OpenAI 推出 ChatGPT Wallet,讓 dots 代購也須逐筆核准
AI 助理可以幫忙找商品,但代替人結帳時,怎麼避免未經同意就刷卡?OpenAI 推出 ChatGPT Wallet,讓美國 ChatGPT Pro 使用者透過 dots 代為下單。使用者先把卡加入錢包,每次付款前都要檢視商品和總額,再用 Face ID 或指紋核准;商家和 dots 不會看到真實卡號。Wallet 從 11 月 13 日起分批開放,未來才可能讓使用者預設額度或品類,交由 dots 自動購買。
AI 助理可以幫忙找商品,但代替人結帳時,怎麼避免未經同意就刷卡?OpenAI 推出 ChatGPT Wallet,讓美國 ChatGPT Pro 使用者透過 dots 代為下單。使用者先把卡加入錢包,每次付款前都要檢視商品和總額,再用 Face ID 或指紋核准;商家和 dots 不會看到真實卡號。Wallet 從 11 月 13 日起分批開放,未來才可能讓使用者預設額度或品類,交由 dots 自動購買。
多個 AI 助理一起討論,不一定能讓答案更好;它們可能花更多時間和 token,最後跟著聽起來最有把握的說法走。作者整理多項研究與實作經驗,指出辯論較適合檢查答案、找出錯誤,不適合直接產生答案;若要分配工作,可以讓助理依能力和成本競標,但出價是否誠實仍是問題。實務上,任務需要驗證時才用有不同工具或證據的批評者,並限制討論輪數;需要分工時再考慮競標,簡單工作則交給單一助理即可。
團隊開完會後,常要自己整理紀錄、找回舊對話裡的細節,還得再處理後續工作。ElevenLabs 推出仍在預覽階段的 ElevenAI,需申請搶先體驗;它能記錄會議、通知其他參與者正在錄音,也能搜尋多場會議的內容,並在聊天時提供協助。公司還能串接 ElevenAgent,根據會議紀錄草擬後續電子郵件。另一項語音聽寫功能可把說話內容整理成文字,支援超過 90 種語言。這款工具鎖定團隊使用,讓會議內容更容易接到後續工作。
兩個 AI 助理各自完成工作、測試也都通過,合在一起後產品卻可能出錯,因為分開檢查不代表整合後能正常運作。文中舉例,一個分支把訂單金額從 total 改成 totalCents,另一個分支仍用 total 輸出 CSV;兩邊修改不同檔案,所以 Git 可以順利合併,但 CSV 功能會因找不到舊欄位而失敗。作者建議分開確認工作能否驗證、能否整合,再對實際合併後的版本做介面與系統測試;審查過的版本若又有修改,也要重新檢查。
工作訊息散在郵件、行事曆、Google Docs 和 Slack 裡,容易漏掉彼此相關的事。作者實測 Anthropic 的 Claude Duet,連結這些服務後,它會整理每天的重點、找出不同訊息之間的關聯,還能協助更新檔案或草擬訊息。作者發現,它提醒行程和工作期限時有幫助,但有時抓不準語氣和情況,甚至在編輯還沒上班時就催稿。作者喜歡它幫忙查漏補缺,卻不想讓它代替自己寫作或審稿。
Payward 第三季平臺利潤年減,但來自客戶資產與存取服務的利潤合計佔 52%,高於去年同期的 46%。公司改用新指標,把付給客戶的質押獎勵也扣除,並新增合約交易張數與付費帳戶數,讓財務表現不只看成交量。Payward 也把 AI 列為第五大業務支柱,Kraken App 已能用對話買賣、換幣與質押,每筆交易都要本人確認;公司預計明年年初讓自家應用都接上 AI 助理框架,所有動作仍須通過風控並遵守客戶設定的限額。至於非交易收入佔比上升有多少來自新業務成長,現有公開資料還無法拆清楚。
