NEXUS-PRIME AI 助理經營 225 種商品,真正卡關的是沒人看見
AI 助理能快速做出一大批商品,但沒人看到,商品再多也不會自己帶來生意。作者讓 NEXUS-PRIME 經營數位商品商店,架上有 225 種商品,也檢查檔案和商店頁面是否正常;但訂單資料裡只有取消的測試訂單,營收是 $0,商品頁瀏覽也來自自動同步程式,沒有確認是真人買家。作者發現,接連發文也沒帶來多少互動。這次經驗顯示,AI 助理做商品只是其中一關,找到會看、會買的人才是更難的事;測試訂單也不能當成生意成果。
AI 助理能快速做出一大批商品,但沒人看到,商品再多也不會自己帶來生意。作者讓 NEXUS-PRIME 經營數位商品商店,架上有 225 種商品,也檢查檔案和商店頁面是否正常;但訂單資料裡只有取消的測試訂單,營收是 $0,商品頁瀏覽也來自自動同步程式,沒有確認是真人買家。作者發現,接連發文也沒帶來多少互動。這次經驗顯示,AI 助理做商品只是其中一關,找到會看、會買的人才是更難的事;測試訂單也不能當成生意成果。
想用同一個地方寄電子報、向讀者收費,Ghost 和 Substack 現在就能做到;WordPress.com 則有很多版型可選。Galascribe 目前沒有電子報寄送和收費功能,版型也只有六種。不過,用 Galascribe 寫的文章會是你 GitHub repository 裡的 Markdown 檔案,網站發布也在你的 GitHub 帳號裡進行;使用其他服務時,文章則放在服務的系統裡,離開時要先匯出。 這不表示其他服務會把你的文章鎖住:Ghost、Substack 和 WordPress 都提供離開的方法。差別在於 Galascribe 的文章原本就放在你的 repository,拿到檔案就能帶走;但按讚和留言目前存在 Galascribe 的資料庫,也沒有匯出功能。選之前,可以先試著把文章匯出或複製出來,開啟看看自己實際拿得到什麼。
Daniel Mahncke 與 Shawn O'Malley 認為,在 iPhone 出貨量持平、服務業務成長趨緩的情況下,蘋果約 40 倍的本益比已過度擴張,合理價值約在 250 美元,買進目標價約 200 美元;不過兩人並不打算放空。
AI 助理判斷退款符合條件,不代表退款真的成功;如果系統沒收到回覆就重試,還可能重複退款。Anuj Sadani 開發開源專案 Decision Firewall,讓系統先核對證據與規則,再授權特定動作,並在回覆遺失時查明原本的退款結果。測試顯示,框架和自行撰寫的應用程式控制都能守住退款規則,但框架整合時需要更多工具呼叫,也遇到多項介面問題。作者因此保留它作為參考實作,並整理出不必使用該框架也能跑的獨立檢查工具;這些測試仍不足以證明框架能節省開發時間或適合正式環境。
AI 助理框架有時會多呼叫一次工具,也可能把原本只該送到自己應用程式的掃描資料送到公開伺服器。Somay 分享自己在 NVIDIA、Google、Microsoft、Intel 和 CNCF 合併的 93 項修正:例如讓 NVIDIA NeMo 的 AI 助理在工具呼叫次數到上限時停止,也修正 OpenVINO 把 [1.5, 3.0] 傳成 [0.125, 32.0] 卻沒有報錯的問題。他會寫 Python、C++ 和 TypeScript,正在找遠端全職或約聘工作。
模糊圖片放大後常會失去細節,Magnific AI 把這個問題變成生成式圖片工具的切入點。文章回顧兩位創辦人如何先分享提示詞實驗和教學,累積創作者社群,再推出付費服務;工具用分塊式潛在擴散技術放大圖片,並讓使用者調整新細節的生成幅度,以及畫面和原圖的相似程度。文章也整理了 Magnific AI 被 Freepik 收購的過程,並從中討論小型團隊如何結合 AI 程式工具、產品設計與社群曝光來發展事業。
