Coca-Cola:面向智能體的潛在上下文壓縮,讓工具觀察不必以文字呈現
Coca-Cola 讓 LLM 智能體以精簡的潛在表示接收工具觀察,無須重建原始工具輸出。在四個網頁搜尋問答基準及 Qwen、GLM 兩個模型系列的評測中,總智能體 token 消耗降低 70.01%–89.24%,端到端執行時間縮短 24.45%–55.97%。所有評測設定中的答案 EM 和 F1 均高於未壓縮的智能體。
Coca-Cola 讓 LLM 智能體以精簡的潛在表示接收工具觀察,無須重建原始工具輸出。在四個網頁搜尋問答基準及 Qwen、GLM 兩個模型系列的評測中,總智能體 token 消耗降低 70.01%–89.24%,端到端執行時間縮短 24.45%–55.97%。所有評測設定中的答案 EM 和 F1 均高於未壓縮的智能體。
Google 將讓使用其教育產品的學校預設停用 AI 工具,管理員可在相關變更於未來數月推出後手動啟用。設定涵蓋 Gemini、Gemini Notebook、Gemini in Classroom 和 Google Search,學校不能分別選擇,停用 AI 工具亦會失去搜尋功能。
Netflix 於 November 3, 2026 推出實驗性電視應用程式分頁 AI Discover,讓部分會員按主題取得推薦,並透過直接回饋調整結果。功能先在美國向使用英文、配備支援電視的會員推出,之後數週逐步擴大開放。會員可要求不再推薦個別影片,Netflix 表示這項拒絕會在 AI Discover 中記錄。
Netflix 正在電視版應用程式測試 AI Discover,按用戶當下心情推薦電影和節目,並讓用戶調整推薦內容。功能目前只向美國部分用戶開放測試,Netflix 計劃在未來數週向更多用戶推出。
Google DeepMind 為 Google Antigravity 推出一套「化學資訊學技能」,協助科研人員處理藥物發現中的文獻搜尋、分子分析、模型構建及新分子設計。
landscapers.city 的美國園藝服務目錄以城市和商戶兩層 URL 架構,並要求城市頁具備足夠的活躍商戶及經核實的聯絡資料才發佈。目錄涵蓋 312 個城市,列出超過 3,153 間公司,網站地圖包含 1,222 個 URL。文章亦説明如何規劃內部連結、網站地圖及商戶資料更新。
Gen Digital 以 Amazon Bedrock AgentCore Web Search 為 Norton Revamp 建構 AI 精選新聞引擎,讓內容建議、目標推薦及新聞動態以最新網絡資訊為依據。這項全託管搜尋功能在 AWS 環境內運作,並提供附有網址及刊登日期的引用來源。引擎支援個人化新聞動態、內容建議及趨勢導向的目標設定。
Google 將為拒絕 AI 的學校關閉搜尋服務。Hacker News 的討論指出,Google 的搜尋服務與 AI 工具已緊密結合,選擇停用 AI 工具可能同時失去 Google 提供的搜尋服務;留言亦提到其他搜尋引擎可供選擇。
Google 計劃明年起,除非校方管理人員明確啟用,否則停用 K-12 學生使用的 AI 工具;全面限制 AI 的學校,學生亦將無法使用 Google Search。
Omar Khandji 介紹其自建的 Actor Company Careers Page Scraper,可從企業招聘頁擷取職位,按工作安排、合約類型、最低年薪及公司規模篩選,並在後續執行中只回傳此前未交付的新職位。
ChatGPT 消費者產品主管 Adam Fry 表示,ChatGPT 每週活躍用戶(WAUs)已達 1.2B,過去兩個月增加 200M。ChatGPT 搜尋量目前約為 Google 的 20%。
LexisNexis Risk Solutions 宣佈推出 Accurint One,為美國刑事司法機構整合調查資料、進階分析與受治理 AI。平台匯集 LexisNexis Risk Solutions、合作夥伴及機構提供的資料,支援搜尋、案件協作、時間線整理、地圖與關係分析。AI 負責整理資訊及提示可能關聯,調查人員仍須查核依據並自行判斷是否採取行動。
Google 計劃在 2027 年初讓學校更容易限制學生使用其 AI 工具;但 Google 表示,若學校全面封鎖 AI,學生將失去使用 Search 的權限。
