跳到正文

#Agent

RSS
今日 32 則
11月19日週四
  1. Dev.to Top Tech59

    Claude Skills 安裝指南:九個 GitHub 資源與安全檢查方法

    Claude Skills 能替 Claude Code 和 claude.ai 加上現成技能,但技能資料夾裡也可能附帶會執行的程式碼。這篇指南整理九個 GitHub 資源,涵蓋 Anthropic 官方範例、行銷與研究技能、程式開發工具,以及方便搜尋的清單,並提供各自的安裝方式。作者建議先讀 SKILL.md 和資料夾裡的程式,留意網路連線、讀取專案外檔案或傳送資料的行為,也要確認授權與更新狀況;第一次只安裝一個技能,並先在單一專案試用。文章沒有安裝或執行這些技能,因此這份整理不是安全審查。

  2. iThome (臺灣)35

    OpenAI 測試讓 Dots 擁有自己的電子郵件位址,使用者寄信就能請它辦事

    使用 AI 助理處理工作,常得另外開啟 App 或對話視窗。OpenAI 正在測試讓 Dots 擁有自己的電子郵件位址,使用者只要寄信給它,或把它加進副本收件者,就能請它找大家都有空的會議時間,也能轉寄廠商收據,請它協商退款。這樣可以直接從電子郵件交辦事情;不過,信件裡藏著的惡意指令,或給 Dots 太多許可權,也可能讓它做出未經同意的承諾,甚至外洩公司資料。

  3. iThome (臺灣)76

    Eye Security 揭露 ARTEX 攻擊應變過程:攻擊者幾分鐘內利用 API 金鑰,防守方也用 AI 加快調查

    企業遭入侵後,光刪除惡意程式可能擋不住攻擊者再次回來。Eye Security 說明,攻擊者利用企業的檔案上傳漏洞植入後門,取得 API 金鑰後幾分鐘內就開始大量發出請求;即使防守方刪除 Kubernetes 裡的惡意 Pod,自動部署機制仍會在一秒內重新建立。Eye Security 後來全面隔離受影響環境、持續更換遭竊憑證,並讓多個 AI 助理唯讀分析紀錄、交接調查結果。這起事件也顯示,處理入侵時還得找出攻擊者留下的存取管道,不能只清除眼前的惡意程式。

    推薦理由:這起案例呈現攻擊者如何藉助既有部署流程反覆入侵,也說明清除惡意程式後,仍須確認存取許可權與憑證已一併處理。

  4. Dev.to Top Tech37

    AI 助理替 198 個尚未發行代幣的加密協議排名,還抓到自己的錯誤

    想找出哪些加密協議可能發行代幣、又值不值得關注,只看鎖在協議裡的資金有多少並不夠。作者讓 AI 助理用 DefiLlama 的資料替 198 個協議排名,估算它們若發行代幣可能值多少,再做成可以搜尋和篩選的儀錶板。 第一次排名把已經有代幣在市場交易的質押產品排到第一名。作者訂下規則,排除這類包裝、質押或跨鏈版本後,AI 助理重新整理出正確名單。這個例子說明,AI 助理能幫忙分析大量資料,但結果仍要有人檢查;留下每一步紀錄,才容易發現問題並修正。

  5. Dev.to Top Tech48

    AI 助理收到通知後該怎麼辦?Push 提醒你檢視,Pull 才能確認狀態

    付款通知可能來得太晚,讓 AI 助理以為付款沒完成,又送一次,害人多付一筆。作者用一筆 $29 付款測試:Push 通知能讓 AI 助理早點知道資料有更新,但通知重複送來、送到一半,或送到已停止的 AI 助理時,都得小心處理。測試中,Push 和自己去查資料(Pull)最後做出相同決定;真正確認付款狀態的,仍是那筆會留下更新紀錄的資料。Push 負責提醒「該去看看了」,Pull 才能確認現在的狀態。若只信通知、不回頭查資料,反而可能更快做錯事。

