梯形 vs 錐形濾杯：SCA 研究告訴你的事，跟咖啡師沒說的事
濾杯形狀對風味的影響比研磨度更可被感知（SCA 研究 p=0.004）。錐形放大你的技巧（好壞都放大），平底/梯形壓縮波動。磨豆機 > 濾杯 > 注水技巧。兩個都買不衝突。
全部文章
第 112 頁，共 128 頁
數位產品的價值驗證：從假設地圖到 AI 產品的 M3 留存基準
價值驗證的單位是假設不是點子。Kohavi 的資料顯示產業中位數只有 10% 的實驗會成功，這代表在 p<0.05 下約 22% 的「獲勝實驗」其實是假陽性；Sean Ellis 的 40% 門檻查不到任何公開資料集；AI 產品的留存要從 M3 而非 M0 起算，且 <$50/mo 的 GRR 只有 23%、>$250/mo 有 70%。
Product Builder 是什麼？跟 PM 的差別與轉型路徑
Product Builder 是能獨立跑完「發現問題→設計→建造」完整循環的人。跟 PM 最大的差別是：PM 靠權威影響團隊執行，Product Builder 靠能力直接產出可用產品。LinkedIn 已用 Associate Product Builder track 取代原本的 APM 計畫，PayFit 早在 2019 年就定義了這個角色。
3D 生成式模型走到哪了：從 Lyra 2.0 拆解 2026 年的技術地圖
2026 年 3D 生成的核心範式是「video diffusion → feed-forward 3D 重建」，Lyra 2.0 是這條線的代表作。但 CVPR 2026 的三篇 Best Paper 暗示下一波轉向：SAM 3D 帶來 foundation model 級別的物件重建、D4RT 用統一 transformer 數秒重建動態 4D、O-Voxel 用結構化 latent 取代 Gaussian。3DGS 仍是主流但正在被表面原語挑戰，pixel-space diffusion 正在反攻 latent-space。
各家內容平台的 Feed 怎麼排？從 Reddit 公式到 TikTok 興趣圖
十家平台的 feed 排序拆開來看，大家其實都在解同一道題：怎麼在「最新」「最好」「讓新內容被看見」之間取捨。而真正決定你該怎麼選的，不是演算法多聰明，而是你的內容是過剩還是稀缺——大平台的排序是為了濾掉內容，小社群卻是希望每一則都被看到。
2026 年該上哪些 AI 課程：從不懂 AI、vibe coding，到能上 production
把 OpenAI、Anthropic、Google 三家官方課程平台，加上 Stanford CS146S/CS336、Elements of AI、Hugging Face、MIT 6.S191、李宏毅等資源實際逐頁抓過一遍，按「不懂 AI / vibe coding / 讓它能上 production / 底層 AI」四層重排。另收 2026 年仍在更新的自學倉庫與免裝環境的互動式平台，並用「最後更新日期」篩掉星數很高但停在 2024 的名教材。結論：課幾乎全部免費，稀缺的不是課，是選課的判斷力；而第四層不會解決第三層的問題。
2026 還在被討論的長青書單：用 Threads、Dcard、方格子的社群訊號選書
用 Threads、Dcard、PTT、方格子 2025 下半年到 2026 的討論證據，從生產力、人生設計、腦科學、心理、理財五個分類篩出 24 本還在被熱議的長青書。最強訊號：《Rewire—神經可塑性》擠進 2026 誠品、博客來上半年雙榜前三。
PostgreSQL 就夠了？別急著上專用資料庫
大部分團隊不需要五種資料庫。PostgreSQL 的擴充生態已經能覆蓋快取、佇列、全文搜尋、向量搜尋，但真正的判斷標準不是「能不能做」，而是「維運成本 vs 效能需求」的交叉點在哪裡。
HyperFrames 深度解析：HTML 即影片，Agent 時代的影片製作範式轉移
HeyGen 開源的 HyperFrames 用 HTML data 屬性定義影片時間軸，headless Chrome 逐幀 seek 截圖再由 FFmpeg 編碼成 MP4。3 個月 33k stars，Apache 2.0，21 個 agent skills——AI agent 寫 HTML 就能產影片，不需要 React。