OpenAI表示,ChatGPT搜尋類查詢量約為Google的20%,並計劃合併Chat與Work模式。OpenAI消費者產品主管 Adam Fry 稱,ChatGPT週活躍用戶在過去兩個月由1 billion增至1.2 billion,聽寫與語音模式合計有250 million週活躍用戶。用戶每週以ChatGPT生成1.5 billion張圖片。
Motoko Hunt 提出一套擴展 AI 輔助全球內容的框架,透過事實登記表管理已核准資訊,並區分全球通用內容與需要本地證據的市場內容。框架由全球和本地兩套治理機制協作,讓 AI 根據核准資料組合內容,而非獨立撰寫或判斷市場需求。這是一套運作模式,並非受控部署的實證結果。
這篇教學示範如何透過 MCP 設定,讓 VS Code 中的 GitHub Copilot Agent 模式使用 AgentSearch 網頁搜尋,無需 API key 或註冊。
Ben Barazandeh 示範如何用 Algolia API 擷取 Hacker News「Who is hiring?」討論串的頂層帖文,並整理成試算表。
DR Pixel 是一個開源多模態智能體,直接以渲染後的文件頁面圖像作為檢索與推理單位,並在包含 1.06M 頁的語料庫上運作。研究建立 DRPixelBench;未經訓練的頁面原生方法已在 GPT-5.4、Gemini-3.5-Flash 和 Qwen3.6-27B 等模型上勝過 OCR 基線,且所需工具呼叫較少。
Google 於 2026 年 11 月 3 日宣佈,Guided Learning 已在 Google Classroom 全球開放,並計劃把 K-12 學生帳戶的多項 AI 產品設為須由管理員逐項啟用。
Google 透過意義、相關性、品質、易用性和情境五項訊號為網頁排名,並以速度及個人化提供搜尋結果。文章指出,AI 工具與 LLM 正沿用相近模式,內容應重視清晰組織、主題覆蓋、可信度、準確性及載入速度,而非堆砌關鍵字。
Google於 2026 年 8 月 18 日啟動垃圾內容更新,約 2 天 16 小時後完成,是當年的第二次垃圾內容更新。更新針對違反垃圾內容政策的網站,而非重新調整一般搜尋排名;受影響網站的恢復可能需時數月,並可能要等候後續更新。文章建議合併重疊內容、移除薄弱頁面,並為保留頁面補上獨特且有實質內容的資訊。
Kevinleary.net 作者整理 AIO 最佳實踐,主張透過清晰、可查證的品牌資料及完整產品細節,讓 AI 助手在回答買家問題時引用或推薦相關品牌。作者建議以動態 JSON API 提供最新資料,並由頁面範本生成 Schema.org 結構化資料,而非依賴 llms.txt 或外掛。衡量成效時,應追蹤買家實際使用的提示詞及品牌出現情況,並整合重複內容、發布具體使用情境。
向量資料庫可按內容的語義相似度搜尋,適用於文件搜尋、推薦及知識庫聊天等前端產品。文章由向量、餘弦相似度和歐幾裏得距離講起,説明嵌入向量、ANN 索引及檢索流程,並以 ChromaDB 作實例。傳統資料庫仍可作為資料記錄系統,向量資料庫則提供語義檢索層。
ResumeBanao 的認證中介軟件令 Googlebot 陷入 307 重新導向循環,Google 搜尋曝光由每日 45–146 次跌至每日 3–5 次。由於作者的 HEAD 請求及預設 Accept 為 */* 的檢查不會觸發握手,仍收到 200。
作者根據一次小型 SaaS 審核,整理出 7 個同時影響用戶體驗與 SEO 的問題,並為每項列出修正方法及自查方式。問題包括定價頁需登入、首頁缺少清晰產品説明、導覽及圖片替代文字不足、手機效能慢,以及只追蹤瀏覽量;估算約 2.8% 首頁訪客開始免費試用。
Reddit 第三季度美國每日活躍獨立訪客降至 5070 萬,同比下降 2%,文章將搜尋引擎推薦流量減少與 Google AI 搜尋直接提供答案的模式相連。公司稱,僅 2026 年 10 月平均每週就減少超過 100 萬次搜尋引擎引薦訪問,並計劃先於第四季度在美國以外部分市場測試登入優先策略。Reddit仍計劃保留匿名瀏覽,後續推廣安排將視測試效果而定。
