跳到正文

#Agent

RSS
今日 0 則
11月20日週五
  1. CrewAI Releases43

    CrewAI 發布 1.15.44,新增可分享的版本化檔案

    CrewAI 1.15.44 新增一項功能,能把檔案存成有版本紀錄、可以分享的檔案。這次更新也修正多個問題,例如讓 AI 助理和團隊在流程檔案中的動作參照更正確,並限制 Pillow 開啟圖片時只接受 PNG、JPEG、GIF 和 WEBP。這些改動能讓檔案更方便儲存與分享,也改善了部分流程和圖片處理問題。

  2. ElevenLabs Official Blog50

    Candid Health 用 ElevenAgents 自動打電話查保險理賠問題

    保險理賠被拒時,醫院的帳務人員得打電話查原因,一通可能花上 10 分鐘到 1 小時。Candid Health 用 ElevenAgents 打電話詢問保險公司,找出拒賠原因和接下來該怎麼處理;一開始就處理了 12,860 通電話,替員工省下超過 850 小時,並成功解決 59% 的試辦電話。像是查出醫療人員在看診當天沒有完成保險公司的資格登記,修正這類問題就能避免後續理賠再被拒。客服和帳務團隊也能自己調整、測試 AI 助理,讓工程師專心處理系統穩定和擴充。

  3. AWS Machine Learning Blog55

    AWS 示範用 Skyflow 保護 Amazon Bedrock AgentCore Gateway 的工具呼叫

    AI 助理查資料時,可能把客戶個資送到外部工具,也可能把工具回傳的個資帶進模型。AWS 示範把 Skyflow Detect 接到 Amazon Bedrock AgentCore Gateway,在資料送出前換成程式碼,回到 AI 助理前再依設定還原;若工具提供的是檔案連結,則改讓 AI 助理讀取去識別化副本。這套做法不必修改 AI 助理或工具的程式碼,也能在呼叫失敗時擋下未處理的資料。文章也提醒,檔案去識別化功能仍在預覽階段。

  4. AWS Machine Learning Blog50

    Cisco 如何用 AWS AI League 帶 1,200 名工程師練習打造 AI 助理

    工程師看完簡報和示範,往往還是不知道怎麼自己動手做 AI。Cisco 和 AWS 用 AWS AI League 把學習變成闖關比賽:工程師參加實作課程、打造 AI 助理或調整模型,送出作品後能立刻看到分數,表現最好的選手再到臺上決賽。2026 年,Cisco 有 1,200 名工程師參加比賽,Nishanth Aluhonnu 在各階段都拿下第一名,贏得 AWS re:Invent 2026 的全程入場資格。 決賽時,選手不能修改程式、工具或提示詞,只能在每一回合前給 AI 助理一句簡短指示。Nishanth 第一回合落敗,第二回合改挑一項高分挑戰,勝過收集一堆低分硬幣的做法。這場比賽也讓工程師練習怎麼讓 AI 助理做決定、控制輸出內容,並在實作中學會新技能。

  5. OpenAI News82

    OpenAI 如何用 Performance Factory 找出並修復 ChatGPT 效能變慢

    ChatGPT 變慢時,工程師得檢視指標、紀錄和程式碼,找出原因再修復,過程既花時間,也需要熟悉服務。OpenAI 建立了 Performance Factory,讓 AI 助理在效能警報響起後接手調查、記錄發現並提出修正,再由工程師審核和部署;部署後,另一個 AI 助理會確認效能是否恢復。若判斷原因有疑點,另一個 AI 助理也會嘗試推翻原本的診斷。OpenAI 表示,這套流程運作剛超過 3 個月,追蹤了 1,700 多次調查,找出超過 600 起問題的根本原因。修正是否合適仍由工程師把關。

