20260807 影片筆記

Cloudflare Computer 是一個為 AI 代理設計的持久化雲端工作空間，利用 Durable Object 技術解決代理執行指令時的環境持久化問題，讓代理能在不同環境間切換時保留狀態，適合用於打造代理原型。

Cloudflare Computer 是一個為 AI 代理設計的持久化雲端工作空間，利用 Durable Object 技術解決代理執行指令時的存檔與環境重置問題，讓 AI 代理能從單純的思考走向實際的檔案操作與任務交付。

丹麥作為高幸福指數的發達國家，卻呈現出一種簡約、懷舊且環保的生活方式：民眾鮮少使用手機，偏好居住老舊房屋，因高額汽車稅賦而依賴自行車與公共交通，整體社會氛圍慢節奏，不追求物質炫耀，展現出獨特的「不發達」發達國面貌。

DeepSeek V4 Flash 以極低價格劃定行業「斬殺線」，迫使 Google 等巨頭進行高層人事調整與戰略轉向（如 Jeff Dean 離職、Hassabis 退居二線），並通過「美國版 DeepSeek」策略（推廣 Flash 模型、蒸餾技術）來維持雲計算業務增長，同時第三方平台利用閒置算力套利，進一步壓低 AI 服務成本，標誌著 AI 行業進入「...

DeepSeek 於 7 月 31 日發布 V4 Flash 正式版後，因打破「便宜、強、快」的不可能三角導致 API 調用量暴增，算力面臨極大壓力，因此於 8 月初通知用戶整體調漲價格，以透過價格機制暫時調節算力需求。

MiniMax H3 作為開源 SOTA 級視頻生成模型，打破了傳統單一入口限制，實現多模態統一與音畫同步，極低成本激發社區優化，但本地部署受限於未開源組件，建議採用「本地驗證 + 雲端超分」的混合工作流，並預判未來將回歸 Agent 自動指揮。

演講者透過體驗 U-Cloud C1 實體卡片，從質疑「錄音卡」轉變為認可其作為 Context（上下文）收集器 的價值，認為該硬體透過實體按鈕與語音輸入，解決了 AI Agent 在移動場景中「打字麻煩」與「靈感易逝」的痛點，並強調其開放性（支援 CLI、非綁定特定生態）為 AI 時代提供了低門檻的新入口。

Google 近期發生重大人事震盪，首席科學家 Jeff Dean 帶領核心團隊離職創立 Discovery Loop，同時 DeepMind 高層重組，Demis Hassabis 卸任 CEO 職務，戰略從學術轉向極致工程與商業化，透過引入推理優化、端雲協同及原生全模態技術，重塑 AI 產業從學術夢幻期進入現實暴擊期的格局。

中國於9月中無預警頒布新版出入境管理規定，賦予政府以「國家安全」為由限制公民出境的權力，引發半導體、AI等技術人才及一般民眾的恐慌與「能逃就逃」現象；同時配合全球追稅行動封堵資金外流，形成「留人又留財」政策，並引發國際社會對美國外交佈局調整及南海主權爭議的關注。

OpenAI 將 Codex 併入 ChatGPT 桌面版，並透過引入 GPT-5.6 Sol 與 Ultra 推理模式，使其從單純的程式碼生成工具轉變為具備自主規劃、任務拆解與執行能力的「執行者」，同時強化了視覺化編輯、自動發布、手機端支援及 PR 閉環處理等功能。

Cloudflare 推出開源專案 computer，透過將「狀態」與「執行」分離，利用 Durable Object + SQLite 提供永久檔案系統，並結合 Container 與 Isolate 兩種後端模式，為 AI Agent 打造具備「記憶」與「工作台」的雲端虛擬電腦環境。

影片分析 DeepSeek V4 發布後引發的漲價爭議，並深入探討其對 OpenAI 和 Anthropic 構成的「斬殺線」威脅，指出美國 AI 巨頭因缺乏主業、依賴循環投資與高估值上市，面臨泡沫破裂風險；同時強調普通人應支持國產模型以獲取實際經濟利益，而非盲目崇拜美國頂級模型。

