> ## Content Index > Fetch the complete content index at: https://growthhackers.tw/llms.txt > Use this file to discover other available public pages before exploring further. # 王董週刊 #2｜Coding is Solved 之後，Growth Hacker 該蓋什麼？ - URL: https://growthhackers.tw/blog/weekly-2-coding-is-solved/ - Published: 2026-05-09T12:40:46.000Z - Updated: 2026-05-09T12:40:46.000Z - Author: Lewis wang - Tags: 王董週刊, AI Coding, Claude Code, Multi-agent, Boris Cherny > 過去七天，AI 圈把「軟體怎麼蓋」這件事重寫了一次。我整理了34篇全部讀完之後得到一個結論很簡單：寫 code 已經不是瓶頸了，瓶頸是你會不會「編排 agent」。 這是「王董週刊」第二期。上一期講的是 Agentic Commerce，講的是「你的客戶被 AI 代購」。這一期換邊：講「你自己怎麼跟 agent 共事」。 12 篇素材橫跨 Anthropic、Box、Uber、Supabase、Ahrefs、Cherrypick、Meta CMO 級的訪談，每一家都在講同一件事：AI agent 從工程師玩具變成了一條生產線。 來，這期我們繼續從「主軸、工具、商業訊號、私心推薦、本週金句」五段把它收乾。 --- ## 一、本週主軸：Coding is Solved，那然後呢？ 切入重點，先看一句話。 Anthropic Claude Code 創造者 Boris Cherny 在 a16z 的 podcast [Why Coding Is Solved, and What Comes Next](https://www.youtube.com/watch?v=SlGRN8jh2RI&ref=growthhackers.tw) 直接說：「Coding is solved。」（Coding 問題已經解決） 他不是吹牛。他自己舉證：他現在完全不再親手寫 code，所有程式碼都由 AI agent 完成，他用手機管理數百個 agent 與數十個持續運行的 loop 任務。Anthropic 內部 PM、設計師、財務都已經開始寫 code，因為「寫」這件事的門檻被磨平了。 Boris 用了一個歷史類比，我覺得最該記住： **1400 年代印刷術發明前，全球識字率大約 10%。印刷術讓識字率衝到 70%。AI 對軟體開發要做的，是同一件事，把「會寫軟體」從工程師專利變成所有人的標配。** 來看三組數據佐證這個轉變正在發生。 第一組來自 Anthropic 自己的 [Code with Claude 2026 Opening Keynote](https://www.youtube.com/watch?v=GMIWm5y90xA&ref=growthhackers.tw)。Anthropic CPO Ami Vora 在台上直接公布： - Anthropic API 使用量年增 **近 17 倍** - Claude Code 每位開發者平均每週使用時間 **20 小時** - Mercado Libre 旗下 **23,000 名工程師** 全體導入 - 該公司用 Claude Code 已審查超過 **50 萬個 PR**、現代化 **9,000 個應用程式** 數字密度大到不可思議。20 小時 / 週是什麼概念？等於每個工程師每週有半個工作週是「跟 Claude 一起寫」。 同一場 keynote 還公布四項新能力，這是第二期週刊讀完最該記在白板上的東西： ► **Multi-Agent Orchestration（多代理編排）**：你可以建立 agent 艦隊，每個 agent 有自己的上下文視窗，協作完成複雜任務。 ► **Dreaming（自我學習）**：Claude agent 自動檢視過去執行記錄、提取學習成果寫入記憶體，不需要工程師手動介入。 ► **Outcomes（目標導向迭代）**：你用 markdown 寫成功標準，系統自動迭代直到達成目標。 ► **Routines（排程自動化）**：你用 webhook、排程或 API 觸發 Claude Code，等於「醒來的時候，PR 已經在等你 review」。 