#Agent
RSS 訂閱#Agent
RSS
Replit ⠕@Replit品質評分5555
Meta Engineering精選品質評分7474 Meta 如何用 AI 助理把廣告排名模型的改進推廣到更多模型
一種機器學習改進方法,往往不能直接搬到另一個廣告排名模型上,工程師得花時間逐一調整,訓練也會消耗大量運算資源。Meta 用 AI 助理找出值得嘗試的模型、調整技術做法、安排訓練工作,並協助診斷和處理失敗;工程師仍會審查重要決定,並核准要推出的模型。Meta 表示,AI 助理目前負責超過 60% 的技術推廣工作;在部分模型與技術組閤中,訓練運算量中位數減少 4 倍。這套做法希望讓經過驗證的改進更快用到更多模型。
推薦理由:文章拆解 AI 助理如何找出可套用的技術、調整模型並管理訓練工作,呈現大規模推廣機器學習改進的方法。
Databricks Blog精選品質評分6868 Databricks 推出 Unity Gateway Insights,找出 AI 助理浪費 token 的地方
團隊想降低 AI 成本時,除了調整預算,也可以檢查 AI 助理每次工作的紀錄。Databricks 推出 Unity Gateway Insights,會分析工作紀錄和公司的業務資料,找出 MCP 工具反覆出錯、簡單工作用了昂貴模型,以及值得整理成共用技能的重複流程。每個發現都能連到相關工作紀錄,也會依浪費的 token 成本排序;團隊還能加入自己的問題,檢視哪些流程值得改善。Databricks 表示,他們曾從 7 個 MCP 小錯誤中估計出每年 $1.2M 的浪費。
推薦理由:Databricks 說明 Insights 如何從 AI 助理的工作紀錄找出重複錯誤與模型使用浪費,並把可節省的 token 成本連結到實際工作流程。
a16z@a16z品質評分4848Replit Blog精選品質評分6868 Replit 擴大與 Microsoft 合作,讓團隊用企業資料打造並部署應用程式
企業團隊常知道哪裡需要改善,卻得先換工具、搬資料,才能把想法做成軟體。Replit 宣佈與 Microsoft 擴大合作,讓團隊可用 Fabric 的受管資料打造應用程式,並部署到企業的 Fabric 租戶;Replit Desktop 也能在 Windows、Mac 和 Linux 存取使用者指定的資料夾,讓人檢查本機修改。Replit 與 Microsoft Teams 的整合將讓團隊從對話開始提問和開工;Azure 部署則進入早期存取,管理員可設定每個工作區的發布位置。這些功能讓團隊能在熟悉的工具中建置和發布,同時由企業管理資料與部署環境。
推薦理由:Replit 這次把建置、部署與工作對話接上企業既有的資料和系統,也交代各項整合的開放狀態與管理方式。
Databricks Blog精選品質評分7878 Databricks Genie 把受治理的企業資料帶進 Teams、Excel 和 Copilot
公司資料分散在不同工具裡,員工常得自己找表格、核對數字,也不一定知道哪些資料能看。Databricks 擴大 Genie 在 Microsoft 工具中的使用方式:在 Teams 裡,員工可用訊息詢問資料、檢視圖表、分析檔案或安排定期分析;在 Excel 裡,可用白話提問、把結果載入活頁簿,並建立會更新的樞紐分析;Copilot Chat 和 Copilot Cowork 則能把資料問題交給 Genie 查詢。答案會附上資料來源,並依使用者許可權提供內容,管理員也能透過 Unity Gateway 管理工具使用、支出和操作紀錄。
推薦理由:Genie 把受治理的企業資料帶進 Teams、Excel 與 Copilot,並以許可權、引用來源和管理工具串起工作流程。
CrewAI Releases品質評分3737 CrewAI 發布 1.15.42,修正多項功能與資料處理問題
這次 CrewAI 更新讓 ChromaDB 可以選擇安裝,並把預設知識資料改存到本機 Qdrant;AI 助理也能先挑選工具,之後再加入。更新還修正了多種資料處理問題,例如避免日期寫入 JSON 時出錯、正確讀取含 BOM 的 JSON 檔,以及不再漏掉串流回傳的內容。這些調整讓設定與資料讀寫更可靠,也讓使用者能依需求選擇儲存方式和工具。
a16z@a16z品質評分3737