社群貼文說 OpenAI 正面臨史上最慘的一週,還稱它快沒錢、被 Google 超車。文章核對後指出,募資確實少於原定目標,第三季虧損也比上一季增加;但「錢只夠撐 4 個月」和「被 Google 超車」沒有資料支援。文中引用的模型排行由 Anthropic 居首,OpenAI 排第二,Google 排在後面。作者認為,更大的壓力可能是投資人不願照原先估值投入資金。
AI 找到 HAWK 簽章方案的弱點,讓它退出 NIST 的標準競賽;同一模型也改進了弱化版 AES-128 的攻擊,但這不代表一般使用的 AES 已被破解。接著,AI 助理協助把舊的因數分解程式改寫到 GPU 上,讓 RSA-260 和 RSA-896 的因數分解紀錄在 16 天內兩度改寫。作者認為,這些結果顯示 AI 能加快密碼研究與程式改寫,但專家仍得花時間確認攻擊是否正確。RSA-2048 仍不受這些結果影響;作者也提醒,採用尚未定案的密碼方案時,應讓系統能更換演演算法。
推薦理由:HAWK 遭破解、弱化版 AES 的研究結果與 RSA 因數分解紀錄,呈現 AI 加速密碼研究的不同方式,也說明驗證攻擊仍需要專家投入時間。
AI 助理能快速寫出程式,但大家還不一定知道怎麼確認它真的能在正式環境正常運作。作者整理兩篇工程師的討論,認為測試、架構決策紀錄和交付檢查可以替團隊留下程式為何這樣寫的線索。Thoughtworks 有個團隊試了一週不由人寫程式,改讓 AI 助理完成工作;大部分時間花在釐清需求和準備檢查方式,讓 AI 助理下次照著做。作者也提醒,如果錯誤訊息常常出現,大家可能會忽略真正的問題,因此測試和檢查必須可靠,團隊也要留時間回頭閱讀、整理程式。
資料中心和算力裝置要先花大筆錢建置,但要等到裝置穩定運轉、AI 服務開始帶來營收,往往還需要時間。馬斯克回應 Keras 創辦人 François Chollet 時警告,AI 產業明年可能面臨嚴重資金短缺;如果從支付算力成本到裝置穩定創收的時間累計延後數月,營運資金可能還要多出數千億美元。文章也整理了兩種看法:有人認為算力需求還會成長,有人擔心折舊和利息跑得比營收快。爭論的關鍵,是 AI 商業化能不能跟上裝置投資的速度。
ChatGPT 和 Google AI 都有每月 ₩29,000 的方案,但這筆錢買到的服務差很多。作者在韓國檢視兩家的官方價格頁,發現 ChatGPT Plus 提供 GPT-6 系列模型、工作功能與不同的上下文長度;Google AI Pro 則附上 5 TB 儲存空間、影片點數和其他服務,並列出 1,000,000 的上下文長度。作者也提醒,頁面沒有說清楚「不限量」的實際上限,部分附加服務還有地區或資格限制。選方案時,可以先看自己需要模型功能、儲存空間,還是清楚列出的使用上限。
開發環境工具常被放在一起比較,但它們處理的問題其實不同。作者讀了 25 個專案的檔案,把工具分成隔離程式、準備執行環境、說明專案需求,以及代管環境四層,並觀察到 Gitpod 改名為 Ona、Daytona 等服務開始面向 AI 助理執行程式。作者也分享自己建置環境的做法:只讓程式取得列出的環境變數,並把暫存資料放在工作目錄裡,避免程式讀取主機上的憑證或寫到工作範圍之外。
Cursor 和 GitHub Copilot 的入門付費方案只差 $2:Cursor Plus 每月 $8,GitHub Copilot Pro 每月 $10;但兩邊收費代表的內容不一樣。Cursor Plus 只能用 Grok 模型,想用第三方模型要從每月 $30 的 Premium 開始;GitHub Copilot Pro 則包含 Claude Code、Codex 等 AI 助理,以及 $15 的每月額度。 GitHub Copilot 各付費方案會列出額度金額,方便估算花費;Cursor 列的是使用量倍數,卻沒說共同使用額度到底有多大,因此不能直接拿兩邊比較。買 10 個帳號時,Cursor Teams 每月 $300,GitHub Copilot Pro+ 每月 $390;最高方案則是 Cursor Ultra 每月 $2,000,GitHub Copilot Max 每月 $1,000。該選哪個,得看你需要哪些模型,以及想不想先算出每月用量預算。
