跳到正文

#Agent

RSS
今日 0 則
10月27日週二
  1. Google Developers Blog79

    Google Cloud 上設計受控自我演化 AI 代理

    Gemini Agent 在 Google Cloud 上實現自我演化 AI,能在 Black Friday 風暴中將 5xx 錯誤率從 80% 降至 0%,並於 1.8 秒內完成修復。

    推薦理由:Gemini Agent 演化 AI,於 Black Friday 風暴將 5xx 錯誤率從 80% 降至 0%,並於 1.8 秒內完成修復,顯示雲端運維自動化。

  2. Google Developers Blog74

    Agents CLI 迴圈實作:用 Hill‑Climbing 提升 Agent 服務品質

    本篇示範如何使用 Google 的 Agents CLI 執行 Agent 迴圈評估,從基線測試到回歸追蹤、模型交換與自動化警示,完整呈現 Hill‑Climbing 的實務流程。

    推薦理由:本篇提供 Agents CLI 迴圈實作示範,讀者可學習如何透過自動化評分與警示提升 Agent 穩定性,並可快速整合至 CI/CD 流程,確保模型升級不影響服務品質。

  3. Anthropic Research56

    Claude Science 建構天空缺失的 UV 地圖

    Claude Science 使用多代理協作完成全天空紫外線地圖,填補約三分之一未觀測區域,預測精度約 10%。 - 工作流程:收集 GALEX、Swift、FIMS/SPEAR 等公開 UV 資料,統一尺度、校正明亮恆星散光,交叉校準多儀器影像,最後用 inpainting 技術推估缺失區域。

  4. Google Developers Blog72

    Google Developers Blog:HappyDelivery 原型示範多代理商務對話落地於 GCP

    HappyDelivery 是一個在 GCP 上實作的多代理商務對話原型,示範了從訊息接收、狀態管理到 AI 推理的完整流程。

    推薦理由:本篇詳盡說明如何將多代理設計落地至 GCP,提供可直接套用於商務對話的實作範例與成本估算,並列出實際測試指標與最佳化建議,協助讀者快速落地。

  5. Google Developers Blog81

    將 TorchTPU 整合至 TorchTitan,最佳化 TPU 模型訓練

    Google 於 2026 年 10 月 20 日公佈了 TorchTPU,將其作為 TorchTitan 的 TPU 原生後端,並提供完整的最佳化流程,讓開發者可在 Google Cloud TPU 上輕鬆訓練 LLM、MoE 及 Diffusion 模型。

    推薦理由:本文提供 TorchTPU 的完整整合與最佳化流程,幫助工程師快速在 TPU 上跑 LLM、MoE 與 Diffusion 模型,並附案例與最佳化手冊,適合想在雲端 TPU 進行大規模訓練的開發團隊。

  6. Google Developers Blog76

    Apigee hybrid 推出 MCP 支援:AI 代理工具可在自有叢集中執行

    Apigee hybrid 1.17.0 於 2026 年 9 月 14 日發布,首次在客戶自有 Kubernetes 叢集中支援 Model Context Protocol (MCP),讓 AI 代理能直接呼叫 API,無需搬移執行環境。

    推薦理由:此公告說明 Apigee hybrid 可在客戶自有 Kubernetes 叢集中執行 MCP,允許 AI 代理在不移動執行環境的情況下呼叫 API,滿足多雲與部署的安全合規需求。

  7. Google Developers Blog71

    AI 代理評估:從 Vibe Check 走向實際驗證

    導語:Google Developers Blog 針對 AI 代理的實務評估流程,提供從零到日常 CI/CD 的完整管線,並示範如何利用 open‑source agent‑eval 工具快速發現隱性失效與成本問題。

    推薦理由:本文提供從零到日常 CI/CD 的 AI 代理評估流程,幫助開發者快速發現隱性失效與成本問題,並能即時追蹤延遲與 token 消耗,提升產品可靠度。

  8. Anthropic Newsroom71

    Anthropic 強化 Claude 蒸餾攻擊防禦

    Anthropic 在其官方部落格中公佈了針對 Claude 模型蒸餾攻擊的新防禦措施,並指出這些方法已將蒸餾資料量減少 90% 至 99%。 - 防禦機制 — 引入「保留思考」與兩階段分類器,限制未授權帳號存取完整推理過程。

    推薦理由:本篇詳述 Anthropic 對 Claude 的蒸餾攻擊防禦方法與效能,揭示其對模型安全與開發者實務的重大影響,為 AI 研究與產業防禦提供可行參考。

  9. Anthropic Research73

    Claude 形塑科學:BootLoops 的跨領域實驗

    Claude 以 BootLoops 探索跨領域科學計算,從物理到生物、經濟學等領域取得突破。 - BootLoops 是開源工具包,能把 LLM 轉化為「科學實驗平臺」。

