上週假日跟朋友出去，他突然問我：「現在 AI 自媒體這麼多，你們會不會受到很大的影響？」

我想了一下，跟他說了一個夜市理論。

台灣夜市同質性太高，這不是新問題——十年前就有人在抱怨了。臭豆腐、雞排、杏鮑菇、地瓜球，每攤賣的東西幾乎一樣，配方也越來越 SOP 化、加盟化。但你看夜市有沒有少人去？沒有。甚至還有人從夜市出家，開出旗艦店，做出品牌，最後反過來收加盟。

AI 自媒體的爆炸，我覺得跟這個邏輯很像。工具民主化之後，進入門檻變低，同質性當然會上升。但門檻低不代表上限低。同樣用 AI 產內容，怎麼選題、怎麼把一個素材發揮到它應有的深度、怎麼維持一種讓讀者產生聯想的風格——這些東西，AI 沒辦法幫你決定。

對我來說，這才是真正的媒體修羅場。

所以與其擔心「會不會被取代」，我更在意的是：這期的內容，有沒有讓你讀完之後產生新的想法 or 對某件事情有優化或發展的慾望？ 如果有，那就夠了。

(發現很久沒發這種心得的前言，所以水一下 XD)

好，收心。讓我們一起快速掌握本週五件最值得關注的 AI 大事！

本周焦點事件

1. OpenAI 團隊公開內部工作流程！Codex 團隊 PM：只做短期、長期方向靠感覺，中期計劃毫無意義
2. Anthropic 一週兩次資安失誤：Claude Code 50 萬行原始碼裸奔
3. 別再把一堆檔案丟給 AI！OpenAI 共同創辦人分享 LLM WIKI，打造你的知識管理系統
4. Microsoft 打造了吵架擂台！讓 Claude 跟 ChatGPT 互相打臉就能提高準確度？
5. Google 開源新王牌：Gemma 4 來了，免費用到飽的 AI 成為地端新解決方案！

SPONSORED

「活動推薦」線上 Webinar：AI Agent 時代來臨 — 從 GitHub Copilot 到 AI-Native Development

AI 正在重新定義軟體開發的本質。從單純的程式碼輔助，到能理解需求、自主執行任務的 AI Agent，企業正全面加速邁向「AI-Native Development」的新階段。

為什麼這場值得去

這場活動從「趨勢」到「工具」再到「實務應用」，完整呈現 AI 驅動開發的關鍵轉變。內容涵蓋 GitHub Copilot 與 AI Agent 的進化路徑、Agentic DevOps 端到端開發流程、GitHub × Azure 的企業級整合應用，以及企業實際導入 AI 開發流程的案例拆解。講者涵蓋平台技術與實戰兩端，不只給你趨勢方向，也給你可以帶回去落地的設計思路與操作策略。

完成報名並參與活動，還有機會抽中 500 USD Azure Sandbox Credit（共 10 名）。

適合誰來

• 負責技術決策與數位轉型的企業主管（CTO／CIO／IT 主管）
• 軟體工程師、開發者、Tech Lead 與架構師
• 正在打造 AI-Native 產品的 PM、產品經理與新創團隊
• 想掌握 AI Agent 與 GitHub Copilot 最新發展動向的所有人

時間： 2026 年 4 月 16 日（四）下午 2:00–4:30
活動形式： 線上 Webinar（免費參加）
主辦： Microsoft　
協辦： AIPost、零壹科技、Microfusion

立即報名 →

OpenAI 團隊公開內部工作流程！Codex 團隊 PM：只做短期、長期方向靠感覺，中期計劃毫無意義

前天，OpenAI Codex 團隊 PM Alex 跟開發者體驗負責人 Roman 上了 Peter Yang 的節目，聊他們怎麼用 Codex 開發 Codex 本身、OpenAI 內部工作流程、規格文件怎麼寫、以及他們怎麼看 PM 這個職位的未來。

有趣的是，幾乎同一個時間點，Anthropic 的 head of growth Amole Evasari 也上了 Lenny's Podcast。他分享了 Anthropic 從 2025 年初的 1 億美元 ARR，在 14 個月內成長到 190 億美元（ omg）——而他們內部推動這個增長的方式，是用 Claude 自動化幾乎所有的成長實驗。兩家公司的人同一週跑去 podcast，聊的都是同一件事：AI 已經在幫公司經營自己了。

說回來 Codex 這場訪談，有三個點讓我覺得特別值得拿出來聊。

第一，Codex 團隊只規劃近期跟長期，刻意跳過中期 roadmap。

近期是指「八週以內的具體衝刺目標」；長期則是一個方向感的「感覺 vibe」。我聽到他說長期的方向靠感覺，其實非常能理解，因為這些人在實際打造產品的過程中，一定會冒出很多想法，例如「未來 agent 應該可以自己部署、自己監控、不需要人提示」。而對標到現在指數性成長的 AI 產業，中間那段三到六個月的產品路線根本沒有意義，模型能力跳躍的速度，會讓所有中期預測在執行前就過期。