Aravind Srinivas@AravSrinivas品質評分5858
Arena.ai@arena品質評分4242
Mistral AI@MistralAI品質評分5656
Y Combinator@ycombinator品質評分4747
NVIDIA Newsroom Press Releases精選品質評分7676 NVIDIA 推出 RTX Spark 小型桌機,可在本機執行 AI 模型與創作工作
想在本機跑 AI 模型、處理創作工作,又不想讓筆電一直忙著執行任務,可以考慮專用桌機。ASUS、Dell 和 MSI 的 NVIDIA RTX Spark 小型桌機已開賣,搭載最多 128GB 共用記憶體,可在本機執行支援的模型、AI 助理、圖片與影片生成,也能微調模型。NVIDIA 表示,在本機處理程式碼和檔案可避免這些工作產生雲端 API 費用;桌機也能在筆電外出時繼續執行常駐 AI 助理和排程任務。文中另介紹 Adobe、Blender 和 ComfyUI 等創作工具在 RTX Spark 上的更新。
推薦理由:RTX Spark 桌機把本機模型、常駐 AI 助理與創作工具放在同一臺電腦,文中也列出記憶體規格與適用工作流程。
OpenClaw🦞@openclaw品質評分5555LangChain Blog品質評分5757 LangChain 說明如何為 AI 助理挑選安全沙箱
AI 助理如果能讀取私人資料、接觸不可信內容,還能對外傳送訊息,遭遇提示詞注入時就可能洩漏資料或做出未授權的操作。LangChain 說明,沙箱可以把 AI 助理寫的程式關在隔離環境裡,並建議檢查檔案存取、網路連線、資源用量、環境是否重複使用,以及和主機之間的隔離方式。文章也比較兩種接法:把 AI 助理直接裝在沙箱裡,或讓它透過 API 呼叫沙箱執行程式;後者較容易更新,也能把 API 金鑰留在沙箱外,但每次執行都要經過網路。沙箱能縮小風險,無法單獨消除提示詞注入的威脅。
AWS Machine Learning Blog精選品質評分6666 AWS 示範如何減少 Amazon Bedrock AgentCore 處理大型 JSON 的 token 用量與延遲
AI 助理每次呼叫工具都把大型 JSON 傳進模型,會增加 token 用量、拉長等待時間,還可能讓對話塞滿資料。AWS 與 Flightscape 分享三種做法:把大型資料放到 Amazon S3,讓對話只儲存資料位置;清單先提供摘要,需要時再分頁取回;大型字典則改用精簡描述。以 23 MB 資料測試時,五題對話的 token 用量約減少 71%,平均延遲從 15.4 秒降到 3.1 秒;完整資料仍可按需讀取。
推薦理由:文章拆解了大型 JSON 讓 AI 助理變慢、增加 token 用量的原因,並以實測比較三種減少上下文負擔的方法。
Vercel Blog品質評分5050 Vercel Sandbox Python SDK 1.0 正式推出,能在隔離環境執行程式碼
用 Python 執行 AI 產生的程式、測試修改或分析資料時,若想避免程式直接影響其他工作,就需要隔離的執行環境。Vercel Sandbox Python SDK 1.0 已穩定公開介面,功能也追上 TypeScript SDK;它能在隔離的沙盒裡執行工作,並在工作結束後自動清理環境。例如,可以從 Git 分支建立沙盒、執行測試,完成後自動清理。從 0.x 升級的人要留意,指令輸入和輸出已改用 bytes。
ElevenLabs Official Blog品質評分4747 ElevenLabs AI 零售助理:從回答問題到完成訂單
客人訂房或買東西時,常會臨時改日期、預算或需求;一般表單和篩選條件不夠靈活,改一次就可能得重頭來過。ElevenLabs 用 ElevenAgents 做出能用語音對話的 AI 助理,會一邊查即時資料、一邊調整選項,最後直接完成訂房或結帳。像 Rohlik 的 AI 助理 Maia,已能接手 90% 的客服專線來電,也能幫客人找商品、列購物清單並用語音結帳。這類助理能讓客人少繞路、讓商家接住更多訂單;不過效果也和模型、聲音及設定方式有關。
Replit ⠕@Replit精選品質評分6161
推薦理由:Replit Desktop 可讀取使用者分享的資料夾,在本機製作並執行工具,再把資料整理成可透過雲端分享的報告。