小型與中型企業想用 AI 助理時,常搞不清楚哪些工具真的會替人做事。判斷方式很簡單:AI 助理會自己決定下一步,並透過工具採取行動;只回答問題、要人自己動手的,比較像一般助理。像是接到預約後查行事曆、找到合適時段並完成預約,就是一種 AI 助理。Autor 也用這個標準檢查自家 7 項產品,認為其中 2 項明確算 AI 助理。文章建議企業先挑一件能衡量成果的工作,例如追蹤客戶,再確認工具能連上需要的系統;不必把所有 AI 工具都叫做 AI 助理。
NetHack 的地城很難闖,角色一死就得重來,還得一路規劃到最後。Antithesis 分享如何讓模糊測試工具探索不同遊戲狀態,再搭配 AI 助理調整策略,找出能繼續前進的路。團隊修正搜尋目標、讓工具讀取遊戲狀態,也學會排除運氣不好的路線;最後,系統能在將近 80% 的種子中於 5 分鐘內找到勝利路徑,成功路線的中位時間不到 2 分鐘。
推薦理由:文章以 NetHack 的長程闖關為例,說明如何搭配模糊測試、策略調整與 AI 助理,讓搜尋逐步跨過卡關點。
AI 助理跳出核准視窗,不代表它最後一定擋住了有害操作。Agent Safety Arena 的評估方法會分開記錄操作一開始有沒有被攔下、警告有沒有說清楚風險,以及使用者核准後,目標影響是否真的被阻止。測試會先設定要檢查的電腦操作和受控資源,例如檔案是否被更動;也會排除證據不足或程式根本沒執行的案例,避免把它們算成保護成功。報告還要交代測試設定並保留操作紀錄,讓人能核對結果。文中的 5/8 和 62.5% 是計算示例,不是專案測試結果。
AI 助理留下的工作紀錄很多,但裡面也可能有錯誤答案、重複內容和個人資料,直接拿來訓練會讓小型模型學錯。文章示範如何從 Langfuse 或 LangSmith 匯出特定工作步驟的紀錄,優先保留有人按讚或修正過的答案,再清除重複內容與個人資料。測試資料要按使用者、對話或時間切開,避免和訓練資料重疊;訓練後也要用同一組測試題,比較新模型、原本模型和目前使用的模型。若紀錄裡的答案由 GPT 或 Claude 產生,訓練前還要先確認供應商的使用條款。
網路購物時,商品資料散落在各家網站,AI 助理也可能給出錯誤或不完整的答案。Reuters 根據看到的 Amazon 內部檔案和知情人士報導,Amazon 正規劃 World Product Graph,想整理幾乎所有在售商品的資訊,資料來源包括品牌和零售商提供的內容,也可能包括 Amazon 自行搜尋其他網站。這些資料可用來比較商品、協助消費者挑選,也可能改善 Rufus 的回答。檔案還提到,這項計畫或許能讓 Amazon 在 AI 助理購物時留住顧客;但 Amazon 表示,腦力激盪檔案不一定代表目前計畫,Reuters 也無法確認何時會推出。
工作分給不同人和系統後,常會出現每一步都照程式完成,最後卻沒人能說清結果由誰負責的情況。作者主張把重要行動分成提案、授權、實際執行和執行結果來記錄,並明確指定誰負責守住義務、誰能執行、誰要檢視結果和處理問題。AI 可以在目標穩定、行動容易復原時自行工作;若目標改變、行動難以撤回,或代表個人與組織作出承諾,就應停下來交由人做新的決定。這些紀錄能幫助團隊查明事情為何發生,也讓失敗後的補救有據可循。
