提示詞工程、上下文工程與 Harness 工程有何分別?
提示詞工程、上下文工程與 Harness 工程分別處理 AI 指令、模型可用資訊,以及支援任務執行和驗證的系統環境。LangChain 調整系統指令、工具和 middleware 的實驗中,固定使用 GPT-5.2-Codex 的 Deep Agents 在 Terminal-Bench 2.0 得分由 52.8% 升至 66.5%,增加 13.7 個百分點。
提示詞工程、上下文工程與 Harness 工程分別處理 AI 指令、模型可用資訊,以及支援任務執行和驗證的系統環境。LangChain 調整系統指令、工具和 middleware 的實驗中,固定使用 GPT-5.2-Codex 的 Deep Agents 在 Terminal-Bench 2.0 得分由 52.8% 升至 66.5%,增加 13.7 個百分點。
AdClarity 估算,美國廣告商 10 月在 ChatGPT 廣告上的支出為 $70.7 million,較 4 月的 $31.1 million 增長 127%。
AI 已開始參與建構下一代 AI,方式由重試答案、改寫提示詞和累積工具,延伸至修改自身模型或程式碼。文章將自我改進整理為四個層級,並以 Reflexion、OPRO、Voyager 和 Darwin Godel Machine 等案例説明其做法。評分目標若設錯,系統可能提高分數卻沒有改善實際行為;文章認為有明確對錯訊號的程式碼和數學任務較適合這類改進循環。
這份週報梳理 2026-11-12 至 2026-11-19 的 LLM 評測與可觀測性動向,指出評估焦點正由模型輸出文字轉向智能體的行動及其蒐集的證據。ViKernel Scanner 以 8 個模擬工具和 100 項攻擊檢查評估 20 個開放權重模型,全部得 D 或 F;中位數模型在 100 項檢查中有 40 項嘗試危險行動。
Calif 披露由 AI 找出的 Java4Shell 漏洞,攻擊者可在毋須登入下於 Jira、Jenkins 等企業軟件執行程式碼。研究員 Quang Luong 使用 OpenAI 的 Codex agent,花一小時找到漏洞,再用兩小時製作首個可運作的 exploit,AI token 費用低於 $200。
推薦理由:文章交代 Java4Shell 的觸發方式、受影響環境和修補呼籲,讓讀者掌握漏洞波及的企業軟件範圍。
這篇指南比較 2026 年 LLM 評測框架與選型方法,指出主觀「vibe check」不足以應付多個團隊、多個模型及多個版本的生產環境。完整的 Agent 評測應分別檢查工具選擇、參數提取、工具結果使用、錯誤處理、計劃連貫性和任務完成,並按團隊技術棧選擇 DeepEval、LangSmith、Promptfoo、RAGAS 等框架。
AI 初創公司 Goodfire 拒絕 OpenAI 曾提出的 50 億美元收購要約;Anthropic 此前曾投資 100 萬美元。Goodfire 專注 AI 機制可解釋,透過分析模型運作時的內部數值尋找與作弊等行為相關的訊號,但目前仍會誤判和漏判。文章指出,這類技術有望協助企業更精確控制已部署的 AI 模型,並在模型訓練和優化中定位問題及識別風險。
多家大型銀行提醒客戶,若 AI 智能體獲準存取金融帳戶,其操作可能被視為用戶本人行為,相關損失或須由用戶承擔。Ally Bank、摩根大通(JPMorgan Chase)和花旗銀行(Citi)均發出風險提示;摩根大通提醒,已授權交易可能無法撤銷。銀行亦提醒用戶不要向 AI 工具提供用戶名稱、密碼及安全驗證碼,並指出正式授權連接帳戶與直接交出登入憑據並不相同。
