科技新聞

Visual Studio 四月更新把 Copilot 變成「會排程的 Agent」：雲端 Agent、Debugger Agent 與自訂 Agents 到底改變了什麼？

Visual Studio 四月更新把 Copilot 變成「會排程的 Agent」：雲端 Agent、Debugger Agent 與自訂 Agents 到底改變了什麼？

Visual Studio 四月更新替 GitHub Copilot 裝上三個關鍵零件：**雲端 agent**、**Debugger agent**、以及**使用者級自訂 agents**。它們共同把 Copilot 從「寫一行補一行」的輔助工具，推進到「你丟一個任務，它自己排隊把事做完」的工作模式。 最值得先盯緊的不是它又更會寫程式了，而是 **IDE 裡的操作權正在移交**：建置、跑測試、查錯、修正、再驗證，開始變成 Copilot 能主動推進的流程。 當 AI 開始排隊做事，Copilot 就不再是補字工具，而是 IDE 裡的助理工程師。 ## 這次更新真正的主角：從「補全」到「任務型代理」...
OpenAI 推出 Advanced Account Security：高風險帳號的登入與找回，為什麼要變更嚴？

OpenAI 推出 Advanced Account Security：高風險帳號的登入與找回，為什麼要變更嚴？

OpenAI 近期推出 **Advanced Account Security**，把 ChatGPT 與 Codex 的「帳號安全門檻」往上抬，重點不是新增一個花俏開關，而是：**對高風險帳號加強登入驗證與帳號恢復（找回）機制**。我認為這是一個明確訊號——生成式 AI 平台開始把「帳號」視為高價值資產：一旦被盜，失去的不只是對話紀錄，而是工作能力、工具權限，甚至可能波及資料品質與訓練流程。 AI 帳號被盜，不是聊天紀錄外洩而已，而是你的工作流程被接管。 ## Advanced Account Security 的主角：把「高風險帳號」的兩個入口鎖更緊 這次更新的主線很清楚： 1. **登入（Login）更難被冒用**：當系統判定帳號風險較高或登入情境異常時，會提高通過門檻。 2. **帳號恢復（Recovery）更難被社工突破**：找回流程變得更謹慎，降低被釣魚、SIM 卡交換、客服社工等手法鑽漏洞的機會。...
Codex CLI 系統提示詞外洩傳聞：為何「禁談哥布林」這種規則，反而是 GPT‑5.5 時代最值得看的訊號？

Codex CLI 系統提示詞外洩傳聞：為何「禁談哥布林」這種規則，反而是 GPT‑5.5 時代最值得看的訊號？

近期社群流傳一個說法：有人在 OpenAI Codex 的 CLI 開源程式碼與相關檔案中，疑似挖到 GPT‑5.5 的系統提示詞片段，裡面甚至包含「嚴禁模型主動討論『哥布林』等特定幻想生物」這類看似荒謬、但非常具指標性的指令。最值得先看的不是這個生物名詞本身，而是它透露了兩件事：Codex/GPT‑5.5 正把「基礎安全」往更底層、更硬的規則層推；同時也把「防幻覺」從模型能力問題，改成可被工程化管理的行為約束。 我的判斷是：如果這類提示詞片段屬實，它不是八卦，而是一個產品路線宣告——OpenAI 正在把 Codex 從「會寫程式的模型」推向「可長時間執行任務的工作夥伴」，而這條路一定伴隨更嚴格的內容界線與主題防範。你會覺得它更可靠，也會覺得它更愛管。 ## 「禁談幻想生物」到底在防什麼？ 表面上看，禁止某些幻想生物或虛構題材很奇怪：這些東西通常不涉個資、不涉暴力教學，也不必然敏感。但把它放在「防幻覺」脈絡就合理了： – **模型很容易把虛構題材講成真的**：尤其是世界觀設定、族群史、詞源考據、偽百科式描述。 – **越是可被編造、越像知識的內容，越容易讓使用者誤信**：這類回答讀起來自信、結構完整，反而更危險。 所以，「禁談」可能不是道德審查，而是一種產品風險控管：對某些高幻覺風險主題直接踩煞車，避免模型主動帶風向、自己加戲。 有兩句話可以記住： – 內容過濾不是為了讓模型更乖，是為了讓它更可交付。...
Microsoft 365 E7（Frontier Suite）與 Agent 365 上線：企業用 AI 的最大改變，是「把代理人當成受管控的身分」

