[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"article-grok-updates-change-how-i-code-zh":3,"article-related-grok-updates-change-how-i-code-zh":30,"series-ai-agent-88039142-d59c-4ee5-b9f4-f737920c022d":81},{"id":4,"slug":5,"title":6,"content":7,"summary":8,"source":9,"source_url":10,"author":11,"image_url":12,"cover_image":12,"category":13,"language":14,"translated_content":11,"related_article_id":15,"keywords":16,"key_takeaways":22,"views":26,"created_at":27,"published_at":28,"topic_cluster_id":29},"88039142-d59c-4ee5-b9f4-f737920c022d","grok-updates-change-how-i-code-zh","5 個 Grok 更新，把我寫 code 的方式改掉","\u003Cp data-speakable=\"summary\">我拆 Grok 這波更新：大模型、worktrees、API beta、語音與影片工具，哪些真能改寫開發流程。\u003C\u002Fp>\u003Cp>我盯 Grok 一陣子了，老實說，它一直像那種 demo 很會講、真上線就開始掉漆的產品。回話很快，語氣很滿，像什麼都懂；但你一把它丟進真的開發流程，它就開始露餡。不是不能聊，是一進到 refactor、debug、\u003Ca href=\"\u002Ftag\u002F長上下文\">長上下文\u003C\u002Fa>、多人協作，整個就像每次都失憶，前十分鐘講過什麼完全不算數。我最煩的就是這種：看起來很聰明，實際上很會浪費人時間。\u003C\u002Fp>\u003Cp>後來我看到 Basenor 的整理，\u003Ca href=\"https:\u002F\u002Fwww.basenor.com\u002Fblogs\u002Fnews\u002F5-grok-updates-you-should-know-about-right-now\" target=\"_blank\" rel=\"noopener\">〈5 Grok Updates You Should Know About Right Now〉\u003C\u002Fa>，它把 2026\u002F6\u002F5 這波 xAI 更新一次收齊。這篇不是什麼硬核技術論文，但它把我在意的幾個點直接攤開：更大的模型、worktrees、coding API beta、voice、image-to-video。原文沒有提供觀看數或書籤數，所以我不亂掰。\u003C\u002Fp>\u003Cp>我在意的不是聲量，是\u003Ca href=\"\u002Fnews\u002Fcodex-chatgpt-work-code-assistant-zh\">工作流\u003C\u002Fa>會不會真的變順。哪些更新只是包裝，哪些是真的能讓開發少踩坑，這才是重點。\u003C\u002Fp>\u003Ch2>先別看行銷詞，我只看模型到底有沒有長腦\u003C\u002Fh2>\u003Cblockquote>Elon Musk 提到的模型改進，指向 Grok V9-Medium 的持續訓練；它已在 1.5 兆參數完成訓練，規模是目前 v8-small 生產模型 5000 億參數的三倍。\u003C\u002Fblockquote>\u003Cp>翻譯一下就是：xAI 不是只在修外觀，它是真的在往更大一級的模型堆。參數變大不是魔法，但它通常代表上限會往上走。更重要的是，Basenor 這篇還提到 supervised fine-tuning 跟 \u003Ca href=\"\u002Ftag\u002Freinforcement-learning\">reinforcement learning\u003C\u002Fa> 也在跑，預計 2026 年 6 月中旬左右會公開。這點我比單純的「更大」還在意，因為大模型如果沒調好，照樣會講一堆似是而非的屁話。\u003C\u002Fp>\n\u003Cfigure class=\"my-6\">\u003Cimg src=\"https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1781126309273-wrbl.png\" alt=\"5 個 Grok 更新，把我寫 code 的方式改掉\" class=\"rounded-xl w-full\" loading=\"lazy\" \u002F>\u003C\u002Ffigure>\n\u003Cp>我以前拿一些 assistant 模型做多步 refactor，最常見的問題不是完全答錯，而是答到一半開始漂。函式命名莫名其妙改掉、抽象層級亂升、明明要的是保守修補，卻硬要幫你「優化」成另一套架構。那種感覺很差，因為你最後不是在用 AI 幫你做事，是在幫 AI 收爛攤子。\u003C\u002Fp>\u003Cp>如果 Grok V9-Medium 真如文章描述，重點不是它會不會講更漂亮，而是它在非玩具任務上會不會少犯低級錯。