前 Tesla AI 總監 Karpathy 指出大型語言模型(LLM)存在訓練偏差問題,導致其在回答問題時偏向「常見的正確答案」,而非真正最佳答案。個性化功能亦可能強化此現象,使得AI容易依據常見用戶類型回應,忽略個體需求。這反映了AI在重現人類知識時,也複製了集體盲點和偏見,使用者需對此保持警覺。
claude-peers-mcp 是一個開源專案,讓多個 Claude Code 工作階段能相互通信,無需雲端或 API,實現本機 AI 協作。每個工作階段作為平等的「同事」,自動同步任務和狀態。此系統涵蓋技術架構、核心指令和應用場景,但在運行效率和衝突解決上面臨挑戰,顯示出 AI 助理向 AI 團隊的變革趨勢。