[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"article-github-outages-stalled-microsoft-ai-coding-lead-zh":3,"article-related-github-outages-stalled-microsoft-ai-coding-lead-zh":30,"series-industry-20a09a8e-9e7f-4a1a-bee1-94659af6cb5f":82},{"id":4,"slug":5,"title":6,"content":7,"summary":8,"source":9,"source_url":10,"author":11,"image_url":12,"cover_image":12,"category":13,"language":14,"translated_content":11,"related_article_id":15,"keywords":16,"key_takeaways":22,"views":26,"created_at":27,"published_at":28,"topic_cluster_id":29},"20a09a8e-9e7f-4a1a-bee1-94659af6cb5f","github-outages-stalled-microsoft-ai-coding-lead-zh","GitHub 故障拖慢微軟 AI 編碼優勢","\u003Cp data-speakable=\"summary\">我拆 GitHub 故障與 Azure 轉移卡住微軟 AI 編碼優勢的原因，最後給你一份可直接套用的穩定性 playbook。\u003C\u002Fp>\u003Cp>我盯微軟這條 \u003Ca href=\"\u002Ftag\u002Fai-coding\">AI coding\u003C\u002Fa> 線很久了，老實說，越看越不對勁。零件明明都在：GitHub、Copilot、Azure、OpenAI 的資源、開發者心智。照理說，這應該是一路往前衝的局。但實際上不是。服務一直抖，使用者一直卡，團隊一邊說 AI 能力很強，一邊又把產品丟進一個看起來快撐不住的基礎設施裡。最尷尬的是，微軟明明握著開發者平台的門票，卻眼睜睜看著 Cursor 和 Claude \u003Ca href=\"\u002Fnews\u002Fmicrosoft-cuts-claude-code-as-ai-costs-spike-zh\">Code\u003C\u002Fa> 把場子搶走。\u003C\u002Fp>\u003Cp>我最有感的是那種「明明有優勢，卻越用越像在補洞」的感覺。很多團隊都會把 distribution 當成免死金牌，覺得只要平台夠大，使用者就會忍。問題是，開發者不是來參拜的。你一旦開始擋人工作，他們就會默默開新分頁、換工具、在 Slack 裡抱怨，最後把原本的默認選項踢掉。這種事我看太多次了，真的不是靠幾張 roadmap slide 就能壓住。\u003C\u002Fp>\u003Cp>觸發我把這件事拆開來看的，是 CNBC 這篇 \u003Ca href=\"https:\u002F\u002Fwww.cnbc.com\u002F2026\u002F05\u002F22\u002Fmicrosoft-was-positioned-to-win-in-ai-coding-outages-got-in-the-way.html\" target=\"_blank\" rel=\"noopener noreferrer\">文章\u003C\u002Fa>，作者是 \u003Ca href=\"https:\u002F\u002Fwww.cnbc.com\u002Fjordan-novet\u002F\" target=\"_blank\" rel=\"noopener noreferrer\">Jordan Novet\u003C\u002Fa>。它把 GitHub 的故障、Azure 遷移壓力、管理層變動，跟 AI coding 市場的快速變化串在一起。這篇沒給觀看數或 bookmark 數，我就不亂掰。它真正有價值的地方，是把「技術問題」講成了「信任怎麼掉光」的故事。\u003C\u002Fp>\u003Ch2>GitHub 不是輸在 AI 不夠強，是輸在穩定性太難看\u003C\u002Fh2>\u003Cblockquote>“We have not met our own availability standards,” Vlad Fedorov, GitHub’s technology chief, wrote in a March blog post.\u003C\u002Fblockquote>\u003Cp>翻譯一下就是：我們連自己訂的可用性標準都沒守住。這句話很直白，也很傷。因為對開發者平台來說，availability 不是營運指標而已，它就是產品本體。你把工作流卡住，後面再疊多少 AI 功能，都只是把裝飾貼在壞掉的廚房上。