像是：看懂約束、維持一致、不要亂改介面、不要在長任務中失焦。這些才是開發者每天真的會碰到的地方。\u003C\u002Fp>\u003Cul>\u003Cli>別先看單輪回答，先看長任務穩不穩。\u003C\u002Fli>\u003Cli>拿有約束的 code task 測，不要用玩具 prompt。\u003C\u002Fli>\u003Cli>比對失敗模式，因為那通常比成功案例更誠實。\u003C\u002Fli>\u003C\u002Ful>\u003Cp>我會怎麼做：我會自己做一組固定測試，丟一個 refactor、一個 debug、一個架構判斷給 Grok，prompt 不變，然後拿現在用的模型一起比。你要看的是少改幾次、少補幾輪，而不是它文筆多順。這種東西沒有感覺派，只有實測派。你可以拿 \u003Ca href=\"https:\u002F\u002Fopenai.com\u002Findex\u002Fintroducing-codex\u002F\" target=\"_blank\" rel=\"noopener\">OpenAI Codex\u003C\u002Fa>、\u003Ca href=\"https:\u002F\u002Fwww.anthropic.com\u002Fclaude\" target=\"_blank\" rel=\"noopener\">Claude\u003C\u002Fa> 一起當對照組。\u003C\u002Fp>\u003Ch2>worktrees 這個功能，終於像是有開發者真的在裡面\u003C\u002Fh2>\u003Cblockquote>第二則 tweet 確認 Grok 已支援 worktrees，也就是 Git 裡可以從同一個 repository 開出多個工作目錄的功能。\u003C\u002Fblockquote>\u003Cp>這個更新我反而最有感。worktrees 很無聊，但無聊得剛剛好。它不是炫技功能，是那種會直接降低混亂的東西。Basenor 的說法是，Grok 的 coding subagents 可以平行跑不同分支，而且不會踩到主程式碼庫。這句話很重要，因為它透露出來的是：做這功能的人，大概真的被 \u003Ca href=\"\u002Ftag\u002Fagent\">agent\u003C\u002Fa> 互撞搞過。\u003C\u002Fp>\u003Cp>我看過太多「\u003Ca href=\"\u002Ftag\u002Fagentic-coding\">agentic coding\u003C\u002Fa>」最後\u003Ca href=\"\u002Fnews\u002Fgoogle-gemini-latest-update-maps-zh\">變成\u003C\u002Fa>災難。你叫一個 agent 修 bug，另一個補測試，第三個改文件，結果三個都在同一個 working tree 裡亂寫，像幾個小孩拿蠟筆在牆上塗。merge conflict 爆掉、半成品互相覆蓋、最後你不是在加速，是在收拾。\u003C\u002Fp>\u003Cp>worktrees 的價值就在這裡：每個任務一個 checkout，但還是共用同一份 repo 歷史。白話就是，讓每個 agent 去自己的房間，不要在客廳互相踢腳。這種隔離對平行任務超重要，尤其你如果真的想讓 AI 同時做實作、測試、文件，沒有 worktree 幾乎一定亂。\u003C\u002Fp>\u003Cp>我自己會把它當成「風險控管功能」，不是「效率加成功能」。因為它先解掉的是互相踩線的問題，效率才有可能往上。沒有這層隔離，agent 再聰明都只是更快地把事情搞亂。\u003C\u002Fp>\u003Cul>\u003Cli>每個 agent task 一個 worktree，不要共用。\u003C\u002Fli>\u003Cli>留一個主線給人 review，另一個給實驗性修改。\u003C\u002Fli>\u003Cli>任務結束就刪掉 worktree，別讓垃圾堆著。\u003C\u002Fli>\u003C\u002Ful>\u003Cp>實操上，我會把 implementation、tests、docs 拆成三個 worktree。先看它們能不能互不干擾，再看 merge 回主線有沒有少掉很多痛苦。若是有，這功能才算真有用；如果沒有，它就只是介面上多一個按鈕。\u003C\u002Fp>\u003Ch2>Grok Build 0.1 才是開發者該真的去碰的版本\u003C\u002Fh2>\u003Cblockquote>xAI API 的 public beta 於 5 月 29 日開放，Grok Build 0.1 是專門做 coding 的模型，主打 agentic tasks。\u003C\u002Fblockquote>\u003Cp>這句話的意思很直接：xAI 現在有一個 coding 專用模型可以讓你接 API 了。這就把討論從「這 chatbot 很會講」拉到「我能不能把它接進自己的工具鏈」。Basenor 提到 Grok Build 0.1 有 256,000 \u003Ca href=\"\u002Ftag\u002Ftoken\">token\u003C\u002Fa> context window、always-on reasoning，而且支援文字與圖片輸入。價格也寫得很清楚：input 每百萬 token $1、output 每百萬 token $2。這不是花拳繡腿，這是可以開始算成本的規格。