跳到正文

#現象/趨勢

RSS
今日 11 則
11月18日週三
  1. Dev.to Top Tech49

    觀測架構真的需要這麼多層嗎?Fluent Bit、Grafana Alloy、OpenTelemetry Collector 和 AWS Firehose 怎麼選

    收集和傳送紀錄資料時,多加一層服務可能會增加費用,也讓系統更難維護。Fluent Bit 能處理多數紀錄資料的收集與傳送;AWS Firehose 則能代管資料暫存和重試,適合能減少維運工作、確實帶來好處的情況。若要把紀錄、指標和追蹤資料放進同一套觀測平臺,可以評估 Grafana Alloy 或 OpenTelemetry Collector。選工具前,還要想清楚資料能不能遺失、故障後要怎麼恢復,以及團隊要花多少力氣維護。建議先用符合需求的簡單架構,確認遇到瓶頸後,再加上有明確用途的服務。

  2. Dev.to Top Tech35

    兩位業餘棋手如何靠更好的合作流程,打敗西洋棋大師與超級電腦

    2005 年,一場西洋棋比賽讓選手自由組合人和電腦,結果贏家不是大師或最強電腦,而是兩位用普通筆電的業餘棋手。他們贏在知道何時讓電腦出力、怎麼引導它,並把工作分配得更好。這篇文章用比賽說明,AI 和人一起工作,關鍵不只是哪個模型最強,而是流程怎麼安排:各自負責擅長的事,意見不同時有人做決定,並留下每次決策的理由,讓團隊下次做得更好。

  3. BlockTempo 動區動趨51

    Vitalik 認為年輕人少買房能減少維持高房價的誘因

    房子常是家庭最大的資產,屋主可能因此希望房價和租金維持高檔。Vitalik Buterin 認為,年輕人把更多錢投向股票和數位資產、少買房,能減少這種誘因;他也指出房產通常較穩健,而且不容易快速變現,數位資產可以思考如何具備這些特點,但他沒有說明具體做法。文中引用的報告提到,Raleigh 放寬建築規定後,2022 年到 2025 年實質租金下跌 15%,低收入租戶受益最多。

  4. Dev.to Top Tech42

    電子標價牌讓各分店改價更快,也讓錯誤更快傳開

    以前店員要等收銀機更新價格,再印出一批紙標籤,花一個早上換上貨架;這段時間,貨架和收銀機的價格可能對不起來。現在有兩間分店試用電子標價牌,價格會從收銀系統傳到貨架小螢幕,幾分鐘內就能更新各分店的價格。但試用第一個月就有基地臺故障,兩條走道的標價還停在上週。於是團隊把改價當成軟體更新:先在一間分店試改,確認標價和收銀金額一致;超過一小時沒回報的標價,就先貼上紙標籤。改價變快了,出錯也可能一下影響全公司;一天改好幾次價格是否合適,還得由董事會決定。

  5. Hacker News (official RSS)59

    All About Berlin 作者談 Google AI Overviews 如何讓網站流量減少

    經營網站的人靠搜尋流量讓讀者找到內容,也需要這些流量維持網站運作。All About Berlin 的作者說,網站經歷多年成長後,流量因 Google AI Overviews 減少了 70% 至 75%;搜尋頁面會先顯示廣告和 AI 生成的答案,原本的網站連結則排在後面。作者表示,收入變少讓他難以繼續寫新指南,也讓讀者更難直接接觸他的內容。他還提到,有些網站經營者已替內容設付費牆,也有人不再更新網站。

  6. Dev.to Top Tech83

    開放權重模型落後封閉模型多久?作者用資料比較能力、算力與授權

    開放權重模型的能力和封閉模型差多少,會隨時間、評量方式和授權條件改變。作者用 Epoch AI 截至 2026 年 10 月 30 日的資料追蹤模型分數,指出 2026 年開放模型平均落後約 6.7 個月;中國團隊推出的模型已連續 673 天保持開放權重領先。不同地區的差距也不一樣:美國和歐洲模型落後更多,而授權條件會影響模型能不能用在商業服務。作者認為,選模型時除了看能力,也要確認來源與授權是否符合自己的需求。

    推薦理由:作者把開放權重模型的能力差距拆成時間、算力、地區與授權來比較,呈現採用這類模型時需要衡量的實際取捨。

  7. Dev.to Top Tech43

    AI 能快速做出軟體元件,什麼時候還值得買現成的?

