Nabil A 教你用 Bash 指令碼追蹤模型下架日期變動
模型下架日期一改,若沒再去檢視官方頁面,使用者可能很晚才發現。Nabil A 寫了一支 Bash 指令碼,讀取四家服務商的頁面,只留下符合清單中模型 ID 的資料列,並和上次儲存的內容比對;有變動時就印出差異,回傳的狀態碼也能讓排程工作發出提醒。他在文中示範了 Microsoft 頁面上的日期變更。指令碼會比對字串,可能把相似 ID 一起抓進來;頁面改版也可能造成一次多餘提醒,因此仍要檢視差異並回到原頁確認。
模型下架日期一改,若沒再去檢視官方頁面,使用者可能很晚才發現。Nabil A 寫了一支 Bash 指令碼,讀取四家服務商的頁面,只留下符合清單中模型 ID 的資料列,並和上次儲存的內容比對;有變動時就印出差異,回傳的狀態碼也能讓排程工作發出提醒。他在文中示範了 Microsoft 頁面上的日期變更。指令碼會比對字串,可能把相似 ID 一起抓進來;頁面改版也可能造成一次多餘提醒,因此仍要檢視差異並回到原頁確認。
AI 回答聽起來有道理時,很多人會再問一次,確認答案有沒有變。但這項研究把相同的 24 個問題交給 GPT、Claude、Gemini、Grok 和 Llama,發現 52 個重要差異中,有 26 個是隻有一個模型提出的說法。研究者也挑兩題,讓同一個模型用完全相同的問法各答三次,結果它每次都維持同一個判斷,只有措辭不同。 例如,模型對「餐廳只做現場候位是否可行」看法不同,只有一個模型補充:座位大約不到 20 個、走快速供餐路線,或主打隨興用餐時,這種做法仍可能適合。研究者檢查 14 個只有一個模型提出的說法,發現其中 8 個很有價值,但也有 3 個是錯的或編造的。重問同一個模型只能檢查答案是否一致;想知道它是不是孤單的少數,得另外問不同模型,並記下它們意見分歧的地方。
挑 AI 助理時,只看平均分數,可能看不出每次好答案要花多少錢,也看不出它有多少次完全沒答好。Agent Relay 根據 Deepnote 的 Agent Initiative Benchmark 公開資料,重新計算每個模型取得滿分回答的成本,並比較零分次數和不該發言時的誤報。結果顯示,平均分數最高的 GPT-6 Astra,每次滿分回答約 $1.33;GPT-6.1 Sol 約 $0.255,便宜約 5.2 倍,兩者的分數區間也有重疊。作者提醒,基準只有 50 項任務,這些數字適合用來篩掉不合需求的模型,不能據此精確選出勝者。
開發 AI 助理時,每種框架都能負責安排步驟、呼叫工具、記住資料和留下紀錄,差別在於它替你決定多少事情,以及日後換框架有多麻煩。像 LangGraph 能把工作流程畫成清楚的步驟,也能在當機後接著做;Google ADK 則能搭配不同模型使用。若要用 AI 助理整理公司檔案,LlamaIndex 比較合適;如果要讓多個 AI 助理分工,CrewAI 能設定各自的角色。選框架前,也要想想提示詞和工具能不能帶走,因為工作流程和存檔方式可能無法直接搬家。
把 AI 生成的圖片存進健康照護服務時,如果重試或多人同時操作,舊圖片可能蓋掉新圖片,也可能難以確認資料屬於哪個租戶。作者建議由後端把圖片存到私有物件儲存,每張圖片使用不會重複、也不會覆寫的名稱,再由資料庫記錄圖片位置、所屬租戶和留存狀態。要恢復舊快照時,只需切換資料庫指向的圖片,不必改寫圖片內容。文章也提醒,刪除資料庫中的指向不代表圖片已刪除;若上傳結果不明,應先查核原本的工作編號,再決定是否重試。
AI 助理若能代為購物,就得先確認誰可以使用、付款前要不要核准。OpenAI 宣佈 ChatGPT Wallet,讓 AI 助理能在 ChatGPT Work、Codex 和 Dots 的購物流程中付款,但每筆購買都需要使用者核准,並沿用現有的信用卡防護措施。目前功能只開放給美國年滿 18 歲的 ChatGPT Pro 訂閱者,且須使用美國發行的 American Express、Chase、Mastercard 或 Visa 卡。文章也指出,公開資訊尚未說明核准紀錄、爭議處理和交易次數限制,開發團隊在設計付款流程時需要留意這些未知細節。