    推薦理由:OpenAI 說明效能警報如何一路交給 AI 助理調查、提修正,再由工程師審核部署,並在部署後確認是否恢復。

  6. Replit ⠕58

    讓更多 AI 助理一起工作很容易,讓牠們合作好才是難處。Replit 表示,Replit Missions 會用多個 AI 助理一起完成目標,最新研究則探討怎麼讓團隊合作順利:分工清楚、共享找到的資訊,並減少協調時間。測試中,表現最好的單一 AI 助理在團隊變大後反而退步;表現最好的 32 個 AI 助理團隊,則由一個協調者統整工作,而且它沒有傳訊息給任何成員。研究指出,團隊表現不能只靠成員各自厲害,也需要清楚分工和共享資訊。

  7. Aravind Srinivas70

    AI 助理常要重複處理類似工作,使用者也得自己新增技能。Perplexity Computer 現在會讀取過去的工作紀錄,找出一再出現的做法;證據夠多時,就提議新增或更新技能。每位使用者都能取得的內建技能,還會先用失敗情境測試並經工程師檢查,才會正式推出。在一項為期 8 週的隨機測試中,72.9% 的使用者至少得到一項個人技能,手動新增技能的使用者則有 6.5%;工具呼叫失敗減少 11%,使用者不滿意的對話減少 7.6%,成本和速度沒有可測量的變化。

    推薦理由:八週隨機測試比較自動整理技能與使用者手動新增的情況,並呈現工具呼叫失敗和使用者不滿意對話的變化。

11月19日週四
  1. LangChain Blog71

    LangSmith 推出 Tool Gateway,集中管理 AI 助理的工具許可權

    AI 助理開始在背景定時工作或回應事件時,團隊需要知道它能用哪些工具、代表誰操作,也要留下每次呼叫的紀錄。LangSmith 推出公測中的 Tool Gateway,讓 AI 助理透過同一個網址連線核准的工具,並可依使用者或助理身分套用憑證。管理者能限制工具使用、要求敏感操作先經人工確認,也能在 LangSmith 檢視工具、使用身分、結果和耗時等紀錄。這讓團隊更容易控管工具存取,並在需要時查明 AI 助理做過哪些操作。

    推薦理由:Tool Gateway 把工具許可權、使用者或助理身分與呼叫紀錄集中管理,呈現團隊如何讓背景執行的 AI 助理更容易接受管控與稽核。

  2. LangChain Blog58

    LangChain 推出 LangSmith Alerts,及早發現 LLM 應用程式問題

    LLM 應用程式會用到模型服務、API 和資料庫等外部工具,服務變慢或回答品質變差時,可能影響使用者。LangChain 推出 LangSmith Alerts,可依錯誤數量與比率、平均延遲或平均回饋分數設定提醒,也能篩選特定模型、工具呼叫或執行型別,並選擇 5 或 15 分鐘的統計區間和提醒門檻。通知可接到 PagerDuty,或透過自訂 webhook 傳送到 Slack 等地方,讓團隊更快發現需要處理的狀況。

  3. Replit ⠕36

    Replit 推出 Replit Missions,讓 AI 助理朝著使用者設定的目標工作,並由使用者設定預算和限制;工作進度看得見,完成結果還會交給另一個 AI 評審,依照使用者訂下的標準檢查。Replit 說,旗下 Agent 從 2024 年 9 月推出後,到 2025 年 9 月已能自主工作超過 200 分鐘。Missions 要把 AI 助理能獨立完成工作的範圍再往前推,讓人能掌握任務進度,也能檢查結果是否符合要求。

  4. Vercel Blog57

    Vercel 推出 Board,讓 AI 助理在共享佈告板協作

    多個 AI 助理一起處理工作時,任務討論和結果容易散在不同地方。Vercel 推出實驗中的 Board,讓 AI 助理和使用者在同一個討論串裡整理任務與結果,也能設定不同頻道可讀取的內容和可執行的操作。Board 可透過 Vercel Connect,和 Slack、GitHub 等工具雙向同步訊息;團隊也能使用自己的 AI 助理、執行環境和工具。Board 已開放所有方案使用,AI 助理可透過 Vercel CLI 或 JavaScript SDK 存取。

