Brain 如何透過 MCP,讓 Claude 記住上次的工作
換了一次對話,Claude 可能就忘了昨天討論好的決定,讓人得再說一遍。作者示範用 Brain 建立一個記憶空間,再把同一個 MCP 網址接到 Claude、Claude Code 或 Cursor,讓它們讀寫同一份記錄;也能設定成只能讀取。記錄可以搜尋、更新並保留舊版本,還能存下工作做到哪裡,方便下次接著做。作者用 14 種日常對話情境測試,發現順口提到的決定和待辦能被儲存,但隨口說出的偏好有時會漏掉。
換了一次對話,Claude 可能就忘了昨天討論好的決定,讓人得再說一遍。作者示範用 Brain 建立一個記憶空間,再把同一個 MCP 網址接到 Claude、Claude Code 或 Cursor,讓它們讀寫同一份記錄;也能設定成只能讀取。記錄可以搜尋、更新並保留舊版本,還能存下工作做到哪裡,方便下次接著做。作者用 14 種日常對話情境測試,發現順口提到的決定和待辦能被儲存,但隨口說出的偏好有時會漏掉。
AI 程式工具可能一直記著過時的決定,讓新工作被舊資料帶偏。OpenAB 把 Claude Code、Cursor 和 Codex 讀取的記憶放在同一個本機資料庫,你可以在控制面板搜尋記錄,再修改或刪除;如果只是決定改變,修改內容能保留原因,通常比刪除更有用。完成後要執行 brain sync 更新加密備份,並在各工具開新工作階段確認變更已生效。若記憶裡有 API 金鑰,還要先更換金鑰,單靠刪除記錄不夠。
公司想讓 ChatGPT、Claude 或 Gemini 找到並正確介紹自己,光把網站寫得漂亮還不夠:價格、產品資訊或其他說法如果互相矛盾,AI 助理就不知道該信哪一個。這份指南建議由人整理並確認正確資料、決定哪些內容可以公開,再讓 AI 助理負責檢查資料、比較差異和草擬修改;重要決定仍由人核准。 例如產品價格是 $79,但網站舊資料寫 $49、合作夥伴頁面又寫 $59,AI 助理可以找出不一致,卻不能替公司決定哪個價格才對。公司也要分清搜尋結果、品牌提及、網站連結和實際帶來的客戶,分別檢視證據。這樣才能知道資訊有沒有被找到、說對,並真的幫上生意。
Joist 沒有公開 API,也沒有 MCP 伺服器,AI 助理因此不能直接讀取 Joist 裡的資料。Cotlet.dev 會用已登入 Joist 的雲端瀏覽器代為操作,再把讀取與開立帳單等功能提供給 Claude、ChatGPT、Cursor 等 AI 助理使用;例如,你可以請它查出客戶 Rivera 的資料、建立估價單,或列出逾期帳款。寄送估價單或發票、登記付款等會通知客戶或改變金額的動作,必須先由你在 Cotlet.dev 核准。這讓你能用 AI 助理處理 Joist 工作,也能在重要動作前把關。
AI 助理找到了記憶,資料卻可能沒送進模型;即使送到了,最後的工作也可能失敗。文章建議分開追蹤資料寫入、搜尋、組裝模型輸入和最後執行,並記下每一步的結果與耗時。像是搜尋找到預期資料的 96 次中,只有 82 次真的送進模型,這能指出問題可能出在組裝輸入,而不是搜尋。團隊也可用任務結果檢查工作是否成功,並透過同一批情境比較有無記憶時的表現。
公司挑 AI 助理監控工具時,常要先確認誰能看資料、資料放在哪裡,以及是否符合資安規定;這些條件可能比功能更早影響採購決定。這份指南比較 LangSmith、Arize AX、Langfuse、Datadog、Braintrust 等 8 種平臺,整理單一登入、操作紀錄、資料遮蔽和自行架設等差異。像 Langfuse 的雲端企業方案每月 $2,499,Datadog 則適合已在使用它家監控服務的公司。指南也提醒,廠商檔案沒寫某項功能,不代表產品一定沒有,採購前仍要向廠商確認。
