這輪 LLM & Agent Engineering 聚焦 2026 年面試官最愛拆的架構決策：RAG 跟 agent 不是二選一而是分工——RAG 負責有引用來源的政策問答，agent 只在任務需要跨系統多步驟操作時才上場；guardrails 要分成離線評估（release 前抓 regression）跟線上攔截（即時擋掉不安全輸出）兩層，核心原則是「模型只提案，決定性系統才授權與執行」；評估上除了傳統的 LLM-as-a-Judge，agent 還要做軌跡評估（trajectory-based evaluation）去檢查每一步決策，不能只看最終答案。練習題是一道 PracHub 整理的『設計企業客服 agent』系統設計題，練的是怎麼把 RAG 路徑跟 agent 路徑講清楚，並且把授權層講成整題的關鍵。
Mastra @mastra/core@1.65.0 三個重點：(1) 新的 advanced trace query 合約在 ClickHouse／DuckDB／Postgres 三種儲存後端都有實作，支援 bounded time range、遞迴 predicate、cursor pagination；(2) 租戶範圍的批次刪除（最多 1,000 筆／次）會連動清掉 spans／scores／feedback／metrics／logs；(3) breaking：`@mastra/factory` 的 `defineBoard()` 改為型別化 phase 合約、移除全域 rules 物件，`@mastra/playground-ui` 兩個元件的 slot/prop 改名。
Pydantic AI v2.42.0 三個重點：(1) 新的 `GitHubCopilotProvider` 讓 Agent 可以直接用 GitHub Copilot 的 OpenAI 相容 API 當模型後端；(2) `DeferredToolResults.approvals` 收到不合法值時改為直接拒絕，是一項相容性變更；(3) 修正 Bedrock Converse 的 sampling 參數、code-mode 函式 schema 的 `$ref` 解析、Anthropic 對話紀錄的錯誤恢復狀態遺失問題。
Cymphony 完成 $25M Series A，由 Sequoia 與 SMBC Fin Atlas Beyond Fund 共同領投，加計先前 Sequoia 的種子輪，累計融資達 $30M，投後估值超過 $100M。這輪錢代表 Sequoia 願意在「AI agent 身份與資料安全」這個還沒被驗證成獨立市場的賽道上，用兩輪投資賭同一個團隊——賭的不是有沒有需求，而是這會不會變成企業安全預算的下一個必買項目。
Harvey 完成 $550M 新一輪融資，由新進投資人 Diffusion 與 Lightspeed 共同領投，估值從 3 月的 $11B 漲到 $15.5B，9 個月內幾乎翻倍。這輪錢一半在買自研模型的底氣，一半在買 Guardrails AI 這種 agent 安全能力——Harvey 正在從「law firm 的 AI 助理」轉型成一家自己養模型、自己管 agent 風險的垂直 AI 公司。
AI Product Design 題最常見的失分點,是把「要不要用 AI」講成信仰題,講不出具體哪類任務可以放手、哪類必須留人。今天用風險×信心矩陣把任務分成可自動、需覆核、必須人在場三區,再用漸進式委任設計「使用者何時願意放權給 AI」的節奏,練一道「維運團隊不願意讓 AI 自主執行多步驟任務」的設計題。案例是 Gusto 的 AI 產品 Cofounder 團隊在 2026 年 9 月公開說明:AI 主持訪談只用在範圍窄、風險低的評估性研究,深度研究一律留給真人研究員。
Google GTIG 於 9 月發布的 Q3 2026 AI Threat Tracker 報告指出,Mandiant 於今年第二季調查一起事件:財務動機駭客集團入侵某組織雲端環境後,僅用一個 AI coding chatbot、一則提示詞與預先寫好的 markdown 指令集作為『操作手冊』,就在不到 6 小時內自主完成掃描、入侵、憑證竊取、即時故障排解與 IP 輪替,總計竊得數千組第三方憑證。同一份報告另揭露一台外洩的 C2 伺服器,運行基於 OpenClaw agent 框架建置、名為 Recon 的自動化偵察與憑證管理系統,內含 AGENTS.md、KNOWLEDGE.md 等 agent 設定檔,遭發現後隨即轉為即時管理超過 2.38 萬組竊得雲端與 AI 服務金鑰的正式運作儀表板。The Hacker News、BleepingComputer、Help Net Security、Cyber Magazine 已交叉確認報告內容。防禦:稽核雲端環境異常高速自動化 API 呼叫模式、限縮 coding agent 憑證存取範圍、把回應時間窗從『天』級壓縮到『分鐘』級。
ToolHive 是 Stacklok 開源的 MCP server 執行期管理平台，用 CLI（thv）或 Kubernetes Operator 把每個 MCP server 跑在隔離容器裡。安裝：brew install stacklok/tap/thv。解決了「MCP server 直接裝在本機、拿著本機憑證和網路權限亂跑」的問題。
這輪 ML System Design 聚焦 2026 年面試官最看重的『不是模型，是全鏈路』：feature store 怎麼在 offline 訓練與 online 推論之間保持同一份特徵定義（training-serving skew）、推薦系統的 candidate generation → ranking → re-ranking 三段式 serving 架構、模型上線怎麼用 A/B testing 和 shadow deployment 降風險、data drift 與 model degradation 的監控設計，以及 retraining cadence 如何接成一個能自我強化的 data flywheel。練習題是一道 OpenAI 的『設計即時推薦系統』進階題，練的是怎麼在 clarifying questions 之後，用七大元件框架把答案講成一條完整的資料到監控的鏈路。