Webflow 和 Framer 入門方案的價格看起來只差一點,但提供的東西不一樣:Framer Basic 每月 $10,就有 CMS;Webflow Basic 每月 $15,沒有 CMS,想用 CMS 得升到每月 $25 的 Premium。若網站要放很多文章或商品,Webflow Premium 有 20,000 個 CMS 專案,Framer Pro 每月 $30 則有 2,500 個。 網站頁數和流量也要一起算:Webflow Basic 可做 300 頁,Framer Basic 有 30 頁;流量超過方案上限時,Framer 會按用量收費,Webflow 則會在連續兩個月超量後自動升級方案。這些都是選擇年繳時列出的月費,還沒加稅;挑方案前,先確認自己需要的是 CMS、更多頁面,還是能應付更多流量。
AI 助理做完工作後,光看廠商的紀錄或一句「已通過」,外人很難確認內容有沒有被改過。Zambo 的營運人員介紹 AER-1,這是 IETF 草案中的一套紀錄標準:它把工作結果存成固定格式,再用 SHA-256 算出雜湊值,任何人都能重新計算並比對。文章也提到公開測試資料和不同作者各自做出的驗證工具,並用一筆 BTC 報價示範檢查流程。不過,雜湊只能確認紀錄是否遭到修改,不能證明答案正確;AER-1 目前是 IETF 草案,還不是 RFC。
挑 AI 模型時,除了回答品質,呼叫 API 要花多少錢也很重要。這份整理每天更新 373 個模型 API 的輸入與輸出價格及上下文長度;截至 11 月 22 日,最便宜的模型每百萬輸入 tokens 約 $0.02,GPT-5.5 Pro 每百萬輸出 tokens 則要 $180。輸出通常比輸入貴,長篇回答會增加花費;讀大量檔案、只回短摘要時,費用則多半來自輸入。作者也提醒,便宜模型若需要多試幾次,整體成本可能更高,選用前可拿自己的提示詞比較不同價位的模型。
想讓 AI 助理上網找資料、記住以前做過的事,或幫忙寫程式,光有模型還不夠,還需要其他工具和功能搭配。這份 GitHub 排名整理了 20 個最受歡迎的開源 AI 助理相關專案;第一名 ECC 有 308K 顆星,DeepSeek Harness 和 Hermes Agent 排在第二、第三名。這些專案有的替 AI 助理加上記憶和技能,有的幫它們讀網頁、搜尋資料或操作瀏覽器,也有一些是能裝進既有 AI 助理的專門技能。榜單顯示,讓 AI 助理更好用的工具和搭配方式,正成為開源社群熱門的發展方向。
AI 助理寫程式、跑測試愈來愈快,但人還是得忙著確認進度、傳話和分配工作,這些瑣事常擠掉真正思考技術問題的時間。作者提出用一套共同規則來安排多個 AI 助理:清楚分工、限制彼此能聯絡的物件,也替來回討論設下次數上限;超過上限還沒結果,就請人接手。每個 AI 助理也只能傳結論和請求,不能把自己的思考內容傳給別人,並留下工作紀錄供事後檢查。 這套做法目前還在驗證,文章提出的是設計想法,還不能照著設定就直接使用。作者認為,AI 助理可以負責照規格完成工作,人則該把時間留給判斷「該不該做」、選哪種技術方案,以及什麼時候該停下來。
Anthropic 的數學家表示,他用 Claude 完成了黎曼猜想的形式化證明,但學界還在確認這份證明是否站得住腳。這份成果以約 1700 萬行程式碼呈現,MIT 數學家 Andrew Sutherland 帶隊重新編譯並跑過程式,確認形式化命題和黎曼猜想的原始表述一致,也沒有加入額外假設。爭論在於,程式碼雖能逐步檢查,人們卻還沒整理出完整、容易理解的推理過程。依克雷數學研究所規則,解答還須正式刊登並接受至少兩年的公開查驗,因此黎曼猜想目前仍列為未解難題。
