跳到正文
11月18日週三
  1. DEV Community64

    MCP(Model Context Protocol):2026 年連接所有 LLM 應用與工具的標準

    MCP(Model Context Protocol)統一 LLM 應用連接外部數據與工具的整合層,並透過主機、客戶端和伺服器分工完成連接。文章説明 Tools、Resources、Prompts 三類伺服器能力,以及 stdio 和 Streamable HTTP 兩種傳輸方式。文章比較採用 MCP 與直接整合的情境,並提供 Python SDK 的 FastMCP 伺服器範例。

  2. DEV Community64

    OpenBot:如何在電腦上運行一組 AI 智能體

    OpenBot 以本機優先工作區,將一次性聊天轉為可持續運作的 AI 智能體團隊,透過共享頻道和 FIFO 任務佇列協調工作。它保留本機檔案、對話歷史及任務狀態,並支援切換不同模型供應方;多步工作流可在發布或不可逆操作前停下,等待人工審批。

  3. TechCrunch · AI79

    Google 擴大 Gemini Tasks 開放範圍,支援代打電話及購物

    Google 擴大 Gemini Tasks 的開放範圍,向使用 Gemini 4 Hydrogen 模型的數億用戶免費提供這項功能。Tasks 可代用戶致電商戶預約、透過 Google Pay 購物,亦可在用戶要求下安全登入網站。用戶可在 Gemini 應用程式內由 Chat 切換至 Tasks,亦可傳訊息或致電 Gemini 下達指令。

    推薦理由:材料交代 Gemini Tasks 從部分測試者及美國 Google AI Ultra 訂戶,擴大至使用 Gemini 4 Hydrogen 的數億免費用戶,呈現其開放範圍的變化。

  4. DEV Community78

    Gemini 4 Hydrogen 在綜合指數得分高於 Argon

    Gemini 4 Hydrogen 在 Artificial Analysis Intelligence Index 的預設 high 思考層級得分為 51,高於 Argon 的 50,xhigh 得分為 54。

    推薦理由:文章把 Gemini 4 Hydrogen 的分項基準、思考層級與任務成本並置,呈現綜合指數背後的工作類型取捨及路由判斷依據。

  5. AWS Machine Learning Blog63

    如何以 Amazon Bedrock AgentCore 和 SMART 建構 WhatsApp AI 智能體

    SMART(Social Messaging Agent Runtime Toolkit)是一套開源 Python SDK 及 Terraform 堆疊,可配合 Amazon Bedrock AgentCore 建構 WhatsApp AI 智能體並處理通道整合。

    推薦理由:文章梳理 WhatsApp 智能體的通道工程負擔,並呈現 SMART 如何整合訊息驗證、媒體處理、記憶及排程,讓讀者瞭解端到端接入流程。

  6. Artificial Analysis 完整文章84

    OpenAI 發佈 GPT-6.2 Astra 與 GPT-6.2 Sol,Astra 位列 Artificial Analysis Intelligence Index 第二

    OpenAI 發佈 GPT-6.2 Astra 與 GPT-6.2 Sol,Astra 在 Artificial Analysis Intelligence Index 升至第二位,僅次於 Anthropic 的 Claude Fable 5.2。

    推薦理由:文章並列智能指數、成本前沿與編碼代理指數結果,呈現 GPT-6.2 Astra 與 GPT-6.2 Sol 在整體排名、成本和編碼表現上的差異。

  7. Thurrott76

    Google Gemini 可代用戶致電商家並完成購買

    Google Gemini 現可在美國代用戶致電商家、按 Google Calendar 資料預約時段,並透過 Google Pay 搜尋符合預算的商品及完成購買。

    推薦理由:Gemini 更新涵蓋商家致電、預約與 Google Pay 購物,並説明敏感操作的確認安排及地區可用範圍,呈現代理功能的使用方式與邊界。

  8. GitHub Blog67

    GitHub 與 Microsoft 試行 Codename MDASH,為開源漏洞報告附上修補建議

    GitHub 與 Microsoft 聯同六個開源項目試行 Codename MDASH,以 AI 掃描漏洞,並向維護者提交經核實的私人報告和修補建議。截至 11 月 15 日,維護者收到 99 份報告,已修復其中 55 項,當中 14 項修復已隨版本發佈。七名 Microsoft FORGE Lab 研究員每個項目約花兩天人工覆核,修復內容及時程則由維護者決定。

  9. HuggingFace Daily Papers(社區熱門論文)47

    不要重新採樣:長時程 RL 專家的離線策略整合

    MRPD 透過重播專家的訓練紀錄,將多個長時程 RL 專家整合為一個模型,毋須重新採樣、呼叫環境或獎勵模型。在推理、搜尋和 SQL 三個智能體領域,MRPD 的學生模型表現最佳,勝過同一批專家訓練的 MOPD,整合成本約為訓練專家所需計算量的七分之一。研究亦指出,訓練紀錄的先後次序比數量或獎勵更重要。

  10. HuggingFace Daily Papers(社區熱門論文)43

    編碼智能體原位訓練光學神經網絡

    研究提出 optics as code,讓編碼智能體僅憑測量數據原位訓練光學神經網絡,並以可解讀的光學元件重新參數化網絡。該方法在分類和圖像編碼上優於無梯度方法,並以較低成本達到接近透過校準模型進行反向傳播的效果。

  11. LangChain:Blog61

    LangSmith 新增三項敏感 trace 資料存取控制

    LangSmith 新增三項敏感 trace 資料存取控制,包括輸入與輸出可見權限、按用戶羣組管理權限,以及根據 metadata 設定 trace 級存取政策。組織可分層使用這些控制,保留完整 traces,同時按團隊職責和 trace metadata 限制敏感內容的存取。這些控制現已提供予 LangSmith Enterprise 計劃用戶。

  12. DEV Community51

    Headron 對照測試 AI 智能體,報告任務表現與驗證結果

    Headron 公佈其基準結果,Claude 三種配置在 138 項任務中使用 Headron 答對 137 項,未使用時答對 78 項。另一次路由測試記錄的提示詞 token 比整棵程式碼樹路由少 89%;驗證紀錄共 17,397 項,涵蓋 PASS、REUSED、FAIL 與 NOT RUN。文中指出各數據來自不同測試套件,並非合併的整體準確率,也不是獨立業界基準。

  13. DEV Community61

    Agent 記憶:最難解決的未解問題

    Agent 記憶的難點不在於缺少技術,而在於現有方案難以妥善處理資訊矛盾、撤回、重要性差異和過時問題。作者建議分層處理記憶,包括當前任務的暫存筆記、保存持久偏好的純文字檔、可按需調用的對話紀錄,以及遞迴摘要;向量資料庫則適合語義檢索,不宜包辦所有記憶。文章並提出以矛盾、撤回、衰減和重要性四種情境檢驗記憶架構,主張把記憶管理視為需要架構與審核的工程工作。