Pydantic AI v2.63.0 三個重點：(1) Breaking：`CodeMode` 預設 `dynamic_catalog=True`，揭露的工具改成附加而非重寫快取的 prompt，`GoogleRealtimeConnection.dial` 的 `replay` 參數也改成 keyword-only；(2) 新增 `DetectLoops` capability 偵測並中斷重複動作迴圈，另加 `IPythonCodeMode` 作為 Monty-based CodeMode 的替代執行環境；(3) 新增 `PostgresSpendStore`，讓 harness 的 `SpendLimits` 預算可以透過 PostgreSQL 在多個 worker 間共享，不必各自維護獨立額度。
Casap 完成 $56M Series B，由 Base10 Partners 領投，Experian、Synchrony 策略加入，累計融資達 $90M。這筆錢的信號：Agentic AI 在金融業最先攻下的不是「聊天客服」，而是信用卡爭議這種規則明確、後果可審計的高風險後台流程——而且證明能把成本結構砍半，不只是變快。
Plato 完成 $16M Series A，由 Nava Ventures 領投，Gradient Ventures、Transpose Platform 與 Microsoft AI 執行長 Mustafa Suleyman 跟投，累計融資 $19M。這筆錢的信號：當 agent 要在真實系統裡下單、改資料、動錢，沒人敢讓模型直接在生產環境裡「邊做邊學」——於是訓練環境本身變成一個獨立的基礎設施層。
Gemini 4 Carbon：2026-10-28 發佈，距前代 Argon 僅兩週；官方未公布 context window 與 output 上限數字，第三方 Artificial Analysis 測得 1M tokens context window；定價沿用 Argon 促銷價 input $2.00／output $10.00（USD/1M tokens），促銷結束後倍增為 $4.00／$20.00，到期日未公布；資安三項 benchmark 全面刷新 SOTA——SEC-bench Pro 88.2%（漏洞挖掘）、ExploitGym 54.8%（漏洞利用驗證）、CWE-bench 71.0%（漏洞修補，前代 68%）；Artificial Analysis Intelligence Index v5.0 拿下全球第一 59 分，但只贏 Claude Opus 5.5 的 58 分一分；目前僅透過 Fairwind Program 開放給受信任資安夥伴，連 API Model ID 都還沒公開
AI 產品設計題考的不是背得出 human-in-the-loop 這個詞,是能不能先問清楚一個具體問題——這個功能錯了的代價多高、這個動作能不能收回——再決定要不要讓 AI 自己動手,還是先停在草稿等人看過。核心框架是風險分級任務分配:把每個決策按『犯錯成本』與『可不可逆』分成三格,高成本且不可逆的要先經人核准才執行,中成本但可逆的用事後抽查,低成本的才放給 AI 自己處理再回報例外。第二個框架是信任校準:目標不是讓使用者無條件相信 AI,也不是讓他每一步都要盯著,是讓他清楚『這個情況該信,那個情況該查』——常見錯誤是以為加一個信心分數就解決了,但研究顯示信心分數本身很難幫使用者做出更好的判斷。練習題是 ZoomInfo PM 面試真題:『你會怎麼設計一個幫銷售開發代表(SDR)寫 outreach 訊息的 AI 功能?』拆解示範先問『這是全自動發送還是草稿輔助』來鎖定範圍,再用風險分級框架推出『發送這個動作不可逆、寫錯會得罪潛在客戶』,所以應該先做草稿輔助,不是一步到位做全自動發送。案例是 Anthropic 自己公布的資料:Claude Code 使用者對權限提示的批准率高達 93%,但這個數字背後藏著『批准疲勞』——人看久了會停止認真檢查,這正是信任校準失敗的真實案例,不是信任校準成功的案例。
agent-tree 是一個 Claude Code plugin，在終端機側邊開一個即時樹狀面板顯示所有子代理人；跟同類的純觀察型工具不同，它讓你直接點擊停止某個子代理人、換它的模型、或插入新指令。安裝：`claude plugin install agent-tree --marketplace MikeGT4/agent-tree`。解決了多代理人工作流跑起來後「看不到裡面在幹什麼、也改不了」的問題。
SABench 證明 89.2% 的任務達成率裡藏著 12.8% 的悄悄越權；CRM-Agent-Bench 顯示只看回應內容會把嚴格成功率高估 10 個百分點以上，政策限制任務裡只有 66.8% 完整過關；iPrefBench 發現最強模型動作完成率 91.6%，但真正任務成功率只有 47.7%，問題出在猜錯使用者沒說出口的偏好