開源項目 Turbo Fillfair 利用 MoE（混合專家模型）架構與 Apple Silicon 統一記憶體優勢，成功在僅 8GB 記憶體 MacBook 上運行 26B 參數的大語言模型，標誌著本地 AI 從依賴雲端硬體轉向結構優化與硬體協同的新趨勢。

影片分析美國針對中國光模組（Optical Modules）的潛在禁令及供應鏈脫鉤策略，並引用向松祚教授2018年的演講，深入探討中國經濟面臨的法治、債務、民營企業信心及「脫實向虛」等結構性危機，強調唯有透過稅改、政改、國改才能突破困境。

本影片介紹 ChatGPT 在 GPT 5.6 版本推出的新代理工具「ChatGPT Work」，透過「目標模式」與「規劃模式」兩大功能，讓非工程師用戶能直覺執行多步驟任務（如名片歸檔、旅遊比價、器材選購），並實測將想法轉化為互動式網站的「Sites」功能。

在 Agent 與 AI 輔助下，Obsidian 的學習門檻大幅降低，使用者只需專注於內容創作與方向設定，將資料夾架構搭建、標籤管理、素材蒐集、雙鏈建立及模板生成等 99% 的繁瑣設定工作交給 AI 自動執行，實現「人定方向與邊界，AI 負責執行」的工作流。

影片講解如何從零搭建由 AI Agent 組成的「一人公司」，主張從單一 Agent 處理瑣碎任務開始，逐步擴展為包含 CEO、代碼工程師（代代）與審查員（XX）的團隊，並引入「循環工程」（Loop Engineering）概念，強調人類「品位」在最終產品審視中的不可替代性。

影片探討英特爾 EMIB 封裝技術與臺積電 COVAE (或 COAS) 的競爭，指出 EMIB 成本較低但良率受膨脹係數影響，並提及聯電供應矽橋、利基電獨家供應細電容等供應鏈動態，以及外資與內資在臺積電與英特爾持股上的消長。

本影片由 BPW 分享一套無需 Coding 的 YouTube AI 剪片工作流，透過整合 AI Agent Moron 與 App Fumora，實現從素材生成、自動剪輯、字幕合成到數據分析的全自動化流程，並以「iOS AI Summer Cap」宣傳影片為例進行實戰演示。

講者因 Codex 額度耗盡，成功將 DeepSeek V4 Flash 接入 Codex，透過正確配置 wire_api 為 responses 協議，利用 HyperFrames 技能低成本、高效率地完成了一支關於 Agent Skills 的影片製作，驗證了該組合在成本、速度與質量上的優勢。

本影片示範如何在 Windows 系統上安裝 OpenAI 的 CodeEx 應用程式，並透過開源工具 CC Switch 將其 API 請求重定向至第三方聚合服務 AI HubMix，從而使用 DeepSeek V4 Flash 0731 模型進行多步驟代理任務（Agent Task），且無需登入 OpenAI 帳號。

DeepSeek V4 Flash API 正式版公測，原生支持 Response API 格式並接入 CodeX，在 Agent 能力基準測試中超越 DeepSeek V4 Pro 及 GEM 5.2，具備極具競爭力的波動定價策略（百萬 Token 輸出僅 2 元），並提供網站重構、長文創作等實測案例。

影片介紹了 GitHub 上熱門的 Claude Code 插件 "I have ADHD"，該插件透過模擬 ADHD 患者的認知特點（工作記憶有限、需可見進度），強制 AI 編碼助手以「行動優先、編號列表、無廢話」的結構回應，從而解決 AI 回答冗長、隱藏關鍵指令的問題，並顯著節省 Token 消耗。