\u003C\u002Fp>\n\u003Cfigure class=\"my-6\">\u003Cimg src=\"https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1779859114521-6bdl.png\" alt=\"GitHub 故障拖慢微軟 AI 編碼優勢\" class=\"rounded-xl w-full\" loading=\"lazy\" \u002F>\u003C\u002Ffigure>\n\u003Cp>CNBC 提到，GitHub 自三月以來有超過十幾起超過一小時的事故。這不是單次失誤，是使用者會感受到的模式。開發者很現實，真的很現實。他們不會因為你有宏大願景就原諒你把 clone、push、review、merge 搞到幾個小時不能用。HashiCorp 的 \u003Ca href=\"https:\u002F\u002Fmitchellh.com\u002F\" target=\"_blank\" rel=\"noopener noreferrer\">Mitchell Hashimoto\u003C\u002Fa> 在文中提到，他們被卡到「for hours per day」，這種話一出來，信任基本就開始漏氣了。\u003C\u002Fp>\u003Cp>我以前待過一個團隊，內部平台也是這樣：每次 demo 都很漂亮，一到尖峰就開始抖。結果大家嘴上說接受，手上卻偷偷繞路。這就是 GitHub 現在的處境。AI coding 是放大器沒錯，但它放大的不只效率，也會放大底層的痛。底層撐不住，AI 只會讓人更快看見你撐不住。\u003C\u002Fp>\u003Cp>實操寫法很簡單：如果你在做 developer platform，不要把可用性藏在「平台健康」這種模糊字眼裡。把它當成一個獨立產品線來管，設自己的 owner、自己的 release gate、自己的 downtime budget。內部要看數字，不能只看感覺。你守不住，就不要說自己有平台策略，頂多叫願望。\u003C\u002Fp>\u003Cul>\u003Cli>把 availability 拆到 workflow 層級，不要只看服務總體。\u003C\u002Fli>\u003Cli>針對 clone、push、review、merge 設 error budget。\u003C\u002Fli>\u003Cli>事故回顧要進產品規劃，不要只留給 ops 收尾。\u003C\u002Fli>\u003C\u002Ful>\u003Ch2>Azure 遷移不是背景板，它就是卡住容量的那根手\u003C\u002Fh2>\u003Cp>CNBC 的重點之一，是 GitHub 長期遷移到 Microsoft Azure 的過程拖得很久，結果限制了可用算力。這種企業內文看起來很官腔，實際上意思很簡單：遷移債會很快變成產品債。你以為你在搬家，實際上你在一邊搬、一邊接客、一邊修漏水。\u003C\u002Fp>\u003Cp>文中還提到，Vlad Fedorov 在三月說，GitHub 有 12.5% 的流量走 Iowa 的 Azure region，目標是到七月把 50% 流量放到 Azure。這代表\u003Ca href=\"\u002Fnews\u002Farsenal-title-return-training-matters-more-gallery-zh\">什麼\u003C\u002Fa>？代表根本還沒完成遷移，只是在半路上硬撐。半路上最麻煩，因為 queue 會開始怪，capacity 會開始歪，大家就會一直為例外開綠燈。\u003C\u002Fp>\u003Cp>我看過太多公司把「上雲」講得像一個乾淨俐落的動作。實際上不是。它通常是老系統、法務限制、供應商條件、季度目標一起攪成一鍋。問題是 AI coding 的需求不會等你遷移完。使用量一上來，平台要嘛有 headroom，要嘛沒有。沒有就會有 throttling、有延遲、有事故，然後使用者完全不在乎你的架構圖畫得多漂亮。\u003C\u002Fp>\u003Cp>實操上，如果你一邊遷移、一邊推 AI heavy product，就不要假裝遷移不影響體驗。你要先做 peak load model，而且不是只看平均流量，是看高峰、故障恢復、區域切換、AI agent 爆量這些情境。然後明確講清楚：系統撐不住時，哪些功能先停、哪些先降級、哪些延後。\u003C\u002Fp>\u003Cul>\u003Cli>把 peak traffic 跟 average traffic 分開測。\u003C\u002Fli>\u003Cli>把 migration risk register 綁到 customer-facing incidents。\u003C\u002Fli>\u003Cli>平台已經發熱時，不要硬上新的 AI feature。\u003C\u002Fli>\u003C\u002Ful>\u003Ch2>分發優勢不等於習慣優勢，這兩個差很多\u003C\u002Fh2>\u003Cp>微軟原本最大的牌，就是 GitHub 本來就站在開發者工作流裡。按理說，Copilot 應該很自然地變成預設選項。但 defaults 只有在持續好用時才黏得住。