跳到正文

#Agent

RSS
今日 0 則
11月16日週一
  1. Aravind Srinivas57

    做出能在瀏覽器玩的開放世界遊戲,通常得用遊戲引擎和現成素材。這款以 1986 年邁阿密為背景的賽車遊戲,是 Teammate 在 Fable 5.2 上用程式碼做出來的,沒有使用遊戲引擎、Three.js 或外部素材;畫面引擎、城市、車子、車庫、雨水和引擎聲也都由程式產生。遊戲約有 63,000 行 JavaScript、大小為 9 MB;影片則是 Teammate 在租用的雲端 GPU 上,以 1080p60 算繪。

  2. Google AI Official Blog80

    Google Maps 的 Ask Maps 新增旅遊行程規劃與預約搜尋功能

    假期出遊要排景點、查路況,還得安排各種待辦,常要在不同地方來回找資料。Google Maps 的 Ask Maps 新增多天行程規劃,可列出每天停靠地點,也能檢視即時路況、營業狀態、天氣、延誤和通行費;行程可以分享,或在電腦上匯出到 Google Docs。它也能搜尋附近店家的預約時段,並從收藏清單中找出有空位的地點。這些功能開始在 Android 和 iOS 推出;行程規劃與清單搜尋適用於 Ask Maps 開放的地區,路線提示和預約搜尋先在美國推出。

    推薦理由:Ask Maps 把行程規劃、路況查詢和預約搜尋放在同一個流程中,呈現它如何協助處理假期出遊與日常待辦。

  3. OpenBMB47

    大型語言模型能讀很長的內容,但訓練太早停止,長文表現可能還沒練好。OpenBMB 分享一項研究,用模型大小、一般訓練資料量和長文本訓練資料量,估算模型處理長文的表現;這套公式也能推估沒直接測過的訓練規模,R²=0.97。研究還發現,訓練過程中可以用固定方式穩定追蹤進步,而且 32K 訓練帶來的提升能延伸到 128K,也能保留在 SFT 之後,並幫助長上下文與 AI 助理任務。

  4. n8n Blog54

    n8n 作者分析 AI 助理時代的工具整合工作如何改變

    以前要讓不同軟體互相合作,使用者得自己處理 API 的連線、登入、資料轉換和更新;現在服務提供者會推出 MCP 伺服器,讓 AI 助理找到並使用工具,因此提供者也得負責維護連線方式和安全設定。不過,MCP 只說明工具能做什麼,還得用技能教 AI 助理操作流程;開發者也可以用 Hooks 設定固定檢查,或透過 SDK 把工具直接寫進應用程式。作者認為,整合工作已分散到多種方式,服務提供者得同時顧及 API、MCP、Hooks 和 SDK。

  5. Vercel Blog47

    Qwen4-Max 登上 Vercel AI Gateway,支援寫程式、製作 3D 場景和長時間工作

    Qwen4-Max 是 Alibaba Qwen4 系列的第一個模型,現在可透過 Vercel AI Gateway 使用。它能看懂圖片,也能處理長篇工作,例如在 Blender 製作 3D 場景,或在 Unity、Unreal Engine 和 Godot 製作能玩的遊戲;完成後還會看畫面找出鏡頭、動畫或燈光問題,再動手修改。處理財務、法律和醫療工作時,它也能使用 MCP 工具整理大量檔案和圖片,產出附有資料來源的報告、試算表和簡報。 遇到需要很久的工作時,Qwen4-Max 會先交出能用的初步成果,再一輪輪改進,讓人可以邊看邊調整方向。Alibaba 也將推出一個搭配這種工作方式的 Live Delivery 外掛。和先前的 Qwen Max 模型相比,Qwen4-Max 完成相同工作的 token 用量較少,預設寫出的程式也較安全;Vercel AI Gateway 則不加價收取模型費用,也不收推論平臺費。

  6. Arena.ai58

    Arena 公佈的榜單顯示,Qwen4-Max 在中文模型中排名第一,整體實驗室排名第五;在 Agent Arena 首次登場就排第 14,前一代 Qwen3.8-Max 則排第 39。這項結果來自 14.7k 次真實任務操作紀錄,整體表現提升 7.5%。四項指標都比前一代進步,其中「好評相較抱怨」提升 13%,「確認成功」提升 9%;在工作、聊天和程式任務的排名也都進入中文模型前列。

