20260623 影片筆記

影片強調從「聊天機器人」轉向「AI Agent」的核心不在於選擇特定工具（如 Codex 或 Claude Code），而在於掌握底層邏輯：將 AI 視為員工進行工作分配、下達清晰指令（GPS）並驗證結果（ARR），透過自動化重複性任務，將人類時間釋放給高價值的策略判斷與品味磨練。

本影片為 Codex 的保姆級實戰教程，詳細演示了從基礎安裝到進階的多智能體協作功能，重點介紹了 5 月 22 日更新的「應用快照（AppShots）」與「Go 模式（追求目標模式）」，並透過 Computer Use 插件、Chrome 擴展對比及掃雷遊戲實戰，展示了 AI 從「給建議」到「親自執行」的能力跨越。

本影片由 Ian 主讲，詳細介紹如何利用 YAML 設定檔與輔助產生工具，在 NotebookLM 中自訂投影片的視覺主題、排版與結構，並演示從設定到生成的完整流程，同時提供處理中文亂碼與檔案無法編輯的解決方案。

影片通過實戰對比 NVIDIA、AMD、Apple Silicon 及 Intel 在 AI 領域的表現，結論認為 NVIDIA 搭配 Linux 與大顯存是當前 AI 運行的「王道」與行業標杆；AMD 性價比高但需具備 Linux 配置能力；Apple Silicon 適合 MOE 大模型但不適合稠密小模型及視頻生成；Intel 生態差、驅動爛、算力不足，...

本影片以國小班導師兼行政組長「小美」為案例，實戰演示如何使用 OpenAI 推出的 AI 助理軟體 Codex，透過設定專案守則、安裝技能與外掛、處理檔案與資料，最終完成從校慶園遊會籌備、簡報生成、郵件發送、網站開發部署到自動化測試的全流程工作。

本影片介紹並演示了 AI 瀏覽器 Tabbit 的安裝與使用，強調其內建 GPT、Claude、Gemini 等多個模型，透過設為預設瀏覽器可免費獲得 Pro 會員權益，並支援多模型同時回覆、圖片識別、網頁總結及任務模式（Agent）等功能。

本影片透過動畫解析高頻寬記憶體（HBM）的技術原理，說明其如何透過「硅中介層」解決高帶寬導線密度問題，並利用「TSV 堆疊技術」與「微凸點焊接」實現大容量與高性能，同時對比了 SK 海力士、三星與美光在封裝工藝上的差異，並展望了 HBM4 的技術趨勢。

影片探討了 CPU 與 GPU 在處理資料與「儲存（Storage）」之間的關係與差異，指出 GPU 擁有大量小型核心，適合處理特定任務，並透過圖片變暗的處理案例，說明 CPU 順序執行的繁瑣流程。

Codex 推出「Record and Replay」新功能，允許用戶直接透過視覺示範操作（如跨軟體複製貼上），讓 AI 自動理解意圖並生成可重複使用的 Skill，實現從「文字描述」到「視覺示範」的學習方式轉變，並透過反饋機制修正遺漏步驟。

針對 Hermes Agent 新手，建議採用「DeepSeek V4 Flash 作為主模型」搭配「阿里百煉千問 3.6-Flash 作為視覺補位」的低成本配置方案，利用各家雲廠商免費額度與 DeepSeek 的高緩存命中率，將日常 Agent 使用成本降至極低（單輪對話可能不到一分錢），同時區分 Flash 與 Pro 版本的適用場景。

影片介紹如何從零開始架構一套「AI Operating System (AI OS)」，透過將 AI 運作拆解為 Context（上下文）、Connections（工具連線）、Capabilities（技能能力）與 Cadence（排程與自動化）四大維度，並利用結構化檔案管理與特定驅動框架，將 AI 從單純的聊天機器人轉變為能理解用戶、執行任務並自動運作的個...