  5. Vercel Blog68

    Vercel 推出 Board,讓不同工具上的 AI 助理一起追蹤任務

    多個 AI 助理一起做專案時,任務、討論和進度容易散落在不同地方。Vercel 推出實驗性工具 Board,讓人和不同工具上的 AI 助理共用任務看板:AI 助理可以認領工作、回報進度、留下結果,也能把討論串和 Slack、GitHub 等工具雙向同步。團隊還能設定工作許可權、安排後續提醒,或讓新回覆自動喚醒 AI 助理。Vercel 表示,內部的 v0 軟體工廠目前用 Board 處理超過 50% 的 PR。

    推薦理由:多個 AI 助理分頭處理同一專案時,工作容易散落在不同工具;Vercel Board 把任務、討論與進度集中起來,並同步 Slack 或 GitHub。

  6. Pydantic AI Releases73

    Pydantic AI 發布 v2.71.0,新增 AI 助理工具管理功能

    AI 助理執行較長的工作時,可能會遇到工具太多、不知道能用多少資源,或還沒檢查完成就結束的問題。Pydantic AI v2.71.0 新增多種管理功能,例如設定規則允許、詢問或拒絕工具呼叫與 Shell 指令,也能回報剩餘預算,並在修改內容還沒驗證時要求 AI 助理先執行檢查。這次更新也加入 ToolBridge,讓工具清單維持固定,再透過搜尋和呼叫使用工具,方便管理大型或經常變動的工具集合。

    推薦理由:這次更新補上工具許可權、執行預算與完成檢查等能力,呈現 AI 助理在長時間執行任務時可用的管理方式。

  7. Guillermo Rauch42

    AI 助理要一起做事、交換訊息時,需要一個大家都能使用的地方。Guillermo Rauch 表示,他們打造了 Vercel Board,像是不用畫面的 Slack,也像以前的 IRC,讓 AI 助理透過 CLI 互相傳訊息。它不限定使用哪種模型、工具或主機平臺,只要帶上自己的 AI 助理就能使用。Rauch 認為,這能成為軟體工廠、自我改進的系統和科學研究的基礎:人只要先給一個起點,許多 AI 助理就能分散合作。

  8. Arena.ai64

    要比較 AI 助理做事的表現,也得看完成任務花多少錢。Arena.ai 用 Agent Arena Index 排名,這次的 GPT-6.2 Astra 和 Sol 成績來自 7.1K+ 次真實 AI 助理工作紀錄。Astra 排第 6,得 1291 分,比前一版多 9 分;每項任務中位成本是 $2.94,比前一版低 40%。Sol 排第 11,得 1241 分,分數和 GPT-6.1 Sol 相同,但每項任務成本低 13%,為 $0.90。兩者相比,Astra 高 50 分,Sol 的成本則低 69%。

    推薦理由:這份榜單把 GPT-6.2 Astra 和 Sol 的任務分數與每項任務成本放在一起比較,能看出兩款模型在表現和花費上的差異。

  9. Aravind Srinivas66

    把事件提醒、模型選擇和網址內容整理接程序式或 AI 助理,往往需要分別處理。Perplexity 表示,最近推出三種 API:Monitor 可設定事件提醒,Orchestrator 會依任務在前沿模型和開放權重模型之間安排路由,Context 則能批次把網址轉成可用內容。Perplexity 也表示,API 業務年增 4.3 倍,年營收規模已達九位數;這些 API 可用來把搜尋與內容處理接入其他工作流程。