  7. Browser Use Releases49

    Browser Use 1.0.6 改用 BU 4.0 作為預設模型

    Browser Use 1.0.6 把預設模型從 bu-fast 換成 BU 4.0,使用 Agent(task) 或 ChatBrowserUse() 時都會改用 bu-4.0。BU 4.0 的 token 費用是 bu-fast 的 15 倍:每 1M 輸入 token 要 $1.80、輸出 token 要 $9.00;文中一個簡短測試任務的費用,也從 $0.0014 變成 $0.022。簡單任務可指定 llm='bu-4.0-mini',困難任務可指定 llm='bu-4.0-pro';想維持原本模型和價格,則指定 llm='bu-fast'。

  8. Ollama Blog77

    Ollama 和 Together AI 說明如何讓開源模型跑長時間 AI 助理任務

    AI 助理處理長任務時,每一步都會帶上先前的對話與工具結果;如果每次都重新讀完整份內容,等待時間和成本會一路增加。Ollama 和 Together AI 說明,前面讀過的內容可以先存在快取裡,下一次只處理新增部分。要讓快取派上用場,工具說明和系統提示詞要盡量保持不變,工具結果也要避免塞入不必要的大量內容;推理程度最好從一開始就固定。引擎還得把後續請求送回存有快取的機器,並在等待工具執行時妥善儲存快取。這些做法能減少重複處理,讓長工作流程更順暢。

    推薦理由:文章從提示詞安排與 GPU 快取兩端說明長任務為何會變慢,並整理維持快取的做法,適合用來改善 AI 助理的工作流程。

  9. Databricks Blog58

    Databricks 教你把團隊工作流程寫成 Genie One 技能

    團隊常把工作步驟和格式要求記在腦中或舊檔案裡,每次都得重新交代。Databricks 說明如何在 Genie One 用對話把流程寫成技能,讓它照著步驟、檢查規則和格式完成工作。文中以每月交易簡報為例,示範先確認資料月份是否完整、再找出值得留意的變化,並查詢相關郵件補上原因;試跑後也能修正規則,再開新對話確認結果。技能還能發布給團隊使用,或設定定期執行。

11月15日週日
  1. Guillermo Rauch74

    做網頁介面時,拖曳、快捷鍵和選單操作等功能常要一項項處理。Guillermo Rauch 分享 UI SDK 的使用體驗:透過兩個提示詞,搭配 fx 和 Gemini Argon,AI 助理直接重用了 14 種現成的介面功能,包含調整視窗大小、拖曳、選單切換和鍵盤操作。內容使用純 Web Components,沒有用框架,也提到 WebMCP 的 AI 助理控制功能。

    推薦理由:示範只用兩個提示詞,就讓 AI 助理直接重用 14 種介面功能,並以幾個操作例子呈現 UI SDK 的用途。

  2. LangChain Blog59

    LangChain 分享如何設計 AI 助理的目標,讓人更容易提供回饋

    AI 助理接手長期工作時,光有檔案和帳戶資料不夠,還得學會人心裡那些沒寫下來的做事習慣。LangChain 以 Actively AI 的銷售工具為例:原本每個潛在客戶帳戶各有一個 AI 助理,業務人員得分開檢查,也不容易把學到的做法分享出去。後來,Actively 改成按工作型別安排 AI 助理,例如開發新客戶或推進初期交易,讓業務人員能一起檢查相似工作,並把回饋用在其他任務上;帳戶資料則由背景工具整理。LangChain 認為,設計目標時也要讓人容易檢查成果、提供回饋,AI 助理才更能學會團隊的做事方式。

  3. Y Combinator60

    AI 助理開始接手工作後,團隊得思考怎麼分配任務、管理許可權,還要確認它們做出的成果是否可信。Lauren Tan 和 Roman Ugarte 所在的核心團隊花了七週,從第一行程式碼做到推出 Grok Bot。它能建立有自己身分和登入方式的 AI 助理,並在背景持續工作;行銷團隊曾讓一個 AI 助理使用自己的廣告預算,Lauren 也曾在一段 Slack 對話中,透過 AI 助理完成一項功能,過程中沒有開啟 Cursor。他們也談到,當 AI 助理能做更多事,團隊的新難題會是判斷該做什麼,以及為什麼要做。