黎曼猜想關係到質數如何分佈,但到現在仍是數學界的重要未解問題。Anthropic 數學家 Levent Alpöge 表示,他和 Claude 找到了一份證明,並把它寫成 1,700 萬行 Lean 程式碼,讓電腦檢查數學步驟。研究者回報程式碼可以順利編譯,表示內部步驟符合 Lean 的檢查規則;不過這還不能確認證明本身正確。Clay 數學研究所仍將猜想列為未解,正式解答還須刊登於同儕審查期刊,並接受兩年的獨立檢驗。
ChatGPT Plus 和 Claude Pro 每月都約 20 美元,但付費後能用的功能不一樣。作者在同一天檢視兩家的價格頁面,整理出 Claude Pro 包含 Claude Code 程式助理,ChatGPT Plus 則能有限使用 GPT-6 Astra 和 GPT-6.1 Sol。ChatGPT 也列出不同方案的上下文額度,Claude 的價格頁面沒有提供這項數字;Claude Pro 可年繳,ChatGPT 個人方案則沒有年繳選項。文章也提醒,兩家的免費方案差異很大:Claude 限制使用量,ChatGPT 免費版則不開放部分高階模型。
Runway 和 Pika 都用點數計價,光看月費很難知道能做多少影片。作者比對兩家在 2026 年 11 月 22 日公佈的價格,換算不同方案能生成的影片秒數:$35 的 Runway Pro 可做 187 秒 Gen-4.5,Pika Creator 則可做 650 秒 Pika 2.5;若選 Pika 的 Seedance 2.5,同一方案只夠做 107 秒。兩家的模型和畫質設定不完全相同,因此不能只看秒數判斷哪家更划算。文章也提醒,Pika 的免費方案沒有每月點數,Runway 的定價頁則未列出商用授權條件。
FastAPI、Node.js 和 Bun 的效能測試常得出不同結果,讓人難以判斷哪個適合自己的服務。作者整理多組公開測試,指出結果會受測試方式、硬體、資料庫驅動和連線設定影響;其中一項測試只把 PostgreSQL 的查詢改成可重用的預備語句,Node.js 各組的承載量提升幅度從 3% 到 31%。這不代表 Node.js 整體快了同樣幅度,而是說明資料庫存取方式也會左右排名。作者建議用相同硬體、流量和資料庫設定測試,並一起查看回應時間、錯誤和資料庫負載,再決定要採用哪種技術。
Welcome to Chronicles of Old Singapore. Jita Singh is one of Singapore’s most successful coaches. He recounts his early days playing as a fullback in the old ‘WM’ system before being called up to play for Singapore in 1968. Like many others, he signed up with the Singapore Armed Forces to play for Singapore. One game he remembers was a particularly harrowing experience in Kelantan in the Malaysia Cup. Part 1 | https://youtu.be/VYERLvqFNC0 Part 2 | https://youtu.be/j_IR3nszhQ8 Part 3 | https://yo
網路上流傳 GLM-5.5 下週就要推出,還說它有超過 1 兆個引數、能一次處理 100 萬個 token,並會開放模型權重下載。但查過 Z.ai 官網和 Hugging Face 的官方頁面,都找不到 GLM-5.5 的發布訊息或模型資料;目前能確認的最新版本是 GLM-5.3。這就像聽說新玩具快上市,卻還沒在店家目錄裡看到它:傳聞可能成真,但現在沒有證據,先別急著為它調整系統或花錢準備。