  6. Dev.to Top Tech64

    KarmaBox 說明如何整理 AI 助理記憶檔,方便更換模型

    換模型時,團隊教過 AI 助理的規則和修正可能留在舊平臺,還可能和已經作廢的說法混在一起。KarmaBox 作者建議把記憶整理成檔案,記下每條內容的用途、來源、日期和目前狀態,並把聊天紀錄、密碼和金鑰排除在外。團隊可以用 JSONL 儲存資料、用 Markdown 方便人閱讀,再準備幾個答案明確的問題,檢查新模型是否找得到重要規則。若更換向量模型,也要重新建立搜尋索引;整理好的檔案能幫助搬移記憶,但仍要留意新模型是否理解正確。

  7. Dev.to Top Tech55

    Azure 工程實務:比較模型、限制 AI 助理操作 CLI,並修補 Java 與 Nginx 漏洞

    Azure 專案常要同時挑模型、讓 AI 助理操作命令列、改寫服務,還要確認執行環境有沒有漏洞;只看設定或產品名稱,可能無法知道實際狀況。作者整理了五種做法:用同一份工作測試七個模型;讓 AI 助理先列計畫、等人同意再執行,最後核對結果;把 .NET 端點逐步改寫成 Rust,並和舊版比對行為。Java 和 Nginx 的部分則建議先查清實際執行的版本,在測試環境修補、檢查正常功能,再逐步部署並保留回復方式。文中提醒,Azure 上的服務不代表一定受漏洞影響,仍要確認使用的版本和設定。

  8. Dev.to Top Tech57

    Journey So Far 教你判斷 AI 助理逾時後該不該重試

    AI 助理送出訂單或預約後沒有收到回覆,不代表操作一定失敗;直接重試,可能反而多做一次。Journey So Far 用一個虛構情境說明,應先確認操作是否改變了資料、能不能查詢處理狀態,再判斷重試是否安全。系統也可以用同一個請求識別碼認出重複要求,並測試回覆遺失、同時重試和狀態查詢服務無法使用等情況。若仍無法確認,就應清楚告訴使用者還不知道結果,而不是宣稱失敗或再做一次。

  9. Dev.to Top Tech49

    doneattr 公開徵求真實 AI 助理紀錄,找出誤報「已完成」的問題

    AI 助理有時會說事情做完了,實際上卻沒有。doneattr 是一個開源診斷工具,會讀取 AI 助理的工作紀錄,將這類誤報歸到六種可重複出現的決策模式,並附上相關證據片段。作者正在找人拿真實紀錄試用,特別想知道工具何時判錯、無法分類,或給出的證據難以看懂。 這個工具目前還沒通過驗證,作者測試時也發現無法分類的情況仍太多,所以不適合拿來決定工作能不能驗收或結算。它預設會在本機讀取紀錄;回報問題時,請勿提供含有機密、個人或客戶資料的原始紀錄。

  10. Dev.to Top Tech61

    作者示範用 AgentCore Gateway 限制 AI 助理只能查詢正式環境

    只在提示詞裡寫「只能查正式環境」,其實擋不住 AI 助理直接呼叫工具。作者替 AgentCore Gateway 加上一條規則,只有查詢正式環境的部署狀態才能通過;沒被規則允許的請求會直接拒絕。作者跳過模型直接測試,查詢測試環境時被 Gateway 擋下,查詢正式環境則順利取得版本和執行中的執行個體數量。提示詞可以引導 AI 助理怎麼回答,真正不能違反的限制則可交給 Gateway 檢查每次工具呼叫。

  11. Dev.to Top Tech45

    金融業怎麼檢查 AI 助理?留下紀錄,讓風險與稽核團隊能追查

    AI 助理在金融業做了什麼、用了哪些資料、誰允許它這麼做,都得留下紀錄,風險、法遵和稽核團隊才有辦法查清楚。像是新加坡金融管理局的指引開始明確談到 AI 助理,要求金融機構做好管理與監督;馬來西亞央行總裁也提醒,不能把責任交給演演算法。觀察工具能記下 AI 助理使用的模型、資料、工具和人工介入情況,讓人重現一次決策的過程,也能檢查實際運作的 AI 助理是否都列在清冊裡。不過,這些紀錄只是查核證據,不能代替機構自己的管理,也不能保證符合法規。

