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 81–100 條 · 共 845 條
11月19日週四
  1. AWS Machine Learning Blog79

    Amazon SageMaker HyperPod 新增訓練故障檢查與工作復原功能

    大型 AI 訓練有時會卡住,或在硬體檢查通過後仍算出錯誤結果,白白佔用 GPU。AWS 為 Amazon SageMaker HyperPod 新增三項功能:MultiNodeTrainingValidation 會用固定訓練工作檢查 GPU 是否算出 NaN 或無限大的損失;Kubernetes 監控代理程式會整理故障涉及的節點、Pod 和工作;Slurm 的停滯工作偵測則能記錄問題,並依設定取消工作、讓它重新排隊。文中舉例,一項工作若卡住 15 分鐘便被偵測並重新排隊,估算成本可從約 $16,900 降至約 $530。這些檢查各自處理不同故障,設定時仍要留意規則是否正確,以及取消工作的條件。

    推薦理由:HyperPod 把訓練正確性、Kubernetes 故障和工作停滯分開監看,並說明各功能何時運作、如何回報及可能節省的 GPU 時間。

  2. AWS Machine Learning Blog73

    Airbnb 如何用每項任務成本管理 Amazon Bedrock 上的程式開發 AI 助理

    模型在測試中表現好,不一定代表工程師實際使用時花費也低。Airbnb 用自家程式開發任務比較不同模型的完成分數和每項任務成本,再搭配上線後的請求數、token 用量與延遲,決定預設模型和推理力道上限。文中一個模型在測試時成本差不多,但上線後每位使用者的平均週花費高出好幾倍,原因是每次請求較貴,使用者也送出更多請求。Airbnb 後來把重度使用者移到另一個模型,請求數大致相同,該群組在主要模型上的花費降到約七分之一。這套做法能幫團隊同時看見模型測試成績與實際使用成本。

    推薦理由:Airbnb把自家任務測試與上線後用量放在一起比較,呈現模型分數相近時,使用者行為仍可能讓每人花費差很多。

  3. Rohan Paul91

    挑選 AI 模型時,常得在效能和使用成本之間取捨。Google 推出 Gemini 4 Neon,Artificial Analysis Intelligence Index 得分為 61,排名第 3;每 1M 個輸入與輸出 tokens 分別收費 $3 和 $15。原文也稱,在預設高設定下,Neon 每項任務的成本比 Gemini 4 Carbon 低 32%。在程式開發方面,它在 Artificial Analysis Coding Agent Index 排名第 1;放進 Google Antigravity 執行時,SWE-sweep 分數從 12.8% 升到 39.0%。這些數字提供了比較效能與成本的參考,但各項排名來自不同基準測試。

    推薦理由:文中列出 Gemini 4 Neon 的價格、任務成本比較與多項基準排名,可用來瞭解它在效能和花費間的表現。

  4. Arena.ai68

    挑選 AI 助理時,除了看任務做得好不好,也要考慮每次任務的花費。Arena 根據社群進行的 4.2k 次真實 AI 助理工作階段,將 Gemini 4 Neon (High) 排在 Agent Arena Index 第二名,得分為 1336,單次任務中位成本為 $2.82。榜單也列出使用者滿意度、回應修改的能力和任務完成情況等指標;這些數字能讓人比較表現與費用,但只反映這份榜單採用的評測方式。

    推薦理由:Arena 的排名與每項任務中位成本,呈現 Gemini 4 Neon (High) 和其他模型在表現與費用上的差距。

  5. ElevenLabs Official Blog71

    ElevenLabs 推出醫療版 ElevenAgents,協助處理病患與醫療團隊來電

    病患打電話預約或詢問資料時,若 AI 助理聽錯藥名、插話,或無法連上院方系統,事情就得重來。ElevenLabs 推出醫療版 ElevenAgents,搭配 Scribe v3 Live Medical 即時辨識醫療用語,也能接上預約、病歷和電話系統;遇到症狀問題或敏感資料,團隊可設定轉給真人處理。Cadence 使用這套服務聯絡慢性病患者後,聯絡到患者的中位時間從近兩小時降到 3.5 分鐘;患者接聽 AI 助理來電的比例也比接聽護理師來電高 47%。