第二，設計師現在寫的 code，比六個月前的工程師還多。

Alex 說 Codex 把「我不會寫 code」這個門檻幾乎消除了，設計師開始直接實作自己的想法，工程師開始做更多設計決策。職涯邊界不是被政策打破的，是被工具悄悄溶解的。Boris 那邊說的也是同一件事——他們內部的 Co-work 系統讓產品設計師、數據科學家都能直接影響軟體開發流程。兩家公司，同一個方向。

第三，招人不看學歷，看你有沒有東西可以連結給他看。

有人 DM 求職，Alex 幾乎不讀 CV，但只要有作品連結他一定點開。他說他根本不記得團隊成員讀哪間大學——「Who cares? Just show me what you built.」在他看來，這個時代最重要的兩個人類特質是興趣跟主動性，AI 會補上你不想做的部分。

觀察筆記

看完這兩場訪談，我一直在想一個問題：如果今天你是一個 PM、一個設計師、或是一個工程師，你現在的位置是在吃紅利，還是已經開始被擠壓了？

Amol 在 Lenny's Podcast 裡提到：工程師產能翻了 2 到 3 倍之後，PM 跟設計師瞬間變成團隊瓶頸。這不是因為他們能力變差，而是因為完成任務的組成，組織運作的結構已經變了，但他們還站在原來的位置。Alex 那邊的訊號也一樣，Codex 團隊的設計師已經在寫 code 了，就是因為工具讓這件事的成本幾乎歸零。

過去「T 型人才」是一種加分項，是履歷上的亮點；現在它開始變成一個篩選條件，因為團隊的瓶頸已經不在工程產能，而在能不能在不同角色之間自由移動的人。所以兩個人給的啟示，我覺得可以濃縮成一句話：跨域不再是你的加分項，是你的基本生存條件。

Anthropic 一週兩次資安失誤：Claude Code 50 萬行原始碼裸奔

上週，Anthropic 發生了一件有點尷尬的事。Claude Code 的原始碼被意外推送到公開的 npm registry，一口氣外洩了超過 1,900 個檔案、50 萬行程式碼。整件事情最弔詭的是，這並不是什麼邊角的設定檔，而是 Claude Code CLI 層的核心程式碼。

開發者社群發現之後，裡面挖出來的東西非常熱鬧。44 個 feature flags、三個未發布的專案，其中包括跨 session 的持久記憶功能，還有一個叫「deep-planning system」的東西，看起來是某種更複雜的規劃模式。內部代號也跟著曝光，「Capybara」對應到一個 Claude 4.6 的變體版本，版本號已經跑到 v8。程式碼裡甚至有一段邏輯是在追蹤用戶對 Claude 說負面字眼的頻率。

但全場最受歡迎的發現，是一個叫 BUDDY 的 AI 終端機寵物。18 種物種、稀有度分級、屬性值包含 CHAOS 跟 SNARK。這個功能從來沒有公開發布過，但它就這樣躺在原始碼裡，靜靜等人發現。

SPONSORED

「活動推薦」線上 Webinar：解鎖數據 × 部署 AI — Azure 一站式智慧平台實戰

根據 IBM 最新發布的《2026 企業趨勢》報告，目前僅有25% 的高階主管表示所屬企業目前已經擁有可以獨立作業的代理型 AI 應用；七成主管預估其企業到 2026年底可以具備這樣的能力。換句話說，現在這個時間點，大部分企業還在起跑線上。

為什麼這場值得去

這場活動從「有數據」到「用數據做決策」之間的具體架構與實務，讓你充分了解 數據可以如何展開。同時，內容涵蓋 Azure、Microsoft Fabric 與 AI Agent 的整合架構、零 ETL 加速數據流通、企業實際導入案例，以及從 DevOps 到自動化運維的新一代 AI 開發模式。講者陣容橫跨平台技術與企業實戰兩端，不只給你方向，也給你可以帶回去用的架構思路。

適合誰來

• 正在評估 AI 與數據如何真正驅動營運的企業決策者（CEO／CIO／CDO）
• 負責平台選型與導入策略的 IT、資料或數據相關主管
• 關注 AI 對開發與部署流程的工程師或開發團隊
• 想透過數據提升決策效率的行銷、營運或產品團隊

時間：2026 年 4 月 10 日（四）下午 2:00
活動形式：線上 Webinar （免費參加）
主辦：Microsoft
協辦：Weblink 展碁國際、Microfusion、TenMax、Zeabur、AI 郵報