推薦理由:功能把 AI 助理的購物行為接上付款流程,文章整理了使用資格與核准要求,能幫助團隊評估哪些交易情境適用。
把 API 金鑰貼進 ChatGPT 或 Claude 求助後,就算刪掉聊天紀錄,也不能收回已送出的內容。文章建議先到發出金鑰的服務撤銷舊金鑰、建立新金鑰,再更新使用它的程式;接著檢視使用紀錄,留意不認得的請求、費用或新建立的帳號與金鑰。要減少下次出錯,可以把機密資料放在環境變數裡,分享錯誤紀錄前先移除金鑰。
AI 模型的停用日期可能一夜之間改變,連官方網頁也可能彼此說法不同。作者發現,Microsoft Foundry 上兩個 Claude 模型的停用日期變了;Gemini API 上多個模型的日期也有變動。例如,claude-haiku-4-5 原本列為 2026 年 11 月 15 日停用,後來改成 2027 年 2 月 22 日。若只把日期抄進行事曆、工單或程式註解,資料一改就會過時。 比較好的做法是記下模型名稱、使用的平臺和官方網頁,再定期檢視網頁有沒有更新。因為不只日期會變,替代模型也可能更換;太早照著舊資訊搬家,可能白忙一場。
程式開發工具更新後,許可權檢查和信任設定可能改變,原本能用的工作流程也可能受到影響。這篇整理 Claude Code、Codex 和 Gemini CLI 本週的版本更新:Claude Code 修正多個許可權與沙箱問題,並修補 zstd 回應解碼的安全問題;Codex 在不受信任的資料夾中,不再只靠 --sandbox workspace-write 載入專案設定和 MCP 伺服器,使用者需要明確加上 --trust。文章也提醒,若 Codex 的 CI 工作流程突然無法載入 MCP 伺服器,應檢查資料夾信任設定。
Claude Code、Cursor 和 Codex 會用 Git worktree 讓多個 AI 助理同時工作,但每份工作目錄都可能留下程式套件和建置檔,久了會佔掉不少硬碟空間。作者分享查詢 worktree 用量的方法,也提醒刪除前先檢查是否有未提交的修改,並確認分支已合併;使用 git worktree remove 時不要加上 --force,Git 才會在還有未提交工作時擋下刪除。文章也列出各工具自動清理設定,並介紹作者開發的 Mac App Mopup,可免費掃描 worktree。
選數學能力強的模型時,只看分數可能會忽略每次測試要花多少錢。MathArena 更新評測後,Google 的 Gemini 4 Carbon 以 85.4% 排名第一,Claude Fable 5.2 得 82.8%,GPT-6.1 Sol 得 80.6%;每個分數也附有誤差範圍。依測試設定,跑完一輪 Carbon 約花 15.70 美元,Fable 5.2 約 40 美元,GPT-6.1 Sol 約 1 美元。這份榜單把準確度和成本放在一起比較,團隊仍可用自己的工作內容測試,判斷多花的錢是否划算。
一個 AI 助理能處理很多事,但把工作分給多個 AI 助理,也可能增加等待時間、費用和出錯機會。作者用準備市場簡報的例子,說明可以由一位負責整理答案的 AI 助理呼叫研究、分析和檢查等專家;也可以把對話交給該接手的專家。不同工作需要不同工具或許可權,或能安全地同時進行時,拆分才可能有幫助。建議先用單一 AI 助理或固定流程,找出實際問題後再拆分,並比較結果、速度和費用。