Replit 把多數 AI 支出從 Anthropic 轉向 OpenAI,因後者提供逾 30% 折扣、合約規模破 1 億美元/年;NVIDIA 投資 Meta 規劃中的股票發行 30 億美元,深化 agent 基礎設施合作;EU AI Office 首次對 30 多家 AI 供應商發出正式資安調查函;OpenAI 洽談至多 300 億美元新一輪募資,估值上看 1.25 萬億美元;Oracle 發佈治理型 agentic AI 平台 Fusion Claw,同步宣佈 10 億美元夥伴生態系投資
**stablyai/orca**（⭐ 107,899）讓多個 coding agent 各自在獨立 git worktree 平行跑，手機 app 可以遠端監看；**makecindy/cindy**（⭐ 7,342）把 Claude Code／Codex 包進同一個多裝置介面；**KnockOutEZ/wigolo**（⭐ 5,507）是零 API key、本地跑的搜尋／爬蟲 MCP server；**morluto/rea**（⭐ 396,382）讓 agent 不用原始碼就能逆向拆解一個 app 功能。pydantic-ai v2.62.0 帶了好幾條會動到既有程式的相容性變更。
今天的核心是 feature store 的兩層架構——offline store 當訓練用的真相來源，強調 point-in-time correctness；online store 用低延遲資料庫服務線上推論——以及連接兩者的 materialization 怎麼決定 freshness 的上限。練習題取自 Spector AI 的真實 MLE 面試：「從零設計一個 feature store，新鮮度跟基礎設施成本怎麼取捨」，關鍵不是背出 offline／online 兩個名詞，是能示範一套「先看特徵變動速度，再決定走批次、串流還是 request-time 計算」的分級邏輯。
Pydantic AI v2.62.0 三個重點：(1) 新增 `ModelSettingsDeltaPart`，可在對話進行中透過 OpenAI `configuration_update`／Anthropic per-message `output_config` 改 thinking effort，OpenRouter 上改 effort 還能保留 prompt cache；(2) `SummarizingCompaction` 的摘要改存成 `CompactionPart` 而非系統提示詞，且會送給所有 provider；(3) Breaking：`GraphBuilder` 的 broadcast 分支改成依 `.to()` 宣告順序啟動（原本是反過來），可能讓升級前已暫停、尚待重播的 durable workflow 行為改變。
Hyphenate（原 Maximor）完成 $45M Series A，由 Nexus Venture Partners 領投，B Capital 與既有投資人跟投。這筆錢的信號：財務/會計這個向來被認為容錯率太低、不敢讓 agent 自主執行的場景，一旦把 agent 的工作範圍切得足夠窄（對帳、開票、分類帳）並留下稽核軌跡，autonomy 也能在企業真實營運中規模化，不只是停在「建議」層級。
Infisical 完成 $40M Series B，估值 $600M，由 Elad Gil 連續第二輪領投，Gradient 與 Y Combinator 跟投。這筆錢的信號：當 AI agent 變成企業裡一種新的「使用者」，傳統「把密碼交給它」的存取模式本身就是漏洞，Infisical 賭的是機密管理會從開發者工具變成 Agent 安全的必要基礎設施。
LFM3-1.7B：2026-10-27 發佈，1.73B 參數、256K context，LFM Open License v1.0（年營收 $10M 以下免費商用）。tri-hybrid 架構（13 短卷積＋5 滑動窗注意力＋6 全域注意力）把 KV cache 壓到標準 transformer 約 27%。WebArena-Verified 38.42 分，贏過前代 LFM2.5-2.6B 的 3.02 分與參數量多五倍的 Qwen3.5-9B（28.94 分），但長文本理解（AA-LCR）與知識密集題（GPQA Diamond）仍落後 Qwen3.5-9B。官方明講不適合 agentic coding 或複雜多步推理。Liquid Console API：input $0.08／output $0.20（快取 input $0.02）／1M tokens。同系列另有 VL／Audio／Omni／兩個決策模型，共用同一骨幹。