立即報名 →

別再把一堆檔案丟給 AI！OpenAI 共同創辦人分享 LLM WIKI，打造你的知識管理系統

幾天前，前 Tesla AI 總監、OpenAI 共同創辦人 Andrej Karpathy 在 GitHub 上發了一個 Gist，概念他稱為「LLM Wiki」——用 LLM 幫你維護一個會自己成長的個人知識庫。發出去幾天，社群討論就沒停過。

概念本身不複雜。大多數人現在用 AI 處理文件的方式是 RAG：把一堆檔案丟進去，每次問問題 LLM 就從原始資料裡重新找、重新合成、重新回答（相信有百分之八十的人都是這樣用的，包括我 XD ）。問題是沒有累積，每次都從零開始。

Karpathy 的解法是在你和原始資料之間加一層持續存在的 wiki。每次你丟進一份新資料，LLM 不只是把它索引起來等你查——它會主動讀取、提取重點、更新相關的概念頁面、標記跟既有內容的矛盾點、強化整體的知識網絡。這套系統還有一個很多人忽略的點：自我健檢。LLM 會定期掃描整個 wiki，找出過時的資訊、孤立的頁面、前後矛盾的說法，主動建議你去補哪些缺口。換句話說，這個知識庫不只是在成長，它還會提醒你它哪裡還不夠完整。

整個架構分三層：raw 資料夾放你的原始材料，LLM 不碰這層；wiki 資料夾是 LLM 維護的 markdown 頁面，你讀、它寫；schema 則是一份設定檔，告訴 LLM 這個 wiki 的結構規則跟工作流程是什麼。

Karpathy 甚至往更遠的地方想——當 wiki 夠大、資料夠乾淨之後，這份知識庫可以直接拿來 fine-tune 一個更小的模型，讓它把你的個人知識庫直接燒進權重裡，變成你自己的私有智慧。

社群反應很快。有人把它 fork 成可以多人協作的 git repo 版本（幫各位找好了）；有人說 Karpathy 可能意外發明了一種 AI 時代分享想法的新格式。 也已經有人做出了 llmwiki.app，把整個架構包成開源工具讓人直接上手用。

觀察筆記

我認為「知識複利」這個名詞，只適用於有好的 PKMS (Personal knowledge management system)。在沒有好的系統底下，我們會嘗試去找新潮的 PKM 來滿足我們自己的虛榮心，好像用了最新的工具，就能夠掌握知識，但我相信不只我，過去陳堆的筆記依舊躺在那。

每週我們在讀大量的一手資料——研究報告、podcast 逐字稿、產業新聞、訪談內容。這些東西讀完之後去哪了？大部分進了某個 Notion 頁面、某個瀏覽器書籤、或者直接消失在記憶裡。下一次需要用的時候，你知道你讀過，但你不記得在哪，也不記得跟這次的問題有什麼關係。

這不是個人問題，是結構問題。一個媒體團隊的知識資產理論上應該越來越厚——每寫一篇文章、每做一次研究，都應該讓下一次更快、更準。但現實是，每次都差不多從零開始，因為沒有一個東西在幫你把這些散落的知識編譯成一個可以被查詢、可以被更新、可以被傳承的結構。

Karpathy 解決的正是這件事。他不是在做一個更好的筆記 app，他在做的是讓 LLM 成為你的知識管理員——你負責餵資料、它負責維護整個知識網絡的結構、標記矛盾、提醒你哪裡還有缺口。你的知識庫不只是在成長，它還會告訴你它哪裡還不夠完整。

我一直在想，這套邏輯如果往團隊層面推會長什麼樣子。個人 PKM 解決的是「我讀過的東西不見了」，團隊 PKM 解決的是「我同事知道的東西我不知道」——而後者在媒體團隊裡其實更致命。一個人離職，他腦袋裡的產業脈絡、消息來源、判斷框架，幾乎沒有辦法留下來。這不是個人習慣問題，是整個團隊的知識一直在漏水。

我自己現在的想法是，要先把個人的 PKM 跑起來、優化到一個自己真的在用的狀態，再想怎麼把這個架構複製到團隊層面。因為一個沒有人在用的知識系統，再漂亮也是擺飾。

Karpathy 說「知識的繁瑣維護工作不在於閱讀或思考，而在於書目管理」——LLM 不會厭倦，不會忘記更新交叉引用，一次可以同時處理十五個檔案。換句話說，過去我們沒有好好維護知識庫，不是因為不想，是因為維護本身太花時間、太無聊、太容易被更緊急的事情擠掉。現在這個理由消失了。

Microsoft 打造了吵架擂台！讓 Claude 跟 ChatGPT 互相打臉就能提高準確度？

3 月 30 日，Microsoft 正式宣布為 Copilot Researcher 推出兩個新功能：Critique 與 Model Council。 這是 Copilot Researcher 從「單一模型」走向「雙模型互打免費」的關鍵一步。