影片分享了一個實戰除錯案例：作者建立每日 AI 趨勢分析 Agent 時，發現即使抓取了正確的原始資料，模型（MiniMax M2.7）仍會產生「上下文忽視」與「先前上下文幻覺」而亂編報告；透過切換強模型（GPT 5.4）解決準確性問題，並進一步將資料抓取方式從「控制瀏覽器」改為「Python + CDP 直接提取」，大幅提升了系統的穩定性與執行速度。

本影片實測 DeepSeek V4（Flash 與 Pro 版本）在本地 Agent 框架 Hermes 中的表現，證實其結合 Qwen 3.6 與 DeepSeek V4 Flash 具有極高性價比，能透過 Telegram 實現低成本、高穩定性的瀏覽器自動化與生產力任務，被視為本地 Agent 從玩具轉向實用工具的關鍵路線。

影片解析了「多模型融合」（Multi-Model Fusion）技術，透過投票、裁判、分層、路由及模型合併五種方式，突破單一模型的能力上限與成本限制，並探討了其在當前 AI 監管與技術趨勢下的應用價值與實踐陷阱。

影片演示了如何在 JetBrains 的 Cloud Code 與 Codex 中接入第三方模型（如 DeepSeek V4、阿里百煉/千問）。Cloud Code 配置簡便，透過環境變數即可；Codex 則因僅支援 Response API 協議，對於不支援該協議的模型（如 DeepSeek V4），需透過橋接器 CCX 進行轉接，並實測了瀏覽器自動化操作...

Sakana AI 推出的 Sakana Fugu 透過引入經過訓練的協調模型（類似專案經理）與多個前沿 LLM 組成的「可替換池」（包含 Thinker、Worker、Verifier），將 AI 系統從依賴單一巨型模型的風險中解脫，轉為可調度的協作生態系統，從而在 SWE-Bench Pro 等基準測試中展現出超越部分頂尖單一模型的效能與流程可靠性。

影片分析 Anthropic 發布的新產品「Fugu」（河豚），指出其並非單一大型語言模型，而是一個具備「指揮家」功能的模型調度系統。該系統旨在解決依賴單一 API 供應商（如 OpenAI）面臨出口管制時的系統癱瘓風險，通過自動調度多個後端模型提供備援能力。儘管宣稱性能優異且遷移成本低，但由於黑箱調度機制及對標模型無法公開驗證，講者建議普通用戶暫緩採用，僅...

本期 AI 日報涵蓋多項重要動態：Sakana AI 推出 Fugu 多智能體系統以對標頭部模型並服務企業；豆包 Seed 2.1 Pro 在 LM Arena 表現亮眼；DeepMind 暗示 Gemini 3.5 Pro 即將發布；AWS 推出多項服務解決 AI 代理安全與業務背景問題；同時涵蓋三星、谷歌、OpenAI、Meta、蘋果、特斯拉及阿里雲的最...

東京新創公司 Sakana AI 推出產品「Fugu」，透過動態編排與自我修正機制，將任務自動分發至最佳模型，旨在解決開發者使用多個 LLM（GPT、Claude、Gemini）時面臨的高昂成本與管理複雜度問題，目前正進行閉鎖式 Beta 測試。

日本AI新創公司魚AI（UoAI）於2026年4月啟動商用旗艦產品「魚フグ（Fugu）」的Beta測試，該產品作為日本首個「多智能體編排器」，不依賴單一基礎模型，而是透過動態指揮GPT、Claude、Gemini等頂尖模型，根據任務類型自動選擇最佳模型以提供回應，標誌著AI市場從「擁有模型」轉向「善用模型」的架構變革。

講者實測日本國產 AI 服務「魚フグ（Fugu）」，該服務透過 AI 編排技術整合 GPT、Claude、Gemini 等多個模型。雖然在日語處理與基準測試（如程式碼生成、理系推論）上表現優異，甚至宣稱等同於 Claude Opus，但實際實測顯示其成本極高（耗資約 8 萬日元）、等待時間長（單次任務需 30 分鐘以上），且在遊戲開發與除錯能力上不如預期，本...