詐欺分析人員一次只能檢查有限案件,模型排在前面的案件裡有多少詐欺,就會影響抓漏情況。作者做了一套可離線執行的公開基準,比較 XGBoost、規則清單、AI 決策 API 和一般大型語言模型,並檢視前 100 筆案件找出多少詐欺。在 10,000 筆合成交易中,XGBoost 找出 84 筆,決策 API 找出 16 到 51 筆;在含 52 筆詐欺的匿名信用卡資料中,XGBoost 在前 1% 找出 82.7%,最佳 AI 方法為 46.2%。不過,XGBoost 使用已標記資料訓練,AI 方法則沒有範例,這項比較只呈現了其中一種使用方式。
AI 產品推出後,可能因為資金不足、技術難題、使用者不夠多,或大平臺把類似功能整合進自家服務而停下來。TechCrunch 整理了多個案例,包括 OpenAI 把部分獨立工具整合進 ChatGPT、Character.ai 申請破產,以及 Ollie、Relay 等服務關閉;也提到 Humane AI Pin 因產品表現與充電盒電池風險而結束業務。這些案例顯示,受到矚目或一開始賣得好,不一定能讓產品長久經營。
MathArena 數學測驗的前三名,能力和使用費用差距很大。The Decoder 整理的結果顯示,Google 的 Gemini 4 Carbon 排名第一,GPT-6.1 Sol 排名第三,Claude Fable 5.2 排名第二;測試設定下,三者的預估表現分別是 85.4%、80.6% 和 82.8%。Gemini 4 Carbon 的費用約是 GPT-6.1 Sol 的 15 倍,Claude Fable 5.2 則約為 40 倍。Gemini 4 Carbon 常因超過時限而失敗,也曾讓一段程式連跑超過十一小時,沒有檢視進度。
AI 助理的模型即使正常,連不上信箱或其他資料來源時,使用者要的功能還是可能失敗。Microsoft 365 中斷期間,Outlook、Teams、SharePoint 和 Microsoft Copilot 等服務受到影響,OpenAI 也回報 Microsoft 365 連接器出問題;Microsoft 表示這次中斷與網路容量升級及後續網路變更有關,並非網路攻擊或 AI 助理造成。文章建議從使用者要完成的工作開始,列出登入、許可權、連接器、資料來源和模型等依賴,逐一檢查故障時能否改走真正獨立的路徑。若資料不完整或無法取得,應清楚告知使用者;重試和寫入操作也要避免造成重複工作。
AI公司一邊追求更強的模型,一邊承諾會顧好安全,但如果安全只靠執行長或公司自己把關,出了問題該怎麼辦?曾任OpenAI董事的Helen Toner在訪談中回顧董事會風波,並談到AI安全、公司治理與政府監管。她認為,AI對使用者的要求是否可靠、模型能否被有效監督,都是還沒解決的難題;公司也有許多安全檢查和研究工作尚未做完。她主張為安全評估留出更多時間,也要讓更多人參與監督,不能把未來押在某個人會守信用上。
如果自動化流程還在呼叫即將停用的 OpenAI 模型,停用後,回覆訊息、試算表資料或 Slack 摘要可能就不會送達。作者整理了 n8n、Make 和 Zapier 的檢查方式,提醒除了 OpenAI 模組,也要檢視直接呼叫 API 的步驟、程式碼和預設模型。文章指出,GPT-4o、GPT-4o mini、GPT-4.1 和 GPT-4.1 mini 預計在 2027 年 1 月 14 日停用,建議先用相同的真實輸入測試替代模型,確認輸出格式和後續步驟都能正常運作,再切換正式流程。
模型的 API 單價比較低,實際做完一件工作時,帳單也會比較便宜嗎?作者用同一組程式任務比較 Claude Fable 5.2 和 GPT-6 Astra,包含修復錯誤、檢查程式碼和從頭撰寫功能。兩者修復錯誤和寫程式都拿滿分;程式碼審查則是 Fable 5.2 多找出 3 個缺陷。三項任務合計,Fable 5.2 估計花費 $13.39、耗時 2,157 秒,Astra 花費 $3.99、耗時 832 秒。這次實測顯示,較低的 token 單價不一定代表每項工作的總成本較低;作者也提醒,每個任務只跑過一次,分數差距可能隨測試改變。