影片介紹了 GitHub 上熱門的 Claude Code 插件 "I have ADHD"，該插件透過模擬 ADHD 患者的認知特點（工作記憶有限、需可見進度），強制 AI 編碼助手以「行動優先、編號列表、無廢話」的結構回應，從而解決 AI 回答冗長、隱藏關鍵指令的問題，並顯著節省 Token 消耗。

講者「大風」演示如何透過安裝開源切換工具 CC Switch，將 Deepseek V4 Flash 正式版接入開發工具 Codex，並實際演示使用該配置進行 Web Coding（網頁編碼，如生成貪吃蛇遊戲）。

本段影片介紹了 DeepSeek V4 正式版模型全面兼容 OpenAI 最新 Responses API 後的開發成果，展示了一套具備全鏈路可視化、建模預測及報告生成能力的工業級 AI 數據分析系統，並詳細講解了從環境搭建、Codex 接入到視覺能力整合的完整開發流程。

本段內容詳細介紹了 DeepSeek V4 正式版的發布歷程、技術架構（284B MOE 模型）、性能提升（Flash 版本提升 30%），並強調其全面兼容 OpenAI Responses API 以無縫接入 Codex 開發生態，同時提供了本地部署的硬體門檻參考及後續課程規劃。

本段影片介紹了 OpenAI 的 Response API 核心概念，說明其如何自動處理 Agent Loop 並簡化開發，同時解析 DeepSeek V4 正式版如何透過後訓練兼容該 API 以接入 Codex 體系，並透過 Python 實例與巴西電商數據集案例，演示如何構建具備 SQL 查詢與可視化能力的數據分析 Agent。

本段內容詳細介紹了 OpenAI Codex CLI 的安裝方式、透過官方腳本接入 DeepSeek V4 模型的配置流程，以及解析 Codex 的項目結構（如 agents.md 與 .codex 資料夾）、核心概念（Profile、Agent、Skill）與相關斜線命令的使用。

針對 DeepSeek V4 缺乏視覺能力的痛點，影片演示了如何透過本地部署的 MCP 服務，結合千問 3.8 Max 模型進行視覺審查，並利用 Codex 的 Skills 技能腳本實現自動化、多輪的視覺審查與代碼修復閉環。

本集介紹了基於 DeepSeek V4 Flash 模型與 Codex 開發的「DS4-AI 數據分析系統」實戰，詳細拆解了從數據接入、技能中心（Skills）配置、FastAPI 後端架構到前端可視化渲染的完整開發鏈路，並強調了業務場景理解與技術選型在 Agent 開發中的核心地位。

針對 DeepSeek V4 缺乏視覺能力的痛點，影片演示了如何透過本地部署的 MCP 服務，結合千問 3.8 Max 模型進行視覺審查，並利用 Codex 的 Skills 技能腳本實現自動化、多輪的視覺審查與代碼修復閉環。

本段內容詳細闡述了 AI 數據分析系統的開發思路，強調業務理解與產品設計的重要性，介紹了基於 Deep Agents 框架與 Canvas 架構的工業級報告生成方案，並推廣了涵蓋多個階段的 Agent 開發實戰課程及專屬產品 Fu-Fi Agent。

影片演示如何透過修改配置文件，將 DeepSeek 官方 API（支援 OpenAI 格式）接入 Codex 工具，並使用 DeepSeek V4 Flash 模型進行測試，旨在降低 AI 編程的使用門檻並控制費用。

本影片詳細演示了如何安裝與配置第三方開源工具 OpenCodex，透過接入第三方 API（如 DeepSeek）及本地模型運行平台（如 Ollama），讓 Codex 能夠調用非 OpenAI 的模型，從而擺脫官方 Token 限制。

影片介紹了 Deepseq 於 7 月 31 日更新後原生支援 Response API，使得 Codex 可直接連接 Deepseq，無需再依賴 Codex++ 或 CC-Swatch 等第三方協議轉換工具。透過官方一鍵配置腳本或手動編輯配置文件，用戶可在 Windows、Mac 及 Linux 系統中完成設置，並確認配置在 Codex 桌面版、CLI 及...