AWS Machine Learning Blog精選品質評分6060 AWS Agent Registry 如何用自訂欄位管理與搜尋 AI 助理資源
團隊各自描述 AI 助理、MCP 伺服器和技能時,欄位與填法可能不一致,讓審核和搜尋都難以對照。AWS Agent Registry 現在可讓管理員先訂好共用欄位、必填專案和允許的值,再由發布者與自動化工具填寫資料;系統會檢查內容是否符合規則,審核者也能根據安全掃描結果等資訊決定是否核准。文章以一個查詢帳務資料的 MCP 伺服器示範,核准後可用環境、業務單位和掃描狀態篩選資源,讓人和 AI 助理依相同條件找到符合規範的專案。
推薦理由:文章用 MCP 伺服器示範如何統一欄位與可用值,並串起安全掃描、人工或自動審核和搜尋篩選,呈現治理流程如何共用同一套資料。
Google Developers Blog精選品質評分8181 Google AI Studio 用 Gemini 打造可連線資料庫的 Android App
從想法做出 Android App,常得分別處理資料儲存、登入、AI 功能和手機測試。Google AI Studio 現在能依照提示詞建立 Kotlin App,並設定 Cloud Firestore、Google 登入及安全呼叫 Gemini 的功能;資料也能在不同裝置間接續使用。開發者還能在瀏覽器裡用高畫質模擬器測試畫面和聲音,截圖交給 AI 助理修改介面,最後把 App 發布到自己的 Google Play 個人資料庫,再安裝到手機上。
推薦理由:Google AI Studio 把資料儲存、帳號登入、Gemini 呼叫和手機測試串進 Android 開發流程,可瞭解從提示詞到可安裝 App 的做法。
AWS Machine Learning Blog精選品質評分6464 AWS 擴大 FDE 服務,協助企業把 AI 專案帶進正式營運
AI 原型在展示時看起來可行,真正放進公司使用後,卻會遇到資料混亂、規模變大和稽核等問題。AWS 表示,Forward Deployed Engineering(FDE)服務現已在 15 個國家提供,工程團隊會和客戶一起,在客戶自己的 AWS 帳號中打造 AI 系統,並把基礎建設、工作流程和治理控制一開始就納入設計。文章舉例,Marsh 的第一個應用約兩個月後進入正式營運,部分流程處理時間從數小時縮短到數秒;AWS 也表示,目標是讓客戶團隊能在合作結束後自行維護和擴充系統。
推薦理由:文章整理企業把 AI 從展示原型帶進正式營運時,基礎建設、工作流程與治理三方面的難題,並以客戶案例說明 FDE 的做法。
AWS Machine Learning Blog精選品質評分6767 Amazon SageMaker AI 推出資料準備功能,協助整理訓練資料
訓練和評估模型時,整理出夠用又可靠的資料常常很花時間,標籤錯誤、重複內容也可能拖到訓練後才被發現。Amazon SageMaker AI 推出一組資料準備功能,可自動標註資料、產生合成資料、檢查資料品質,也能依訓練方法整理資料格式;信心較低的標註還能交給人在 SageMaker Studio 檢查。團隊可用 Python SDK 或 AI-ML skill 操作,並檢視、修改產生的規格和程式碼。這些功能已在美東(維吉尼亞北部)和美西(奧勒岡)正式推出。
推薦理由:原文說明如何把自動標註、人工檢查、合成資料與品質檢查串成準備流程,可瞭解資料整理如何接上模型訓練與評估。
Vercel Blog精選品質評分8585 Vercel AI Gateway 迎來 GPT‑6.2 Astra 與 Sol
Vercel AI Gateway 現已支援 OpenAI 的 GPT‑6.2 Astra 與 Sol。Astra 適合複雜多步專案,支援程式碼變更、檔案範本與電腦使用;Sol 針對日常編碼、寫作與代理工作流程,能從簡短需求建置互動式網頁。使用者可透過 API 指定模型 ID,並可啟用 Ultrafast 服務,降低成本;亦可在 Vercel CLI 內設定並於 Codex、Cursor 等編碼代理使用。
推薦理由:瞭解 GPT-6.2 Astra 與 Sol 在 AI Gateway 的功能差異與使用方式
