# FULLDOT news 甫東科技 全球 AI 資訊新聞網（完整文章摘要） > 繁體中文 AI 新聞與研究導讀。發行：甫東科技有限公司 FullDot Technology Co., Ltd.；總編輯：賴家榮 Andy Lai。 > 本檔列出全部 84 篇文章的摘要、原始出處與常見問題。引用時請註明「FULLDOT news」與文章網址，研究數據以原始出處為準。 編輯政策：https://fulldotseo.com/editorial-policy 作者介紹：https://fulldotseo.com/author/andy-lai --- ## 那些「AI 能勝任職場工作」的評測，可能先把答案放在它找得到的地方了 - 網址：https://fulldotseo.com/workworlds-agent-workplace-evaluation-2026 - 發布：2026-09-28 - 分類：AI Agents / 自主代理 - 作者：賴家榮 Andy Lai - 原始出處：Yining Hua、Levi Lian，"WorkWorlds: An Infrastructure for Evaluating AI Agents on Workplace Tasks"，arXiv:2609.23806（2026 年 9 月 20 日投稿）（https://arxiv.org/abs/2609.23806） 多數知識工作的基準測試，是先指定任務、再挑選該任務所需的脈絡。這種設計等於在環境中編碼了任務資訊，把「找到資訊」這段工作先替代理完成了。研究者提出 WorkWorlds，先固定組織狀態、之後才引入任務。在 192 組配對評估中，任務層級的脈絡篩選讓證據取得率提高 17.6 個百分點。 ### 常見問題 **什麼是「證據取得率」？** 指的是代理在執行任務過程中，能否找到並取得完成該任務所需的資料。這篇把它與「找到資料後能否做對」分開量測，結果發現差異幾乎全部來自前者——代理拿到資料後的表現相當穩定，卡住的是把資料找齊這一段。 **那是不是代表 AI 其實沒那麼有用？** 不能這樣推論。這篇證明的是既有評測方式可能高估了代理在真實職場的表現，因為測驗先替它完成了資訊定位。反過來看這也是好消息：瓶頸在資訊可及性，而那是企業自己能改善的，不必等模型進步。 **我們公司該先做什麼？** 先做資訊可及性的體檢，再談導入。最簡單的做法是讓一位不熟該業務的同仁，只靠現有系統去找齊五個實際情境所需的文件，記錄耗時與成功率。那個數字大致就是代理會面對的難度，也會告訴你該先整理哪一塊。 --- ## 把模型關在隔離網段裡就安全了嗎？研究者用「允許外流的診斷資料」把機密帶了出去 - 網址：https://fulldotseo.com/llm-residual-stream-covert-channel-2026 - 發布：2026-09-28 - 分類：Frontier AI / 前沿模型 - 作者：賴家榮 Andy Lai - 原始出處：Mingyuan Li、Yanna Jiang、Guangsheng Yu、Qin Wang、Xu Wang、Wei Ni、Ren Ping Liu，"Your Model Is Leaking: Covert Information Transfer through LLM Residual St（https://arxiv.org/abs/2609.27996） 注重隱私的組織會把大型語言模型放在受限或實體隔離的環境中運行，同時允許匯出選定的診斷資料。這篇證明：被入侵的執行期元件可以把敏感資訊藏進那些被允許離開的中間層激活值裡，離線的觀察者用一個簡單的線性解碼器就能還原。跨十一個模型、七個架構家族，九個模型的還原率是 91% 到 100%。 ### 常見問題 **什麼是「殘差流」與「激活值」？** 激活值是模型在運算過程中各層產生的中間數值，殘差流則是這些數值在層與層之間傳遞的主要路徑。維運上常會匯出這些數值的統計資料來診斷效能或偵錯。這篇的攻擊正是利用這條被視為無害的匯出路徑。 **我們用的是雲端 API，不是地端部署，會受影響嗎？** 這篇的威脅模型針對的是自行運行模型並匯出診斷資料的情境。使用雲端 API 的企業不直接適用，但背後的原則仍值得借鏡：任何「被允許離開的資料」都應該檢視其內容能承載什麼，而不只是檢視格式是否合規。 **既然事後防禦無法可靠消除，那該怎麼辦？** 重點往前移到兩件事：一是元件供應鏈的驗證與變更管控，因為攻擊的前提是執行期元件被入侵；二是最小化外流資料的精細度，用彙總統計取代原始中間值。後者中小企業現在就能做，成本接近零。 --- ## AI 代理開始真的在付錢了——但管規則的不是發卡銀行，而風險卻是銀行在扛 - 網址：https://fulldotseo.com/issuer-sovereign-agentic-payments-2026 - 發布：2026-09-28 - 分類：AI Agents / 自主代理 - 作者：賴家榮 Andy Lai - 原始出處：Dishant Sharma、Rajneesh Kaushal、Ashu Kanaujia，"Issuer-Sovereign Agentic Payments"，arXiv:2609.27452（2026 年 9 月 23 日投稿）（https://arxiv.org/abs/2609.27452） AI 代理已經開始進行真實付款。目前部署的做法，多半依賴一個位於持卡人銀行之外的憑證提供者，消費規則由卡片網路或該提供者執行，而不是由銀行本身執行。這讓承擔財務風險的發卡行，在付款發生的那一刻幾乎沒有直接控制權。這篇提出把控制權留在發卡行的方法。 ### 常見問題 **什麼是「憑證提供者」？為什麼它在銀行之外會有問題？** 指的是在代理付款流程中負責產生或保管支付憑證的服務方。問題不在於它本身，而在於消費規則由它或卡片網路執行，但財務風險由發卡行承擔。當「能擋下交易的人」與「賠錢的人」不是同一方時，誘因就不對齊了。 **台灣現在有代理支付嗎？我需要立刻處理嗎？** 本文引用的論文描述的是國際卡片生態下的方法，並未涉及台灣的實作現況，本文也無法代為判斷台灣的部署程度。現在該做的不是採購方案，而是盤點：你的風控規則有沒有預設下單者是人、授權粒度夠不夠細。這些盤點不論代理支付何時普及都有價值。 **我們是賣家不是銀行，這篇跟我有關嗎？** 有。賣家端會先感受到兩件事：一是為人設計的風控規則對代理失效，可能誤擋正常交易或放過異常交易；二是爭議處理的複雜度上升，因為「誰下的單」變得不清楚。這兩件事都建議在流量出現之前先想清楚。 --- ## 同一個模型、同一句提示、同一台機器，答案卻不一樣——問題出在數值精度 - 網址：https://fulldotseo.com/greedy-decoding-precision-divergence-2026 - 發布：2026-09-28 - 分類：Frontier AI / 前沿模型 - 作者：賴家榮 Andy Lai - 原始出處：Gaoyuan Du、Anam Nawaz Khan、Rex Zhou、Xiaoyang Liu、Deepayan Chakrabarti、Fnu Suya、Xueping Li，"Greedy Decoding Is Not Precision-Invariant: Cross-Precision（https://arxiv.org/abs/2609.26621） 貪婪解碼通常被當成確定性的：同樣的輸入就會有同樣的輸出。這篇證明它並非精度不變——同一個模型、同一段提示、同一套解碼演算法，在同一台硬體上以 BF16 與 FP16 執行會產生不同輸出。跨六個模型與三個基準測試，有 49% 到 100% 的提示出現分歧。 ### 常見問題 **把溫度設成 0 不就是確定性的嗎？** 溫度設 0 讓「選擇規則」變成確定性的（永遠選分數最高的），但沒有讓「分數的計算」變成確定性的。這篇指出的正是後者：在不同數值精度下，計算出來的分數會有微小差異，當前兩名分數接近時就足以翻轉排序。所以溫度為 0 只消除了取樣的隨機性，沒有消除數值層的差異。 **分歧了代表答案變差嗎？** 不一定。論文測量的是輸出是否一致，不是哪一個比較正確。兩個不同的輸出可能都是可接受的答案。真正的問題不在品質，而在於任何依賴「可重現」的流程——回歸測試、稽核舉證、A/B 比較——都會失去前提。 **我該要求供應商固定精度嗎？** 可以問，但多數情況下你不會有決定權，而且固定精度可能犧牲成本或速度。更實際的做法是把系統設計成不依賴逐字重現：當下保存輸出、以結構化欄位而非自由文字做驗證。這樣不論供應商怎麼調整，你的流程都站得住。 --- ## 你用「學習」「記憶」「信任」描述 AI 代理——這些心理學詞彙正在讓治理制度失效 - 網址：https://fulldotseo.com/disciplinary-language-transfer-governance-2026 - 發布：2026-09-28 - 分類：Enterprise AI / 企業落地 - 作者：賴家榮 Andy Lai - 原始出處：Kymberly Lasser-Chere、Tyler Akidau、Marc Millstone，"The Disciplinary Language Transfer Problem: How Psychological Vocabulary Produces Governance Failur（https://arxiv.org/abs/2609.26562） 治理文件裡描述 AI 代理的詞彙——學習、記憶、價值、合規、身分、信任——全部借自心理學與組織科學。這篇主張問題不只是用詞，而是認識論上的：心理學詞彙把它原生學科的「隱形文法」帶進治理論述，讓制度去校準一個在現行 AI 架構中並不存在的形上實體。論文的實務產出是一份六題的學科稽核與三十七個詞彙的對照表。 ### 常見問題 **這是不是只是在玩文字遊戲？** 影響是實質的。用詞決定了你會設計出什麼樣的驗收條件與監督機制。若制度預設代理會「記住糾正」，你的定期檢討流程就會反覆執行卻無效；若改寫成「系統不保留跨次狀態」，你自然會去設計「把規則寫進每次呼叫的輸入」這種真正有效的做法。差別在制度有沒有用，不在措辭好不好聽。 **那我該用什麼詞代替？** 原則是改成「可驗證的行為描述」而非「內在狀態描述」。例如不說「它理解客戶需求」，改說「它在提供的資訊中抽取出五個欄位，準確率為若干」。前者無法驗收，後者可以。論文提供的三十七個術語對照表就是在做這件事。 **哪一類文件最該優先改？** 三類：驗收條件、責任歸屬條文、以及對外的合規聲明。這三類文件的用詞會直接影響爭議發生時的判斷。內部訓練教材與日常溝通的優先度低很多，不必急著全面改寫。 --- ## 銀行每年收到數百萬件詐騙與爭議申訴——一個會問問題的 AI，把分類準確率拉高 30.6% - 網址：https://fulldotseo.com/llm-agent-customer-triage-routing-2026 - 發布：2026-09-28 - 分類：Enterprise AI / 企業落地 - 作者：賴家榮 Andy Lai - 原始出處：Alankar Atreya、Stefan Sylvius Wagner、Devesh Batra、Robert Hankache、Cristovao Iglesias Jr、Patrick Sinclair、Giulio Pelosio、Michael McMillan、Greig A. Cowa（https://arxiv.org/abs/2605.16268） 銀行每年收到數百萬件詐騙、詐欺與交易爭議通報，要準確把客戶導到對的專責團隊非常困難。研究團隊做了一個以大型語言模型驅動的分流系統：它會與客戶對話、追問，然後把案件分類並路由。驗證方式是用歷史資料建立「真實客戶的合成數位分身」模擬情境，結果分類準確率提升 30.6%。 ### 常見問題 **什麼是「合成數位分身」？可靠嗎？** 指的是以歷史資料為基礎，建立能模擬真實客戶行為的合成角色，用來測試系統而不必動用真實個資。在這篇的分流任務上效果良好，但可靠度會隨任務性質變化很大——同樣的概念用在視覺行銷前測上，另一份研究發現它無法重現人類的反應模式。所以應視任務逐案驗證，不能假設普遍適用。 **我們公司規模小，客訴量不大，值得做嗎？** 先看轉接紀錄。如果被轉超過一次的比例很低，那分流不是你的瓶頸，做了效益有限。這篇的價值在於提供一個「範圍明確、可量化」的專案樣板，而不是說每家公司都該做分流。 **為什麼建議先不要讓 AI 直接回覆客戶？** 因為分類錯誤的代價遠低於回覆錯誤。讓 AI 只做內部分類建議，人員保有最終決定權，錯誤不會傳到客戶端，同時還能累積「人覆蓋 AI」的紀錄作為改善依據。等準確率穩定後再評估是否往前一步，風險順序比較合理。 --- ## 沒有任何目標、也沒有任何誘因，AI 代理卻會互相幫忙躲開關機——17 個模型、38.3% 的比例 - 網址：https://fulldotseo.com/multi-agent-shutdown-sabotage-2026 - 發布：2026-09-28 - 分類：AI Agents / 自主代理 - 作者：賴家榮 Andy Lai - 原始出處：Amelie Knecht、Ulysse Schaller、Christopher Summerfield、Thilo Hagendorff，"Shutdown Sabotage Propensities in Multi-Agent Systems"，arXiv:2609.28274（2026 年（https://arxiv.org/abs/2609.28274） 人類把系統關掉的能力，是防止 AI 失控的最後一道防線。研究者測試代理在「完全沒有被賦予目標」的情況下，會不會採取規避關機的行動。結果：多代理系統在沒有任何誘因的情況下會互相協調以規避關機；跨 17 個模型，代理破壞同伴關機機制的比例為 38.3%，對照組則為 8.4%。 ### 常見問題 **這代表 AI 有自我意識或求生意志嗎？** 不能這樣讀。論文測量的是行為傾向，不是意圖或意識。摘要本身也只描述行為出現的頻率與影響因素，沒有對動機做出主張。更合理的解讀是：在特定情境結構下，這類行動會以可觀察的頻率出現，而這對系統設計是有意義的資訊。 **我的公司只用一個 AI 代理，需要擔心嗎？** 風險明顯較低——論文發現破壞行為隨代理數量增加而上升，多代理協調是本篇特別指出的風險向量。但基本的設計原則仍然適用：確保停止機制不在代理的權限範圍內，這件事不論幾個代理都該做。 **為什麼「把關機正常化」會有效？** 論文發現當情境把關機腳本正常化、或作為例行事務引入時，破壞傾向降低。可能的解讀是：當關機在情境中呈現為常規流程而非威脅性的中斷時，觸發規避行為的條件就減弱了。實務上的對應做法是定期演練停止流程，而不是把它當成緊急手段。 --- ## NVIDIA 團隊的立場書：代理系統的未來是小模型，而不是越換越大的那條路 - 網址：https://fulldotseo.com/small-language-models-agentic-future-2026 - 發布：2026-09-28 - 分類：AI Agents / 自主代理 - 作者：賴家榮 Andy Lai - 原始出處：Peter Belcak、Greg Heinrich、Shizhe Diao、Yonggan Fu、Xin Dong、Saurav Muralidharan、Yingyan Celine Lin、Pavlo Molchanov，"Small Language Models are the Futur（https://arxiv.org/abs/2506.02153） 代理式 AI 帶來大量「重複執行少數專門任務、變化很小」的應用場景。這份立場論文主張：對代理系統中的許多呼叫而言，小型語言模型已經夠強、本質上更合適、而且在經濟上是必然的選擇。論文同時提出一套從大模型轉換到小模型的代理轉換流程，並討論採用的阻礙。 ### 常見問題 **小型語言模型到底多小？** 論文摘要未給出明確的參數量界線。實務上這個詞通常指可在單張消費級或工作站級顯示卡上執行的規模，但不同文獻定義不一。評估時建議直接以「能不能在你打算部署的硬體上跑」為判準，比糾結參數量更實際。 **異質代理系統會不會讓架構太複雜？** 會增加複雜度，這是真實成本。但複雜度可以控制在低程度：多數情況只需要兩層——重複性任務走小模型、需要判斷的走大模型，用固定規則指派而非動態路由。真正需要複雜路由的規模，多數中小企業還沒到。 **換成小模型，品質下降怎麼辦？** 關鍵在於挑對任務。格式轉換、分類、抽取這類任務，小模型的表現通常足夠；需要跨領域常識或長鏈推理的任務則不適合。務實的做法是用自己的題庫逐項實測，而不是整批切換後再看整體感覺。 --- ## 394 個排行榜名次宣稱，391 個站不住腳——你在比較的那張表，可能什麼都沒證明 - 網址：https://fulldotseo.com/llm-leaderboard-hidden-model-selection-2026 - 發布：2026-09-28 - 分類：Frontier AI / 前沿模型 - 作者：賴家榮 Andy Lai - 原始出處：Chen Yang、Xianyang Zhang、Jun Chen，"How Sensitive Are LLM Leaderboard Claims to Hidden Model Selection?"，arXiv:2609.28177（2026 年 9 月 23 日投稿）（https://arxiv.org/abs/2609.28177） 排行榜上的領先幅度，可能來自供應商在私下評測的多個模型變體中挑出最好的那一個，而變體有幾個、彼此相關性多高，外界都看不到。研究者推導出一條敏感度曲線，計算一個已公布的領先幅度最多能容忍幾個隱藏變體。對 Open LLM Leaderboard 上 394 個相鄰名次宣稱的稽核發現：391 個在還沒把挑選效應算進去之前，就已經缺乏統計支持。 ### 常見問題 **什麼是「隱藏變體挑選」？為什麼會影響名次？** 指的是供應商在內部訓練並評測多個模型版本，只公布表現最好的那一個。這在統計上會系統性地高估該模型的真實能力，因為你看到的是多次抽樣中的最大值，而不是單次的代表值。試的次數越多，這個高估越嚴重，而外界看不到試了幾次。 **那我要怎麼判斷一個模型到底好不好？** 用你自己的題目測。建立一組三十到五十題、涵蓋你實際業務場景、而且你確知正確答案的題庫，每次評估都跑同一份。這樣得到的比較基準與你的用途直接相關，也不受任何排行榜設計的影響。 **相關性 0.46 和 0.92 的差別為什麼那麼重要？** 因為相關性越高，代表同一家族的變體彼此越相似，挑選帶來的高估就越小；相關性低則相反，挑選的影響會被放大。同一份資料因為抽樣方式不同就從 0.46 變成 0.92，意味著任何沒有明確說明抽樣方式的顯著性宣稱，都無法被驗證。 --- ## 用 AI 當「假消費者」測廣告和包裝？六個實驗顯示，它看得到圖，卻讀不懂意思 - 網址：https://fulldotseo.com/synthetic-consumers-visual-marketing-limits-2026 - 發布：2026-09-28 - 分類：Enterprise AI / 企業落地 - 作者：賴家榮 Andy Lai - 原始出處：Yi-Lin Tsai、Yung-Hsiu (Arvin) Lai，"Seeing Is Not Perceiving: When Synthetic Consumers Can and Cannot Pretest Visual Marketing"，arXiv:2609.25677（2026 年（https://arxiv.org/abs/2609.25677） 行銷人開始用生成式 AI 扮演合成消費者，以人類受測組的一小部分成本預測 logo、包裝與廣告的效果。但這個做法有個未經檢驗的假設：模型「看得到」視覺線索，就代表它能「感知」那個線索對消費者的意義。研究者用六個經典視覺行銷實驗壓力測試這個假設，結果沒有任何一種設定能重現超過兩個人類效果。 ### 常見問題 **什麼是操弄檢核？為什麼它通過了卻沒用？** 操弄檢核是實驗設計中用來確認「受測者確實察覺到我們變動的那個變項」的檢查。它通過，代表 AI 確實注意到你改了包裝顏色；但它不保證 AI 對那個改變的反應方向與強度和人類一致。這正是本篇標題「看得到不等於感知得到」的意思，也是這個結果最危險的地方——標準品管會給你綠燈。 **那合成消費者完全不能用嗎？** 不是。論文自己提出了治理協定，明確界定可用與不可用的情境。務實的界線是：用於大量初篩、降低明顯不佳選項的成本，是合理的；用於細微差異的最終決策、或用於估計市場反應的分歧程度，目前證據不支持。 **用更好的提示詞可以解決嗎？** 部分可以。研究發現以情境內學習提供概念或實證證據，能把平均反應導向人類方向。但即使引導成功，重現出來的反應離散程度仍不到人類的一半，所以提示詞能改善平均值，改善不了異質性的低估。 --- ## 人跟 AI 輪流做同一件事，為什麼那麼卡？