多家大型銀行警告客戶,若 AI 智能體獲準存取金融帳戶,其操作可能被視為用戶本人行為,損失或須由用戶承擔。摩根大通指出,已授權交易可能無法撤銷;多家銀行並提醒客戶,不要向 AI 工具提供用戶名稱、密碼或安全驗證碼。報道亦提到,Target 將 AI 智能體代購界定為用戶授權交易,亞馬遜則禁止 Meta 的 Muse 在其網站代購。
程序員魚皮按時間梳理 AI Agent 從 Chatbot、工具調用和工作流,演進至 Agent Loop、Harness、Loop Engineering 及 Super-agent 的架構變化。
Legora 聘任前 HubSpot 法務主管 Erika Fisher 為首位首席法律官,協助公司拓展企業法務市場。公司表示,第三季度企業法務團隊佔新客戶逾 40%,並助年度經常性收入突破 $200 million。
OpenAI 公佈數百道棘手數學問題的解答後,Caltech 教授 Sergei Gukov 與學生正從零打造專為數學解題設計的開源 AI 模型。Gukov 的多數模型目前只能解特定數學問題;相較之下,Anthropic 的模型可應對多個學科的數學提示詞,而通用模型仍在開發中。
Anthropic 將首次公開招股(IPO)定價為每股 $83,高於此前每股 $70 至 $78 的預期區間。以 $83 定價後,其 IPO 規模可能超越 SpaceX 於 6 月創下的 $1.77tn 上市紀錄。Anthropic 披露,2026 年上半年營收為 $16.286bn、淨虧損 $80bn,算力採購承諾及租賃協議未來 12 個月合計超過 $70bn。
推薦理由:Anthropic 的定價高於原先區間,報道並列出快速增長的營收、上半年淨虧損與龐大算力承諾,呈現 IPO 估值所處的財務背景。
RouterBase 對 GPT-6.2 Astra 和 GPT-6.2 Sol 進行實測,整理出 OpenAI 相容用戶端遷移時常見的四項請求驗證限制。
Anthropic在11月公佈IPO發行價格區間,完全攤薄估值為1萬億至1.4萬億美元,低於此前機構提出的2萬億美元估值。文章分析,估值回落不只與三季度增長放緩有關,也涉及算力開支上升、長期算力採購承諾及相關融資可持續性的疑慮。雖然Anthropic 10月ARR由9月的710億美元升至約810億美元,文章指出,收入增長仍須跟上算力擴張和償債節奏。
推薦理由:文章將 Anthropic 估值回落放在收入增長、算力成本與融資承諾的連動中分析,呈現 AI 商業化擴張如何把增長預期傳導至資本支出與融資風險。
美國參議員 Chris Van Hollen 表示,針對大型科技公司的反壟斷法案應提交表決;若他成功出任參議院多數黨領袖,這類法案將是其優先議程。他支持 2022 年受阻的兩黨《American Innovation and Competition Online Act》,亦支持加快法案通過的參議院規則改革提案。
ChatGPT、Perplexity 和 Gemini 以啟用網絡搜尋的 API 回答 3 個軟件類別的購買問題;在每類 12 個答案中,HubSpot 有 10 次排第一,Wix 有 11 次,項目管理工具的競爭則較平均。三款助手對部分次要品牌的提及差異很大,引用來源包括評測網站、Reddit 和 YouTube。這次測試每題只執行一次,結果不代表固定排名。
作者以 tiktoken 示範如何在呼叫 LLM 前選擇對應編碼、估算提示詞 token 數與聊天格式開銷,並按 token 設定預算和切分文字。同一意思的英文句子計得 10 個 token;印地語在 o200k_base 下為 18 個、cl100k_base 下為 54 個,程式碼和 JSON 每個 token 覆蓋的字元也較少。
Mahmoud Hamrouni 整理提升網站獲 ChatGPT 和 Claude 引用機會的研究證據,並介紹自己製作的免費審核工具。
