Show Notes
(04:26) Apple WWDC 與 Siri 改版切入，討論 iPhone 近年創新停滯、Siri 作為早期語音助理卻長期落後，以及 Apple AI 這次是否只是遲到的補課。 (07:41) 解析 Siri 跨 App 協作能力，從自動建立行事曆、傳送群組通知到整合 Podcast 準備流程，探討手機是否仍是 AI Agent 最自然的生活入口。 (10:00) Apple AI 三層架構拆解：裝置端模型、Private Cloud Compute、以及與 Google Gemini / GCP / NVIDIA GPU 的合作關係，分析 Edge AI、隱私與延遲體驗之間的取捨。 (13:50) Apple 對開發者提供推論額度的生態策略，探討 iOS App 若能免費整合 AI inference，是否可能複製 App Store 與蘋果稅模式，進一步鞏固 Apple 生態系。 (16:00) 從「App 是給人用還是給 Agent 用」延伸，討論 Siri 調用第三方 App 的介面設計、AI 手機對記憶體的需求，以及 Edge AI、Vision Pro 與穿戴裝置的未來入口想像。 (18:30) 對 Apple AI 能力提出保留：AI 人才流失、算力投入不足、Android 陣營先行，以及 Apple 為何仍要包裝自己的 Foundation Model 而非直接採用開源或外部模型。 (22:48) 進入 Loop Engineering 討論，回顧這個詞從 Twitter 與 AI coding 社群爆紅的背景，說明它如何從 Prompt Engineering 演變成定義目標、限制與完成條件的工作流程。 (26:12) 反思 Loop Engineering 是否只是過度命名，討論它與既有 Harness、Automation、Worktree、MCP、Sub-Agent 等工程流程的關係，以及為何本質上仍是軟體工程思維。 (30:33) 引入「認知投降」與「理解債務」兩個概念，討論當 AI 可以長時間自主修改 codebase，人類不再是最懂程式碼的人時，工程師角色所面臨的風險與轉變。 (32:28) 具體拆解一個有效 Agent Loop 的條件：Trigger、邊界條件、成功標準、Verifier、Retry / Stop 機制與 Human-in-the-loop，說明為何沒有好的驗證機制，Loop 只會變成 token 空轉機。 (37:06) 從實際開發經驗談認知外包，包含 AI brain、MCP、文件與 repo 串接，以及工程師遇到錯誤時直接交給 AI 處理，如何讓 codebase 理解能力逐漸下降。 (40:25) 討論什麼情境下可以放心「認知投降」：短生命週期的小工具、個人專案或許可行，但正式產品與高風險系統仍需要工程師介入架構、spec 與驗證層。 (43:21) 展望 AI 開發能力擴張後的工程師定位，從 Cursor 時代仍掌握九成 codebase，到未來只調整 high-level design 與 spec，人類對底層實作的理解比例正在持續下降。 (47:55) 工程師逐漸轉向 Agent Manager，討論如何透過高階 functional / non-functional requirements、system state、tribal knowledge 文件與 agent-friendly 環境，讓 AI 能夠穩定維護與迭代系統。 (53:24) 探討降低理解債務的方法，包括定義 AI 回報格式、使用 Artifact / HTML 等更易讀的任務回報，以及未來 coding interview 可能從 LeetCode 轉向 spec-driven development 與 AI 協作能力。 -- Hosting provided by SoundOn
More from tokens.fm 偷啃
(00:49) 《台北狂飆》一個月累積四百萬次遊玩，三人下班開發的 AI 遊戲怎麼突然紅遍社群？ (05:51) 從 Side Project 到跨城市地圖，《台北狂飆》開始挑戰一個人與 AI 能把產品做到多大。 (09:16) 等值超過一萬美元的 Token、每月千美元伺服器費，爆紅之後如何把成本與規模一起控住？ (16:46) 幾十個 Agent 同時開工，程式架構與任務切分成為避免彼此打架的第一場考驗。 (18:43) AI 都會寫程式之後還需要學 Coding 嗎，懂架構的人會不會因此把差距拉得更大？ (24:04) Prompt、Skills 與錯誤紀錄如何變成可重複使用的規則，讓每一輪 AI 協作更加穩定。 (26:51) 一百多個小時該拿來打磨遊戲，還是先打造能持續複製產出的 AI 生產線？ (32:13) 台灣爆紅只是第一站，《台北狂飆》接下來還得在本地擴張與全球玩家之間分配有限 Token。 (35:41) 人人都能快速做產品，行銷、社群與 Distribution 為何開始決定一款 App 能不能活下來？ (46:35) 特斯拉飛天跑車震撼亮相，馬斯克這場炫技到底在賣技術還是流量？ (51:54) Zeabur 宣布關站，一次資安事故留下產品、使用者信任與創辦人下一步的連鎖難題。 -- Hosting provided by SoundOn