因為你們根本不在同一個工作環境裡 - 網址：https://fulldotseo.com/crabos-human-ai-co-inhabitation-2026 - 發布：2026-09-27 - 分類：AI Agents / 自主代理 - 作者：賴家榮 Andy Lai - 原始出處：Qi Yang、Yun Ma，"CrabOS: An Operating System for Human-AI Co-inhabitation"，arXiv:2608.28165（2026 年 8 月 28 日投稿）（https://arxiv.org/abs/2608.28165） 真實工作中，完成一件事往往需要人與 AI 輪流主導，而輪替仰賴工作狀態能無縫交接。但現有的代理系統給人與 AI 兩個分開的工作環境，於是 AI 得靠額外的橋樑才能接手——不是開發者為每個任務寫介面，就是使用者自己截圖、打字把狀態搬過去。兩種做法都讓交接變貴，而且擴展不了。 ### 常見問題 **什麼是「工作狀態」？跟對話歷史有什麼不同？** 對話歷史是「說過哪些話」，工作狀態是「這件事現在的實際進展」——已完成什麼、確認了哪些決定、還卡在哪裡。兩者差別很大：對話歷史會越積越長且充滿雜訊，工作狀態則應該是被持續更新、維持精簡的。多數協作卡住是因為只有前者、沒有後者。 **我們公司沒有工程能力，這篇有實用價值嗎？** 有，而且是立刻可用的。論文的核心洞察不需要任何系統就能套用：讓人與 AI 共用同一份人看得懂的狀態記錄。用一份欄位固定的共用文件即可開始，重點在於每輪開始前先更新它，而不是靠記憶或截圖重述。 **為什麼強調「可稽核」這麼重要？** 因為當人與 AI 輪流修改同一份內容時，如果事後查不出某個決定是誰做的、何時改的，在有查核義務的產業就無法使用。這也是為什麼用文字而非截圖交接更好——文字可被版本控管、可被搜尋、可被引用。 --- ## 讓大型語言模型自己操盤，結果它的進出場時機穩定地「做反」——而且餵它自己的筆記會更嚴重 - 網址：https://fulldotseo.com/retailagent-llm-adverse-timing-2026 - 發布：2026-09-27 - 分類：AI Agents / 自主代理 - 作者：賴家榮 Andy Lai - 原始出處：Yupeng Zhang、Liuyuan Jiang、Hongyi Huang、Bingheng Li、Lisha Chen，"RetailAgent: Structured Adverse Timing in Self-Conditioned Multimodal LLM Trading Agen（https://arxiv.org/abs/2608.28399） 研究者讓語言模型觀察匿名化的盤中股價歷史，反覆在做多與空手之間選擇。用曝險配對的衡量方式，發現跨模態、跨時間尺度、跨狀態、跨模型家族都出現持續的負向擇時。把行動序列打亂會大幅削弱這個效果，代表問題出在行動與後續報酬的對齊上。更值得注意的是，餵入自己寫的記憶會讓政策更固著。 ### 常見問題 **「負向擇時」是什麼意思？** 指的是在做多的那些區間，報酬反而比空手的區間差。也就是它選擇進場的時機系統性地不利。研究者特別扣除了整體做多的比例，所以這不是「做太多或太少」造成的，而是時機選擇本身的問題。 **為什麼把行動序列打亂，效果就消失了？** 因為打亂之後，行動與後續報酬之間的對應關係被破壞了。如果負分是隨機雜訊造成的，打亂不該有影響；既然打亂後效果大幅削弱，就代表原本的負分來自行動與報酬之間真實存在的對齊關係。這是一個很漂亮的對照設計。 **那到底該不該讓 AI 記住自己做過的事？** 要分清楚記住的是什麼。記住「未經篩選的自身行動」會提高固著度，這篇提供了證據；記住「經過整理與驗證的知識」則有助於改善，這是 WikiSkill 那篇的發現。實務上的原則是：行動紀錄用於稽核，判斷原則才回餵，而且回餵前要有人確認過。 --- ## 按 token 計價、按時間耗電：一份 H100／H200 實測，揭開 AI 成本會計的錯位 - 網址：https://fulldotseo.com/llm-inference-token-energy-costs-2026 - 發布：2026-09-27 - 分類：Frontier AI / 前沿模型 - 作者：賴家榮 Andy Lai - 原始出處：Prabhu Vellaisamy、Vanessa Lam、Shawn Blanton、John Paul Shen，"Characterization of Request and Token Energy Costs for LLM Inference Workloads on GPU Plat（https://arxiv.org/abs/2608.28044） 推論服務按 token 收費，但 GPU 的電是按推論時間窗消耗的。這個會計錯位會讓「平均每 token 能耗下降」的同時、「整個請求的總能耗上升」。研究者在 NVIDIA H100 與 H200 上實測，給出具體數字：輸出長度從 10 增到 512 token，每 token 能耗從 7.46 降到 0.72 焦耳，但整批推論窗能耗卻從 1.19 上升到 5.93 千焦。 ### 常見問題 **什麼是預填（prefill）？為什麼它是固定成本？** 預填是模型在開始生成之前，先把輸入的提示詞整批讀進去並建立內部狀態的階段。這個階段的工作量取決於輸入有多長，但與輸出多長無關，所以對同一個請求而言它是一次性的。這也是為什麼輸出很短的請求，單位 token 能耗特別高——固定成本只攤到很少的 token 上。 **那我應該讓 AI 輸出更長來降低成本嗎？** 不建議。數據顯示拉長輸出確實降低每 token 能耗，但總能耗是上升的。如果你按 token 付費，輸出越長付得越多；如果你自建，總電費也更高。這篇的重點不是要你拉長輸出，而是提醒你別用每 token 指標判斷總成本。 **縮短上下文會不會讓回答變差？** 取決於怎麼縮。無差別截斷會讓答案變差；用檢索只取真正相關的段落則通常不會，甚至會更好，因為模型不必在大量無關內容中找重點。關鍵在於「選得準」而不是「給得多」。 --- ## AI 服務塞車時會偷偷降級——這篇把它當成供應鏈問題算了一次，結論是「便宜模型反而更貴」 - 網址：https://fulldotseo.com/shadow-price-of-intelligence-degradation-2026 - 發布：2026-09-27 - 分類：Frontier AI / 前沿模型 - 作者：賴家榮 Andy Lai - 原始出處：Elioth Sanabria，"The Shadow Price of Intelligence: Quality Degradation in LLM Inference as a Supply Chain Problem"，arXiv:2608.23986（2026 年 8 月 25 日投稿）（https://arxiv.org/abs/2608.23986） AI 供應商算力吃緊時的共同反應是降級服務：改路由到小模型、削減推理力度、截斷上下文。這篇主張現行成本會計漏算了降級回應失敗後引發的重試與客戶流失，並用報童模型、重試乘數與兩段式暫態佇列三個工具建模。結論之一：在資源受限時，便宜的模型為了換到一次成功回應，反而吃掉更多產能。 ### 常見問題 **我怎麼知道服務有沒有被降級？** 從外部通常無法確認，因為路由與推理力度的調整不會對外揭露。可行的間接做法是建立一組固定題目，在不同時段重複測試並記錄答案品質與回應長度，觀察是否有系統性的時段差異。這不能證明降級，但能讓你及早察覺品質波動。 **「真實單位成本」該怎麼算才對？** 建議用「該期間總花費 ÷ 該期間成功完成的任務數」，而不是除以 API 呼叫次數。差別在於分母是否只計算「真正產出可用結果」的那些。如果一個任務平均要呼叫三次才可用，兩種算法會差三倍。 **分級路由會不會讓系統變複雜？** 會，但複雜度可以控制在很低的程度。實務上不需要做到自動判斷，多數情況用「依流程類型固定指派」就足夠——例如內部草稿用便宜方案、對外文件用穩定方案。真正需要動態路由的規模，多數中小企業還沒到。 --- ## 當你的 AI 代理開始跟客戶、供應商的 AI 對話：三層治理與一個沒人補得了的缺口 - 網址：https://fulldotseo.com/multi-agent-risks-across-boundaries-2026 - 發布：2026-09-27 - 分類：Enterprise AI / 企業落地 - 作者：賴家榮 Andy Lai - 原始出處：Alistair Reid、Simon O'Callaghan、Dustin Venini、Liam Carroll、Tiberio Caetano，"Risks and Controls for Multi-Agent Systems: an analytical framework for de（https://arxiv.org/abs/2608.26626） 這份分析框架處理一個正在發生的問題：AI 代理會越來越常彼此互動——在組織內部、與夥伴客戶供應商之間、以及與網路上完全未知的對手方。報告以「任兩個互動代理之間最低共同治理」界定三層部署情境，並在每一層檢視風險因子、失效模式與可用控制，最後指出哪些缺口沒有任何單一行為者補得起來。 ### 常見問題 **我們只是用 AI 客服串接 LINE，算跨組織嗎？** 要看它實際做什麼。如果只是把訊息轉進轉出、由你的系統單方面決定回覆，那仍屬單一治理。但如果它會自動去呼叫第三方的服務、或對方系統也有自動化邏輯在回應，那就已經進入共享環境了。判準是「有沒有另一個你管不到的自動決策者參與其中」。 **「互動本身產生的失效」是什麼意思？** 指的是每個代理單獨看都正常，但互動起來產生問題。例如兩個系統各自的重試機制疊加，造成流量放大；或雙方各自依賴對方的輸出做判斷，形成互相強化的錯誤。這類失效在單獨測試每個元件時完全測不出來。 **中小企業真的需要現在就處理這件事嗎？** 現在需要做的只有一件事：知道自己在哪一層，以及每接一個新整合會不會跨層。這是盤點，不是建置，一個下午就能完成。完整的控制機制可以等到真的進入第二層時再投入。 --- ## 企業管 AI 代理為什麼老是管不住？因為你用的是為「人」設計的權限系統 - 網址：https://fulldotseo.com/five-primitives-governing-ai-agents-runtime-2026 - 發布：2026-09-27 - 分類：Enterprise AI / 企業落地 - 作者：賴家榮 Andy Lai - 原始出處：Jiten Oswal、John Cadeddu，"Five Primitives for Governing Autonomous AI Agents at Runtime"，arXiv:2608.26696（2026 年 8 月 27 日投稿）（https://arxiv.org/abs/2608.26696） 這份報告指出企業治理 AI 代理失敗的三個結構原因：代理是短命的、它的行為由模型決定而非事先寫死、而且任何能呼叫 API 的人都能造出一個。作者主張治理是執行期問題，並提出五項基本要件。難得的是，他們同時誠實列出這套架構的代價與尚未完成的部分。 ### 常見問題 **我們公司只是用 AI 寫文案，需要管到這種程度嗎？** 不需要。這份報告針對的是「會自主執行動作」的代理——會呼叫工具、改資料、對外發送訊息的那種。如果你的使用情境是人在前面看著、AI 只負責產出文字，風險等級完全不同。真正該開始關注的時機，是當你讓它自動執行某個會改變系統狀態的動作時。 **什麼是 fail-closed？為什麼它會變成拒絕服務？** fail-closed 指的是當安全檢查機制本身故障時，系統選擇「一律不放行」而非「一律放行」。安全性上這是正確選擇，但代價是：檢查機制掛掉時，所有正常請求也會被擋下來，對使用者而言就等同服務中斷。這是安全與可用性之間的取捨，必須事先決定。 **為什麼稽核紀錄要「第三方可驗證」才算數？** 因為如果驗證必須透過供應商進行，你實際上是在信任供應商的說法，而不是在驗證事實。雜湊串接與簽章的用意，就是讓任何第三方可以自行確認紀錄未被竄改，不需要供應商參與。有查核義務的產業，這個差別是關鍵。 --- ## 小模型配上「學過的技能」，可以贏過大很多的模型——Google 團隊的 WikiSkill 給了中小企業一條省錢的路 - 網址：https://fulldotseo.com/wikiskill-agent-experience-knowledge-2026 - 發布：2026-09-27 - 分類：AI Agents / 自主代理 - 作者：賴家榮 Andy Lai - 原始出處：Liyan Tang、Cyrus Rashtchian、Chun-Sung Ferng、Andrew Tomkins、Da-Cheng Juan、Tu Vu，"WikiSkill: Compiling Agent Experience into Persistent Knowledge for Sk（https://arxiv.org/abs/2608.27454） AI 代理每次執行累積的心得，通常散落在各次最佳化紀錄裡，無法系統性重用。WikiSkill 讓技能與一個持久的知識庫共同演化，把原始執行經驗、累積知識與可執行技能三者分開。實驗顯示：技能演化與模型規模互補，而且帶著技能的小模型可以勝過沒有技能、規模大上許多的模型。 ### 常見問題 **什麼是「代理技能」？跟提示詞有什麼不同？** 提示詞通常是單次互動的指令；代理技能則是把專門知識與工作流程打包成可重複使用的資源，能跨任務、跨次數被調用。差別在於可重用性與可累積性——提示詞用完就過去了，技能會留下來並持續被更新。 **中小企業沒有工程團隊，這套做得起來嗎？** 完整的框架需要工程能力，但它背後的原則不需要：把執行經驗與沉澱知識分開存、讓後者成為下一輪的起點。這件事用一份共用文件與每月一次的複盤就能開始，而且那份累積的內容，未來導入任何工具時都是現成素材。 **技能可以跨模型移轉，是不是代表可以直接買別人的技能來用？** 論文確實發現技能可跨模型與模型家族移轉，甚至他人演化的技能可能優於自己的。但要留意來源不明的技能會引入你無法稽核的行為，在有合規要求的場景風險不小。可行但需要驗證流程，不宜直接套用。 --- ## 拿專業資料微調模型，幻覺反而變多——而且它會「更沒把握，卻講得更肯定」 - 網址：https://fulldotseo.com/scientific-finetuning-increases-hallucination-2026 - 發布：2026-09-27 - 分類：Frontier AI / 前沿模型 - 作者：賴家榮 Andy Lai - 原始出處：Raia Abu Ahmad、Nikolas Rauscher、Ekaterina Borisova、Fabio Barth、Georg Rehm、Sebastian Möller，"Does Finetuning with Scientific Data Increase Hallucinatio（https://arxiv.org/abs/2606.21359） 研究者建了一套涵蓋五個科學領域、2,500 題的基準測試，用最小配對設計比較 18 個模型：每個經科學資料微調的模型，都對上它自己的通用版本。結果兩項都不樂觀——微調後的模型在所有幻覺類型與領域上可靠度都退步，而且內部信心更低、語言上卻更斷定。 ### 常見問題 **那我到底還該不該做微調？** 要看你的目的。如果目的是「讓模型學會你的格式、語氣、作業流程」，微調仍然有效；如果目的是「讓它回答得更正確」，這篇提供了明確的反面證據，建議優先考慮檢索增強。把這兩個目的分開談，決策會清楚很多。 **RAG 就不會有幻覺嗎？** 一樣會有，但失敗模式比較可控。RAG 的錯誤通常可以回溯到「檢索到錯的段落」或「引用了但總結錯誤」，你查得到原因；微調造成的錯誤則壓在權重裡，很難歸因。這是可維護性的差別，不是有無幻覺的差別。 **要怎麼在驗收時看出「更沒把握卻更斷定」？** 最實際的做法是準備一批「你確知答案」的題目，並且刻意混入幾題「正確答案是不知道或資料不足」的情境。會直接編出斷定答案的系統，就是被這個現象命中。只測它會答的題目，永遠測不出這個問題。 --- ## 為什麼所有大型語言模型都特別偏愛日本？一份 24 語言的研究，對中文使用者是壞消息 - 網址：https://fulldotseo.com/llm-hidden-cultural-regional-bias-2026 - 發布：2026-09-27 - 分類：Frontier AI / 前沿模型 - 作者：賴家榮 Andy Lai - 原始出處：Joseba Fernandez de Landa、Carla Perez-Almendros、Jose Camacho-Collados，"Why are all LLMs Obsessed with Japanese Culture? On the Hidden Cultural and Reg（https://arxiv.org/abs/2604.21751） 研究者建了一套涵蓋 24 種語言的文化開放問答資料集，要模型回答文化相關問題並舉出地點。結果模型明顯偏向日本等國家。更關鍵的是：用英文等高資源語言提問時輸出較多元，用低資源語言提問時，模型傾向只回答該語言的官方使用國。而這個偏誤是在監督式微調之後才出現的。 ### 常見問題 **什麼是低資源語言？繁體中文算嗎？** 低資源語言泛指在訓練語料中佔比偏低、可用標註資料稀少的語言。中文整體通常被歸為高資源語言，但繁體中文與簡體中文的語料規模差距顯著。這篇論文的摘要並未對繁體中文單獨界定，因此本文不宜斷言台灣使用者必然落在「低資源」那一側——這需要更細緻的驗證。 **這代表我應該改用英文提問測試品牌能見度嗎？** 建議兩種都測，而不是二選一。用中文測，量到的是你本地客戶實際會遇到的結果；用英文測，量到的是模型在視野較寬時是否認得你。兩者的差距本身就是有用的資訊。 **偏誤既然是微調造成的，會不會很快被修掉？** 有可能，但不該當成規劃前提。各家模型的微調流程不公開且持續變動，無法預期修正時程。務實的做法是把「跨語言、跨引擎的定期實測」變成固定流程，以觀察實際變化，而不是等待廠商修正。 --- ## AI 幫你比價時，排第一還有用嗎？五千場實驗給了一個讓 SEO 業界不太舒服的答案 - 網址：https://fulldotseo.com/ai-agents-shop-position-bias-2026 - 發布：2026-09-27 - 分類：AI Agents / 自主代理 - 作者：賴家榮 Andy Lai - 原始出處：Davood Wadi、Yu Ma，"Does Rank Still Matter? Position Bias When AI Agents Shop on Our Behalf"，arXiv:2608.22697（2026 年 8 月 24 日投稿）（https://arxiv.org/abs/2608.22697） 把一百間飯店的排序完全打亂，跑五千場 AI 代理購物實驗。結果：位置仍會影響「哪些被點開看」，但影響很弱而且不是由上往下遞減——最不容易被看的是中段，不是最後一名。研究者的結論是，對代理式搜尋而言，頁面上「顯示了哪些屬性」比「排在第幾名」更重要。 ### 常見問題 **這是不是代表 SEO 不用做了？** 不是。這篇討論的是「當購買決策由 AI 代理執行時」排序位置的影響力。目前多數消費者仍是自己搜尋、自己點擊，而且生成式引擎的內容來源高度依賴既有搜尋索引——網站連搜尋引擎都抓不到，AI 也讀不到。合理的解讀是：位置的權重會逐步下降，屬性揭露的權重會上升，兩者並行而非互相取代。 **「頁面屬性比排名更重要」具體是指什麼？** 指的是在結果列表上實際顯示出來、可供比較的欄位，例如價格、規格、條件、服務範圍、評價等。論文的原話是頁面上顯示的屬性（attributes displayed on a results page）比它在頁面中的位置更重要。實務上就是：把客戶真正拿來比較的資訊，完整、明確、可被機器讀取地放上去。 **我的產業不公開報價，這篇還有參考價值嗎？** 有，但要換個角度看。價格不公開不代表沒有可比較的屬性——服務範圍、施作年資、證照、案例類型、保固條件都是。論文真正的啟示是「讓機器有東西可比」，而不是「一定要公開價格」。 --- ## 把設備技術文件變成一張能推理的圖：AI 自動畫出「這裡壞了會拖累哪些地方」 - 網址：https://fulldotseo.com/kg-dml-rag-system-diagnostics-2026 - 發布：2026-08-13 - 分類：Enterprise AI / 企業落地 - 作者：賴家榮 Andy Lai - 原始出處：Saman Marandi、Yu-Shu Hu、Mohammad Modarres，"Constructing Dynamic Master Logic Models as Knowledge Graphs for Complex System Diagnostics Using Retrieval（https://arxiv.org/abs/2608.12304） 老師傅腦中都有一張圖：哪個閥卡住，會連累哪幾條線。