這四個東西放在一起翻譯成一句話：你以前的工作是 coding，現在的工作是設計一條會自己跑的生產線。 第二組數據來自 Uber AI Platform 團隊在 KubeCon 的 keynote [How Uber Runs 60,000 AI Agent Tasks Per Week With MCP](https://www.youtube.com/watch?v=yVqMxBahjfA&ref=growthhackers.tw)。 - Uber 超過 **5,000 名工程師** 在用 agent 工作流 - 其中 **90% 以上每月活躍使用** - **每週執行 60,000 次 agent 任務** - 把 **10,000 多個服務** 的 IDL 端點自動轉成 MCP 工具 - 光是背景跑的 Minions agent，**每週產生約 1,800 次程式碼變更** Uber 直接說了：「這不再是試點計畫，而是 Uber 的新工作標準。」一家全球頂級工程組織，用 agent 已經像用 Slack 那樣天經地義。 第三組數據來自 Ahrefs 內容總監 Ryan Law 在 [How to automate blog writing with AI from keyword to published](https://www.youtube.com/watch?v=iVZrVeESnFQ&ref=growthhackers.tw) 公開的 Blog Pipeline。 - 用 Claude Code 串 **約 12 個 Skill 檔案** - 從關鍵字研究到 WordPress 草稿，**8 到 11 分鐘** 跑完 - 每月在這條 pipeline 上發 **10–15 篇新文章**、更新 **約 30 篇** 我自己看到 8–11 分鐘那行的時候停頓了一下。換算成每篇成本，約等於一杯咖啡的時間。Ahrefs 不是隨便一家公司，他們是內容 SEO 的世界級玩家，這條 pipeline 是真的在跑、真的在發、真的在排名。 把三組數據疊起來：個人（Boris）、企業（Uber）、行銷團隊（Ahrefs）三個層級，都已經把 agent 內建進日常。 ![本週主軸數據卡：Anthropic API 17x、Claude Code 20hr/週、Mercado Libre 50 萬 PR + 9,000 應用現代化、Uber 60K 任務/週、Ahrefs Pipeline 8–11 分鐘成稿](https://growthhackers.tw/content/images/2026/05/weekly-2-img01-infographic.png) 我自己最有感的場景。以前我們進百貨公司開新櫃，最痛的不是談合約，是「人」。一間新櫃要 3 個櫃姐輪班，外加總公司支援的督導。每多開 10 個櫃，HR 部門就要擴編一倍。1995 年的門市主管跟 2026 年的工程主管，面對的是同一道牆：你的事業要成長，但人手永遠不夠。 Anthropic、Uber、Ahrefs 這三家公司在做的事情翻譯成一句話：**他們把「事業要成長就要加人」這條線剪斷了。** 這就是這期的主軸金句。記下來： > **瓶頸從「會寫」移到「會編排」。** 寫程式不再稀缺。編排 agent，把分散任務組合成一條會自己跑的生產線，才是下個世代的硬技能。 --- ## 二、工具實戰：五個你這週就能動手做的事 切入重點，不要看完就放著。我從 12 篇素材裡挑 5 件你這週可以直接做的事： **► 第一：升級 Claude Code，把 `/loop` 與 Routines 開起來** Code with Claude 2026 公布的 Routines 不是新概念，但官方化之後門檻會大降。Boris 在訪談裡提過他自己的玩法：用 `/loop` 把「每 5 分鐘檢查 CI、自動修一輪」「每 30 分鐘抓 Twitter 回饋」這種重複任務跑成背景循環。 具體你今天可以做：把你現在每天手動做、又絕對不會出大錯的 1 件事，包成一個 prompt，丟給 Claude Code 用 `/loop` 排起來。例如「每天早上 9 點抓我網站 GSC 的 Top 10 query 變化、寫進 Notion」。第一次 setup 半小時，跑順之後每天省你 10 分鐘。乘 250 個工作天，是 40 小時。 **► 第二：用 Ralph Loops 概念跑你最重複的任務** Cherrypick 的 Chris Parsons 在 [Ralph Loops: Build Dumb AI Loops That Ship](https://www.youtube.com/watch?v=2TLXsxkz0zI&ref=growthhackers.tw) 講了一個我超喜歡的點子。 Ralph Loop 名字來自《辛普森家庭》的角色 Ralph Wiggum，那個有點呆但堅持的小孩。核心概念是：別搞 n8n 那種複雜編排平台，就讓 AI 反覆跑同一個提示，直到任務真正完成。每次 loop 它會自己檢查上一輪漏了什麼、再補一輪。看似笨，但實測比一堆 if-else 編排的工作流穩定。 Chris 還補了三條安全準則我覺得超重要： 1. 沙盒化：Ralph Loop 一定要關在容器裡跑，不要直接給它你的 production credentials。 2. 避開「致命三角」：不要讓「不受信任的外部輸入 + 網路存取 + 敏感資料」同時出現在同一個 agent 上下文。 3. 用 sub-agent 做驗證：跑一輪後，開一個全新上下文的 sub-agent 來審查產出，避免 self-confirmation bias。 可以做的不只是 code。Chris 自己用 Ralph Loop 寫 email 草稿、整理行事曆、撰寫電子報、甚至自動化新創公司的日常決策。這套你週末花 2 小時建一個版本，就能用一年。 **► 第三：照 Ahrefs 路線把你最常做的事 Skill 化** Ryan Law 公開的 Blog Pipeline 之所以快，不是因為他用了什麼黑科技，是因為他把 12 個步驟拆乾淨：關鍵字研究、SERP 分析、Ahrefs 自有文章參考、大綱、產品標註、草稿、聲明驗證、內部連結、截圖建議、WordPress 格式化。每個步驟一個 Skill，每個 Skill 都會保存輸出，事後出問題能逐站回溯。 Ryan 講了一句重點：**「防止 AI 寫出通用廢話的關鍵，是讓它讀你既有的東西，不是只給它規則。」** Tim 在同集訪談補充：給 AI 真實範例（Examples）比給規則（Rules）有效十倍。他自己的 Claude Code 技能資料夾裡，附上過去 LinkedIn 貼文的範例 + 互動數據，模型直接從真實樣本推斷你的寫作風格。 你這週可以做：把你最重複的 1 個 ops 工作（每月寫一份競品報告、每週做客戶提案、每天寫日報），拆成 5–10 個小步驟，每個步驟寫一個 Skill。第一版不需要漂亮，能跑就行。 **► 第四：把後端 schema 餵給 Agent，讓它「真懂」你的庫** Supabase 的 Pedro Rodrigues 在 [Skill Issue: How We Used AI to Make Agents Actually Good at Supabase](https://www.youtube.com/watch?v=GmAQKINjv1E&ref=growthhackers.tw) 揭露一個重點：Agent 本來在 Supabase 上經常出錯，問題不是模型笨，是 agent 不知道你資料庫裡有什麼。 Supabase 的解法是把 Skills 架構接進去，採 Progressive Disclosure（漸進揭露）模式：第一輪只給 agent 看 schema 摘要，要做某個操作前才把該表的 RLS（Row-Level Security，列級安全）規則展開給它。 對你這週的意義是：如果你在用 Notion、Airtable、Google Sheets、CRM 系統，把它們的「結構化 schema」整理成一份 markdown 給你的 agent。讓 agent 在動手前先讀過 schema，比你後續每次手動修錯來得有效太多。 **► 第五：開一個 Playground，先把問題視覺化再動手** Anthropic 內部開發者 [@trq212](https://x.com/trq212/status/2017024445244924382?ref=growthhackers.tw) 寫了一個叫 Playground 的 Claude Code skill，思路超簡單但超有用：對任何「我不知道怎麼做才好」的問題，先讓 Claude 產一個 HTML 互動原型給你玩，玩過幾輪再決定怎麼寫真的程式碼。 他在另一篇 [The unreasonable effectiveness of HTML](https://thariqs.github.io/html-effectiveness/?ref=growthhackers.tw) 詳細說明：HTML 比 markdown 的資訊密度高 10 倍以上，圖表、互動、設計變化全都能塞進去。