CNBC 引用的資料說，GitHub 現在的開發者數量是 2018 年被微軟收購時的六倍，還是 devops 市場的大站；可同時，Cursor 和 \u003Ca href=\"\u002Ftag\u002Fanthropic\">Anthropic\u003C\u002Fa> 的 \u003Ca href=\"\u002Ftag\u002Fclaude-code\">Claude Code\u003C\u002Fa> 已經把動能拉過去了。\u003C\u002Fp>\n\u003Cfigure class=\"my-6\">\u003Cimg src=\"https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1779859115823-8g9i.png\" alt=\"GitHub 故障拖慢微軟 AI 編碼優勢\" class=\"rounded-xl w-full\" loading=\"lazy\" \u002F>\u003C\u002Ffigure>\n\u003Cp>白話一點就是：分發很大，不代表偏好很穩。你可以到處都是，但只要體驗比別人慢、吵、卡，使用者還是會走。CNBC 也提到，根據 Ramp 的資料，Cursor 大約在一年前就已經在市占上超過 \u003Ca href=\"\u002Ftag\u002Fgithub-copilot\">GitHub Copilot\u003C\u002Fa>。這訊號夠直接了吧，不是被挑戰，是被超車。\u003C\u002Fp>\u003Cp>我覺得很多平台公司都會犯一個老毛病：以為既有用戶會因為已經在流程裡，就願意吞下更多摩擦。短期也許會，長期不會。只要有一個競品把 loop 做得更短、回饋更快、少一堆廢話，原本的「夠用」就會顯得很偷懶。AI coding 特別殘酷，因為使用者幾個 keystroke 就在評分，根本沒有長 sales cycle 幫你拖時間。\u003C\u002Fp>\u003Cp>實操寫法：如果你手上有 default 優勢，請你先假裝自己是 challenger。不要拿老客戶安慰自己，要拿最兇的對手當標準。看使用者是不是在同一個任務中途切工具，看你的產品是不是只是備胎，不是第一選擇。\u003C\u002Fp>\u003Cul>\u003Cli>追蹤使用者是否會中途切到別的工具。\u003C\u002Fli>\u003Cli>看你的產品是 first tab 還是 fallback tab。\u003C\u002Fli>\u003Cli>新功能如果只是多按鈕，別自欺欺人說有提升。\u003C\u002Fli>\u003C\u002Ful>\u003Ch2>領導層在換人，使用者只會把它解讀成失控\u003C\u002Fh2>\u003Cp>文章裡提到 Thomas Dohmke 在八月卸任 GitHub CEO，Julia Liuson 在四月退休，還有幾位 GitHub VP 轉去微軟其他部門。這種組織變動平常看起來像 HR 資訊，但在產品出問題時，它會變成放大器。因為使用者不會把故障解讀成單純技術事件，他們會直接把它讀成：這家公司是不是在漂移？\u003C\u002Fp>\u003Cp>也就是說，當產品本來就不穩，組織又看起來在洗牌，外界不會想「喔，應該很快就修好」。他們會想「這團隊是不是沒人真正接手」。你可以撐過一次大事故，但很難撐過一連串看起來彼此相連的「我們正在處理」\u003Ca href=\"\u002Fnews\u002Fgithub-copilot-security-code-quality-may-2026-zh\">更新\u003C\u002Fa>。\u003C\u002Fp>\u003Cp>我以前也在那種公司待過，工程其實有能力修，問題是 ownership 一直換，最後 postmortem 變成政治文件。那種感覺很糟，因為使用者感受到的不是 bug，而是沒人負責。你一旦讓人覺得「每次出事都沒人能把整條線扛到底」，信任就回不來了。\u003C\u002Fp>\u003Cp>CNBC 也引用了 Flask 作者 \u003Ca href=\"https:\u002F\u002Fwww.palletsprojects.com\u002Fp\u002Fflask\u002F\" target=\"_blank\" rel=\"noopener noreferrer\">Armin Ronacher\u003C\u002Fa> 的說法，意思大概就是：大家已經受夠不穩定、產品亂改、Copilot 噪音、領導不清楚，以及那種平台不再主要為原本社群服務的感覺。這種抱怨不是隨口罵，是使用者心裡已經準備離場時才會講的話。\u003C\u002Fp>\u003Cp>實操上，如果你的產品正在出問題，組織又在變動，你就要過度溝通 ownership。不要讓人猜。誰負責 reliability、誰負責 incident、誰負責 migration、誰負責對外溝通，全部寫清楚。使用者看不出誰在開車，就會直接假設沒人在開。\u003C\u002Fp>\u003Cul>\u003Cli>可靠性只給一個 owner，不要委員會式分散責任。