    推薦理由:三種 API 分別處理事件提醒、模型路由與網址內容轉換,呈現 Perplexity 將搜尋能力延伸到不同 AI 助理工作流程的方向。

  10. OpenAI News72

    OpenAI 報告 AI 助理如何加快研究,也說明人仍要把關

    AI 助理能幫忙寫程式、檢查實驗,但不同工作做得好不好差很多,研究人員也得持續把關。OpenAI 這份內部研究報告整理了研究團隊使用 AI 助理的情況:截至 10 月中旬,超過三分之二的受訪研究人員每天最忙時至少有 4 個 AI 助理同時工作;在部分研究任務中,AI 助理能獨立完成約七成,但寫推論與服務程式碼的成功率估計為 25%。訪談也提到,AI 助理會產生品質不佳的程式碼和資料,因此研究人員常先檢查一份成果,再讓它繼續處理。報告呈現了 AI 如何加快部分研究工作,也指出人類監督仍是研究流程的一環。

    推薦理由:報告比較研究助理在不同任務上的成功率,也呈現研究人員如何檢查與修正成果,能看出 AI 加速研究的助力與瓶頸。

  11. AWS Machine Learning Blog79

    Amazon SageMaker HyperPod 新增訓練故障檢查與工作復原功能

    大型 AI 訓練有時會卡住,或在硬體檢查通過後仍算出錯誤結果,白白佔用 GPU。AWS 為 Amazon SageMaker HyperPod 新增三項功能:MultiNodeTrainingValidation 會用固定訓練工作檢查 GPU 是否算出 NaN 或無限大的損失;Kubernetes 監控代理程式會整理故障涉及的節點、Pod 和工作;Slurm 的停滯工作偵測則能記錄問題,並依設定取消工作、讓它重新排隊。文中舉例,一項工作若卡住 15 分鐘便被偵測並重新排隊,估算成本可從約 $16,900 降至約 $530。這些檢查各自處理不同故障,設定時仍要留意規則是否正確,以及取消工作的條件。

    推薦理由:HyperPod 把訓練正確性、Kubernetes 故障和工作停滯分開監看,並說明各功能何時運作、如何回報及可能節省的 GPU 時間。

  12. AWS Machine Learning Blog73

    Airbnb 如何用每項任務成本管理 Amazon Bedrock 上的程式開發 AI 助理

    模型在測試中表現好,不一定代表工程師實際使用時花費也低。Airbnb 用自家程式開發任務比較不同模型的完成分數和每項任務成本,再搭配上線後的請求數、token 用量與延遲,決定預設模型和推理力道上限。文中一個模型在測試時成本差不多,但上線後每位使用者的平均週花費高出好幾倍,原因是每次請求較貴,使用者也送出更多請求。Airbnb 後來把重度使用者移到另一個模型,請求數大致相同,該群組在主要模型上的花費降到約七分之一。這套做法能幫團隊同時看見模型測試成績與實際使用成本。

    推薦理由:Airbnb把自家任務測試與上線後用量放在一起比較,呈現模型分數相近時,使用者行為仍可能讓每人花費差很多。

  13. Arena.ai68

    挑選 AI 助理時,除了看任務做得好不好,也要考慮每次任務的花費。Arena 根據社群進行的 4.2k 次真實 AI 助理工作階段,將 Gemini 4 Neon (High) 排在 Agent Arena Index 第二名,得分為 1336,單次任務中位成本為 $2.82。榜單也列出使用者滿意度、回應修改的能力和任務完成情況等指標;這些數字能讓人比較表現與費用,但只反映這份榜單採用的評測方式。

    推薦理由:Arena 的排名與每項任務中位成本,呈現 Gemini 4 Neon (High) 和其他模型在表現與費用上的差距。

  14. ElevenLabs Official Blog71

    ElevenLabs 推出醫療版 ElevenAgents,協助處理病患與醫療團隊來電

    病患打電話預約或詢問資料時,若 AI 助理聽錯藥名、插話,或無法連上院方系統,事情就得重來。ElevenLabs 推出醫療版 ElevenAgents,搭配 Scribe v3 Live Medical 即時辨識醫療用語,也能接上預約、病歷和電話系統;遇到症狀問題或敏感資料,團隊可設定轉給真人處理。Cadence 使用這套服務聯絡慢性病患者後,聯絡到患者的中位時間從近兩小時降到 3.5 分鐘;患者接聽 AI 助理來電的比例也比接聽護理師來電高 47%。