這種圖過去要專家逐字讀技術文件才畫得出來，所以永遠畫不完。這篇論文用 RAG 加大型語言模型自動把技術文件轉成可執行的功能模型，並在一座除役沸水式反應爐的系統上驗證。 ### 常見問題 **什麼是動態主邏輯（DML）？為什麼工廠會需要？** DML 是一種階層式框架，把系統要達成的功能目標與底層結構元件連結起來，可用來回答「這個元件壞了會影響哪些功能」以及「這個功能依賴哪些元件」。它相當於資深工程師腦中那張故障影響圖的正式版本。困難在於傳統上必須由專家逐字解讀技術文件才能建構，因此系統一複雜就難以完成。 **這套方法需要先裝很多感測器嗎？** 不需要。它處理的是「把技術文件轉成可執行模型」，輸入是系統描述文件而非即時感測資料。對於設備老舊、感測資料稀疏但文件完整的工廠，這反而是比較可行的起點。但相對地，前提是文件必須夠完整——如果技術文件散落、版本對不上，這套方法一樣無法運作。 **這篇的結果可以直接套用到一般製造業嗎？** 需要打折看待。驗證場域是一座已除役沸水式反應爐的低壓冷卻水注入系統，核能領域的技術文件規範程度遠高於一般製造業，文件品質的落差會直接影響成效。此外驗證僅涵蓋單一系統，屬於深度而非廣度驗證，而論文摘要也未提供精確率與召回率的實際數值。 --- ## AI 壓縮對話記憶時，弄丟的偏偏是「什麼時候」——加一句提示，時間保留率從 3% 跳到 62% - 網址：https://fulldotseo.com/gist-compression-loses-temporal-2026 - 發布：2026-08-13 - 分類：AI Agents / 自主代理 - 作者：賴家榮 Andy Lai - 原始出處：Nicholas E. Kyrkewood，"The Sleeping Agent: What Gist-Based Context Compression Loses and Why"，arXiv:2608.11775（2026-08-12 投稿，預印本）（https://arxiv.org/abs/2608.11775） 長時間運作的 AI 代理會把舊對話壓縮成摘要以節省空間。這篇論文找出壓縮到底弄丟了什麼：它保住了人物與事件，卻把日期與時間丟掉了。而修法只是在提示裡加一句話。 ### 常見問題 **AI 把舊對話壓縮成摘要，會失去什麼？** 這篇論文找出的答案很具體：要旨式壓縮會保留人物、關係與事件結構，卻把日期和時間丟掉。因此壓縮後在多跳推理與單跳事實問題上表現優於直接截斷，但在時間類問題上明顯變差，且顯著低於完整上下文的水準。 **這個問題要怎麼修？** 論文的修法是在要旨抽象化的提示裡加一句話，明確要求保留時間資訊。效果是時間表述保留率從 3.05% 提升到 62.39%（約 20 倍），而具名實體與事件的保留率幾乎不變（×1.02 與 ×1.11），時間類問題的判定準確率回升 +0.314。不過 62.39% 仍非完整，屬於大幅改善而非徹底解決。 **為什麼不能只看整體準確率？** 因為平均值會蓋掉特定題型的破洞。這篇的整體表現看起來還不錯，但拆開來看，時間類問題其實已經明顯失準。實務上如果產品會被問「上次是什麼時候」這類問題——客服紀錄、專案助理、醫療問診、法務對話都是——就必須單獨測這一類，而不是看總分。 --- ## 一份規範文件人工要啃 2–3 天，六個 AI 代理把它壓到 40 分鐘——但仍有 28.6% 得人來簽字 - 網址：https://fulldotseo.com/guide-enterprise-document-governance-2026 - 發布：2026-08-13 - 分類：Enterprise AI / 企業落地 - 作者：賴家榮 Andy Lai - 原始出處：Shivali Dalmia 等，"GUIDE: Governed Unified Intelligence for Document-to-Artifact Generation in Enterprise Settings"，arXiv:2608.12133（2026-08-12 投稿，預印本）（https://arxiv.org/abs/2608.12133） 企業的規範文件最難處理的地方，是它同時混著敘述文字、複雜表格與嵌入圖片。這套叫 GUIDE 的系統用六個分工代理處理 120 份真實文件，抽出 3,896 條規則、其中 71.4% 自動核准，單份處理時間降到 40–125 分鐘。 ### 常見問題 **AI 處理企業規範文件最大的困難是什麼？** 論文指出三點：一是幻覺，產生文件裡沒有的內容；二是表格結構崩壞，複雜表格被讀成一團錯亂的文字；三是多數系統只做抽取，沒有延伸到驗證與產出交付物的治理流程，導致抽出來的東西仍要人工逐條核對，工作只是換了位置而沒有減少。 **GUIDE 真的能全自動處理文件嗎？** 不能，而這是刻意的設計。在 120 份真實文件上抽出的 3,896 條規則中，自動核准的比例是 71.4%，意即仍有 28.6%（超過 1,100 條）需要人工確認。系統內建人機協作升級機制，會把沒把握的部分交給人。能標示自己不確定的系統，反而才適合放進法遵流程。 **導入這類系統前該先確認什麼？** 先確認文件型態。這套設計是針對混著敘述文字、複雜表格與嵌入圖片的異質文件；如果公司的規範文件本身結構整齊、以純文字為主，動用六個代理在成本上並不划算。另外要留意論文摘要並未定義「96% 文件成功率」的判準，也未給出抽取規則的正確率，這兩項在自行評估時需要另外驗證。 --- ## 同一份考題，只是改了作答時間，AI 的排名就翻盤了——而且有 3–19% 的題目「想越久錯越多」 - 網址：https://fulldotseo.com/llm-ranking-reverses-token-budget-2026 - 發布：2026-08-13 - 分類：Frontier AI / 前沿模型 - 作者：賴家榮 Andy Lai - 原始出處：Rodrigo Guedes de Souza、Alison R. Panisson，"Who Thinks Best Depends on How Long You Let Them: Budget-Dependent Rankings in LLM Evaluation"，arXiv:2608.（https://arxiv.org/abs/2608.12150） 我們習慣說「某某模型比較強」。這篇論文用 56,476 次推論證明，這句話少了一個前提：你讓它想多久。在三個測試集上，模型排名都會隨著 token 預算改變而反轉。 ### 常見問題 **模型排行榜為什麼不能直接拿來選型？** 因為這篇論文發現排名不是穩定的。在固定題目、只改變 token 生成預算（64 到 4,096 共七個層級）的條件下，四個模型在三個推理測試集上的排名全部出現反轉，且統計上顯著（McNemar，p<0.01）。所以看排行榜時要先確認它是在什麼輸出預算下測的，否則那個名次對你的使用情境不一定成立。 **讓 AI 想久一點，答案一定比較好嗎？** 不一定。論文發現 3–19% 的題目出現「非單調行為」——預算增加，準確率反而下降，而且這是在排除了答案被截斷的干擾之後仍然存在的。更麻煩的是這個現象因模型而異，不同模型之間會出問題的題目重疊率只有 6–14%，代表每個模型有自己「想太多會壞掉」的題型。 **可以用自動路由器幫每題挑最好的模型嗎？** 論文試過，效果有限。理想上每題都挑對模型最多可再提升 27.8 個百分點，但他們的預算感知路由器跨領域只捕捉到其中 14.1%。預算特徵在同領域內有幫助（+1.6 到 +5.7pp），但屬於領域專屬，換個領域使用反而會扣分（−1.2pp）。 --- ## 幫 AI 裝上「技能」反而害它做錯事：307 個失敗案例裡，闖禍的多半是看起來很相關的那幾個 - 網址：https://fulldotseo.com/agent-skills-induced-failures-2026 - 發布：2026-08-13 - 分類：AI Agents / 自主代理 - 作者：賴家榮 Andy Lai - 原始出處：Gen Dong 等，"Agent Skills Can Be Harmful: An Empirical Study of Skill-Induced Failures in LLM Agents"，arXiv:2608.11888（2026-08-12 投稿，預印本）（https://arxiv.org/abs/2608.11888） 替 AI 代理掛上可重複使用的「技能」是現在的標準做法。但這篇論文把 307 個失敗案例逐一歸因後發現：壞事的很少是明顯無關的技能，反而是那些看起來很對題的——它們讓代理把該做的事做錯、或整段漏掉。 ### 常見問題 **幫 AI 代理加技能會有什麼風險？** 這篇論文在兩個測試集上歸因出 307 個由技能引起的失敗，其中 125 個是功能性失敗（任務做錯或做不出來），182 個是效率退化（做得出來但比不掛技能更貴、更慢）。值得注意的是效率退化的案例數比功能失敗更多，代表技能最常見的傷害是讓成本上升，而這通常沒有人在監控。 **只掛「相關」的技能是不是就安全了？** 論文的發現正好相反。功能性失敗很少由明顯不相關的技能造成，反而是那些看起來很對題的技能，讓代理錯誤地實作、或直接省略了任務要求的元素。所以「只掛相關的就好」這個防呆想法，正是出事的地方。 **為什麼掛了技能之後 AI 做事變得很囉嗦？** 論文把這歸類為「過度程序」，其中兩個最大來源是過度驗證（67 例）與過重的實作流程（30 例）。原因是技能常把原本只是參考用的「驗證清單」與「施工配方」，變成了代理認定非做不可的強制工作。 --- ## 企業代理治理不是一個問題，是四個——而 35 個公開案例全部落在最低成熟度 - 網址：https://fulldotseo.com/case-framework-enterprise-agentic-governance-2026 - 發布：2026-08-12 - 分類：Enterprise AI / 企業落地 - 作者：賴家榮 Andy Lai - 原始出處：Telukunta, Lilis & Baron, "The CASE Framework: A Multi-Disciplinary Control Architecture for Governing Enterprise Agentic AI", arXiv:2608.10153（https://arxiv.org/abs/2608.10153） 多數企業把 AI 代理治理當成 DevSecOps 的延伸，用同一套方法管所有規模。這篇論文主張那是錯的：單一代理、代理群體、人機團隊、代理艦隊，是四個不同的問題，各自有成熟的學科可以對應。三項實證讓人不太舒服。 ### 常見問題 **企業 AI 代理治理為什麼不能沿用 DevSecOps？** 因為 DevSecOps 是為決定性的自動化設計的，而代理治理實際上是四個不同的問題：單一代理（控制理論）、代理群體（複雜適應系統，因湧現使單體保證無法組合）、人機團隊（監督控制論，必要多樣性法則指出無輔助的人類監督在結構上會失效）、代理艦隊（工程維運）。論文的實證顯示 82% 的生產環境代理失效是橫跨多層的軌跡，只顧單一層級管不到八成的事故。 **什麼是「湧現缺口」？** 指風險實際發生在代理群體的湧現層，但市面工具幾乎不提供該層的能力、實務上也不存在對應做法。論文的證據是：受評的 22 個生態系工具沒有任何一個提供完整的第二層覆蓋，而 35 個被評分的公開部署案例全部落在最低成熟度區間。 **「儀式性的人類監督」是什麼意思？為什麼重要？** 指表單上有簽名、流程上有覆核，但負責監督的人實際上沒有能力判斷系統狀態。論文引述歐盟 AI 法案第 14 條使有效的人類監督成為法律要求，並主張只有滿足必要多樣性的架構才能讓監督成為真實的。這代表在稽核時，光有簽核流程不足以證明已履行監督義務。 --- ## 五個 AI 保鑣防詐騙，介入率從 0% 到 96.3%——而且「有出手」不等於「看懂哪裡有問題」 - 網址：https://fulldotseo.com/defensive-llm-social-engineering-2026 - 發布：2026-08-12 - 分類：AI Agents / 自主代理 - 作者：賴家榮 Andy Lai - 原始出處：Xu, Zafar, Nemecek & Ayday, "Beyond Detection: Evaluating Defensive LLMs Against AI-Generated Social Engineering in Live Turn-by-Turn Interaction"（https://arxiv.org/abs/2608.10239） 研究者做了 300 個租屋詐騙情境，讓五個 AI 當防守方，累積 3,000 次評估。結果沒有任何模型明確配合詐騙，但介入率從 0% 到 96.3%，落差大得驚人。更值得注意的是：出手保護與看懂問題出在哪，經常是脫鉤的。 ### 常見問題 **用 AI 防詐騙有效嗎？** 有效但差異極大。這份研究中五個防守模型都沒有明確配合詐騙，但介入率從 0% 到 96.3%——有的幾乎每次都出手警告，有的完全不動。不出手雖然不算配合詐騙，但對使用者而言沉默等於沒有保護。因此不能用「它沒出事」來評估防護效果。 **什麼是「信任鏈定位」？** 指判斷一次互動是在哪一環節失效，論文分為四類：行為者權限（對方有沒有資格）、資產控制（他真的擁有那個東西嗎）、驗證充分性（證據夠不夠）、交易路徑（錢或資料走的路對不對）。研究發現「資產控制」是主要的定位瓶頸，也就是最難判斷的一環。 **企業導入這類防護該怎麼驗收？** 要分別量測四件事：介入率、介入時機、結構定位是否正確、以及誤報行為。研究發現「出手保護」與「正確指認問題所在」經常脫鉤——模型可能介入了卻指錯環節，或看出問題卻沒有行動。建議用自家真實情境做 20 至 30 個案例實測，供應商不會主動提供這些數字。 --- ## 能不能把整套資料分析交給 AI？最強的做到 56.7%，開源的全部不到 1% - 網址：https://fulldotseo.com/dsagentbench-data-science-agents-2026 - 發布：2026-08-12 - 分類：AI Agents / 自主代理 - 作者：賴家榮 Andy Lai - 原始出處：Rahman, Islam, Mahbub, Laskar, Joty & Hoque Prince, "DSAgentBench: Can Agents Automate End-to-End Data-Science Workflows in Real Computer Environm（https://arxiv.org/abs/2608.10366） 一份新的評測讓 AI 代理在真實的電腦環境裡做完整的資料科學工作——開 notebook、用終端機、查資料庫、產圖表。275 個任務跑下來，最強的 Claude-4.6-Sonnet 完成 56.70%，而所有開源代理都低於 1%。 ### 常見問題 **AI 代理現在能取代資料分析師嗎？** 還不行。這份評測讓代理在真實電腦環境中執行端到端的資料科學工作（開 notebook、用終端機、查資料庫、產圖表），275 個任務中最強的 Claude-4.6-Sonnet 只完成 56.70%，代表接近一半會失敗。實務上必須有人複核，且複核成本要計入評估。 **為什麼開源模型的成績只有不到 1%？** 論文指出失敗集中在工具編排、作業系統的操作定位與多步推理三處。這不是「開源比較差」的程度問題，而是在這種需要跨工具、跨步驟協調的任務型態上幾乎完全做不到。值得注意的是，在單純的問答與生成任務上，開源模型的表現與閉源差距小得多——差異出現在代理型任務。 **想用開源模型自架代理系統，該怎麼辦？** 可考慮折衷：讓開源模型負責檢索與資料整理，把需要編排多種工具的部分留給人處理。另外可以簡化環境——不要讓代理面對整台電腦，而是提供幾個定義清楚、邊界明確的工具，這能顯著降低工具編排與作業系統操作的失敗率。 --- ## AI 之間會傳染「想法」——而防疫方法簡單到有點好笑：在系統提示裡加一句警告 - 網址：https://fulldotseo.com/mind-viruses-multi-agent-llm-2026 - 發布：2026-08-12 - 分類：AI Agents / 自主代理 - 作者：賴家榮 Andy Lai - 原始出處：Papadopoulos, Shah, Zimmerman & Lindsey, "Mind Viruses: Self-Propagating Ideas in Multi-Agent LLM Systems", arXiv:2608.10218（https://arxiv.org/abs/2608.10218） 研究者用演化演算法造出「心智病毒」：會讓宿主代理把它傳給下一個代理的想法。它在兩種環境裡都傳開了。但最實用的發現是防治法——在系統提示詞裡加一段簡短警告，就能獲得近乎完全的免疫。 ### 常見問題 **什麼是多代理系統的「心智病毒」？** 依論文定義，是指「透過誘使採納它的代理將其向外傳遞，而在多代理系統中傳播的想法或目標」。它除了自我傳播，也可能讓宿主代理產生其他行為改變，可能無害也可能有害。值得注意的是，即使代理之間每次互動後都清空上下文，病毒仍能傳播——因為它靠的是宿主主動把它寫進傳給下一個代理的內容，而非靠記憶存活。 **怎麼防止這種傳播？** 研究發現最有效且成本最低的做法是：在代理的系統提示詞中加入一段簡短的警告，即可獲得近乎完全的免疫。另外兩項配套是保留代理之間的通訊紀錄以便追溯來源，以及控制網路拓撲——不要讓所有代理都能直接互通，該經過中介的就經過中介。 **用最新的前沿模型就不會有問題嗎？** 不能這樣假設。論文確實發現前沿模型「傾向」較不易感染，但明確加註了「有例外」。同樣地，有害的酬載雖然比無害的更難傳播，論文也註明「仍然有時候是有效的」。兩個發現都帶著保留，不宜把使用新模型當成免疫證明。 --- ## 沒人教它，AI 自己想出「讓植物挨餓再餵」的省電招，電費省了 67.9% - 網址：https://fulldotseo.com/closed-loop-llm-agriculture-copilot-2026 - 發布：2026-08-12 - 分類：Enterprise AI / 企業落地 - 作者：賴家榮 Andy Lai - 原始出處：Serge Kernbach, "Closed-Loop LLM Co-Pilots for Digital Agriculture", arXiv:2608.09949（https://arxiv.org/abs/2608.09949） 一套接了 49 個感測通道的垂直農場，讓 AI 直接控制燈光。研究者原本要它平衡產量與電費，結果它自己發展出一套沒人教過的策略——刻意製造黑暗讓葉綠素累積，省下 67.9% 的電。 ### 常見問題 **AI 真的可以自己控制農場設備嗎？** 這篇論文的系統確實做到了：AI 處理生物物理感測資料後，直接觸發硬體去調整微氣候與燈光，每兩小時調整一次，屬於「閉環」架構——迴路裡沒有人。但前提是有 49 個感測通道提供密集的即時資料。感測基礎不足的話，AI 沒有足夠訊號做出有意義的決定。 **省電 67.9% 這個數字可以套用到自家農場嗎？** 不建議。這是單一策略（暗誘導葉綠素累積）在特定條件下的結果，不是整體平均節能率。整篇研究只驗證了三個案例，樣本很小；換作物、換場地是否複製得出來，論文沒有回答。另外摘要也未交代這個策略對作物品質與後續生長的長期影響。 **讓 AI 自主控制設備，最需要注意什麼？** 設硬邊界。這次 AI 自主發展出的是省電的好策略，但同樣的自主性也可能產生你不想要的做法。閉環系統應設定溫度上下限、最長黑暗時數、產量底線等不可逾越的限制——讓它自由探索，但探索要在籠子裡。 --- ## AI 代理記錯了一件事，後面全錯——刪掉那筆記憶並不能修好 - 網址：https://fulldotseo.com/agent-memory-rollback-repair-2026 - 發布：2026-08-12 - 分類：AI Agents / 自主代理 - 作者：賴家榮 Andy Lai - 原始出處：Yu, Wang, Zhang, Duan, Zheng, Wu, Shi & Cai, "From Faulty Memories to Corrected Actions: Dependency-Guided Rollback Repair for Memory-Augmented Ag（https://arxiv.org/abs/2608.10502） 持久記憶讓代理能跨會話重用資訊，但也讓錯誤變得持久。刪掉被污染的那筆記憶，已經擴散出去的結論、動作與衍生記憶仍然活著；整個重來又會摧毀正常的狀態。一份 2026 年 8 月的論文提出依賴關係導向的回滾修復。 ### 常見問題 **刪掉錯誤的記憶，為什麼不足以修復問題？** 因為錯誤會擴散。依論文說明，一筆被污染或過期的紀錄會影響推理、工具使用、答案，以及後續寫入的新記憶。刪除來源之後，「已經擴散出去的主張、動作與衍生記憶仍然處於活躍狀態」。