Microsoft 365 E7（Frontier Suite）與 Agent 365 上線：企業用 AI 的最大改變，是「把代理人當成受管控的身分」

微軟正式推出 Microsoft 365 E7（Frontier Suite）與 Microsoft Agent 365，把 Copilot、AI 代理人管理、以及企業級資安與治理綁成同一套「可上線、可追責、可控管」的工作模式。最值得先看的不是它又多會寫內容，而是：你終於能用管理帳號與權限的方式去管理「會做事的 AI」。我的判斷是，這次更新的關鍵不在於讓 AI 更聰明，而在於讓企業敢把 AI 代理人放進真實流程、接觸真實資料。 有些團隊會把它理解成「更貴、更完整的 Copilot 方案」。但如果你只用這個角度看，會錯過真正的轉折點：AI 代理人開始變成 Microsoft 365 裡的正式工作單位，而不是散落在聊天視窗、工作流程工具、或某個部門自建的小機器人。 ## 這次到底新了什麼：E7...
Gemini 聊天室可直接產出 PDF、Word、Excel 與 Google 文件：改變的不是格式，是交付方式

Gemini 聊天室可直接產出 PDF、Word、Excel 與 Google 文件：改變的不是格式，是交付方式

Gemini 現在可以在聊天中直接建立可交付的檔案：PDF、Microsoft Word/Excel，以及 Google Docs/Sheets/Slides 等，不必再把回覆複製貼上、自己排版成「可交差」的版本。最值得先看的不是它能輸出哪些格式，而是它把「對話」變成「產出」的最後一哩路：你在聊天室裡談清楚需求，下一步就能拿到可寄出、可協作、可歸檔的檔案。 我的判斷是：這次更新的重點不是 AI 變得更會寫，而是 AI 開始更像一個能交付成果的辦公室助理。當生成內容能直接落在文件、試算表、簡報裡，工作流程的摩擦成本會明顯下降，而你會更容易把 Gemini 納入日常，而不只是「問問題用」。 ## 以前的痛點：內容寫完了，但交付還沒開始 很多人用 AI 寫文案、整理會議重點、做報表說明，卡住的地方往往不在「想不到」，而在「做完」。 – 你拿到一段看起來很完整的回覆，卻還要開 Word 把標題層級、頁首頁尾、段落間距重排一次。 – 你要一份簡單的預算表，AI...
Uber 2026 AI 預算提早燒光：不是「用太多」，而是代碼助手把成本模型整個改了

Uber 2026 AI 預算提早燒光：不是「用太多」，而是代碼助手把成本模型整個改了

Uber 傳出因 AI 代碼助手（例如 Claude Code）在開發流程中被高頻率使用，導致 2026 年度 AI 預算提前耗盡，正在重新評估資源分配。最值得先留意的不是「AI 太貴所以要少用」，而是：代碼助手已從補完工具，進化成能長時間跑任務的「背景代理」，它把工程成本從人力工時，轉成可被無限放大的用量計費。我的判斷是——這會是接下來一年大型研發組織最常遇到的成本失速點：不是模型變貴，而是使用方式變了。 ## 成本失控的真正原因：代碼助手不再只寫幾行，而是在「替你跑整段流程」 過去我們把 AI 代碼助手想成 IDE 裡的自動補全：你打一段、它補一段，用量跟打字速度差不多。 但 2026 的代碼助手已經更像「可並行工作的工程代理」： – **能在後台運作**：你照常開會、寫文件，它同時在背景跑測試、改前端、重構模組。 –...
Claude for Creative Work 真正新在「跨工具協作」：把 Adobe、Blender、Ableton 串成一條創作指令鏈

