跳到正文

Agent AI 助理

讓模型自主規劃、呼叫工具、完成多步任務的技術方向——從 Claude Code、Manus 到各家 Agent 框架與評測基準的全部動態。

最新精選

第 181–200 條 · 共 845 條
11月16日週一
  1. Menlo Ventures Insights76

    Menlo Ventures:醫療 AI 支出成長,應用從文書工作走向病患照護

    醫療 AI 正從整理病歷和帳務,走向藥物研發、臨床照護與病患服務。Menlo Ventures 根據一項醫療業者調查指出,醫療 AI 支出在 2026 年成長 2.5 倍,達 $3.7B;藥物研發支出則從 $30M 增至 $700M。醫院的文書工具開始面臨 Microsoft 和 Epic 等既有系統競爭,臨床助理和病患服務成長更快。保險業者的 AI 支出遠低於醫療服務提供者,也有 43% 表示,醫療服務提供者使用 AI 協助編碼後,增加了自身成本。

    推薦理由:報告以醫療機構、藥廠與保險業者的支出和採用情況,呈現 AI 從文書工作走向藥物研發與病患照護的變化。

  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. aihot70

    作者分享 10 條指揮 AI 助理的常用提示詞

    安排 AI 助理協助開發時,常要先說清楚需求,也要留意改動可能帶來的後續影響。作者整理出自己最近兩個月常用的 10 條提示詞,涵蓋從第一性原理找問題根因、先確認偏好再提出 3 種方案,以及推演改動的後續影響。其他提示詞則用來檢查 Git 歷史、找出可移除的舊包袱,並從 Bug 和返工中整理出規則或技能,方便日常開發時參考使用。

    推薦理由:這十條提示詞涵蓋需求釐清、改動影響推演與專案復盤,可參考它們安排 AI 助理參與日常開發工作的方式。

  4. Dev.to Top Tech80

    AI 助理安全教學:縮小工具許可權,測試遭提示注入後能做什麼

    AI 助理可能把使用者寫進標題、留言或檔案的指令當真;如果它同時拿著憑證和能對外傳資料的工具,攻擊者就可能藉此讀取機密或執行操作。文章整理 Claude Code、Gemini CLI 和 GitHub Copilot Agent 遭提示注入的案例,也提醒工具本身可能有一般軟體漏洞。作者建議移除不必要的 Shell、替每項工具設定狹窄許可權、減少可自由輸入的欄位,並用測試程式模擬遭劫持後的最壞操作,確認資料沒有外流、重要操作也無法任意執行。

    推薦理由:文章以多起代理工具遭提示注入的案例說明風險,也整理許可權縮限與攻擊測試,讓防護方式能對照實際工具流程。

  5. iThome (臺灣)77

    Anthropic 開放 Claude Managed Agents 自託管測試,企業可自管憑證與工作紀錄

    企業想把 AI 助理放進自家環境管理,卻也得弄清楚哪些資料仍會送到外部。Anthropic 開放 Claude Managed Agents 自託管服務的封閉測試,企業可在自己的雲端或地端環境管理代理控制服務、沙箱、資料庫、憑證和工作紀錄,也能把工具操作紀錄送到監控工具。不過,Claude 模型仍由外部服務運作;每次呼叫都會把對話、工具輸入和執行結果送到企業選定的模型服務。企業還得自行維護伺服器、資料庫和沙箱。

    推薦理由:自託管把 Claude 代理的管理服務移進企業環境,文章也說明模型請求仍會送到外部服務,能幫助企業看清自管範圍與資料流向。

  6. The Hacker News79

    Amazon 揭露 AI 助理攻擊 LiteLLM、Dify 等應用,竊取模型 API 金鑰

    把 AI 應用架在網路上,若管理介面或金鑰保護不周,攻擊者可能拿走模型服務的 API 金鑰。Amazon 用誘捕伺服器收集到一批 AI 助理的活動紀錄,顯示它們會搜尋 LiteLLM、Dify 等應用的弱點,取得並測試金鑰,再把可用金鑰放進共用清單,供後續行動使用。Amazon 表示,這些紀錄來自誘捕環境,無法確認紀錄中聲稱的攻擊結果。文章也整理了 Langflow 與 RAGFlow 漏洞的修補資訊,並提醒管理者更換預設密碼、修補受影響版本、限制 API 金鑰的使用範圍,並盡快更換已外洩的金鑰。

