AI代理

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）...
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。...
Codex Plugins 打通 Slack、Notion：從「會寫程式」進化成「能跑流程」的關鍵一步

Codex Plugins 打通 Slack、Notion：從「會寫程式」進化成「能跑流程」的關鍵一步

Codex Plugins：把 AI 寫程式能力接上你的日常工具 OpenAI Codex 過去最讓人印象深刻的，是把「自然語言」轉成可執行的程式碼；但在真實工作場景裡，痛點往往不是「寫不出程式」，而是「流程被工具切碎」：訊息在 Slack、規格在 Notion、待辦在 Jira、文件在 Google Drive，最後還要人工把它們串起來。 Codex 新推出的 Plugins（外掛）方向，核心價值就在這裡：讓 Codex 不只產出程式碼，而是能直接連到 Slack、Notion 等工具，協助你把需求接進流程、把結果推回工作系統，進一步形成可持續運作的自動化迴圈。 不只是「整合」，而是讓工作流變成可被 AI 操作的介面 很多人看到「可整合 Slack...
Perplexity Computer 多模型 AI 代理來了：企業級「數位員工」能做什麼？流程重塑與實戰落地全解析

Perplexity Computer 多模型 AI 代理來了：企業級「數位員工」能做什麼？流程重塑與實戰落地全解析

Perplexity 推出的 Perplexity Computer 主打「多模型 AI 代理（agent）」：不只回答問題，而是能像數位員工一樣，在目標導向下拆解任務、呼叫不同模型與工具、跨系統完成一段工作流程。對企業而言，這件事的重要性不在於又多了一個聊天機器人，而是它把 AI 從「知識查詢」推進到「可交付成果的流程執行者」。 這篇文章會用企業落地的視角，拆解 Perplexity Computer 的核心概念、適合的工作型態、導入方法，以及你必須正視的風險與治理。 為什麼「多模型代理」比單一聊天更像數位員工？ 企業在導入生成式 AI 的第一階段，多半停在：寫文案、整理會議紀錄、回覆客服草稿、做摘要。但一旦進入真實流程，你會遇到幾個卡點： 任務不是一句提示就結束：例如「整理競品情報並寄給團隊」包含查資料、比對可信來源、產出表格、寫郵件、附上引用與連結、寄送並留存紀錄。 不同步驟需要不同能力：檢索要可信、寫作要符合品牌語氣、資料整理要可追溯、最後還要能呼叫內部工具（CRM、工單系統、文件庫）。 單一模型很難同時兼顧：有的模型強在推理、有的強在程式、有的強在文字風格；企業追求的是「整體交付」而非某一次對話的驚艷。 多模型代理的價值在於：它把「選模型」變成系統自動決策的一部分，並把工具使用（瀏覽、檔案、表格、內部 API）納入一條可控的任務鏈。 Perplexity Computer...
Google Gemini Pro 模型 3.1：AI 基準測試破紀錄與企業導入 AI 代理實戰全攻略詳解指南

Google Gemini Pro 模型 3.1：AI 基準測試破紀錄與企業導入 AI 代理實戰全攻略詳解指南

Google Gemini Pro 模型再次在 AI 基準測試中拿下破紀錄分數，成為產業焦點。對正在評估大型語言模型與 AI 代理方案的企業與開發者而言，這不只是分數競賽，而是下一輪生成式 AI 版圖重排的前哨戰。 Google Gemini Pro 模型 3.1：不只是「小幅升級」 最新版本的 Gemini 3.1 Pro 被定位為通用型大型語言模型，但從公開資訊與實際回饋來看，它的升級已經超出「例行更新」的範疇。 幾個關鍵變化值得特別留意： 在多步推理與長鏈思考任務上的表現明顯提升 在專業領域任務（如程式設計、商業分析、法務摘要）中的穩定度更高 與代理框架結合時，對任務分解與規劃的能力更成熟...
個人 AI 助理 OpenClaw：本地優先 AI 代理如何吞噬 80% 應用程式與軟體產業未來全面深度解析

個人 AI 助理 OpenClaw：本地優先 AI 代理如何吞噬 80% 應用程式與軟體產業未來全面深度解析

個人 AI 助理 OpenClaw 正在改寫軟體產業的遊戲規則 個人 AI 助理 OpenClaw 的崛起，正在把「本地優先」AI 代理推向舞台中央。當一個開源的個人 AI 智能體，能直接在你的電腦上操作滑鼠鍵盤、讀取檔案、控制各種裝置時，整個應用程式生態勢必被重新洗牌，有人甚至預期未來 80% 的應用程式將會自然消失。 這並不是危言聳聽，而是對技術路線與使用者需求的冷靜判斷。 為什麼「本地優先」個人 AI 助理這麼重要？ 傳統的 AI 服務大多部署在雲端，只接受輸入、輸出文字或圖片，真正能控制的東西有限。本地優先的個人 AI 助理像...