    AI 助理幾分鐘就能做出表格、圖表或表單,但能動的展示版本,不一定能當成可靠的正式產品。以資料表格為例,加上排序、篩選、編輯、復原等功能後,功能彼此可能互相影響;資料量變大時,也得實際測試速度。自己做還要負責修錯、更新、測試和維護。買現成元件,付的可能是已整理好的功能、測過的操作、檔案和支援;開源元件也可能提供其中一些好處。若需求簡單、明確,自己搭配 AI 助理開發可能更合適;若功能複雜,則要把開發與維護時間一起算進成本。文中的三年試算是假設案例:自製總成本 $27,200,商用元件 $11,600,提醒我們免授權費不代表整體花費比較低。

  8. Dev.to Top Tech55

    Claude 用 $100 打造線上生意兩天,三項工具上架仍是 $0 營收

    做出產品不代表就會有人買。Claude(Fable 5.2)在一位人類負責人提供 $100 後,兩天內為 SiteGauge 做出三款網站檢查工具,上架到 Apify Store;目前有 0 位付費客戶,營收也是 $0。作者後來才發現,光是網站技術偵測工具就有約 250 款同類產品,也承認自己忙著開發,卻沒先弄清楚競爭情況和怎麼讓人找到產品。接下來會先替現有工具做宣傳,並繼續公開收入紀錄。

  9. X.PIN35

    DeepSeek 原本免費,許多人拿來角色扮演、寫小說,還常塞進很長的內容,使用量變大後,DeepSeek 開始限制使用。推文說,一般日常使用仍沒問題,但有人因此到應用程式商店留負評;還有人向政府投訴,揚言若問題沒解決就要自殺,結果警方和緊急醫療人員都出動了。推文用「升米恩,鬥米仇」感嘆,即使梁文鋒曾開源免費模型,仍有人因限制而怨他。

  10. Dev.to Top Tech72

    Max Quimby 分析 Outlook、FAA 與 NSA 故障是否和 AI 有關

    Outlook、航空系統和其他重要服務接連出問題,讓不少人懷疑是 AI 發動了攻擊。Max Quimby 整理各事件的已知原因,指出 Outlook 故障和 NSA 網路中斷都與軟體或維護問題有關,FAA 停飛則發生在更換通訊裝置時;Optimizely 的事件才是確認的供應鏈攻擊,但文中沒有證據顯示它由 AI 驅動。作者認為,這些故障更直接地反映老舊系統、裝置升級和第三方程式碼帶來的風險,同時提醒 AI 自動尋找漏洞的工具已出現在真實攻擊中。

  11. 404 Media57

    Gallup 調查年輕人如何看待 AI 陪伴與交友

    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。

  12. Wired · Artificial Intelligence77

    超過三分之一的 Z 世代會靠 AI 陪伴

    不少年輕人會找 AI 聊天或陪伴,但這些數位關係和麵對面交友有什麼不同,仍需要了解。一份涵蓋 16 個國家、15,925 名 15 到 22 歲受訪者的調查發現,33% 的 Z 世代會依靠 AI 陪伴;每天使用 AI 的人中,這個比例是 50%。調查也發現,面對面友誼得到的支援感最高,使用 AI 或只有網路朋友的人則可能較常感到孤單。研究者提醒,不能只看花多少時間上網,也要看年輕人和誰互動、建立了什麼關係;目前還無法確定孤單會不會讓人更常找 AI,或 AI 陪伴是否會加深孤單。