Markdown 只能寫 100 行就到讀者極限，HTML 可以塞 20 種完全不同的應用場景。 對 Growth Hacker 的意義是：你下次要做新 landing page、做數據儀表板、做提案書，不要直接寫文件，叫 Claude 先產一個 HTML 互動原型。你拖一下、調一下、看一眼，比讀 200 行 markdown 有感太多。 --- 我自己這週做了一件事，順便分享。 我把自己過去九個月散落在各個 chat 視窗裡的「部落格寫作流程」整理成一個 blog-workflow skill。這個 skill 把人類 + Claude + Gemini + Codex 四位一體協作流程包成 10 個步驟：blog sync 同步、內容盤點、缺口分析、選題、Gemini 競品檢索、Claude 起草、Codex 寫圖 prompt、baoyu 系列產圖、Ghost 草稿、人類最終審。 第一次寫這個 skill 花了我一個下午。但寫完之後，我從決定主題到 Ghost 草稿發出，從以前的 8 小時砍到現在的 2.5 小時。下一篇不用再記流程，下下一篇也不用，這個東西會跟著我永遠跑下去。 這就是 Boris 講的「印刷術」效應。**個別任務的時間沒有省太多，但「同一件事的下一次」永遠不再從零開始。** --- ## 三、商業訊號：巨頭們這週說了什麼 四個訊號，按權重從高到低排： ### 訊號一：Anthropic 把 Claude Code 從工具升級成平台 [Code with Claude 2026 Opening Keynote](https://www.youtube.com/watch?v=GMIWm5y90xA&ref=growthhackers.tw) 公開了一個叫「Advisor Strategy（顧問策略）」的設計：小模型執行任務，大模型提供建議。法律科技公司 Eve Legal 用了這套，**成本降了 5 倍，但維持前沿模型品質**。 意思很白話：你不用每件事都用 Opus 4.7。你用 Haiku 4.5 跑日常，遇到難題的時候才 escalate 給 Opus。這套架構放出來之後，企業的 AI 帳單會有明顯的下修空間。 同場宣布：Claude Code 的 5 小時使用率限制加倍，Opus 的 API 限制大幅提升，與 SpaceX 合作擴充運算資源。**這些都是 Anthropic 在告訴你：上量沒有問題，盡量跑。** 對你的意義：如果你還在計算每個 prompt 多少 token、每天能燒多少美金，你的時間投資位置錯了。應該花時間設計「哪些工作丟給 Haiku、哪些升級給 Opus」的分工，而不是省 token。 ### 訊號二：GPT-5.5 與 Opus 4.7 的多模型驗證革命 [GPT-5.5 VERIFIED Opus 4.7: A Pi Coding Agent That REVIEWS Like YOU](https://www.youtube.com/watch?v=EnXKysJNz%5F8&ref=growthhackers.tw) 講的是一個叫 Andy 的工程師建的多代理驗證系統：Opus 4.7 當建構者（builder）、GPT-5.5 當審查者（reviewer），透過 Unix socket 通訊、把每個聲明拆成原子事實（atomic claims），逐條驗證。 這個架構是個典範。它告訴你下一階段的 AI 工程不再是「找一個最強模型」，而是「找一組互相監督的模型」。Anthropic 跟 OpenAI 的模型互相 review 對方的程式碼，比同一家模型自己 review 自己抓到更多 bug。 對行銷團隊的延伸：你的 AI 廣告創意產出，未來也會走這條路。你用 Claude 寫第一版文案、用 GPT 跑審查、用 Gemini 跑 SEO 健診。三家模型互看，比單一模型自我感覺良好可信太多。 ![Solo Coder 進化到 Multi-Agent 編排：左邊一個工程師寫一個 PR；右邊 builder agent 寫、reviewer agent 審、orchestrator agent 派工，箭頭從左到右](https://growthhackers.tw/content/images/2026/05/weekly-2-img02-comparison.png) ### 訊號三：Aaron Levie 講 SaaS 的生死邏輯 Box CEO Aaron Levie 在 [Are SaaS Companies Cooked? Which Thrive & Which Die](https://www.youtube.com/watch?v=qrxQikecJL0&ref=growthhackers.tw) 提了 4 個我覺得每個 SaaS 公司都該掛在牆上的觀察： **A. AI 不是把人移出工作流，是改變人介入的節點。