Latest

上下文就是攻擊面：從 DockerDash 看 AI 助手的供應鏈風險

整理一則 Threads：當 AI 助手開始讀 Docker image 的 LABEL/metadata，上下文可能被惡意注入，形成新的供應鏈攻擊面。

你的大腦不是多核心：為什麼「忙」常常只是切換太多

多工的代價不在你看得到的時間，而在你看不到的切換成本。用工程師的比喻，把深度工作與批次處理的做法講清楚。

本機 LLM 不是本機：Ollama 公網曝露的風險

當本機 LLM 服務端點曝露到公網，風險不只算力被偷用，更可能引發資料外洩與整合鏈的連鎖問題。這篇整理我會怎麼看、以及最低限度的防護做法。

AI 時代軟體不會變少：真正改變的是競爭門檻

每次技術浪潮都有人宣告舊東西要死了，但更多時候是共存與重組。AI 會讓軟體外擴、讓需求浮出，並把競爭門檻推向流程與決策能力。

反向圖靈測試：當人類開始學著用 AI 的方式說話

反向圖靈測試表面是個遊戲，背後卻映照出一個趨勢：為了讓模型聽懂，我們正在改造自己的表達方式。學會在『像 AI』與『像人』之間切換，會成為新時代的溝通能力。

AI 也能寫程式之後：工程師的價值會往哪裡移動

AI 正在把軟體工程拆成可調度的生產線：從副駕到 agent，再到 AI 管 AI。當寫程式變便宜，稀缺的是拆解、驗收、風險控制與對結果負責的能力。

Agent Teams 上線後：你不必當傳令兵，但仍要當總工

Agent Teams 的價值不在多開幾個分身，而在更好的協作與訊息路由。Team Lead 仍然必要，因為你要負責決策、邊界切分、合併策略與驗收門檻。