全部 digest deep-dive 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。
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。
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。
今天的核心是 LoRA 的數學假設——凍結原始權重 W,只訓練兩個小矩陣 B、A 的乘積 ΔW=BA,rank r 遠小於原矩陣維度,B 初始化為零讓訓練起點等於原模型——以及 QLoRA 多做的事:把凍結的 base 量化成 4-bit NF4,adapter 本身仍用 bf16 訓練,兩者解決的是不同層次的資源問題。練習題取自 Sarvam AI 的真實 MLE 面試——解釋 LoRA/QLoRA 怎麼運作,以及什麼時候選 PEFT 而不是全參數微調——關鍵不是背出縮寫,是能示範一套「先看任務需要多少新知識,再看硬體預算,最後才決定 rank 跟是否量化」的決策順序。
Nous 完成 $17M 新一輪融資，由 Heartcore Capital 領投，原 Seed 投資人 Mosaic Ventures 回頭加碼。這筆錢的信號：當多數消費端 AI agent 還卡在「使用者敢不敢授權 agent 做事」這道信任門檻，Nous 選擇先去金融監理機構登記，讓 agent 的每個金融動作都站在被監管的框架裡——這可能才是讓敏感消費 agent 規模化到 25 萬使用者的關鍵，不是技術突破。
Baidu Unlimited OCR 2（`baidu/Unlimited-OCR-2`）：2026-10-27 開源，3.34B 參數（SAM ViT-B + CLIP-L 編碼器 + 12 層 MoE decoder，每 token 路由 6-of-64 專家＋2 共享專家）、131,072 tokens context window、MIT License；核心技術 SR-SWA（Sparse Reference Sliding Window Attention）把跨頁 text-visual attention 壓縮成固定 512-token 參照集；MPDocBench（幾十頁文件）總分 84.6，MarathonDocBench（百頁文件）總分 77.1，只比前者掉 7.5 分；前代 Unlimited-OCR 1.0 同測試下 MarathonDocBench 是 0.0 分、競品 Qwen3.8-Max 從 78.3 掉到 22.9；單張 NVIDIA A800-80GB 即可跑，BF16 權重約 6.7GB
Metrics 面試最常考的不是背指標名詞，是拿到一個掉下來的數字時，能不能用一套可重複的程序把它拆開查，而不是憑直覺亂猜原因。今天的核心框架是北極星指標的指標樹拆解——把一個太抽象、單一團隊兩週衝刺內摸不到的北極星指標，拆成廣度、深度、頻率、速度四個可以直接被某個小隊影響的輸入指標，範例取自一個 AI 寫作平台把『每週成功產出的 AI 草稿數』拆成四個槓桿的做法。練習題是 PM 面試圈廣泛引用的 diagnostics 真題：『Instagram Stories 單日掉了 7%，DAU 也掉 5%，你會怎麼查？』,拆解示範先把指標定義釐清、再用地理／平台／用戶群分段定位問題範圍、接著把時間軸和內部改版或外部事件對齊、同時排除埋點或計算邏輯本身出錯的可能，最後才下結論並給出後續監控建議，而不是看到數字掉就急著講故事。案例是 Spotify 在早期擴張階段的真實選擇——如果當時選了『總註冊數』當北極星指標，成長團隊會把力氣全部花在把人拉進門，但 Spotify 選了『活躍使用者的聆聽時長』，讓這個數字同時餵養 Discover Weekly 等演算法推薦、也直接決定免費層的廣告庫存量與付費轉換的自然驅動力，示範了『虛榮指標』和『能擷取真實價值的指標』之間的差別怎麼在真實公司的決策裡發生。
今天的核心是三種『模型上線後變差』的失效模式怎麼分開診斷：data drift（輸入分布變了）、concept drift（輸入跟標籤的關係變了,需要真實標籤才能確認）、training-serving skew（根本不是世界變了，是你訓練跟線上兩套特徵計算邏輯本來就不一致）。偵測工具是 PSI（Population Stability Index）,但 PSI 只能告訴你分布動了,動的原因要靠排查順序分清楚。練習題取自 Spector AI 的真實 MLE 面試問法——模型上線兩週後效能下滑,你怎麼診斷——這類題目的關鍵不是背定義,是能示範一套『先排除管線問題,再查 skew,最後才談 drift』的診斷順序。
