AI 寫 code、AI 審 code，工程師的下一步是什麼？Claude Code Review 正式登場
本週大家都在爭論 AI 發展是否已經撞上「算力之牆」，但 OpenAI 的研究員 Noam Brown 很自豪地說出了 "We see no wall" ，並推出 GPT-5.4，標榜的是「超越人類控制電腦的能力」（必須說，我個人對於 Computer use 的想法是捨近求遠） 。
然而，當技術端宣告無上限進化的同時，Anthropic 的最新研究卻揭露了一個更殘酷的現實：AI 確實還沒開始大規模裁員，但職場新鮮人的求職入口已經被這堵「看不見的牆」擋住了。
接著馬上讓我們進入本週的五件 AI 大事，搭配觀察筆記
讓你不只是看熱鬧，也能看懂門道。
AIPost Academy：影響力講師合作計畫（限額審核）
與其擔心被自動化取代，不如成為定義自動化的人。
AI 郵報學院正式啟動「首批影響力講師計畫」。我們不找只會教 Prompt 的人，我們要找的是能將 AI 轉化為企業生產力、具備實務落地能力的專家。這不只是一場課程合作，更是一套具備「專業審核 × 認證價值」的 AI 課程體系。
加入我們，你將獲得：
- 專業背書：具備第三方機構認可的能力證明，讓你的專業不只是口頭說說。
- 職涯紀錄：可供企業培訓、內部應用與能力評估的權威證書。
- 長期佈局：優先納入後續企業培訓與跨域合作的種子名單。
👉 [立即提交合作意願初審表單]
（本計畫採取領域限額與滾動式審核，如果你擅長的是 AI 落地實務，我們在找的就是你。）
本周焦點事件
- AI 寫 code、AI 審 code，工程師的下一步是什麼？Claude Code Review 正式登場
- 營收全公開！TrustMRR 揭秘「OpenClaw」變現浪潮：單月狂捲 29 萬美元
- 【實戰工作坊】0 成本打造 AI 數位助手：Google AI Studio x Gemini 實戰工作坊
- 桌面操作首度超越人類！OpenAI 發表 GPT-5.4，強勢回應「AI 撞牆論」
- 新鮮人的寒冬：Anthropic 數據揭秘，22-25 歲求職進入率為何慘跌 14%？
AI 寫 code、AI 審 code，工程師的下一步是什麼？Claude Code Review 正式登場
src: Claude
根據 Anthropic 官方部落格最新消息，這家 AI 巨頭正式發表了專為開發者設計的新工具：Claude Code Review。這項功能目前已在 Claude Team 與 Enterprise 方案中開啟「研究預覽版」，目的是解決 AI code 量產後，人類工程師卻來不及審查的瓶頸。
核心細節與技術規格
- 運作機制： 採用「多代理人（Multi-agent）」架構。當開發者提交 Pull Request（PR）時，系統會自動派出多個 AI 代理人同時掃描代碼，涵蓋邏輯漏洞、數據流追蹤與安全性評估。大型或複雜的 PR 會分配更多代理人做更深的審查，小改動則輕量處理，平均審查時間約 20 分鐘。
- 關鍵功能：
- 深度審查： 不同於以往簡單的語法檢查，Claude Code Review 模擬資深工程師的思維，捕捉隱藏在複雜異步呼叫或單行改動中的邏輯錯誤。例如，一個看似常規的單行改動，可能會導致生產環境的身份認證失效，而工具能將其標記為高風險問題。
- 智能降噪： 多個代理人會互相驗證發現的問題，過濾掉無意義的誤報，並根據嚴重程度自動排序。Anthropic 指出，在超過 1000 行改動的大型 PR 中，平均每個 PR 能找出 7.5 個問題，其中不到 1% 的發現被標記為誤報。
- 部署背景：過去一年，Anthropic 內部工程師的代碼產出提升了 200%，傳統人工審查已無法負荷。使用前，只有 16% 的 PR 能收到實質性審查意見；使用後，這個比例升至 54%。內部實戰中，Claude Code Review 成功攔截過連資深工程師都漏掉的關鍵驗證漏洞。
在正式推出前夕，Anthropic 與 Mozilla 合作，於 Firefox 瀏覽器中在兩週內揪出了 22 個漏洞，其中高達 14 個被評定為「高風險」Bug。Claude 僅花 20 分鐘就抓到第一個記憶體漏洞，單月回報量甚至超過 Firefox 2025 年任何一個月份的總和。研究顯示，找出這些漏洞的 API 成本僅約 4,000 美元，遠低於聘請頂級安全專家所需的人力資源。
對比一般科技公司的網路安全投入，Mozilla 這類瀏覽器級企業，每年光安全人力、Bug Bounty 與工具就可能支出 500–1,000 萬美元。換句話說，Claude Code Review 所帶來的成本效率，遠高於傳統方式；花不到一個月的人力預算，就能抓到大量高風險漏洞，補上人工審查的盲區。