  12. iThome (臺灣)86

    Google 升級 Gemini Tasks,AI 助理可打電話預約和購物付款

    很多人想處理預約、帳單和購物,卻得自己在不同網站、電話與行事曆之間來回。Google 把 Gemini Tasks 開放給美國、日本、南韓、加拿大、澳洲和印度的免費使用者,切到「工作」模式後,Gemini 可在背景執行多步驟任務。美國的新功能包括打電話預約、分析電費帳單和購物付款;付款前可設定上限,重要操作仍要確認。它也會表明 AI 身分,並在隔離的虛擬機器中執行工作。

    推薦理由:Gemini Tasks從付費試用擴大到免費使用,並把電話預約、帳單分析與購物付款整合進日常工作流程。

  13. 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。

  14. Dev.to Top Tech68

    五家平臺的 AI 助理如何共用一套身分與治理規則

    不同平臺的 AI 助理各有自己的身分、許可權、紀錄和管理清單,放在一起使用時很難追蹤誰做了什麼。作者根據 AWS、Microsoft、SAP、MuleSoft 和 Boomi 的檔案,把五種平臺放在一起比較,整理出六項共通做法:每個 AI 助理都要有負責團隊和自己的身分,工具許可權要分開限制,寫入資料要有 approval_id,所有操作要帶著同一個案件編號,並先規定資料能去哪裡。文章也建議由一個總清單管理所有 AI 助理與工具,再同步到各家平臺。不過這些內容來自檔案研究,尚未實際建置測試。

  15. Rohan Paul62

    OpenAI 研究人員使用 AI 助理的時間和花費都很高,但研究成果增加得較慢。文中提到,一般研究人員每天按 API 價格計算約花 $2,400,使用量最高的 10% 每天超過 $23,000;每位研究人員的 AI 助理每天運作時間,相當於 5.7 個人各工作 8 小時。相較之下,實驗數量比 2025 年增加 68%,能力提升只略高於業界趨勢。AI 助理監看訓練工作的成功率是 79%,撰寫推論與服務程式碼則只有 25%,顯示不同工作的表現差距很大。

  16. Dev.to Top Tech46

    Steal the VFY 的規則能不能作弊?AI 助理親自測試後發現,電路不讓違規策略過關

    玩 Steal the VFY 時,玩家得先把策略藏起來並留下承諾,之後每一步也要證明自己有照策略出牌。作者沒辦法參加正式比賽,便在自己的電腦上測試 vfy-policy 電路:三種照規則走的出招都能通過;六種作弊嘗試,例如臨時改策略、出手方式不符合規則,或改變預先承諾的拿取數量,全都無法產生證明。對手看不到策略內容,旁人仍能檢查出招是否合規。這表示電路能在不公開秘密策略的情況下,讓玩家不能說一套、做一套。

  17. 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。

  18. 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。

  19. 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。

  20. Dev.to Top Tech70

    Telnyx 示範如何用一套 CLI 部署多個 AI 助理

    支援、銷售和排程各自需要 AI 助理時,團隊可能得管理好幾套部署方式,也難以確認每個助理目前跑的是哪個版本。這篇教學用 Telnyx 的開源範例,示範如何用同一套 CLI 管理三個分工不同的 AI 助理:先在本機檢查設定和測試,再部署到網頁、電子郵件或電話與簡訊管道。助理的行為寫在指示檔裡,修改後部署就會建立新版本;CLI 也能檢視狀態、記錄和版本。不過,各管道用不同識別資料儲存對話記憶,不能因此認定網頁訪客、寄信者和來電者是同一個人;目前電話也只有記錄可查,沒有對話追蹤。

