依意思最接近的 5 筆
一位使用者把 Claude Project 改造成只顯示單個任務的待辦系統，規則是 Claude 永不展示完整清單。做法是把腦中所有事情無序丟進對話，Claude 排序後只給出第一件事並附時間限制，到時在同個對話裡提醒並推送下一件；夜間生成報告，記錄已完成、等待他人、順延到明天的事項及預估與實際耗時。作者稱這是自己第一天之後唯一堅持下來的方案，但明確表示它只排序、不減少任務量。
一位負責企業系統開發的團隊負責人稱，團隊最近開始使用 Claude，原本按周計的衝刺現在幾天就能清空。其技術棧以 Python/TypeScript 為主，涉及大規模資料處理、DevOps 與微服務。團隊因此沒活可幹，產品管理部門難以找到更多工，他本人大部分時間花在規劃會議上，並在帖子中徵求對後續走向的猜測。
一名每月付 100 美元的 GPT Pro 使用者反映，ChatGPT Chat 裡的定時任務（Scheduled Jobs）疑似被調整：原本可建最多 15 個定時任務，現在設定時出現了與 ChatGPT work 相同的模型選擇選項。他還遇到訊息投遞超時等錯誤，質疑定時任務本應在後臺執行，卻像依賴瀏覽器一樣報錯。
作者 Shrivu Shankar 認為，每個 SaaS 業務最終都會變成圍繞無狀態 LLM 的 harness，也就是模型之外的基礎設施、介面、上下文與狀態。他給出四階段路徑：無 harness、個人操作 harness、個人編排 harness，最後是 harness 編排個人，核心任務交給雲端後臺 agent，人類只在關鍵處提供品味與判斷。Claude Code、Codex、OpenCode、LangGraph 被他列為狹義 harness 的例子；
ServiceNow CoreAI 發布 AutoSynthData，用目標模型的失敗案例和更強 teacher 的成功案例定位能力缺口，再自動生成並驗證新的訓練任務。每個任務由 system specification、user prompt 和 verifier 三部分組成：任務要可行、真實、對當前模型有難度，verifier 要一致、可靠且完備。流程先用診斷任務評測目標模型，把發現提煉成能力規格卡片並據此生成新任務，模型變強後課程自動轉向它仍做不好的部分。