\u003C\u002Fli>\u003Cli>事故時間線跟復原步驟，用白話公開。\u003C\u002Fli>\u003Cli>高層異動不要變成產品責任模糊。\u003C\u002Fli>\u003C\u002Ful>\u003Ch2>AI coding 市場跑得太快，Copilot 已經不像 pace setter\u003C\u002Fh2>\u003Cp>CNBC 引用 OpenAI 的說法，4 月時 Codex 的 active users 有 400 萬，比不到兩週前的 300 萬又往上跳。文中也提到 Anthropic 的 Claude Code 和 Cursor 的動能。反過來看，微軟在一月說 GitHub Copilot 有 470 萬付費訂閱者，比前一年成長 75%。數字都漂亮，但漂亮不等於領先。\u003C\u002Fp>\u003Cp>翻譯一下就是：市場現在不再只看你是不是先發。Copilot 早在 2021 年就出來了，先發當然有價值，但現在門檻更高。開發者要的是：回饋快、流程順、真的幫得上忙，而且每次用都不會讓人翻白眼。如果你的產品只剩「大家都知道它」，競品卻一直在推新東西，久了你就會像舊標準，不像新標準。\u003C\u002Fp>\u003Cp>我一直覺得平台公司最容易掉進一個坑：發明了類別，就開始守類別，守到最後把原本的速度守沒了。AI coding 不是博物館，沒人在乎誰先進場，大家在乎的是現在誰比較省時間。能不能少一個步驟、少一次等待、少一次出錯，這才是決勝點。\u003C\u002Fp>\u003Cp>實操寫法：不要只看 signup 或 paid subs。你要看的是，這個 AI 工具有沒有真的變成 coding session 的預設。看 retention by task，不要只看 account。使用者訂了，但真正幹活時還是去開別的工具，那你的 lead 多半只是表面數字。\u003C\u002Fp>\u003Cul>\u003Cli>比較 active usage 跟 paid adoption，不要只看一邊。\u003C\u002Fli>\u003Cli>追蹤 AI 建議被直接接受的比例。\u003C\u002Fli>\u003Cli>看新功能到底有沒有被用，還是只是發新聞稿時很好看。\u003C\u002Fli>\u003C\u002Ful>\u003Ch2>多雲不是戰功，是止血\u003C\u002Fh2>\u003Cp>文章還提到，GitHub 現在除了自家機房，也依賴 Amazon、Google、Microsoft、Oracle 這些雲端資源。Fedorov 說，他們已經開始走向 multi-cloud，並且在把較小的自建 data center 逐步移出。這段話如果翻成人話，就是：原本想要的集中式架構，現在不夠用了，只能用更麻煩的方式換穩定。\u003C\u002Fp>\u003Cp>也就是說，多雲很多時候不是策略炫技，而是被逼出來的生存手段。它貴、它亂、它很難維運，但如果不這樣做，代價是更頻繁的故障。所謂「架構比較優雅」在這裡通常只是比較好聽的失敗方式。\u003C\u002Fp>\u003Cp>我一直覺得團隊講 multi-cloud 時太浪漫了。實務上，它常常是因為某個 cloud 太熱、某個 region 太擠、某個 dependency 變成單點，最後只好到處留後路。GitHub 現在看起來就是這種狀態：不是因為喜歡複雜，而是因為不這樣會更痛。\u003C\u002Fp>\u003Cp>實操上，多雲只該放在真的能降低風險的地方，不要為了看起來很成熟就把工作負載撒滿天。優先放在 auth、storage、\u003Ca href=\"\u002Ftag\u002Fcode-review\">code review\u003C\u002Fa>、deployment 這種出事會直接傷到使用者的路徑，然後真的去測 failover，不要只在簡報裡畫箭頭。\u003C\u002Fp>\u003Cp>如果你是在別人的平台上做產品，這件事也順便提醒你：出口不能死。真正跑得快的團隊，不是架構圖畫得最漂亮的那個，而是有 fallback、而且敢用 fallback 的那個。\u003C\u002Fp>\u003Ch2>可抄的模板\u003C\u002Fh2>\u003Cpre>\u003Ccode># Reliability-first AI coding playbook\n\n## 我們到底在優化什麼\n- 開發者信任，先於功能數量\n- 可用性，先於 AI 新鮮感\n- 容量，先於上線速度\n- 清楚 ownership，先於組織改組\n\n## 1) 把產品定義成 workflow，不是功能\n產品不是「Copilot」或「agentic coding」，產品是：\n- 開 repo\n- 編輯 code\n- 產生建議\n- 審查建議\n- 合併變更\n- 出事時復原\n\n每一步都要定：\n- owner\n- SLO\n- 主要 failure mode\n- escalation path\n\n## 2) 設硬性的 reliability budget\n每週追這些：\n- uptime\n- p95 latency\n- failed pushes\n- failed merges\n- 超過 1 小時的 incident 數\n- mean time to recover\n\n規則：\n- core workflow 事故超標時，不准上新 AI feature\n- rollback 沒測過，不准 launch\n- migration 沒穩定 30 天，不准算完成\n\n## 3) 容量規劃要看 AI load，不是舊流量\n模型要至少包含：\n- 正常使用\n- 平日高峰\n- 事故恢復流量\n- AI agent burst\n- 區域 failover\n\n每個情境都要回答：\n- 先壞的是什麼？