\u003C\u002Fp>\n\u003Cfigure class=\"my-6\">\u003Cimg src=\"https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1781126307432-x326.png\" alt=\"5 個 Grok 更新，把我寫 code 的方式改掉\" class=\"rounded-xl w-full\" loading=\"lazy\" \u002F>\u003C\u002Ffigure>\n\u003Cp>我特別在意它被叫做 dedicated coding model。因為太多廠商喜歡把一般模型硬貼上 coding 標籤，結果一碰到 repo 結構就開始亂猜 import、亂補檔案、亂改接口。真正該看的是它能不能處理 project context、跨檔案一致性、長 prompt 的穩定度。只會寫 snippet 的模型，對\u003Ca href=\"\u002Fnews\u002Fideogram-4-0-comfyui-first-test-zh\">真實\u003C\u002Fa>開發幫助有限。\u003C\u002Fp>\u003Cp>256,000 token 這個窗口比較像真的能幹活。你可以塞一大段 repo 內容、設計說明、bug log，不用一下就掉到上下文外。always-on reasoning 也很關鍵，至少從產品語意上看，它是朝著「一路把任務想完」去設計，不是半途切模式裝沒事。\u003C\u002Fp>\u003Cp>我以前用過一些模型，處理單檔還行，一旦加上測試、再加上 patch plan，就開始崩。那種崩不是完全答錯，而是前後不一致，最後你得自己重新整理一次。這種模型如果不能扛住真實工作裡的髒東西，那再大也沒用。\u003C\u002Fp>\u003Cp>我會怎麼測：第一，丟一個長 log 叫它找 bug 並提修法；第二，叫它同時改兩個相關檔案但不能破壞介面；第三，叫它自己總結改動的 tradeoff。三關都過，才值得接進流程。\u003C\u002Fp>\u003Ch2>voice 跟 video 不是附屬品，它們其實在擴大使用面\u003C\u002Fh2>\u003Cblockquote>在這些 tweet 前一天，也就是 6 月 4 日，xAI 公開推出 Grok Voice，並把 Grok Imagine 1.5 Preview 開放到 API。\u003C\u002Fblockquote>\u003Cp>我通常對「語音＋影片」這種組合很保留。很多公司在模型推理還沒站穩時，就急著往 voice、video、multimodal 全塞，因為 demo 比正確性好賣。但 Basenor 這篇給的細節夠多，我會把它當成真的產品動作來看，而不是隨便加料。Grok Voice 已經公開，Imagine 1.5 Preview 也進 API 了。文章還提到它在 \u003Ca href=\"https:\u002F\u002Fartificialanalysis.ai\u002F\" target=\"_blank\" rel=\"noopener\">Artificial Analysis\u003C\u002Fa> 的 Video Arena Image-to-Video 排行拿到第一，Elo 1404，還能產生同步音訊、片長拉到 15 秒。這些都是很具體的規格，不是空話。\u003C\u002Fp>\u003Cp>白話一點說，xAI 想讓 Grok 不只待在文字框裡。你可以用嘴巴講、可以丟圖、可以做短影片。對開發者來說，這很重要，因為使用者本來就不是只活在 prompt box 裡。他們會切換模式、會上傳素材、會想要能直接拿去展示的輸出。\u003C\u002Fp>\u003Cp>我以前做內容流程時，最煩的就是文字模型寫完腳本後，我還得搬去另一個工具做配音，再搬去別的工具做視覺，再搬去別的地方修整。每一次搬運都會掉 context，也會掉品質。如果一個模型能把 voice 跟 media generation 接在同一套 stack 裡，至少少掉幾次中間轉手。\u003C\u002Fp>\u003Cp>但我不會因為 leaderboard 就過度解讀。榜單第一不等於 production 好用，這點我一直很保留。不過它至少說明一件事：xAI 不是只想做一個聊天介面，它在試著把使用面往外推。\u003C\u002Fp>\u003Cul>\u003Cli>voice 用來快速迭代，不要拿來當最終驗證。\u003C\u002Fli>\u003Cli>video 用來先做概念草稿，再決定要不要精修。\u003C\u002Fli>\u003Cli>來源 prompt 和輸出資產要一起存，後面才有辦法追。\u003C\u002Fli>\u003C\u002Ful>\u003Cp>實際操作上，如果你的工作裡有腳本、旁白、視覺 prototype，不妨把其中一段搬進 Grok 試試。目標不是把整套工具砍掉，而是看中間的 handoff friction 有沒有真的下降。\u003C\u002Fp>\u003Ch2>真正值得看的不是單點功能，是它的出貨節奏\u003C\u002Fh2>\u003Cblockquote>這兩則 tweet 很容易滑過去，但它們其實在講同一件事：xAI 正在同時在模型、API、voice、video generation 幾條線上高頻出貨。\u003C\u002Fblockquote>\u003Cp>這段我覺得最容易被忽略。單一更新當然有趣，但更大的訊號是 xAI 在多條產品線一起往前推：更大模型、coding API、worktrees、voice、image-to-video。