[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"article-manus-shows-how-ai-agents-get-bought-zh":3,"article-related-manus-shows-how-ai-agents-get-bought-zh":30,"series-ai-agent-8981a2f2-3d5d-46ce-9464-a6af2e831671":75},{"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},"8981a2f2-3d5d-46ce-9464-a6af2e831671","manus-shows-how-ai-agents-get-bought-zh","Manus 教你 AI agent 怎麼被買走","\u003Cp data-speakable=\"summary\">我拆 Manus 的崛起、遷址和 \u003Ca href=\"\u002Ftag\u002Fmeta\">Meta\u003C\u002Fa> 交易，整理成 \u003Ca href=\"\u002Ftag\u002Fai-agent\">AI agent\u003C\u002Fa> 做全球分發可直接套用的 playbook。\u003C\u002Fp>\u003Cp>我盯 AI \u003Ca href=\"\u002Ftag\u002Fagent\">agent\u003C\u002Fa> 產品盯一陣子了，越看越有一種不對勁的熟悉感。demo 很亮，敘事很滿，大家都在講 autonomy，好像只要把這個字貼上去，產品就自然成立。但我自己真的去摸，常常不是太聰明，就是太脆，或者根本卡在錯的市場假設上。Manus 一開始也有這種味道：不是單純的聊天機器人，也不是標準的工具軟體，它想同時當工人、瀏覽器、規劃器，還想\u003Ca href=\"\u002Fnews\u002Fsingnova-h-studio-local-ai-pc-risc-v-zh\">變成\u003C\u002Fa>有人願意付錢的產品。這包太大了，通常會散掉。我後來發現，真正值得拆的不是 demo，而是它怎麼一路把自己調整到分發、法規、資本都能接得住。這才是比較像樣的方法論。\u003C\u002Fp>\u003Cp>這篇拆解的起點是 \u003Ca href=\"https:\u002F\u002Fen.wikipedia.org\u002Fwiki\u002FManus_(AI_agent)\">Manus (AI agent) 的 Wikipedia 頁面\u003C\u002Fa>，它把創立、發布、募資、新加坡遷址到 Meta 交易串在一起。Wikipedia 本身我不會當聖經，但它引用的 \u003Ca href=\"https:\u002F\u002Fwww.wsj.com\u002F\">The Wall Street Journal\u003C\u002Fa>、\u003Ca href=\"https:\u002F\u002Ftechcrunch.com\u002F\">TechCrunch\u003C\u002Fa>、\u003Ca href=\"https:\u002F\u002Fwww.reuters.com\u002F\">Reuters\u003C\u002Fa>、\u003Ca href=\"https:\u002F\u002Fwww.semafor.com\u002F\">Semafor\u003C\u002Fa> 才是我拿來對齊的錨點。這篇不是在重講公司履歷，我是要把那些對做 AI agent 很有用的動作抽出來，變成你可以抄的版本。\u003C\u002Fp>\u003Ch2>Manus 不是先賭模型，是先賭產品\u003C\u002Fh2>\u003Cblockquote>“In October 2024, Butterfly Effect began developing Manus, drawing inspiration from the San Francisco-based AI coding tool Cursor.”\u003C\u002Fblockquote>\u003Cp>翻譯一下就是：他們不是先問哪個模型最強，而是先看一個真的改變工作方式的產品，然後想「我們能不能把這個感覺搬到更廣的任務上？」這差很多。\u003Ca href=\"\u002Ftag\u002Fcursor\">Cursor\u003C\u002Fa> 之所以有意思，不是因為它背後那顆模型，而是它卡在工作發生的地方，讓人真的比較快。Manus 看起來是把這個直覺搬去別的工作場景，不是照抄介面。\u003C\u002Fp>\n\u003Cfigure class=\"my-6\">\u003Cimg src=\"https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1779376595829-tkyk.png\" alt=\"Manus 教你 AI agent 怎麼被買走\" class=\"rounded-xl w-full\" loading=\"lazy\" \u002F>\u003C\u002Ffigure>\n\u003Cp>我自己以前最容易犯的錯，就是先從模型能力出發，再回頭補 workflow。結果通常做出來像玩具：一個輸入框、幾個按鈕、再加一句「很智慧」。Manus 的起點比較像反過來。先有產品想像，再逼模型堆疊去支撐它。