Azoma 完成 $11.2M Series A，由 Puma Growth Partners 領投，過去一年營收成長近 10 倍、團隊從 12 人擴到 40 人。這筆錢的信號：當 ChatGPT、Alexa for Shopping 這類 AI 購物代理開始實際決定「推薦哪個品牌」，品牌需要一個新的 SEO 層——而這層的度量方式和舊 SEO 完全不同。
GPT-6.1 Terra（`gpt-6.1-terra`）：2026-10-26 上線，1,050,000 tokens context window；定價 input $1.00／output $5.00／cached input $0.05（比 GPT-5.6 Terra 與 GPT-6.1 Sol 的標準單價砍半）；Terminal-Bench 4.0（max effort）50.3% 比前代 21.5% 翻倍以上；Agents' Last Exam medium effort 比前代高 15 個百分點、成本約其 1/3，追平 GPT-6 Astra 但成本僅其 1/10；max effort 下比 Claude Opus 5.5 token 效率高 3 倍、單任務成本約其 1/9；內部事實錯誤率 low effort 從前代 53.6% 降到 16.7%
Product Sense 面試最容易低估的地方，不是想不出框架，是五個評分維度裡只要一項明顯弱，整份答案就會被打低分——不能用『結構完整』去補『分群太籠統』的洞。今天用 Lenny's Newsletter 和前 Meta PM Ben Erez 在 2025 年整理、2026 年仍是業界主流的五維度框架：溝通、產品動機、分群、問題定義、方案發展，每個維度都附時間配置與常見失分點。練習題是 Meta 2026 年面試電話篩選真題：『你被指派一個把居家維修工跟消費者連起來的產品，你會怎麼設計？』,拆解示範如何不要把分群停在『屋主、房東、工班』這種誰都想得到的分類，而是抓住『不知道該找哪種工人』這個真正獨特的痛點、再把方案跟 Meta 自己的社群資產（鄰里社團、朋友推薦）綁在一起，做出跟純粹市集平台不同的解法。案例是 Thumbtack 2026 年 4 月 30 日正式發布的真實決定——官方調查顯示超過一半屋主會把居家問題診斷錯、近 85% 找不到該找哪種專業的人，於是 Thumbtack 把傳統的『先選服務類別』搜尋整個換掉，改成讓使用者用文字、照片或語音描述症狀，AI 再反推該找哪種工人，內部測試顯示 87% 的使用者認為用照片或語音表達問題很有價值，CEO Marco Zappacosta 把這個決定直接定位成『把口碑的信任感用 AI 重建到規模化』。
dbmole-mcp 是一個 PostgreSQL／MySQL 的 MCP server，讓 agent 自己管理連線設定。安裝：`claude mcp add dbmole -- npx -y dbmole-mcp`。解決了現有資料庫 MCP 工具連線要手動編輯用戶端設定檔、無法由 agent 自行新增或修改的問題。
2026 年底的行為面試正在往『自主判斷』傾斜：AI 輔助寫 code 讓『你具體用過什麼技術』的訊號貶值，面試官改看『在沒人交代的情況下你自己做了什麼決定』；連 Project Deep Dive 這種原本只問 Staff+ 的深挖輪，現在也開始下放到更低職等。今天練的故事是『主動喊停一個做了兩週、方向有問題的 fine-tuning 方案，改用風險更低的做法』,呼應這個轉向——故事的重點不是『我協調了多少人』，是『我自己量化出數字、自己決定方向』。本週回顧從 class imbalance 一路走到 MAS-Guard 多代理人防護論文，共七個主題。
Arena Agent 排行榜新批次（官方發布日期 2026-10-23，結束連續三天卡在 10-20 同批）：第一名 Claude Opus 5.5（Max）不變，20.77%；Claude Sonnet 5.5（Max）從第五名 12.67% 衝到第二名 13.99%（+1.32pp），把原本第三的 Claude Fable 5.1（Max）擠出前三（14.17%→13.94%，掉到第四）；GPT-6 Astra（Max）從第二掉到第三（14.70%→13.96%）。第 2 到第 5 名分差只剩 0.35 個百分點，95% 信賴區間全部重疊，但 Sonnet 5.5 用五分之一的 API 價格追平同家族的 Fable 5.1，這個方向比名次本身更值得記。