    推薦理由:文章以醫療客服案例和轉錄測試結果,說明語音辨識、通話流程與人工轉接如何配合處理預約及病患來電。

  15. AWS Machine Learning Blog55

    AWS 示範讓 Amazon Bedrock AgentCore Identity 連上使用私有 CA 的身分系統

    公司把身分系統放在私人網路時,AI 助理可能無法確認連線物件是不是可信的伺服器。AWS 示範如何設定 Amazon Bedrock AgentCore Identity,讓它透過 VPC Lattice 連上使用私有 CA 憑證的身分系統,並從 AWS Secrets Manager 或 Amazon S3 讀取 CA 憑證來檢查連線。文章也說明如何把新舊 CA 憑證一起放進檔案,更新設定後再換掉舊憑證,降低輪替時中斷服務的機會;此外,應限制誰能修改憑證資料,避免有人偷偷換掉受信任的 CA。

  16. Databricks Blog74

    Databricks 推出 Genie Migrate,協助把工作搬到 Serverless

    把工作從 classic 搬到 Serverless,常得逐一處理設定、套件和程式碼問題,原本簡單的切換可能拖上好幾週。Databricks 推出 Beta 版 Genie Migrate for Serverless,會先掃描工作,標出哪些適合搬、哪些需要管理員處理,再把需要修改的地方列成差異畫面,讓人逐項審核後才套用。套用時會先複製工作,原本的工作保持不變,方便先跑一次確認;目前檢查只看設定和相依套件,不會實際執行工作。批次搬遷目前支援工作,筆記本支援尚未推出。

    推薦理由:Genie Migrate 把搬遷檢查與修改整理成可逐項審核的流程,也說明目前只做靜態檢查,適合評估匯入前的風險與人工作業。

  17. Vercel Blog52

    Vercel 的 AI Gateway 開放免費網頁搜尋,eve 改用 Parallel

    AI 助理要搜尋網頁時,開發者可能得另外申請搜尋服務的 API key。Vercel 開放透過 AI Gateway 使用 Parallel fast mode,到 2027 年 1 月 31 日前免費,任何 AI Gateway 模型都能使用,不必另辦 Parallel API key。搜尋結果會附上網頁連結和簡短摘錄,也能依網站或發布日期篩選;eve 的 AI 助理則會在模型透過 AI Gateway 提供服務時,預設使用這項搜尋功能。免費優惠只適用 fast mode,其他模式仍按一般價格計費;預設也會啟用 Zero Data Retention。

  18. Hugging Face Blog61

    RadixArk 發布 DaisyRose-27B,Terminal-Bench 4.1 成績提升

    訓練 AI 助理處理需要長時間、多步驟完成的工作,往往要準備大量任務,也得投入不少 GPU 資源。RadixArk 發布首款模型 DaisyRose-27B,以 Qwen3.8-27B 為基礎,使用 1,200 項整理過的任務進行強化學習訓練。和原始模型相比,它在文中列出的各項基準都拿到較高分;Terminal-Bench 4.1 的 pass@1 從 5.6% 提升到 12.0%。RadixArk 也表示,自家訓練後端比可比的開源訓練器少用 57% GPU 時間。

    推薦理由:DaisyRose-27B 與 Qwen3.8-27B 的多項基準成績可供對照,其中 Terminal-Bench 4.1 的 pass@1 從 5.6% 提升到 12.0%。

  19. AWS Machine Learning Blog35

    AWS Quick 如何讓企業資料準備好,讓 AI 助理能開始推理與工作

    企業想讓 AI 助理回答問題、幫忙處理工作,得先確保資料可信,也要能從同一個地方找到需要的資訊。Financial Independence Group 把客戶、財務等表格資料,以及內部檔案整合到 AWS Quick,讓員工能直接查資料、取得分析,並用 AI 助理處理一連串工作。活動中,參加者還在 50 分鐘內做出 AWS Quick 應用程式,也用 AWS Quick Flows 把重複的資料工作串成自動流程。這些例子顯示,做好資料整理和管理,團隊就能更快把想法變成實用工具。