這也解釋了為什麼頁面會提到 Butterfly Effect 之前就做過 Monica，一個把多個商業模型包進同一個介面的瀏覽器擴充。這群人本來就在想 workflow 聚合，不是在拜模型。\u003C\u002Fp>\u003Cp>如果你在做 agent，這件事很重要，因為你的真正對手通常不是另一家模型商，而是使用者原本的習慣。Cursor 能贏 generic \u003Ca href=\"\u002Fnews\u002Fclaude-hud-live-status-claude-code-zh\">code\u003C\u002Fa> assistant，不是因為它比較會講道理，而是它住在 editor 裡。Manus 想住在任務完成的迴圈裡。這個思路對了：不要問你能 expose 哪顆模型，先問你能 finish 哪個工作。\u003C\u002Fp>\u003Cul>\u003Cli>先選一個使用者 workflow，整個 loop 都包起來。\u003C\u002Fli>\u003Cli>設計圍繞任務結果，不是圍繞模型回覆。\u003C\u002Fli>\u003Cli>模型能換就換，不要把模型當神主牌。\u003C\u002Fli>\u003C\u002Ful>\u003Cp>實操上，我會先寫下使用者「卡住」的那一刻，再倒推 agent 要做什麼。像履歷篩選，不要做一個「AI 助手」，直接做讀取、評分、解釋、匯出。像股票分析，不要做一個「聰明聊天」，直接做抓資料、比對、摘要、排版成使用者本來就會拿去工作的格式。\u003C\u002Fp>\u003Ch2>Manus 的 launch 不是產品護城河，只是把門打開\u003C\u002Fh2>\u003Cblockquote>“The launch demo video, which depicted the agent autonomously completing tasks such as resume screening and stock analysis, drew more than one million views within twenty hours.”\u003C\u002Fblockquote>\u003Cp>這個數字很重要，因為它告訴我市場真的在等一個像樣的 agent 敘事。不是「跟你的檔案聊天」，不是「問問題拿答案」，而是「真的把事做完」。demo 不是在展示文字生成，而是在展示工作被完成。這就是為什麼大家會轉傳。可我也得講白一點：一百萬觀看不是 product-market fit，那只是注意力。注意力很有用，但也很便宜。\u003C\u002Fp>\u003Cp>我看過太多團隊把 demo 速度誤認成產品強度。影片一發，網路炸掉，內部敘事就變成「我們踩到大東西了」。也許有，也許沒有。你只是找到一種大家愛看的格式。Manus 的 launch 證明了「自主任務」這個故事可以穿透噪音，但不代表產品就穩了。這兩件事是不同問題。\u003C\u002Fp>\u003Cp>不過這裡還是有實用價值。你的 agent 如果講不出一句沒有「AI」也聽得懂的話，大概就是在藏價值。Manus 用的例子很具體：履歷篩選、股票分析。這些任務很容易讓人腦中浮現前後差異，demo 才會跑得動。\u003C\u002Fp>\u003Cp>實操上，我會把 launch 綁在一個「手動很痛、輸出很明確」的任務上，然後直接秀 agent 從頭做到尾。不要讓觀眾自己腦補價值。你如果沒辦法把輸出做成使用者真的會存、會傳、會貼進工作的格式，那就繼續磨。\u003C\u002Fp>\u003Cul>\u003Cli>demo 只選一個任務，不要五個都半吊子。\u003C\u002Fli>\u003Cli>把 input、process、output 都秀出來。\u003C\u002Fli>\u003Cli>輸出要是使用者真的會交給同事的東西。\u003C\u002Fli>\u003C\u002Ful>\u003Ch2>稀缺感讓 Manus 變成市場，但稀缺不是商業模式\u003C\u002Fh2>\u003Cblockquote>“Demand for invitation codes drove a secondary market in which codes were resold … for prices reportedly between ¥50,000 and ¥100,000.”\u003C\u002Fblockquote>\u003Cp>這個訊號很野，代表他們其實懂分發，只是未必完全控制住。稀缺會讓產品很快看起來重要，也會把你不想要的注意力一起吸進來。我不太浪漫化這件事。有人轉賣邀請碼，不代表產品好，只代表入口有限，而且大家覺得這個入口值錢。\u003C\u002Fp>\n\u003Cfigure class=\"my-6\">\u003Cimg src=\"https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1779376599060-ohei.png\" alt=\"Manus 教你 AI agent 怎麼被買走\" class=\"rounded-xl w-full\" loading=\"lazy\" \u002F>\u003C\u002Ffigure>\n\u003Cp>我從這裡學到的是，Manus 對某一群人來說，確實有很強的「我現在就要用」敘事。這很好。但稀缺是 tactic，不是 strategy。如果你的產品只有在難拿到時才顯得有價值，那你其實是在借 launch 的力。用完之後，使用者還是會回頭要 repeatability，不會永遠買 exclusivity。