這不是慢慢打磨的節奏，這是想用速度把產品面鋪滿，讓開發者開始養成使用習慣。\u003C\u002Fp>\u003Cp>我對這種策略一半喜歡、一半嫌棄。喜歡的是它有可能真的把工具變好用；嫌棄的是，快通常代表文件亂、品質不均、細節沒收乾淨。但如果你是要拿來做開發，節奏本身就是訊號：它是在變好，還是在原地換皮。\u003C\u002Fp>\u003Cp>對 Tesla 車主來說，Grok 在車內或 X app 的變化可能已經開始進來。對開發者來說更直接：這不是拿來看熱鬧的，是拿來測的。Grok Build 0.1、worktrees、voice、video 這幾個點如果真的能在實務裡站住，才有資格進你的工作流。\u003C\u002Fp>\u003Cp>我自己的做法會很土：不等什麼「v2 再說」，直接測現在的 API，記錄它在哪裡失敗，等大模型更新再回頭比一次。只有這樣，你才知道出貨節奏是在累積可用性，還是在堆噪音。\u003C\u002Fp>\u003Ch2>可抄的模板\u003C\u002Fh2>\u003Cpre>\u003Ccode># Grok 開發者測試模板（可直接貼進你的工作流）\n\n## 1) 測試設定\n- 模型：Grok Build 0.1 \u002F 新版 Grok\n- 測試日期：\n- Repo：\n- 任務類型：bug fix \u002F refactor \u002F feature \u002F docs\n- 提供的 context：短 \u002F 中 \u002F 長\n\n## 2) Prompt 模板\n你在一個 codebase 裡工作，請遵守以下限制：\n- 不要修改無關檔案。\n- 除非我明講，不要改 public interface。\n- 如果你做了 tradeoff，先說明理由。\n- 如果需要假設，先列出假設。\n\n任務：\n[在這裡描述任務]\n\nRepo context：\n[貼相關檔案、log、設計摘要]\n\n輸出格式：\n1. 簡短 plan\n2. 逐檔修改內容\n3. 風險\n4. 驗證步驟\n5. 最終摘要\n\n## 3) worktrees 配置\n- 一個 worktree 給 implementation\n- 一個 worktree 給 tests\n- 一個 worktree 給 docs \u002F review notes\n- 每個 agent 只能碰自己的 tree\n\n## 4) 評分表\n每項 1-5 分：\n- 正確性\n- context 保留度\n- code quality\n- conflict avoidance\n- 解釋清楚程度\n- 是否遵守限制\n\n## 5) Pass \u002F fail 問題\n- 有沒有動到不相關檔案？\n- 有沒有保留 repo 原本風格？\n- 有沒有踩到平行工作？\n- prompt 變長時有沒有失焦？\n- 改動有沒有講到足夠讓人 review？\n\n## 6) 決策規則\n- correctness 和 conflict avoidance 都有 4 分以上，才繼續測。\n- 如果在 merge safety 或長上下文一致性失敗，先不要導入。\n\u003C\u002Fcode>\u003C\u002Fpre>\u003Cp>上面這段是我根據 Basenor 提到的幾個痛點自己整理的。原始文章是 xAI 這波更新的整理與轉述，我這篇則是把它翻成開發者真的能拿去測的版本。原始來源：\u003Ca href=\"https:\u002F\u002Fwww.basenor.com\u002Fblogs\u002Fnews\u002F5-grok-updates-you-should-know-about-right-now\" target=\"_blank\" rel=\"noopener\">https:\u002F\u002Fwww.basenor.com\u002Fblogs\u002Fnews\u002F5-grok-updates-you-should-know-about-right-now\u003C\u002Fa>。我有順手連到 \u003Ca href=\"https:\u002F\u002Fx.ai\u002F\" target=\"_blank\" rel=\"noopener\">xAI\u003C\u002Fa>、\u003Ca href=\"https:\u002F\u002Fgit-scm.com\u002Fdocs\u002Fgit-worktree\" target=\"_blank\" rel=\"noopener\">git worktree\u003C\u002Fa>、\u003Ca href=\"https:\u002F\u002Fopenai.com\u002Findex\u002Fintroducing-codex\u002F\" target=\"_blank\" rel=\"noopener\">OpenAI Codex\u003C\u002Fa>、\u003Ca href=\"https:\u002F\u002Fwww.anthropic.com\u002Fclaude\" target=\"_blank\" rel=\"noopener\">Claude\u003C\u002Fa> 和 \u003Ca href=\"https:\u002F\u002Fartificialanalysis.ai\u002F\" target=\"_blank\" rel=\"noopener\">Artificial Analysis\u003C\u002Fa>，方便你自己往下查。