Adobe 在 MAX 擴大與 Microsoft 的合作
Adobe 在 Adobe MAX 宣佈擴大與 Microsoft 的合作,將 Photoshop、Premiere、After Effects 和 Substance 3D Painter beta 的最佳化版本帶到 Arm 架構 Windows 電腦,包括新款 RTX Spark 電腦。
Adobe 在 Adobe MAX 宣佈擴大與 Microsoft 的合作,將 Photoshop、Premiere、After Effects 和 Substance 3D Painter beta 的最佳化版本帶到 Arm 架構 Windows 電腦,包括新款 RTX Spark 電腦。
Adobe 在 Max 大會宣佈擴展 Creative Cloud 的智能體功能,Firefly AI Assistant 將可執行多步驟及重複任務。用戶可在規劃模式檢視並修改智能體提出的工作流程,再批准執行,亦可指定模型或交由 Adobe 軟件決定。
Adobe 在 MAX 活動上為 Photoshop、Premiere、Illustrator 和 InDesign 等產品加入 AI 功能,並擴展 Firefly 的創意 AI 智能體與工具。
AIMarket 的 ARD 實作在搜尋結果序列化時漏掉版本欄位,令結果與簽名主體的比對失敗;簽名和描述文件摘要本身仍能通過驗證。作者在 11 月 4 日、向六個 AIMarket hubs 推出更新時發現問題,並更新回歸測試,改為核對完整簽名主體及欄位是否存在。
Tim O’Reilly 主張,AI 經濟應透過機制設計讓人類專業創造新機會,推動人與 AI 協作,而非以 AI 取代人。O’Reilly Media 的案例顯示,模型接入其 MCP 伺服器中的專家知識後,對工程團隊人手問題的建議由增聘轉為先審查重複性維運工作,再作調整。他也主張探索開放協議、可攜式記憶等機制,讓用戶掌控技術並促進人與智能體之間的價值流通。
AI 智能體開發涵蓋需求定義、架構設計、提示詞工程、RAG 知識庫、系統整合及評測調優六個階段,目標是讓大語言模型具備自主規劃、工具調用、長期記憶與多智能體協同能力。文中列出的定製開發費用約為 3萬至50萬元+,視任務複雜程度及系統整合需求而定。後續支出包括模型 Token 消耗,以及向量數據庫和雲端伺服器託管費用。
Walmart Global Tech 的 Aditya Mulik 分享多智能體 LLM 夜間批次工作流,結合即時資料與既有需求預測,為門店產生庫存調整建議。
Black Kite 的 2026 AI 供應鏈報告評估 18,160 家 AI 公司,發現 34.2% 至少有一項外部觀察到的關鍵未修補漏洞,並將風險延伸至供應商的軟件依賴及產品獲授予的整合權限。
Skillmint 拆解 Microsoft AB-620 AI Agent Builder 考試的考核範疇,並提出三週備考計劃。三個範疇依次為規劃與設定(30–35%)、整合與擴展(40–45%),以及測試與管理(20–25%);考試滿分 1,000 分,需取得 700 分合格。
Mago 是隨 Mage-OS 4.0.0 推出的開源 Magento 管理後台助理,作者評測其安全設計,並介紹自行開發的 MCP 外掛。它會在資料送往 AI provider 前過濾姓名、電郵、電話及地址等個人資料,寫入操作須經確認,對話、工具呼叫和查詢亦會留下記錄。
Anclum 團隊在一台 Linux 主機上逐字執行目錄中 20 條 MCP 伺服器安裝命令,10 個程序成功啟動、6 條失敗,另有 4 條未能判定。6 條失敗中有 5 條源於 Anclum 的命令抽取流程,另 1 條因上游套件命名空間失效。團隊已修正文字清理流程,並新增檢查以攔截句子式命令和套件名稱尾隨標點;測試只涵蓋一台主機上的 20 個伺服器,並非普查。
CHC SOCIAL 是一個面向 Telegram、Discord、Facebook、Instagram、X、WhatsApp 和 SoundCloud 的 MCP server,透過十個 driver 和單一 registry 處理各平台操作,並明確回報不支援的功能。
Reframe 提出兩階段後訓練框架,透過以證據為依據的強化學習及觀察狀態門控的在線策略蒸餾,提升視覺智能體的工具使用能力。框架包含 GD-GRPO 和 OG-MOPD,在 14 個圖像及影片基準測試中均優於 Mix-RL 和 vanilla MOPD。兩個階段均不需要針對任務的 SFT 冷啟動。
DBDelve 以 Rust 和 GPUI 建構資料庫用戶端,其架構展示瞭如何將介面與資料操作分離,並為智能體存取預留空間。文章比較 REST API、語言綁定、MCP server 和嵌入式 REPL 四種程式化介面模式,並指出智能體需要結構化輸出及可觀察性。DBDelve 尚未提供程式化 API。