\n- 哪些會優雅降級？\n- 哪些要 throttle？\n- 哪些要暫停？\n\n## 4) 讓 migration 透明\n做一個 migration dashboard，至少包含：\n- 目前流量切分\n- 還沒搬完的 legacy dependency\n- 被卡住的項目\n- 容量風險\n- 對客戶的影響\n\n如果 migration 正在拖累產品可靠性，就直接講。\n\n## 5) 把競品當成產品規格\n每季比較一次最強競品，問：\n- 哪個任務它更快？\n- 哪個步驟它更不煩？\n- 哪種失敗它更能接受？\n- 使用者會主動提到什麼？\n\n然後挑前三個 gap 直接補。\n\n## 6) 寫 ownership memo\n格式固定成這樣：\n- Incident owner:\n- Infrastructure owner:\n- Product owner:\n- Migration owner:\n- Support owner:\n- Escalation channel:\n- Customer communication lead:\n\n## 7) 上新前檢查\n每次 ship 新 AI coding feature 前，先確認：\n- load test 過了\n- rollback 測過了\n- support docs 更新了\n- incident playbook 更新了\n- human review path 確認了\n- capacity headroom 夠了\n- 對客戶的溝通稿先寫好了\n\n## 8) 客戶 fallback\n如果主平台 degraded：\n- 清楚顯示 status\n- 盡量提供 read-only\n- 自動保留工作內容\n- 提供 export 路徑\n- 把 recovery steps 寫成一頁\n\n## 9) 每週營運 review\n每週回答：\n- 這週壞了什麼？\n- 使用者受到了什麼影響？\n- 我們對容量學到了什麼？\n- 因為可靠性，我們延後了什麼？\n- 競品這週又補了什麼？\n\n## 10) 決策規則\n如果一個 feature 讓 AI 更炫，但也讓 outage 風險上升，先不要 ship，直到可靠性補齊。\n\u003C\u002Fcode>\u003C\u002Fpre>\u003Cp>這段我會直接丟給團隊，不用客氣。它不帥，但它逼你把真正重要的事情講清楚。AI coding 產品如果正在掉信任，補法不是再多喊幾次 AI，而是把 headroom、ownership、workflow 定義先拉正。\u003C\u002Fp>\u003Cp>原始報導來自 CNBC 的 \u003Ca href=\"https:\u002F\u002Fwww.cnbc.com\u002F2026\u002F05\u002F22\u002Fmicrosoft-was-positioned-to-win-in-ai-coding-outages-got-in-the-way.html\" target=\"_blank\" rel=\"noopener noreferrer\">這篇文章\u003C\u002Fa>。我這篇是基於它的報導內容、文中引用的公開來源，加上我自己對平台可靠性怎麼把優勢磨掉的整理；模板則是我重新整理後可直接拿去用的版本。\u003C\u002Fp>","我拆 GitHub 故障與 Azure 轉移卡住微軟 AI 編碼優勢的原因，最後給你一份可直接套用的穩定性 playbook。","www.cnbc.com","https:\u002F\u002Fwww.cnbc.com\u002F2026\u002F05\u002F22\u002Fmicrosoft-was-positioned-to-win-in-ai-coding-outages-got-in-the-way.html",null,"https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1779859114521-6bdl.png","industry","zh","bfa36ba1-4e58-4d29-b732-59fb81060706",[17,18,19,20,21],"GitHub","Copilot","Azure","reliability","AI coding",[23,24,25],"平台優勢會被可靠性直接吃掉，尤其是開發者工具。","遷移債和容量不足會把 AI 功能變成放大痛點。","真正能抄走的做法是把 