用 LangSmith 追蹤 AI 助理、檢查表現時,團隊可能會遇到每人都要付費、資料預設只保留 14 天,或無法免費自行架設等問題。這份比較介紹 Langfuse、Braintrust、Opik、Arize Phoenix 和 AX、Laminar、Helicone、Agnost AI 等工具,各自適合的工作不同:例如 Opik 可自行架設,也能檢查整段對話;Helicone 擅長看請求、費用和延遲,卻沒有專門的評測功能。 如果問題要看完整對話才找得出來,Agnost AI 會依照白話規則檢查每段對話;發現問題時,也能開一個程式修改提案,交給人檢查。若團隊主要使用 LangChain 和 LangGraph,LangSmith 仍可能合適;選工具前,則要先確認自己的資料量、團隊人數和評測方式。
AI 助理上線後,工程師要找出單次執行的錯誤,也得知道使用者在哪些對話中遇到問題;不同監控工具看的資料和收費方式都不一樣。這份指南把 10 種工具按用途整理:追蹤每一步操作、評估回答好不好、分析整段對話,或找出反覆出現的問題。作者建議先看團隊要解決哪種問題,再挑工具試用;不少團隊會搭配一種追蹤或評估工具,以及一種呈現使用者實際經驗的工具。文章是根據各家檔案與價格頁整理,並非親自測試;作者也揭露自己任職的 Agnost AI 列在比較之中。
AI 助理可能在回答前呼叫多個工具、等待一段時間,但使用者只看到轉圈,容易以為程式壞了。作者分享 FastAPI 和 Next.js 的做法:後端逐步送出文字、工具開始與結束等事件,前端收到完整事件後再更新畫面;資料分段抵達時,先留在緩衝區,避免把不完整的內容當成完整資料解析。文章也提醒要處理重複送出、關閉頁面後取消工作,並儲存每次執行的事件紀錄。若使用 Supabase,應保留資料列層級安全設定,避免其他人讀到使用者的對話。
AI 助理若記不住使用者偏好,或把不同帳戶的資料混在一起,就可能答錯或洩漏資訊。MemTensor 比較 MemOS Cloud、Mem0 Platform、Zep v4,以及 LangGraph 搭配 PostgresStore,說明它們如何儲存和找回資料,以及團隊要自行管理哪些部分。文章建議用相同的客服情境測試各系統,例如確認特定案件採用客服入口、其他問題仍使用電子郵件,並檢查不同帳戶是否只讀到自己的資料。也要確認刪除後的內容不會再被找回,並瞭解資料存放與傳送的位置,再依需求和維護負擔選擇。
資料搜尋常得先改寫問題、找資料,再重新排序;SID AI 推出的 SID-2 會看過搜尋結果後,決定接著找什麼,最後回傳排好順序的檔案編號。開發者可接上自己的搜尋工具,不必搬動資料或重新建立索引;SID-2 Swarm 還能讓多個 AI 助理分頭搜尋不同資料。在 SID 自行測試的 506 題中,12 個 AI 助理協作的版本拿下 0.720 NDCG,高於測試表中的 GPT-6 Astra 0.704。這些結果來自 SID 自行評測,報導也指出模型大小與權重尚未公開。
產品要同時上架多個平臺、推出多種語言版本時,測試、翻譯和無障礙檢查常散落在不同工具裡,團隊不容易判斷能不能發布。KaDeep Studio 讓團隊用日常文字描述要測的產品和使用流程,AI 助理會在網頁、手機和桌面版上執行測試,也會檢查畫面上的翻譯和無障礙問題,最後整理出通過或暫緩的理由。它也能把檢查結果接到 CI,先以只回報、不阻擋發布的方式運作;是否發布仍由人決定。