    推薦理由:Lauren Tan 和 Roman Ugarte 分享 AI 助理如何參與日常工作,也談到當程式開發變快後,判斷該做什麼會成為新的難題。

11月14日週六
  1. Browser Use Releases54

    browser-use 1.0.5 加入任務結果判斷與網站狀況紀錄

    瀏覽器自動化任務跑完後,不一定容易看出有沒有成功,也可能漏掉網站拒絕輸入或封鎖等狀況。browser-use 1.0.5 會用使用者指定的模型檢查執行紀錄、最後幾張畫面和完成後的網頁,並整理成功與否、失敗原因及需要留意的情況;例如表單要求電話號碼符合特定格式。使用者可以提供自己的判斷標準,也能關閉這項檢查。作者以 13 次實際執行、每次判斷 3 遍進行比較,網站有阻擋時,系統記下相關情況的次數由 6/15 增至 15/15;順利完成時的判斷結果則沒有改變。

  2. OpenAI News47

    Shield 用 OpenAI GPT‑6 Astra 讓 AI 助理接手舊系統的 IT 工作

    中小企業的 IT 問題常得靠外包技術人員登入各種舊網站處理;有些系統沒有 API,AI 助理也因此卡住,只能等人接手。Shield 把 GPT‑6 Astra 接進 Forge,讓 AI 助理像技術人員一樣看著畫面操作,在支援的工作中登入入口網站、處理工單、裝置或軟體授權。哪些動作能自動做、哪些要由技術人員檢查或核准,仍由技術人員決定。 Shield 表示,這些流程每月已執行數千次,GPT‑6 Astra 平均比他們先前使用的模型快 35–40%,使用 AI 的工單也有較高的客戶滿意度。不過,電話、到府服務和遠端桌面工作仍需要人員參與;Shield 正在測試讓 AI 助理直接操作電腦桌面的流程。

  3. Vercel Blog76

    Vercel Token Pass 開放使用 Kimi K3.1 Pro

    團隊使用 AI 助理寫程式時,可能需要切換不同模型或工具。Vercel 的 Token Pass 現在加入 Moonshot AI 的 Kimi K3.1 Pro,可用於寫程式和 AI 助理工作流程,也支援看圖、使用工具,並提供 1M 上下文視窗。這項早期訂閱每隊每月 $30,會提供每月 $80 額度,可用於連線 AI Gateway 的程式開發工具或用 AI SDK 建立的 AI 助理;透過 Token Pass 處理的請求不會保留資料。

    推薦理由:Token Pass 把 Kimi K3.1 Pro 加入團隊訂閱,並列出月費、可用額度與資料保留方式,方便評估是否符合開發需求。

  4. Vercel Blog53

    Vercel Daemons 可將背景工作追蹤資料送到 Vercel Tracing

    背景工作程式出了狀況時,開發者需要檢視它做了哪些事,才能和專案其他追蹤資料一起排查。Vercel Daemons 現在可把 OpenTelemetry 追蹤資料送到 Vercel Tracing;Node.js Daemons 使用 @vercel/otel 2.3.0 以上版本和預設設定,就能自動送出追蹤資料。之後可透過 Vercel CLI 按服務名稱搜尋,並以 JSON 取得結果,讓開發者和 AI 助理檢視背景工作的執行情況。

  5. AWS Machine Learning Blog74

    AWS 教你用 NVIDIA NeMo Switchyard 替寫程式的 AI 助理選模型

    寫程式的 AI 助理完成一件工作時,可能要呼叫模型很多次,也可能重試後仍沒通過測試,所以只看每個 token 的價格,算不出這件工作的實際成本。AWS 示範如何在 Amazon Bedrock 上部署 LiteLLM 和 NVIDIA NeMo Switchyard,讓它依對話中的工具使用結果,在較省錢和能力較強的模型間選擇,也能用隨機分流比較模型。範例程式會讓 AI 助理修小型程式,再跑測試,並比較路由組和各單一模型成功解題的成本。作者提醒,少量測試不能代表日常工作;要用自己的程式任務多跑幾次,並把失敗的花費也算進去。