Claude for Creative Work 真正新在「跨工具協作」：把 Adobe、Blender、Ableton 串成一條創作指令鏈

Anthropic 推出 Claude for Creative Work，把 Claude 從「聊天式靈感來源」推向「跨創作工具的工作夥伴」，一次整合 Adobe、Blender、Ableton 等八大工具。最值得先看的是：它不是多一個模板或濾鏡，而是試圖讓你用同一段對話，連續驅動不同軟體的下一步。我的判斷是：這次更新的價值不在產出更像人的文字，而在讓創作流程更像一條可重複執行的指令鏈。 如果你近期也在關注「AI 代理」往工具整合走的方向，會發現這條路正在成形：例如 OpenAI 近期對 Codex 的更新，同樣把重點放在更深入的工具整合、電腦操作與長任務延續上，並把它描述成更接近「工作夥伴」的進化。Claude for Creative Work 則把戰場直接放在創作軟體的日常操作上。 ## 這次最值得注意的 4 個升級點（不是「會不會寫」）...
中國阻止 Meta 20 億美元收購 Manus：跨境 AI 併購從商業題變成「技術出境題」

中國阻止 Meta 20 億美元收購 Manus：跨境 AI 併購從商業題變成「技術出境題」

中國政府正式阻止 Meta 以 20 億美元收購 AI 代理新創 Manus。最值得先留意的不是「又一筆併購告吹」，而是這次干預的理由指向兩個關鍵字：核心技術與 AI 人才不得外流。我的判斷是：跨境 AI 收購在中國語境裡，已從資本市場交易，升級成「技術與人力資本出境」的管制議題；未來同類案子會更常被用同一把尺量。 > 當併購被定義成「技術出境」，就不是估值談得攏不攏，而是你根本能不能談。 > AI 代理的價值不只在模型，而在它能替你點擊、登入、串接、執行的那整套能力與人才。 ## 這次真正被擋的是什麼：不是公司，是「可被搬走的能力」 很多人看併購只看產品或營收，但 AI 代理的敏感點往往在「能做什麼事」。代理型產品一旦成熟，價值通常不是某個單一演算法，而是： – **工作流自動化的...
ChatGPT「工作空間代理」正式上線：把跨團隊自動化做起來，關鍵其實是權限邊界

ChatGPT「工作空間代理」正式上線：把跨團隊自動化做起來，關鍵其實是權限邊界

ChatGPT 迎來正式版「工作空間代理（Workspace Agents）」：你不再只是跟 AI 對話，而是能在同一個工作空間裡，設計可重複執行的跨團隊任務，並用權限控管把「能做什麼、能看到什麼、做到哪一步要停下來等人核准」說清楚。最值得先留意的不是它會不會更聰明，而是它終於把代理最難落地的部分——邊界與責任——做成產品。我的判斷是：這次更新的主角不是自動化本身，而是「可被團隊信任的自動化」。 代理的價值不在於它能做多少事，而在於它知道哪些事不能做。 沒有權限邊界的 AI 代理，只是把人為失誤自動化。 Workspace Agents 到底新了什麼：把「個人助理」升級成「團隊可用的執行者」 過去多數人用 ChatGPT，是臨時問答、臨時產出；就算你寫了再漂亮的提示詞，也很難把它變成「團隊共同使用、可交接、可稽核」的流程。 Workspace Agents 的變化可以一句話講完：代理從你的聊天視窗走進工作空間，變成可被設計、可被授權、可被追蹤的工作單位。這跟近期香港來自 OpenAI 在 Codex 上推進「背景運作、多代理並行、記憶、外掛整合」的方向其實一致，只是這次把焦點放在團隊協作與控管上。 這次更新最值得注意的 3 個升級點（而且都跟「可控」有關）...
AI 工具怎麼選才不踩雷？用「代理型 AI 組合」為不同工作打造高效工作流全指南