    推薦理由:文章以醫療客服案例和轉錄測試結果,說明語音辨識、通話流程與人工轉接如何配合處理預約及病患來電。

  6. Databricks Blog74

    Databricks 推出 Genie Migrate,協助把工作搬到 Serverless

    把工作從 classic 搬到 Serverless,常得逐一處理設定、套件和程式碼問題,原本簡單的切換可能拖上好幾週。Databricks 推出 Beta 版 Genie Migrate for Serverless,會先掃描工作,標出哪些適合搬、哪些需要管理員處理,再把需要修改的地方列成差異畫面,讓人逐項審核後才套用。套用時會先複製工作,原本的工作保持不變,方便先跑一次確認;目前檢查只看設定和相依套件,不會實際執行工作。批次搬遷目前支援工作,筆記本支援尚未推出。

    推薦理由:Genie Migrate 把搬遷檢查與修改整理成可逐項審核的流程,也說明目前只做靜態檢查,適合評估匯入前的風險與人工作業。

  7. Hugging Face Blog61

    RadixArk 發布 DaisyRose-27B,Terminal-Bench 4.1 成績提升

    訓練 AI 助理處理需要長時間、多步驟完成的工作,往往要準備大量任務,也得投入不少 GPU 資源。RadixArk 發布首款模型 DaisyRose-27B,以 Qwen3.8-27B 為基礎,使用 1,200 項整理過的任務進行強化學習訓練。和原始模型相比,它在文中列出的各項基準都拿到較高分;Terminal-Bench 4.1 的 pass@1 從 5.6% 提升到 12.0%。RadixArk 也表示,自家訓練後端比可比的開源訓練器少用 57% GPU 時間。

    推薦理由:DaisyRose-27B 與 Qwen3.8-27B 的多項基準成績可供對照,其中 Terminal-Bench 4.1 的 pass@1 從 5.6% 提升到 12.0%。

  8. AWS Machine Learning Blog67

    AWS 示範如何讓 Amazon Bedrock AgentCore Gateway 安全連線私有 API

    企業若要求所有子網路由網路團隊管理,且不同網路間的流量都要經過中央防火牆,AI 助理連線內部 API 和 MCP 伺服器就得符合這些規定。AWS 示範把 VPC Lattice 資源閘道放在網路團隊管理的專用 VPC,再透過 Transit Gateway 轉送請求和回覆,並用 AWS RAM 分享後端設定,讓 AgentCore Gateway 連線私有服務。文章也說明如何在負載平衡器檢查呼叫憑證,以及如何驗證防火牆確實檢查雙向流量。這種做法檢查的是流量資訊和 TLS 主機名稱,無法檢視加密後的請求內容;文中建議先在自己的網路環境測試。

    推薦理由:文章整理了網路團隊集中管理子網路與防火牆時,讓 Amazon Bedrock AgentCore Gateway 連線私有 API 的架構做法,並說明流量檢查的範圍與限制。

  9. elvis69

    如果 AI 助理沒有被教怎麼學習,還能不能自己找出改進方法?MIT CSAIL 和 University of Tübingen 的研究讓固定不變的模型使用簡單工具,自己設計練習遊戲、觀看另一個模型遊玩,再修改對方的提示詞和技能檔案。模型看不到真實任務或驗證分數,也沒有收到學習指示,但有能力的模型仍能設計不同難度的遊戲、比較做法,並在規則藏起來的遊戲中進步。研究也提醒,沒有明確安排自我改進流程,不代表具備工具的模型就不會自行改進。

    推薦理由:研究顯示,具備簡單工具的模型可能自行摸索改進方法,為評估模型能力與安全風險提供具體案例。

  10. The Pragmatic Engineer72

    CodeRabbit 執行長談 AI 助理如何改變軟體開發與程式碼審查

    AI 助理能快速寫出大量程式碼,但團隊也得想辦法確認成果可靠、避免出錯。CodeRabbit 執行長 Harjot Gill 分享,他讓 AI 助理處理修測試、改善系統等工作,並說公司上個月送出超過 5,000 個程式碼變更;他認為團隊應檢查整批發布成果,也要用測試、模擬和分階段上線來確認品質。這種做法每月花費約 $250,000 至 $275,000,作者指出,對想靠 AI 工具加快推出新產品的 CodeRabbit 來說,這筆支出可視為研發,但不一定適合其他公司。