\u003C\u002Fp>\u003Cp>很多 AI 產品在這裡偷懶：先做邀請制，買時間，但沒拿這段時間去降失敗率、縮任務範圍、或把 onboarding 弄正常一點。Manus 看起來是把 launch 熱度拿去建立全球辨識度，這是比較好的版本。但如果是我自己做 agent，我會把稀缺當成診斷工具，不是商業模式。有人願意轉賣 access，就去問他們到底想解哪個工作，再把那個工作做得更快更便宜。\u003C\u002Fp>\u003Cp>實操上，如果你要做 waitlist 或邀請制，先定義你要在封閉期學到什麼。是可靠度？是定價？是對的使用者分群？如果你講不出學習目標，那稀缺就只是戲法。\u003C\u002Fp>\u003Ch2>Manus 被推向海外，不是因為想全球化，而是因為依賴關係逼它這樣走\u003C\u002Fh2>\u003Cblockquote>“Manus was designed for markets outside China because it relied on American AI models that were unavailable domestically.”\u003C\u002Fblockquote>\u003Cp>這句我覺得最有意思。因為它直接把一件常被講得很虛的事講穿：產品地理位置是被基礎設施推著走的，不是品牌口號。大家愛把 AI 產品講成漂浮在政治和法規之上，實際上完全不是。模型可用性、資料規則、出口管制、區域限制，這些都會把產品往某些市場推、把它從另一些市場拉走。Manus 不是單純「選擇」出海，它的技術依賴本來就把路鋪成那樣。\u003C\u002Fp>\u003Cp>我自己也踩過類似的坑。產品看起來是全球的，直到某個第三方 \u003Ca href=\"\u002Ftag\u002Fapi\">API\u003C\u002Fa> 在你沒想到的地區掛掉。那一刻你才會發現，你以為的 universal，其實很局部。Manus 只是把這個問題放大到很大的尺度。只要你的 agent 依賴模型 API、瀏覽環境、支付管道、雲端 region，你其實早就做了戰略選擇，只是你還沒承認。\u003C\u002Fp>\u003Cp>真正有用的 takeaway 不是「你也要全球化」，而是你得知道自己哪裡會變成 region-specific。Manus 很早就得面對這件事，而後面的動作也一直在回應這個現實。如果你今天在做 agent，我會先把依賴關係畫得像敵對審計員在看：哪些模型 API 哪些地區不能用？哪些資料流會踩法規？哪些使用者最容易在不碰紅線的前提下先服務到？\u003C\u002Fp>\u003Cp>實操上，直接做一張 dependency table。每個 model、service、data source 都標清楚：哪裡能用、哪裡不能用、掛掉會怎樣。這張表比十頁策略簡報更接近你的 go-to-market。\u003C\u002Fp>\u003Ch2>新加坡不是裝飾，是公司真正的作業系統\u003C\u002Fh2>\u003Cblockquote>“Following the Series B round, Butterfly Effect relocated its headquarters from Wuhan and Beijing to Singapore.”\u003C\u002Fblockquote>\u003Cp>這裡故事就不是產品而已了，是生存。遷到新加坡不是什麼品牌包裝，而是對資本、信任、法規摩擦的結構性回答。頁面還提到他們關掉中文社群帳號、封鎖中國大陸存取、把中文版本計畫擱置。這不是旁枝末節，這就是公司的現實。\u003C\u002Fp>\u003Cp>我看過很多創辦人低估公司形狀對產品形狀的影響。他們以為產品可以不變，只是法體、總部、市場姿態換一下。沒有這種事。重心一移，產品就跟著變：使用者變了、支援成本變了、合規成本變了、roadmap 也會變。Manus 基本上是先換了重心，才有辦法繼續長。\u003C\u002Fp>\u003Cp>這裡還有個很硬的事實：當一家 AI 公司想拿全球資本、賣全球客戶，它通常得先讓自己對多個法域都看得懂。這不是選配。新加坡這一步看起來像乾淨的商業決策，實際上也是在降低投資人和客戶對中國連結的顧慮。很多人講「國際化」時都跳過這層，直接講市場。其實他們真正意思是法律、金融、營運一起重排。\u003C\u002Fp>\u003Cp>實操上，如果你要做跨境 agent，我會很早就決定：公司要長成什麼樣子，才會被你要的那群人接受。不是只有使用者，還有投資人、合作夥伴、監管者。你的公司結構本身就是產品的一部分。\u003C\u002Fp>\u003Cul>\u003Cli>先用你的實際目標市場決定法域。\u003C\u002Fli>\u003Cli>假設 entity 結構會影響銷售週期。\u003C\u002Fli>\u003Cli>合規不要等到卡住才補。\u003C\u002Fli>\u003C\u002Ful>\u003Ch2>Meta 收走 Manus，代表 agent 會變平台功能\u003C\u002Fh2>\u003Cblockquote>“Meta said it would continue to operate and sell the Manus service and integrate its technology into products, including Meta AI.”\u003C\u002Fblockquote>\u003Cp>這句話我看到會直接坐正。收購的說法表面上是公司被買，但真正被買的是能力。