Vercel Blog精選品質評分8383 Vercel 推出 eve 1.0,開源框架助你快速打造多租戶 AI 助理
Vercel 近日正式釋出 eve 1.0,這是一套開源框架,讓開發者能在同一個「harness」裡管理模型、工具與子代理,並支援多租戶、多人協作與安全審核。框架內建的 Workflow SDK 能自動儲存進度,支援 Slack、Teams、Discord 等多個通訊管道,並且在 Vercel 上可即時部署。新版把回應延遲從 3 秒降到 0.4 秒,工作流程成本降低 76%,還提供 OpenTelemetry 追蹤與多種記憶體供應商。對想快速落地 AI 助理或軟體工廠的團隊來說,eve 1.0 提供了完整的工具箱與即時部署環境。
推薦理由:此公告說明 eve 1.0 讓開發者以單一框架構建多租戶 AI 助理,對快速落地代理系統的團隊具實務參考價值。
AWS Machine Learning Blog精選品質評分7676 SMART 如何用 Amazon Bedrock AgentCore 串接 WhatsApp AI 助理
把 AI 助理接上 WhatsApp,麻煩的地方常是訊息格式、圖片和語音處理、對話記憶與提醒排程。AWS 的開源工具 SMART 提供 Python SDK 和 Terraform 設定,讓開發者把重心放在 AI 助理的提示詞、工具和商業邏輯,並由 SMART 處理通道工作。文章也示範如何在本機先試跑,再部署到 AWS;若訊息是在對方最後發言超過 24 小時後送出,就必須使用 Meta 預先核准的範本。文中提醒,這是供非正式上線用途的範例程式,部署前仍要符合自己的安全與法規要求。
推薦理由:文章整理 WhatsApp 串接時常見的訊息、媒體、記憶與排程工作,並展示 SMART 如何把這些通道功能交給現成工具處理。
GitHub Engineering精選品質評分8181 GitHub 如何用 Agent Host Protocol 讓 Copilot 工作階段跨裝置接續
AI 助理如果綁在單一程式裡,關掉視窗或換裝置時,工作就難以接續;每個應用程式各自串接,也讓開發者不容易把 AI 助理帶進自己的工具。GitHub 說明 Agent Host Protocol(AHP)如何讓 VS Code、GitHub Copilot app 和其他使用者端共用工作階段、歷史紀錄與狀態。使用者端送出操作後,由伺服器更新狀態;遇到網路中斷時,使用者端可以重新送出排隊中的操作,等伺服器確認。VS Code 和 GitHub 也用不同語言各自實作主機,藉此找出協定需要補足的地方。
推薦理由:AHP以獨立協定連線不同裝置與兩種獨立實作,文中也整理了跨網路中斷、重連與功能差異時的設計取捨。
Replit ⠕@Replit品質評分3737
a16z@a16z品質評分5656
Arena.ai@arena品質評分5353LangChain Blog品質評分5656 LangSmith 新增追蹤資料許可權,讓團隊除錯時保護客戶資訊
工程師需要檢視 AI 助理的工作紀錄來找問題,但紀錄裡可能有姓名、健康資料或付款資訊,不能讓所有人都看見。LangSmith 新增三種管理方式:限制誰能看使用者輸入和模型回覆、按團隊設定許可權,以及依追蹤紀錄中的客戶或使用者資料決定誰能檢視。工程師仍可檢查工具呼叫和速度等資訊,必要時也能只讓負責某位客戶的團隊檢視相關內容。這些功能已提供給 LangSmith Enterprise 方案。
Google AI Official Blog精選品質評分8888 Google 讓 Gemini 代辦電話預約、帳單分析和購物
打電話預約、翻帳單找問題或比價購物,都得花時間自己處理。Google 更新 Gemini 的 Task 功能,讓它能依照指示使用連結的應用程式完成多步驟工作,例如同時打電話詢問預約、找出電費變高的原因,或把商品加進購物流程;有些步驟仍會交回給使用者完成。購買前,Gemini 設計上會先詢問確認,也能設定支出上限。這項更新正向美國、日本、韓國、加拿大、澳洲和印度的使用者免費推出,部分進階功能先在美國推出。
推薦理由:Gemini 把打電話預約、整理帳單和購物等日常工作串在一起,也設有確認步驟與支出上限,能看出 AI 助理如何代辦多步驟任務。