AI 工具怎麼選才不踩雷？用「代理型 AI 組合」為不同工作打造高效工作流全指南

為什麼你需要的是「組合」，不是單一 AI 工具 很多人用 AI 的第一步是挑一個聊天機器人，接著發現：寫得快但不一定對、資料不一定新、格式不一定能直接交付，最後還是得自己補完。真正能把效率與品質一起拉高的做法，是把 AI 當成「一個有分工的團隊」：有人負責規劃、有人負責執行、有人負責查核與交付。這就是近來常說的代理型（Agentic）AI思維。 這篇指南的目標，是讓你能用同一套原則，為不同工作類型組出最適合的工具組合與工作流： – 交付速度更快（自動化、少切換） – 成品品質更穩（有查核與版本控管） – 風險更可控（權限、隱私、可追溯） 先定義你的工作：交付物決定工具，而不是流行決定工具 選 AI 工具前，先把工作拆成 4 個元素，會比「比較哪個模型比較強」更實用： 1) 交付物：是簡報、文章、程式碼、報表、客服回覆、設計稿，還是會議結論？ 2)...
DeepSeek-V4 發布：開源再度逼近頂級閉源模型，重點其實是「你能不能把它變成自己的底層能力」

DeepSeek-V4 發布：開源再度逼近頂級閉源模型，重點其實是「你能不能把它變成自己的底層能力」

DeepSeek-V4 終於發布，市場上最醒目的訊號不是「又多一個能聊的模型」，而是開源陣營再一次把能力拉到接近頂級閉源模型的高度。你最該先關注的，是它是否真的能在推理、寫程式與長任務穩定性上站得住腳；而我的判斷是：DeepSeek-V4 的價值不在於幫你省下一點 API 費用，而在於它把「可控、可自架、可被你整合進流程」這件事，重新拉回到頂級能力的同一張桌上。 有些人把這種更新理解成「開源追上閉源」，我更在意的是另一件事：閉源模型正在把競爭主場，從「答得多準」推進到「能不能替你把事情做完」。像 GPT-5.5 被定位成更強的代理式模型，強調可以在較少人工干預下規劃步驟、使用工具、檢查結果並推進多步驟任務。Codex 甚至開始把「電腦操作、內建瀏覽器、記憶與排程」打包成工作夥伴，能在 Mac 上看畫面、點擊、輸入並在背景並行跑任務。 所以，DeepSeek-V4 這次的問題不是「像不像某個閉源模型」，而是：它能不能成為你自己的代理與工作流程底座。 這次更新最值得盯緊的 4 個點（比規格表更重要） 先說清楚：在新模型剛發布的前期，比起背規格與榜單，我會建議你用「能不能落地」來驗證。下面 4 點，是我認為最值得優先測的升級方向，也是開源模型能否真正比肩閉源的分水嶺。 1) 推理的「可預期性」：不是聰明一次，是穩定聰明 如果 DeepSeek-V4 只是偶爾答得很神，但一進到多步驟任務就飄，那它仍然只是展示品。...
GPT-5.5 不是更會「回答」，而是更會「把程式工作做完」：OpenAI 這次真正的升級重點

GPT-5.5 不是更會「回答」，而是更會「把程式工作做完」：OpenAI 這次真正的升級重點

OpenAI 正式發表 GPT-5.5，主打在編碼、電腦操作與深度研究等能力再升級，並開始向付費方案用戶開放，API 也預告將跟進推出。值得你先看清楚的不是「又更聰明」這種空泛形容，而是：GPT-5.5 更像一個會自己推進流程的工程夥伴——你給它目標，它會自己拆步驟、動手做、驗證結果，再往下一步走。我的判斷是：這次 OpenAI 想搶回的，不是單點題目答對率，而是「把整段工作流吃下來」的主導權。 有些人會把這波更新解讀成「榜單換人坐」。但對實際使用者來說，更關鍵的一句話是：模型強不強，別只看能不能寫出程式，得看能不能把錯修到測試過。 GPT-5.5 最值得注意的 4 個升級點（都指向同一件事：更能獨立完成任務） 1) 代理式編碼更成熟：從寫片段到推進整個解題流程 OpenAI 對 GPT-5.5 的描述重心很明確：在較少指示下，能自己判斷下一步該做什麼，處理複雜問題的效率更高。這句話聽起來像行銷，但落在工程場景就是三件事： 會先問「要怎麼驗證成功」：先補測試、先定義輸出格式 會主動補上下文：追 log、看錯誤堆疊、回頭翻關聯模組 會自己迭代：修一次不過就再修，直到「可用」 當 AI...