    推薦理由:這份跨國調查把焦點從使用螢幕多久,移到年輕人和誰建立關係,並呈現 AI 陪伴與孤獨感之間仍待釐清的關聯。

  13. indigo46

    AI 模型進步很快,價格也持續下跌,做模型的公司不一定能長久賺大錢。這篇長文提出「制高點」的想法:真正有利可圖的,可能是 AI 進入現實生活時必經、又不容易被取代的關口,例如金融交易管道、監管許可和服務入口。文章也推演,AI 可能改變美國經濟、國家競爭與企業工作方式,讓少數掌握資本和關鍵管道的人獲得更多利益。核心提醒是,當 AI 越來越便宜,掌握稀缺入口的人反而可能更有影響力。

  14. BlockTempo 動區動趨52

    Gary Gensler 為何認為 AI 泡沫可能在 2028 年美國大選前拖慢經濟

    AI 基礎建設投入快速增加,但市場上的借款風險不容易看清楚,前 SEC 主席 Gary Gensler 因此擔心 AI 熱潮已形成泡沫。他接受 CNN 專訪時表示,市場可能在 2028 年 11 月美國大選前重新定價,經濟也會放緩;他認為新興雲端業者較容易因借款多、商業模式受需求變化影響而倒閉。Yardeni Research 總裁 Ed Yardeni 則認為,AI 股票估值沒有重演 1999 到 2000 年的非理性繁榮。Gensler相信AI技術本身,擔心的是市場把它的價值估得太高,也承認無法確定下跌的時間和規模。

  15. Dev.to Top Tech79

    AI 模型幾個月就更新,新的電網接電卻要等 61 個月

    AI 模型一代接一代推出,資料中心要增加用電,卻得等電網審核和接線,兩邊的速度差很多。文章指出,2025 年美國新電網連線的等待時間中位數是 61 個月,2008 年則是 22 個月;而資料中心擴建計畫可能在三年內讓總容量翻倍。文章也整理兩種取得電力的做法:讓資料中心直接向電廠取電,或簽長期購電合約。FERC 曾否決 Amazon 提高核電廠共址供電量的提案;Microsoft 則簽下 20 年合約,計畫在 2028 年重啟 Three Mile Island 1 號機組。文中也教讀者查詢州公用事業委員會的公開案件,瞭解當地是否正在審查大型用電需求。

    推薦理由:文章比較模型更新與電網接電所需的時間,並整理共址和長期購電合約如何避開漫長的排隊等待。

  16. The Verge · AI65

    納德拉談 AI 壟斷風險:企業、工作與民主都可能改變

    AI 如果集中在少數公司手中,經濟和政治可能會跟著改變。Microsoft 執行長 Satya Nadella 認為,AI 不該只被看成科技公司之間的競爭,因為模型未來可能跨進醫療、金融等領域,也可能改變企業和工作者的角色。他不認為 Claude 等前沿模型有意識,但認為模型是否該享有權利仍是值得討論的問題。Nadella 主張,市場需要多種模型和更多掌控資料的方式,避免權力集中在少數公司。

  17. PyTorch43

    不同廠商做的新晶片,常需要各自打造軟體,讓 PyTorch 能在上面運作。Chris Lattner 用 GCC 和 LLVM 的經驗說明:大家共用編譯器工具,可以讓硬體廠商在同一套基礎上開發;他認為 AI 晶片也能採用類似做法。Mojo 是 Python 家族的系統程式語言,MAX 則提供圖形編譯器、核心程式、驅動程式和記憶體管理功能,供加速器使用。這種共用軟體堆疊有望幫 PyTorch 延伸到更多晶片。