小型元大台灣50ETF期貨（SRF）是什麼：一張截圖看懂 0050 的期貨版本與槓桿設計
SRF 是小型元大台灣50ETF期貨，標的直接是 0050 這檔 ETF 本身，原始保證金 7,900 元就能持有約 11 萬元的合約，槓桿近 14 倍；除息靠「權益數調整」，跟一般指數期貨的逆價差機制完全不同。
從零看懂這篇交易貼文：權證、股期、維持率一次解釋清楚
看到一篇交易紀錄貼文，裡面全是我不懂的詞：權證、股期、維持率。查了一圈，整理給同樣看不懂的人。
Loop Engineering：當 AI 不再需要你打 Prompt
Loop Engineering 是設計「自動 prompt agent 的系統」而非手動 prompt 的工程實踐。Boris Cherny 跑數百個 agent、Addy Osmani 正式命名、Blake Crosley 指出驗證成本才是真正瓶頸——這篇整理一手來源、五大構建塊、適用邊界與批評觀點。
攀岩書籍知識版圖：從訓練科學到心理哲學，60+ 本書的完整導覽
攀岩書不是一本本獨立存在的——它們背後有學派之爭、有哲學差異、有知識斷層。這篇整理了 60+ 本書之間的關係，幫你選對下一本該讀的書。
Browser MCP 三選一：CDP、Playwright MCP、Puppeteer MCP 比較
這題現在其實是二選一：@playwright/mcp（跨瀏覽器、accessibility tree 省 token）對上 chrome-devtools-mcp（Chrome 官方、效能與記憶體診斷）；@modelcontextprotocol/server-puppeteer 已被封存，不再是選項。分野也不再是抽象層級高低，而是「操作網頁」還是「診斷 Chrome」。
Chrome DevTools MCP：直連 CDP 的 MCP Server
Chrome 團隊官方維護的 chrome-devtools-mcp，把 DevTools 的能力包成 MCP server：效能 trace 與洞察、Lighthouse 稽核、heap snapshot、擴充功能管理，都是 Playwright MCP 拿不到的。底層是 Puppeteer，所以互動有 auto-wait；代價是只支援 Chrome，而且預設會回傳使用統計給 Google。
@playwright/mcp：微軟官方的瀏覽器自動化 MCP Server
@playwright/mcp 預設用 accessibility tree（browser_snapshot）取代截圖，大幅省下 token，加上 Playwright 原生 auto-wait，是 AI agent 做網頁自動化的合理起點。要注意它預設是 headed、預設帶持久 profile，而且進階工具群組要用 --caps 開。
@modelcontextprotocol/server-puppeteer：官方 Puppeteer MCP Server
server-puppeteer 是 MCP 官方 monorepo 裡的 Puppeteer 封裝，工具集精簡、以截圖 + evaluate 為核心。但它已被官方封存（移到 servers-archived、不再更新），新專案不該再選它——想要 Puppeteer 血統的 MCP，現在該看 Chrome 團隊的 chrome-devtools-mcp。
在 Threads 看到這套正2系統，背後是這三本書
一套正2投資系統的哲學根源來自三本書：《漫步華爾街》回答「持什麼」（大盤指數）、《生命週期投資法》回答「怎麼加速」（槓桿分散時間風險）、《投資金律》回答「如何不被淘汰」（再平衡紀律）。組合起來就是 60% 正2 + 40% 現金、Beta=1.2、±10% 觸發再平衡。
Text / Image to Lottie：AI 動畫生成工具全景導讀
從 CLI 工具 kin3o 到 CVPR 2026 論文 OmniLottie，盤點把文字和圖片轉成 Lottie 動畫的開源路徑，附效能基準與選型建議。
AI 驅動的 E2E 測試：canary、Stagehand、Magnitude、Shortest 的不同解法
AI agent 跑測試不可重現、手寫 Playwright 難維護——2024-2025 年出現四套工具各自解決這個兩難，設計哲學差異很大。