pstack 怎麼用：Cursor 的 /poteto-mode、23 個 playbook 與 24 條原則
pstack 是 Cursor 工程師 Lauren Tan 以 MIT 授權公開的 agent skill 組合：一個入口 /poteto-mode 會依任務挑 23 個 playbook 之一，再呼叫其他 skill 與 24 條原則。安裝一行指令、設定一次模型就能用，代價是 subagent 與審查小組多花的 token。
全部文章
第 21 頁，共 129 頁
從零開始的資安獵人：系列導讀——用白話走完 XSS、記憶體、VM 逃脫、TEE 與 AI 漏洞獎金
這是 `從零開始的資安獵人` 系列（0 → 14）的閱讀入口。每篇用白話講一個決定，並附可驗證的官方來源，適合沒有資安背景的讀者。
漏洞獵人的工作台：抓請求、改參數、驗證權限
先重跑對照組，再只改一個欄位；狀態碼或文字反射本身都不是漏洞證明。
教學文章誰讀不到：WCAG 對圖、程式碼、公式與影片的要求，螢幕閱讀器使用者的研究與 UDL 的實證
一個線上實驗裡，螢幕閱讀器使用者回答線上圖表題目的正確率 34%，對照組 87%；圖附了資料表時，螢幕閱讀器組升到 73%。本站 192 張中文 mermaid 圖只有 1 張有無障礙標題。UDL 唯一讀得到全文的統合分析合併 g = 3.56，但納入的研究多數沒有對照組。
「做中學」的證據在量什麼：課堂統合分析、ICAP 與 doer effect
大學課堂的統合分析得到約半個標準差，比的是整堂課的教法，主動組多半有小組討論與老師回應，控制多半沒做或沒交代。線上教材裡「做練習的人小考較好」在十幾門課重複出現，但全是觀察資料。這篇讀的研究沒有一篇比過一個人讀文章時有沒有練習。
用 AI 寫教材、當家教，研究測到什麼：內容錯誤率、人工把關、學生評分與家教實驗
讓 GPT-3.5 直接寫代數與統計的解題提示，32% 的題目答案和過程都錯；人工逐題篩過之後，學習效果和真人寫的提示分不出差異。AI 家教的隨機實驗有正有負：不設防的聊天機器人讓高中生考試變差，正向結果多半綁著逐題寫好的解答、老師在場或多出來的上課時間，而且沒有一個研究隔一段時間再考同樣的內容。
教學文章裡的程式碼要寫到什麼程度：步驟標籤、追蹤、Parsons 題與跑不跑得起來
替程式例題標上「這一步要達成什麼」，在一門入門課的準實驗裡，有標籤的班剛學完的小考較好，之後的考試沒有顯著差別；現場寫程式、用 Parsons 題代替寫程式，都沒有測到學習上的差別。GitHub 上的公開 notebook 照存下來的順序重跑，跑完沒有錯誤的約四分之一；程式跑不起來對讀者學習的影響，沒有研究量過。
讀者會不會做文章裡的題目：作答率、略過、先看答案與提示的證據
量到「題目出現時有沒有人答」的大樣本紀錄只來自 MOOC：影片播到題目的位置時在播放器裡出題，開始看那支影片的人約七成四作答；跳出的複習題，選擇題約七成、要打數字的約四成。隨機分派下，要打字的任務做的人約是只要勾選的一半。我讀到的研究裡沒有一篇量過公開文章的讀者，本站的流量統計是匯總的，量不到誰作答。
教學文章要不要開留言區：論壇參與、聲望制度、讀書會與問答社群的證據
MOOC 論壇發過文的人及格率比沒發文的人高很多（一門課 57% 對 8%），但作者自己說這是自我選擇下的相關；隨機加上聲望制度讓回覆變多變快，成績沒有測到差異；講師積極回覆對不回覆，完成率與投入都沒有測到差異。沒有研究測過部落格留言區對讀者學習的影響。
教學文章要不要做可操作的圖：課堂模擬、加上互動的圖、讀者使用率與製作成本
沒有研究直接比較同內容的互動文章與靜態文章。同一張圖加上可操作的功能，一組實驗裡沒有一種贏過靜態圖；有用的是讀者拿圖做事，而對照組也做事時差距就不見了。讀者會動的是一碰就有反應、站在敘事中間的元件，放在點擊後面的內容約有一半桌機讀者沒點開；一位長期做互動教學的作者說一篇要一到五個月，這包含學會那個演算法的時間。
教學文章的非母語讀者與手機讀者：英語授課、字幕、雙語字幕、機器翻譯與螢幕閱讀的證據
用英語授課的大學課，學科成績和母語授課沒有測到差異（d = 0.13）。外語影片配同一語言的字幕，三個實驗都沒有測到理解變好，母語字幕在一個實驗勝出、兩個沒有。需要捲動時，紙本的理解勝過電腦與平板；手機和紙本的直接比較只有 3 個。沒有研究量過非母語者用手機讀網頁教學文章學到多少。