具體怎麼運作？Critique 把研究任務拆成兩個階段，一個模型負責規劃、搜尋、整合資料並產出初稿，另一個模型則扮演專業審查員的角色，在報告送出去之前進場檢核。 目前的預設分工是 GPT 起草、Claude 負責審查來源可信度、資訊完整性與引用品質。Microsoft 表示未來這個流程也會支援雙向切換。

Model Council 則採取不同路徑：讓 GPT 和 Claude 同時跑同一個研究題目，再由第三個「裁判模型」讀完兩份報告，產出一份摘要，標明兩個模型哪裡意見一致、哪裡出現分歧，以及各自發現了什麼對方沒注意到的角度。

成效數字方面，在 DRACO 研究基準測試中，Researcher 搭配 Critique 的得分比 Perplexity Deep Research 高出 13.88% ——這是 Microsoft 首次公開點名競爭對手做直接比較。進步最明顯的項目集中在分析廣度、報告呈現品質與事實準確度三塊。

但代價不小。Critique 的使用成本比單一模型高出約 20%，Council 則大約貴 2.5 倍。 目前兩個功能僅限每月 25 次查詢，並需要 Microsoft 365 Copilot 訂閱資格加上 Frontier 早期存取計畫，IT 管理員也必須在租戶層級開啟第三方模型存取權限。

同步宣布的還有 Copilot Cowork 正式進入 Frontier 方案。這個以 Claude 為核心的工具主打長時間、多步驟的自動化任務——使用者描述目標，系統自動制定計畫、跨工具與檔案逐步執行，使用者可以隨時監控或介入。

觀察筆記

我想先從一個很具體的使用情境說起。你有沒有做過這件事：把 ChatGPT 的回答貼進 Claude，然後問「這個分析有沒有問題？」——然後 Claude 給你挑出三個漏洞。或者反過來。如果你做過，恭喜，你其實已經在手動跑 Critique 了。Microsoft 只是把這個動作自動化，然後拿去跑 benchmark 證明它有效，順便收你多 20% 的錢XD。

剛好，前面提到的 Andrej Karpathy 前陣子發了一篇 tweet：同一個語言模型，你叫它幫你強化一個論點，它強化得頭頭是道；你叫它推翻同一個論點，它也推翻得無懈可擊。這不是 bug，這是語言模型的根本特性——它非常擅長讓「任何一個方向聽起來都合理」。換句話說，一個模型，永遠都會讓你覺得你是對的。所以你最好問兩個。

當然，社群裡也有人冷嘲熱諷「一個 AI 幻覺，解法是加更多 AI 來投票選哪個幻覺聽起來最專業」。Critique 和 Council 降低的是錯誤的機率，不是把錯誤歸零。而且當驗證這件事也外包給另一個模型，整個迴圈裡還剩多少人類判斷的空間，說實話我也還沒想清楚，但最終判斷誰比較正確，還是到人類這關吧？

Google 開源新王牌：Gemma 4 來了，免費用到飽的 AI 成為地端新解決方案！

4 月 2 日，Google DeepMind 在 Google Cloud Next 正式發布 Gemma 4 ，這是 Gemma 系列迄今最強的一代——四個尺寸的模型，從手機到工作站全都覆蓋，底層技術直接來自 Gemini 3 的研究成果。

先說這次最關鍵的變化：授權改了。 前幾代 Gemma 是「開放權重」但不是真正意義上的開源，使用者不能自由修改或商業再發布。 Gemma 4 改成 Apache 2.0——沒有客製化使用條款、沒有藏在細則裡的終止條款、沒有法律審查的摩擦，這也是 Gemma 系列第一次這樣做。過去不少企業團隊寧可選 Qwen 或 Mistral，原因不是那些模型更強，而是 Gemma 的授權讓法務部門頭痛（用 vLLM 接 Gemma 4 的時候來了！）。

模型本身呢？四個尺寸分別是 E2B、E4B（針對邊緣裝置優化）、26B MoE、以及 31B Dense。 E2B 和 E4B 是最小的兩個，加入了原生音訊輸入，支援語音辨識，並且可以完全離線跑在手機上。 較大的兩個模型則有高達 256K tokens 的上下文視窗，全系列原生支援超過 140 種語言。

效能數字跳很大。31B 模型在數學推理基準 AIME 2026 拿下 89.2%，上一代 Gemma 3 同測試只有 20.8%；Agent 任務基準 tau2-bench 則從 6.6% 暴增到 86.4%，超過十三倍。 Arena AI 人類偏好排名上，31B 目前全球第三，這不是只跟開源模型比，而是跟所有模型包含閉源商業模型一起排的。

模型目前已上架 Hugging Face，支援 Transformers、llama.cpp、MLX（Apple Silicon）等主流框架，Google 也將 Gemma 4 定為下一代 Gemini Nano on Android 的基礎。

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