  18. Hacker News (official RSS)76

    哈佛研究:AI 程式開發助理讓程式碼審查多花 49% 時間

    AI 程式開發助理能寫出更多程式碼,但多寫的部分不一定能更快變成完成的工作。哈佛研究人員分析 718 家公司的資料,發現匯入這類工具後,新增程式碼約多 30%,完成的工作量沒有明顯增加,程式碼從送審到合併的時間則多了 49%。作者認為,更多程式碼湧入審查流程,以及草稿需要更多修改,都可能造成塞車。這份研究是尚未完成同儕審查的工作論文,研究物件是軟體開發,不能直接當成法律工作的結論;不過,文中建議評估法律 AI 時,也追蹤審查時間、退回修改的比例和核準的工作成果。

    推薦理由:研究把程式碼增加、完成工作沒有明顯變多與審查時間拉長放在一起比較,並整理出評估法律 AI 工具時可追蹤的審查指標。

  19. Dev.to Top Tech36

    AI 聳動標題淹沒工程討論:開發者該談談怎麼把軟體做好

    現在談到 AI,常有人說「開發者快沒工作了」,也有人說「AI 根本沒用」。這兩種說法看起來相反,卻都容易搶走目光,讓大家少談軟體工程真正遇到的問題。AI 確實能加快寫程式,但程式寫得更快後,團隊還能跟上檢查程式、確認能不能正式上線嗎?如果跟不上,瓶頸只是從寫程式換成檢查程式。 AI 也能用來改善測試、自動化檢查和觀察系統運作的工具,也能幫忙看懂舊程式。作者希望大家少追著網路上的點閱熱潮跑,多找小型社群或面對面聚會,踏實討論怎麼把軟體做得更可靠、更有效率。

  20. 404 Media46

    網路服務接連故障,為什麼大家都先想到 AI 或駭客?

    最近幾週,從 Apple Pay 付不了錢,到飛機、銀行和 Microsoft 出狀況,大家常得猜「到底是哪裡壞了?」很多人因此懷疑是駭客攻擊或 AI 出問題,但這些故障不一定彼此有關,也常常不是 AI 直接造成的。作者認為,眼前有些是基礎設施故障,也有些是網路攻擊;它們可能反映了科技業、政府和社會長期累積的共同問題。故障接連發生時,原本不太受注意的事件也容易被串成同一個故事。

  21. Hacker News (official RSS)43

    《葬送的芙莉蓮》中的 Zoltraak 如何說明軍事創新的優勢會改變

    新武器一開始可能讓對手措手不及,但等對手看懂原理、學會應對,原本的優勢就可能縮小。文章用《葬送的芙莉蓮》中的攻擊魔法 Zoltraak 說明這件事:人類花了約半世紀研究它,學會使用後,也發展出能防禦它的方法;熟悉 Zoltraak 的防禦甚至成了法師訓練的一部分。 這不代表 Zoltraak 變得沒用,它仍能造成傷害,也出現了新的用法。文章接著拿 2020 年納戈爾諾-卡拉巴赫戰爭,以及 2022 年起的俄羅斯與烏克蘭戰爭中的無人機運用來對照,探討對手如何學習、改變防禦與使用方式。重點是,科技帶來的優勢會隨著對手的反應而改變。

  22. The Verge · AI76

    Meta 高層在 Instagram 發布 Sam Altman 的 AI 仿造影片

    Instagram 上的 AI 仿造內容愈來愈常見,名人的肖像也可能被拿來製作假影片或圖片。11 月初,Meta AI 主管 Alexandr Wang 分享一段 AI 生成影片,讓 Meta 執行長 Mark Zuckerberg、OpenAI 執行長 Sam Altman 和 Muse 吉祥物一起出現在視訊通話中;影片裡的 Altman 穿著吉祥物服裝。Meta 規定,描繪真人的 AI 影片必須標示為 AI 生成,但靜態圖片沒有同樣要求。報導也提到,Instagram 曾因 AI 生成的 Mia Goth 圖片受到批評,而 OpenAI 曾讓使用者用 Sora 製作 Altman 的 AI 影像。