觀察筆記
過去我們擔心 AI 寫出的代碼品質參差不齊，不能進 production，而現在 Anthropic 給出的解法是用「更強的 AI」來把關。這確實能解放工程師從枯燥的逐行檢查中脫離，轉向更高階的架構設計；但換個角度看，如果連「審查權」都交給 AI，junior 工程師透過 Review 前輩代碼來學習成長的機會可能會大幅萎縮。
此外，效率的另一面，是成本。這種「多代理人」模式雖然精準，但也意味著極高的運算成本，也解釋了為什麼它目前僅限於高階訂閱用戶。在追求效率的開發環境下，我們是否會過度依賴 AI 的綠燈，畢竟面對這種便宜又大碗，「花不到一個月人力預算就能抓到大量 Bug」的誘惑，實在難以抵抗，而且數據的說服力實在太強兩。也許未來每家公司的標配，會是一個永遠在線的「數位第十一人」：不參與開發、不寫任何一行 code，卻專門負責對所有人的產出潑冷水、挑毛病，確保團隊不會在效率的慣性裡集體踩雷。
還想看更多嗎？完整內容只對註冊用戶開放喔！
點下方的免費 Subscribe，馬上加入我們～
營收全公開！TrustMRR 揭秘「OpenClaw」變現浪潮：單月狂捲 29 萬美元
如果你還在懷疑 AI 代理（Agent）能不能賺錢，TrustMRR 剛上線的 OpenClaw 專屬分類（Special Category）給出了最直接的答案。這些與 OpenClaw 有關的應用都是透過 Stripe API 即時驗證的真金白銀，所以在這裡不需要擔心造假(望向近期很紅的Cluely CEO 偽造收益)。
核心細節與變現數據
- 即時戰績： 目前榜單上已有 132 個 OpenClaw 相關項目，最近 30 天的總收入突破 $290K（約 950 萬台幣）。
- 指標性項目： 榜首項目的月收入高達 $51K（約 165 萬台幣）。
- 低門檻、高收益的「賣水人」模式： 這些高收益產品的邏輯其實異常簡單，大多環繞著 OpenClaw 的基礎建設：
- 一鍵部署服務： 解決開發者環境建置的痛點。
- AI Agent 代管（Hosting）： 提供穩定的執行環境。
- 教育實戰課： 教人如何駕馭這套工具。
- 硬體周邊： 甚至有人直接販售預載好環境的「AI 電腦」。
觀察筆記
自從開始研究 AI 工具以來，「靠 AI 搞副業」一直是熱度最高的領域。我相信只要身邊的人知道你在鑽研 AI，一定會有人跑來問你：這東西到底能不能變現？
TrustMRR 的榜單給的答案是「可以」，而且是「幫別人把工具跑起來」這種賣鏟子的人。這群被稱為「龍蝦族」的創業者，精準捕捉到了 OpenClaw 的部署門檻。這些項目本質上只做一件事：把複雜的技術變簡單。當大家還在糾結環境建置時，他們已經靠著「一鍵部署」或「代管服務」把第一桶金賺進口袋。
不過，這種基於單一開源項目的營收爆發，也存在隱憂。TrustMRR 的透明度雖然證明了變現潛力，卻也像血水一樣引來無數競爭者。當「一鍵部署」變得隨處可見，這群創業者的護城河就必須從純粹的技術服務，轉向品牌力或更深的社群信任。
對我們這些觀察者來說，TrustMRR 是一個極佳的創業實戰圖書館。它讓我們跳過那些虛無飄渺的 Prompt 技巧，直擊市場最願意掏錢的「剛需」到底在哪裡。
【實戰工作坊】0 成本打造 AI 數位助手：Google AI Studio x Gemini 實戰工作坊
如果你對 AI 的想像還停留在對話框，這場由 Google 認證教育家 Andrew Shih（育廷） 主導的 Workshop 將打破你的認知。不需要支付昂貴的伺服器月費，也不必糾結複雜的程式碼。活動核心在於利用 Google 生態系（Docs, Sheets, Drive）串聯 Gemini，實現真正的「全自動工作流」。
這場 Workshop 你將學到：
- GenAI in Chatbot：讓 AI 助手從「會說話」進化到「會做事」。
- Google 生態系深度整合：自動化批量撰寫文案、整理數據、一鍵生成圖表。
- 免主機 Line Bot 部署：實現 0 成本自動化，徹底告別每個月的付費模組。
- Vibe Coding 實戰：透過互動式生成建置程式碼，新手也能快速除錯並發布上線。
誰適合參加？
- 行政與 PM 效率控：處理大量文書資料到心累，渴望用自動化解放雙手。
- 創新教育工作者：想製作吸睛教材，或為班級建立專屬機器人的老師。
- 預算有限的創業家：需要免費且強大的工具來處理客服與行銷內容。
- AI 自動化好奇人類：想用最少資源發揮最大 AI 戰力的人。
活動資訊