(00:34) Palantir 市值衝上 5,000 億美元，FDE 熱潮與企業 AI 故事能不能撐起這個天價估值？ (03:09) 工程師直接進駐客戶公司半年到一年，Palantir 如何靠 FDE 把最難落地的企業需求做成一門生意？ (06:31) OpenAI、Google 相繼擴編 FDE，模型公司與雲端巨頭開始搶進 Palantir 最核心的企業戰場。 (16:00) 企業開始用 AI 客製自己的工作流，CRM 與傳統 B2B SaaS 會被吃掉多少市場？ (19:10) 軟體愈來愈好抄，獨家資料、關鍵工作流與產業 know-how 能不能撐起真正的護城河？ (24:45) 開發門檻快速下滑，字幕、記帳與生產力工具這類軟體創業的帳也得重新算一遍。 (31:39) 台灣中小企業同樣需要 AI 改造，人才、信任與導入成本會讓「台灣 Palantir」卡在哪一關？ (36:24) AI 開始接手 GUI 的角色，從 Photoshop、Figma 到 CRM，軟體與模型之間的界線正在重新畫過。 (42:58) Google 同時握有模型、TPU、GCP 與 Android，這套 AI 全棧佈局為什麼值得直接亮牌？ (49:13) Anthropic 傳出 11 月 IPO，Claude 的領先幅度、燒錢速度與天價估值開始被放上同一張表檢視。 (55:03) SpaceX、xAI 與 Tesla 的資金正在重新排隊，馬斯克概念股下一段行情該押在哪裡？ -- Hosting provided by SoundOn
(00:45) 教招心得閒聊，一年兵、預官與過去教召有多硬，十四天新制又把訓練改成了什麼樣子？ (10:08) Meta Muse、OpenAI Dots 等消費型 Agent 集體登場，訂房、排行程甚至跟客服殺價都開始交給 AI。 (13:51) 消費型 Agent 普及之後，Google 手上的搜尋、地圖與 Workspace 會不會變成決定勝負的王牌？ (19:02) Amazon 封鎖 Muse、Shopify 與 Walmart 選擇開放，Agent 正面撞上平台的廣告、推薦與交易生意。 (27:41) 個人 Agent 看似什麼都能做，距離讓人非用不可的殺手級場景還差哪一步？ (36:35) 聯發科縮減外部模型額度、推員工改用自建 AI，這場省錢實驗為何先引爆內部抱怨？ (39:20) 企業自建模型究竟能不能真的省錢，算力、基礎設施與維運團隊成為繞不開的成本題。 (44:35) 一人開發的「台北 GTA」爆紅，三十萬 Token 與四十個 Agent 能把獨立遊戲推到什麼上限？ -- Hosting provided by SoundOn
(00:31) 2026 房市成交量大幅下滑，雙北與核心區房價卻幾乎沒動，價量背離成為買房前的第一個難題。 (03:15) 新成屋愈蓋愈小、台北房價卻愈來愈貴，沒有家裡幫忙的年輕人還剩哪些成家選項？ (08:31) 自住與投資需要兩套完全不同的算盤，房貸占收入多少才不會讓生活失去餘裕。 (11:39) 買不起台北就往外圍或中南部上車，通勤、人口流失與轉手風險成為另一筆隱形成本。 (15:24) 房地產與股票正面比較，槓桿、通膨與未來三十年的報酬該怎麼一起算？ (20:34) 為什麼有人買股票會追高殺低，揹著五倍槓桿的房子卻能一路抱上三十年？ (23:44) 從台北到灣區，工作機會最集中的城市也最難買房，高收入族群同樣面臨買房與租屋的現實取捨。 (27:55) 成交量冷卻後議價空間開始出現，新青安寬限期、銀行限貸與 2027 的賣壓會把市場推向哪裡？ -- Hosting provided by SoundOn
(04:43) NVIDIA 再度交出營收翻倍的財報，訂單滿載、指引超標，股價為何依然漲不動？ (08:30) AI 公司借錢買 GPU，NVIDIA 又拿晶片協助融資，循環交易正在成為這場繁榮最大的疑點。 (11:05) Google、Amazon、OpenAI 紛紛自研 AI 晶片，NVIDIA 的 GPU 霸權真的會被慢慢瓜分嗎？ (19:16) NVIDIA 傳出斥資 130 億美元收購 Hugging Face，晶片霸主為何突然想拿下開源 AI 的最大入口？ (25:56) 台積電分紅再次洗版，材料、化工到資工都能進場的高薪機會，讓台灣科技業的職涯排序重新洗牌。 (31:36) 年薪 350 萬輪班顧機台，對上 250 萬遠端寫程式，少賺一百萬可以換回多少自由？ (39:26) 沒有明確志向、只想多賺錢的年輕人，現在該不該直接把台積電當成第一志願？ (41:12) Zeabur 爆發重大資安事故，用戶機密與帳單同時失控，一間雲端平台可能因此付出多大代價。 (44:47) 當平台承諾「不再需要 DevOps」，低毛利生意背後的安全責任與賠償風險究竟由誰承擔？ (51:11) 從通知賠償到重建信任，Zeabur 還有哪些自救空間；它與壹加壹這類單一產品面對的風險又差在哪裡？ -- Hosting provided by SoundOn