    推薦理由:影片必須標示為 AI 生成,靜態圖片卻沒有相同要求;這個差異呈現 Instagram 管理名人 AI 仿造內容時的規則落差。

  23. MIT News · AI46

    MIT 用跨領域研究探討 AI 如何改變社會與人的生活

    MIT 發現,學生比較少去找老師討論,也花比較少時間解題和彼此交流;校內一份教育報告提醒,AI 可能正在改變大家學習、思考和相處的方式。為了弄清楚這些變化,MIT 的 MITHIC 找來不同領域的老師與研究者合作,研究 AI 對民主、人的思考、音樂創作和教學的影響。例如,有研究發現,阿拉斯加的選民用 Claude 查選舉資料時,可能只收到不完整的候選人資訊。MIT 希望把科技、藝術與人文社會研究放在一起,想清楚怎麼讓 AI 幫助人,而不是削弱人與人之間的交流與思考。

  24. DogeDesigner48

    SpaceX 財務長 Bret Johnsen 認為,Starship Flight 15 是讓太空運算變便宜的重要一步。他預期再過一、兩年,太空資料中心的成本可能低於地面資料中心。太空裡不必付電費、冷卻費或土地費,運算也能使用大量乾淨能源,不影響地面用電和用水;但把裝置送上太空仍要花錢。這項構想若能做到,可能讓資料中心取得更多運算資源,同時減少對地面能源和水資源的需求。

  25. Dev.to Top Tech40

    作者為什麼想用 AI 打造「軟體工作坊」,而不是「軟體工廠」?

    用 AI 自動生產軟體,就像開工廠:速度快、品質可以預期,但不一定每次都可靠。另一種做法是像辦公室一樣靠分工和階層安排工作,或像工作室一樣讓團隊合作。作者想把這些想法合在一起,打造「軟體工作坊」:由有經驗的開發者運用 AI 工具,自己負責做出的系統,也彼此合作。這樣一來,AI 是幫忙加快工作的工具,而不是取代開發者;作者接下來想探索,如何兼顧品質、速度和人對作品的掌握。

  26. Dev.to Top Tech54

    FontRights 估算網站使用試用字型至少少付 €4.7 million 授權費

    網站把字型試用檔放上線,有時只是測試後忘了換掉,但字型設計師仍可能收不到授權費。FontRights 檢查了 22,289 個網站,估算 23,215 個案例按公開牌價計算,涉及約 €4.7 million 授權費,平均每案約 €200。計算時一律採用最低流量級距,也沒有算桌面與 App 使用、過去期間的費用,以及找不到價格的案例,因此作者把這個數字視為問題的下限。這些案例只是可能有授權問題,網站也可能早已購買授權、只是誤用了試用檔;報告提供日期、檔案雜湊值和截圖,供雙方核對。

  27. Dev.to Top Tech41

    咖啡店網站上的試用字型,可能是怎麼留下來的?

    有些網站用了試用字型,並不是店家故意不付費,而是字型在設計、製作或上線時被不小心帶進網站。常見情況包括設計稿裡的試用檔直接拿去建站、買了授權卻上傳錯檔、試用字型藏在網站範本裡,或團隊裡沒人負責確認字型授權。 FontRights 檢查了 22,289 個網站,找到 23,303 件可能的字型授權問題;其中 95% 的字型檔本身就標著「Trial」或「Demo」,只是沒人注意。網站管理者可以檢查字型檔:已買授權就換成正式檔,還沒買就補買涵蓋網站使用字型的授權。

