新模型便宜 58.8%、快 75.2%,作者仍不建議直接遷移
作者以 EvalShift 比較來源模型與候選模型,發現候選模型雖然成本更低、速度更快,代理程式的工具選擇與語意表現仍出現回歸,因此建議暫緩遷移。 - 測試結果:重播 16 個真實案例,13.6% 的比較出現退化;工具選擇差異率為 25%,高於 10% 上限,整體等價率為 61.4%,低於 75% 門檻。
作者以 EvalShift 比較來源模型與候選模型,發現候選模型雖然成本更低、速度更快,代理程式的工具選擇與語意表現仍出現回歸,因此建議暫緩遷移。 - 測試結果:重播 16 個真實案例,13.6% 的比較出現退化;工具選擇差異率為 25%,高於 10% 上限,整體等價率為 61.4%,低於 75% 門檻。
osFoundry 將 Claude Code 的進度回報分成覆寫式工作狀態與附加式工作階段筆記,分別供同一專案中的 Agent 檢視,以及供工作階段參與者閱讀。
Michael Petler 說明,提示注入源於模型難以可靠區分指令與外部資料,現階段應以隔離和限制AI 助理能力來控制風險。 - 直接與間接提示注入:攻擊文字可能由使用者直接輸入,也可能藏在網頁、電子郵件、檔案或工具結果中;間接注入會在AI 助理讀取外部內容時進入上下文。
Anthropic 推出 Claude Meetings 測試版,讓 Claude 以可見參會者身分加入視訊會議,回答問題、協作建立檔案與白板,並產生會議紀要和行動項。
推薦理由:Claude Meetings 的測試範圍、免費期限與外部來賓隱私預設,提供團隊評估會議流程整合與參與者同意要求的具體依據。
Google 研究員 Pietro Miotti 使用 AI 助理分析墨西哥馬雅地區的 NASA 光達資料,宣稱找到一處可能未登入的遺址;但該遺址早已在一年前的學術期刊論文中記錄。
Amplitude 的主動式產品AI 助理 Wave 運用 OpenAI 模型,從產品資料中找出改進機會、產出實作計畫並追蹤成效;Amplitude 估計,Wave 可將產品改進的交付時間從約 1 個月縮短至 1–2 天。
作者分享如何用開源桌面應用程式 Orca,將 GitHub issue 派給平行運作的程式代理,並透過各自的 worktree 與 PR 管理結果。 - 工作流程:每個代理在獨立資料夾與分支工作,完成後開 PR;作者以兩個 issue 實測,分別在 2 分 31 秒和 5 分 29 秒開出 PR。
推薦理由:每個AI 助理使用獨立雲端電腦,讓工作可在作者筆電之外持續進行;文中也列出啟動方式、速度與預先安裝的工具。
Aurora 是一款 AI 搜尋 App,會讓語音代理同時致電在地商家,詢問商品庫存、價格與營業時間,並回傳答案及通話錄音。
Apron 推出一套精簡的自架聊天協定,支援房間、討論串、機器人與表情回應等功能。 - 協定設計:以 JSON 搭配任意傳輸方式(例如 WebSocket),核心精簡,增量能力可選,並支援平順降級。
Google Gemini 4 Hydrogen 正式推出,定位為快速、低成本的通用模型,並在 Artificial Analysis Intelligence Index 的預設 high 層級以 51 分超越較大型的 Gemini 4 Argon(50 分)。
推薦理由:Hydrogen 在不同思考層級呈現明顯的成本與分數差異,並與 Argon、其他模型及多項基準比較,便於評估日常工作所需的取捨。
Microsoft Learn 提供一條免費的 AI 助理實作學習路徑,依序包含 3 個模組,從入門概念到建立AI 助理並連線 MCP 工具。 - 模組順序:認識生成式 AI 與AI 助理;使用 Semantic Kernel 開發 AI 助理;將AI 助理連線至 MCP(Model Context Protocol)工具。
Paws 的作者主張,團隊應共同規劃工作、撰寫提示詞,並讓多個 AI 助理在共用脈絡中分工,恢復協作開發的透明度與交接流程。 - Paws 的做法:這個多人遠端 AI 助理軟體開發環境,讓團隊與AI 助理並肩工作;專案脈絡、計畫與決策儲存在 Linear,規劃技能則存入程式碼儲存庫,供團隊成員與AI 助理共用。
文章提出一套以降低後續修改成本為目標的程式碼庫重構流程,透過變更訊號篩選候選區域,再由獨立AI 助理審查與驗證重構提案。 - 篩選訊號:依檔案近期變更頻率、跨目錄檔案共同變更情形,以及認知複雜度與重複程式碼等靜態分析結果,決定是否深入審查;這些訊號用來縮小搜尋範圍,不直接判定必須重構。