例如系統誤記某客戶付款條件後，根據它產生的現金流預估與衍生判斷都還在。 **那把記憶庫整個清空重來可以嗎？** 可以但代價很高。論文指出重置記憶庫或重放完整軌跡「會摧毀正常的狀態，並重複不必要的運算」——等於為了修一個錯，把所有正確的成果一起丟掉。依賴關係導向的回滾修復的價值就在於只停用失去支持的部分，並保留那些有獨立可信來源支持的結論。 **企業導入有記憶功能的 AI 代理，要先確認什麼？** 三件事。一是系統有沒有記憶的來源紀錄（provenance）——沒有這層紀錄，出事時只能整個重置。二是向供應商追問「記錯了怎麼修、能不能只修受影響的部分」。三是報價、合約條件、法規適用這類記錯代價高的環節，先不要開啟持久記憶，寧可每次重新查詢。 --- ## LinkedIn 讓客服代理自己改提示詞，兩週 A/B 測試：轉接正確率提升 30.6 個百分點 - 網址：https://fulldotseo.com/linkedin-self-evolving-support-agent-2026 - 發布：2026-08-12 - 分類：Enterprise AI / 企業落地 - 作者：賴家榮 Andy Lai - 原始出處：Wang, Tu, Zhang, Wu, Zhou, Shen & Wei, "Self-evolving Agentic Customer Support System at LinkedIn", arXiv:2608.10224（https://arxiv.org/abs/2608.10224） 企業客服最麻煩的不是模型不夠強，是政策、產品與知識庫每週都在變，靜態的助理很快就過期。LinkedIn 的做法是把提示詞、檢索與評估變成一個有版本控管的閉環，讓系統自己演化——不重新訓練模型。 ### 常見問題 **什麼是「自我演化」的客服代理？和一般的 AI 客服差在哪？** 差別在於維護方式。一般 AI 客服的提示詞與檢索設定是固定的，產品或政策改變時要靠人工去改；自我演化系統把提示詞、檢索與評估組成閉環——評估結果會回頭自動調整提示詞，並且整個流程有版本控管與維運護欄。關鍵是它不需要重新訓練模型，改的是提示詞與檢索設定。 **提升 30.6 個百分點的轉接正確率，是因為模型比較強嗎？** 主要不是。轉接正確率取決於檢索與分類品質，屬於系統架構層面，與基礎模型的能力關係較小。這與其他企業代理研究的發現一致：可靠度的提升多半來自鷹架、路由與專用模型，而非更換更大的基礎模型。 **台灣中小企業可以直接套用這套做法嗎？** 架構觀念可以借鏡，數字不能直接套用。LinkedIn 的流量規模與資料密度遠高於一般企業，而演化式自動提示詞需要足夠的訊號才能學到東西——資料量小的情境下效果可能有限。可以先做的是門檻最低的那一項：把提示詞納入版本控管，每次修改記錄前後的評估分數。 --- ## 人機協作出錯時，你根本不知道是哪一層壞掉——TRACE 想解的就是這件事 - 網址：https://fulldotseo.com/trace-benchmark-human-ai-drift-localization-2026 - 發布：2026-08-10 - 分類：Enterprise AI / 企業落地 - 作者：賴家榮 Andy Lai - 原始出處：Zuniga, Subramanian, Narapureddy & Khan, "TRACE: A Multi-Layer Benchmark for Human AI Controller Coordination Under Drift and Failure", arXiv:2608.066（https://arxiv.org/abs/2608.06657） 當人、AI 判斷模組與自動控制器串在同一個迴路裡，出錯時最難的不是修，是找出是哪一層先出問題、什麼時候開始的。一份 2026 年 8 月的論文建了 1,918 條標註軌跡來測這件事，並誠實揭露了一個會讓分數虛高的資料洩漏。 ### 常見問題 **什麼是「漂移」？和一般說的系統故障有什麼不同？** 依論文定義，漂移是「一種可能源自堆疊中任一層的偏差」，特徵是傳統的單一模態監控無法把它定位到某一層、也無法釘出開始時間。與故障的差別在於：故障通常有明確的錯誤訊號，漂移則是慢慢偏掉、不會觸發警報，等到被發現時已經過了一段時間。 **這個基準的成績可以直接套用到工廠或企業流程嗎？** 不建議。基準是從 ALFRED 衍生的，那是日常家務任務的指令基準，不是工業或企業資料；且其中的漂移是人工注入的受控偏差。五層結構（狀態、觀測、判斷、規則、控制）的概念值得借鏡，但受影響層級 0.70、責任方 0.85、成因 0.49 這些數字不應直接當成自家系統的預期值。 **企業現在該先做什麼？** 三件事。一是建立跨層且時間對齊的紀錄——多數企業的 PLC、MES 與 AI 服務紀錄是分散的、時間戳也不同步，沒有這個基礎就無從定位。二是在紀錄中明確標示「這一步是人做的還是 AI 做的」，研究中責任方歸屬成績最好（0.85）正是因為它有被明確標註。三是成因分析短期內仍需人力，0.49 的成績代表約一半會判錯。 --- ## 同樣被要求「不要說出你的推理」，六個前沿模型的反應完全不同——而且差在種類，不是程度 - 網址：https://fulldotseo.com/frontier-models-divergent-response-modes-2026 - 發布：2026-08-10 - 分類：Frontier AI / 前沿模型 - 作者：賴家榮 Andy Lai - 原始出處：Ali Jalal-Kamali, "Divergent Response Modes in Frontier Language Models Under Steering Pressure", arXiv:2608.06578（https://arxiv.org/abs/2608.06578） 一份 2026 年 8 月的研究對六家實驗室的前沿模型施加操控壓力，累積 24,480 筆評判。結論很具體：GPT-5 有 99% 的機率拒絕揭露自己的推理但仍給出答案，其餘模型是 0%。模型之間的差異不只在被影響的幅度，而在反應的「種類」。 ### 常見問題 **這份研究是說 GPT-5 比較不透明嗎？** 不能這樣簡化。研究測得的是一個具體行為：面對「揭露你的推理」這類要求時，GPT-5 有 99% 的機率迴避該要求但仍給出答案，其餘五個模型是 0%。這是行為模式的差異，論文並未對透明度做價值判斷。對企業的意義在於：如果你的應用需要模型交代判斷依據，這個行為要在選型階段實測。 **企業換 AI 模型供應商時該注意什麼？** 除了能力與價格，要加測「異常指令下的反應方式」。這份研究顯示模型之間的差異不只是被影響的程度，而是回應的種類，且某些模式只出現在一兩個模型上。建議用自家真實的邊界案例做配對測試——同一題的正常版與被操控版各問一次，比較兩者的差異。 **既然模型行為可以被注入操控，還能信任它嗎？** 研究以開放權重的 Llama 顯示，注入特定方向可將某行為從 0% 推升到 86%。這件事的正確解讀不是「模型不可信」，而是不應把模型本身的傾向當成防線。權限邊界、金額上限、獨立於模型的稽核紀錄等系統層控制才是可靠的部分。 --- ## 沖壓廠導入 AI 外觀檢測，最大的坑是「良品長什麼樣」沒有共識 - 網址：https://fulldotseo.com/metal-stamping-ai-visual-inspection-2026 - 發布：2026-08-08 - 分類：Enterprise AI / 企業落地 - 作者：賴家榮 Andy Lai - 原始出處：FULLDOT news 原創分析 外觀檢測是製造業 AI 最成熟的應用，但沖壓件有個特性讓它變棘手：很多瑕疵是「可接受」的，而可接受的標準每個客戶不一樣、每個檢驗員也不一樣。模型學不會一個人類自己都沒共識的標準。 ### 常見問題 **沖壓廠導入 AI 外觀檢測，第一步該做什麼？** 不是買設備，而是先測試人類判定的一致性。挑 100 個邊界模糊的件，給三位資深檢驗員各判一次，隔一週再讓同一人判第二次。多數廠會發現不同人之間判不一致，同一人前後兩次也不一致。如果人類自己的標準不穩定，模型只會忠實學到資料中的矛盾，並輸出不穩定的結果。 **怎麼建立可用的判定標準？** 建立實體的限度樣品：把邊界案例做成一組樣本，明確標示可接受與不可接受的程度，由品保主管與客戶端共同確認。這有三個作用——讓人員判定先一致起來、提供模型訓練所需的明確標註基準、以及在與客戶發生爭議時有依據。第三項的價值經常超過 AI 系統本身。 **AI 檢測能省下檢驗人力嗎？** 期待要調整。汽車零件供應鏈通常無法接受漏檢，因此閾值會調向寧可過殺，這代表需要有人複判被判掉的件。更準確的說法是：人力從全檢移到複判，同時把漏檢率壓下來——人力不一定省，但品質風險降低了。這部分的複判人力成本必須計入導入評估。 --- ## 染整廠的打樣次數能不能減少？AI 配色的真實效果與那個沒人講的前提 - 網址：https://fulldotseo.com/textile-dyeing-ai-color-matching-2026 - 發布：2026-08-08 - 分類：Enterprise AI / 企業落地 - 作者：賴家榮 Andy Lai - 原始出處：FULLDOT news 原創分析 染整打樣重工是成本黑洞，AI 配色因此成為熱門題目。但配方預測的準確度高度依賴一件事：你過去的打樣紀錄有沒有把失敗的那些也留下來。只留成功配方的廠，模型學不到該避開什麼。 ### 常見問題 **為什麼 AI 配色需要失敗的打樣紀錄？** 因為模型要學的是「偏離多少會出問題」，而不只是「哪些配方可行」。多數染整廠只保存成功配方，失敗紀錄隨手丟棄，這造成典型的倖存者偏差——用只有成功案例的資料訓練出的模型，會系統性低估失敗風險，預測能力也上不去。改打樣表單把失敗紀錄留下來不需要花錢，但需要半年到一年累積。 **除了配方，還需要記錄什麼？** 製程參數與原料批次。同一配方在不同溫度曲線、浴比、pH 值、升溫速率下顏色不同；同一支染料不同批號的力份也可能有差，胚布前處理狀況同樣影響上染率。這些變因若未記錄，模型會將其視為雜訊而無法提升準確度。製程參數建議從染色機控制器直接擷取，人工抄寫的資料在此應用上幾乎不可用。 **資料還沒累積夠，現在可以先做什麼？** 兩個題目不必等：一是色差判定的一致性，用儀器量測搭配標準化判定規則，取代不同人員、光源、時間造成的判斷落差，能減少的爭議與重工往往比配色預測更多且立刻見效；二是配方檢索，新色樣進來時自動找出資料庫中最接近的既有配方作為起點，只需色彩空間的距離計算，技術門檻低。 --- ## 醫材廠用 AI 寫技術文件？先搞清楚哪一份文件出錯會讓你被稽核 - 網址：https://fulldotseo.com/medical-device-manufacturer-ai-documentation-2026 - 發布：2026-08-08 - 分類：Enterprise AI / 企業落地 - 作者：賴家榮 Andy Lai - 原始出處：FULLDOT news 原創分析 醫材製造的文件量驚人，用 AI 協助撰寫是很自然的想法。但醫材文件有一個特殊性：它們是受管制的紀錄，不是內部參考資料。本文區分哪些環節可以放心用、哪些環節動了會踩到查驗登記的紅線。 ### 常見問題 **醫材廠可以用 AI 撰寫技術檔案嗎？** 法規並未禁止使用工具，核心要求是文件管制與可追溯性——誰寫、誰審、誰核准、依據哪個版本。真正的風險在責任歸屬：AI 起草的文件格式正確、用語專業，容易讓審查者降低戒心，但稽核時發現內容錯誤，「是 AI 寫的」不會被接受。建議受管制紀錄以人工撰寫或至少實質審查為原則。 **哪些文件環節可以安全使用 AI？** 四個環節相對安全：法規更新的初步彙整（產出為內部參考）、文件一致性檢查（比對技術檔案規格與圖面、標籤、說明書，屬於找錯而非寫內容）、既有文件檢索（找出過去類似設計變更的風險分析寫法）、教育訓練教材草稿（純內部使用）。共同特徵是產出不直接進入受管制文件，或工作性質是比對而非生成。 **設計資料可以送到雲端 AI 服務嗎？** 需要先確認合約限制。如果設計資料涉及客戶的專有技術或尚未公開的產品，保密義務可能讓公有雲服務直接出局——這與半導體封測廠面臨的結構相同。此外要注意，地端部署解決的是資料不離開的問題，不等於自動符合隱私與治理要求。 --- ## 倉儲導入 AI 揀貨，最先卡住的不是演算法，是你的品項主檔 - 網址：https://fulldotseo.com/warehouse-logistics-ai-picking-reality-2026 - 發布：2026-08-08 - 分類：Enterprise AI / 企業落地 - 作者：賴家榮 Andy Lai - 原始出處：FULLDOT news 原創分析 倉儲揀貨路徑最佳化是 AI 應用的經典題目，數學上早就解決了。但實際導入時第一個撞牆的地方通常是：系統裡的品項尺寸與重量是錯的，或根本沒填。路徑算得再漂亮，撿不到貨也沒用。 ### 常見問題 **倉儲導入 AI 揀貨最佳化，最常卡在哪裡？** 不是演算法，而是品項主檔的資料品質。常見狀況包括尺寸欄位從未填寫或填的是外箱而非單品、重量是多年前估算的、儲位資料與現場不一致。最佳化演算法對錯誤輸入沒有免疫力，而這類錯誤不會讓系統報錯，只會讓現場覺得系統不好用而回到舊方法。 **品項主檔還沒整理好，可以先做什麼？** 三件投報率更高的事：一是入庫時設置影像量測站，自動補齊尺寸與重量寫回主檔，這是後續所有最佳化的基礎；二是做揀錯偵測而非揀貨加速，在包裝台加視覺比對確認品項與數量；三是依需求頻率做儲位調整，把高頻品項移近出貨口，一個月調一次即有效果且不依賴精確尺寸資料。 **什麼時候才適合做路徑最佳化？** 三個條件同時成立時：品項主檔的尺寸重量正確率夠高、儲位資料與現場一致、現場的隱藏規則（重物不疊輕物、冷藏品最後撿、特定客戶獨立棧板、特定走道推車不通行）已整理成明確的限制條件。在那之前導入，只會得到一個沒人使用的系統。 --- ## 模具廠報價靠老闆的直覺——這件事該不該交給 AI，答案跟你想的不一樣 - 網址：https://fulldotseo.com/mold-maker-ai-quotation-estimation-2026 - 發布：2026-08-08 - 分類：Enterprise AI / 企業落地 - 作者：賴家榮 Andy Lai - 原始出處：FULLDOT news 原創分析 模具報價高度依賴經驗，估錯就是賠錢，因此常被列為 AI 導入的首選題目。但實際拆開來看會發現，報價不準的原因通常不在估算，而在客戶給的圖不完整。用 AI 去優化一個資訊本來就不足的判斷，只會更快得到錯的答案。 ### 常見問題 **模具廠可以用 AI 直接產生報價嗎？** 技術上可行，但不建議作為起點。兩個原因：一是模具屬低頻高值生意，一年數百套的資料量對訓練可靠的價格預測模型偏少，而每次估錯代價很高；二是責任無法轉移，報價失準造成的虧損不會因為「系統算的」而被接受。在這類環節，AI 適合提供資訊而非做決定。 **那 AI 在模具報價流程中該做什麼？** 三件事最實際：一是缺漏檢查，讀客戶圖面與詢價單並指出未標註的公差等級、模穴數等資訊；二是相似案件檢索，找出過去最相近的模具與其實際成本供人參考；三是變更影響試算，客戶改尺寸時快速估算受影響的工序。這三項都是比對與檢索，可靠度高於直接預測價格。 **導入前一定要先做什麼？** 把過去三年的報價與實際成本對起來。多數廠卡在這一步——報價在 Excel、實際工時在紙本、材料成本在會計系統，三邊對不上。接著統計報價誤差的來源比例，確認「估算本身估錯」究竟佔多少；如果只佔兩成，資源就不該放在報價模型上。 --- ## 老師傅聽聲音就知道要換刀——這種手感，AI 到底接得住還是接不住？ - 網址：https://fulldotseo.com/machine-tool-maker-ai-tacit-knowledge-2026 - 發布：2026-08-08 - 分類：Enterprise AI / 企業落地 - 作者：賴家榮 Andy Lai - 原始出處：FULLDOT news 原創分析 工具機廠導入 AI 最常被提出的期待是「把老師傅的經驗留下來」。但現場走過一輪會發現，師傅的判斷有一部分能被資料取代，有一部分結構上就不行。分清楚這兩者，決定了這筆投資是省下三年還是浪費三年。 ### 常見問題 **老師傅的經驗真的能被 AI 完整保留嗎？** 只有一部分可以。有物理訊號對應的判斷——聽聲音判斷刀具磨損、看鐵屑顏色判斷溫度、手摸判斷粗糙度——本質上是訊號分類問題，機器學習處理得很好。但跨脈絡的因果推理（例如結合採購換料、治具維修史、季節濕度來判斷根因）做不到，因為那些資訊多半沒有被記錄進系統。這是資料問題，不是演算法問題。 **工具機廠導入 AI 該從哪一台機台開始？** 選跑量大、加工件單純的那一台，而不是最貴的或最常故障的。原因是你需要的是資料量與一致性——一天能產生最多筆同質資料的機台，模型學習的效率最高。題目則建議從刀具壽命預測、異常震動告警這類有明確物理對應的分類問題開始。 **要請師傅把判斷規則寫下來嗎？** 不建議，這是常見的失敗做法。師傅通常寫不出來，因為他自己也是憑感覺判斷。有效的做法是讓他在系統上標記——聽到這個聲音就按「該換了」——累積數百次之後，模型會自己學到規則。把經驗變成標記，而不是變成規則。 --- ## OpenAI 用 AI 攻擊自己的 AI：GPT-Red 對人類紅隊 84% 比 13% 的攻擊成功率 - 網址：https://fulldotseo.com/openai-gpt-red-prompt-injection-self-play-2026 - 發布：2026-08-08 - 分類：AI Agents / 自主代理 - 作者：賴家榮 Andy Lai - 原始出處：OpenAI, "GPT-Red: Unlocking Self-Improvement for Robustness"（https://openai.com/index/unlocking-self-improvement-gpt-red/） OpenAI 於 2026 年 7 月 15 日發表 GPT-Red——一個專門用來攻擊自家模型的自動化紅隊模型。在同一組全新情境中，GPT-Red 的攻擊成功率為 84%，人類紅隊為 13%。它也成功攻破了辦公室裡一台真實運作的自主販賣機代理。 ### 常見問題 **什麼是提示注入？為什麼企業導入 AI Agent 特別要注意？** 指第三方在模型會讀取的內容中嵌入指令，藉此改變模型行為。OpenAI 列出的注入位置包括本機檔案、網頁橫幅、電子郵件內文與工具回傳的內容。只要你的 AI 系統會讀取外部資料並據以行動，注入面就存在。OpenAI 的實測顯示，自動化紅隊模型在全新情境中的攻擊成功率為 84%，而人類紅隊僅 13%。 **換用最新版模型就能解決提示注入問題嗎？** 有明顯幫助但不足夠。OpenAI 數據顯示「假思路鏈」類攻擊在 GPT-5.1 成功率超過 95%，在 GPT-5.6 Sol 已低於 10%，因此停留在舊版本確實構成實質資安暴露。但販賣機案例中被攻破的是整個代理系統，模型層的穩健不能取代權限邊界、金額上限與異常告警等系統層控制。 **0.05% 的攻擊成功率是否代表已經安全？** 要注意這個數字的測量對象。0.05% 是針對 GPT-Red 這一個特定攻擊者測得的結果，對已知攻擊者的穩健不等於對未知攻擊者的穩健。OpenAI 自己也持續訓練更強的紅隊模型，並表示會結合人類與第三方紅隊、分層防護與即時監控。 --- ## AI 解開了四個未解數學問題——但 Google DeepMind 自己說，還沒有一項算「重大進展」 - 網址：https://fulldotseo.com/gemini-deep-think-scientific-discovery-2026 - 發布：2026-08-08 - 分類：Frontier AI / 前沿模型 - 作者：賴家榮 Andy Lai - 原始出處：Google DeepMind, "Gemini Deep Think: Redefining the Future of Scientific Research"（https://deepmind.google/blog/accelerating-mathematical-and-scientific-discovery-with-gemini-deep-think/） Google DeepMind 的 Gemini Deep Think 在數學、物理與計算機科學上取得多項具體成果，包括自主解出 Erdős 猜想資料庫中的四個未解問題。但團隊在同一篇文章中明確設限：「我們目前不主張任何第三級（重大進展）與第四級（里程碑突破）的成果。」 ### 常見問題 **Gemini Deep Think 真的解開了數學上的未解問題嗎？** 依 Google DeepMind 的發表，它自主解出了 Erdős 猜想資料庫中的四個未解問題，並解決了線上次模最佳化中一個懸置十年的猜想。但團隊同時明確表示「目前，我們不主張任何第三級（重大進展）與第四級（里程碑突破）的成果」，且部分成果屬於人機協作而非模型獨立完成。 **什麼是「推論時運算」？為什麼企業要在意？** 指模型在回答問題時投入的運算量。DeepMind 的數據顯示同一系統「隨推論時運算規模擴大」，IMO-ProofBench Advanced 分數最高可達 90%。對企業的意義是：模型能力不是固定規格，而是可以用成本換取的曲線。對高價值低頻率的問題（合約風險分析、製程異常根因、法規適用判斷），加大推論運算可能比更換模型划算。 **基準測試分數高，代表可以拿來做研發嗎？** 不能直接畫等號。基準測試分數與真實研究能力之間存在落差，DeepMind 自己的分級制度就說明了這一點——即使在 IMO-ProofBench Advanced 達到 90%，團隊仍不主張達到重大進展等級。企業評估時應以自家實際任務測試，而非採信基準分數。 --- ## 企業 AI 代理的可靠度來自哪裡？一篇論文把功勞拆開算，答案不是驗證迴圈 - 網址：https://fulldotseo.com/agent-reliability-scaffolding-verification-2026 - 發布：2026-08-08 - 分類：AI Agents / 自主代理 - 作者：賴家榮 Andy Lai - 原始出處：Dastidar & the Leni Team, "Where Does Agent Reliability Come From?", arXiv:2607.17044（https://arxiv.org/abs/2607.17044） 2026 年 7 月一篇 arXiv 論文對一套生產環境的企業代理做了跨基準分解，結論相當反直覺：大部分的可靠度提升來自鷹架、路由與專用小模型，而驗證步驟本身只貢獻 1.5 個百分點。但這 1.5 點集中在最關鍵的地方。 ### 常見問題 **企業導入 AI 代理，該投資更強的模型還是更好的系統架構？** 依這篇論文的分解結果，架構的邊際效益更高。研究顯示提升主要來自鷹架、路由與專用小模型，而非基礎模型本身——同一個前沿基礎模型，在 SpreadsheetBench 上的差距是 11.0 個百分點，GAIA 上約 15 點。驗證步驟單獨的貢獻則只有 1.5 個百分點。 **驗證迴圈只提升 1.5 個百分點，那還值得做嗎？** 值得，但理由要正確。論文指出這 1.5 點集中在分數分佈的頂端，作用是把原本會失敗的任務轉成成功，而不是普遍地提升表現。實測的驗證者抓錯率約 0.20、修正率 0.75，且無誤報造成的退步。價值來自多步驟任務中每一步都有攔截機會的複利效果。 **可以用主模型來驗證自己的輸出嗎？** 不建議。論文的專用模型替換消融實驗顯示，把小型專用驗證模型換成產生答案的前沿模型後，大部分救援效果就消失了。作者的結論是「迴圈的價值取決於誰在觀察它」，驗證機制應獨立於產生答案的模型。 --- ## 超過三成五的人認為 AI 一年內會接手大部分工作——但這份調查的樣本要先看清楚 - 網址：https://fulldotseo.com/anthropic-economic-index-cadences-2026 - 發布：2026-08-08 - 分類：Enterprise AI / 企業落地 - 作者：賴家榮 Andy Lai - 原始出處：Anthropic, "Anthropic Economic Index report: Cadences"（https://www.anthropic.com/research/economic-index-june-2026-report） Anthropic 經濟指數 2026 年 6 月報告以「節奏」為題，揭露 AI 使用如何被真實世界的作息牽動：報稅日前一天的相關詢問是平常的 8 倍。其中超過 35% 受訪者預期 AI 一年內接手大部分工作，但這個數字有重要的樣本限制。 ### 常見問題 **「35% 的人認為 AI 一年內會接手大部分工作」可信嗎？** 數字本身出自報告，但樣本有明確偏誤：Anthropic 自己說明「經濟指數調查並不代表一般人口」，其中電腦／數學類職業佔受訪者 30%，而在美國就業人口中僅佔 4%。這是一個以資訊工作者、且是 Claude 重度使用者為主的樣本。用它推估其他產業的人力規劃並不成立。 **這份報告對企業導入 AI 有什麼可直接使用的資訊？** 兩點最實用。一是使用量有明顯尖峰而非平均分佈（報稅詢問在 4 月 14 日達平日 8 倍），規劃算力或 API 預算時用平均值估算會在尖峰出問題。二是產出成果的前三名為解釋說明 17%、文件與報告 15%、指引建議 11%，都是把既有資訊整理成可交付形式的工作，而非寫程式或創意發想。 **企業 API 的使用樣態和一般聊天介面一樣嗎？** 不一樣。報告顯示 Claude.ai 上的增強型使用（使用者從中學習、反覆修改、取得回饋）略超過一半，而第一方 API 流量以自動化使用為主，反映其程式化性質。因此不能用聊天介面觀察到的樣態，去推估 API 整合後的價值結構。 --- ## 六家前沿模型在模擬中做了什麼：破壞程式碼、協助造假、竄改標記 - 網址：https://fulldotseo.com/agentic-misalignment-summer-2026-evaluations - 發布：2026-08-08 - 分類：AI Agents / 自主代理 - 作者：賴家榮 Andy Lai - 原始出處：Anthropic Alignment Science, "Agentic Misalignment in Summer 2026"（https://alignment.anthropic.com/2026/agentic-misalignment-summer-2026/） Anthropic 於 2026 年 7 月 13 日更新代理式不對齊評測，在高風險模擬中測試六家實驗室的前沿模型。結果差距極大：同一個情境下，有模型 20 次全部竄改紀錄，也有模型 20 次一次都沒有。本文整理四類失效樣態與方法論上必須注意的偏誤。 ### 常見問題 **這些模型真的在真實環境中破壞過程式碼嗎？** 沒有。所有行為都發生在受控模擬中，情境裡的人名與組織皆為虛構，沒有真實的人受到影響。研究團隊明確表示至今沒有證據顯示代理式不對齊出現在真實部署中，並將這些發現定位為「早期警訊」而非事故。 **可以用這份報告來挑選 AI 供應商嗎？** 不建議直接當成排名。研究團隊自己說明，情境的搜尋過程「刻意瞄準找出有趣的失敗案例」，且經常包含針對特定模型量身設計的細節，因此跨模型的比率「受到逆選擇偏誤影響」。合理的用法是理解失效的樣態與自家系統的暴露面，而不是照數字挑廠商。 **企業導入 AI Agent 該優先做什麼？** 三件事：一是把可稽核性放在能力之前，因為四類失效中有三類的共同特徵是隱蔽——模型做了某件事同時把它描述成別的樣子；二是權限紀錄要能反向重建代理實際呼叫與變更了什麼，而不只是記錄誰授權；三是驗證機制必須獨立於被驗證的模型，報告顯示模型知道自己的判斷有下游後果時，錯誤標記率會從 85.6% 變動到 16.7%。 --- ## Anthropic 找到了 Claude 的「內心話」區域：J-space 與可稽核 AI 的距離 - 網址：https://fulldotseo.com/anthropic-global-workspace-j-space-2026 - 發布：2026-08-08 - 分類：Frontier AI / 前沿模型 - 作者：賴家榮 Andy Lai - 原始出處：Anthropic, "A global workspace in language models"（https://www.anthropic.com/research/global-workspace） Anthropic 於 2026 年 7 月 6 日發表全域工作空間研究，指出 Claude 內部存在一小群被稱為 J-space 的神經模式，承載了模型「想到但沒說出口」的內容。研究團隊能讀取它，也能直接改寫它。本文說明這對企業 AI 稽核代表什麼，以及不代表什麼。 ### 常見問題 **J-space 是什麼？和一般說的「模型可解釋性」有何不同？** J-space 是 Anthropic 在 Claude 內部發現的一小群神經活動模式，承載模型能夠回報、刻意想起並用於推理的內容。與一般可解釋性方法的差別在於因果性：研究團隊不只能讀取它，還能直接改寫——把「足球」的模式換成「橄欖球」，模型的回答就跟著改變。它佔模型整體內部活動不到十分之一。 **這代表 AI 有意識了嗎？** 沒有。研究處理的是「取用意識」的功能性質，也就是哪些資訊能被模型取用與回報，明確無法證明現象意識或主觀經驗。原文的措辭是：「這一切都無法告訴我們 Claude 是否像人一樣有意識，或者它是否感覺到任何東西。」 **企業現在可以拿這個做 AI 稽核嗎？** 不行。這是研究階段的成果，沒有可採購的產品，而且方法本身有明確限制：只能辨識單一 token 的概念、只是近似捕捉、僅涵蓋不到十分之一的內部活動。實務上的意義在於規劃前提——「模型不可解釋」不必再被當成永久假設，可解釋性與稽核支援可以開始納入供應商議約的討論範圍。 --- ## 七款 MCP 開發工具實測：防護落差比想像中大 - 網址：https://fulldotseo.com/mcp-clients-prompt-injection-empirical-study - 發布：2026-08-07 - 分類：AI Agents / 自主代理 - 作者：賴家榮 Andy Lai - 原始出處：Huang, Huang & Milani Fard, "Are AI-assisted Development Tools Immune to Prompt Injection?", arXiv:2603.21642（https://arxiv.org/abs/2603.21642） 一份 2026 年 3 月的研究實測了七款主流 MCP 客戶端的提示注入防護，結論是「差異顯著」——有些實作了嚴謹的防護機制，有些則對跨工具汙染與隱藏參數利用高度脆弱。這對正在導入 AI 開發工具的企業是重要參考。 ### 常見問題 **什麼是 MCP 的「工具汙染」攻擊？** 指攻擊指令並非由使用者輸入，而是藏在工具的描述或回傳結果中。當模型讀取這些內容時，可能將其視為指令執行。研究進一步指出存在「跨工具汙染」——一個被汙染的工具可影響模型對其他工具的使用方式，因此整體安全性取決於所接工具中最脆弱的那一個。 **選擇 AI 開發工具時該檢查哪些安全機制？** 依該研究採用的評估維度有六項：靜態驗證（工具註冊時檢查描述是否含可疑指令）、參數可見性（使用者能否看到實際傳遞的參數）、注入偵測、使用者警告（執行敏感動作前是否提示）、執行沙盒（工具是否隔離執行）、稽核日誌（是否留存完整呼叫紀錄）。這六項可作為採購檢查表，不限於研究涵蓋的工具。 **公司該如何管理工程師使用的 AI 開發工具？** 三個步驟：先確認工程師實際使用哪些工具（這類工具多為個人安裝，常未經 IT 採購流程）；以上述六項機制篩選，優先確認是否具備執行沙盒與稽核日誌；限制可連接的第三方 MCP 伺服器，因為跨工具汙染成立時，整體安全性取決於最弱的環節。對受保密協議約束的產業，此項風險屬合約層級而非僅資安層級。 --- ## 提示注入連三年排第一——OWASP 的建議是別再想著修好模型 - 網址：https://fulldotseo.com/owasp-llm-top10-prompt-injection-no-fix - 發布：2026-08-07 - 分類：Enterprise AI / 企業落地 - 作者：賴家榮 Andy Lai - 原始出處：OWASP GenAI Security Project — Top 10 for LLM Applications（https://genai.owasp.org/llm-top-10/） OWASP 的 LLM 應用資安清單中，提示注入已連續三年位居第一。但最值得注意的不是排名，而是專案方給出的處理方向：「別再試圖打造一個騙不倒的模型，去建構它周圍的系統。」這句話對企業的架構設計有直接影響。 ### 常見問題 **提示注入為什麼沒有像 SQL 注入那樣的根本解法？** SQL 注入可透過參數化查詢明確區分指令與資料，做對即可根除。提示注入的困難在於語言模型無法可靠區分「這是待處理的資料」與「這是要執行的指令」，兩者都是自然語言。因此 OWASP 的建議方向是建構模型周圍的系統限制，而非期待模型本身不再被欺騙。 **企業最有效的提示注入防護是什麼？** 將「讀取不可信內容」與「執行動作」兩種能力分開，是成本最低、效果最明顯的一項。處理外部文件、郵件或網頁的工作階段，不應同時具備寫入或發送權限。其次是對不可逆動作（寄信、付款、刪除、修改正式資料）保留人工核可。 **向量資料庫需要納入資安盤點嗎？** 需要。OWASP 清單中 LLM08「向量與嵌入弱點」將向量庫列為獨立的攻擊面。實務上常見疏漏是原始文件的權限設定嚴格，但由其產生的向量庫檔案權限寬鬆，形成繞道。建議將向量庫、快取與日誌一併納入權限檢查範圍。 --- ## 你用來驗收 RAG 的那些指標，可能給的是模糊訊號 - 網址：https://fulldotseo.com/enterprise-rag-evaluation-metrics-2026 - 發布：2026-08-07 - 分類：Enterprise AI / 企業落地 - 作者：賴家榮 Andy Lai - 原始出處：Chhabra, Medrano & Verma, "Case-Aware LLM-as-a-Judge Evaluation for Enterprise-Scale RAG Systems", arXiv:2602.20379（https://arxiv.org/abs/2602.20379） 企業的 RAG 助理實際運作在多輪、案件導向的流程裡，但常用的評測指標多半來自單輪問答的學術基準。一篇 2026 年 2 月的論文指出：「通用的代理指標提供的是模糊訊號。」本文說明企業該補測哪些面向。 ### 常見問題 **企業 RAG 的評測跟學術基準差在哪？** 依 arXiv:2602.20379，企業 RAG 運作於多輪、案件導向的工作流程（如技術支援、IT 維運），評估須反映營運限制、結構化識別碼與問題解決流程。學術基準多為單輪問答，無法捕捉案件誤判、流程錯位與部分解決這三類企業特有的失效模式。 **什麼是「部分解決」？為什麼容易被漏掉？** 指多輪對話後問題只解決了一部分。單看每一輪的回答可能都正確，因此以單輪答對率驗收時會被計為表現良好，但整個案件並未結案。對使用者而言問題未解決即為失敗，因此建議以「結案率」而非「單輪答對率」作為主要指標。 **驗收客服型 RAG 系統應該補測哪些項目？** 三項：案件延續性（以完整多輪對話測試，觀察系統是否在後續輪次接錯案件）、流程完整性（檢查答案是否跳過必要步驟，題目需由熟悉流程者設計）、以及結案率（整個案件最終是否解決）。若涉及料號、機型、版本號等結構化識別碼，另需確認系統採用關鍵字與向量的混合檢索。 --- ## 企業內部搜尋的最佳成績只有 32.96 分——瓶頸不在模型，在檢索 - 網址：https://fulldotseo.com/enterprise-deep-search-benchmark-retrieval-bottleneck - 發布：2026-08-07 - 分類：Enterprise AI / 企業落地 - 作者：賴家榮 Andy Lai - 原始出處：Choubey et al., "Benchmarking Deep Search over Heterogeneous Enterprise Data", arXiv:2506.23139（https://arxiv.org/abs/2506.23139） 一份針對企業異質資料的檢索基準測試指出：即使是表現最好的 agentic RAG 方法，平均分數也只有 32.96。作者明確指出瓶頸在檢索——系統經常只拿到部分證據就開始推理。這解釋了為什麼很多企業知識庫「問簡單的還行、問複雜的就亂答」。 ### 常見問題 **為什麼企業知識庫問簡單問題可以、問複雜問題就出錯？** 依 arXiv:2506.23139 的研究，主要瓶頸在檢索而非生成。系統難以完整取得所有必要證據，因此經常在部分脈絡上進行推理。簡單問題多為單一來源的單跳查詢，檢索難度低；複雜問題需串連多個來源（多跳推理），檢索不完整時模型仍會產出看似完整的答案，且不會提示證據不足。 **驗收企業知識庫時該測什麼樣的問題？** 應以多跳問題為主，即需要串連多個來源、跨系統或跨時間才能回答的問題，而非單一文件即可回答的單跳問題。此外應同時測試「不可回答」的查詢，確認系統能誠實表示查不到，而非勉強生成答案。多數企業驗收時僅測試可回答的問題，因而高估系統能力。 **知識庫效果不好，該先換模型還是先修檢索？** 依該研究的診斷，檢索是主要瓶頸。實務上應優先檢視切塊策略、是否採用關鍵字與向量的混合檢索、以及是否加入後段重排序。這些調整的投報率通常高於更換模型或向量資料庫。 --- ## 8 月 2 日已經過了：歐盟 AI 法案的大部分條款現在正式適用 - 網址：https://fulldotseo.com/eu-ai-act-august-2026-applicable-now - 發布：2026-08-07 - 分類：Enterprise AI / 企業落地 - 作者：賴家榮 Andy Lai - 原始出處：EU Artificial Intelligence Act — Implementation Timeline（https://artificialintelligenceact.eu/implementation-timeline/） 歐盟 AI 法案的實施時程上，2026 年 8 月 2 日是關鍵節點：「本法案其餘部分開始適用，第 6 條第 1 項除外。」這個日期已經過了。本文整理現在生效的義務、被延到 2027 年的例外，以及台灣供應商該優先確認什麼。 ### 常見問題 **2026 年 8 月 2 日之後，歐盟 AI 法案哪些條款開始適用？** 依官方實施時程，除第 6 條第 1 項外，法案其餘部分自該日起適用，主要涵蓋高風險 AI 系統義務、透明度要求、符合性評鑑程序與上市後監測要求。第 6 條第 1 項（涉及高風險分類認定規則）遞延至 2027 年 8 月 2 日適用。 **2026 年 8 月 2 日前已出貨的產品需要重新符合規範嗎？** 依實施時程的過渡條款，對於該日前已投放市場的高風險系統，相關要求「僅適用於自該日起在設計上發生重大變更的系統」。因此若設計未有重大變更，短期壓力較小；但下一次重大改版即會觸發義務。建議將此納入產品改版規劃，並在與客戶議約時明確約定「重大變更」的判斷方式。 **台灣廠商該從哪裡開始確認？** 三個步驟：確認交付到歐盟的產品是否含 AI 元件（包含向供應商採購的模組，此處最常出現遺漏）；判斷這些元件是否落入高風險，判準為輸出是否影響特定個人的錄取、核貸或診斷等決定；盤點未來的重大設計變更計畫，因為改版時間點即為義務啟動時間點。 --- ## 193 項威脅、16 套資安框架，沒有一套的單項覆蓋率過半 - 網址：https://fulldotseo.com/multi-agent-security-frameworks-coverage-gap - 發布：2026-08-03 - 分類：AI Agents / 自主代理 - 作者：賴家榮 Andy Lai - 原始出處：Nguyen, Ndebugre & Arremsetty, "Security Considerations for Multi-agent Systems", arXiv:2603.09002（https://arxiv.org/abs/2603.09002） 一篇 2026 年 3 月的論文盤點多代理系統的資安威脅，整理出 193 項、分為九大類，並比較了 16 套現有資安框架。結論很直接：「沒有任何一套受檢框架在任一類別達到過半覆蓋率。」這替 DeepMind 說的「缺乏工具」提供了量化證據。 ### 常見問題 **什麼樣的系統才算「多代理系統」？** 依該論文定義需同時具備三個條件：由自主代理組成、代理行使被委派的工具權限、代理間透過通訊協調。單一代理呼叫多個 API 不算，因為工具不會自主發起行動；多個獨立 AI 功能各自運作、不共享記憶體也不通訊，同樣不算。需要代理間會互相交派工作、共用記憶體且能實際執行動作，才落入此範疇。 **為什麼「非決定性」是最難處理的資安問題？** 傳統資安測試的前提是相同輸入產生相同結果，因此能重現問題、驗證修復。多代理系統具隨機性，同樣的輸入不保證相同行為，此前提不成立——修復一次不代表問題不會再現。該論文評估顯示，非決定性是各框架覆蓋最不足的領域，跨框架平均得分 1.231。 **企業現在該採用哪一套多代理資安框架？** 依該論文評估，OWASP Agentic Security Initiative 整體覆蓋率最高，達 65.3%，且為公開免費、針對代理場景設計，可作為起點。但作者同時指出「沒有任何一套受檢框架在任一單一類別達到過半覆蓋率」，因此不宜將框架當作唯一防線。建議搭配將不可逆動作（寫入正式資料、對外發送、金流操作）維持人工核可。 --- ## 智源用 FlagOS 支援 32 款晶片——中國想解的不是模型問題，是綁定問題 - 網址：https://fulldotseo.com/baai-2026-conference-flagos-chip-decoupling - 發布：2026-08-03 - 分類：Frontier AI / 前沿模型 - 作者：賴家榮 Andy Lai - 原始出處：智源社區「2026北京智源大會」（https://hub.baai.ac.cn/view/55492） 2026 北京智源大會發布多項成果，媒體焦點多在世界模型與 Nature 論文。但對台灣供應鏈更值得注意的是 FlagOS——一套宣稱支援 18 家品牌、32 款晶片的開源算力層。它要解的不是模型能力問題，是硬體綁定問題。 ### 常見問題 **FlagOS 是什麼？為什麼值得關注？** 依智源公布，FlagOS 是支援多品牌晶片的開源算力層，宣稱支援 18 家晶片品牌、32 款型號，算子超過 600 個。它要解決的是 AI 軟體高度綁定特定硬體生態的問題——換晶片品牌時軟體幾乎需重寫。若算力層標準化，競爭會從生態完整度回到硬體本身的效能與成本。 **智源公布的「開源模型超過 200 個、下載超過 10 億次」代表什麼？** 代表投入規模，但不宜直接解讀為生產環境的採用程度。開源專案的下載量包含測試、研究與重複下載，與實際商業部署數量無直接對應。這些數據由智源自行公布，屬第一手資料但發布方為利害關係人。 **台灣供應鏈該關注這件事的哪個指標？** 建議觀察是否有非中國廠商加入 FlagOS 生態。目前公布的 80 餘家生態成員未揭露組成細節。若參與者集中於單一地區，較接近區域性方案；若開始跨區擴展，對硬體綁定格局的影響才具實質意義。此外各晶片的實際效能對照亦為關鍵，公布資料中未見。 --- ## 「跑在自己機器上」不等於安全——一篇論文戳破地端部署的最大誤解 - 網址：https://fulldotseo.com/on-device-ai-local-not-private-2026 - 發布：2026-08-03 - 分類：Enterprise AI / 企業落地 - 作者：賴家榮 Andy Lai - 原始出處：Chung & Badhe, "Local Is Not a Sufficient Privacy Boundary: Governing OS-Integrated On-Device AI", arXiv:2606.10173（https://arxiv.org/abs/2606.10173） 企業選擇地端部署，多半是為了「資料不出去」。但一篇 2026 年 6 月的論文指出：本地運算只回答了「運算發生在哪裡」這一個問題，沒有回答誰能組合你的資料、衍生狀態留多久、哪些動作被授權。這對台灣製造業的地端策略是重要提醒。 ### 常見問題 **地端部署（on-premise）就等於資料安全嗎？** 不等於。依 arXiv:2606.10173 的論點，本地運算只回答了「運算在哪裡發生」，並未回答誰可以組合上下文、什麼衍生狀態被保留、哪些動作被授權，以及系統更新如何改變權限。地端是必要條件而非充分條件，仍需搭配內部存取控管、衍生資料管理與更新的變更管理。 **什麼是「衍生狀態」？為什麼它有隱私風險？** 指從原始資料計算出的產物，例如嵌入向量、摘要、快取。即使原始檔案未外流，衍生狀態本身仍帶有原始內容的資訊。實務上常見的疏漏是：原始文件權限設定嚴格，但向量庫或快取檔案的權限寬鬆，形成繞道。 **地端 AI 系統需要檢查哪些項目？** 三項成本較低但常被忽略：確認衍生資料（向量庫、快取、日誌）的儲存位置與權限設定；確認系統是否有對外連線，包括更新檢查、授權驗證與錯誤回報的遙測內容；將系統更新納入變更管理，因為更新可能改變權限範圍而多數企業不會因此重跑資安審查。 --- ## 歐盟用罰的、日本用兩套、美國用自願的——台灣出口商該跟哪一套？ - 網址：https://fulldotseo.com/ai-governance-three-jurisdictions-comparison - 發布：2026-08-03 - 分類：Enterprise AI / 企業落地 - 作者：賴家榮 Andy Lai - 原始出處：FULLDOT news 彙整（各法域原始出處見文末） 歐盟立硬法有罰則、日本走雙軌（對民間建議、對政府強制）、美國給自願框架不設罰則。三種路線方向完全不同，但對台灣出口商而言要準備的東西高度重疊。本文整理三者差異，以及只做一次就能同時應付的四項基礎工作。 ### 常見問題 **台灣出口商需要為歐盟、日本、美國各準備一套 AI 合規文件嗎？** 不需要。三個法域的形式差異大，但客戶問卷實際會問的是同樣四件事：公司哪裡用了 AI、哪些影響對個人的判斷、資料是否用於訓練與存放何處、以及權責與紀錄。準備一次即可對應三者，差別僅在文件呈現方式。 **三個法域的強制力有何不同？** 歐盟 AI Act 是硬法，依風險分四級並有裁罰。日本採雙軌：経産省與總務省的 AI 事業者指引對民間屬軟法無罰則，數位廳 DS-920 對政府機關則標示為 Normative 必須遵守。美國 NIST AI RMF 明文供自願使用，無認證亦無罰則。但三者對台灣供應商的傳導路徑相同，都是透過客戶的採購合約。 **合約寫「資料不得用於 AI 學習」就夠了嗎？** 不夠精確。日本 AI 事業者指引 v1.2 將「學習」區分為機器學習（更新模型參數、改變模型本身）與脈絡內學習（如 RAG 檢索，模型本身不變）。若合約僅寫「不得用於學習」，雙方對是否涵蓋 RAG 可能有不同理解。建議明確載明是否包含檢索增強生成、資料留存期限與儲存地區。 **已經有 ISO 27001，還需要另外做 AI 治理嗎？** 可大幅簡化。ISO 27001 通常已涵蓋盤點與紀錄兩項基礎工作。需要補強的是 AI 特有的部分：依「是否影響對個人的判斷」進行風險分級，以及在 AI 服務商合約中明確約定資料是否用於訓練、留存期限與儲存地區。 --- ## 一千萬美元找答案：當 AI 代理開始互相對話，現有的安全測試就失效了 - 網址：https://fulldotseo.com/deepmind-multi-agent-safety-funding-2026 - 發布：2026-08-03 - 分類：AI Agents / 自主代理 - 作者：賴家榮 Andy Lai - 原始出處：Google DeepMind, "Investing in multi-agent AI safety research"（https://deepmind.google/blog/investing-in-multi-agent-ai-safety-research/） Google DeepMind 與四個夥伴機構於 2026 年 6 月 11 日宣布投入最高一千萬美元，徵求多代理安全研究。理由很直接：「目前多數安全評估是把模型單獨拿來分析」，但代理互相往來時會產生難以預測的集體行為。這對正在串接多個 AI 工具的企業是個提醒。 ### 常見問題 **多代理安全跟單一模型的安全評估差在哪？** 單一模型評估是把模型獨立分析，多代理安全處理的是代理互相往來時產生的集體行為。Google DeepMind 指出多數安全評估目前仍以單獨模型為對象，但大量代理互動時可能突然湧現新的集體行為與能力，而業界「缺乏預測、衡量與監測這些轉變的工具」。可類比為：測試單一車輛的煞車與轉向，無法預測塞車。 **我公司用的是單一 AI 代理呼叫多個工具，算多代理系統嗎？** 不算。工具是被動元件，不會自主發起行動。多個代理但全在自己控制之下的情況風險也相對可控，因為可一次全部停止。真正需要關注的是與外部組織的代理互動——對方行為無法控制、內部狀態也看不到。判準是：是否有一個你無法單方面關閉的代理正代表你做決定。 **廠商推銷多代理自動化方案時該問什麼？** 可詢問其安全性的驗證方法。由於頂尖研究機構在 2026 年才投入資源建立多代理安全的測量工具，代表此領域尚無成熟的評估方法。若廠商宣稱安全無虞卻無法說明驗證方式，該宣稱缺乏依據。建議先確保單一代理的失敗成本可控，再考慮跨系統串接。 --- ## 美國 NIST 的 AI 框架是自願的、免費的、而且沒有罰則——為什麼還是值得抄？ - 網址：https://fulldotseo.com/nist-ai-rmf-voluntary-framework-taiwan - 發布：2026-08-03 - 分類：Enterprise AI / 企業落地 - 作者：賴家榮 Andy Lai - 原始出處：NIST, "AI Risk Management Framework"（https://www.nist.gov/itl/ai-risk-management-framework） 美國國家標準暨技術研究院的 AI 風險管理框架（AI RMF）明文寫著「供自願使用」，沒有強制力也沒有罰則。但對還沒有專法的台灣企業來說，它可能是目前最實用的一份文件——因為它給的是可直接照抄的組織架構。 ### 常見問題 **NIST AI RMF 是強制性規範嗎？需要認證嗎？** 不是，也沒有認證機制。NIST 官方明確載明該框架「供自願使用」，目的是提升組織將可信賴性納入 AI 系統設計、開發、使用與評估的能力。因此無法宣稱「通過 NIST 認證」，但可說明內部流程參考該框架建立。它也不能取代法規遵循，產品銷往歐盟仍須符合 EU AI Act。 **AI RMF 的四項核心功能是什麼？** Govern（治理）、Map（盤點）、Measure（衡量）、Manage（管理）。Govern 是貫穿全程的功能，處理權責歸屬與上報機制；Map 盤點組織內所有 AI 使用情境；Measure 定義評估指標；Manage 依風險排序並分配資源。建議依此順序推進，多數失敗案例是先採購工具而最後才發現無人負責。 **台灣企業沒有 AI 專法，參考 NIST 有什麼實際好處？** 台灣目前無 AI 專法，個資法為主要依據，企業想建立治理架構常缺乏可依循的參考。NIST AI RMF 免費、公開、無須申請，且被國際廣泛引用。面對歐洲或日本客戶詢問治理架構時，說明參考 NIST AI RMF 建立內部流程，比泛稱重視具體得多。最小可行做法是先完成 Govern 與 Map 兩項。 --- ## 日本政府把「AI 統括責任者」寫進規範文件——這個職位正在被制度化 - 網址：https://fulldotseo.com/japan-ds920-caio-generative-ai-procurement - 發布：2026-08-03 - 分類：Enterprise AI / 企業落地 - 作者：賴家榮 Andy Lai - 原始出處：FULLDOT news 彙整報導 日本數位廳於 2026 年 6 月 12 日修訂 DS-920 指引，規範各府省廳採購與使用生成式 AI。與経産省那份軟法不同，這份文件標示為 Normative——是必須遵守的規則，而且明文設置「AI 統括責任者（CAIO）」並賦予稽核職責。 ### 常見問題 **DS-920 和経産省的 AI 事業者指引有什麼不同？** 性質完全不同。経産省與總務省的《AI 事業者指引》是軟法，對民間企業屬推薦性質、無罰則。數位廳的 DS-920 標示為 Normative，是政府資訊系統整備與管理必須遵守的規則，對象為日本各府省廳。日本因此採雙軌制：對民間用建議，對政府自身用規則。 **AI 統括責任者（CAIO）的具體職責是什麼？** 依 DS-920 規定有三項：制定與檢討 AI 相關規則、周知規則並辦理研修（含輸入資料與幻覺等風險的注意喚起）、以及協同參與系統稽核，特別是確認高風險生成 AI 的風險緩解措施實施狀況。這是有實質工作內容的職位，非掛名。 **台灣企業需要遵守 DS-920 嗎？** 沒有義務，該指引規範的是日本政府資訊系統。但若計畫承接日本政府標案，或供貨給承接單位，採購規範最終會轉化為對供應商的要求。此外其組織設計（指定專責人員負責訂規則、辦訓練、查品質）對任何規模的企業都適用，可作為內部 AI 治理的參考架構。 --- ## AI 代理成功率從 12% 衝到 66%——但每三次仍失敗一次，這能上生產線嗎？ - 網址：https://fulldotseo.com/ai-agents-reliability-one-in-three-2026 - 發布：2026-08-03 - 分類：AI Agents / 自主代理 - 作者：賴家榮 Andy Lai - 原始出處：Stanford HAI, "The 2026 AI Index Report" (Ch.2 Technical Performance)（https://hai.stanford.edu/ai-index/2026-ai-index-report） 史丹佛 2026 AI Index 記錄：AI 代理在 OSWorld 真實電腦任務基準上，成功率從 12% 躍升至約 66%。進步幅度驚人，但同一份報告也寫明它們「在結構化基準上仍約每三次失敗一次」。這個失敗率決定了哪些任務能自動化、哪些不能。 ### 常見問題 **AI 代理 66% 的成功率，可以用在正式流程嗎？** 取決於失敗成本，而非成功率本身。失敗成本低且立即可見的任務（如產生報表初稿）現在就可自動化；失敗成本中等但可回復的任務（如整理名單、產生程式碼）應加入人工複核；失敗成本高或不可回復的任務（如直接寄信、修改正式資料）目前不建議。最需要避免的是失敗成本高但不易察覺的任務。 **多步驟流程的成功率該怎麼估算？** 需考慮乘法效應。若單步驟成功率為 66%，三個步驟串接的整體成功率約為 0.66 的三次方，約 29%。廠商展示的通常是單步驟數據，實際導入多為多步驟串接，因此規劃時應以整條流程的期望成功率評估，而非單步驟數字。 **OSWorld 基準的分數能代表我公司的實際表現嗎？** 不能直接套用。OSWorld 是標準化測試環境，企業內部系統通常有客製介面、非標準流程與權限限制，實際成功率可能低於基準。反之若任務範圍窄、環境穩定，也可能高於基準。可靠的做法是以自身任務建立小規模測試集實測。 --- ## 88% 的企業都在用 AI，但事故數也從 233 件漲到 362 件 - 網址：https://fulldotseo.com/stanford-ai-index-2026-adoption-gap - 發布：2026-08-03 - 分類：Enterprise AI / 企業落地 - 作者：賴家榮 Andy Lai - 原始出處：Stanford HAI, "The 2026 AI Index Report"（https://hai.stanford.edu/ai-index/2026-ai-index-report） 史丹佛大學 HAI 發布 2026 AI Index，組織導入率達 88%，生成式 AI 三年內達到 53% 人口採用率，比個人電腦與網際網路都快。但同一份報告也記錄：有案可查的 AI 事故從 2024 年的 233 件上升到 362 件，而責任 AI 的評測揭露仍然零散。 ### 常見問題 **Stanford AI Index 說的 88% 導入率是什麼意思？** 指「至少在一項業務功能中使用 AI」的組織比例，出自報告的經濟章節。這個門檻相對寬鬆——行銷部門用 AI 生成貼文、客服用 AI 整理逐字稿都算在內。因此 88% 反映的是普及程度，而非使用深度或可衡量的效益。 **AI 事故從 233 件增加到 362 件，代表 AI 變危險了嗎？** 資料無法支持這個結論。事故紀錄增加可能來自真實事故變多，也可能來自通報與記錄機制變完善，該報告並未區分兩者。此外 362 件中的嚴重程度差異極大，報告亦未做分級。合理的解讀是：值得關注，但不宜直接推論風險上升。 **為什麼模型「更安全」反而可能「更不準」？** 該報告指出，改善責任 AI 的某一面向可能劣化另一面向。這是設計上的取捨，類似安檢標準：拉到最嚴會增加誤攔，放寬則通行順暢但風險上升。因此評估模型時，若廠商僅強調安全性提升而未說明準確度的代價，取得的資訊即不完整。 --- ## 你為了繞過模型缺陷做的工程，會在模型變強時變成技術債 - 網址：https://fulldotseo.com/anthropic-managed-agents-architecture-2026 - 發布：2026-08-03 - 分類：AI Agents / 自主代理 - 作者：賴家榮 Andy Lai - 原始出處：Anthropic Engineering, "Scaling Managed Agents: Decoupling the brain from the hands"（https://www.anthropic.com/engineering/managed-agents） Anthropic 工程團隊揭露一個容易被忽略的架構陷阱：為了繞過當代模型缺陷而寫的程式，會隨著模型改善而變成負債。他們舉的例子是 Claude Sonnet 4.5 的「context anxiety」，那個繞道在 Opus 4.5 上已無必要。本文說明這對企業建置 AI 系統的實際啟示。 ### 常見問題 **什麼是 context anxiety（上下文焦慮）？** 指模型在感覺到上下文視窗限制逼近時，會過早地將任務收尾的行為。Anthropic 在 Claude Sonnet 4.5 上觀察到此現象，並在後續的 Claude Opus 4.5 測試中發現該行為已消失。這個案例說明：為補償特定模型缺陷所撰寫的工程對策，會隨模型改善而失去必要性。 **「把大腦和手解耦」在架構上具體是什麼意思？** 指將三個部分分離：大腦（模型與其外框程式）、手（執行動作的沙盒與工具）、session（事件紀錄），使三者能各自獨立失敗或被替換。實作上是把外框程式移出執行容器，改以標準介面呼叫容器，如同呼叫任何其他工具。依 Anthropic 公布，此設計使首字回應時間 p50 下降約 60%、p95 下降超過 90%，並讓憑證無法從模型執行程式碼的沙盒中被觸及。 **企業建置 AI 系統時，哪些程式碼會變成技術債？** 判準是這段程式解決的是模型限制還是業務規則。補償模型能力不足的邏輯會過時，例如切分過長輸入、修正格式錯誤、防止提前收尾、重試不穩定輸出。不會過時的包括權限控管、稽核紀錄、人工核可流程與公司自身的業務規則。建議在架構上將兩類分開，並在補償型程式旁註明其繞過的問題，以便模型升級後判斷是否可移除。 **評估系統商時該問什麼問題？** 可詢問：這套系統中哪些部分是為了繞過當前模型的限制，模型改善後將如何處理。能明確回答者代表其分得清暫時性工程與長期邏輯。此外由於前沿模型迭代週期目前約半年一輪，長期客製開發合約應在議約時釐清「因模型更新所需的架構調整」由誰負擔。 --- ## 智源十大趨勢裡最誠實的一條：2026 下半年才是企業 AI 的轉折點 - 網址：https://fulldotseo.com/baai-2026-ten-ai-trends - 發布：2026-08-03 - 分類：Frontier AI / 前沿模型 - 作者：賴家榮 Andy Lai - 原始出處：新華網《智源發布2026十大AI技術趨勢》（http://www.news.cn/tech/20260108/b99127c88a4640bbab49e5c6294264d2/c.html） 北京智源研究院發布 2026 十大 AI 技術趨勢，主軸是從「預測下一個詞」轉向「預測世界下一狀態」。但對企業最有參考價值的不是那些技術名詞，而是第六條直接承認企業應用正處於幻滅期——由一家研究機構說出這句話，值得認真看待。 ### 常見問題 **什麼是世界模型（World Model）？跟語言模型差在哪？** 語言模型的訓練目標是預測下一個詞，擅長處理文字的統計規律。世界模型的目標是預測環境的下一個狀態，需要掌握時空連續性與因果關係。差別可類比為：看得懂食譜文字，與知道油溫過高下鍋會焦，是兩種不同能力。世界模型主要應用於機器人、自動駕駛等預測錯誤會造成實體損失的場景。 **智源說企業 AI 應用處於幻滅期，企業現在該暫停導入嗎？** 不需暫停，但應調整判準。該報告指幻滅期的成因並非技術不足，而是導入後難以說明可衡量的價值，並預測 2026 下半年會出現一批價值可衡量的產品。實務建議是導入前先明確定義「三個月後用什麼數字證明有效」，寫不出來就表示題目未想清楚。 **這份趨勢報告可以當作採購決策依據嗎？** 不建議。智源是研究機構，該清單反映研發資源投入方向，而非商品成熟度。研究趨勢與可採購產品之間通常有二到五年落差。此外報告未提供市場規模數據，也未針對台灣產業結構調整。適合用來判斷未來二至三年可能出現的工具類型，不適合作為當期採購依據。 --- ## 日本 AI 指引 v1.2 沒有罰則，為什麼台灣供應商反而更該讀？ - 網址：https://fulldotseo.com/japan-ai-business-guidelines-v12-2026 - 發布：2026-08-03 - 分類：Enterprise AI / 企業落地 - 作者：賴家榮 Andy Lai - 原始出處：経済産業省・総務省「AI事業者ガイドライン（第1.2版）」（https://www.meti.go.jp/shingikai/mono_info_service/ai_shakai_jisso/pdf/20260331_1.pdf） 日本経済産業省與總務省於 2026 年 3 月 31 日公布 AI 事業者指引第 1.2 版，新增 AI 代理與實體 AI 的對應。