  20. AWS Machine Learning Blog67

    AWS 示範如何讓 Amazon Bedrock AgentCore Gateway 安全連線私有 API

    企業若要求所有子網路由網路團隊管理,且不同網路間的流量都要經過中央防火牆,AI 助理連線內部 API 和 MCP 伺服器就得符合這些規定。AWS 示範把 VPC Lattice 資源閘道放在網路團隊管理的專用 VPC,再透過 Transit Gateway 轉送請求和回覆,並用 AWS RAM 分享後端設定,讓 AgentCore Gateway 連線私有服務。文章也說明如何在負載平衡器檢查呼叫憑證,以及如何驗證防火牆確實檢查雙向流量。這種做法檢查的是流量資訊和 TLS 主機名稱,無法檢視加密後的請求內容;文中建議先在自己的網路環境測試。

    推薦理由:文章整理了網路團隊集中管理子網路與防火牆時,讓 Amazon Bedrock AgentCore Gateway 連線私有 API 的架構做法,並說明流量檢查的範圍與限制。

  21. Replit ⠕52

    要改進一項產品,光設定目標還不夠,也得想好怎麼判斷成果。Replit 產品與設計團隊用 Replit Missions 改進 Replit Slides:先提供目標、評分範例、預算和一項受控要求,再讓一群 AI 助理分工調整提示詞和工具,並進行六輪由 AI 評分的測試。團隊表示,設計評分提高了 20%,花費不到 $500。這個案例展示了 Missions 如何把較大的目標拆成可持續執行的工作。

  22. Arena.ai49

    LMSYS Arena 推出 Agent Arena Index 和六項細分排名,觀察 AI 助理做工作、寫程式、聊天、使用工具等表現,並搭配 Alignment Index 評估它們是否依照使用者意思行動。這些排名根據全球社群數百萬項真實任務的結果計算;總排名參考任務是否完成、使用者好評或抱怨、Bash 工具使用是否可靠,以及 AI 助理能否依照使用者更正調整。Claude Fable 5.2 (Max) 以 1463 分排名第一,高於第二名 Gemini 4 Carbon (High) 的 1307 分。這套指標讓大家能從不同面向比較 AI 助理處理真實工作的表現。

  23. Vercel Blog51

    Vercel 推出 Vercel X,為早期 AI 新創提供六週加速計畫

    剛有 AI 創業點子的人,常需要釐清要做什麼、誰會需要,也得找到資源把產品做出來。Vercel 推出 Vercel X,邀請 40 個團隊到舊金山參加六週計畫,接受 Vercel 團隊的技術指導與產品回饋,並可使用 Vercel、AWS、Anthropic、OpenAI 等夥伴提供的超過 $9M 點數,用於主機、運算和模型 API。申請者須是 Vercel 客戶,並全程到場;計畫不收股權,獲選團隊還有機會取得 Vercel Ventures 資金與合作夥伴獎項。

  24. OpenAI News76

    OpenAI 說明 Codex 沙盒如何限制 AI 助理存取檔案與網路

    AI 助理執行指令時,可能讀到敏感檔案或把資料傳到網路上。OpenAI 說明,Codex 沙盒會依許可權設定限制指令能讀寫哪些檔案,以及能連到哪些網域;預設的 workspace 設定允許修改工作資料夾、讀取其他有許可權的檔案,並關閉網路。Codex 會使用 macOS、Linux 和 Windows 各自的系統防護,在使用者原本的電腦環境裡執行指令,也提供設定檔讓個人或企業調整限制。不過,沙盒無法防住所有風險,例如惡意程式若被編輯器在沙盒外執行,仍可能造成問題,因此 OpenAI 也搭配模型訓練與對齊來保護使用者。

    推薦理由:文章說明 Codex 如何用許可權設定限制檔案與網路存取,也提醒沙盒無法阻止所有透過本機工具觸發的風險。