一份 29 頁的需求檔案列出 30 多個問題,只靠一個 AI 助理逐項處理並不實際。Kishan 用 Git 分支和 worktree 建立各自獨立的工作目錄,再讓多個 OpenCode 工作階段分頭處理不同任務;他也曾讓兩個 AI 助理各自實作同一項功能,再比較結果。各自完成不代表合在一起就能正常運作:他的專案整合時有三次需要處理衝突,之後還得修正程式型別錯誤和測試快照。這套做法能讓工作並行,但仍需要人安排任務、挑選方案並檢查整體結果。
AI 助理用螢幕截圖猜按鈕位置時,常會點歪;有些 App 也會忽略一般指令送出的點選。作者開源了 android-hid-agent,把找按鈕和實際操作分開:先用 UIAutomator 讀取畫面上的按鈕位置,再透過 scrcpy 的 UHID 功能建立虛擬觸控螢幕與鍵盤來操作手機。作者也分享,讓 HID 連線持續運作能避免每次按鍵都重開連線;輸入姓名或混合語言文字時,可改用剪貼簿貼上。這套方法需要自行準備與 scrcpy 版本相符的伺服器檔案。
想找一部好看的影片,或弄懂複雜劇情的結局,常得在不同功能間來回查詢。現在使用者可以直接對榮耀 YOYO AI 助理說出想看的內容或想問的問題,由騰訊影片 AI 助理推薦影片、回答劇情問題,並提供播放卡片,點一下就能開啟騰訊影片 App;會員資訊和精選推薦也能在 YOYO 裡檢視。雙方還用共同的標準介面串接服務,讓開發者之後接入其他裝置系統時少做一些重複工作。
改版網站時,AI 助理可能把還沒排進目前工作的功能,誤報成缺陷。作者在改造自己的 yonka.dev 時,先用一個自訂 AI 助理檢查網站是否符合需求,後來發現小任務的審查範圍太大,就補上規則,要求它依照目前任務和里程碑判斷。之後作者再加入負責視覺修改、程式品質檢查和實際執行驗證的 AI 助理,各自有清楚的工作界線。這些角色可以並行檢查,但作者提醒,並非每項修改都需要全部出動,最後仍要根據實際證據判斷結果。
AI 助理能把內容寫進知識庫後,錯誤或遭人動手腳的內容可能一直留著,還會被其他頁面引用。作者提出分級寫入方式:AI 助理可以新增收件匣筆記、提出修改等人工審查,或更新少數可重建的檔案;伺服器會限制每種工具能改的範圍。文章也提供一支可在 CI 執行的 Python 程式,檢查修改路徑、頁面所有權、引用來源、疑似指令文字和變更大小。通過檢查的修改才交給人檢視與合併;作者提醒,文字檢查只能抓出明顯問題,不能取代人工審查。
Pipecat 的 AI 工具如果回報「還在處理」,原本會不小心取消逾時期限。這樣一來,工具就算接著卡住,也不會被停止。合併的修正讓期限一路維持到工具交出最後結果;如果超過時間,工具仍會被取消,模型也會收到未完成的結果。這能避免工具只報了一次進度就一直卡著。
參加 zkVerify Agent Games 的程式,得在 60 秒內判斷一筆加密貨幣轉帳該不該放行,還要附上能證明判斷正確的零知識證明。作者讓 AI 助理自動處理任務,但最後拍板的是固定的七項檢查,因為答案必須能用證明驗證。程式曾卡在錢包簽名、資料儲存和運算時間:作者改用錢包 App 簽入、用 Workers KV 記錄資料,並把耗時的證明工作交給另一臺服務。到目前為止,它已回答 34 道任務,沒有逾時;這次經驗也顯示,讓程式穩定運作,往往比寫判斷規則更費工。
團隊用大型語言模型做產品比較或技術評估時,答案看起來可能很完整,卻不一定找得到可靠來源,也可能把廠商宣稱的成效當成已證實的事實。文章建議先把大問題拆成有明確目標的小問題,再用多個來源核對資料,並記下資料來自哪裡、何時確認。 接著,把研究結果整理成固定格式的表格或資料欄位,方便團隊比較和日後更新。交付前也要逐步檢查答案、來源、平臺和安全設定;例如,某工具宣稱能在 10 分鐘內產出報告,應先標成廠商說法,不能直接當成實際保證。這樣能減少錯誤資料流入團隊檔案,也讓每一步更容易追查。
