一間電子報公司，為什麼要辦一場8小時的Vibe Code Camp 直播？
在AI時代，有一間堅信文字力量的公司，還能賺到錢。
Every 是一間我非常喜歡的新創，表面上是一間經營付費電子報的團隊，骨子裏是AI時代的實驗先鋒，15人小團隊，一年賺到9千萬的營收，創辦人Dan Shipper是寫作瘋狂愛好者，早在小學三年級就寫了 100 頁小說，原本夢想當作家，後來才去寫程式、創業。
即使創辦公司，他信奉「 Writer first, CEO second」，每天早上先寫作、下午才開會和管公司，強調自己不是「剛好會寫作的創業家」，而是「真正想做的是寫作者，創業是只是順帶的」。（難不成是單靠寫作養不活自己？！ಥ_ಥ）
Every的商業模式絕不是只賣文字內容而已，Dan建立了四階段飛輪，其中寫作被定義為最關鍵的推進器：
• 活在未來（Live in the future）：團隊成員每天在 AI 環境中工作，親自測試所有工具。
• 書寫未來（Write what we see）：寫作被視為 Every 的靈魂，透過寫作將未來具象化，讓團隊有一雙能發現市場中缺少工具的眼睛。
• 打造工具（Build what’s missing）：根據團隊自身的需求開發 App。包含語音轉文字工具、整理信箱工具等。
• 教導有效方法（Teach what works）：將上述開發與使用經驗轉化為課程與顧問服務。
文字是認識世界的方式，了解之後更要有所行動，成為推動改變的一份子。
前情提要這麼多，重點是要分享 Every 舉辦了一場長達8小時的Vibe Code Camp 馬拉松直播，找來超多大咖直接分享螢幕，聊出最落地的開發技巧跟有趣的專案，以下是我整理的筆記精華。
🗒️筆記 01：暢銷作家Nat Eliason 的24/7自動化工作流
晚上 10 點躺床前發個 Telegram 訊息給 Clawbot，早上醒來新功能已經開發好、測試完、PR 也開了。
他的秘訣：
• Opus 4.5 當工程經理，架構全局
• Codex 5.2 當工程師，負責寫程式碼
• Clawbot 跑在 Mac Mini 上 24/7 待命
• 走路喝咖啡都能用語音派任務
自動化測試循環：
Sentry 偵測 bug → Slack 通知 → 標記 Clawbot → AI 分析問題 → 啟動 Codex sub-agent 修 bug → 自動開 PR → 通知你審核
每天凌晨 2 點，AI 自動讀完所有用戶對話，早上起床收到完整 Google Doc 報告：哪裡有 bug、該怎麼優化、建議改法。
從「有個會寫 code 的 AI」進化到「有個會管理工程團隊的 AI」，一個工程師的生產力變成 4-5 倍。
🗒️筆記 02：政治數據分析師Ashe Magalhaes 打造「AI 關係管理系統」
Ashe Magalhaes 曾在民主黨數據公司 Civis Analytics 工作，核心任務：預測選民支持度、識別潛在捐款者、測試政治訊息效果。
她發現：這些本質上都是「人際關係網絡」問題——誰在意什麼、何時該接觸。
如果政治團隊能用 AI 管理數百萬選民關係，為什麼一般人不能用同樣技術管理自己的人際網絡？
她建立個人網站，專門記錄應該讓AI 掌握的脈絡，讓AI可以提醒：
• 我該和誰見面？
• 這想法適合 pitch 給誰？
• 誰能介紹我給 X？
網站有個超酷的功能——思緒流，會自動記錄她無時無刻產生的想法。
流程：聽到有趣想法 → 傳 Slack 給 AI → Webhook 自動觸發 → OpenAI 處理 → 自動更新到 ashe.ai/stream → 想法公開記錄
不用打開筆記 app、不用想標題、不用分類。只要傳訊息，AI 就會記錄、整理脈絡、在適當時機提醒你。
🗒️筆記 03：Anthropic 工程師 Thariq：構建 AI Agent 是「藝術，不是科學」
這句話顛覆了我對工程的認知。Thariq在訪談中分享了四個 Agent 開發的關鍵思維
1. 直覺 vs 數據