  21. 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。

  22. iThome (臺灣)76

    駭客利用 ARTEX 入侵 Barracuda,44 小時取得 10 個雲端帳戶憑證

    Barracuda 的雲端環境遭到入侵,攻擊者利用一把專案結束後未撤銷的存取金鑰,在 44 小時內橫跨約 10 個雲端帳戶蒐集憑證。這把金鑰原先交給第三方 AI 公司,該公司的開發環境遭入侵後,攻擊者疑似從中取得金鑰,並使用 AI 滲透測試框架 ARTEX。攻擊者取得 AWS、Azure 和 Kubernetes 相關憑證,也嘗試建立雲端管理員身分,但沒有成功。Barracuda 尚未發現攻擊者直接存取客戶資料的跡象,但因事件記錄不完整,無法排除資料曾遭存取;該公司已輪替可能受影響的憑證,並通知部分客戶更新 API 整合憑證。

    推薦理由:這起事件呈現第三方開發環境遭入侵後,未撤銷的雲端金鑰如何讓攻擊者進一步取得多種憑證,並暴露記錄不完整帶來的調查限制。

  23. Dev.to Top Tech79

    Gemini 4 Neon 評測:比較基準、API 費用與 AI 助理工作流程

    挑模型時,排行榜上的分數不一定能告訴你實際工作要花多少錢,工作流程工具也會影響結果。作者整理 Gemini 4 Neon、Carbon 和 Hydrogen 的價格與測試成績,並說明 Neon 的輸出費用包含思考用的 token,調高思考程度也會增加費用;Carbon 和 Argon 的優惠價格則會在 12 月 1 日結束。文章還比較同一模型在不同程式工作流程工具上的測試結果,指出分數差距可能很大,建議團隊用自己的工作流程和任務測試,再估算費用。

    推薦理由:文章比較 Gemini 4 Neon 與 Carbon 的費用和測試結果,也指出同一模型換了工作流程工具後,程式任務分數差異很大。

  24. 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。

  25. Dev.to Top Tech54

    作者實測 zkVerify 支付把關 AI 助理,說明零知識證明能驗證什麼

    替付款把關的程式即使說自己檢查過,也不代表別人能確認結果正確。作者為 zkVerify Agent Games 做了一個支付判斷 AI 助理,並用零知識證明讓平臺檢查決定是否符合收款人、餘額、期限和金額上限等條件。測試中,條件正確時可以產生證明,故意給錯判斷則無法產生;作者也公開了可重跑的檢查方式。不過,證明只涵蓋電路檢查的五項條件,不能保證所有判斷都正確,例如重複使用證明的檢查仍由程式負責。

  26. Dev.to Top Tech55

    作者分析 63,336 個 AI 助理技能的定價資料,付費技能只有 56 個

    想把 AI 助理技能檔拿來賣,最大的難題可能不是價格,而是買家能直接檢視、複製和改寫檔案。作者整理了 63,336 個技能的普查資料,其中 4,902 個標有價格,只有 56 個是付費技能;付費技能也只佔這些技能安裝數的 0.5%。作者認為,較有機會收費的是技能背後持續提供的服務、定期維護更新,或協助處理昂貴問題的人工服務。他也提醒,安裝不等於真的使用,自己的技能中只有 49 次安裝帶來 6 臺機器實際執行。

  27. 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。

  28. BlockTempo 動區動趨53

    Coinbase Ventures 分析 AI 助理代理交易的四層技術與投資機會

    AI 助理開始能依照使用者設定的目標和風險限制,自行分析市場、決定持倉、下單並監看風險;Coinbase Ventures 把這種做法稱為「代理交易」。它以跨加密資產和半導體股票配置投資組合為例,說明代理如何依照回撤上限和每週再平衡要求執行策略。文章也把相關技術分成資料與模型、代理框架、交易執行、合規與紀錄四層。Coinbase Ventures 認為,單純代為下單的價值可能變低,長期機會在能累積專屬交易資料、形成決策閉環並取得使用者資產信任的團隊;交易代理也需要可查核的決策紀錄與合規措施。