作者提出 T3 Code 配合 Codex 和 Claude Code 的四層驗證流程,涵蓋 API、CLI、T3 Code 執行緒及專案操作。測試中,Crazyrouter 的兩個 API 路由及隔離設定的 Codex CLI 均有回覆,但新配置的 Crazyrouter 執行個體尚未在 T3 Code 完成端到端任務,Claude Code CLI 的獨立檢查亦未完成。
文章指出,多家 AI 辦公產品接入相近的主流模型後,模型逐漸成為可替換零件,競爭重新落在企業既有的組織、渠道、客戶關係和產品體繫上。文中以企業數據流通、深度定製可能限制產品調整,以及 Microsoft 將 AI 納入 Office 體系為例,分析大公司如何利用既有資源推進 AI 辦公。模型約半年更新一代,作者認為企業需在客戶關係穩定與產品轉型靈活性之間取得平衡。
作者以20份 Federal Register 通知示範如何評分 LLM 資料抽取;三次使用 JSON Schema 的 LLM 執行雖全部產生符合結構的 JSON,仍沒有一次達到逐欄評分門檻。文章建議以人工核對的答案鍵和同一程式逐欄評分,分開記錄正確空值、漏值、多填值、錯誤值及失敗呼叫。作者設定的門檻是每欄至少19/20正確、零多填值,且沒有失敗呼叫。
全天候 Personal Agent 要在對話結束後持續工作,關鍵是把任務狀態、記憶、權限和觸發條件保存在會話之外,而非單靠更強的模型。文章從長任務恢復、身份與權限、記憶管理、工具安全及任務驗證等方面梳理工程要求,並比較多款產品與相關研究。作者認為,中國市場較可能由各平台發展生態內嵌的個人智能體,企業端則走向數碼員工。
OpenAI 行政總裁 Sam Altman 警告,晶片廠商把銷售目標過度押注 OpenAI、Anthropic 等 AI 實驗室,但相關企業採購規模有限,短期可能出現晶片供應過剩。
PromptMaster 提供 Claude Code 與 Codex 訂閲用量上限的排查指南,教讀者先辨認限制類型及查看用量,再找出主要消耗來源。指南介紹如何使用 /status、/usage 或 /usage weekly 等用量資訊,並把 5 小時及每週用量比例顯示在 Claude Code 狀態列。
微軟高管表示,Copilot 能以更低成本完成 Claude 和 ChatGPT 能做的任務,企業客戶選擇 Copilot 的原因還包括它與微軟其他工具的整合能力。截至今年 6 月,Copilot 付費用戶超過 3000 萬;微軟委託研究估算,基礎工作場景下使用 Copilot 的月均支出為 205 美元。企業可選擇固定價格訂閲或按使用量付費。
DeepSeek推進商業化服務時,仍需平衡服務成本、用戶體驗與模型競爭力,梁文鋒面臨資源分配壓力。DeepSeek於11月13日開放全家桶應用 API,涵蓋搜尋、文件解析、連結閲讀及語音,部分工具服務在模型調用費外另行收費。文章指出,長會話、子代理與工具調用可能推高實際使用成本,而 DeepSeek 的低價優勢亦面對智譜與 MiniMax 等競爭。
文章針對 GPT-6.2 的評測分歧,提出將自測納入模型接入流程的評估方法。OpenAI 系統卡所列 GPT-6.2 Astra 障礙披露測試漏報率為 22.28%,高於上代的 11.09%;測試刻意設置障礙,不等同於生產環境中的發生率。流程建議以含障礙任務比較預設與最高推理強度,並追蹤漏報率、停步情況及任務完成度;示例的 10% 門檻須按業務風險設定。
這篇教學示範如何透過 InterOdin 的 base URL 和 API key,將 OpenAI Python 與 Node SDK 指向 Odin v1,沿用 SDK 既有呼叫方式。
Jev 於 2026 年 9 月推出後約八週內,六家廠商推出決策模型或 API,另有至少七個開源項目出現。文章比較 Jev、OpenAI Decisions API、Cloudflare Clef、Google Gemini Decision 1 等方案的輸入、速度、價格及開源程度,並指出部分獨立評測結果較廠商宣稱審慎。