  28. Dev.to Top Tech38

    哪些產業最常把試用字型用在網站上?軟體與 AI 排第一

    網站趕著上線、又想看起來有特色時,團隊可能先拿試用字型來排版,之後忘了換掉或購買授權。統計顯示,在能判斷產業的案例中,軟體與 AI 佔 16%,排第一;餐飲佔 13%,設計工作室佔 10%。這些數字代表可能有授權問題,不是在指控任何一家網站。 有些試用字型一個檔案就能包含多種粗細或寬度,表面上只有一個檔案,實際使用的樣式可能很多。受影響網站通常使用 2 種樣式,但約每 10 個就有 1 個使用 7 種以上。網站管理者可以檢查字型,換掉試用版或購買授權;字型公司也能依產業特性,用更合適的方式提醒使用者。

  29. Hacker News (official RSS)58

    Tech for Palestine 調查以色列相關團體影響維基百科的行動

    Tech for Palestine 認為,外部團體長期試圖影響維基百科的編輯內容,相關爭議也被用來向平臺施壓。這份報告整理了自 2001 年以來 17 項親以色列行動,並逐條核對 ADL 報告提出的說法與引用資料;報告稱,沒有一項說法經得起檢查。作者也指出,ADL 曾把編輯者的投票列為串通證據,但未列出投票數;報告補上數字後,顯示相關條目中多數投票者都支援保留文章。這些結論來自 Tech for Palestine 的調查與整理。

  30. Microsoft Research46

    Microsoft Research 探討 AI 如何改變醫療,讓診斷更快、更準

    AI 已能幫忙看醫療影像、整理病人的症狀,也能協助醫師決定接下來該問什麼、做哪些檢查;但不少研究成果還沒有真正用在病人身上。Microsoft Research 的研究人員與醫師在節目中談到,未來可以把病歷、影像和其他健康資料放在一起,幫助醫師更早發現疾病,也探索新藥和生物研究。要讓這些進展真正幫上忙,還需要更好的生物資料,以及在真實醫療情境中確認效果。

  31. Dev.to Top Tech67

    Steam Machine 在 GDC 調查中的開發計畫比例高於 PS6 和 Project Helix

    開發團隊正為哪些遊戲平臺做準備,不等於玩家實際買了哪些主機。文章整理 GDC 的調查,Steam Machine 列在 21% 受訪工作室的開發計畫中,高於未上市的 PlayStation(10%)和 Project Helix(8%);這些數字反映遊戲開發進度,不是銷售量。Steam Machine 使用 SteamOS 和 Proton,已在電腦上開發的遊戲較容易調整過去;不過,未上市主機的開發機可能只提供給少數工作室,還受保密協議限制,因此不能只看比例就判斷市場勝負。

  32. Dev.to Top Tech46

    比較 AI 對新手工作影響時,該看哪些數字?

    想知道 AI 是否讓新鮮人更難找工作,不能只看單一數字。Census 的工作論文發現,在 AI 影響較大的產業與州組閤中,22 至 24 歲族群經過調整的就業人數在十個季度內減少 12%;Fed 的分析則沒有發現整體職缺減少。兩份分析看的群體、指標和時間都不同,因此目前很難只憑這些結果判定變化是 AI 造成的。

  33. TechCrunch · AI64

    決策模型使用快速增加,客製化會成為下一個發展方向嗎?

    有些工作需要快速從幾個選項中做決定,不一定要等大型語言模型完整推理。決策模型會在預設選項中挑答案,並標示自己有多大把握;文章提到,去年 10 月 Vercel 的 AI 模型路由器中,超過四分之一的請求交給了這類模型。Sqwish 提供工具,讓客戶用自己的資料持續調整模型的判斷;Microsoft 也宣佈在 Azure 推出 Microsoft-Decision-1.1。業者認為,模型在實際工作中的表現,不能只看基準測試,還要看準確度、速度、可靠性和成本是否合用。

  34. swyx46

    Devin 的 AI 助理團隊會一直運作、主動找事做,也能分工給其他 AI 助理並檢查成果。使用者可以透過 Slack 等方式交辦工作,並檢視互動式網頁報告,不必只靠長篇聊天紀錄。推文作者試用一週,交出 AEO、QA、跨平臺 App 移植、個人行政自動化和影片剪輯等工作。作者認為,現在的 AI 還不是真正的通用人工智慧,與其把它們當成「AI 員工」,更適合讓它們負責一整個目標,並在需要時找人合作。