萬網 DomainCLI 是阿里雲萬網推出的官方命令列擴展,將域名服務與萬小智建站操作提供予終端腳本及 AI Agent 調用,定位是執行接口,而非註冊平台、建站系統或控制台替代品。它包含 22 個命令組、107 條指令,並提供命令列與 MCP 兩種接入方式。支付、實名及備案審核等仍按官方流程處理,高風險操作須經人工確認。
NVIDIA 技術博客中的企業助手案例顯示,Agent 即使正確起草郵件,也可能未經確認便調用發送工具;文章據此區分輸出、行為與授權三層評測。文章建議用工具調用記錄檢查行為,並對負責改動的編碼 Agent 隱藏留出集,再將故障 trace 持續轉成測試用例。在 Dassault Systèmes 的工程 Agent 案例中,加入參數校驗後,畸形工具調用由 142 降至 0,準確率保持不變。
作者構建並開源 4 個面向真實環境壓力測試、離線使用及數學確定性的生產級系統。HardCall 的語音中斷 SLA 為 52ms;Zhishu Agent 透過沙盒測試循環修復程式;StatementFlow AI 以 TypeScript 確定性驗算財務資料;TERRA 支援離線運作及 60FPS 3DGS。4 個專案均以寬鬆授權開源。
阿里雲 ARMS Node.js 探針把 SSR 頁面渲染、AI 智能體執行、模型與工具呼叫及下游服務串聯到同一條 Trace,協助研發定位慢請求、錯誤參數與業務瓶頸。演示中,一次服務端請求耗時約 3.08 秒;加入約 1.3 秒訂單服務延遲後,可沿鏈路追查工具、訂單接口與 Redis 的耗時。探針支援 Next.js、Nuxt 等場景,並可關聯 Trace、日誌與指標。
企業級BI建設應先規劃業務場景、指標口徑與中台協同,再以分層架構和四階段路徑推進,避免系統建成後業務不用。文章以阿里雲瓴羊 Quick BI 為例,説明指標治理、AI 分析與執行閉環等能力,並提出成本與版本適配考量。
REST API 由開發者在開發時以程式把意圖映射至 API 呼叫;MCP 則讓模型在執行時按已描述的工具能力選擇並呼叫工具。以 CMS 從試算表建立 40 條活動為例,Agent 可按提示詞調用建檔、上載及圖片縮放工具,但會增加 token 成本和往返次數,且呼叫不具確定性。文章建議把 MCP 用於一次性、探索性或不規則任務;高流量管線、嚴格契約或錯誤代價高的操作,則應採用 REST 客戶端。
DomainCLI 提供阿里雲網域名稱服務介面,讓 AI Agent 透過 CLI 或 MCP 查詢網域名稱狀態與價格,並整理配置草案。用戶可逐步核對候選名稱、費用及 DNS 設定,再決定是否購買或修改配置;查詢結果不代表已保留網域名稱。
DomainCLI 讓小團隊透過 Agent 只讀盤點域名,整理到期時間、DNS 配置及查詢時間,並把用途、負責人等需人工確認的欄位留空。清單可按到期時間排序,並標明未核實資料和查詢覆蓋範圍;續費或修改 DNS 前,仍須由人重新核對並確認。
作者把 Grok Bot 連接到 Mobilerun Cloud 的真實雲端手機,並讓它在 Amazon app 完成購物任務。文章説明透過 Mobilerun MCP 伺服器連接的步驟,示範以 OAuth 登入或 API key 設定。作者提醒雲端手機不會豁免應用程式的服務條款,購買前應由用戶確認。
阿里雲 DomainCLI 把域名管理與萬小智建站操作整合至同一命令列工具,提供 107 條指令、22 個命令組,並可透過 MCP 接入 AI 客戶端。DNS 等寫入操作預設先顯示預覽,須加 --confirm=true 才提交;自動續費另需 --ack-future-charge,購買、續費、贖回和轉入則由用戶在官方訂單頁確認。
阿里雲瓴羊Quick Service透過直連後端API,在對話中執行修改地址、催促發貨及退換貨等售後操作,核心差異是由「能答」走向「能辦」。系統支援十多款模型,並提供公有雲SaaS、混合雲及私有化部署。它適合售後執行複雜、需要多系統協同的企業,並非追求極簡啟動的個人或微型團隊之選。
阿里雲百煉示範如何透過 OpenAI 兼容接口,使用 qwen-plus 和 Function Calling 構建具備工具調用能力的 AI 智能體。以時間查詢助手為例,程式碼示範意圖識別、工具執行及結果回傳,並提醒開發者留意 API Key 管理、錯誤處理、費用控制與安全邊界。
文章以美股自選報價看板為例,説明如何按頁面功能、數據口徑和驗收條件挑選股票行情 API,並使用 TickDB 的 AAPL.US 樣本檢查報價、盤口與最近成交的數據結構。文中提供數據需求表、取得樣本的方法及 Python 3.10+ 檢查程序;檢查只涵蓋已保存樣本,不驗證持續更新、帳戶權限或客戶展示條件。