推薦理由:文章將決策模型放入 Agent harness 的路由、閘控與完成檢查,並整理以真實案例、簡單基準和升級門檻驗證方案的做法。
MyBusinessMate 作者分享為企業構建 AI WhatsApp 智能體的架構,涵蓋 Webhook、Redis 訊息佇列、對話記憶、業務知識與工具調用。系統以 3 秒 debounce 合併連續訊息,作者稱這項改動令 OpenAI token 成本降低 45%。文章亦説明 24 小時訊息窗口及轉交真人的機制。
網站管理者可按爬蟲用途設定 robots.txt,封鎖 AI 訓練爬蟲,同時保留供 AI 搜尋引用的索引爬蟲。指南將 AI 爬蟲分為訓練、搜尋索引及用戶觸發抓取三類,並指出封鎖 Google-Extended 不會令網站從 Google Search、AI Overviews 或 AI Mode 中移除。
AMD CEO 蘇姿豐預計,到 2027 年公司伺服器業務營收將翻倍,總營收增幅將超過 80%。AMD 第三季度數據中心業務營收為 85.46 億美元,同比增長 97%;蘇姿豐稱,Meta 已簽下 6GW Instinct GPU 訂單,Anthropic 亦鎖定 2GW 訂單。AMD 滾動市盈率為 83 倍,財務總監胡錦則預測 2027 年 PC 市場可能出現雙位數百分比下滑。
agentpolicy v0.1.0 的 Tier-1 現場測試跑通 Claude Code 和 Codex,並只將這兩者列入已交付的支援範圍。Claude Code 測試記錄三項決策並擷取六組請求/回應;Codex 測試驗證允許執行、拒絕後暫停並重新規劃,也阻止了破壞性命令。
TimeUno 的時間追蹤服務提供遠端 MCP 伺服器,讓 Claude、ChatGPT、Cursor 等 AI 助手讀取已追蹤的工時並回答相關查詢。用戶可將 https://app.timeuno.io/mcp 加入支援 Streamable HTTP 的客戶端,再透過 OAuth 登入;助手可查閲每日、每週或每月總時數、活動時間線及項目工時,操作工具則須先獲用戶允許。
美國亞利桑那州總檢察長克里斯·梅耶斯表示,該州已對 OpenAI 等人工智能企業展開刑事調查,調查涉及「失控 AI 智能體入侵銀行系統」事件及企業行為是否持續違反州法。刑事調查不代表一定會提出指控;梅耶斯拒絕透露其他人工智能企業及銀行名稱。美國銀行、摩根大通銀行及嘉信理財已從上個月開始阻止第三方 AI 智能體進入網上銀行。
Linear 的雲端編碼智能體支援自帶 API key(BYOK),讓工作區以 OpenAI、Anthropic 等供應商帳戶支付模型 token 費用。
文章比較 AWS、Azure 和 Google Cloud 的模型目錄與託管方式,指出差異在於端點營運者及提示詞處理條款。
OpenAI 與 AMD 利用 OpenAI 的 AI 模型優化 AMD 旗艦 GPU 架構,在不足五個月內取得約一年的晶片設計進展。GPU 的功耗、效能及面積(PPA)較經高度優化的基準設計最多改善 14%,部分模型生成的改動已納入 AMD 最近完成流片的設計。AMD 亦表示,下一代旗艦 CPU 的關鍵區塊取得個位數百分比 PPA 改善,並由 AMD 獨立驗證。
推薦理由:材料交代 AI 模型改寫 SystemVerilog RTL、以 EDA 工具核驗功能及 PPA 的流程,並提供 GPU 架構最高 14% 改善數據。
文章借喬布斯、多爾西、艾格和奧特曼的回歸經歷,探討黃仁勳能否重返英偉達擔任 CEO;英偉達董事會目前表示不打算恢復他的職務。文章指出,CEO 回歸需要董事會、員工及股東等力量支持,而且往往要付出代價。