    推薦理由:文章用可重跑的任務測試比較模型路由與單一模型,並說明為何要看每個成功解題任務的成本,適合評估自己的程式工作流程。

  6. AWS Machine Learning Blog72

    AWS 說明如何縮短 Amazon Bedrock AgentCore Runtime 的工作階段啟動時間

    AI 助理每次開始新的工作階段,都可能得重新載入程式和資料,讓使用者等候第一個回應。AWS 說明如何用 Amazon Bedrock AgentCore Runtime V2,先在建立或更新環境時準備好程式,再把準備結果存起來,讓新工作階段還原後就能使用。文中也介紹如何把常用資料留在記憶體、用建置掛鉤預熱大型檔案,以及在使用者開啟聊天視窗時背景啟動工作階段。會改變的資料、隨機值和時間資訊則要在每個工作階段開始後取得,避免沿用過期或重複的內容。

    推薦理由:文章拆解 AgentCore Runtime V2 的啟動流程,並說明哪些工作適合提前準備、哪些資料必須每個工作階段重新載入。

  7. Modal Engineering Blog43

    Modal 與 Gray Area 合辦「Scaling Intelligence」展覽,展出 11 件 AI 藝術作品

    很多人以為 AI 只會幫忙自動做事,但藝術家也能拿它來創作。Modal 和 Gray Area 合辦「Scaling Intelligence」展覽,展出 11 件用 AI 和雲端運算打造的新作品。像有件作品讓 AI 一直搜尋一座根本不存在的北極島,還有一隻機械手臂會向路過的人比倒讚。這些作品把 AI 變成新的創作工具,也讓人想想:當 AI 開始唱歌、記住人們說過的話,甚至替人做有意義的事,我們和它的關係會變成什麼樣子?

  8. ElevenLabs Official Blog43

    ElevenCreative 推出 Forward Deployed Creatives,協助品牌打造 AI 廣告

    團隊想用 AI 做廣告,常會遇到品牌風格不一致、工具彼此不相通,或是工具太難用的問題。ElevenCreative 推出 Forward Deployed Creatives,由創意製作人和策略人員先了解品牌與團隊的工作方式,再一起建立廣告工作流程、製作素材並訓練團隊;也可以直接接下需求,完成廣告讓團隊審核。像是要把廣告改成不同市場適用的版本,受過訓練的語言工作者和音訊專業人員會檢查文字與聲音。品牌可以依需求選擇自己製作、和團隊一起建立流程,或交由這些創意人員從策略做到完成廣告。

  9. Browser Use Releases56

    Browser Use 1.0.4 減少截圖密集任務的模型費用

    瀏覽器任務常會留下大量截圖;每次新增截圖都整理舊資料,可能讓模型無法重用先前處理過的內容,增加輸入費用。Browser Use 1.0.4 改為累積到 20 個帶有截圖的工具結果後,再一次清除舊截圖。BU Bench v2.1 測試 200 項任務,分數與 1.0.3 接近,平均每項任務的模型費用從 $0.434 降至 $0.208。這版也讓 BU_NAME 呼叫者在無法使用 Chrome 時改用各自的 Chromium,並在某些瀏覽器設定錯誤可能透過新版修正時,提示升級。

  10. Google Research85

    Google 開放 Antigravity 的 /teamwork,讓 AI 助理協作研究與工程工作

    研究和工程工作常要處理大量資料、反覆試錯,還得確認每一步都正確。Google 在 Antigravity 開放 /teamwork 和 /boost,讓多個 AI 助理分工探索,再用 Lean 4、軟體測試或硬體量測檢查結果。Google 分享的案例包括協助研究者完成數學證明、找出分子結構,以及改寫系統程式;研究者仍負責提出問題和確認成果。學術研究者也可申請六個月免費使用最高用量方案。

    推薦理由:Google展示 /teamwork 如何把長時間研究拆成多個可檢查的步驟,並用形式驗證、測試與硬體量測篩選結果,呈現多 AI 助理協作的實際做法。

  11. Arena.ai45

    LMSYS Arena 本週公佈多款模型在不同競賽的表現。Claude Fable 5.2 (Max) 在 Agent Arena 排名第 1,根據 7.8k 次真實使用記錄,淨改善幅度為 +30.5%;Gemini 4 Hydrogen (High) 則是前 10 名中速度最快的模型,每個常見步驟約需 7.3 秒。Muse Ember (Max) 以每項任務 $0.03 的中位成本登上 Code Arena: WebDev 第 37 名;Inkling 2 Small 則以 1647 分拿下該榜開放權重模型第 1。這些排名讓人能比較模型的表現、速度與成本;推文也提到,採用 Apache 2.0 的開放權重即將推出。