Meta 不是只想要一家新創，它想把那套系統塞進自己的產品裡。這通常就是新產品類別被驗證之後會發生的事：最好的想法最後被大平台吸收。\u003C\u002Fp>\u003Cp>這不代表 standalone agents 沒戲，而是門檻變高了。如果你的東西很容易被精神複製，你就得有更深的 workflow ownership、更強的分發，或是能扛住平台模仿的技術優勢。Manus 的故事夠大，所以 Meta 想收。這是強訊號。但也表示長期價值可能不只在品牌，而是在方法、介面、營運 know-how。\u003C\u002Fp>\u003Cp>我對那種把 acquisition 當終局驗證的創辦人一直有點煩。那只是對 interest 的驗證，不一定是對獨立性的驗證。平台想買你的產品，可能是因為你補了它的洞；也可能代表市場正在從「best-of-breed agent」往「大\u003Ca href=\"\u002Fnews\u002Frisc-v-router-crowdfunding-e-ink-kit-windows-11-zh\">套件\u003C\u002Fa>裡的一個功能」移動。你如果沒看到這個轉向，最後可能會留下一個很漂亮的產品，卻沒有分發故事。\u003C\u002Fp>\u003Cp>實操上，我會先問自己：我的 agent 是目的地產品，還是能力模組？如果是模組，就從第一天開始設計好 integration。若是目的地，就要更狠地做習慣、資料、轉換成本。不要假裝兩邊都能全拿。\u003C\u002Fp>\u003Ch2>可抄的模板\u003C\u002Fh2>\u003Cpre>\u003Ccode># AI agent 全球分發 playbook（Manus 版可抄模板）\n\n## 1. 先選任務，不要先選模型\n- 找一個使用者已經在手動做的工作\n- 寫清楚 input、output、成功條件\n- 讓 agent 的目標是把這個工作完整做完\n\n## 2. Demo 只講一件事\n- 只選一個真實任務\n- 秀出輸入、執行、輸出\n- 不要用空泛的「AI 助手」敘事\n\n## 3. 稀缺只拿來學，不拿來裝\n- 如果你做邀請制 beta，先定義要驗證什麼\n- 用封閉期改善可靠度、onboarding、定價\n- 核心任務可重複之後再開放\n\n## 4. 畫出依賴風險表\n| 依賴項目 | 哪些地區可用 | 哪些地區不能用 | 消失時會壞什麼 |\n|----------|--------------|----------------|----------------|\n| Model API |              |                |                |\n| Payments   |              |                |                |\n| Data source |             |                |                |\n| Hosting    |              |                |                |\n\n## 5. 先決定營運地理位置\n- 列出你真的要打的市場\n- 檢查 model stack、資料流、公司結構是否支援\n- 選一個跟業務一致的法域與 entity 設計\n\n## 6. 預設會被平台吸收\n- 問自己：這是目的地產品，還是功能模組？\n- 如果是模組，就設計好整合點\n- 如果是目的地，就加重習慣與切換成本\n\n## 7. Launch checklist\n- 一個清楚任務\n- 一個清楚使用者\n- 一個清楚輸出格式\n- 一個清楚定價故事\n- 一個清楚合規姿態\n- 一個清楚擴張路徑\n\n## 8. 可直接拿去用的 agent 設計 prompt\n你正在設計一個 AI agent，要完成一個特定使用者的特定任務。\n請依序輸出：\n1. 任務邊界\n2. 所需輸入\n3. Agent 必須執行的步驟\n4. 最終輸出格式\n5. 可能失敗模式\n6. 最小可行 workflow\n7. 真實使用者測試方法\n\n輸出格式請固定為：\n- Task\n- User\n- Inputs\n- Steps\n- Output\n- Failure modes\n- Test plan\u003C\u002Fcode>\u003C\u002Fpre>\u003Cp>這份模板就是我從 Manus 這條線抽出來的精華：先做真任務，讓 work 看得見，知道自己的依賴在哪，別忽略地理位置，也別把 launch spike 當成商業本體。\u003C\u002Fp>\u003Cp>來源主要是 \u003Ca href=\"https:\u002F\u002Fen.wikipedia.org\u002Fwiki\u002FManus_(AI_agent)\">Manus (AI agent) 的 Wikipedia 頁面\u003C\u002Fa>，裡面的敘述再往下是來自 \u003Ca href=\"https:\u002F\u002Fwww.wsj.com\u002F\">The Wall Street Journal\u003C\u002Fa>、\u003Ca href=\"https:\u002F\u002Ftechcrunch.com\u002F\">TechCrunch\u003C\u002Fa>、\u003Ca href=\"https:\u002F\u002Fwww.reuters.com\u002F\">Reuters\u003C\u002Fa> 與 \u003Ca href=\"https:\u002F\u002Fwww.semafor.com\u002F\">Semafor\u003C\u002Fa> 的報導。