workflow、SLO、owner、fallback 寫死。",2,"2026-05-27T05:18:05.698686+00:00","2026-05-27T05:18:05.506+00:00","da242733-a19a-4cb7-b706-05f8699aa19e",{"tags":31,"relatedLang":41,"relatedPosts":45},[32,33,35,37,39],{"name":20,"slug":20},{"name":17,"slug":34},"github",{"name":19,"slug":36},"azure",{"name":18,"slug":38},"copilot",{"name":21,"slug":40},"ai-coding",{"id":15,"slug":42,"title":43,"language":44},"github-outages-stalled-microsoft-ai-coding-lead-en","How GitHub’s outages stalled Microsoft’s AI coding lead","en",[46,52,58,64,70,76],{"id":47,"slug":48,"title":49,"cover_image":50,"image_url":50,"created_at":51,"category":13},"69002c63-177a-4723-9e63-d28506f08edd","openai-ads-sensitive-chats-policy-zh","OpenAI把廣告擋在敏感對話外是對的","https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1781051578409-en02.png","2026-06-10T00:32:23.404084+00:00",{"id":53,"slug":54,"title":55,"cover_image":56,"image_url":56,"created_at":57,"category":13},"ea98a8c9-ebe1-4258-8a2b-b0d82b25deed","ai-bootlegs-streaming-royalties-stick-figure-zh","AI bootlegs 正在抽走串流版稅","https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1781050681742-3rdh.png","2026-06-10T00:17:31.017287+00:00",{"id":59,"slug":60,"title":61,"cover_image":62,"image_url":62,"created_at":63,"category":13},"20d0b5fc-a363-481d-86b2-e30276a49e92","amd-microsoft-windows-ml-acceleration-zh","AMD 與 Microsoft 把 Windows ML 推進 GPU 與 N…","https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1781047980407-vd5p.png","2026-06-09T23:32:31.304436+00:00",{"id":65,"slug":66,"title":67,"cover_image":68,"image_url":68,"created_at":69,"category":13},"9a0692ba-a9c5-42eb-823d-8a0e6e6ae3fc","openai-ipo-filing-turns-hype-into-scrutiny-zh","OpenAI IPO 讓神話變審核","https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1781042614962-bj12.png","2026-06-09T22:03:04.524304+00:00",{"id":71,"slug":72,"title":73,"cover_image":74,"image_url":74,"created_at":75,"category":13},"40d4f012-36b6-4b8f-b470-30242a0b8483","skatteetaten-public-sector-ai-should-be-judged-by-outcomes-zh","Skatteetaten 證明公部門 AI 應該看成果，不是看噱頭","https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1781038986405-p8cf.png","2026-06-09T21:02:32.1198+00:00",{"id":77,"slug":78,"title":79,"cover_image":80,"image_url":80,"created_at":81,"category":13},"f937e16b-7b3c-4ec8-b9f6-2b6031c6892c","openai-ipo-filing-wall-street-test-zh","OpenAI