\u003C\u002Fp>","我拆 Grok 這波更新：大模型、worktrees、API beta、語音與影片工具，哪些真能改寫開發流程。","www.basenor.com","https:\u002F\u002Fwww.basenor.com\u002Fblogs\u002Fnews\u002F5-grok-updates-you-should-know-about-right-now",null,"https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1781126309273-wrbl.png","ai-agent","zh","c0a961a9-23ca-49c4-a384-8bb5195b82e6",[17,18,19,20,21],"Grok","worktrees","API beta","agentic coding","multimodal",[23,24,25],"Grok 這波更新真正有價值的是工作流，不是話術。","worktrees 和 coding API 才是開發者最該先測的兩個點。","大模型、voice、video 都要回到實測，別被 demo 帶走。",1,"2026-06-10T21:17:56.434503+00:00","2026-06-10T21:17:56.424+00:00","e3b68196-9e64-4c18-a3b6-a73e73bfb367",{"tags":31,"relatedLang":40,"relatedPosts":44},[32,34,35,36,38],{"name":17,"slug":33},"grok",{"name":21,"slug":21},{"name":18,"slug":18},{"name":20,"slug":37},"agentic-coding",{"name":19,"slug":39},"api-beta",{"id":15,"slug":41,"title":42,"language":43},"grok-updates-change-how-i-code-en","5 Grok updates that change how I code","en",[45,51,57,63,69,75],{"id":46,"slug":47,"title":48,"cover_image":49,"image_url":49,"created_at":50,"category":13},"254f12ec-ff29-4308-a158-3e1c2bc193e0","codex-chatgpt-work-code-assistant-zh","Codex把 ChatGPT 拉進工作流","https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1781115477227-mis0.png","2026-06-10T18:17:26.326284+00:00",{"id":52,"slug":53,"title":54,"cover_image":55,"image_url":55,"created_at":56,"category":13},"ef96a410-24bd-4e35-8536-439f21f820e6","claude-code-dynamic-workflow-ai-harness-zh","Claude Code 動態工作流：AI 自寫 Harness","https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1781035378200-qkm9.png","2026-06-09T20:02:21.942031+00:00",{"id":58,"slug":59,"title":60,"cover_image":61,"image_url":61,"created_at":62,"category":13},"9fb91fbe-64cd-4732-aba7-5b20daacf962","agent-orchestration-enterprise-ai-layer-zh","企業 AI 缺的是編排層","https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1780984981291-rodj.png","2026-06-09T06:02:30.929215+00:00",{"id":64,"slug":65,"title":66,"cover_image":67,"image_url":67,"created_at":68,"category":13},"2e389faa-a4ab-4f7a-b6da-c2ba69d5f14b","ai-agents-use-blockchain-trust-layer-zh","AI 代理用區塊鏈當信任層","https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1780980509390-6s0i.png","2026-06-09T04:48:01.259033+00:00",{"id":70,"slug":71,"title":72,"cover_image":73,"image_url":73,"created_at":74,"category":13},"1c433948-634b-47e4-a119-dd567203a712","8-rag-patterns-demos-into-prod-zh","8 種 RAG 