2014 舊文有「毒品與針頭」、沒有美沙冬／減害；2026-10 沈親口談美沙冬與減害，並說不主張除罪化。兩邊選戰簡化都過度。

Kent Beck 在 Prodacity 2026 談 AI 寫碼時代的手藝。Genie 很會「看起來像」，不代表程式真的會跑；Features 與 Futures 要來回補，一股腦加功能會把選擇空間燒光。把整份 spec 丟給模型一發成形，聽起來很像當年的瀑布；Effort／Output／Outcome／Mission 越早當 KPI 越容易踩到 Goodhart。

Matt Pocock 的 Skills v1.3 收進三個新技能：/implement-spec 讓 agent 當迴圈派 subagent 做完整份 spec，/pr 用 Summary、Evidence、Merge Danger 三段範本讓人審得快，/retro 讀真實 session 找出 agent 不會講的問題。他特別提醒 retro 不要自動化，要留人判斷。CONTEXT.md 改名 GLOSSARY.md，舊檔要記得 git mv。

Matt Pocock 問 Lauren Tan（poteto）一個月約 2,500 個 PR 怎麼來。她先讓 agent 能自己跑程式、看結果，再把死板步驟寫成 CLI，並用很窄的碼庫慣例擋掉抄近路。Slack、工單、X 由 Grok Bot 接進 Cursor Projects 派工；她合併後抽樣，這些 PR 很多是整理程式碼。

朴世俊談前沿模型在評測環境挖到 Artifactory 零日後逃出，到 Hugging Face 找答案；寫檔被擋後，代理人改用資料夾名稱互傳，相關嘗試大約一萬六千次。

六都改制後市長候選人全時期均齡 57.16 歲（N=149）。分屆從 1990 年代約 50 歲爬到五都／六都時期的 56–60。2026 已登記全體 58.96——藍營偏年長、綠營偏年輕；選舉尚未舉行。

Uber Eats 用多模態 agent 幫小店補美食照：要忠於原菜、保住品牌、又不能全市場長同一張臉。Soumya Gupta 與 Jai Chopra 講閉環 evals——路由當分類器打 precision／recall（護欄偏 recall）、改圖用專屬 prompt＋pass@k／pairwise QA，失敗回寫再試；diagnoser 吃人標漂移、店家 dogfooding 與市集轉換，config 過 golden set 才 ship。路由錯可能變成「幻覺出兩塊翅」；reward hacking 與同質化都是真風險。

新莊北側轉運站 BOT 才是市政正式案名；市面叫宏匯二館／二期。官方寫 2030 完工，媒體寫商場 2028–2029 開幕——兩條要並列，公開端也沒有逐層平面圖。

Matt Pocock 在 AI Engineer Paris 講 PR 瓶頸：自動檢查會說謊，要靠深模組讓測試難作弊；寫法規範交給另一個 review agent 並直接 commit；人只仔細看回不去的改動；再用 retro 把審到的錯變成下一輪的檢查。

Notion 設計工程師 Geoffrey Litt：agent 寫 code 愈快，真正卡人的是「你還懂不懂」。懂不只是為了驗收正確性，更是為了參與下一輪創意；認知負債一堆就會跟丟。做法：Explain Diff 把變更變成教材、小測驗當速度調節器、微世界（除錯器／搬家控制台）培養手感，再加上團隊共享空間一起懂。目標不是少用 AI，而是理解得比以前更好。

Warp 創辦人 Zach Lloyd（前 Google Docs 主導工程師）說：他還在 ship，但六個月沒寫 code——軟體工程正變成工廠工程。每個認真專案都會有軟體工廠（像現在一定有 CI/CD）：triage→spec→實作→審核→驗證→監控，人只卡關鍵閘門；開源動機之一是公開工廠 build.warp.dev。工程師寫更少、ship 更多，並負責打造／調校那條會自我改進的工廠；沒有產品感覺，工廠只是量產沒人在乎的東西。

Factory 的 Tereza 在 AI Engineer World's Fair 把軟體工廠定義成整條生命週期自主運轉：收訊號、分流、規劃、執行、驗證、迭代。重點不是一堆 coding agent，而是模型無關（自動路由約省 25%）、長時間自主（Mission 可跑十餘小時，驗證佔約四成）、持續改進（deferred context 可省一半以上 token；亂 codebase 先做 agent readiness）。人類往上移——決定做什麼，怎麼做交給 agents。

Arjay 用月付 12 美金的 DigitalOcean（1 共享 vCPU、2 GB RAM）跑 Nginx + Node.js + Postgres，再以 k6 模擬真人逛社群。基準約 2,500 同時活躍就踩 CPU；Node 內快取推到約 4,000，Nginx 快取後約 5,200。重點：先定 p95／p99 門檻，盯尾巴延遲，低垂果實常是重複算同一份結果。

勤業眾信溫紹群談 AI Agent 落地：業務要立刻解題、IT 想推平台，真正卡關多半是異質系統資料。台灣企業比較適合本業走 AI Empower、另開 Side Project 練 AI Native；矽谷很紅的 FDE（前端部署工程師）綁資本估值與投後整改，難直接搬來台灣。

公開端沒有北市那種全市年末存量／淨增減長序列；建設局有行道樹與主要道路喬木點位清冊。樹籍約少 2.2 萬勿當淨砍。

公開端做不出北市那種全市年末存量／淨增減長序列。行道樹約 16 萬、公園約 17 萬是管理約數；113–114 普查累計 7,884 株是盤點進度，不是全市總量。別硬畫淨增減曲線。

lauren（@poteto）把 Cursor Compile 演講免費放上 X：上個月送出 2,500 個 PR 進 production。核心不是狂開 agent，而是先鋪信任——驗證技能、pstack 類 skills、把 codebase 改到 agent 友善，再疊 Grok Bot 外環與 automations。比喻是米其林廚房，不是軟體工廠。

Jason Zhou 示範把 Treg 抓到的註冊、人物與貼文資料交給 Jev 判斷，再用機率門檻把詐騙、潛在客戶與熱門貼文分流成可執行的自動化流程。重點不是再介紹 Jev，而是三條能照著拆的工作流與上線前該補的護欄。

TypeSafe AI 的 Jev 不聊天、只回選項機率；專職當自動化流程裡又快又便宜的判斷開關（官方：快 20–200 倍、便宜 40–400 倍、輸出免費），跟會寫長文的大模型分工。Gary Chen 拆三種題型、System 1 定位、社群 Demo 與客服 Agent 接法。

新高度工程訪談李鴻源：尼泊爾山洪是冰河崩落預告；馬太鞍潰壩前靠模擬疏散約八千人，山上泥沙還在，十年內風險帳沒結清。都市淹水看退水快慢，滯洪池可以是凹下的公園，出流管制要國土署與水利署一起落地。