    推薦理由:CodeRabbit 的經驗呈現高額 AI 支出如何用來加快新產品開發,也說明這種做法較適合靠 AI 工具創造新收入的軟體新創。

  11. Google AI82

    創作互動世界時,調整畫面、角色和情節可能需要反覆操作。Google 推出全新 Project Genie,使用者可以即時改變天氣、加入角色或改變情節,也能透過對話建立世界;其中的 AI 助理會協調多模態模型製作畫面與氣氛,Gemini 則提供符合當下情境的建議。新版也加入作品展示與分享區,並帶來 Genie 3 的更新,包括延長至 3 分鐘的體驗時間、串接不同世界,以及用 360 度全景圖片作為參考。目前符合資格的 Google AI Ultra 訂閱者可以使用,Google AI Pro 使用者可加入候補名單。

    推薦理由:Project Genie 把即時改動世界、對話式創作與作品分享放進同一套體驗,呈現從生成到交流的完整流程。

  12. OpenAI News76

    OpenAI 說明 Codex 沙盒如何限制 AI 助理存取檔案與網路

    AI 助理執行指令時,可能讀到敏感檔案或把資料傳到網路上。OpenAI 說明,Codex 沙盒會依許可權設定限制指令能讀寫哪些檔案,以及能連到哪些網域;預設的 workspace 設定允許修改工作資料夾、讀取其他有許可權的檔案,並關閉網路。Codex 會使用 macOS、Linux 和 Windows 各自的系統防護,在使用者原本的電腦環境裡執行指令,也提供設定檔讓個人或企業調整限制。不過,沙盒無法防住所有風險,例如惡意程式若被編輯器在沙盒外執行,仍可能造成問題,因此 OpenAI 也搭配模型訓練與對齊來保護使用者。

    推薦理由:文章說明 Codex 如何用許可權設定限制檔案與網路存取,也提醒沙盒無法阻止所有透過本機工具觸發的風險。

  13. Meta Engineering74

    Meta 如何用 AI 助理把廣告排名模型的改進推廣到更多模型

    一種機器學習改進方法,往往不能直接搬到另一個廣告排名模型上,工程師得花時間逐一調整,訓練也會消耗大量運算資源。Meta 用 AI 助理找出值得嘗試的模型、調整技術做法、安排訓練工作,並協助診斷和處理失敗;工程師仍會審查重要決定,並核准要推出的模型。Meta 表示,AI 助理目前負責超過 60% 的技術推廣工作;在部分模型與技術組閤中,訓練運算量中位數減少 4 倍。這套做法希望讓經過驗證的改進更快用到更多模型。

    推薦理由:文章拆解 AI 助理如何找出可套用的技術、調整模型並管理訓練工作,呈現大規模推廣機器學習改進的方法。

  14. Databricks Blog68

    Databricks 推出 Unity Gateway Insights,找出 AI 助理浪費 token 的地方

    團隊想降低 AI 成本時,除了調整預算,也可以檢查 AI 助理每次工作的紀錄。Databricks 推出 Unity Gateway Insights,會分析工作紀錄和公司的業務資料,找出 MCP 工具反覆出錯、簡單工作用了昂貴模型,以及值得整理成共用技能的重複流程。每個發現都能連到相關工作紀錄,也會依浪費的 token 成本排序;團隊還能加入自己的問題,檢視哪些流程值得改善。Databricks 表示,他們曾從 7 個 MCP 小錯誤中估計出每年 $1.2M 的浪費。

    推薦理由:Databricks 說明 Insights 如何從 AI 助理的工作紀錄找出重複錯誤與模型使用浪費,並把可節省的 token 成本連結到實際工作流程。

  15. Replit Blog68

    Replit 擴大與 Microsoft 合作,讓團隊用企業資料打造並部署應用程式

    企業團隊常知道哪裡需要改善,卻得先換工具、搬資料,才能把想法做成軟體。Replit 宣佈與 Microsoft 擴大合作,讓團隊可用 Fabric 的受管資料打造應用程式,並部署到企業的 Fabric 租戶;Replit Desktop 也能在 Windows、Mac 和 Linux 存取使用者指定的資料夾,讓人檢查本機修改。Replit 與 Microsoft Teams 的整合將讓團隊從對話開始提問和開工;Azure 部署則進入早期存取,管理員可設定每個工作區的發布位置。這些功能讓團隊能在熟悉的工具中建置和發布,同時由企業管理資料與部署環境。

