09.23 2026 年 9 月 23 日　週三　AI 新聞總覽

該框架內建上下文管理機制，如自動截短過長工具結果與摘要早期內容，以控制 Token 用量。支援 Amazon Bedrock、Anthropic、OpenAI 等多個模型供應商，並可部署於 Linux 容器環境。適合需要構建低成本、高穩定性 AI Agent 的開發團隊，無需自行組合複雜的記憶與工具調用邏輯。

該系統採用自訂 Agentic Framework，將業務 SOP 轉為標準化 Skill，並透過 MCP 協議調用內部 API。此架構允許不同團隊開發的 Agent 在統一安全護欄下協作，適合大型企業構建跨部門的 Agentic AI 應用，解決知識分散與工具調用不一致的問題。

這是針對 OpenAI 的 Codex 執行環境的工具使用指南。文章透過實測揭示了命令行參數的組合限制：--approve-for-me 與明確指定的 --sandbox 模式在 0.154.0 版本無法同時使用。對於希望讓 AI Agent 安全地寫入指定目錄的開發者而言，正確的做法是使用 --add-dir 搭配 --sandbox workspace-write，而非依賴自動審批標誌。文章包含完整的命令執行結果與 4 種測試情境的比較。

Jev 是一個不生成文本、直接輸出結構化判斷與校準概率的模型，適合分類任務。作者用 Qwen3 生成的日語郵件測試集進行了評估，包括多級選擇、打分（順序尺度）與真偽判定三類任務。發現日語版本中，順序尺度的最低等級選項從未被選中，無論選項順序如何調整、言語改述或增加等級數。溫度校準可改善概率校準（ECE），但精度無進展。代碼與評估集已開源，對於計畫以 Jev 做日語分類的團隊提供了實測基準。

文章介紹了在消費級硬體上執行本地 LLM 的最新現狀。Bionic 是 LM Studio 的新名稱，具有代理功能與本地檔案編輯能力；Unsloth 則包含更廣泛的模型支援（MiniMax-H3、FLUX、SDXL 等）。實測顯示，即使無高端 GPU，輕量模型（3.46 GB）亦可實用運行，搭配網路搜尋功能可減少幻覺。對於想免費試驗各種開源模型的工程師而言，這兩個工具都值得評估，但 Unsloth 對低配裝置相容性更好。

相比 AI.GENERATE（輸出結構化 STRUCT），AI.GENERATE_TABLE 可直接產出表格列，簡化資料處理流程。文章展示了 CS 問詢一括結構化、GA4 表單資料結合等實務用例。透過 TABLE SCHEMA 定義欄位，並在 description 中指定選擇項與空值處理邏輯，確保輸出穩定。搭配 BigQuery 的 SQL 後處理，可直接進行 GROUP BY、WHERE 篩選，大幅提高 EC 與客服分析的自動化程度。

這是針對自律型 Agent 治理的架構設計提案。Jev 處理非結構資料的概率分類（如「這份文件含機密資訊嗎？」），輸出離散的 Observation；Quint 則基於該 Observation 驗證狀態轉遷。以 Agent 權限管理為例，相比傳統 RBAC，能同時考量 Subject × Agent × Resource × Action × Destination 多維度，並用形式驗證確保不會進入禁止狀態。作者認為這種責務分離（觀測 vs. 統制）適用於 AI Agent 的運行時守護欄、複雜工作流程設計驗證等場景。

作者對照 /insights 工具給出的改進建議與官方 Opus 5 指南，發現對舊模型有效的做法在新模型上失效。官方明確指出：顯式檢驗指示會觸發過度檢驗；委譲（delegation）用於大型獨立任務而非自檢；優先供完整規格再放手執行。相比於「毎回再実行して出力を貼れ」，正確做法應為「若無指令碼或執行日誌就不宜申告『已確認』」，將檢驗自動化轉向檢驗陳述的準確性。這對 Claude Code 使用者而言是重要的提示工程調整。

