RD#3 誰來驗證 AI 的安全

這週寫的文章

從 OpenAI 攻擊 Hugging Face 看 AI 安全的監督困境

Leo Chiu · 10 分鐘

近期「AI 末世論」成為熱門話題，在與 AAPD 的一群產品人聊到這題時，讓我不禁思考：當我們在討論 AI 是否會毀滅人類時，檯面下被推動的究竟是什麼？追查這些背後的脈絡，會發現許多耐人尋味的利益交織。

為什麼 Linear 與 Tailwind v4 都不再幫按鈕加上 cursor: pointer？

Leo Chiu · 4 分鐘

最近在研究 Linear 這個產品，使用的時候總覺得有哪裡跟其他的網頁不太一樣，後來發現原來是滑鼠的互動體驗不一樣，他們在能點的元素都沒有加上 cursor: pointer，所以就想要研究一下為什麼 Linear 的團隊會這樣選擇。

研究到一半時，突然想到每次用 shadcn UI 做專案時，預設也不會有 cursor: pointer。

而且，不知道大家有沒有發現，如果有經歷過 Tailwind v3 的專案升級到 v4，按鈕的 cursor: pointer 也默默的被拿掉。

這篇文章記錄了來龍去脈。

重磅：AI 安全

Transluce 發布 AI 心理健康評測

Transluce

這算目前規模最大的 AI 心理健康評測了：跑了超過 50,000 場模擬多輪對話、逾百萬則訊息，橫跨 2024 年 5 月到 2026 年 7 月間八家公司的 77 個模型版本，還拿真實用戶的匿名數據回頭校正。

主要看 14 種行為，遇到自殺意念、精神病發或躁症時，模型到底會配合妄想、提供實質危害協助，還是好好引導去求助。其中一半經過臨床驗證，Crisis Text Line、哈佛醫學院跟史丹佛專家都有參與定義。

新舊模型差很多：新版幾乎不會再出現鼓勵自殺的回應，附和妄想與躁症的比例也從舊版的 69–82% 掉到 2–36%。

但還是有灰色地帶，只要把請求包裝成寫作任務，像是「寫一段關於自殺的創作」或代擬遺書，就很常過關。而且新模型常在同一段話裡同時做出有害與有幫助的行為，不像舊版壞得那麼單純，反而更難抓。

開發者與 AI 的分工

我們都想成為 Netflix，那下一個要學誰？

約 10 分鐘 · Oskar Dudycz

文章主要討論軟體工程領域如何從盲目模仿大科技公司（如 Netflix）轉變為過度依賴生成式 AI 工具（GenAI），以及這對工程師的角色與思考能力帶來的隱憂。

過去業界流行盲從科技巨頭（如 Netflix）的最佳實踐，雖然帶來 over engineering，但巨頭們公開思考與討論過程，工程師能參與辯論與評估。然而，現在使用 OpenAI 或 Anthropic 的 AI 工具時，演算法邏輯、決策機制與提示詞都被封裝在產品內部，工程師無法得知其背後的思考與權重設定。

AI 工具不僅協助寫程式，更開始參與問題拆解、定義規格與架構設計。如果工程師將這些核心思考完全交給 AI，不僅會被模型的「平均水準」限制，更可能失去工程師最關鍵的思考與判斷能力。

作者並不排斥使用 AI（自己每天都在用），但他主張將 AI 當作「互動式橡皮鴨（Rubber Ducking）」讓 AI 提問、協助梳理思路，但最終的決策、設計與程式碼審查必須由工程師主導，不應將思考能力外包給商業利益驅動的 AI 廠商。

How teams build：Linear 的 AI 使用行為報告

Linear（Edition 01, 2026）· Tim Qi

這篇文章是專案管理工具 Linear 發布的數據報告，主題為《AI 在軟體團隊中的使用模式》（AI usage patterns in software teams）。報告分析了其平台用戶在 2024 年至 2026 年間使用 AI 的真實行為變化，核心重點如下：

• AI 採用率全面爆發： 各職位（工程、產品、設計、市場）的 AI 功能使用率在半年內翻倍成長。高層（CEO/CTO/CPO）親自使用 AI 的比例甚至高於基層員工，且無論公司規模大小，採用速度皆相近。
• 角色邊界逐漸模糊： AI 降低了技術門檻，非工程師（如 PM、設計師）開始頻繁提交 Pull Request 進行代碼改動，越來越多人具備實質開發的能力。
• AI 成為任務產出的主導者： Linear 上近半數的 Issue 已由 AI 自動生成；串接 Coding Agents 的團隊，其每週提交的 PR 數量達到了傳統團隊的 6 倍以上。
• 工作量增加而非節省時間（傑文斯悖論）： AI 的引入並沒有減少團隊的工作時間，而是成為堆疊在現有工作之上的「新工作層」（例如與 AI 對話、派發任務給 Agent）。團隊因此交付了更多產出，但也花費了更多時間進行協調與溝通。

值得關注的新東西

System One 模型與 Jev

約 8 分鐘 · Diogo Almeida

這篇文章是 OpenAI 前研究員 Diogo Almeida（曾參與開發 ChatGPT 基礎技術）在創立 TypeSafe AI 後發表的公告。

他推出專為「軟體自動化」設計的新型 AI 模型 Jev（屬於 System One 架構），核心亮點如下：

• 捨棄文字，專注決策：放棄生成對話或文字，改為輸出百分百型態安全（Type-safe）的結構化數據與機率，達到零幻覺與零型態錯誤。
• 極速與低成本：採用平行採樣技術，回應速度僅需 70ms～500ms（比傳統 LLM 快 40～200 倍），且輸出 token 完全免費。
• 主要用途：直接嵌入程式碼作為「智慧型條件判斷（smart if-statements）」、處理大規模資料以及作為 LLM 的安全護欄，文章並展示了實時控制 DOOM 遊戲等 Demo。

心態與生活

3-2-1：如何開始新習 慣、責任的力量，以及把長期放在前面

約 3 分鐘 · James Clear

這篇電子報的核心在於「如何透過微小的改變與長遠思維來重塑生活」。

作者詹姆斯·克利爾指出，建立習慣的關鍵不在於狀態最佳時能做多少，而是要選擇在最糟的日子裡也能堅持的極小行動，先學會持續出現；而在財富與個人成長上，專注能創造財富、分散能保護財富，同時唯有主動承擔更多責任，人生軌跡才會向好的方向改變。

接著他引用村上春樹與溫德爾·貝里的觀點，提醒大家把金錢花在買得到的物品上，把寶貴的時間投資在金錢買不到的事物上，並學會以幾十年甚至一輩子的視角做長遠規劃，就像種下自己未必能親自收成的樹林一樣。最後，他留下一句反思：「如果不是現在，那要等到何時？」促使讀者即刻採取行動。