    推薦理由:Replit 這次把建置、部署與工作對話接上企業既有的資料和系統,也交代各項整合的開放狀態與管理方式。

  16. Hacker News (official RSS)79

    一人如何用 AI 助理打造並維護 30 個開源程式庫

    一個人要打造和維護很多大型軟體,往往得花上大量時間。作者分享他如何安排 AI 助理分工,做出 30 個開源程式庫,涵蓋資料庫、遊戲引擎、檔案處理和 AI 工具等。每個專案由不同 AI 助理規劃和寫程式,並用測試或相容性檢查把關;助理不能自行發布,通過檢查後由作者按下發布按鈕。作者也說明,AI 助理會接手處理使用者回報的問題。

    推薦理由:作者以自己維護的 30 個開源程式庫為例,說明 AI 助理如何分工開發、用外部測試把關,並由人決定何時發布。

  17. Databricks Blog78

    Databricks Genie 把受治理的企業資料帶進 Teams、Excel 和 Copilot

    公司資料分散在不同工具裡,員工常得自己找表格、核對數字,也不一定知道哪些資料能看。Databricks 擴大 Genie 在 Microsoft 工具中的使用方式:在 Teams 裡,員工可用訊息詢問資料、檢視圖表、分析檔案或安排定期分析;在 Excel 裡,可用白話提問、把結果載入活頁簿,並建立會更新的樞紐分析;Copilot Chat 和 Copilot Cowork 則能把資料問題交給 Genie 查詢。答案會附上資料來源,並依使用者許可權提供內容,管理員也能透過 Unity Gateway 管理工具使用、支出和操作紀錄。

    推薦理由:Genie 把受治理的企業資料帶進 Teams、Excel 與 Copilot,並以許可權、引用來源和管理工具串起工作流程。

11月18日週三
  1. Lobste.rs (Engineering Discussion)71

    Pagedog 如何用 Spooler 建立可靠的 LLM 事件調查流程

    告警如果直接交給 AI 助理處理,程式途中當掉或通知重送時,可能會漏掉調查,也可能重複花費模型用量。作者用 Go 做出開源工具 Pagedog:它先把告警存進 Spooler 佇列,再由工作程式呼叫 LLM,搭配可讀取記錄和指標的工具找出可能原因,最後把報告存起來並通知相關服務。工作程式中斷時,佇列會在租約到期後重新交付告警;調查完成後,也能一次完成舊工作確認和新報告交接,避免中途故障造成報告遺失。通知採至少一次送達,因此部分目的地可能收到重複報告。作者也說明,這套流程可套用到其他需要分階段執行、重試和交接工作的任務。

    推薦理由:Pagedog 把告警調查拆成可重試的佇列步驟,並用原子交接避免調查完成後遺失報告,呈現分散式 AI 工作流程的設計取捨。

  2. elvis71

    AI 助理的工作架構要怎麼修改,才不會花很多 token,還能做好程式任務?這篇 Google 論文讓最佳化工具修改固定不變的 Gemini 3.8 Flash 周邊架構,並比較三種做法。在 SWE-bench Lite 上,整份重寫的答對率是 42.5%,每項任務用了 451.6k tokens;一次只改一個部分、通過保留題目檢查才採用的做法,答對率是 40.0%,每項任務用了 46.7k tokens。這種做法也用在 Gemini 4 Argon,沒有再搜尋修改方式,答對率為 37.5%,高於整份重寫的 30.0%。測試只有 40 題,數字只能看出初步方向;論文也提醒,自我修改可能造成提示詞膨脹、鑽評測漏洞或動手腳改評分。

    推薦理由:這項研究比較三種修改 AI 助理工作架構的方法,呈現逐一檢查修改如何兼顧任務表現與 token 用量。

  3. Dev.to Top Tech77

    Claude Code 與 Codex 協作時,作者如何防止 AI 助理重複讀取長對話

    AI 助理處理多張工作卡時,如果一直沿用同一段長對話,就會反覆讀取舊內容,耗掉大量 token。作者原本只把「每張卡使用新的對話」寫進工作規則,後來加入程式檢查,卻只檢查開始動作,結果 AI 助理改用另一個動作繼續處理,限制仍被繞過。修正後,開始和繼續工作都會檢查是哪個對話在操作;同一段對話碰過一張卡,就不能再處理別張。作者也提醒,檢查應放在實際執行工作的指令裡,並涵蓋每個會推進工作的動作。

    推薦理由:作者以兩次失敗說明,限制 AI 助理工作範圍的規則若只寫在提示詞或只檢查開始動作,就可能被繞過;把檢查放進每個推進工作的指令,能減少重讀長對話造成的 token 消耗。