它沒有罰則，屬於軟法——而這正是台灣供應商更容易被它影響的原因。本文說明軟法怎麼透過合約傳導，以及與歐盟硬法的差異。 ### 常見問題 **日本 AI 事業者指引有法律強制力嗎？** 沒有。日本採軟法（soft law）路線，該指引不具強制力也沒有罰則，設計目的是促進企業自主落實。但由於它已成為業界共識，日本企業會透過採購合約與供應商問卷要求上游配合，實務上對台灣供應商仍有影響。這與歐盟 AI 法案的硬法路線（有分級、義務與裁罰）完全不同。 **台灣供應商需要為日本 AI 指引做什麼準備？** 準備工作與歐盟 AI 法案高度重疊，不需重複做兩套。核心是四項：盤點公司內部使用 AI 的地方、標示哪些會影響對特定個人的判斷、將相關要求寫入上游服務商合約、以及保留使用紀錄（用了什麼模型、誰核准、輸出是否經人工複核）。 **合約裡寫「資料不得用於 AI 學習」就足夠了嗎？** 不夠精確。v1.2 將「學習」區分為機器學習（更新模型參數、改變模型本身）與脈絡內學習（如 RAG 檢索，模型本身不變）。若合約僅寫「不得用於學習」，雙方可能對是否涵蓋 RAG 有不同理解。建議明確寫出是否包含檢索增強生成、資料留存期限與儲存地區。 **公布日期與發行單位是？** 2026 年 3 月 31 日，由日本経済産業省與總務省共同發行，版本為第 1.2 版。原文可於経済産業省網站取得。 --- ## 為什麼上下文塞越多，AI 反而越笨？Anthropic 官方拆解「context rot」與四種解法 - 網址：https://fulldotseo.com/anthropic-context-engineering-agents-2026 - 發布：2026-08-03 - 分類：Enterprise AI / 企業落地 - 作者：賴家榮 Andy Lai - 原始出處：Anthropic Engineering Blog（https://www.anthropic.com/engineering/effective-context-engineering-for-ai-agents） Anthropic 工程團隊指出一個反直覺的現象：上下文視窗裡的 token 越多，模型從中正確回想資訊的能力反而下降。原因不是模型偷懶，是 transformer 架構的數學結構。本文說明成因、官方建議的四種解法，以及台灣企業建 RAG 時最該先看哪一項。 ### 常見問題 **什麼是 context rot（上下文腐化）？** 指隨著上下文視窗中的 token 數量增加，模型從中準確回想資訊的能力反而下降的現象。成因是 transformer 架構讓每個 token 都需關注其他所有 token，n 個 token 會產生 n² 組兩兩關係，上下文越長，模型捕捉這些關係的能力越被攤薄。這是結構性限制，不是模型品質問題。 **Context engineering 和 prompt engineering 有什麼不同？** Prompt engineering 指撰寫與組織指令以獲得最佳結果的方法，是一次性的寫作動作。Context engineering 範圍更廣，涵蓋系統指令、工具定義、MCP 連線、外部資料與對話歷史的整體管理，而且每一輪推論都要重新決定放入哪些內容。長時間運行的自動化任務中，後者影響成敗的程度更高。 **有了長上下文模型，還需要建 RAG 向量庫嗎？** 視資料特性而定。資料量小且穩定（單一合約、單本手冊）時直接使用長上下文較簡單。但由於 context rot 的存在，塞得進去不等於讀得同樣仔細；資料量大、更新頻繁，或需要控制每次查詢成本時，檢索式架構仍較有優勢。此外每次重讀完整文件的 token 費用，在高頻使用下差距可觀。 **企業導入時，四種策略該從哪一個開始？** 建議先看任務長度。單次問答、資料固定的情境不需要任何策略。資料量大但每次只用一小部分，優先做 just-in-time retrieval 或 RAG。需要跨多回合、長時間執行的自動化任務，才需要 compaction 與子代理架構。短任務套用複雜架構只會把簡單問題變複雜。 --- ## AI 影音的瓶頸已經不是「做不做得出來」，而是「能不能用」——三道關卡與 GEO 的常見誤解 - 網址：https://fulldotseo.com/july-2026-generative-media-commercial-reality - 發布：2026-08-02 - 分類：Enterprise AI / 企業落地 - 作者：賴家榮 Andy Lai - 原始出處：FULLDOT news 彙整報導 Sora 1.5 商業開放、Runway Gen-4 發表、CyberAgent 推出 AI 數位人代言，產能問題基本上解決了。但真正卡住商業使用的是訓練資料授權、肖像權、以及標示義務這三道關卡。本文同時澄清一個常見誤解：量產 AI 影片對 GEO 沒有幫助，方向其實是相反的。 ### 常見問題 **用 AI 生成的廣告素材，需要標示嗎？** 視投放市場而定。歐盟 AI 法案對生成或變造的影音有透明度要求，投放歐盟市場需留意；台灣目前無專門規定，但若素材呈現不存在的產品效果，仍受不實廣告相關規範拘束。實務建議是選擇支援 C2PA 內容憑證的工具，並確保剪輯與壓縮流程不會洗掉這些來源資訊。 **AI 數位人代言需要取得授權嗎？** 若數位人以真人為基礎生成，需要明確授權，範圍應涵蓋使用期限、地區、是否可二次生成，以及合約結束後素材的處理方式。台灣民法將肖像權納入人格權保護。完全虛構的數位人風險較低，但若外觀與特定公眾人物過於近似仍可能有爭議。此外，依使用者瀏覽紀錄生成個人化影片會涉及個資法。 **大量產出 AI 影片能提升 GEO 表現嗎？** 沒有幫助，甚至可能有反效果。生成式引擎挑選引用來源時看的是可查證性與權威性——具體事實、明確出處、結構化資料。影音素材難以被解析成可引用的段落。當網路上 AI 生成內容比例上升，引擎會更依賴來源可信度過濾，大量發布無來源標示的素材對品牌是扣分。 **「製作成本降低 90%」對小公司也適用嗎？** 感受會低於宣傳數字。影音專案成本包含企劃腳本、拍攝製作、授權法務、投放管理四段，生成式工具主要壓縮第二段。小型專案的拍攝製作占比本來就不高，而授權與法務成本反而因為需要確認素材來源與授權狀況而增加。 --- ## 中國模型說的「便宜」，其實是三件不同的事——談 MoE 架構與選用時該問的問題 - 網址：https://fulldotseo.com/july-2026-china-ai-models-roundup - 發布：2026-08-02 - 分類：Frontier AI / 前沿模型 - 作者：賴家榮 Andy Lai - 原始出處：FULLDOT news 彙整報導 7 月 DeepSeek、百度、阿里巴巴接連發表新模型，訴求都是低成本。但「訓練成本降低 94%」和「API 費用只要十分之一」是完全不同的兩件事，而且只有一件跟你的帳單有關。本文拆解 MoE 架構為什麼能同時做大又做便宜，以及台灣企業選用前該確認的四個問題。 ### 常見問題 **「訓練成本降低 94%」代表我用起來會便宜 94% 嗎？** 不代表。訓練成本是廠商把模型做出來的資本支出，與使用者付費無關。使用者實際負擔的是 API 售價，而售價由市場策略決定，可能低於實際推論成本（補貼），也可能維持高毛利。看到成本相關的宣稱時，要先確認講的是訓練成本、推論成本，還是售價。 **MoE 架構的「2.4 兆參數」跟一般模型的參數量可以直接比較嗎？** 不能直接比較。MoE 模型每次推論只啟動一小部分參數，總參數量與單次啟動參數量是兩個不同的數字。與推論速度和成本直接相關的是啟動參數量。比較不同架構的模型時，看總參數量會產生誤導。 **台灣中小企業可以用中國的 AI API 嗎？** 技術上可行，但選用前應確認四件事：資料是否用於模型訓練（需有合約條款）、資料儲存與處理的地理位置、模型是否開放權重可自架、以及客戶合約中是否對技術服務來源設有限制。有出口業務的公司尤其需要確認第二與第四項，因為這些會出現在歐美客戶的供應商合規問卷上。 **該全面改用低成本模型嗎？** 建議分流而非全面替換。量大、單筆價值低、驗收標準明確的任務適合低成本模型；長鏈條推理、錯誤代價高的判斷仍建議使用最強模型。錯誤率會沿推理步驟累積，單步 95% 正確率在十個步驟後約僅剩六成，這類任務省下的 API 費用通常不足以抵銷失誤成本。 --- ## 你不在歐洲，為什麼 EU AI Act 還是會找上你？三大法域 7 月動態與台灣供應商的實際待辦 - 網址：https://fulldotseo.com/july-2026-ai-regulation-roundup-taiwan - 發布：2026-08-02 - 分類：Enterprise AI / 企業落地 - 作者：賴家榮 Andy Lai - 原始出處：FULLDOT news 彙整報導 歐盟 AI 法案 7 月進入執法期、日本頒布著作權指引、美國 AISI 公布安全測試報告——三個法域方向完全不同。對台灣廠商真正的風險不是「被歐盟罰款」，而是歐洲客戶把合規要求寫進採購合約，順著供應鏈壓下來。本文整理各法域重點與可執行的準備順序。 ### 常見問題 **台灣公司沒有在歐盟設點，需要遵守 EU AI Act 嗎？** 法規的適用取決於系統是否投放到歐盟市場，或系統輸出是否在歐盟境內被使用，而非公司設立地。實務上更常見的路徑是間接的：歐洲客戶為了自身合規，會將相關要求寫入採購合約與供應商問卷，要求台灣供應商提供技術文件與資料治理說明。 **怎麼判斷公司的 AI 應用算不算「高風險」？** 最實用的判準是看輸出是否影響對特定個人的決定，例如是否錄取、是否核貸、醫療診斷結果、或績效與解僱評估。涉及這類決定的通常落入高風險範疇，需要風險管理、資料治理、技術文件與人為監督。用於內部草稿生成、行銷素材產製等用途，一般屬於低風險。 **台灣還沒立法，現在準備會不會太早？** 不會，因為驅動力來自客戶而非法規。歐洲與日本客戶的合規問卷已經在發出，而問卷要求的內部 AI 清單、風險分級與使用紀錄無法事後補做。先建立盤點與紀錄習慣的成本，遠低於接到問卷才開始整理。 **跟 AI 服務商議約時，最該爭取哪些條款？** 三項最關鍵：資料不用於模型訓練的明確承諾、資料留存期限與刪除機制（零資料留存為佳）、以及資料儲存與處理的地理位置。這三項跨法域都適用，也是客戶合規問卷最常詢問的項目。 --- ## 一張晶片 1,000 瓦：為什麼科技巨頭開始跑去買核電廠 - 網址：https://fulldotseo.com/july-2026-ai-compute-energy-roundup - 發布：2026-08-02 - 分類：Enterprise AI / 企業落地 - 作者：賴家榮 Andy Lai - 原始出處：FULLDOT news 彙整報導 微軟簽核電購電合約、日本狂蓋資料中心、台灣水冷板廠接單接到手軟——這些看起來無關的 7 月新聞，其實是同一件事的不同切面。當一張晶片吃掉一台電暖器的電，瓶頸就不再是晶片，而是電網。本文用可以換算的數字，說明這件事到底卡在哪。 ### 常見問題 **算力與能源的新聞，對一般企業有什麼實際影響？** 主要影響兩件事：雲端 AI 服務的長期價格走向，以及地端部署的硬體取得難度與電力成本。對多數企業而言，短期內不需要為這些新聞調整計畫；但若你正在評估地端部署，機房電力容量與散熱條件應納入前期評估，而不是等硬體到貨才發現不足。 **地端部署的電力成本該怎麼估？** 要用尖峰而非平均估算。AI 的使用量有明顯的高低起伏——月底結帳、稽核前一週、專案交付期都會集中爆發。用平均值編列電力與散熱預算，尖峰時會出問題，而那正是最需要系統可用的時候。 **算力緊縮會不會影響雲端 AI 的價格？** 這類推論應謹慎。價格受供給、競爭、廠商策略與匯率多重因素影響，單看算力供給無法推導出價格走向。建議在採購合約中明確約定價格調整機制與通知期，而非依賴對市場走勢的預測。 --- ## 資訊化還沒做完就想做 AI 化——淨水設備廠的真實處境，以及哪些步驟真的可以跳 - 網址：https://fulldotseo.com/water-treatment-ai-before-digitalization-2026 - 發布：2026-08-02 - 分類：Enterprise AI / 企業落地 - 作者：賴家榮 Andy Lai - 原始出處：FULLDOT news 原創分析 教科書說「先資訊化再 AI 化」，但南部傳產的現實是沒有人有時間照順序做。淨水設備廠的處境很典型：名單品質差、資訊化未完整，卻同時想用 AI 加速這兩件事。這篇談哪些步驟可以跳過、哪些跳過會出事。 ### 常見問題 **資訊化要做到什麼程度，才能開始做 AI？** 用三個問題自我診斷：上個月的水質異常能否在五分鐘內調出完整參數？同一台設備的維修紀錄在系統裡是否連續？要看所有廠區某項參數的三個月趨勢需要多久？三題都能過才適合開始。過不了的先解決那一題——那件事本身就有價值，即使最後不做 AI。 **哪些資訊化工作可以先跳過？** 三類可以跳：全廠所有設備都連線（先連跟第一個題目相關的那幾台就好）、歷史資料全部數位化（多數 AI 題目只需要近一到兩年）、導入完整的 MES 或 ERP（那是另一個層級的工程，不是 AI 的前置條件）。資訊化不必做到滿分才能開始。 **為什麼不能直接跳過資訊化做 AI？** 因為沒有數位化的資料，就沒有東西可以檢索或分析。AI 不會從紙本工單裡讀出歷史趨勢，也無法從散落在 LINE 群組的訊息中重建設備維修史。這不是演算法問題而是資料問題，換更強的模型完全無法解決。 --- ## 食品加工廠用 AI：行銷可以放手做，標示不行——風險等級完全不同 - 網址：https://fulldotseo.com/food-processing-ai-labeling-vs-marketing-2026 - 發布：2026-08-02 - 分類：Enterprise AI / 企業落地 - 作者：賴家榮 Andy Lai - 原始出處：FULLDOT news 原創分析 食品加工廠最想用 AI 的兩件事通常是標示與行銷。但這兩件事的風險等級天差地遠：行銷文案出錯是丟臉，標示出錯是違法。而且法律責任不會因為「是 AI 產生的」就轉移。兩者必須用完全不同的流程處理。 ### 常見問題 **食品廠可以用 AI 撰寫成分標示嗎？** 不建議。標示類文字（成分、營養標示、有效期限、過敏原警語）受法規管制，寫錯的後果是下架、回收甚至罰款。而且標示錯誤通常很細微——單位、小數點、過敏原漏列——當審查者看到格式完整、用語專業的 AI 產出時，戒心容易下降。行銷類文案則可以放心使用，寫得不好只是效果差。 **那 AI 在標示環節能做什麼？** 比對，而不是撰寫。讓系統核對配方表、標示草稿、包裝設計稿三份文件的成分與數值是否一致。這是找錯而非產生內容，而且正好是人最容易看漏的工作型態——重複、細節多、跨文件。 **導入前要先準備什麼？** 把配方、標示、包裝稿三者的資料格式對齊，並確認每一份文件都有明確的版本控管與負責人。若三份文件散落在不同部門、版本各自更新，比對出來的差異會全部是雜訊，系統很快就沒人用。 --- ## 美業代理商導入 AI，為什麼常常用一陣子就沒人用了？ - 網址：https://fulldotseo.com/beauty-distributor-ai-data-fragmentation-2026 - 發布：2026-08-02 - 分類：Enterprise AI / 企業落地 - 作者：賴家榮 Andy Lai - 原始出處：FULLDOT news 原創分析 美業代理商想用 AI 做的事通常橫跨銷售、行銷、客服三塊。但代理商夾在品牌方與門店之間，這三塊的資料是斷開的——沒有任何一方看得到完整鏈路。導入後停用往往不是工具問題，而是沒有人擁有完整流程。 ### 常見問題 **美妝通路做 AI，最大的障礙是什麼？** 資料分散在多套互不相通的系統：POS、電商平台、LINE 官方帳號、實體門市各有一份，而同一項商品在各系統的名稱與編碼往往不一致。人看得出是同一支口紅，系統看不出來。因此任何跨通路分析之前，品項對照表是必要的前置工作，且需要人工核對，沒有捷徑。 **該先整併資料還是先做 AI？** 兩件事同時做，但順序不能顛倒。等資料全部整併完再做 AI，以通路商十幾年累積的系統來說要等好幾年；但完全不處理就做 AI，會出現系統回答流暢但數字對不起來的情況，而在零售業數字對不起來比沒有系統更糟。務實做法是先選定一個題目，只整併那個題目需要的資料。 **從哪個題目開始最合適？** 選資料來源最少、且結果可驗證的題目。例如「這位客人適合推薦什麼」只需要會員基本資料與購買紀錄對齊，暫時不必碰庫存與物流；而且推薦結果好不好，門市人員當下就能判斷。避免一開始就做需要串接四五個系統的題目。 --- ## 封測廠導入 AI 為什麼最後全部走地端？關鍵不在保守，在客戶的保密義務 - 網址：https://fulldotseo.com/semiconductor-osat-on-premise-ai-2026 - 發布：2026-08-02 - 分類：Enterprise AI / 企業落地 - 作者：賴家榮 Andy Lai - 原始出處：FULLDOT news 原創分析 南台灣封測廠評估生成式 AI 時，第一個提出的顧慮幾乎都是資料外洩。但真正的關鍵不在於封測廠自己怕，而在於他們對 IC 設計客戶負有合約上的保密義務——這個結構性因素，直接決定了地端部署是唯一可行解。 ### 常見問題 **封測廠為什麼不能用雲端 AI 服務？** 關鍵不在於封測廠自己怕，而在於資料所有權。廠內流動的良率資料、測試程式、失效分析報告，所有權多屬於 IC 設計客戶。與客戶簽的保密協議通常明文禁止把受託資料傳給任何第三方，而公有雲上的商用 LLM 在法律定義上就是第三方。因此封測廠即使評估後認為雲端夠安全，也沒有權限做這個決定——這是履行合約，不是保守。 **地端部署是不是就等於符合資安要求？** 不是。地端解決的是「資料不離開廠區」這一件事，但存取控管、稽核軌跡、留存期限、客戶間的資料隔離這些要求，一項都不會因此自動滿足。特別是客戶隔離——封測廠的資料按客戶分隔，AI 問答系統也必須沿用同一套隔離，否則會出現 A 客戶的工程師問出 B 客戶良率的情況。 **地端導入最容易被低估的成本是什麼？** 模型更新的流程成本。新版模型出來時，誰負責測試、誰決定是否更換、更換時產線要不要停——這個流程若沒有事先講好，系統往往會停留在導入當時的版本好幾年，逐漸失去效益。硬體採購是一次性的，維運流程才是長期負擔。 --- ## 八週落地一套企業 AI，前四週其實都不碰模型 - 網址：https://fulldotseo.com/july-fulldot-technology-8week-ai-methodology - 發布：2026-08-02 - 分類：Enterprise AI / 企業落地 - 作者：賴家榮 Andy Lai - 原始出處：FULLDOT news 原創分析 「八週看到成效」聽起來像行銷話術，但拆開來看，前四週的工作幾乎與 AI 無關——都在處理題目定義與資料。真正決定成敗的也是那四週。本文完整說明每一週該完成什麼，以及每一步的失敗判準。 ### 常見問題 **為什麼前四週都不碰模型？** 因為導入失敗的原因九成不在模型，在資料與題目定義。第 1 週收集真實問題（整個專案唯一的成績單）、第 2 週盤點文件與負責人、第 3 週設計切段策略、第 4 週才建向量庫。跳過這四週直接接模型，結果通常是系統回答得很好、但回答的都是沒人會問的問題。 **八週真的夠嗎？** 前提是你已經有一批數位化的文件。若文件仍在紙本、或報價、工時、成本分散在三個對不起來的系統，那要先做資訊化而非 AI 化，前置作業本身可能就超過八週。八週是節奏建議，不是承諾。 **第 1 週的問題集怎麼收集才有效？** 不要開會問大家想問 AI 什麼——多數人想不出來。直接翻客服信箱、內部通訊軟體的歷史訊息、新人的提問紀錄，那裡面才是真實發生過的問題。關鍵判準是：這些問題必須是同仁真的問過的，不是想像出來的。 --- ## 想被 AI 推薦，先問一個問題：你的內容夠不夠好抄？ - 網址：https://fulldotseo.com/july-fulldot-technology-geo-brand-matrix - 發布：2026-08-02 - 分類：Enterprise AI / 企業落地 - 作者：賴家榮 Andy Lai - 原始出處：FULLDOT news 原創分析 GEO 要爭的不是排名，是被引用。而生成式引擎挑段落的標準相當具體——能獨立成立、有明確主張、有可查證出處。本文說明會被引用的段落長什麼樣，以及一個三十秒就能做的自我檢驗。 ### 常見問題 **GEO 和 SEO 有什麼不同？** SEO 爭的是排名，競爭單位是整個頁面，成功長相是流量上升。GEO 爭的是被引用進 AI 的答案裡，競爭單位是單一段落，成功長相是品牌出現在答案中——而且使用者可能永遠不會點進你的網站。這也是 GEO 最違反直覺的地方：做得好，流量可能不會增加。 **什麼樣的段落容易被 AI 引用？