作者以 Claude Code 建置六個 Vue 應用,比較未使用 Skill、使用 vuejs-ai/skills 與使用 vue-enterprise 的結果;六個應用都通過型別檢查、Lint、單元測試及 20 項功能檢查。
Claude 推出 Claude Meetings,讓使用者在 Google Meet 通話中以口頭或聊天方式提問,並在通話期間處理原本會後才交辦的工作。
推薦理由:Claude Meetings 可在視訊通話進行時共同製作檔案、白板等成果,並開始向 Team 與 Enterprise 方案推出 Beta。
Google 推出 Gemini 4 Hydrogen,並將其匯入 Search,以改善複雜問題的理解與回答;更新正向全球 Search 使用者推出。
推薦理由:Gemini 4 Hydrogen 匯入 Search 後,能處理多段與細節繁複的提問,文中也比較了它的執行速度、基準表現與推出範圍。
RayTrace 記錄 AI 助理的提示詞與工具呼叫,並對照沙箱中實際觀察到的操作,協助開發者檢視AI 助理做了什麼。 記錄內容:每個命令及其實際結束程式碼、檔案變更與對外網路呼叫。 使用方式:專案已在 GitHub 開源,可在本機免費執行;互動式展示無須帳號。
Cross Post Video Skill 是一款免費、採 MIT 授權的技能,可將一支影片整理成 TikTok、Reels 與 Shorts 的發布計畫,並在取得確認後送出已連線帳號的貼文。
文章說明如何讓代表使用者執行工作的 AI 助理沿用使用者身分,並由資料庫或 API 執行存取控制,避免只靠提示詞限制資料存取。 - Postgres RLS:以使用者 ID 設定資料列政策,並在驗證 JWT 後於交易範圍設定身分;連線不應使用預設可略過 RLS 的資料表擁有者或超級使用者角色。
作者以每月 $200 方案實測 Factory Droid,評估其模型選擇、長任務功能、用量限制與執行負擔。 - 用量限制:作者表示常遇到 5 小時用量上限;Auto Model 依工作階段第一則訊息選定模型,之後不會隨任務變化切換。
Google 公佈 Agent Anomaly Detection 在五個非 Google 撰寫的公開AI 助理安全基準上的測試結果,涵蓋 1,774 個工作階段;該功能會分析AI 助理追蹤紀錄與日誌,標記越出預期界線的行為。
推薦理由:這項測試比較五個公開基準中的偵測表現,並呈現成功攔截後的告警率、誤報範圍與長期記憶投毒的弱點。
Nectar 推出 Creator Agent,可協助品牌搜尋創作者、聯絡潛在合作物件、管理合作關係並追蹤行銷活動成效。 - 搜尋與媒合:系統搜尋超過 3 億個創作者個人檔案,分析影片內容、品牌契合度與過往合作,也會檢視內容脈絡以評估品牌安全。
E2B Runtime、microsandbox、Kata Containers、Firecracker、OpenHands 與 LLM Sandbox 各自提供不同的隔離方式與部署選擇,本文比較其適用情境、GPU 支援與自架需求。
文章主張,日常使用編碼 Agent 的團隊可將可由機器判定的檢查專案寫成許可權規則與 hooks,為程式碼審查增加一道防護層。這些設定無法判斷程式正確性,也不能取代人工審查。
LangChain 指出,企業若要把 AI 用於營運核心或客戶產品,就必須掌握讓通用智慧符合自身業務需求的系統,才能創造實際效益並建立差異化。 - 掌控AI 助理系統:管理模型、協調層(harness)與情境資料,包括檔案、政策、工具、技能、偏好、組織知識與記憶;保留切換模型供應商的彈性,也能避免供應商鎖定。
Google 在 Google Antigravity 推出 Gemini 4 Hydrogen,並新增 Orchestrator,可在同一任務程序中動態搭配 Hydrogen 與 Gemini 4 Carbon。
推薦理由:Orchestrator 會依單次任務進展在 Carbon 與 Hydrogen 間切換,並以 Terminal-Bench 4.1 的速度與配額資料呈現這種動態路由的取捨。
AWS 說明如何計算 Amazon Bedrock 的每項任務成本、降低 Agent 支出,並透過人工基準與對照實驗衡量投資報酬。 - 四項隱藏成本:Tokenizer 效率、輸出冗長程度、Agent 工具迴圈次數與推理開銷,都會影響實際任務成本。
推薦理由:文章把模型成本拆解為 token 效率、輸出長度、工具迴圈與推理開銷,並提供以成功任務成本和人工基準衡量 Agent 投資報酬的實作框架。
SpaghettiLens-AI 將四道範圍限定的驗證門與 AST 靜態呼叫清單加入儲存庫,並比較本機 4B NPU 設定與 gemini-3.8-flash 的工具呼叫流程。