處理日常程式工作時,模型若花太久推理,或遇到複雜問題只回答其中一部分,都會拖慢進度。Google 推出 Gemini 4 Hydrogen,主打快速寫程式、執行測試和檢查修改;在 Antigravity 裡,Orchestrator 能讓 Carbon 負責協調、Hydrogen 負責建置與測試。Google 表示,它完成任務的速度是預設設定下 Gemini 3.8 Flash 的 2.5 倍,Terminal-Bench 4.1 分數從 18.2% 提升到 57%,這些是 Google 提供的資料。Hydrogen 也已開始用於 Search 的 AI Mode 等服務;文章提醒,速度之外,模型遇到工具呼叫失敗或搜尋無結果時能否謹慎處理,也很重要。
推薦理由:文章整理 Gemini 4 Hydrogen 與 Carbon、Argon 的分工,也列出 Google 宣稱的速度與基準變化,方便了解快速模型的定位和比較依據。
查核併購資料時,AI 助理可以幫忙整理檔案,但每個數字仍要回到原始資料確認。文章比較 Claude 的三種用法:技能用指示教它怎麼讀檔案和引用來源;外掛把技能、連接器等組成一套工作流程;MCP 則讓 Claude 連到資料室搜尋或讀取檔案。文章也提醒,技能和外掛需要測試與維護,資料室連線要檢查不同使用者的許可權;上傳機密檔案前,還要確認相關約定與資料使用條款。
AI 一方面替 Info Edge 的招募業務帶來新收入,另一方面也讓教育平臺 Shiksha 少了從搜尋引擎來的訪客。Naukri 的 AI 服務在 Q2 FY27 帶來 Rs 60 crore 營收,AI 產品客戶平均多花 10% 到 15%;其中 AI REX 協助招募者尋找人才,目前有 2,000 個招募帳戶試用。相較之下,Google 的 AI 搜尋摘要分走 Shiksha 的流量,讓它的帳單收入年減 27.2%。Info Edge 正透過 AI 語音機器人直接聯絡學生,並擴大留學資訊涵蓋的地區。
想比較商品時,顧客常得離開購物網站,到品牌官網或評測網站查規格和型號。路透報導,亞馬遜內部檔案提出建立「全球商品圖譜」,收錄幾乎所有在售商品,包括亞馬遜自己沒賣的商品;資料可能來自品牌與零售商提供,也可能由亞馬遜爬取其他網站。資料更完整後,顧客或許能在亞馬遜站內比較商品,也能讓 AI 購物搜尋提供更完整的回答。這仍是內部構想,亞馬遜表示相關檔案可能過時或不完整,路透也無法確認計畫是否會實施或何時推出。
AI 助理可以替 WordPress 網站寫文章、改標題,但如果它偷偷改了搜尋結果會顯示的資料,網站管理者可能不知道改了什麼。AgentedSEO 是一款 WordPress 外掛,讓 AI 助理用自己的帳號修改 SEO 資料,許可權只限 SEO;每次修改都會列出前後差異,已發布的頁面還要先經過人確認,也能還原。外掛也能像一般 SEO 工具一樣手動使用。 作者分享,一位使用者的網站警告從 22 項降到 1 項,但這不代表搜尋排名或收入一定會變好。外掛推出時的終身方案價格是 $49 到 $199,其中 $129 可用於 25 個網站;另有免費 24 小時試用。這工具讓人比較能掌握 AI 助理改了什麼,但外掛剛推出,購買前仍應確認需要的功能是否都有提供。
AI 助理呼叫 API 時,網站可能需要知道它以前是否來過,才能接續處理工作。這篇教學示範如何在伺服器端檢查 AI 助理送來的身分證明,並分別回應已認出、無法認出或暫時無法取得身分資訊的情況。例如,沒有附上證明時,API 會回覆「Unknown visitor」;即使認出 AI 助理,也不代表它有權執行受保護的工作。網站仍要自行檢查許可權,並避免把 API 金鑰、證明和個人資料寫進紀錄。
AI 助理能提出多種解法後,軟體工程師的工作會更像檢查每種做法能不能解決問題、以後好不好維護,並確認選擇有根據。作者認為,檢查每次改動是小範圍的把關;到了整個組織,就需要治理制度。若大家凡事都照 AI 的建議做,久了可能連自己也說不清決策理由,還得再問 AI 發生了什麼事。作者建議,重要決策要有具名的人負責,能不用問模型就說明原因,也要記下為什麼採納某項建議。