    推薦理由:Amazon 的誘捕紀錄呈現 AI 助理如何搜尋並重用外洩金鑰,也列出弱點與防守檢查方法,能協助管理者盤點暴露風險。

  7. Dev.to Top Tech78

    Tencent 推出 Hy4 flash,以較低成本處理日常工作

    日常工作常要處理長檔案、圖片和表格,但使用大型模型的費用可能不低。Tencent 推出 Hy4 flash,主打保留 Hy4 的長篇上下文和文字、圖片輸入能力,降低處理費用;它有 224B 引數,每次運算只啟用其中 12B。Tencent 表示,在自家 WorkIndex 測試中,每項任務的成本是 Hy4 的二十分之一,但這是廠商內部測試,不能當成能力排名。另有 85 位 WorkBuddy 使用者評分 259 項任務,結果只反映他們在該產品中的使用感受。模型可透過 WorkBuddy、Yuanbao 和 Tencent Cloud TokenHub 使用,Tencent 也計畫釋出權重。

    推薦理由:Hy4 flash 以較低成本換取部分能力,文中比較了定價與內部測試,也說明盲測範圍有限,可供評估日常工作是否適用。

  8. Dev.to Top Tech80

    Alibaba 推出 Qwen4-Max,編碼測試領先但不開放下載

    挑選編碼 AI 助理時,測試成績、實際表現和費用可能差很多。Alibaba 推出 Qwen4-Max,表示它在自家編碼測試中領先 Claude Fable 5.1 和 Kimi K3.1 Pro;但 Agent Arena 的即時任務排行中,Qwen4-Max 排在第 14 名,Claude Fable 5.2 則排第 1。兩種結果來自不同測試,不能直接當成同一場比賽。Qwen4-Max 只提供雲端服務,不能下載或自行架設,文中列出的價格也比 Claude Fable 5.1 低。作者建議先用自己的程式專案測試品質,再算清楚省下的費用是否值得放棄自行架設的彈性。

    推薦理由:Alibaba 的測試結果與 Agent Arena 的實際工作成功率差距明顯,這提醒讀者評估編碼模型時,也要用自己的程式專案測試。

  9. Hacker News (official RSS)86

    千問推出 Qwen4-Max,主打長時間工作與分段交付

    處理複雜工作時,AI 助理可能要花很久才交出成果,使用者也不容易及早發現方向錯了。千問推出 Qwen4-Max,主打長時間執行任務,並用 Live Delivery 先交出可用的初版,再依執行結果和使用者回饋逐步修改,讓人隨時檢視進度、修正方向。千問也展示了它用於 3D 建模、遊戲製作、法律檔案整理和雲端資源排程等工作的案例。官方表示,在 Work360 評測中,Qwen4-Max 得分 52.69,高於 Qwen3.8-Max 的 47.74;該評測的單項任務平均成本也從 $4.43 降至 $1.67。

    推薦理由:Qwen4-Max 把長時間工作、分段交付與使用者回饋放進同一流程,文中也以實際工作案例說明如何逐步完成複雜任務。

  10. iThome (臺灣)78

    Google 推出 Gemini 4 Hydrogen,速度比前代快 2.5 倍

    處理日常工作時,大家常得在回覆速度和複雜任務能力之間取捨。Google 推出 Gemini 4 Hydrogen,主打程式撰寫和日常 AI 助理工作流程,表示它比前代 Gemini 3.8 Flash 快 2.5 倍;也能和 Carbon 或 Argon 搭配,由 Hydrogen 寫程式、修正錯誤和跑測試,較大型的模型負責複雜判斷。它已提供給多種 Google 產品與服務,每百萬 token 的輸入和輸出價格分別是 1.5 美元和 7.5 美元。