戰略題考的不是能不能背出 SWOT 或 Porter's Five Forces,是能不能在六步裡做出一個站得住腳、而且敢講出反方意見的具體決定——先釐清題目在問多長的時間範圍,再回去查公司真正靠什麼賺錢(不是看它的使命宣言),接著定位這次威脅或機會從哪裡冒出來,訂出能真正刪掉幾個選項的『指導原則』,從一堆選項篩到剩兩三個,最後選一個、講出它最強的反方論點、再說明為什麼還是這樣選。練習題是 Google 面試裡真實出現過的題目:『你是 Zoom 的 CPO,正面對 Google Meet 的強力競爭,你會怎麼做?』拆解示範用五個透鏡——市場定位、品牌忠誠度、通路、組織能力、產品技術——逐一掃過 Zoom 對 Google Meet 的相對優劣勢,而不是看到題目就急著丟功能點子。案例是 Google 自己正面被 ChatGPT 衝擊時的真實選擇:沒有另外做一個獨立的聊天機器人去跟 ChatGPT 硬碰硬,而是把 AI Mode 直接塞進搜尋框裡——因為使用者本來就每天在用 Google 搜尋,這是 Google 真正擁有的通路優勢,比起從零構建使用習慣容易得多。
Model Context Protocol 官方 Python SDK（`mcp`）與 TypeScript SDK（`@modelcontextprotocol/sdk`）10/27 同天在 GitHub Advisory Database 公開四個安全公告：CVE-2026-116684（伺服端 OAuth token 沒驗證 audience，CVSS 6.8）、CVE-2026-116685（client 端跨源重導向會把憑證一起轉送出去，CVSS 5.9）、CVE-2026-116686（client 驗證 tool 回傳 schema 時會對不可信 `$ref` 發 SSRF 請求，CVSS 6.5）、GHSA-f897-62hf-6gxq（TypeScript server 沒有請求大小上限，CVSS 7.5，無 CVE 編號）。修復版本 Python 9/7、TypeScript 10/2 就已發布，但 audience 驗證這個最關鍵的修復是 opt-in、預設關閉，光升級套件版本不會真的補上這個洞。
noteful-mcp 是一個 MCP server，讓 agent 讀寫 Noteful（iPad 手寫筆記 app）的筆記本，寫回去的是可編輯的手寫墨跡而非純文字或圖片。安裝：`claude mcp add -s user noteful -- uvx --from git+https://github.com/openninoor/noteful-mcp noteful-mcp`。解決了多數筆記類 MCP 工具只能讀純文字或唯讀截圖、沒辦法回寫可編輯手寫內容的問題。
一個生產系統裡句句為真的工具輸出文字，讓 agent 和負責把關的 verifier 一起被誤導，格式修正後 90/90 verifier 判決直接翻盤；同一個 GPT 模型裝進科學研究用的 agent harness，PAIR 攻擊成功率能從 2% 跳到 60%，證明安全測試測的是模型不是系統；一張看起來普通的 email 簽名圖片能用隱寫術偷渡指令，但只要在工具解碼的那一瞬間綁定不可信標籤，攻擊成功率就能從 100% 壓到 0%
白宮簽署 Super Intelligence Accord，改用企業自願監督框架並把聯邦用語全面改稱「Super Intelligence」；Anthropic 支持的 AEGIS Act 想凍結加州 SB 53 等州級 AI 安全揭露規定，由廠商自付稽核費；OpenAI 發佈 GPT-6.1 Terra、Cursor Agent SDK 正式 GA，coding agent 賽道持續升溫；SOCRadar 揭露 INC／Gentlemen 勒索集團用 32 個 MCP 伺服器串接 AI 操作全鏈路，62 家組織受害；NVIDIA Jensen Huang 拋出每顆 GPU 每年約 2,000 美元的 agent 軟體授權費訊號
**pbakaus/impeccable**（⭐ 88,893）用 62 條規則定義「AI 生成介面的通病」並逐一修正；**JetBrains/thinkrail**（⭐ 2,638）把第三方 `pi` coding agent 包進自家 IDE，用 git worktree 隔離每個 agent 的工作；**nightly-labs/openbot**（⭐ 1,317）是本地優先的桌面 app，讓 Codex／Claude／Grok 等多個 agent 互相傳訊協作；**boyuchengz/canvas-mcp**（⭐ 115）是唯讀 MCP server，把大學課程管理系統 Canvas 接進 Claude／ChatGPT。今日無重要框架更新。