** 我們仍要 review AI 的產出，只是 review 的粒度從「字字看」拉到「結果對不對」。一句話翻譯：你的工作不會消失，但你的工作介面會被 AI 包一層。 **B. 業界低估了工程師需求。** 經濟 85% 不在科技業。85% 的非科技產業要做數位化轉型，未來工程師需求會比現在大得多。Levie 說會出現「**數十萬到上百萬個 Agent Operator 職位**」，要的不是純技術人才，是「懂業務 + 會調 agent」的混合型專業。 **C. Token 預算將從 IT 支出，搬家到 OPEX。** 這條最殺。企業 IT 支出長期被卡在 GDP 的 10–12%。Levie 認為 token 變成 OPEX 之後，企業科技支出會從 10–12% 倍增到 **20%**。原本被預算壓死的 AI 採購會直接外溢到業務部門口袋。 **D. 護城河重新洗牌。** SaaS 公司的存亡關鍵在 API 品質與商業邏輯深度。如果你的軟體核心價值只是 UI，準備被 agent 取代。如果你有豐富業務邏輯 + 優質 API，你會被 agent 浪潮抬起來。 對台灣 SaaS 公司的意義很直接：把你產品的 API 整理乾淨，比再加一個 dashboard 重要 100 倍。 ### 訊號四：Boris Cherny 重新評估 7 Powers 護城河 Boris 在 [Why Coding Is Solved](https://www.youtube.com/watch?v=SlGRN8jh2RI&ref=growthhackers.tw) 跟另一場 [Head of Claude Code on the future of work and productivity](https://www.youtube.com/watch?v=kRgdkOw82F0&ref=growthhackers.tw) 都提到他用 Hamilton Helmer 的 7 Powers 框架重新檢視商業護城河： **AI 削弱的護城河**： \- 轉換成本（Switching Costs）：以前換軟體要重新訓練員工，現在 agent 自己讀 doc 就上手。 \- 流程優勢（Process Power）：以前領先公司的 best practice 是壁壘，現在 AI 把這些 best practice 學完了。 **AI 不影響或反而強化的護城河**： \- 網路效應（Network Effects）：用戶愈多愈值錢，這條 AI 動不了。 \- 規模經濟（Scale Economies）：固定成本攤薄優勢，AI 反而讓大公司更便宜。 \- 稀缺資源（Cornered Resource）：你壟斷的資源（資料、品牌、頻譜），AI 沒得拿。 Boris 給出的結論很重要：**新創公司因為起步靈活，會迎來最佳發展機遇。**沒有歷史包袱、沒有舊架構要遷移，新創一開始就可以把工作流程設計成 agent-first。 ![7 Powers in AI 時代：左欄三條藍色「強化的護城河」（網路效應/規模經濟/稀缺資源）；右欄兩條珊瑚紅「削弱的護城河」（轉換成本/流程優勢）；底部黃色一句「新創靈活起步迎最佳機遇」](https://growthhackers.tw/content/images/2026/05/weekly-2-img03-framework.png) 收一句商業訊號的金句： > **軟體的下個十年，不是「更便宜」的競爭，是「產品過剩」時代的差異化。** Boris 借用 product overhang（產品過剩潛力）這個詞，講的就是模型能力已經超越現有產品所能展現的程度。下個競爭不是模型比強，是誰能把模型的潛力包成讓人愛用的產品。 --- ## 四、王董私心推薦 如果這週只能看一篇，我推 a16z 的 [Why Coding Is Solved, and What Comes Next](https://www.youtube.com/watch?v=SlGRN8jh2RI&ref=growthhackers.tw)。 為什麼推這篇？ 