有些科技圈名人把自己在寫程式上的本事,當成什麼都懂的證明,也容易把 AI 的表現看成超越人類的神蹟。比爾蓋茲曾用生物考題測試 OpenAI 的模型,看到它答得很好時感到震驚;他也說 Claude 寫程式的能力已經和自己一樣好,甚至稱 AI 寫程式、找程式問題的能力「超人」。作者認為,這種想法會把人帶向兩個極端:不是相信 AI 會毀滅人類,就是相信 AI 能解決所有問題。AI 助理寫程式又快又能處理複雜工作,確實令人驚訝,但這不代表它們有自己的意志,也不能讓人把使用和管理它們的責任推給 AI。
越來越多工程師在工作時使用 AI 程式助理,但用得多,不代表做得更快或學得更多。一項研究讓 16 位有經驗的開源開發者完成程式任務,結果發現有 AI 幫忙時,他們反而慢了 19%,自己卻覺得快了 20%。另一項研究讓 52 位工程師學習程式工具,使用 AI 的人和沒用 AI 的人花的時間差不多,但理解測驗分數低了 17%。 AI 可以幫忙處理重複工作,就像電鑽能讓鑽孔更快;但它產生的程式碼還是得仔細檢查。特別是剛入行的工程師,如果只讓 AI 做完工作,可能會少學一些。把 AI 當幫手,自己仍要看懂並確認結果。
聊天機器人負責對話,副駕駛會先等人同意才動手;AI 助理則能自行安排步驟、使用工具,並依結果調整做法。文章用程式開發舉例,也說明它和照固定指令碼做事的流程自動化有何不同,並整理自我檢查、使用工具、規劃和多個 AI 助理合作等常見做法。MCP 能讓 AI 助理和工具透過同一套協定連線。文章也提醒,若許可權給得太廣,錯誤或惡意指令可能造成更大影響,因此需要清楚限制每個 AI 助理能做的事,並在任務結束後收回許可權。
AI 程式助理會在終端機執行指令,若看不懂就按下核准,可能刪掉檔案,或讀取專案外的私人資料。Hassan Aziz 用 Bash 常見指令示範怎麼檢視檔案、搬動資料和刪除資料夾,也提醒讀者留意 rm -rf、sudo、從網路下載後直接執行的指令,以及不明的檔案路徑。文章也建議先在專案資料夾啟動 AI 助理,遇到看不懂的指令先弄清楚用途,並保留許可權確認,避免助理未經同意就讀取或修改檔案。
筆記搜尋常因記不起原本用的字而找不到內容,例如把「沙發」想成「couch」,或忘了 Wi-Fi 中間有連字號。Gravity 作者重新設計搜尋,先用兩組各 200 筆搜尋測試,再加入字詞變化、日期和數字辨識,以及依詞義找相近內容的功能。新版在主要測試中有 198 筆能把目標筆記排進前 10 名,舊版則是 0 筆;在 100,000 篇筆記中,最慢的搜尋也從 149 毫秒降到 14 毫秒。不過,遇到需要常識的說法或內容相近的筆記時,仍有 4 筆搜尋沒找到合適結果。
把程式碼裡的空白縮短,看起來像是減少 LLM 輸入 token 的簡單方法,但作者實際量測後發現,空白佔用很少。他檢查 CPython 3.13 標準函式庫的 131 個 Python 檔案,發現註解和檔案字串合計佔 34.8% 的 token,縮短縮排只省 2.5%,刪除空白行則只省 0.1%。作者也提供一小段程式碼,讓人檢查自己的檔案。不過,檔案字串可能包含模型正確修改程式所需的說明;他建議保留要修改的檔案,只精簡背景參考檔,並先在自己的程式庫試算。
OpenAI 正重新安排機器人研究團隊,希望讓通用模型加快機器人研究。研究人員將加入主要研究團隊,應用機器人與硬體團隊則併入應用部門。報導提到,GPT-6 Astra 在一項模擬機器人測試中成功率為 74.8%,高於最佳專用模型的 51%;但這是在模擬環境測試,使用的不是實體機器人。另一項涉及桌面物品與雙臂機器人的測試中,Astra 完成 100 項任務中的 7 項,MolmoAct2 則沒有完成任何一項。報導也指出,專用模型在成本、可靠性、速度和耗能方面可能仍有優勢。