我這篇的拆解角度、模板和結論是我自己整理出來的。","我拆 Manus 的崛起、遷址和 Meta 交易，整理成 AI agent 做全球分發可直接套用的 playbook。","en.wikipedia.org","https:\u002F\u002Fen.wikipedia.org\u002Fwiki\u002FManus_(AI_agent)",null,"https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1779376595829-tkyk.png","ai-agent","zh","55fbf309-9fc9-4634-878f-f130fba45938",[17,18,19,20,21],"AI agents","distribution","product strategy","go-to-market","global expansion",[23,24,25],"先從任務設計，不要從模型能力開始","分發、法規、地理位置會直接改寫 agent 的產品形狀","如果產品容易被平台吸收，就要提早設計整合與切換成本",7,"2026-05-21T15:16:08.389272+00:00","2026-05-21T15:16:08.324+00:00","e3b68196-9e64-4c18-a3b6-a73e73bfb367",{"tags":31,"relatedLang":34,"relatedPosts":38},[32],{"name":17,"slug":33},"ai-agents",{"id":15,"slug":35,"title":36,"language":37},"manus-shows-how-ai-agents-get-bought-en","Manus shows how AI agents get bought","en",[39,45,51,57,63,69],{"id":40,"slug":41,"title":42,"cover_image":43,"image_url":43,"created_at":44,"category":13},"9fc5b17b-77e0-442f-b40d-6c5d0c74a980","glm-5-vibe-coding-agentic-engineering-zh","GLM-5 把 vibe coding 變工程","https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1781853513619-0z11.png","2026-06-19T07:18:09.421228+00:00",{"id":46,"slug":47,"title":48,"cover_image":49,"image_url":49,"created_at":50,"category":13},"61971c57-482e-4e7f-a79b-c3b304239065","kimi-k2-6-turns-agents-into-a-swarm-zh","Kimi K2.6 把 agent 變成群體","https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1781824691370-pud4.png","2026-06-18T23:17:47.818057+00:00",{"id":52,"slug":53,"title":54,"cover_image":55,"image_url":55,"created_at":56,"category":13},"4a0bdcd2-abcf-48a6-8cbb-38b6df8edf2d","lightrag-simple-defaults-beat-rag-complexity-zh","LightRAG 證明圖譜 RAG 需要更簡單的預設，而不是更複雜","https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1781812063993-vynr.png","2026-06-18T19:47:20.378166+00:00",{"id":58,"slug":59,"title":60,"cover_image":61,"image_url":61,"created_at":62,"category":13},"b8b8e12b-0e01-4204-bc59-eddef030606d","build-code-aware-rag-pipeline-langchain-zh","建立具程式感知的 RAG 管線","https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1781811179856-7o5s.png","2026-06-18T19:32:32.253731+00:00",{"id":64,"slug":65,"title":66,"cover_image":67,"image_url":67,"created_at":68,"category":13},"d27aa04b-7cd2-4a94-a7fd-1c1ce6874728","ebay-mcp-ai-assistants-ebay-sell-apis-zh","ebay-mcp 讓 AI 直接操控 eBay Sell