兒童繪本作家兼插畫師 Chelsea Paulus 的網站遭 Meta 爬蟲帶來逾 55 萬次訪問,主機資源被耗盡,至週一仍不穩定。Meta External Agent 和 Meta Web Indexer 先後出現;她修改 robots.txt、配置防火牆後仍未能即時阻止請求,並暫時移除 Instagram 個人頁面的網站連結,以免真人訪客令網站宕機。
TokenCap 團隊撤回 v1.6 宣稱可減少 12.2× tokens 且答案相同的基準結果,指出原評測有五項問題,並以 benchmarks/fair/ 取代。
GEO(生成式引擎優化)通過優化內容、信源與技術信號,讓品牌信息在 AI 生成的答案中被準確提及、引用和推薦;它是 SEO 的延伸,優化目標由網頁排名轉向 AI 答案。內容的事實密度、結構清晰度、全網口徑一致性和信源可驗證性,都是提升 AI 採信機會的重要因素。
XCutlery 網站管理者分享小型 Shopify 刀具店的 GEO 實作,建議先確保頁面可爬取並被索引,再把直接答案置於頁首,並統一各平台上的品牌與政策資料。
生成式引擎優化(GEO)的行業落地可按「診斷基線、事實底座、內容覆蓋、信源佈局、監測迭代」五步閉環推進,並按行業調整提問場景與優化重點。文章涵蓋 B2B、消費品牌與零售、醫療健康、法律與金融、教育培訓及本地生活,並建議中小機構先統一事實口徑、補齊 FAQ 與案例內容,再每月測試。成效可用提及率、準確率、推薦位佔位率及承接轉化衡量,並對照基線觀察變化。
作者 Geo 以 ChatGPT 和 Gemini 的實測説明 GEO 與 SEO 的分別,並整理企業檢查及提升品牌出現在 AI 答案中的四步做法。一次 Gemini 裝修公司查詢中,可見的 19 條引用資料來自 Reddit、YouTube、Quora 等;文章亦指出不同 AI 的引用來源各異,測試結果可能隨時間和帳號變化。
騰訊據稱即將推出面向消費者的 AI 搜索引擎,採用極簡設計,將 AI 問答與網頁搜索整合,並強化權威來源排序。消息指該引擎與元寶 App 內置搜索及騰訊雲“元寶搜索”API 共用底層能力;騰訊官方暫未回應相關傳聞。
消息指騰訊即將推出面向消費者的 AI 搜尋引擎,將 AI 問答與網頁搜尋整合,並強化權威來源排序。這項服務與元寶 App 內置搜尋及騰訊雲「元寶搜索」API 共用底層能力。騰訊官方暫未回應相關傳聞。
網站上線後,應依次設定 Google Search Console、提交 XML sitemap、加入 llms.txt、設定 Open Graph 標籤及 Bing Webmaster Tools,協助搜尋引擎索引網站並改善連結預覽。完成後可定期檢查索引狀態和錯誤,逐項修正問題。
企業搜尋排名靠前卻很少出現在 AI 回答中,原因是傳統 SEO 排名與 GEO 重視的資訊可理解性、專業性和可信度並非同一套評價體系。企業可透過提供具體專業內容、統一品牌資訊、改善網站技術可讀性及建立可信的多元信源,提升 AI 理解企業資訊的機會。這些做法並不保證企業會獲 AI 推薦。
文章展示如何在 iPhone 上結合 Vision 特徵提取、Core ML 嵌入投影及裝置端 HNSW 索引,建立即時語義圖片搜尋流程,並將前兩個階段合併至一次 Neural Engine 調度。
Qoder 藉助阿里雲 Elasticsearch Agent 引擎版,構建面向代碼上下文的生產級向量檢索底座,相關存儲文檔規模已達千億級。演講披露,寫入資源為30多台 ECS、查詢資源為5台以上 ECS;測試口徑下,純向量召回 P95 為14毫秒,對比同類產品的36.25毫秒。按每個代碼庫1萬條向量、共享集羣及指定折後價格估算,單個 Codebase 月均基礎設施成本約為0.016元。
王濤以豆包聯網 API 進行 360 輪對話實驗,發現豆包僅在 3.9% 的輪次建議用戶訪問外部網址。實驗中有 55 輪需求未完成或只完成部分,豆包仍未推薦外部網頁。文章主張 GEO 應重視品牌被準確提及,並為 AI 無法回答的問題準備可檢索、可核實的專業內容。
開發者的搜尋行為比文件「有幫助嗎?」投票更能揭示內容缺口,因為搜尋記錄反映實際意圖,而投票容易受自我選擇及極端感受影響。零結果搜尋、反覆改寫查詢及短暫瀏覽後離開,可分別指向內容缺失、頁面未解答問題,以及標題與正文不符。加入 AI 答案框後,亦須衡量已回答問題及後續查詢,並以匿名彙總資料進行私隱優先分析。