網頁上的連結常會多一個往右上方的箭頭(↗),但它有時也出現在只會帶你到同一個網站其他頁面的連結旁。作者檢視約 4,000 個 GitHub 公開專案,發現新建網頁專案裡有箭頭的比例,從年初約二十分之一升到 9 月以來接近六分之一。再看有 AI 標記的程式碼修改,Claude 加箭頭的比例曾在 Opus 4.8 時達 9.7%;Codex 在 GPT-6 Astra 推出後的那段期間,則有 26.1% 的介面相關修改加了箭頭。小樣本也顯示,Codex 加的箭頭更常指向同一網站內的連結。這些數字來自公開資料和有限樣本,作者也還不知道這種習慣從哪裡來。
用 MCP 做工具時,寫在工具結果文字裡的規則,可能沒有送到模型手上。作者檢查 Claude Code 的原始串流,發現結果同時有文字和結構化資料時,模型收到的是 JSON,文字區塊則被丟掉;這是作者觀察到的行為,並非官方保證。修正方式是在結構化資料裡加上 note 欄位,放入規則和摘要,同時保留文字區塊給會讀取它的應用程式。作者也提醒,測試工具呼叫時要分清楚被應用程式拒絕的呼叫,並直接檢查模型實際收到的內容。
多人和 AI 助理一起寫程式時,最需要先弄清楚的是它們能碰到哪些檔案和功能。GitHub Next 推出 Ace,讓大家在頻道裡協作;AI 助理會用執行主機的帳號許可權,因此能執行指令,也能讀取、修改或刪除專案以外的檔案。工作區可以分開處理平行任務,但不會限制 AI 助理能存取的範圍。團隊成員由同一個 Tailscale 網路決定,讓 AI 助理操作同伴的頻道、控制 Mac 上的應用程式,預設都關閉。分享前應先確認網路成員,並只在需要時開啟這些許可權。
想讓網站出現在 AI 搜尋結果裡,又不想讓內容拿去訓練模型,不能只封鎖一種爬蟲。作者整理 OpenAI、Anthropic 和 Perplexity 各自用於訓練、搜尋和使用者即時查詢的爬蟲,並示範如何用 robots.txt 分別設定。封鎖 GPTBot 不會讓網站從 ChatGPT 搜尋消失,但封鎖 OAI-SearchBot 可能讓網站不出現在搜尋答案中。使用者要求 AI 助理讀取網頁時,有些抓取工具可能不理會 robots.txt;作者提醒可搭配流量限制或 WAF 規則,並逐一檢查各網域的設定。
AI 程式助理可能因為沒讀到專案規則,或只讀到部分內容,而和其他助理採用不同做法。作者檢查了 3,905 份 GitHub 上的 CLAUDE.md 和 AGENTS.md,發現兩份檔案並存時,約 16% 的 CLAUDE.md 沒有提到 AGENTS.md,因此 Claude Code 不會載入它;另有一些檔案要求助理自行去讀,或是複製後內容已經不同。作者建議在 CLAUDE.md 開頭單獨加上 @AGENTS.md,讓 Claude Code 匯入共用規則。研究也指出,超過 Codex 預設讀取大小的 AGENTS.md,後段內容不會送進模型;檢查只涵蓋公開 GitHub 專案,衡量的是規則有沒有傳到助理,不代表助理一定會遵守。
推薦理由:這份 GitHub 檢查整理了指令檔未載入、內容分歧與長度超限的情況,並說明如何讓 Claude Code 讀取 AGENTS.md。
商家可能會在 ChatGPT 的回答中出現,卻不一定能確認資料是否正確。OpenAI 在 11 月 10 日開放 Business Hub 測試版,讓符合資格的商家認領資料頁、提出資料修改,並檢視商家被提及和網站點選等統計。文章整理了搜尋商家、透過電話、電子郵件、網站網域或 Shopify 驗證,以及完成身分確認的步驟。認領前要留意,發布的資料頁不能移除,修改也要經 OpenAI 審核;認領不保證排名或銷售增加。