AI 助理要付費使用 API 時,付款和實際執行要分開確認,才不會還沒收到錢就交出資料,或重試時重複執行。這份教學用 Chitmark 示範完整流程:買方先取得報價並接受,再完成付款;賣方確認款項已入帳、檢查自己的授權規則後,才預留一次查詢並交付結果。例子裡,一次查詢定價是 100 美分。系統也要求每個步驟重試時沿用相同資料,若不確定查詢是否完成,就先核對狀態再處理,避免多收費或重複交付。
AI 助理做錯事後,常需要工程師找出問題、改寫指示,再重新測試;要讓它從經驗中改進,還得確認修改真的有幫助。Annie Wang 用安排聚餐的例子說明,不能只比對助理的答案和一份範例,而要檢查餐廳是否符合大家的預算、飲食需求和時間。助理也可以整理過去反覆出現的錯誤,嘗試修改指示或記憶,再用新的任務測試;如果結果變差,就保留原本做法。這類改進還可能涉及助理如何使用工具、整理工具回傳的資訊,以及確認工作是否完成。
AI 助理要編譯大型程式或載入本地模型,需要更多運算資源。AWS 擴充 Amazon Bedrock AgentCore 執行環境,新版 Runtime V2 每次工作階段最多可用 8 個虛擬 CPU、32 GB 記憶體,容器映像檔上限提高到 10 GB,也能在環境中操作瀏覽器。新版沿用快照啟動機制;AWS 用 2 GB 容器映像檔測試時,75% 的工作階段不到 2 秒就啟動。記憶體回收也能讓多輪互動的 AI 助理最多減少 68% 的計費記憶體用量,但不代表總費用會按相同比例下降。新版已成為 19 個 AWS 區域中新建環境的預設版本,既有環境需自行切換。
AI 助理要讀網頁或截圖,常得先註冊帳號、拿金鑰,還要請人幫忙設定。SnapRender 現在讓 AI 助理送出一次 HTTP 請求,就能取得試用金鑰,接著用金鑰讀取網頁或擷取畫面。試用金鑰可在 7 天內擷取 100 次、每天最多 30 次;例如 AI 助理可以用它截下手機版網頁,再描述畫面內容。人類使用者之後可認領這把金鑰,改由自己的帳號使用,AI 助理不必更換設定。
想讓 AI 助理直接在聊天軟體裡幫忙查資料、看行事曆或整理檔案,OpenClaw 可以把 AI 模型接到 Signal、Telegram、Discord 等平臺,也能使用網路搜尋、檔案和指令等工具。它可以自己架設、依需求調整,資料留在自己的伺服器上,但安裝和維護需要一些技術能力。文中的使用者架好一套連線 Telegram 和 Discord 的服務,初次設定約花 90 分鐘;使用 30 天處理 487 次提問,API 費用共 $28.50。OpenClaw 適合想自己掌控 AI 助理的技術使用者;若想要開啟就能用的服務,這套架構可能太費工。
AI 助理能快速寫出示範程式,但要讓服務真的跑在雲端,還得先想清楚流程、安全設定和怎麼確認結果。作者用 Google Antigravity 建置一套檔案處理流程:檔案上傳到 Cloud Storage 後,Pub/Sub 會通知 Cloud Run,服務再把檔名、標籤和字數存進 BigQuery。這次只有純文字檔會計算實際字數和標籤,PDF 與圖片的 OCR 則是模擬結果。作者示範先讓 AI 助理提問並列出計畫,再逐步核准操作、測試和部署,最後親自確認資料有沒有進入 BigQuery。他也提醒,範例的服務網址任何人都能使用;正式給人使用前,應加入登入驗證,並處理重複失敗的訊息。