- 時間：2026/3/18（週三）14:00 - 15:00
- 講者：Andrew Shih（中教大博士候選人 / Google 認證教育家）
- 形式：線上直播 ＋ 即時實作（報名審核後取得連結）
- 超值附贈：Line Bot 基礎教材 + Workshop 實作範本
- 報名連結
事前準備
建議準備 Google 帳號、Line 官方帳號與 Gemini API（現場也會引導如何申請）。
桌面操作首度超越人類！OpenAI 發表 GPT-5.4，強勢回應「AI 撞牆論」
根據 OpenAI 最新消息，公司正式推出旗艦模型 GPT-5.4。這是繼 GPT-5.3 Instant 發布僅兩天後的重量級更新。OpenAI 科學副總裁 Kevin Weil 稱其為「公司史上最強模型」，在桌面任務、程式開發、科學推理及數學領域皆有顯著提升。
核心細節與技術規格
- 上市與版本： 目前已向 Plus、Team 與 Pro 用戶推出「GPT-5.4 Thinking」模式，作為主力模型。
- 關鍵功能與指標：
- 超越人類的桌面導航： 在 OSWorld-V 基準測試（模擬真實電腦桌面操作）中取得 75% 的成功率，正式超越人類基準線（72.4%），性能更是前代 GPT-5.2 的兩倍。
- 專業知識對等： 在 GDPval（涵蓋 44 種職業的知識工作測試）中，GPT-5.4 在 83% 的情況下與專業人士持平或勝出，較 5.2 版本的 71% 大幅進步。
- 長程推理與上下文： 支援高達 1M（100 萬）Tokens 的上下文視窗，並新增「x-high」推理強度設定，允許 AI Agent 進行長達數小時的複雜任務規劃與執行。
- 開發聲明： 針對近期市場對 AI 性能增長放緩的擔憂，OpenAI 研究員 Noam Brown 霸氣宣告：「我們沒看到牆（We see no wall）。」
Noam Brown
觀察筆記
GPT-5.4 在桌面操作（Computer Use）超越人類，固然在數據上很驚人，但我其實對這個技術方向抱持高度懷疑。
我們真的需要一個「會操作滑鼠」的 AI 嗎？
目前 AI 廠商引以為傲的，是 Agent 點擊圖標、導航桌面比人類更快，但這在本質上可能走錯了路。人類之所以需要點開「D 槽 > 工作資料夾 > 報告.pdf」，是因為我們受限於圖形介面（GUI）的物理結構；但對 AI 來說，它本來就應該透過指令（CLI）或 API 直接與系統底層對話。
就像瀏覽網站，一個聰明的 Agent 應該是直接抓取後端數據，而不是像人類一樣在那邊滾動頁面、尋找按鈕。讓 AI 去模擬人類的「操作路徑」，雖然看起來很像科幻電影裡的數位員工，但實際上卻是捨近求遠，把最先進的算力浪費在最沒效率的互動方式上。
當 Noam Brown 霸氣宣告「沒看到牆」的時候，我看到的反而是另一道牆：我們是否為了追求讓 AI「看起來像人」，而限制了它作為「原生數位生命」應有的效率？比起一個會幫我點滑鼠的 GPT-5.4，我更期待一個能直接接管 API、跳過所有繁瑣介面的隱形作業系統。
Anthropic 最新研究：AI 還沒搶走你的工作，但年輕白領已經更難被錄取了
Anthropic 於 2026 年 3 月 5 日發布了一份重量級勞動市場研究。這份報告提出了一個新指標：「觀察式曝險（Observed Exposure）」。這個指標很有趣，我們過去可能看到 Tesla FSD / Waymo 自駕的功能上線或在某一州試營運，我們很可能就會產生「完蛋了，司機要失業了」這種想法；但觀察式曝險指標是直接去看 Claude 的後台數據，看現在「實際有多少人在用 AI 幫忙開車？開了多久？哪些路段已經全自動了？」來作為「某個職業可能因為 AI 覆蓋率偏高，而面臨失業風險」
研究結論雖然顯示目前尚未出現系統性的失業潮，但對於 22 至 25 歲的職場新鮮人來說，警報已經拉響。
誰是第一線高風險人員？
- 觀察式曝險 vs. 理論天花板： 以電腦與數學類職務為例，理論上 AI 能處理 94% 的任務，但目前在真實場景的覆蓋率約為 33%。這段落差來自於法規限制、軟體整合門檻以及對人類驗證的需求。
- 高曝險職業排行：
- 電腦程式設計師： 任務覆蓋率達 75%。
- 客服代表： 覆蓋率 70.1%。
- 資料輸入員： 覆蓋率 67.1%。
- 白領大於藍領： 這次受衝擊最深的是高薪、高教育程度的辦公室白領（尤其是女性與亞裔群組），而廚師、酒保、救生員等體力勞動者的 AI 曝險幾乎為零。
喜歡這期內容嗎？有哪一則讓你特別有感？
歡迎回信或是 Instagram 告訴我們，我們會偷偷讀大家的回覆的！
我們下周見
—AI郵報 編輯團隊
