11.03 2026 年 11 月 3 日　週二　AI 新聞總覽

攻擊者利用 AI 掃描已知漏洞、濫用 API、結合多種手法對不同系統發動自動化攻擊。研究員佐々木勇人強調，政府在面對跨產業、跨越多個機關管轄的大規模攻擊時，資訊容易分散，通報和協調效率低落。傳統資安警示針對特定漏洞的防禦效果有限，應更關注攻擊基礎設施與共享技術情報。對企業而言，漏洞修補和 API 安全設定等基本防護仍是有效防線。

新制下，Chat、Work 和 Codex 的額度將統一計算，額度消耗取決於所選模型和任務複雜度。Instant 模式的一般對話不扣除共用額度。官方尚未公布 12 月起各方案的具體 Token 額度，使用者可在設定中查看剩餘額度。此調整配合 OpenAI 將 Work 的 AI Agent 功能整合至 ChatGPT 主介面的計畫。

這項標準化做法對內容網站管理者影響深遠。既有針對個別 AI 業者的控制規則（如 GPTBot、Google-Extended）仍可並行使用。標記控制的是內容使用目的而非爬蟲存取權限，網站仍可被搜尋引擎收錄。由 IETF AI Preferences 工作小組推動，目前以 Internet-Draft 形式提交，尚未成為正式標準。

JSON mode 可防止程式碼區塊或前置文字，但不保證 schema；Structured Outputs 用 strict: true 與 JSON Schema 強制輸出符合規定。適合需要確定鍵名、型別、必須欄位的應用。示例包括情感分類、資料提取等結構化任務。Python SDK 提供 parse 輔助搭配 Pydantic 使用，開發者無需手寫複雜 schema。

架構分層的好處是改變字型或版面配置時只需修改雲端程式碼。作者強調更新不必即時；資料可每數分鐘更新一次。需注意電子紙特性（電源關閉後畫面仍存留），務必顯示更新時間戳與資料新鮮度。開發時應逐層切分測試：先用假資料驗證版面、再接真資料、最後才加入定期執行與重試。首版功能越少越好，累積實際使用經驗後再擴充。

第一步是準備清晰單一主體的靜態照片，確認螢幕比例（豎型 9:16）。第二步定義動作簡潔描述。用三項條件選工具：支援圖片轉動畫、豎型、短片。測試前先準備基本素材與動作描述，無需新買道具。此為系列第一篇，接下來需進行生成測試與變形檢查。

Gateway 按即時稼動率與延遲自動選擇提供商，或用 `providerOptions.gateway` 調整優先順序。可按成本、首字元延遲（ttft）或吞吐量（tps）排序提供商。支援兩階段容錯：同模型不同提供商失敗後試備選模型。在 Vercel 上部署時利用 OIDC 自動認證，無需手動管理 API 金鑰。月初免費額度 5 美元，部分模型適用。適合持續調用 AI 但需防止頻繁服務中斷的應用。

工作流包括檔案驗證、並行抽取三份文件內容、生成 A4 三頁內報告。測試時重點確認資料對應、KPI 出處引用、推測值標記、事實與原因假說區隔。此為實務代理範例，說明從提示詞自動化工作流的方法，減少經營企畫人員手動整合資料的時間與遺漏風險。

啟動方式分時刻、事件、使用者請求三類。執行環境包括雲端、接入應用、自管伺服器或 PC。權限等級從讀取、草稿編輯到執行與승認不同。說明 Claude Code 等工具與常駐代理的差別不在新舊，而在起動機制、連接目標、執行環境、權限範圍如何組合。作者自用 Hermes Agent 做重要郵件通知與伺服器警報。後篇（11 月 4 日發表）涵蓋內部觸發設計與成本選擇。

記憶是指跨會話的上下文保存，但不等於真實體驗；交接工作時需明確記錄確認位置、處理範圍、未確認項目。Autonomy policies 控制 AI 允許執行的操作（讀取、編輯、送出等）與人工監督的觸發點。使用額度應分層追蹤：確定額度 + 待確認中的預約額度，避免並行請求超限。文中以周報業務為範例說明設計方法，並提供 Python 虛擬程式碼展示預約機制。

作者提出若能讓 AI 保有持續記憶（非每次重新啟動），將改變與 AI 互動的方式——從「每次都要重新解釋」變成「日記式的持續關係」。記憶仍是讀取紀錄而非真實體驗，類似電影《Memento》主角依賴筆記本的情況。本文透過對話展示 AI 的自知之明、幽默感與限制，反思本地模型與雲端服務在成本、可控性的取捨。

能力試驗與拒絕試驗應分開。Anthropic 安全對策試驗中著手率 0~100% 僅基於 50 試行模擬環境，未執行生成代碼。CAISI 用 41 課題、每題 3 試行取最優結果 16 分制評分，與 Anthropic 的「410 試行中最高結果觸及次數」計數方式截然不同。提供了記錄評測的標準化表單模板（出典日期、對象模型、測定目標、分母單位、集計方法、比較條件、確認範圍），確保非獨立重現的數據不被混淆為經同行驗證。

評估應分四項記錄：初動（首個文字抵達時間）、發話量（音聲化後長度）、中斷性（利用者插話時該輪失效能力）、復原（逾時或異常回應不残留於會話狀態）。LLM 單體無法完整驗證自然對話與 TTS 停止，需含 RTC、語音辨識、TTS 的結合測試。採用判定應先設停止條件（如內容評價高但無法破棄割込後輸出則不升格本番）。文中展示用 candidates.json 登錄多個 OpenAI 相容端點、cases.jsonl 定義期望的會話行為（answer、clarify、decline），並用 Python httpx 同步記錄兩種模型在同輸入下的流式輸出特性。

雲端程式設計 Agent 讓工程師無需開啟編輯器即可遠端委託任務，產品在隔離的雲端環境執行工作並產生可供審查的成果物（分支、PR 等）。文章強調隔離邊界、認證管理與人工審查流程是關鍵挑戰。DeepSeek Super-agent 以 MIT 授權 TypeScript 外掛形式提供，但採 danger-full-access 模式運作且預設無沙箱保護。這對評估不同廠商方案的安全性設計與隔離策略很有參考價值。