Cognition 完成超過 $2B 的 Series E，由 a16z 與 Accel 領投，估值從 5 月的 $26B 衝到 $48B。這筆錢代表 VC 願意用接近雙倍的估值追加投資同一家 coding agent 公司——賭的不是「有沒有人做 AI coding」，而是 Cognition 的年化營收 4 個月漲近 8 成能不能撐住這個溢價。
Strategy 題最容易講成空話的地方，是只會說「我們有先發優勢」或「市場很大」，卻講不出具體是哪個對手的哪個弱點、公司手上哪個資產能真的轉成護城河。今天用 Porter's Five Forces 判斷值不值得打這場仗、再用 TAM-SAM-SOM 把市場切成可執行的第一步，練一道「公司要不要切入已經有兩三個強力對手的市場」的策略題。案例是 Figma 在 2021 年推出 FigJam 正面迎戰白板協作龍頭 Miro，示範後進者怎麼不拚功能對功能，改用既有使用者網路當差異化武器。
BankMCP 是一個自架的唯讀 MCP server，透過 Enable Banking 的 PSD2 API 串接 2,700+ 家歐洲銀行，讓 AI 助理直接回答『這筆發票付了沒』『訂閱總共花多少錢』這類問題。安裝：`claude mcp add bankmcp -- npx -y bankmcp`。解決了『AI 助理想幫你管錢，卻沒有安全、唯讀管道碰到真實帳戶資料』的問題。
這輪 Deep Learning & NLP 聚焦 2026 年面試官最愛追問的『從架構講到工程後果』：decoder-only transformer 的四層結構（embedding + RoPE、causal self-attention、MLP、線性頭）、self-attention 的 Q/K/V 直覺與為什麼要 causal mask、decoding 為什麼是 memory-bandwidth bound 而不是 compute bound，以及 token 數量怎麼直接換算成 API 成本、context window 容量與生成延遲。練習題是一道 MAANG 等級的『解釋 Transformer 架構』開放題，練的是怎麼在 5 分鐘內講完架構又能延伸到推論成本。
MiniCPM5-2B（openbmb/MiniCPM5-2B）：OpenBMB 於 2026-09-06 悄悄上架 Hugging Face（無官方部落格公告），2.6B 稠密參數、131,072 tokens context window、Apache-2.0 完全開源；中立第三方 Artificial Analysis Intelligence Index v4.2 拿下 15 分，是所有 4B 以下開權重模型最高分（次高 Granite 4.2 3B 僅 11 分）；GDPval-AA v2 真實工作任務 Elo 831 全場最高；FlagOS 已支援 9 種 AI 晶片（含 Huawei Ascend、NVIDIA）day-zero 部署
Metrics 題最容易失手的地方不是講不出指標，是講出一個聽起來合理、卻沒辦法回答『這個指標漲了代表什麼』的名詞。今天用 Lenny Rachitsky 整理的六類北極星指標框架收斂候選範圍，再疊一層指標樹把北極星拆成 output／input／guardrail，練 Meta PM analytical thinking round 常出現的『幫 Instagram Reels 定義北極星指標，並說明如果資源傾向 Reels、犧牲 Stories 會有什麼取捨』。案例是 Netflix 從 DVD 準時到貨率換到串流 15 分鐘觀看率、再換到每月觀看時數中位數的三次北極星指標轉向，示範指標怎麼跟著策略走。
jmeter-mcp-server 是一個 stdio MCP server，讓 Agent 用型別化工具呼叫建立、編輯、執行 JMeter 壓測計畫並讀回聚合報表。安裝：`claude mcp add jmeter -e JMETER_HOME=... -- npx -y jmeter-mcp-server`。解決了 LLM 手刻 `.jmx` XML 容易產生『格式合法但語意錯誤、且不會報錯』的問題。
這輪 ML Fundamentals 不再是背公式，而是練『模型上線後出包時該怎麼一步步排查』：用學習曲線的 train/val gap 判斷該加特徵還是該正則化、CV 分數跟上線分數不一致時要先懷疑 GroupKFold/TimeSeriesSplit 有沒有做對、類別不平衡的四層排查順序（先重加權而不是先 SMOTE），以及分類門檻該由 FP/FN 的實際成本算出來，不是預設 0.5，還要分清楚門檻選擇跟機率校準是兩件事。
Atira 完成 $15M Seed（加上先前未公開的 $2.5M Pre-Seed，累計 $17.5M），由 Accel 領投，天使投資人包括 Celonis 共同創辦人 Bastian Nominacher。這筆錢代表 VC 開始把「工業銷售工程」這種沒人碰過的暗流程，當作下一個 Agent 協調層的基礎設施機會。
Claude Fable 5.1（API ID：claude-fable-5-1）：Anthropic 於 2026-09-01 發佈，1,000,000 tokens context window、128,000 max output、input $10.00／output $50.00（每 1M tokens，cache read 降至 $0.25，降 75%）、閉源；Terminal-Bench-Science 0.1 自測 52.6%（前代 24.7%）、中立 Artificial Analysis Intelligence Index 66 分（前代 62 分，領先 GPT-6 Astra 的 61 分）；同步發佈受限版 Claude Mythos 5.1，僅開放給網路安全與生科領域受信任機構
Product Sense 題最常見的失手不是想不出方案，是分群分得太籠統、卡在『所有旅客都想要更順暢的體驗』這種空話。今天用 CIRCLES 框架收斂範圍，再疊一層 JTBD（Jobs-to-be-Done）把痛點寫成『情境 + 動機 + 現有替代方案的不足』，練 Google product sense screen 常出現的『幫機場旅客設計一個產品』題目。案例是 Rahul Vohra 怎麼用『如果不能再用這個產品你會有多失望』的四問卷調查，把 Superhuman 的產品市場契合度從 22% 拉到 58%，示範怎麼用具體分群取代直覺猜測。