Tavily@tavilyai品質評分3838LangChain Blog品質評分5858 LangChain 分享打造主動型 AI 助理的經驗
AI 助理如果只等人下指令,就很難主動處理長期工作;但一直傳訊息提醒人,也會讓人覺得煩。LangChain 分享兩個內部 AI 助理的做法:銷售助理會留意新客戶、草擬郵件並整理每日摘要,工程助理則會草擬程式碼更新,並檢查新送出的更新。它們會根據事件或排程開始工作,也會從過去資料、人的修改和後續結果中累積記憶。文章指出,好的記憶能幫助 AI 助理少犯重複錯誤;訊息則應簡短、方便檢查,並出現在人們平常工作的地方,讓人逐步放心交出更多事情。
AWS Machine Learning Blog精選品質評分6161 AWS 說明企業如何分階段管理 AI 助理的安全與責任風險
AI 助理會自己使用工具、讀取資料並分好幾步完成工作,因此一次答錯可能影響後續流程,也可能接觸不該看到的資料。AWS 提出三階段做法:先訂出風險等級、許可權和管理規則,再在試行時加入資料保護、人工審核與操作紀錄,最後持續檢查公平性、安全和系統表現。文中以銀行處理貸款為例,說明高風險決定可交由信貸人員覆核,並在評估未達門檻時擋下部署。文章也提供評估技能,協助團隊檢視目前做法;這份路線圖提供關鍵問題,沒有逐步實作說明,也不是法律或合規建議。
推薦理由:文章把平臺團隊的防護工作與應用團隊的建置責任分成三個階段,並以銀行貸款流程說明如何逐步檢查風險。
AWS Machine Learning Blog品質評分4343 LoanPro 如何用 Amazon Bedrock 打造 AI 貸款服務助理
貸款客服接到電話時,常得在好幾個畫面裡翻找付款紀錄、貸款餘額和客戶過去的問題,讓通話變久,也可能因為客服經驗不同而有不同處理方式。LoanPro 和 AWS、AllCloud 合作打造 AI 助理,能整理借款人的帳戶狀況、回答追問,並建議客服接下來可以採取的行動。舉例來說,客服開啟帳戶就能看到近期狀況摘要,不必自己逐筆拼湊資料;這套系統已在實際服務中使用。AllCloud 的案例資料顯示,客戶通話時間最多減少 15%。
Replit Blog精選品質評分7878 Replit 推出 Missions,讓多個 AI 助理分工完成複雜任務
團隊想完成大型專案,常會卡在人手和時間不夠。Replit 推出 Missions,使用者先說明目標、預算和哪些動作要先核准,接著由多個 AI 助理分工規劃、開發、測試和修改;完成進度與待核準事項都能檢視。Replit 用它打造自家的監控平臺 DataCat,花 2 天、預算上限 $3,000,完成儀錶板、警示和追蹤功能;測試時,平臺在 38 秒內找出刻意加入的資料庫錯誤。Replit 表示,DataCat 的自架版本也已開放原始碼。
推薦理由:Missions 把多個 AI 助理分工執行、預算限制與人工核准放進同一流程,文中 DataCat 案例也呈現這套做法如何處理監控平臺建置與效能檢查。
LMSYS Org Blog精選品質評分7676 SGLang Summit 發表 SGLang v1.0 與 Miles v0.2,擴大推論和訓練支援
AI 模型越來越大,AI 助理也會累積大量工作紀錄,讓推論和訓練更難在不同硬體上順利進行。SGLang Summit 發表 SGLang v1.0,聚焦提升正式環境的效率與擴充能力;Miles v0.2 則支援 NVIDIA 和 AMD GPU、Google TPU,並將強化學習擴充套件到圖片、影片和音訊。大會也分享多個部署案例,例如 Meta 表示,改用 SGLang 後 GPU 用量減少超過 2 倍。這些更新與案例呈現了團隊如何把實際部署需求帶回開源工具的開發中。
推薦理由:SGLang 與 Miles 的更新涵蓋推論和強化學習,也整理了不同硬體與實際部署的經驗,可看出開源工具如何回應現場需求。
Y Combinator@ycombinator精選品質評分7070推薦理由:這筆融資訊息也交代 Model ML 如何把 AI 助理放進金融機構的內部系統,並主動分析金融從業者關注公司的新聞。
Aravind Srinivas@AravSrinivas精選品質評分8080
推薦理由:Perplexity 讓 Fable 5.2 平行排程多個模型處理複雜任務,並列出財務研究與批次分析檔案等適用情境。