  12. cloudflare blog76

    Cloudflare 將 Kitesurf 開源,讓開發者自行部署 AI 助理用的瀏覽器

    AI 助理需要瀏覽網頁時,完整瀏覽器會使用較多 CPU 和記憶體。Cloudflare 現在把 Kitesurf 的程式碼放上 GitHub,開發者可以在自己的電腦執行、修改,再部署到自己的 Cloudflare 帳戶。Kitesurf 能載入網頁、執行 JavaScript,並支援 Chrome DevTools Protocol,因此可連線 Puppeteer 等工具。自架部署需要 Workers Paid 方案,因為它會為網頁建立隔離的 Workers。

    推薦理由:Kitesurf 開源後,開發者能自行閱讀、修改並部署瀏覽器引擎;文章也說明瞭本機試用方式與自架時的方案要求。

  13. Arena.ai50

    Claude Fable 5.2(Max)在 Agent Arena 排名第一;在和 Claude Opus 5.5(Max)都有排名的 10 個類別中,Fable 有 9 類領先,另一類差距小到無法分出高下。Fable 的視覺設計表現特別突出,整體進步分數是 30.48%,視覺設計則是 45.34%;Opus 5.5 分別為 19.51% 和 23.29%。不過,這些分數只顯示誰領先,還無法說明原因,因此發文者接著比較兩個模型在真實使用情境中的表現。

  14. Browser Use Releases53

    Browser Use 推出 1.0.4rc1,批次清除舊截圖

    瀏覽器操作留下太多截圖時,逐張清除會改動先前的訊息,讓提示詞快取失效,增加輸入成本。Browser Use 1.0.4rc1 改成累積到 20 個工具結果帶有截圖後,再一次清除舊截圖。原文舉例,BU Bench 1.0.3 有一項 705 步的任務讀取了 27.8M 個輸入 token,其中 1.6M 個來自快取;這次調整是為了減少清除截圖對快取的影響。更新也讓 BU_NAME 呼叫者在無法使用 Chrome 時各自取得 Chromium,並在瀏覽器設定錯誤可能由新版修正時,由 CLI 和 MCP 提醒 AI 助理升級。

  15. cloudflare blog72

    Cloudflare 說明 AI 滲透測試工具如何發動攻擊,並提出六項防禦做法

    AI 滲透測試工具能自動串連多個攻擊步驟,讓防守方更難及時跟上。Cloudflare 表示,團隊在事件調查中看到攻擊者利用遭竊的長期有效 API 權杖,從 CI/CD 環境橫向進入其他雲端環境;其中一個案例出現大量 Worker 指令碼和資料庫匯出請求。Cloudflare 建議用六個環節加強防禦,包括限制流量、偵測異常行為、辨認自動化機器人、限制高風險服務的存取、檢查 API 請求格式,以及利用威脅情報掌握攻擊。也建議把系統分割槽,減少遭入侵的帳號能移動到其他環境。

    推薦理由:Cloudflare 分享觀察到的攻擊案例,並把防禦建議整理成六個環節,從流量控管、身分驗證到網路分割槽,呈現如何降低帳號遭入侵後的擴散風險。

  16. Wiz Blog & Research42

    Wiz Green Agent 如何找出雲端資安問題的修補方法,又避免服務停擺

    線上服務發現資安漏洞時,團隊得趕快修補,卻不能讓服務中斷,還得查清楚問題在哪、該怎麼修、要交給誰處理。Wiz Green Agent 會沿著攻擊路徑逐步檢查:這次它發現公開網站連著有漏洞的容器,容器還能讀取雲端儲存空間裡的個資。直接關掉網站會讓正式服務停擺,因此它找出能先切斷雲端存取的做法,再追到程式碼裡的永久修補方式和負責工程師。整個調查只花幾分鐘,讓團隊能先降低風險,再安排完整修補,同時顧到服務運作。

