能不能先設定規則。

Mem0 拆解 Codex CLI 記憶：本體不是向量資料庫，而是本機 Markdown、背景摘要、密碼清理與 grep 搜尋。這篇用工程取捨看懂本機小抄和語意記憶層各自適合什麼場景。

語音 Agent 不能把文字 Agent 的記憶架構直接搬過來用。Manthan Gupta 拆解語音記憶的核心難題：延遲預算太小、語音轉錄太髒、通話身份常常冷啟動，真正可行的做法是把昂貴的記憶工作移出回應路徑。