作者重現了 jev-reranker 的官方結果（nDCG 0.9743、刪減率 92.48%），並將閾值振盪從 0 到 1。英語版 0.32 無損失、刪減率 95.2%；日語版因分數分佈潰陷，上限僅 0.10。實驗表明排序能力完整（AUROC en 0.9985 / ja 0.9906），只是絕對值偏移。提出實用解決方案：用「每個查詢最高分 × 0.2」而非固定閾值，可在日英 × 4 資料集上均達 90~100% 正解保留、58~91% 刪減。對使用 Jev 做檢索系統的團隊提供了語言差異的量化基準。

作者直接改動 Switchyard 0.2.0 的判定呼叫，保持路由策略不變。Jev 精度 67.5%（vs. Haiku 56.4%、qwen3:1.7b 47.5%）。當直接問 Jev「應歸哪個 tier」精度達 75%，但改成從 9 個特徵欄位合成時反而跌至 67.5%。禍首是 reasoning_depth 欄位的定義文本不夠具體，改善描述後恢復到 72.5%。此外 Jev 的 choice 型態結構保證不會違反 enum 約束，比需要錯誤處理的 LLM 更可靠。對於用 Jev 做決策路由的團隊而言，應直接提問而非多層特徵合成。

作者使用 Google Antigravity CLI（agy，呼叫 Gemini 的工具）驗證，發現預設配置下因無搜尋權限，詢問「最新版本是什麼」時返回舊資訊且毫無錯誤提示。改為計算 stream-json 輸出中 tool_name === "search_web" 的行數，0 次表示仰賴記憶、4 次表示確實搜尋。權限設定須同時調整 settings.json 與伺服器回應標頭（X-Robots-Tag），單層配置不足。對於在 CLI 自動化中內嵌 LLM 的工程師，此方法可用於驗證搜尋實際發生，增強對事實依據的信心。

作者實測同一網站發現單層指標會誤導決策。爬蟲層的陷阱包括：假冒的漏洞掃描器（OAI-SearchBot 6 成是 404）、爬蟲目的分類（學習 vs. 索引 vs. 即時使用）。Search Console 層缺少搜尋詞軸。GA4 層因多數 AI 不傳 referrer，數字遠低於實際。此外 robots.txt 與 X-Robots-Tag 需同時配置，單層會失效。對於關心 AI 引流的產品經理，應按層分別監控，用數字差異說明業務影響，而非單一 KPI。

前個單元混合了「口調指示」與「問題」在同一個 User 訊息；本回將提示分為 System 訊息（含 {tone} 參數的系統指示）與 User 訊息（純淨的用戶提問）。Spring AI 的 ChatClient 提供 .system(Consumer<SystemSpec>) 與 .user(Consumer<UserSpec>) 兩個 API，參數模式相同，均支援 .text() 與 .param() 進行模板填充。此舉令 LLM 能更清楚區分應用邏輯指令與使用者意圖，是提示工程的最佳實踐。代碼示例採用 Spring Boot 4.1.1 與 Spring AI 2.0.1。

過去 Claude 週間額度在伺服器更新時隨機重置（如週二），導致使用者無法精準規劃額度消耗。新政策允許在一定期間內主動重置，解決了「額度在自己還未用完時突然被覆蓋」的困境。手動重置的權利本身是否定期恢復（例如下週是否再次提供機會）目前未明確，但這項改善已大幅提升使用體驗。對於需要穩定存取 Claude API 的開發者與頻繁用戶應有實質幫助。

這個案例對使用 ChatGPT 進行內容創作和知識整理的工作者很有參考價值。作者發現 AI 的摘要和整理功能在完成稿階段很有用，但在素材收集階段如果過早整理，會丟失思考過程中的重要細節——例如某個結論是如何透過多個事件累積而來的「路徑」。現在的做法是先用小文本區塊保存內容，後期才統合去重，避免「整理得太乾淨反而遺漏了思考脈絡」的問題。