靠數據分析抓不到用戶反饋的「共通模式」。你需要維持一種與產品的「氛圍感」，才能從上千個 GitHub issue 中識別出可組合的積木。
2. 構建 vs 毀滅
當 Claude 3.7 發布時，最難的不是寫新 code，是刪掉舊 code。多數工程師不相信模型已進化到可以原生處理複雜邏輯，執著於保留編排代碼。藝術家的直覺是：知道何時該放手。
3. 指令 vs 空間
Anthropic 不是「限制模型行為」，而是「解開束縛」。設計「提問工具」不是為了下死指令，而是拉出模型的隱性知識。如何平衡「自主運作」與「人類互動」？這是無法量化的平衡藝術。
4. 單點 vs 向量
競爭對手可以複製你的 code（點），但無法複製你的「向量」——對產品演進的方向感、從失敗中累積的背景知識、對品質的極致追求。在模型能力每三個月就躍遷一次的時代，過度依賴「科學的穩定性」反而成為束縛。
真正的 AI 工程師必須像藝術家，對氛圍敏感、有勇氣毀滅作品、憑直覺找到卓越的方向。
🗒️筆記 04：Anthropic 工程師 Thariq：扁平的to-do list正在限制 AI 的真正潛力。
Anthropic 工程師親自分享剛上線的 Claude Code Tasks 解決了什麼問題：
• 依賴關係盲區
代辦清單看不出「A 完成才能做 B」的依賴關係，容易執行順序錯誤
• 專案管理失能
所有任務同層級，無法表達主任務和子任務的結構
• 進度歸零困境
每次對話重開，之前的規劃就消失，無法「明天再繼續」
• 多 Agent 各自為政
前端、後端、測試的 Claude 無法協調分工
Opus 4.0 有強大規劃能力，但扁平工具就像給賽車裝自行車輪胎。
Tasks 支援依賴圖、跨 session 持久化、多 agent 共享狀態，真正釋放模型潛力！
🗒️筆記 05：Notion 工程師 - IDE 應該像文字編輯器一樣，低門檻、高天花板。
Geoffrey Litt 將Notion變成IDE了，以下是他的工作流：
• 語音變任務
走路時用 Notion 錄音捕捉靈感，AI 自動轉成看板任務
• 看板驅動開發
終端機輸入指令 + Notion 連結，代理自動移動卡片狀態，提供全域地圖
• 紅卡介入機制
代理遇到問題？卡片變紅色，在評論區提問，你回覆後它繼續
• 簡報手冊 + 理解測驗
代理完成任務後生成解釋文件，你必須通過測驗證明理解，才能發 PR 給同事
從 60 個標籤頁切換，到一站式視覺化看板，讓 Notion 成為編排多個代理的控制台，同時確保人類始終in the loop。
🗒️筆記 06：文字描述 UI？你已經輸在起跑點了
你還在用 Markdown 寫「按鈕在左上角，點擊後跳到登入頁」嗎？競爭對手已經直接畫出來讓 AI 一鍵實作了。
10X 工程師 CJ Hess 分享，Markdown 根本不是為視覺溝通設計的，Claude 3.5 Sonnet 有強大空間推理能力，但 Markdown 把這能力廢掉了：
• ASCII 框圖讓 AI 搞不清楚空間關係
• 描述 UI 佈局要寫一大段文字
• 你花 80% 時間解釋「這個在哪」，AI 還是做錯
CJ 開發了一個「IDE 裡的 Figma」：
• 本質是 JSON，不是圖片
• 每個元件都有 ID、座標、標籤，AI 直接讀懂空間邏輯
在 Flowey 畫完導航流程，Claude 立刻構建出完整測試功能！
🗒️筆記 07：AI 生成一堆垃圾？不，是你自己偷懶。
Google AI Studio 工程師 Logan Kilpatrick 開砲，他說 Slop（AI 垃圾）不是模型問題，而是創作者的問題：
• 第一次生成就複製貼上
• 看到 80 分結果就滿足了
• 沒有迭代、沒有調整、沒有品味
Logan認為，Slop 的標準不斷在變化，隨者模型能力不斷提升，今天的高品質產出，12 個月後就是新的垃圾。
創作者的品味，必須跑在「AI 預設的平均值」前面。
今天開始一個新習慣：AI 生成 10 次以上才能用。