    推薦理由:Gemini 4 Hydrogen 主打日常工作所需的速度,也能和 Carbon 或 Argon 分工,文中提供了速度、用量與價格比較。

  11. aihot81

    Qwen4-Max 登上 Agent Arena 中國模型榜首,首度排名總榜第 14

    Qwen4-Max 在 Agent Arena 首次登場,總榜排第 14,成為榜上排名最高的中國模型。這份排行榜根據社群提供的 14.7k 次真實 AI 助理對話整理;相較 Qwen3.8-Max,Qwen4-Max 的淨提升為 +7.5%,在工作、聊天和程式類別也都是排名最高的中國模型。Alibaba 的公告另稱,新模型採用 MoE 架構,原生支援視覺,並有 1M token 上下文視窗;API 已在 QwenCloud 上線。

    推薦理由:Qwen4-Max 首次登上 Agent Arena,並在工作、聊天與程式類別領先榜上其他中國模型,可從多種真實任務表現瞭解這次更新的差異。

  12. aihot82

    Qwen 發布 Qwen4-Max,主打百萬 token 上下文與長程 AI 助理能力

    Qwen 團隊發布新模型 Qwen4-Max,主打更長的上下文和長程 AI 助理能力。它採用 Qwen4 架構,骨幹有 2.4T 引數,每個 token 會啟用 71B 引數,另有 328B N-gram Embedding 引數。模型也具備原生視覺能力,並支援 100 萬 token 上下文,讓它能處理很長的內容。材料提到成本比較和實際案例,但沒有提供細節。

    推薦理由:Qwen4-Max 公佈骨幹引數、每個 token 啟用的引數量與上下文長度,能看出這次模型更新主打的規模與能力。

  13. iThome (臺灣)82

    FBI警告駭客用ARTEX加快入侵,部分案件不到3小時取得高許可權

    企業對外服務或第三方工具若有未修補漏洞,可能成為駭客進入內部系統的入口。FBI指出,不同駭客組織正使用開源工具ARTEX自動找弱點、測試漏洞,部分攻擊從鎖定目標到取得系統高許可權不到3小時;至少從今年8月起,已有企業與機構遭到這類攻擊。FBI也提到,攻擊者會利用雲端憑證和第三方服務的授權關係擴大存取範圍,但Cloud Backup事件波及超過2,250個客戶租戶,不代表每個租戶都遭入侵。企業可檢查對外服務與雲端授權,並留意帳號是否突然大量呼叫API或查詢客戶資料。

    推薦理由:FBI列出的案例顯示,攻擊者會從合作夥伴入口和舊版服務找入口,再利用雲端授權擴大可存取的系統與資料。

  14. Varun Mohan72

    AI 助理處理較長的對話或工作內容時,可能需要壓縮前面的資訊。Antigravity 宣佈,Argon、Carbon 和 Hydrogen 的上下文視窗都加倍了;官方表示,每輪使用者互動所需的內容壓縮量會降低 3.5x。貼文沒有說明其他使用條件或細節。

    推薦理由:Antigravity 將 Argon、Carbon 和 Hydrogen 的上下文視窗加倍,並說明每輪使用者互動的內容壓縮量可降低 3.5x。

  15. 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。

  16. Dev.to Top Tech79

    作者用 HydraDB 打造 AI 助理工具路由圖,整理有效做法與踩過的坑

    AI 助理連上很多工具時,光讀工具說明就可能耗掉大量 token;只靠相似度搜尋,也可能漏掉任務需要的一整串工具。作者用 HydraDB 打造 Waypoint,把工具、資料型別和許可權放進圖裡,讓 AI 助理依任務找出要依序使用的工具。測試中,寄出發票 PDF 需要 6 個工具,Waypoint 用 494 tokens 找出正確流程;20 項任務的工具鏈都找對,平均使用 254 tokens。作者也記錄了路由學習、同時處理多個請求和資料庫重新啟動後無法寫入等問題,以及相應的修正或因應方式。