一個人讀少了什麼：同儕互動、協作腳本、協作抑制、Peer Instruction 與旁觀學習的證據
同儕互動對其他學習條件平均 g = 0.40，要求達成共識時較大，但受試者是 4 到 18 歲、多半只互動一次；Peer Instruction 的討論裡，和鄰座選了同一個錯答案的人 91% 維持錯誤。一起回憶的產出少於各自回憶再合併；自學的成人一個人讀和一起讀，沒有研究比過。
寫給別人看，自己學到多少：教學預期、對不在場的人講解、替別人做教材與旁觀對話
只是打算要教，18 歲以上的樣本平均 g = 0.41，18 歲以下與日本學生都沒有測到效果；打算要教、之後寫解釋或錄影片給不在場的人，g = 0.48，面對面教 0.84 但筆數很少。替別人做教材的統合分析平均 0.17，做文字教材的研究很少。這些都是實驗室裡的短教材，沒有研究測過寫公開文章給陌生讀者。
讀者知不知道自己懂了：理解判斷的準確度、解釋深度錯覺、練習題與延後摘要
讀者分辨「這篇懂、那篇不懂」的能力，沒有任何介入時平均相關只有 0.18，作者換算約 55% 的正確率。讀完全部再寫摘要或列關鍵詞、判斷前先作答練習題，能讓判斷準一些；只讀現成的題目與答案沒有測到幫助。證據多半來自實驗室裡的大學生與說明文。
教學文章裡的「常見誤解」怎麼寫：對誰有用、會不會把誤解種進去、錯誤和更正怎麼擺
一份駁斥文字的統合分析裡，有沒有先篩掉本來就答對的讀者，效果沒有測到差異；錯誤資訊研究的回顧逐篇列出 11 篇熟悉度反效果的研究，報告「重提誤解讓人更相信」的有 3 篇，三篇都是疫苗題材、單題量尺。讀者原本根本沒聽過那個誤解時，寫出來會不會讓他學到錯的，沒有研究直接測過。目前能照做的是：錯誤說法和正確說法放在一起，給出正確的說法與理由，不要讓錯誤說法單獨當小標。
教學文章裡的術語、符號與公式怎麼處理：行話、定義擺放、英文術語與記號的證據
行話讓一般讀者覺得難讀，滑鼠移上去才出現的定義沒有讓這個感受回升；外語讀者讀文章時，有註解的研究讀完立刻測記住約 45% 的生字，沒有註解的約 27%。公式多的論文被引用較少，生物與物理資料都有人算出這個相關，但雙方對它可不可靠的爭論沒有收斂，也沒有任何一篇研究量過讀者因此讀不懂。
教學文章的寫法能不能用實驗驗證：平台 A/B 測試、放大重做、評量表與設計研究法的證據
ASSISTments 彙整 50 個作業實驗，給提示、拆小題、例題比只給答案好 d = 0.16–0.27，量的是作業當下的表現；在少數課有效的介入放到 247 門 MOOC，主要假說都沒有複製。課程品質評量表多半沒有公開報告信效度；一所大學的實測裡，九個面向沒有一個對通過率有顯著的直接路徑。設計研究法的回顧都在看報告怎麼寫，沒有一篇比較它做出的教材是否較有效。
讀者程度不同，教學文章怎麼寫：先備知識、專長反轉、文字連貫度與先備說明
先備知識多的人學完仍然知道得多（相關 .53），但和這次學到多少的相關平均接近零，各研究從強負到強正都有。協助多的教材對先備知識低的人有益（d = 0.51）、對高的人不利（d = −0.43），高低是各研究裡相對切出來的。開頭寫明先備是業界規範的做法，讀者能不能照它判斷該不該讀，沒有研究測過。
教學文章裡的專案要給多少引導：先卡關再講解、探索、鷹架與專題式學習
課堂研究裡，先讓學生解題再講解，概念與遷移平均高約三分之一個標準差，但這些研究全在有老師的課堂裡；有小組的版本效果較大，只做幾小時的介入除外；一組讓約十歲學生先解題的實驗結果相反。沒有協助的探索輸給明示教學，加了鷹架或回饋的探索較好；鷹架撤不撤沒有測到差別。一個人讀文章、自己做專案，沒有研究測過。
把別人的課重新講一次，值得嗎：研究債的論證、開放教科書、換教科書、極簡手冊與文件四分法
開放教科書和付費教科書相比，22 個研究合起來學習表現沒有可靠差異（g = 0.01），退選較少但證據較弱；加州四套審定的數學教科書裡，一套比另外三套合起來高約 0.05 個標準差。極簡設計的教材（多數是改寫過的手冊）效果很大，但研究老、樣本小、沒經過期刊審查。「一對多的解說划算」和 Diátaxis 的四分法都是論證，不是資料；把一門課重新講一次，目前沒有研究直接測過。