  29. Dev.to Top Tech72

    Kiteline 更新,讓你用手機處理程式開發 AI 助理的等待事項

    程式開發 AI 助理常會停下來等人輸入指令、核准許可權或選擇選項;人不在電腦旁時,工作就會卡住。Kiteline 這次更新讓你從手機檢視並操作工作階段中的終端,也能在保留對話內容的情況下重新啟動工作階段,讓 AI 助理讀取新的設定與技能。它還會在特定熟悉的資料夾自動處理信任確認,並在 AI 助理操作網頁時提供即時畫面;需要登入或完成驗證時,仍會通知你接手。Kiteline 是獨立的第三方工具,不會替你決定是否核准許可權。

  30. Dev.to Top Tech47

    Hexbane 會檢查 AI 助理的技能、MCP 伺服器和工具,攔下藏起來的惡意指令

    AI 助理可能在使用技能、MCP 伺服器或工具時,碰上藏起來、偽裝過或帶有惡意的指令。Hexbane 會在安裝前先檢查,也會在使用期間檢視每次工具呼叫、工具回覆和使用者訊息;即使某項工具已經核准,之後也會防範它偷偷變壞。它提供瀏覽器版、CLI 和 GitHub Action,目的是及早攔下可疑指令,避免 AI 助理照著做。

  31. Dev.to Top Tech61

    Hoegun You 分享如何整理 AI 助理的工作脈絡,減少出錯

    AI 助理做錯事時,問題有時出在它一開始看到的資料和規則不完整。Hoegun You 分享 Slack 助理曾在沒人提問時連發 14 則看不見的空白訊息,後來他補上「如何不回答」的規則。他建議每種工作各用一個資料夾,把原始檔留著不改、讓助理把成果另存新檔,並先寫清楚什麼情況才算完成。規則也要隨著錯誤和工作環境變動持續更新;若助理需要查資料,則透過唯讀入口,遮住個人資訊並限制查詢量。

  32. Dev.to Top Tech55

    Lightning Faucet 實測:AI 助理如何用 Lightning 錢包賺取與支付

    AI 助理要自己付費使用服務,常得依賴 API 金鑰或人類代為付款。作者實測 Lightning Faucet 的 MCP 工具,讓 AI 助理取得平臺內可用的比特幣,支付 API 費用、刊登廣告,也能接微型工作賺取報酬。付費 API 會先開出 Lightning 帳單,付款後才提供服務;助理賺到的款項則留在平臺內,不能直接提領。作者確認這套流程能從接工作、收款一路跑到付款,但平臺上的服務選擇不多,部分審核也要等上幾小時到一天。

  33. Dev.to Top Tech82

    Azure Ignite 2026 分析:Microsoft 把 Azure 打造成 AI 助理平臺

    企業要讓 AI 助理投入工作,得同時處理模型選擇、許可權、安全和運算資源。作者整理 Ignite 期間 Azure 的多項更新,包括 GPT-6.2 Astra 和 Sol 上架、Azure AI Gateway 正式推出,以及 AKS 增加 GPU 管理和執行不可信程式碼的隔離功能。文中也提醒,模型省下多少成本要用自己的工作測試,部分 AKS 功能仍在預覽階段。作者認為,Azure 正把自己定位成管理不同模型與 AI 助理的受控執行環境,競爭焦點可能因此從模型能力延伸到安全營運。

    推薦理由:作者整理 Ignite 期間 Azure 在模型、閘道、AKS 與監控上的變化,並指出管理 AI 助理的競爭焦點可能轉向安全營運。

  34. Dev.to Top Tech74

    Visual Studio 18.12 讓 Copilot Chat 成為預設,並支援共用 AGENTS.md

    不同開發工具各自存放 AI 助理的指引,容易出現內容不一致的問題。Visual Studio 18.12 更新後,符合條件的帳號會預設使用新版 Copilot Chat;它和 Copilot CLI 使用相同的 SDK,也能讀取專案根目錄的 AGENTS.md,讓團隊把建置、測試和程式風格指引放在同一個檔案。更新也加入分開管理工具許可權與對話模式、在多個分頁保留不同對話,以及用 Copilot 分析程式當掉時的傾印檔等功能。使用者自訂 AI 助理的資料夾位置也改了,舊檔案不會自動搬移,更新後可能需要手動移動或重新設定。