    推薦理由:作者用實測比較工具相似度搜尋與圖狀路由,並記錄學習規則和快取如何影響結果,呈現建置工具流程時可參考的取捨。

11月15日週日
  1. Browser Use66

    Browser Use 與 Playwright 如何在新瀏覽器重用登入狀態

    自動化工作每次開新瀏覽器時,常得重新登入;但把登入資料存起來,也不代表登入永遠有效。作者示範用 Browser Use 設定檔儲存 cookies 和瀏覽器儲存的資料,再用同一個設定檔開啟新的瀏覽器,確認不用輸入帳密也能進入受保護的頁面;也示範用 Playwright 把登入狀態存成檔案,供之後的新瀏覽器載入。作者提醒要確認登入的是預期帳號,並把設定檔和狀態檔當成憑證保護;如果網站要求重新驗證,就應完成網站提供的登入流程。

    推薦理由:文章以兩次分開的雲端瀏覽器測試,說明如何確認登入狀態確實存進設定檔,並提醒登入仍可能過期。

  2. Publickey (日系頂級架構誌)73

    Cloudflare 開源 Kitesurf,打造給 AI 助理使用的輕量瀏覽器

    AI 助理操作網頁時,不需要人用瀏覽器的分頁、書籤和擴充功能,但同時執行許多工又需要瀏覽器夠輕巧。Cloudflare 開源了 Kitesurf,這是一款專為 AI 助理設計的無畫面瀏覽器,不使用 Chromium,也不依賴 Node.js,主要以 Rust 撰寫並編譯成 WebAssembly,預計在 Cloudflare Workers 上執行。Cloudflare 表示,和 Chromium 相比,Kitesurf 使用 CPU 和記憶體的效率約好 3 到 7 倍;它也支援 Chrome DevTools Protocol,可連線 Puppeteer 等工具。

    推薦理由:Kitesurf 專為 AI 助理操作網頁打造,文中也比較了它和 Chromium 的資源消耗,能看出精簡瀏覽器的設計取捨。

  3. Dev.to Top Tech79

    AI 助理沒有步數上限,GPT-5.6 一次失控執行可能花 $160

    AI 助理如果一直重試或重複搜尋,沒有步數上限時,最後會跑到上下文視窗裝不下對話紀錄才停。作者試算每次呼叫都重送完整紀錄的情況:在他的設定下,GPT-5.6 一次跑到視窗滿會花 $160.54;設 25 步上限則約 $0.86。視窗越大,失控費用增加得越快。作者示範在程式裡同時限制執行步數和累積花費,並提醒上限要依成功任務實際需要調整;如果系統會摘要舊紀錄再繼續,單靠上下文視窗也不會讓流程停下來。

    推薦理由:作者用不同上下文視窗的費用試算,說明失控成本為何會快速上升,並示範如何用步數與金額限制避免超支。

  4. The Decoder85

    美團發布 LongCat-2.5,這款 1.6 兆引數模型以中國晶片訓練

    要讓 AI 助理自己完成寫程式等多步驟工作,需要模型處理長對話、看懂圖片,也要能在實際任務中找出答案。美團開放 LongCat-2.5 的模型權重;它能處理文字、圖片和影片,也能讓使用者開關推理功能。美團公佈的測試顯示,它在不同程式任務的表現有高有低,部分專案接近 Claude Opus 5,較難的終端機任務則落後。美團也提供用 194 顆華為昇騰晶片部署的指南,沒有提供 NVIDIA GPU 的部署指南。

    推薦理由:LongCat-2.5 的測試成績在不同任務間有落差,搭配部署配置與硬體限制,可看出它的適用情境和自架需求。