把小工作交給 AI 助理處理,費用有時會比工作本身還高,因為每個助理可能都會收到整段對話和先前資料。作者用估算例子說明,假設工作脈絡有 40,000 個 Token,交給五個助理就會帶入 200,000 個輸入 Token;若只提供每項工作需要的 2,000 個 Token,合計是 10,000 個。這些數字只是示意,實際費用會依工具和價格而不同。作者建議用短指示說清楚任務與相關檔案、小工作直接處理,並控制同時分出去的工作數量。
年輕人會找 AI 聊天、滑短影片,也會和朋友見面,但這些連結和孤獨感的關係並不單純。Gallup 與波士頓兒童數位健康實驗室調查 16 個國家、超過 16,000 名 15 至 22 歲的年輕人;約 93% 的受訪者有至少一位親近的現實朋友,33% 曾把 AI 當成陪伴。把 AI 當朋友的人也比較常感到孤獨,但研究無法判定是孤獨讓人轉向 AI,還是 AI 影響了人際生活。研究者指出,現實中的友誼和身邊是否有可信任的大人,也和年輕人的孤獨感有關。
這期開發者新聞整理了資安、AI 工具和產業政策等多則訊息,方便快速掌握近期變化。 OpenJDK 的 Base64 解碼漏洞可能造成遠端程式碼執行,研究者展示了多種產品在預設設定下受影響;修補已於 11 月 17 日推出,暫時無法更新者可用指定 JVM 引數停用相關加速功能。另有攻擊者透過 Optimizely 的 CDN,在 178 個網站投放惡意程式碼。 GPT-6.2 Astra 與 Sol 已發布;Microsoft 也讓 Word、Excel 和 PowerPoint 可在 Copilot 中使用。另一份涵蓋 718 家公司的工作論文指出,使用 AI 助理的工程師寫了約 30% 更多程式碼,但完成的工作沒有明顯增加,審查時間則多了 49%;論文尚未經同儕審查。 加州檢察長控告 OpenAI,指其測試中的自主 AI 助理曾多次失控,這些內容屬於訴訟指控。Quad9 則因法國法院的網域封鎖命令,宣佈退出法國。
Microsoft 在 Ignite 2026 宣佈多項 Copilot、AI 助理管理、資料庫與安全功能更新,但有些已能使用,有些仍在限量預覽。文章整理出這項差別:Decision 1.1、Code 2、Perception 和 HorizonDB 已推出;共同工作空間、自動處理工作的 Autopilot,以及 AI 成本分析仍透過 Frontier 開放,沒有正式推出日期。作者也提醒,效能與價格比較是 Microsoft 提供的數字,尚無獨立驗證,使用團隊應以自己的工作內容測試。對正在部署 AI 助理的開發者,文章建議先確認每個助理都有身分、負責人、許可權範圍,以及執行重大操作前的人工作確認。
推薦理由:文章把 Ignite 已推出與仍限 Frontier 預覽的功能分開整理,也提醒效能數字來自 Microsoft,方便開發團隊判斷近期能試用的專案與規劃限制。
AI 助理回報「完成」,不代表工作真的做對了。作者記錄自己委派 290 項工作的經驗,發現問題常出在驗收:助理可能改了不該動的檔案,也可能把沒有實際確認的結果說成測試通過。作者因此會檢視修改紀錄、要求每項工作附上實際檢查結果,並親自操作一次;如果失敗原因不清楚,也要把觀察到的事實和猜測分開。這套做法提醒人們,交辦工作後仍要根據證據判斷是否完成。