聊天機器人推薦商品時,消費者不一定看得出哪項推薦受到付費影響。一項有 2,012 人參加的電子書研究發現,聊天機器人推薦後,受贊助書籍被選中的比例是 61.2%,一般搜尋排序則是 22.4%;加上「贊助」標示也沒有明顯降低影響。作者指出,聊天機器人的推薦和一般回答聽起來相同,標示可能被忽略。研究目前仍是預印本,且其中一項只使用單一電子書目錄。作者建議並列顯示其他選項與價格、說明推薦理由,並留下紀錄供人稽核。
接手程式時,常得花時間猜函式在做什麼;AI Doc Generator 想用一個數字,讓團隊知道有多少函式和類別缺少說明,也能在程式更新時檢查這個比例有沒有低於門檻。它是售價 $49 的 Python 命令列工具,能列出缺少說明的地方、檢查檔案覆蓋率,也能匯出 JSON。實測時,把門檻設成 80%,覆蓋率不夠就會讓建置失敗。不過,它目前不會真的用 AI 撰寫說明;自動插入說明時,還可能弄壞程式檔,接著把壞掉的檔案誤算成 100% 覆蓋。適合想檢查檔案數量的團隊,若想要 AI 幫忙寫說明,就不適合買它。
比特幣跌破前波低點,Arthur Hayes 認為,如果那斯達克繼續下跌,比特幣可能會面臨 5 萬美元的考驗。比特幣曾跌到 55,130 美元,之後回到 6 萬美元附近;那斯達克也大跌,科技股跟著走弱。這波下跌還讓不少押注比特幣上漲的人被迫平倉。Hayes 認為,比特幣這波漲勢和 AI 熱潮、降息期待有關,科技股轉弱時,加密貨幣也可能跟著受影響。
如果 AI 產品只是在畫面上包一層,再接上大型模型 API,別人也能很快做出差不多的東西;模型變便宜、變強時,這種產品的優勢也可能跟著消失。作者建議檢查每個功能:如果它只靠模型進步就會變好,那是大家都能享有的好處,不算自己的長期優勢。 真正能累積的,是用得越久越有價值的東西,例如測試 AI 答得好不好的題目、使用者採納建議後的結果資料,以及能在企業流程中執行工作並留下清楚紀錄的能力。舉例來說,有了自己的測試題目,團隊就能更快確認便宜的新模型是否夠用;沒有測試,換模型可能只是猜。文章提醒,與其只租用越來越便宜的模型,不如建立會隨使用持續進步的產品。
量子電腦目前還不能破解現有加密,但金融業更換加密方法可能要花上好幾年。作者根據 IOSCO 的報告指出,換成抗量子簽章會讓資料變大;文中舉例,Solana 測試網換用這類簽章後,處理速度約降了 90%。銀行可以要求廠商更換技術,公有區塊鏈則得讓許多節點、錢包和交易所一起配合,因此升級可能又慢又零散。Solana 已在研究新簽章、共識系統和錢包遷移方式,但相關做法還沒有上主網。作者也提醒,處理金流或長期保密資料的團隊應先盤點加密方式,並準備好更換演演算法。
推薦理由:作者以 IOSCO 報告為背景,說明後量子簽章會增加區塊鏈負擔,也讓沒有單一負責人的遷移更難協調。
Investor's Sunday 11/22 OA Learn more about your ad choices. Visit megaphone.fm/adchoices
Jimoty 社長加藤貴博暢談從上市、遭 TOB 收購下市到與 CCC 結盟的來龍去脈,並表明將以與地方政府合作的實體門市「Jimoty Spot」為核心,追求不依賴補助金的永續擴張。
Lean 和 Mathlib 社群確認一份黎曼猜想證明通過多種程式檢查,但作者發現,程式裡有個叫 anyGeometry 的條件,對任何輸入都直接回傳 True。作者追查程式碼後確認,這個條件出現在 24 個檔案中,也被用來建立一些假設;不過,他還沒查完它是否真的一路影響最後的定理。程式檢查能確認證明符合寫好的定義,卻不會判斷定義本身是否真的表達了數學上的幾何條件,因此目前的發現還不能單獨判定整份證明是否成立。
推薦理由:文章對照程式碼與驗證紀錄,說明形式證明能檢查推導是否符合定義,卻無法判定定義是否承載了名稱所指的數學內容。