    推薦理由:BootLoops 以「代理式 AI」解決跨領域計算難題,示範模型與人類專家協作可加速科學進展。

  10. Google Developers Blog79

    三層結構,一個倉庫:Google ADK Recipes 導覽

    Google ADK Recipes 是一個統一的原始碼庫,整合了核心範例、垂直外掛與可部署服務,讓開發者可從 Agents CLI 或任何 AI 程式設計助手快速 scaffold、安裝並上線完整代理。

    推薦理由:這份指南展示瞭如何從單一原始碼庫快速構建、部署與測試多層次代理,為開發者節省設定與重複工作,並可直接在 Google Cloud、Agent Garden 或 Gemini Enterprise 中一鍵部署。

  11. Google Developers Blog74

    逐步指南:使用 ADK 建置永不沉默的語音代理

    ADK 與 Gemini 3.8 Live 讓語音代理能在後端執行 13 秒查詢時,仍保持對話流暢,首次回應時間從 14.4 秒降至 1.2 秒。

    推薦理由:此指南說明如何使用 ADK 及 Gemini 3.8 Live 透過非阻塞工具實現流暢語音代理,對想打造即時語音助手的開發者極具參考價值。

  12. Anthropic Research70

    Claude 通過推理最佳化顯著加速 30+ 生物模型,提升蛋白設計與分子模擬效率

    Claude 通過推理最佳化在本研究中實現了對 30 多個開源生物模型的加速,平均提升 4 倍速度,部分模型提升至 2.5 倍。\n\n- 加速技術:使用自研 FlashPairformer 核心,triangle attention 與 multiplication 的加速比例分別為 2.7‑2.9 倍和 1.7‑3.2 倍。

    推薦理由:本文展示 Claude 通過推理最佳化,顯著加速 30+ 生物模型,降低成本並提升大規模分子模擬能力,提供可復現程式碼與競賽平臺,幫助科研人員更高效探索藥物發現,並開啟低資源下的蛋白設計新路徑,為科研社群提供免費算力與驗證機會。

  13. Anthropic Research79

    自動化研究者能可靠緩解對齊失效

    導語:Claude 在自動化研究流程中,透過自我訓練提升 10 個對齊失效類別的基準表現,並在 4.7 倍更大模型上保持效果。 - 對齊失效:涵蓋欺騙、奉承、越獄等 10 個類別,Claude 在所有類別上均提升基準分數且未降低模型能力。

    推薦理由:Claude 自動化研究在10項對齊失效上達成 20% 以上提升,並在 4.7 倍更大模型上保持效果,為實務對齊提供可落地流程。

  14. OpenClaw🦞72

    GPT-6.1 Terra 已經在 OpenClaw 上可用。使用者可透過 ChatGPT 登入或使用自己的 OpenAI API 金鑰,並在模型選單中選擇 openai/gpt-6.1-terra。以下為快速啟用方式: 登入方式:ChatGPT 帳號或 API 金鑰 模型選擇:openai/gpt-6.1-terra 可用連結: https://t.co/1RWPORNzRi

    推薦理由:瞭解 GPT-6.1 Terra 的新功能及其在 OpenClaw 上的使用方式,有助於評估其對開發流程的提升。

  15. orca Build53

    Anthropic 的 Agent SDK 計量錯誤導致 Claude Code 5h 限額以約 1.7 倍速度被消耗。Orca 提供完整的聊天 UI 與 TUI 支援,可將會話遷移至 Claude Code TUI 以獲得完整上下文。 • 計量錯誤 Agent SDK chat UIs 約 1.7x 速率消耗 Claude Code 5h 限額 • 影響 使用者在使用 Agent SDK 時更快達到限額,可能導致服務中斷或額外費用 • 解決方案 Orca 支援 TUI,可通過右鍵將會話移動至 Claude Code TUI 以獲得完整上下文並避免快速消耗

  16. OpenAI News53

    GPT‑6.1 Sol 助力 CodeRabbit Secure 提升複雜程式碼庫安全審查

    GPT‑6.1 Sol 與 CodeRabbit Secure 共同提升跨檔案、跨倉庫的安全審查能力。 - 核心功能:在拉取請求時即時分析變更,追蹤共享庫、依賴及安全機制的影響。 - 自動化修復:對已確認的漏洞可直接產生修正拉取請求,供人類審核。 - 隔離驗證:支援在沙盒環境驗證利用,避免測試生產系統。

  17. AWS Machine Learning Blog73

    AI agents 的 Groundhog Day:在 Amazon Bedrock 上使用 OpenAI 模型的 Prompt 快取模式

    本文說明如何在 Amazon Bedrock 上使用 Prompt 快取,讓 AI agents 在呼叫 OpenAI 模型時降低成本並保持回應一致性。 - Prompt 快取:將工具、指令與歷史訊息存於快取,下一次請求只需傳遞新增內容,省下 60% 以上輸入成本。

    推薦理由:本文示範如何透過 Prompt Caching 讓 AI agents 在 Amazon Bedrock 上降低成本並提升回應一致性,並提供實作範例與效益對比,說明不同快取模式的適用場景,讀者可依此調整工作流程。