  17. ElevenLabs Official Blog44

    Oxford Saïd 把多年女性創業研究做成能對話的 SOFIA AI 助理

    女性創辦人常遇到資金少、曝光也少的困難:全女性團隊拿到的創投資金約佔 2.3%,想創業的人也較少有成功女性可以參考。Oxford Saïd Business School 多年來訪問女性創辦人,整理她們募資、承擔風險和經營公司的經驗,現在把這些研究做成 SOFIA for Business,讓人能直接和它對話、向受訪者的經驗學習。SOFIA 也會訪問創辦人;得到同意後,對話內容會加入研究,讓這份經驗持續累積。

  18. Vercel Blog66

    Vercel Workflow SDK 5 加強資料加密,讓長流程跑得更快

    AI 助理和背景工作常要跑很久,途中還會經過佇列、傳送大量資料,遇到故障也得接著執行。Vercel 推出 Workflow SDK 5,會在資料離開程式前加密工作內容,也把工作流程的資料放在啟動它的區域,減少跨區傳送。Vercel 公佈的測試中,1,020 個步驟的流程從 21 分鐘縮短到 3 分鐘;串流回應送達時間也從 226.1 秒降到 53.5 秒。這些數字來自特定工作和區域,其他應用的結果可能不同。

    推薦理由:Workflow SDK 5 把加密、區域部署與執行速度放在同一版更新中,文中的基準測試也呈現長流程與串流延遲的差異。

  19. LangChain Blog82

    LangChain 募得 $300M,估值達 $3B

    LangChain 宣佈募得 $300M,估值為 $3B,資金將用來推動公司發展。公司表示,LangSmith 可協助企業部署、改善和管理 AI 助理,讓企業選擇模型、掌控資料與基礎設施,並管理工具使用與安全規範。LangChain 提到,Workday 使用 LangSmith 管理公司內的 AI 助理,將部署新助理的時間從五個月縮短到不到一天;Clay 則用它監看每月數億次的 AI 助理執行。

    推薦理由:LangChain 說明這筆資金將用來發展 LangSmith,並以企業部署 AI 助理的案例呈現平臺目前的用途。

  20. OpenAI News75

    OpenAI 推出 ChatGPT Wallet,讓 AI 助理代購前先經使用者確認

    讓 AI 助理代買東西時,使用者需要放心付款,也要避免網站或銀行把交易擋下來。OpenAI 推出 ChatGPT Wallet,使用者先加入卡片,每次購買前都能檢查商品、總價和付款卡,再用 Face ID 或指紋確認。確認後,付款網路會提供一組代替卡片資料的付款程式碼,商家和 AI 助理都不會看到使用者的實際卡號;符合條件的爭議交易也保有原卡的回饋與保障。服務先透過 dots 提供給美國年滿 18 歲的 ChatGPT Pro 訂閱者,並搭配商家指南,協助網站和付款系統辨識這類交易。

    推薦理由:ChatGPT Wallet 讓使用者逐筆確認 AI 助理代購,並用付款程式碼隱藏卡片資料;文章也說明商家如何讓既有網站與付款系統接受這類交易。

  21. Databricks Blog52

    OpenAI 與 Databricks 合作,讓企業用受治理的資料匯入 AI

    企業匯入 AI 時,常遇到員工看不到公司資料,或 AI 不懂公司怎麼定義營收等指標。OpenAI 與 Databricks 合作,讓 ChatGPT 透過 Genie 讀取員工有權檢視的資料,並依公司定義回答問題;工程團隊可讓 Codex 經過 Unity Gateway,設定預算並檢視每次請求紀錄。企業也能在 Databricks 上使用 OpenAI 模型打造自訂 AI 助理。這些做法讓員工更快查資料、工程主管掌握使用情況,也讓團隊在既有許可權管理下開發 AI 應用。

  22. a16z51

    過去需要熟手花上幾週甚至幾個月的網路攻擊,現在 AI 可能只要 20 分鐘就能完成。Wiz 共同創辦人暨技術長 Ami Luttwak 認為,企業應持續用最新的 AI 模型攻擊自己的系統,及早找出弱點;新創則應從一開始就把自動測試和修補放進開發流程。他也和 a16z 的 Sarah Wang、Zane Lackey 討論修補為何跟不上攻擊速度、持續測試的成本,以及安全架構為何比一味添購工具更重要。

11月13日週五