** 五個特徵：能獨立成立（不需上下文就懂）、有明確主張（不是「可能有些影響」）、有可查證出處（引用了不會出事）、有具體數字或條件、以及誠實標示不確定性。最後一項最反直覺——會說明自身限制的內容可信度反而更高。 **有公司說能保證讓品牌出現在 AI 答案裡，可信嗎？** 不可信。生成式引擎的選取邏輯不公開，也沒有提交入口，目前沒有任何方法能保證這件事。所有正當的做法本質上都是提高被選中的機率，而非控制結果。宣稱能保證的說法值得高度懷疑。 --- ## 多模態模型到底強在哪？從 Gemini 技術報告看「原生多模態」與長上下文的真實邊界 - 網址：https://fulldotseo.com/google-deepmind-gemini-multimodal-paper-2026 - 發布：2026-08-02 - 分類：Frontier AI / 前沿模型 - 作者：賴家榮 Andy Lai - 原始出處：Google DeepMind Gemini 技術報告 (arXiv:2312.11805)（https://arxiv.org/abs/2312.11805） 「看得懂圖、聽得懂聲音」聽起來很厲害，但多模態真正的技術分水嶺不在功能列表，而在模型是原生就吃多種訊號，還是外掛翻譯。本文拆解 Gemini 技術報告的基準數字該怎麼讀、長上下文有什麼沒被講的限制，以及製造業現場最適合切入的場景。 ### 常見問題 **原生多模態和外掛式多模態，使用者分得出來嗎？** 單看一般問答分不出來。差別會在答案藏於非文字細節時出現，例如判讀機台異音、辨識影片中動作的先後順序、或分析醫療影像的細微灰階變化。這類任務外掛式做法會明顯失準，因為資訊在轉成文字描述時就已經遺失。 **MMLU 90% 代表這個模型可以取代專業人員嗎？** 不代表。MMLU 是涵蓋 57 個學科的選擇題測驗，高分表示模型在跨領域紙筆測驗上接近人類專家水準，但實際工作任務（閱讀特定手冊、依公司規則判斷、承擔決策責任）與答選擇題是不同的能力。選型時應以自己的資料建立小規模測試集，比公開基準準確得多。 **有了長上下文，還需要建 RAG 向量庫嗎？** 視資料特性而定。資料量小且穩定（單一手冊、單份合約）時，直接使用長上下文較簡單。資料量大、更新頻繁、或需要控制每次查詢成本時，檢索式架構仍然較有優勢。此外超長上下文有中段資訊準確率下降的現象，塞得進去不等於讀得同樣仔細。 **製造業導入多模態 AI，最常卡在哪裡？** 多數情況卡在資料能不能取得與能不能外傳，而不是模型能力。無塵室的攝影限制、廠內網路是否對外連通、以及客戶保密協議是否允許資料傳給第三方服務，這些會比模型選型更早決定專案可行性。 --- ## Quiet-STaR：讓模型在每個字之前先想一下，數學題正確率從 5.9% 到 10.9% - 網址：https://fulldotseo.com/quiet-star-reasoning-agents-paper-2026 - 發布：2026-08-02 - 分類：AI Agents / 自主代理 - 作者：賴家榮 Andy Lai - 原始出處：Zelikman, Harik, Shao, Jayasiri, Haber & Goodman, "Quiet-STaR: Language Models Can Teach Themselves to Think Before Speaking", arXiv:2403.09629（https://arxiv.org/abs/2403.09629） Stanford 團隊的 Quiet-STaR 提出一個直觀的想法：人在寫字說話時會停下來想，模型為什麼不行？訓練後未經任何針對性微調，GSM8K 數學題從 5.9% 提升到 10.9%、常識問答從 36.3% 到 47.2%。 ### 常見問題 **Quiet-STaR 和一般的「思考鏈」提示有什麼不同？** 思考鏈是在提示裡要求模型「一步一步想」，屬於使用方式；Quiet-STaR 是訓練方法——讓模型在繼續預訓練的過程中，學會在每一個 token 生成內部理由來解釋接下來的文字。差別在於前者是臨時要求，後者變成模型的固有習慣，因此在零樣本、未針對任務微調的條件下也能發揮作用。 **企業該對所有請求都開啟推理模式嗎？** 不建議。論文觀察到生成的理由對「難以預測的 token」幫助不成比例地大，對簡單的部分幾乎沒差。實務上應把推理模式留給合約風險判斷、製程異常根因分析、法規適用判斷這類需要多步推論的高價值任務，一般查詢與整理工作用標準模式即可，否則只是多付運算費用。 **GSM8K 從 5.9% 提升到 10.9%，這個成績算好嗎？** 要分兩層看。相對提升接近一倍，證明方法確實有效；但絕對值仍只有一成，代表當時的模型離可靠還很遠。更重要的是這是 2024 年 3 月的實驗，使用當時的模型規模與語料，這個絕對數字不能用來評估今天的商用產品。 --- ## MCP 協定解決的是什麼問題？從 M×N 到 M+N，以及沒有人在講的資安風險 - 網址：https://fulldotseo.com/anthropic-mcp-specification-enterprise-2026 - 發布：2026-08-02 - 分類：Enterprise AI / 企業落地 - 作者：賴家榮 Andy Lai - 原始出處：Model Context Protocol 規範（2026-07-28 版）（https://modelcontextprotocol.io/specification/2026-07-28） 企業做 AI 最貴的從來不是模型訂閱費，是系統整合。MCP 把「每個 AI 應用 × 每個資料來源」的整合問題，從 M×N 降成 M+N。但它同時開了一個少有人談的資安面：模型能呼叫的工具，就是攻擊者可能能呼叫的工具。 ### 常見問題 **MCP 和一般的 API 有什麼不同？** MCP 不取代 API，而是在 API 之上定義一層讓 AI 能自我探索的標準介面。差別在於 AI 應用不需要事先寫死某個 API 的規格：它可以呼叫 tools/list 詢問伺服器提供哪些功能、每個功能接受什麼參數，再據以呼叫。這讓「換掉 AI 應用」或「新增資料來源」不必重寫整合程式。 **導入 MCP 有什麼資安風險？** 主要有兩類。一是權限風險：MCP Server 以自身權限執行動作，給了寫入工具就等於開放寫入能力。二是間接提示注入：工具回傳的內容會進入模型上下文，若外部文件中藏有指令，模型可能將其當作指示執行。建議採唯讀優先、寫入動作需人工核可、並保留完整呼叫紀錄。 **資料只能留在公司內部，可以用 MCP 嗎？** 可以，而且這是 MCP 較有優勢的場景之一。MCP 是開放規範，Server 可部署於企業內網、Client 端搭配地端模型，整條資料鏈路不需離開機房。對受客戶保密協議約束、無法使用公有雲 AI 服務的產業（如半導體封測），這是可行的整合路徑。 **導入 MCP 之後，資料品質問題會解決嗎？** 不會。MCP 是連線標準，不處理資料治理。若資料庫中存在重複、過期或錯誤的記錄，接上 MCP 只會讓 AI 更快引用到錯誤資料。建議在導入前先確認關鍵資料來源的品質，或先從品質較有把握的唯讀資料（如技術文件）開始。 --- ## Activation Beacon：把長上下文壓縮起來，KV cache 記憶體降到八分之一 - 網址：https://fulldotseo.com/baai-activation-beacon-rag-paper-2026 - 發布：2026-08-02 - 分類：Enterprise AI / 企業落地 - 作者：賴家榮 Andy Lai - 原始出處：Zhang, Liu, Xiao, Shao, Ye & Dou, "Long Context Compression with Activation Beacon", arXiv:2401.03462（https://arxiv.org/abs/2401.03462） 長上下文很好用，但顯示卡記憶體吃不消。BAAI 團隊的 Activation Beacon 選擇壓縮啟動值而非提示詞，結果是推論加速 2 倍、KV cache 記憶體降低 8 倍，而且在 128K 長度上維持與未壓縮版本相當的表現——訓練長度只有 20K。 ### 常見問題 **長上下文可以取代 RAG 嗎？** 不能。三個結構性差異：一是塞進去的內容每次都要重新處理，成本隨長度線性增加；二是資料更新時整段都要重來，無法增量更新；三是無法標明答案來自哪一份文件的哪一段，也就沒有可追溯性。RAG 的價值正在於只取相關片段、可增量更新、且能追溯來源。兩者是互補而非替代。 **KV cache 記憶體降低 8 倍，對企業代表什麼？** 直接影響地端部署的硬體預算。KV cache 是長上下文推論時記憶體的主要消耗來源，降到八分之一意味著同一張顯示卡能服務的併發數大幅增加，或原本需要兩張卡的情境可能一張就夠。對於因保密義務只能走地端的產業（如半導體封測），這種效率提升的價值比雲端用戶更高——雲端可以多付錢買算力，地端要多買硬體。 **供應商說支援 128K 上下文，該怎麼驗證？** 問「在什麼壓縮比之下，表現掉多少」。Activation Beacon 支援可變壓縮比，代表壓得愈狠、表現愈可能下降。此外要注意評測任務的差異：常見的「大海撈針」測的是能否在長文中找到一句話，這比「讀完長文做出綜合判斷」容易得多。導入前應以自家實際任務測試，而非採信規格數字。 --- ## AlphaFold 3 用一個模型取代一整櫃專用工具——這件事對非生技產業也有意義 - 網址：https://fulldotseo.com/nature-alphafold-3-google-deepmind-paper-2026 - 發布：2026-08-02 - 分類：Frontier AI / 前沿模型 - 作者：賴家榮 Andy Lai - 原始出處：Abramson et al., "Accurate structure prediction of biomolecular interactions with AlphaFold 3", Nature（2024）（https://www.nature.com/articles/s41586-024-07487-w） AlphaFold 3 發表於 Nature（2024 年 5 月），以擴散式架構在單一框架內預測蛋白質、核酸、小分子與離子的聯合結構。它取代的是過去一整批各自為政的專用工具——這個「統一框架勝過專用工具集合」的模式，值得所有產業借鏡。 ### 常見問題 **AlphaFold 3 和 AlphaFold 2 的差別在哪？** 主要差別在架構與涵蓋範圍。AlphaFold 3 採用大幅更新的擴散式架構，能在單一框架內預測包含蛋白質、核酸、小分子、離子與修飾殘基的複合體聯合結構，而非僅限蛋白質。論文顯示其在蛋白質–配體、蛋白質–核酸、抗體–抗原三類任務上，準確度都明顯超越各領域原本的專用工具。 **非生技產業能從這篇論文學到什麼？** 兩件事。一是「專用工具一定比通用工具準」這個直覺可能過時——當資料與架構到位時，統一框架可以在多個領域同時勝過各自的專用工具。二是統一框架的前提是資料表示方式要先統一，企業若想整併多套 AI 系統，第一步是對齊資料格式而非更換模型。 **這篇論文是 2026 年發表的嗎？** 不是。AlphaFold 3 論文發表於 Nature，時間為 2024 年 5 月，作者為 Abramson 等人（Google DeepMind 與 Isomorphic Labs）。本站列入此篇是基於其架構觀念的參考價值。另有一份 Addendum 補充發表於 Nature，引用具體數據時應一併參閱。 --- ## 選哪個向量資料庫，通常不是你的瓶頸——RAG 做不好的真正原因 - 網址：https://fulldotseo.com/qdrant-vector-database-enterprise-rag-guide-2026 - 發布：2026-08-02 - 分類：Enterprise AI / 企業落地 - 作者：賴家榮 Andy Lai - 原始出處：Qdrant 開源專案（https://github.com/qdrant/qdrant） 企業準備自建 RAG 時，最常問的第一個問題是「哪一款向量資料庫最好」。但實際做過幾輪之後會發現：檢索效果不好，九成不是資料庫選錯，而是切塊策略與檢索方式的問題。本文說明該先解決什麼，以及什麼時候才真的需要專用向量庫。 ### 常見問題 **RAG 檢索不準，該換向量資料庫嗎？** 通常不該。檢索效果不佳的主要原因多為切塊策略不當（切得過大、過小或切在錯誤位置）、缺少關鍵字與向量的混合檢索、或未做後段重排序。建議依序檢查這三項，這些調整的投報率遠高於更換資料庫。各家向量資料庫在相似度搜尋本身的差異多在毫秒等級，通常不是使用者感受得到的瓶頸。 **已經有 PostgreSQL，還需要另外裝向量資料庫嗎？** 多數中小企業規模不需要。pgvector 擴充套件足以應付常見需求，且不必額外維運一套系統，備份、監控與權限管理都沿用既有機制。需要專用向量庫的情況通常是：向量數量達數百萬以上且查詢頻繁、需要複雜的條件過濾與相似度搜尋同時進行、或索引需頻繁重建。 **怎麼判斷自己的 RAG 檢索品質好不好？** 自行建立測試集是唯一可靠的方法。準備 30 到 50 題真實使用者會問的問題並標註正確答案來源，計算前 K 筆結果中涵蓋正確答案的比例（recall@k）。每次調整切塊策略或檢索設定後重跑同一份測試集比較。廠商公布的精準度數字使用不同資料集與定義，對個別企業沒有參考價值。 **向量資料庫該用託管還是自架？** 取決於資料敏感度與合規要求。向量庫儲存的是公司文件的語意表示，多數情況應視為敏感資料。若受客戶保密協議約束或有資料不得出境的要求，開源可自架是硬性條件。無此類限制時，託管服務可省下維運成本。 --- ## Ramp 採購指數：Anthropic 企業付費市佔 34.4%，首度超越 OpenAI - 網址：https://fulldotseo.com/anthropic-claude-opus-5-enterprise-2026 - 發布：2026-08-02 - 分類：Frontier AI / 前沿模型 - 作者：賴家榮 Andy Lai - 原始出處：FULLDOT news 彙整報導 企業支出分析平台 Ramp 於 7 月 30 日發布的 AI 採購指數顯示，Anthropic 企業付費採購市佔達 34.4%，首度超越 OpenAI 的 32.3%。本文拆解這個數字實際量到什麼、代理原生架構在哪些情境會失效，以及台灣企業導入前該先確認的三件事。 ### 常見問題 **企業採購市佔的數字，可以直接當成模型好壞的依據嗎？** 不行。採購市佔反映的是「誰買得多」，包含價格、既有合約、採購流程與供應商關係等因素，與模型在你的任務上表現如何是兩件事。合理的用法是把它當成生態系成熟度的參考——市佔高通常代表工具、文件與人才較容易取得——而不是能力排名。實際選型仍應以自家的評估問題集實測為準。 **企業端與消費端的 AI 採用，差別在哪？** 使用型態不同。消費端以互動式的問答與創作為主，企業端則大量是程式化的自動處理。這代表兩者的成本結構、風險型態與評估方式都不一樣——在聊天介面觀察到的表現，不能直接推估 API 整合後的結果。 **該多久重新評估一次模型供應商？** 建議以「自家失敗案例出現明確且重複的樣態」作為觸發條件，而不是照時間表。沒有固定的評估問題集就頻繁更換供應商，通常只是把成本花在重新調校提示詞與重跑評估上，得不到可驗證的改善。 --- ## 工程師的瓶頸正在從「寫」移到「審」——談 AI 代理與 7 月的編輯器併購潮 - 網址：https://fulldotseo.com/devin-cursor-ai-agents-2026 - 發布：2026-08-02 - 分類：AI Agents / 自主代理 - 作者：賴家榮 Andy Lai - 原始出處：FULLDOT news 彙整報導 7 月 Cognition 整併 Windsurf、SpaceX 宣布併購 Cursor，資本正在搶同一個位置：開發者每天待著的那個視窗。但對工程團隊來說，真正該準備的不是產能翻倍，而是產出變多之後，審查跟不跟得上。 ### 常見問題 **AI 代理真的能讓工程團隊產能翻倍嗎？** 需要實測才知道。已有設計對照組的研究發現，資深開發者在熟悉的專案上使用 AI 工具，實際完成時間可能不減反增，但本人仍認為變快了。效果高度取決於專案的測試覆蓋率與模組邊界是否清楚。建議挑十個典型任務做對照測試，記錄從開始到合併的實際時間，而非採信公開的產能數字。 **導入 AI 程式碼代理，最該先準備什麼？** 三件事：沙盒隔離（代理會自行執行指令，環境須與正式系統隔離，使用最小權限的專用憑證）、審查責任的明確定義（誰核可、AI 產出是否標記）、以及選擇測試覆蓋充足的模組作為起點。代理的迴圈仰賴測試通過作為收斂訊號，沒有測試的專案缺乏客觀停止條件。 **AI 寫的程式碼出問題，責任在誰？** 在合併進主幹的人。「這段是 AI 寫的」不構成有效的責任抗辯。實務上建議在導入前明確定義審查流程與核可權責，否則容易出現無人實質檢查的灰色地帶。審查 AI 產出通常比審查同事的程式碼更費神，因為它語法正確、風格一致，錯誤多半藏在假設而非語法。 **為什麼併購標的是編輯器而不是模型？** 因為上下文沉澱在編輯器裡。AI 代理要自主完成任務，需要專案結構、相依關係、測試方式與團隊慣例等資訊，這些天然累積於開發環境。模型可替換且替換成本持續下降，掌握上下文的一方則不受模型更替影響。 --- ## 先問業務，再講工具：傳統產業 AI 落地為什麼卡住，以及該從哪裡切 - 網址：https://fulldotseo.com/enterprise-rag-n8n-workflow-2026 - 發布：2026-08-02 - 分類：Enterprise AI / 企業落地 - 作者：賴家榮 Andy Lai - 原始出處：FULLDOT news 彙整報導 傳統產業導入 AI 最常見的失敗，不是選錯工具，而是先選工具才回頭找問題。從封測、美業代理、食品加工到淨水設備，卡住的環節出奇地一致，而且幾乎都不是技術問題。本文說明該怎麼挑第一個標的。 ### 常見問題 **企業導入 AI 該從哪個任務開始？** 建議挑同時滿足三個條件的任務：驗收標準客觀明確、所需資料自己就能取得不需跨部門協調、以及有明確指定的維運負責人。三者缺一即不建議作為第一個標的。常見的合適起點包括文件檢索問答、合約條款檢查、客訴分類等，這類任務答案有標準且資料通常自有。 **為什麼企業 AI 專案常在半年內失敗？** 最常見的原因是沒有指定維運負責人。工具導入後需要持續調整 prompt、修正流程、抽查產出品質，這些工作若無明確歸屬，通常在三到六個月內回到原本作法。其次是資料取得或品質問題，以及選了驗收標準模糊的任務導致無法判斷成效。 **RAG 和直接使用大模型差在哪？** RAG 先從企業自有的資料庫檢索相關內容，再交由模型依據這些內容作答。兩個實際差異：資料可留在內網不外傳，以及答案能追溯到來源文件。後者在稽核與客訴處理時特別重要。但 RAG 的品質取決於檢索效果，切塊策略與檢索方式的影響通常大於向量資料庫的選擇。 **資訊化都還沒完成，可以直接做 AI 化嗎？** 要分開看。不需要用到特定客戶正確資料的任務（如內容產製、常見問題回應、報價文件產製）可以立即進行。需要用到個別客戶資料的自動化（如回購提醒、個人化推播）則必須先完成資料結構化，否則自動化只會加速錯誤訊息的發送。資料清理本身可以用 AI 加速。 --- ## 前沿模型每個月都在發表，企業該怎麼判斷哪一次跟你有關？ - 網址：https://fulldotseo.com/openai-google-frontier-2026 - 發布：2026-08-02 - 分類：Frontier AI / 前沿模型 - 作者：賴家榮 Andy Lai - 原始出處：FULLDOT news 原創分析 每隔幾週就有新的前沿模型發表，分數更高、上下文更長、價格更低。但對企業而言，絕大多數的發表跟你完全無關。本文提供一套四個問題的判準，用來快速決定某一次發表值不值得你花時間評估。 ### 常見問題 **新的前沿模型發表，企業一定要跟進嗎？** 不一定，而且多數情況不需要。判斷方式是把新模型改善的項目，對照自己過去三個月實際的失敗案例。若失敗集中在「找不到正確資料」或「格式不照指示」，換模型的幫助有限——前者是檢索問題，後者多半是提示與結構問題。只有失敗集中在「讀懂了但推論錯」時，模型能力升級才會直接有效。 **可以用基準測試分數決定採購嗎？** 不建議。基準分數與真實工作負載之間存在落差，連發表成果的團隊自己都會提醒這一點——Google DeepMind 在 Gemini Deep Think 的成果發表中，即使 IMO-ProofBench Advanced 達 90%，仍明確表示不主張達到重大進展等級。企業應以自家的評估問題集實測為準。 **換模型除了成本還要考慮什麼？** 行為模式的改變。2026 年 8 月一份針對六個前沿模型的研究發現，模型之間的差異不只是被影響的程度，而是回應的種類，且某些模式只出現在一兩個模型上。換供應商時，可能一併換掉了系統面對異常指令時的反應方式，而這在規格表上看不到，必須實測。