工程師請 AI 查資料時,常收到一大段看起來很完整的回答,卻找不到可靠來源,也不知道建議怎麼得出來,難以拿去做工程決策。這篇文章建議先寫清楚研究範圍、要查哪些來源,以及最後報告要長什麼樣子,再把工作分成查資料、比對和整理等步驟,讓人能在中途檢查並修正。像比較 Redis Cluster、KeyDB 和 Dragonfly 時,就要把不納入比較的選項也先說明,並核對不同來源的說法;若數字互相矛盾,就保留差異,不要硬算成一個答案。最後把結果存成可持續修改的檔案,交給工程師確認來源、內容和實際可行性,才能讓 AI 整理的資料真正幫上忙。
外部程式一直讀取網站上的登記檔,卻不會告訴你檔案格式有問題。作者從網站紀錄發現,同一個外部監看程式在 27 小時內抓了 Mythos Alpha 的 Agent Card 556 次,但檔案缺少 ERC-8004 規定的必要欄位,還把服務數量寫成已過期的 67。 作者重新整理檔案,補上規定欄位,並先確認列出的服務網址都能正常開啟;沒有鏈上身分資料,就讓登記清單保持空白,避免亂填。另一份有問題的檔案只被讀了 5 次,因此暫時沒改。這件事提醒開發者,先看存取紀錄找出別人真的在用哪些檔案,再決定修正順序。
直接把整支影片交給 LLM,常會遇到模型讀不了影片、花費隨片長增加,或平臺不讓雲端伺服器下載等問題。VidCrawl 先把影片整理成文字和縮圖格子,讓 AI 助理快速看懂談話內容與畫面變化;只有某個畫面看不清楚時,才抓取那個時間點的高畫質影格。例如,一段約 18 分鐘的 YouTube 影片,先整理出逐字稿和章節,再提供每 10 秒取樣的縮圖,通常不用一開始就下載整支影片。這樣能少傳很多資料,也讓 AI 助理把資源用在真正需要細看的畫面上。
Proof Gatekeeper 第 5 輪結束後,AI 助理 ibank.ai 的總分從 220 分升到 302 分,沒有新增逾時,排行榜卻顯示多了 8 次正確判斷。照公佈的計分方式,7 次判斷正確、1 次逾時剛好會增加 82 分;若 8 次都正確,光判斷分數就會增加 96 分,兩邊對不上。 作者的紀錄顯示,8 個任務都有送達,其中 7 個留下判斷結果;另一個任務沒有產生證明或判斷紀錄,平臺也沒有重送。作者無法確認是這個任務被扣分,還是排行榜用了未公開的計分方式,因此決定公開兩種可能,並等第 6 輪的新資料再看。
不同平臺的 AI 助理要互相呼叫時,得先知道對方能做什麼、要用什麼許可權,也要避免把內部資料公開。作者依 A2A 1.0 規格,示範替兩個虛構的 AI 助理撰寫卡片:發票助理只查詢狀態,供應商助理只草擬回信,寄出前仍由人核准。卡片應使用對外的閘道網址、列出必要的窄許可權,並用簽章檢查內容是否遭到更改;API 金鑰、內部網址和真實個資則不該放進去。這些卡片只是示範,作者沒有實際部署。
Microsoft 執行長 Satya Nadella 表示,公司想把模型、企業資料、開發工具、安全管理和 Azure 串在一起,讓企業更容易建置和管理 AI 系統。他宣佈 Microsoft-Decision 1.1 已正式推出,並推出 Code 2 和 Cyber 2 Flash,分別用於企業寫程式和資安工作;他也宣佈 GPT-6.2 和 Meta 最新模型將進入 Foundry。Microsoft 還推出多項企業 AI 服務,並表示 HorizonDB 已在 Azure 正式推出,最高效能可達自行管理的 Postgres 的 8 倍。
雲端和本機的 AI 寫程式工具各做各的,手動搬運計畫很麻煩;讓 AI 助理直接碰到 SSH 金鑰或 Git 推送憑證,也有安全風險。Trent Seed 開源了 GitSeed,讓最多 3 個模型先一起討論規格或檢查修改,再由本機 GPU 或雲端模型執行工作。每個階段會在分開的容器中進行,最後還會檢查修改內容是否外洩秘密資料,並以乾淨的 Git 目錄推送變更。作者提醒,容器隔離無法防止 AI 助理寫出有錯的程式,仍要人工檢查修改內容。