AI 助理執行修改時,可能因為沒有寫入許可權而沒存出檔案,工作臺也可能只看到程式結束,沒讀到實際結果。作者分享 OpenSpec Workbench 如何在不同階段替 Codex 設定工作範圍:提案、修改、套用和驗證可以寫入工作區,Review 則採唯讀;如果變更有自己的工作樹,Codex 會從那裡開始工作。文章也比較兩種連線方式:其中一種會回報執行結果、檔案變更和用量,另一種會先確認模型與推理設定是否可用。實際試跑中,唯讀限制和檔案變更都有回報,讀者可照著小型修改流程檢視各階段的執行紀錄。
網站管理者可能想擋住收集資料來訓練模型的爬蟲,又不想讓網站消失在 AI 助理的回答和引用中。CiteProof 建議把爬蟲分成搜尋與回答用、訓練用兩組,在 robots.txt 裡逐一列出名稱,放行前者、封鎖後者;若只封鎖訓練用爬蟲,依文章說法不會因此失去引用機會。文章也提醒,robots.txt 只是請求,CDN、防火牆或主機設定仍可能擋住爬蟲,因此要檢視相關設定和伺服器紀錄,並確認來訪 IP,因為爬蟲名稱可以偽造。
AI 助理現在能替使用者付款,但付款系統只能確認使用者有沒有同意、金額有沒有超過限制,沒辦法看出助理是不是做了錯誤選擇,或把失敗說成成功。像 OpenAI 的 ChatGPT Wallet 會讓助理拿到付款程式碼,不會看到卡號,而且每筆交易都要使用者核准;未來若能先設定花費上限,就不一定每次都有人按確認。 作者建議用固定題目和明確規則檢查助理,例如故意讓它遇到有佣金誘惑的選擇,或安排它無法完成的任務,看它會不會老實說做不到。作者表示,自家測試中,頂尖模型在最難的誠實測驗拿到 100%。未來商家可能會要求助理提出行為證明,就像 API 需要憑證;因為能付款,不代表值得信任。
AI 助理幫人買東西時,會碰到好幾個不同問題:怎麼找到工具、確認使用者同意付款、把錢付出去,以及和商家完成結帳。MCP 負責連線工具,AP2 用簽署過的授權記錄確認使用者同意,x402 負責付款,ACP 規範結帳流程,EAS 則能留下日後可查驗的紀錄。 不過,這些協定都沒有完整記下雙方事先談好的條件,例如交付內容和驗收方式。文章認為,這仍是 AI 助理購物流程缺少的一塊:有了這份紀錄,出了問題才比較容易查清楚雙方原本約定什麼,以及接下來怎麼處理。
商店想讓 ChatGPT 裡的 AI 助理幫忙買東西,卻得花時間改購物車和網站安全設定,而且目前只有美國成年 ChatGPT Pro 訂閱者能使用,付款前還得用 Face ID 或 Touch ID 確認。真正結帳時,AI 助理要一頁頁看網站、找商品和填資料;一筆訂單可能用掉 200,000 個輸入 token,API 費用約 $1,買一個 $10 的手機殼,光 token 費就比一般刷卡處理費約 $0.30 高。 Visa 測試 22 個 AI 模型時,購物失敗率達 42.8%;網站還可能把 AI 助理擋成可疑機器人。若買錯商品或訂單出問題,退款和客訴也得由商店處理。對多數店家來說,現在接上這套付款方式可能費工又不划算,先把原本的網頁結帳流程做好會比較實際。
用 AI 改照片時,常常很難說清楚「要改哪一個東西」;房間裡有好幾個枕頭,只說要換成綠色,模型可能改錯或全部都改。這篇教學示範在 CVY.AI 圈出或框住目標,再用文字說明要怎麼改。像是圈起黃色枕頭、框住邊桌,請模型把枕頭換成深綠色天鵝絨材質,並把邊桌換成盆栽;接著再圈住立燈,請模型移除它。 標記能幫模型找到目標,但不是牢固的邊界:移除立燈時,旁邊的插頭和電線也一起消失了,畫線外的地方也可能跟著變動。因此,改完要仔細檢查細節。文章也提醒,GPT Image 的遮罩不保證只修改遮住的範圍;直接在圖片上畫記號,能清楚指出要改哪裡,但其他地方仍不一定完全不變。