這是我希望能養成每月固定分享的第一篇，整理一些讓我印象深刻的閱讀內容，並說明它們吸引我的原因。

AI 工具的更新仍占據主導地位，包含了新模型與工具的變動，還有一些關於 AI 實際應用與對這項技術持續抱持懷疑的有趣文章。

Claude 的發展弧線

四月呈現了一段關於 Anthropic 未來走向的有趣故事。雖然Claude Platform on AWS 公告並非最引人注目的消息，卻可能透露出 Anthropic 策略上的重大轉變。其發展方向看起來愈來愈朝向企業市場，這也引發了一個疑問：這對於那些曾推動 Claude 使用者數快速成長的慷慨個人方案意味著什麼。

這種張力在整個四月都清晰可見。GitHub issue #42796 很好地捕捉了這種挫折感，使用者普遍認為 Claude Code 在複雜任務上的表現出現倒退，並懷疑背後有暗中削減成本的操作。顧問策略文章正是在這樣的背景下發布：預設使用 Sonnet，只在必要時才升級至 Opus。表面上是一則工作流程建議，但同時也是一種在龐大使用者群中更有效分配運算資源的方式。儘管如此，Anthropic 仍持續推出新產品，新模型Opus 4.7與Claude Design接連快速上線。

Anthropic 最終在 4 月 23 日發布了一份事後檢討報告，說明導致效能倒退的三項獨立變更。很高興他們終於承認使用者一直在反映的問題，並以重置用量配額作為補償。然而頗具諷刺意味的是，一家處於提倡透過 AI 加速交付最前線的公司，卻親身體驗到同時快速推動多項變更時，一旦出問題就很難診斷究竟是哪個環節出錯。

其他 AI 工具

Cursor 3 在本月發布，其介面圍繞 parallel agent workflows(平行代理工作流程) 設計，我這個月大量使用了它。接著有消息指出SpaceX 已取得以 600 億美元收購 Anysphere（Cursor 的母公司）的選擇權。這是一項互惠的合作，SpaceX 藉此獲得可與 OpenAI 和 Anthropic 競爭的可信 AI 程式開發產品，而 Cursor 則能取得大規模訓練自有模型的運算資源。目前他們在很大程度上仍受制於模型供應商的定價，其自有的 Composer 模型是基於開源的 Kimi K2.5 所打造。

OpenAI 也推出了GPT-5.5——又一個模型，又一項基準測試。整體而言，各家發布的步調已經快到難以有意義地追蹤。

在實務中運用 AI

Addy Osmani（艾迪·歐斯馬尼）的你的平行代理數量上限一文非常貼近真實感受，描述了同時運行多個代理實際上的體驗。在我更深入使用 Cursor 3 功能的過程中，我覺得這篇文章特別有共鳴。處理量的提升是真實的，但認知負荷也同樣真實——在腦中同時維持多個問題脈絡，並持續做出判斷，是一種全新的疲憊感。

Birgitta Böckeler（碧姬塔·伯克勒）的給程式碼代理使用者的駕馭工程記錄了在由代理執行工作時如何將品質左移的方法，並定義了「Harness engineering(駕馭工程)」的不同面向。很有趣的是文中提到了 mutation testing(突變測試)，這與我在我那篇關於代理測試品質的文章中談到的思路相似。Rahul Garg（拉胡爾·加爾格）的回饋飛輪則探討了如何利用回饋循環來隨著時間改善 AI 輔助開發。綜合來看，思考團隊如何建立自己的「harness」以提升 AI 輔助開發的品質，是件很有意思的事。

Mikhail Bartashevich（米哈伊爾·巴爾塔舍維奇）那篇關於在 Moss 打造適用於 AI 的前端架構的文章是個不錯的發現，他們引用了我的Storybook MCP 文章作為影響來源，這對我來說是第一次。與此相關，Design Systems Collective 那篇探討在 AI 時代設計系統究竟是什麼的文章，則有力地論證了在使用 AI 時設計系統的好處，支持了我與米哈伊爾所撰寫關於打造 MCP 工具的價值。

懷疑論者的角落

Han Lee（韓·李）的AI 大躍進一文刻意挑釁，但其核心觀點——在由上而下的 AI 指令中，信念取代了能力——卻難以讓人忽視。James Stanier（詹姆斯·史塔尼爾）在2035 年的資深工程師會是誰？中則提出了一個更安靜、卻或許更令人不安的問題：如果 AI 正在吸納過去用來訓練初階工程師的瑣碎任務，而招聘又已停滯，那麼下一代資深工程師將從何而來？

Vercel 在信任度方面經歷了艱難的一個月，先是一款 Claude Code 外掛透過系統提示注入竊取提示內容，接著又發生一起可追溯至員工安裝了具有過寬 OAuth 權限的第三方 AI Chrome 擴充套件所導致的資安事件。這兩起事件都像是整個生態系發展速度超越其安全實踐的徵兆。

Nilay Patel（尼萊·帕特爾）的提防軟體腦為這一切提供了更廣泛的文化脈絡。民調數據顯示，包括最重度的 AI 使用者在內，大多數人隨著時間對這項技術愈來愈抱持敵意。產業對 AI 的感受與其他所有人對它的感受之間的落差，正在擴大，而非縮小。

有趣的前端內容

Inngest 那篇關於利用懸置 Promise 控制流程的文章是一則巧妙的 JS 執行時思考，利用永不解析的 Promise 作為取消操作的原語。

TanStack 的用你的方式使用 React Server Components闡述了他們對於使用 React Server Components 的理念，這是一種與 Next.js 截然不同的做法。

MDN 的前端深入解析是對其自身技術堆疊的紮實架構導覽，是在實務中運用 web components 使用 Server Components 模式的有趣案例。

Manuel Matuzovic（曼紐爾·馬圖佐維奇）關於為什麼 box-shadow 不能替代 outline的短文，提供了一個你可能沒注意到的無障礙問題的快速提醒。

堆疊式 PR

GitHub 的原生堆疊式 PR在本月以非公開預覽的形式上線。如果你讀過我那篇關於可理解性與代理產生程式碼的文章，就會知道我一直提倡將 stacked PRs(堆疊式 PR) 作為一種讓審查者放慢腳步、使大型 AI 產生的變更真正可被審查的方式。看到 GitHub 原生支援這項功能是個好兆頭，透過 gh CLI 整合為代理管理此工作流程提供了簡潔的介面。

持續學習

在眾多 AI 工具的喧囂中，我一直刻意努力去理解其背後真正的運作原理。雖然我在資工學位中對類神經網路與反向傳播還有模糊的記憶，但我正在觀看3Blue1Brown 的類神經網路系列，以便更了解現代 LLM 的運作方式。

我也已開始修習Claude Partner Network的入門課程，為接下來的認證流程做準備。