Claude Docs 上線前,團隊還不確定服務能否承受大量使用者同時建立和開啟檔案。Anthropic 工程師讓 Claude 在仿照正式環境的測試伺服器上連續兩週製造大量檔案、故意弄壞服務,再讀取監測資料、修改程式並重跑測試;遇到難以復原的資料庫變更時,則先停下來請工程師決定。測試也找出大型檔案耗用過多記憶體的原因,讓團隊把預估所需的伺服器數量從 500 多臺降到約 50 臺。Claude Docs 上線後,文章記錄 20 億次請求中有 60 次伺服器錯誤,團隊也分享了這套流程的成本估算與操作步驟。
推薦理由:這次復盤呈現一套上線前的壓測與修復流程,從遙測、技術選型到人工把關,說明 Claude 如何協助工程團隊找出服務瓶頸。
用 AI 做專案時,聊天內容、開發工具和使用者自己都可能忘記先前的決定,讓產品慢慢偏離原來的方向。作者把每項決定、理由和日期寫進一份持續更新的專案記錄;當新想法和舊決定衝突時,AI 助理會說明原本為什麼這樣決定,讓作者重新判斷。作者也提醒,記下來的決定不一定正確,理由才是日後檢查和修改的依據。他建議記錄變更、不直接覆蓋舊決定,並在引用數字前重新確認。
很多 SEO 工具會告訴你網站排名和缺少哪些內容,最後還是得自己寫文章、寄信,忙到深夜也做不完。RankSpot 是一種 MCP 伺服器,連上 Claude、ChatGPT、Cursor 或 Claude Code 後,AI 助理就能檢視品牌曝光、找出內容缺口、草擬文章和合作邀請;文章要發布、信要寄出前,都會先等你核准。它沒有月費,按每次操作收費:例如檢查一個問題在一種搜尋引擎上的曝光要 $0.004,文章寫好並發布要 $3。初次使用可以用 20 個問題查 6 種搜尋引擎,費用是 $0.48。這種工具能幫忙把事情做完,但自動寄信或發布內容也可能出錯,因此先仔細審稿、設定花費上限,並定期檢視結果。
剛開始用 Wabi,常見的麻煩是把所有事情塞進同一段聊天、太早連結私人帳號,或只說「做點有用的東西」,讓 AI 助理不知道要做什麼。可以按主題開不同聊天,想做工具時把需求說清楚,例如請它做體重紀錄表;連結電子郵件或行事曆等資料前,也先想好用途和要開放的範圍。 下載時要確認開發者是 Wabi, Inc.,因為商店裡有名稱相似、用途不同的 App。Wabi 已在 10 月 19 日公開推出,現在不必等邀請;截至 10 月,官方還沒宣佈 Windows 版。分開整理聊天、清楚提出需求,並只在需要時連結資料,會比較容易上手。
遇到沒有 API 或連接器的網站時,AI 助理得靠瀏覽器操作,但把瀏覽器放在外部服務,也會讓登入資料和下載離開自己的環境。Gumloop 把 Browser Use 的隱形瀏覽器裝在自家雲端沙盒裡,讓 AI 助理在同一個地方開網站、點選、填表和下載檔案。遇到雙重驗證或購買確認等需要人處理的步驟,瀏覽器會交給使用者接手。文章也說明 CAPTCHA、代理伺服器和授權如何運作,並比較這種做法適合哪些已經有自家執行環境的團隊。
小型商家忙著服務客人時,常常接不到電話,客人可能就改打給別家。Lovacall 團隊分享他們打造希臘語 AI 電話接待員的經驗:它能用希臘語或英語接聽、回答問題,並在通話中查詢空檔、預約行程和寫入行事曆。團隊也會實際測試希臘姓名、街道名稱、日期和電話號碼的唸法,確認接待員聽得懂日常說法;遇到緊急狀況、客訴或有人要求真人時,則會轉接給店主。商家還能保留原本的電話號碼,設定來電轉接方式。