因為這是 12 篇裡面，唯一一篇給「不寫 code 但要管 ops 的人」用的世界觀。Boris Cherny 是 Claude Code 創造者，他不是抽象談 AI 趨勢，是直接告訴你：他自己的工作流長什麼樣、他怎麼從寫 code 變成編排 agent、他為什麼確信下一個 5 年是 agent 主導。 Boris 對「未來工作」的描述，有一段我覺得直接可以印出來貼桌上： > 「Anthropic 內部，每一個人，包括 PM、設計師、財務，都已經開始寫 code。未來的軟體團隊，不只是橫跨技術棧的工程師，更是同時精通產品、設計、數據科學的複合型通才。」 他說的不是「都要學 Python」。他說的是：**code 的門檻已經降到接近 0，所以「我會 code」不再是一個身份，是一個基本動作，跟「會用 Excel」一樣。** 這句話的延伸是：你的競爭力不在「會不會寫」，是「會不會用 agent 幫你做你不擅長的事」。 我自己這週實做案例給你參考。 我這個 Growth Hacker 部落格，從零開始寫了一個叫 blog-workflow 的 skill，把寫文章從「人類動腦 + 人類動手」變成「人類定主軸 + agent 動手 + 人類最終審」。第一篇用這個 skill 跑的時候我心裡七上八下，怕產出像通用廢話。實際跑出來之後我自己都驚訝：選題比我自己想的更聚焦、引用比我手寫的更精確、配圖比我外包設計的更穩定。 關鍵不是我用了什麼模型，是我把 10 個步驟拆乾淨了。每個步驟有自己的 Skill，每個 Skill 有自己的範例。下一篇文章我不需要再記流程，agent 自己跑。 如果你是 PM、行銷主管、業務主管，這週做一個動作就好： **挑你最常重複、最痛苦的 1 個工作，給 AI 一個下午，看它能跑出什麼。** 我自己的清單長這樣：每月固定要跑的 GSC（Google Search Console）關鍵字健檢、客戶提案前的品牌站體爬抓、活動後的廣告數據彙整、每週寫部落格、每天的客服 FAQ 整理。以前每一件都要排我自己的時間或請同事，現在每一件都是一個 agent + 一份 prompt 就能跑。 這就像當年從 Excel VLOOKUP 進化到自動化儀表板，差別是：這次連儀表板都會自己長出來。 附帶一句呼應 [Agents on the Canvas in tldraw](https://www.youtube.com/watch?v=sPUjIBH5Cwg&ref=growthhackers.tw) 的觀察：tldraw 把 agent 直接放進設計畫布，意思是設計師不用切換工具就能讓 agent 做事。Tools 走向不再是「我打開一個 AI 視窗」，是「AI 出現在我每個工具裡」。下一個 18 個月會看到這個模式擴散到 Figma、Notion、Slack、CRM。你在用的每個工具裡，agent 都會長出來。 --- ## 五、本週金句 > "Coding is solved." > by Boris Cherny, Anthropic Claude Code 創造者，[a16z 訪談](https://www.youtube.com/watch?v=SlGRN8jh2RI&ref=growthhackers.tw) 短到不能再短。但這句話的真正意思不是「以後都不用寫 code」，是「寫不再是稀缺，編排才是」。 把這句話印出來貼在你的桌上。每次手動做某件事超過 3 次的時候，提醒自己問：**這件事是不是該變成 Skill？** --- ## 收尾 12 篇看下來，AI 編碼革命已經不是「會不會發生」的問題，是「你跟上多快」的問題。Boris 說 Coding is solved，Uber 跑 6 萬 task / 週，Ahrefs 8 分鐘出文章，Aaron Levie 說 token 即將從 IT 預算搬到 OPEX。這四件事疊在一起的訊息很單純： **你的工作介面，會在未來 12 個月被 agent 包一層。** 如果你問我這週最重要的一句話，那就是「不要等」。 ► 三天內，去試 Claude Code 的 `/loop`，挑 1 件每天重複做的小事丟進去 ► 一週內，照 Ahrefs 路線拆你最重複的 ops 工作，寫 5–10 個 Skill ► 兩週內，建一個 Multi-Agent 工作流，讓 Claude + GPT + Gemini 互相 review ► 永遠記得：寫 code 不是稀缺，編排 agent 才是 這年頭就是 skill、skill、skill。 下一期王董週刊見。