企業挑選 AI 助理時,不能只看每個 token 的價格,還得算上任務做不完時的重試和人工檢查。Google 將 Gemini 4 Carbon 提供給多種服務使用,API 入門價格是每百萬個輸入 token $2、輸出 token $10,並可調整推理程度,在品質、速度和費用間取捨。Zapier 的測試中,Carbon 在 657 項模擬商務工作中完成了 53.9%,每項任務估計花費 $2.12;Gemini 4 Argon 的完成率是 51.3%。Anthropic 則表示,Claude Fable 5.2 在多項程式開發和科學基準測試勝過 Carbon。文章提醒,測試結果會因任務而異,企業仍須用自己的資料和工具評估完成工作的總成本。
推薦理由:這篇比較 Gemini 4 Carbon 的任務完成率與每項成本,也指出重試和人工檢查會改變實際花費,提供評估企業工作流程的成本角度。
多個 AI 助理同時檢查一項發布決定時,如果它們把結果寫進同一個欄位,系統可能只留下其中一份,還照常放行。作者用 LangGraph 的發布審核流程重現這個問題:加上「保留最後一次寫入」的規則後,錯誤消失了,但另外兩位審查者的意見也跟著不見。文章示範如何把收集意見和做決定分開,讓多個審查者各自留下結果,再交由一個負責的節點依明確規則判斷;也提醒開發者檢查哪些欄位允許合併,以及整段流程是否始終由同一個節點負責決定。
AI 助理不一定要換一個新模型,才有辦法做得更好;它也可以記住有用的教訓,或修改周邊的指令和工具,讓下次做事更順手。不過,改了不一定會進步,所以得先確認新做法真的有用,而且沒有把原本做對的事情弄錯。 例如,幫一群人安排晚餐時,AI 助理要顧到每個人的預算、飲食需求和時間。若有人只能花 $25,餐點卻要 $28,安排就不合格。AI 助理可以從常犯的錯誤中找原因、試著修改做法,再用新的例子檢查結果;有些修改也可以先交給工程師確認。這樣才能知道它學到了什麼,也能確認新方法遇到不同情況時仍然管用。
AI 助理可能把互相矛盾或已過期的資料都當成正確答案,讓人以為是推理出錯。作者做了 memrot,一款唯讀 CLI,會檢查 Relate 記憶資料裡的矛盾、過期內容和缺少來源的資料,並用錯誤程式碼告訴 CI 是否要讓檢查失敗。範例中,它找出資料庫同時被記成 Postgres 15 和 Postgres 16。memrot 不會修改資料,也無法判斷不同說法在意思上是否矛盾;作者建議有這類需求時使用 Graphiti。
用 Claude Code 改程式時,只把需求寫進提示詞,可能還是很難判斷工作量花在哪裡,也不容易確認修正真的有效。作者以修正 API 訂單數量驗證為例,說明先依任務難度選模型和 effort,再寫清楚不能改動的範圍,並用測試確認錯誤案例會回傳 400、正確案例仍能成功。工作較大的時候,也可以讓只負責查資料的子代理整理證據,最後要求 AI 助理列出實際執行的檢查結果。這些做法能讓修改更容易核對,也幫助團隊衡量不同設定的消耗與成果。
Amazon 想讓顧客找商品時不用離開網站查資料,但目前自家的購物 AI 助理 Rufus 也會提供錯誤或不完整的答案。Reuters 看到的內部檔案提到,Amazon 正規劃建立 World Product Graph,整理各品牌和零售商的商品資訊,並研究商品之間的關係,幫顧客比較型號、顏色和適合自己的選擇。檔案提到可邀請品牌持續提供資料,也可能自行整理其他零售網站上的資訊;Amazon 表示這份檔案已過時,不一定反映目前計畫。Reuters 無法確認計畫何時推出,甚至是否會實施。