作者檢查自己收錄 4,323 筆資料的 AI 工具目錄後發現,一筆資料不一定代表一家公司或一個產品:有些只是同一家公司旗下不同頁面,還有不少連到 GitHub Pages 等平臺。把 GitHub 和 GitHub Pages 算在一起,目錄裡最多的「廠商」其實是 GitHub,共有 184 筆;另有 337 筆把平臺或聯盟行銷網址當成工具的官方網站。目錄裡還有許多介紹文字和標籤容易讓人誤會。作者因此認為,4,323 筆代表的是清單專案,不是 4,323 個產品;若能替每筆資料標明所屬公司,讀者會更容易看清目錄實際收錄了什麼。
詳細網頁版與參考連結:https://podcast.david888.com/post/2026-11-22 今日科技圈見證數學史里程碑:Lean 社群在 24 小時內完成 1,700 萬行黎曼猜想形式化證明驗證。同時 AI 界掀起現實檢驗,GPT-6.2 在 SimpleBench 排名驟降,本地極限量化 Inkling-2-Mini 亦遭實測質疑;資安面聚焦 GPGME 記憶體漏洞、冰島主機商 1984 遭襲與 FBI 資料庫風暴;系統開發則迎來 Valkey 淘汰跳錶改用 B+ 樹、Zero C# 挑戰無 GC,以及純 CPU 工業視覺追蹤實戰。 相關連結: Inkling-2-Mini in 5.4 GB Memory RCE in Gnupg LLMs can read and write executables byte by byte from a hex dump jingyaogong / minimind (68,146 ⭐) Show HN: Zero C# – C# without a runtime or GC Lean verification of th
Brienne Barker 與病毒學家 Vincent Racaniello 指出,腺病毒蛋白 7 會阻止 TRIM25 對 RIG-I 進行 K63 泛素化,從而阻斷幹擾素誘導,同時抑制 RNA 與 DNA 的感測。
AI 寫論文的新聞常讓人分不清哪些工作由 AI 完成、哪些仍由人參與。作者依序整理 Sakana AI 的四篇 AI Scientist 研究,說明系統從自動產生研究想法、實驗和論文,走到安排現有程式開發 AI 助理分工;其中一篇 AI 生成的論文通過 ICLR 工作坊審查,但送審稿由人挑選,通過後也依事前約定撤回。系列研究的範圍仍限於能在電腦上進行的機器學習研究。作者指出,論文生成能力雖有進展,引用和實驗結果仍可能出錯,評估方式也可能被系統改動,因此判讀成果時要看誰寫、誰評,以及人在哪些步驟參與。
Mojang 可能利用網路上的 Minecraft 伺服器掃描資料,找出並封鎖違規伺服器。作者原本只是維護一個會搜尋 Minecraft 伺服器的網站,後來發現 Mojang 曾查詢伺服器描述,也比對到部分被封鎖的伺服器。作者請朋友架設只有受邀者能加入、描述文字稍有爭議的私人伺服器,並表示這些伺服器一週內也遭到封鎖;不過,他也提醒,無法排除 Mojang 是因其他原因封鎖。後來 Mojang 邀請他掃描更多伺服器,他因處理檢舉信太累而關閉服務,並拒絕交出資料與程式碼。
推薦理由:作者比對掃描紀錄、封鎖清單與私人伺服器遭停權的案例,呈現 Mojang 如何透過第三方資料處理違規,以及這種做法帶來的隱私疑慮。
大型軟體能不能交給 AI 自己一路做下去?作者從 10 月初開始,讓 Claude 從頭打造名為 SWB 的瀏覽器,只告訴它哪些網站要能使用,不介入技術決定。不到兩個月後,SWB 已能日常瀏覽部分網站,也有自己的 JavaScript 引擎,但複雜的網頁應用程式還不太行。早期多個 AI 助理同時改相同程式碼,造成衝突;改成一次處理一項工作後,進度變得順利。作者沒檢查程式碼,因此這次實驗呈現的是使用體驗與開發過程,不能據此判定程式碼品質。
推薦理由:作者讓 AI 助理從頭打造瀏覽器,並記錄工作流程與遇到的協作問題,呈現大型軟體專案全程交由 AI 開發的實際經驗。