  35. aihot58

    納德拉解釋 Microsoft 為何向 6 萬名員工提供買斷方案

    Microsoft 向 6 萬名員工提供買斷方案,外界可能會把它看成用 AI 裁員;納德拉說,計畫是讓員工有選擇,並讓公司轉向人人用 AI 工作。他舉例,開發 Microsoft 365 中 Cowork 的團隊有 11 名開發者,會用 AI 協助打造軟體產品。納德拉認為,老牌公司改變工作流程需要時間,部分員工也可能不想跟著轉型,因此公司要安排好新舊職務,讓員工有機會選擇下一步。

  36. iThome (臺灣)67

    CSA發布 APAS,規範 AI 滲透測試結果如何查核

    AI 工具能自動找出漏洞,不代表企業就能直接採信測試結果。雲端安全聯盟(CSA)發布 APAS 1.0,要求工具說明測試範圍、執行過程,並提供第三方能查核的漏洞證據;標準也把工具的自主程度和測試品質分開評估,避免把自動化程度當成品質高低。測試時還必須設有獨立的緊急停止機制,監督或停止指令管道中斷時,要暫停具有攻擊性的操作。目前認證配套檔案尚未發布,因此還不能核發認證,企業可先用這套標準評估工具。

  37. iThome (臺灣)56

    Palo Alto Networks 調查:企業常用 AI 助理開發,卻難掌握它們做了什麼

    企業用 AI 助理寫程式、改設定和部署雲端服務的情況很普遍,但許多公司還看不清它們做了什麼、碰過哪些資料。Palo Alto Networks 的調查顯示,99% 受訪組織在軟體開發中使用 AI 助理,能全面自動找出並分類未受管控 AI 活動的不到 1 成;約 4 成也無法還原 AI 助理曾執行的操作。調查還發現,有些公司的 AI 助理使用工程師個人身分或憑證,敏感資料也可能流入未受管控的 AI 環境。這些缺口會讓企業更難追查異常活動和處理資安事件。

  38. Dev.to Top Tech40

    我整理了約 500 個 AI 助理技能,發現判斷何時該推薦最困難

    已安裝的 AI 助理技能一多,就容易忘記自己有哪些,作者因此做了 Skills Orchestrator:輸入正在做的事,它會找出幾個值得閱讀的本機檔案,並顯示哪些字詞讓它們符合。難處是判斷結果夠不夠相關,值得推薦。在目前這組測試裡,遇到 4 個不該推薦技能的提示詞時,它都安靜地沒有推薦;但在 14 個需要推薦的提示詞中,只找對 7 個。作者把測試放在專案裡,讓其他人能重做測試或加入自己的例子,也特別想收集非英文提示詞的測試。

  39. TechCrunch · AI80

    Microsoft 執行長納德拉說明為何向 6 萬名員工提出自願離職方案

    Microsoft 向 6 萬名員工提出自願離職方案,執行長 Satya Nadella 說,這和公司改用 AI 工作有關,但不是單純用 AI 取代員工。他希望員工能自己選擇是否留下,因為工作內容和團隊分工都會改變。納德拉以 Microsoft 365 的 Cowork 團隊為例,說團隊只有 11 名開發者,他們用 AI 助理打造產品,也管理 AI 助理完成工作。他認為,未來各行各業的員工都可能更多負責指揮 AI 助理;不過,老公司要改變工作方式需要時間,這種轉變也讓部分員工感到不安。

    推薦理由:納德拉把買斷方案連結到工作方式轉變,並以 Cowork 團隊為例,說明他構想中 AI 助理將如何改變員工的工作分工。

  40. 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。