模式把 Demo 變上線","https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1780971552397-h12o.png","2026-06-09T02:18:36.130013+00:00",{"id":76,"slug":77,"title":78,"cover_image":79,"image_url":79,"created_at":80,"category":13},"7d860405-aca6-486b-8de0-1c5193a3b06d","fine-tuning-beats-rag-style-not-facts-zh","當目標是文風不是事實時，微調比 RAG 更有效","https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1780924689232-5elu.png","2026-06-08T13:17:25.235242+00:00",[82,87,92,97,102,107,112,117,122,127],{"id":83,"slug":84,"title":85,"created_at":86},"4ae1e197-1d3d-4233-8733-eafe9cb6438b","claude-now-uses-your-pc-to-finish-tasks-zh","Claude 開始幫你操作電腦","2026-03-26T07:20:48.457387+00:00",{"id":88,"slug":89,"title":90,"created_at":91},"5bede67f-e21c-413d-9ab8-54a3c3d26227","googles-2026-ai-agent-report-decoded-zh","Google 2026 AI Agent 報告解讀","2026-03-26T11:15:22.651956+00:00",{"id":93,"slug":94,"title":95,"created_at":96},"2987d097-563f-46c7-b76f-b558d8ef7c2b","kimi-k25-review-stronger-still-not-legend-zh","Kimi K2.5 評測：更強，但還不是神作","2026-03-27T07:15:55.277513+00:00",{"id":98,"slug":99,"title":100,"created_at":101},"95c9053b-e3f4-4cb5-aace-5c54f4c9e044","claude-code-controls-mac-desktop-zh","Claude Code 也能操控 Mac 了","2026-03-28T03:01:58.58121+00:00",{"id":103,"slug":104,"title":105,"created_at":106},"dc58e153-e3a8-4c06-9b96-1aa64eabbf5f","cloudflare-100x-faster-ai-agent-sandbox-zh","Cloudflare 的 AI 沙箱跑超快","2026-03-28T03:09:44.142236+00:00",{"id":108,"slug":109,"title":110,"created_at":111},"1c8afc56-253f-47a2-979f-1065ff072f2a","openai-backs-isara-agent-swarm-bet-zh","OpenAI 挺 Isara 的 agent swarm …","2026-03-28T03:15:27.513155+00:00",{"id":113,"slug":114,"title":115,"created_at":116},"7379b422-576e-45df-ad5a-d57a0d9dd467","openai-plan-automated-ai-researcher-zh","OpenAI 想做自動化 AI 研究員","2026-03-28T03:17:42.090548+00:00",{"id":118,"slug":119,"title":120,"created_at":121},"48c9889e-86df-450b-a356-e4a4b7c83c5b","harness-engineering-ai-agent-reliability-2026-zh","駕馭工程：從「馬具」到「作業系統」，AI Agent 可靠性的終極密碼","2026-03-31T06:42:53.556721+00:00",{"id":123,"slug":124,"title":125,"created_at":126},"96d8e8c8-1edd-475d-9145-b1e7a1b02b65","mcp-explained-from-prompts-to-production-zh","MCP 怎麼把提示詞變工作流","2026-04-01T09:24:39.321274+00:00",{"id":128,"slug":129,"title":130,"created_at":131},"f2ca7720-b471-4ce5-9336-2a9ac2a876fd","amazon-bedrock-agents-multi-agent-workflows-zh","Amazon Bedrock Agents 進入多代理工作流","2026-04-01T09:30:29.945429+00:00"]