API","https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1781809379605-oslg.png","2026-06-18T19:02:33.226473+00:00",{"id":70,"slug":71,"title":72,"cover_image":73,"image_url":73,"created_at":74,"category":13},"becd8e42-53b8-4250-8989-d3c8f60ea909","github-last30days-skill-ai-research-model-zh","GitHub 的 last30days skill 才是 AI 研究的正確模型","https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1781752672625-a8f4.png","2026-06-18T03:17:22.68358+00:00",[76,81,86,91,96,101,106,111,116,121],{"id":77,"slug":78,"title":79,"created_at":80},"4ae1e197-1d3d-4233-8733-eafe9cb6438b","claude-now-uses-your-pc-to-finish-tasks-zh","Claude 開始幫你操作電腦","2026-03-26T07:20:48.457387+00:00",{"id":82,"slug":83,"title":84,"created_at":85},"5bede67f-e21c-413d-9ab8-54a3c3d26227","googles-2026-ai-agent-report-decoded-zh","Google 2026 AI Agent 報告解讀","2026-03-26T11:15:22.651956+00:00",{"id":87,"slug":88,"title":89,"created_at":90},"2987d097-563f-46c7-b76f-b558d8ef7c2b","kimi-k25-review-stronger-still-not-legend-zh","Kimi K2.5 評測：更強，但還不是神作","2026-03-27T07:15:55.277513+00:00",{"id":92,"slug":93,"title":94,"created_at":95},"95c9053b-e3f4-4cb5-aace-5c54f4c9e044","claude-code-controls-mac-desktop-zh","Claude Code 也能操控 Mac 了","2026-03-28T03:01:58.58121+00:00",{"id":97,"slug":98,"title":99,"created_at":100},"dc58e153-e3a8-4c06-9b96-1aa64eabbf5f","cloudflare-100x-faster-ai-agent-sandbox-zh","Cloudflare 的 AI 沙箱跑超快","2026-03-28T03:09:44.142236+00:00",{"id":102,"slug":103,"title":104,"created_at":105},"1c8afc56-253f-47a2-979f-1065ff072f2a","openai-backs-isara-agent-swarm-bet-zh","OpenAI 挺 Isara 的 agent swarm …","2026-03-28T03:15:27.513155+00:00",{"id":107,"slug":108,"title":109,"created_at":110},"7379b422-576e-45df-ad5a-d57a0d9dd467","openai-plan-automated-ai-researcher-zh","OpenAI 想做自動化 AI 研究員","2026-03-28T03:17:42.090548+00:00",{"id":112,"slug":113,"title":114,"created_at":115},"48c9889e-86df-450b-a356-e4a4b7c83c5b","harness-engineering-ai-agent-reliability-2026-zh","駕馭工程：從「馬具」到「作業系統」，AI Agent 可靠性的終極密碼","2026-03-31T06:42:53.556721+00:00",{"id":117,"slug":118,"title":119,"created_at":120},"96d8e8c8-1edd-475d-9145-b1e7a1b02b65","mcp-explained-from-prompts-to-production-zh","MCP 怎麼把提示詞變工作流","2026-04-01T09:24:39.321274+00:00",{"id":122,"slug":123,"title":124,"created_at":125},"f2ca7720-b471-4ce5-9336-2a9ac2a876fd","amazon-bedrock-agents-multi-agent-workflows-zh","Amazon Bedrock Agents 進入多代理工作流","2026-04-01T09:30:29.945429+00:00"]