Agents

AI 寫程式與 Agent 工作流

LLM、編碼模型與 Agent 不是聊天玩具。這頁整理站內對模型、自動化與安全的實務閱讀路徑。

這頁在解什麼

模型發表與跑分新聞很快過期。真正能累積的是工作流：怎麼把 Agent 接到真實任務、怎麼控上下文與花費、以及自動操作錢包或生產環境時的安全邊界。這頁把站內 AI／Agent 文章從「又一個模型發布」拉回「能不能進你的工作流」。

讀模型新聞時看這三點

能不能在你的工具鏈裡跑（IDE、CLI、自架）；上下文與工具呼叫穩不穩；權限模型清不清楚。跑分領先但沒有可控工具介面，對實務幫助有限。

台股遊戲

科技

用白話解釋 GLM-5.3 開始提供 API，輸入每百萬 token 1.4 美元、輸出 4.4 美元，價格和上代一樣，但 coding 與 agent 能力更強，也提醒總成本要看實際用量。對開發者來說，這是多一個低價測試選項。

👁 49 ❤ 1
科技

本文拆解 Salesforce 推動 AgentExchange 背後的 ISV 合作與銷售流程痛點，說明 AI agent 商業化真正卡關不在模型能力，而在發現、採購、合約、開票與部署等後台摩擦，以及未來 B2B 買方流程可能如何改變。

👁 7 ❤ 0
科技

月之暗面正式釋出 Kimi K3 的完整 2.8 兆參數權重，表面看來是真正的開源大禮，但附帶的自訂授權條款卻暗藏商轉門檻。本文深入剖析該授權的核心限制、企業部署的實際痛點，以及未來兩年 AI 授權機制可能演化的方向。

👁 4 ❤ 0

常見問題

  • Agent 跟聊天機器人差在哪？

    聊天是一問一答。Agent 會規劃步驟、呼叫工具、改檔、瀏覽、甚至觸發交易。能力變強的同時，誤操作與資安代價也變大。

  • 加密錢包該不該交給 Agent？

    預設不該。權限要最小化、要有人工確認與金額上限。站內安全相關文章就是在講：自動化收益跟自動化把錢轉走，用的是同一套能力。