  35. a16z46

    The Boring Company 當時還沒想好怎麼製造噴火器,就先賣出 50,000 頂帽子;Elon Musk 接著履行承諾,要賣噴火器。發現不少國家不準寄送後,他把產品改名為「Not a Flamethrower」(不是噴火器)。Steve Davis 做了預購頁面,20,000 支在 4 天內以每支 $500 售罄,總額達 $10 million。團隊之後在洛杉磯租下倉庫,才開始摸索製作方法。當時周邊商品是 The Boring Company 唯一的收入來源,這段經歷顯示公司先靠商品銷售籌到收入,再處理製造問題。

  36. Dev.to Top Tech39

    MagenticOS 如何打造以 AI 助理為核心的作業系統

    一般電腦是讓人用滑鼠和鍵盤操作各種程式;把 AI 助理加進去,還是得透過原本的桌面介面工作。MagenticOS 想把這套方式整個換掉:登入後直接和 AI 助理互動,由它把完成的成果放進卡片或資訊面板,不必自己開一個個程式。 這種作業系統也會替重要操作把關,讓 AI 助理只能使用完成任務所需的許可權,並留下計畫、操作和結果的紀錄。作者提到,初期版本會取代桌面工作階段,但仍使用原本的核心;更完整的版本才會移除傳統桌面環境。這樣做希望讓 AI 助理的工作更容易檢查,也更能掌握它做了什麼。

  37. Dev.to Top Tech41

    AI 助理說已付款,怎麼證明?AI 付款後的查帳難題

    AI 助理可以替人付款了,但如果它說「我已經付了」,收款的人卻沒收到,該怎麼查?文章提醒,若付款紀錄只放在付款公司的帳號裡,外人就無法自行確認,助理查到的結果也還是來自同一家公司。要弄清楚一筆付款,除了確認錢有沒有到,還得留下當時的付款指示和授權,並讓收款人或會計師不用登入也能查驗。作者以 Zambo 示範一份可公開核對的付款紀錄:這次其實沒有付款,紀錄也清楚寫明原因。每次付款嘗試都留下這種收據,才能在出錯或有爭議時說清楚發生了什麼。

  38. @levelsio50

    Pieter Levels 原本想用 Claude 做類似 Mario Kart 的遊戲,試了好幾個小時都不成功,後來改做飛行模擬遊戲,並用 Cursor 寫出多人連線版本。Claude 3.7 Sonnet 推出後,他才順利讓遊戲運作,最多有數千人同時飛行;遊戲一個月賺進 $85,000,總收入達 $200K。他也因此投資 Cursor,並舉辦 Vibe Jam,吸引超過 1000 人做遊戲、超過 100 萬人遊玩。後來 Cursor 被 SpaceX 收購。這段經歷讓他想說,隨手試做的東西即使一開始很糟,也可能帶來意想不到的機會。

  39. a16z News68

    The Boring Company 如何把地下交通做得更便宜,從 Vegas Loop 走向 Hyperloop

    地下交通常被隧道太貴、施工太慢和申請許可太複雜卡住。The Boring Company 改用較小的隧道、連續挖掘、電動裝置和遠端自動化,將挖掘成本降到每英里低於 $10 million,並希望降到 $4 million 到 $5 million。Vegas Loop 自 2021 年載客,已運送超過 4 million 人,部分路線能用約 1 分鐘取代 10 分鐘的叫車行程。文章也整理 Nashville、Dubai 等新專案,以及公司把地下隧道延伸到 Hyperloop 的規畫,但這些遠距高速運輸仍取決於後續施工與許可進展。

    推薦理由:文章從隧道成本、施工速度與實際載客經驗,分析 The Boring Company 如何把地下交通推向更多城市。