IPO 登場，華爾街先看這 5 件事","https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1781032675072-oq1m.png","2026-06-09T19:17:23.187013+00:00",[83,88,93,98,103,108,113,118,123,128],{"id":84,"slug":85,"title":86,"created_at":87},"ee073da7-28b3-4752-a319-5a501459fb87","ai-in-2026-what-actually-matters-now-zh","2026 AI 真正重要的事","2026-03-26T07:09:12.008134+00:00",{"id":89,"slug":90,"title":91,"created_at":92},"83bd1795-8548-44c9-9a7e-de50a0923f71","trump-ai-framework-power-speech-state-preemption-zh","川普 AI 框架瞄準電力、言論與州權","2026-03-26T07:12:18.695466+00:00",{"id":94,"slug":95,"title":96,"created_at":97},"ea6be18b-c903-4e54-97b7-5f7447a612e0","nvidia-gtc-2026-big-ai-announcements-zh","NVIDIA GTC 2026 重點拆解","2026-03-26T07:14:26.62638+00:00",{"id":99,"slug":100,"title":101,"created_at":102},"4bcec76f-4c36-4daa-909f-54cd702f7c93","claude-users-spreading-out-and-getting-better-zh","Claude 用戶更分散，也更會用","2026-03-26T07:22:52.325888+00:00",{"id":104,"slug":105,"title":106,"created_at":107},"bd903b15-2473-4178-9789-b7557816e535","openclaw-raises-hard-question-for-ai-models-zh","OpenClaw 逼問 AI 模型價值","2026-03-26T07:24:54.707486+00:00",{"id":109,"slug":110,"title":111,"created_at":112},"eeac6b9e-ad9d-4831-8eec-8bba3f9bca6a","gap-google-gemini-checkout-fashion-search-zh","Gap 把結帳搬進 Gemini","2026-03-26T07:28:23.937768+00:00",{"id":114,"slug":115,"title":116,"created_at":117},"0740e53f-605d-4d57-8601-c10beb126f3c","google-pushes-gemini-transition-to-march-2026-zh","Google 把 Gemini 轉換延到 2026 年 3…","2026-03-26T07:30:12.825269+00:00",{"id":119,"slug":120,"title":121,"created_at":122},"e660d801-2421-4529-8fa9-86b82b066990","metas-llama-4-benchmark-scandal-gets-worse-zh","Meta Llama 4 分數風波又擴大","2026-03-26T07:34:21.156421+00:00",{"id":124,"slug":125,"title":126,"created_at":127},"183f9e7c-e143-40bb-a6d5-67ba84a3a8bc","accenture-mistral-ai-sovereign-enterprise-deal-zh","Accenture 攜手 Mistral AI 賣主權 AI","2026-03-26T07:38:14.818906+00:00",{"id":129,"slug":130,"title":131,"created_at":132},"191d9b1b-768a-478c-978c-dd7431a38149","mistral-ai-faces-its-hardest-year-yet-zh","Mistral AI 迎來最硬的一年","2026-03-26T07:40:23.716374+00:00"]