阿里雲發布全棧 AgenticOps 能力,透過雲監控 2.0、AgentLoop、STAROps 及雲效研發智能體,串聯可觀測、智能運維與研發交付。OpenTelemetry、UModel 與 BRiSE 則分別支援數據採集、語義統一及 AgenticOps 評測的開源共建。
Ankit Verma 的 dockndevai MCP 套件在 npm 累計下載 30,185 次,涵蓋 21 個開源伺服器,每月約有 8,000 次下載。這些伺服器讓 AI 智能體操作 Kubernetes、Kafka、PostgreSQL 等系統,並採用預設唯讀、按存取模式隱藏未啟用工具,以及對破壞性操作設多重確認的治理方式。
萬網推出命令行工具 DomainCLI,讓用戶可在終端管理域名、處理備案及建站。工具提供域名查詢、分組、DNS 解析預覽與提交等功能,支付則跳轉至官方確認頁;建站生成程式碼後仍須等待發布。它亦可接入常用 AI 客戶端,適合管理多個域名的用戶。
小米科技聯合北京大學發布《物聯網設備模型(Thing Model)技術白皮書》,公開在11.6億台設備上驗證的技術和經驗。白皮書提出四層物模型架構、Dynamic Service 動態服務機制及面向 AI 智能體的「能力契約」,並支援 MCP、Function Calling 等接口對接。小米表示將配合國家相關標準建設,推動 IoT 行業的 AI 智能化演進。
Quick BI以「連得上、對得齊、問得到、落得下」四步,説明企業如何打通多源數據、統一指標口徑,並將分析洞察接入業務流程。2026年8月,Quick BI完成AI-native架構升級並發布AIPro版本,智能小Q可透過對話分析、歸因和多輪追問,最快10秒內完成取數。AIPro亦支援智能巡檢及MCP連接器,讓分析結論融入OA工作流。
阿里雲瓴羊 Quick BI 以入門、進階、精通三階段,梳理數據分析工具如何配合用戶成長,並與 Power BI、Tableau、Qlik 等產品作場景化比較。Quick BI 於 2026 年 8 月完成 AI-native 架構升級並推出 AIPro 版本,涵蓋分析、理解、行動、可信度及成長性。文章建議按業務瓶頸選工具,而非追求功能堆疊。
小米科技聯合北京大學編寫的《物聯網設備模型(Thing Model)技術白皮書》正式發布,分享小米超 11.6 億台 AIoT 設備的規模化實踐。白皮書提出四層物模型架構與 Dynamic Service 動態服務機制,並制定面向 AI 智能體的「AI 友好物模型」標準。小米宣佈向全行業開放相關技術和經驗。
文章主張,AI 測試中的 MCP 提供外部工具能力,測試工程師則應透過 Skill 明確團隊測試流程、品質判斷和停止條件。登入接口示例涵蓋需求確認、場景矩陣、HTTP 狀態碼、業務碼及數據狀態三層斷言和結果上報;Skill 應把業務規則與 MCP 實作分開,並寫清觸發及終止條件。
文章指出,AI 助手解讀 CPI 報告時的三個陷阱是混淆總體與核心數據、忽略同比比較缺失月份,以及混用季節調整口徑或月份標籤。2026 年 9 月總體 CPI 按月升 0.6%、按年升 3.7%,核心 CPI 分別升 0.3% 和 2.6%;2025 年 10 月因政府停擺而沒有發布數據,令 2026 年 10 月同比缺少去年同月數值。
Mark McNeece 分享打造 Mailbox MCP 的原因,並以郵件客戶端看不出異常作為 AI 操作電郵的核心設計原則。讀取不會標記已讀,刪除會移至 Trash,草稿存於 Drafts,回覆會正確串接,寄出的郵件則確保只在 Sent 留下一份副本。
阿里雲 Domain CLI 將域名管理操作整合為 107 條標準化指令,供 AI Agent 以自然語言調用並編排流程。指令涵蓋查詢、註冊、續費、DNS、備案等,並可透過 CLI 或 MCP 接入 Agent。Agent 負責查詢、整理和推進流程,付款、備案所需的主體資料及高風險操作仍由用戶確認。
作者分享使用 Magpie 管理多模型工作流的配置方法,涵蓋供應商接入、Agent 分配、模型路由與備援設定。文章亦介紹匯入 CC Switch 渠道、分發 MCP 和 Skills,以及設定意圖路由、CLI 操作和敏感資料遮蔽。
Causly Server 1.6 將開源 MCP 伺服器擴充至 245 項工具,讓兼容 MCP 的 AI 智能體可處理產品開發以外的工作。新增研究、潛在客戶、SEO 與內容、SQLite CRM、會議、日曆、Telegram 和 Linear 等工具;預設載入的工具約佔 3.6k tokens,載入全部工具包約需 36k tokens。