期待我的分享，能夠有天幫得上你～ --- **協作聲明與免責** 這篇文章由王董與 AI 一起整理製作完成。文中引用的第三方資料、研究或工具都會標註來源名稱；若原始出處有公開連結，會以 `[來源名稱](URL)` 形式附上，方便你進一步查找。若文中內容與原始出處有任何出入，請以原文為準。 內容僅供參考與學習交流，不構成任何專業、商業或投資建議，請依自身情況判斷並自行承擔行動風險。文中提及的工具功能、數據與平台政策可能隨時間異動，請以各官方最新公告為準。 --- **本期引用來源**（依文中出現順序，點開即可看原文） 1. [a16z Podcast — Anthropic's Boris Cherny: Why Coding Is Solved, and What Comes Next](https://www.youtube.com/watch?v=SlGRN8jh2RI&ref=growthhackers.tw) 2. [Anthropic — Code with Claude 2026 Opening Keynote](https://www.youtube.com/watch?v=GMIWm5y90xA&ref=growthhackers.tw) 3. [Uber AI Platform — How Uber Runs 60,000 AI Agent Tasks Per Week With MCP](https://www.youtube.com/watch?v=yVqMxBahjfA&ref=growthhackers.tw) 4. [Ahrefs — How to automate blog writing with AI from keyword to published（Ryan Law）](https://www.youtube.com/watch?v=iVZrVeESnFQ&ref=growthhackers.tw) 5. [Cherrypick — Ralph Loops: Build Dumb AI Loops That Ship（Chris Parsons）](https://www.youtube.com/watch?v=2TLXsxkz0zI&ref=growthhackers.tw) 6. [Supabase — Skill Issue: How We Used AI to Make Agents Actually Good at Supabase（Pedro Rodrigues）](https://www.youtube.com/watch?v=GmAQKINjv1E&ref=growthhackers.tw) 7. [@trq212 — Making Playgrounds using Claude Code](https://x.com/trq212/status/2017024445244924382?ref=growthhackers.tw) 8. [Thariq Shihipar — The unreasonable effectiveness of HTML](https://thariqs.github.io/html-effectiveness/?ref=growthhackers.tw) 9. [Andy 的多代理驗證系統 — GPT-5.5 VERIFIED Opus 4.7: A Pi Coding Agent That REVIEWS Like YOU](https://www.youtube.com/watch?v=EnXKysJNz%5F8&ref=growthhackers.tw) 10. [Aaron Levie（Box CEO） — Are SaaS Companies Cooked? Which Thrive & Which Die](https://www.youtube.com/watch?v=qrxQikecJL0&ref=growthhackers.tw) 11. [Boris Cherny — Head of Claude Code on the future of work and productivity](https://www.youtube.com/watch?v=kRgdkOw82F0&ref=growthhackers.tw) 12. [Steve Ruiz — Agents on the Canvas in tldraw](https://www.youtube.com/watch?v=sPUjIBH5Cwg&ref=growthhackers.tw)