AI Monthly — October 2026

AI 趨勢月報 — 2026 年 10 月

三場、四個題目。雲端 agent 起飛、戰爭迷霧遊戲與 RAG 工具鏈、AI 估的工時與交接文件，以及 AI 時代的漏洞。

Three sessions, four topics: cloud agents, a fog-of-war game and a RAG toolchain, AI time estimates and handoff documents, and vulnerabilities in the age of AI.

這期只收我在每週內部分享會上自己講的段落。

10-02｜雲端 agent

• 這個月雲端 agent 已經起飛，好幾家公司都在做。做法是聊天介面加上一台私人虛擬機器，有數位助理的感覺。
• 每個 AI session 都有自己的上下文。混在一起，品質會變差，又浪費 token，所以分角色是有必要的。
• 我們自架同類的 agent 已經超過半年。要準備一台常開的閒置電腦、接模型、給權限，掛掉要自己修，還要幫它登入，有一定門檻。現在的雲端方案，把 harness 做得不錯。
• 一開始我沒注意用量，開了太多群組，兩天就燒完一個禮拜的 token。現在改成讓它去操作我私人或公司電腦上的 Claude、Codex 這類 agent。
• 我請 bot 處理一筆一直被扣的雲端費用。bot 登入後分析原因，建議停掉三個服務，每月從 20 美金變成 1 美金，我同意後由 bot 關掉。連這麼複雜的主控台，它都點得了。一般測試大概只剩 token 要燒多少的問題，值得再探索 bot 的用法。

10-02｜戰爭迷霧與 RAG 工具鏈

• 我用戰略遊戲的「戰爭迷霧」，做了一個遊戲。每個人看到的視角不同，我想用遊戲化的介面，讓大家理解自己和工程師、PM、老闆的視角差異。老闆看到市場與競品，主管看經濟效率，PM 看各工程師在做什麼，工程師只看到自己。視角不同，資訊就不對等。這個念頭已經有兩三個月，這次用新模型跑完，才做出可以動、還有關卡的版本。
• 客戶開始有 AI 搜尋、AIO、GEO 這類需求，我們做了一個 RAG 入口，延伸出大概七八個工具。有的管理 RAG 資訊，有的是外掛，有的是嵌入式聊天機器人。
• 我把內部助理做成學習型 RAG，讓新人來問事情。群組對話也串接了自動總結，已經完成介接，有控制台可以看這些資訊。
• 智慧客服的做法，是在系統裡嵌入一段 script。整合得深，可以直接查系統或當前頁面的資料。整合得淺，就只查 RAG 的資料。目前還在嘗試。
• 為了評估回答準不準，我們用一個 RAG 評分工具算出分數。看 recall 指數、資料有沒有切完整等標準，據此做向量切分或調整會比較客觀，之後也比較好跟客戶說明。這些指標是參考網路上大家的做法。
• 這場的簡報整份都是 AI 做的，我只給了一個以前的範本。我每個禮拜固定收集資料和想法，再叫 AI 整理成簡報。

10-16｜AI 估的工時、交接文件

• 我介紹了分享會的排程系統。大家可以自己排這個禮拜或下個禮拜的題目，並匯入會議紀錄，方便回顧什麼時間分享過哪些內容。
• 為了一場展覽，我把之前畫的 3D 模型丟給 AI，請它放到網站上。一下就做上去，我再稍微調整玻璃半透明的效果。
• 在一個首頁改版案裡，同事直接用 HTML 做出呈現。這是非常好的 prompt 素材，因為已經是程式碼，沒有轉換的過程。
• AI 給的工時不一定落地。它可能說要一週、兩週，實際做下去是一兩個小時的事。內部的時程要開始抓得比較緊湊。
• 做到大約五六版之後，開始有點收斂不下來。接下來要和設計溝通，怎麼定義指標，讓它收斂得更好。
• 我讓 AI 把策略、驗收方式、各輪做了哪些測試、踩過的坑，以及要交接給其他 AI 或同仁時該看哪裡，統一記錄在一份 HTML 裡。報告裡有測試截圖，也記錄了 AI 怎麼用 Playwright 驗收大版、小版。
• 我在內部助理新增了一個功能：群組裡只要有人 tag，就收集前後 15 分鐘的訊息做總結並發信，多一個可以讓 AI 統合的資料來源。
• 我休息時開了 AI 的「自動導航」：請它留意特定的信件或訊息，收到就派給我電腦上的 agent 去做。它每半小時掃描一次信件。代理能力越來越強，重點是大家想不想得到怎麼運用。

10-23｜AI 時代的漏洞

• CVE 是漏洞釋出時的編號，就像漏洞的身分證，並有高、中、低或 critical 等嚴重等級。
• 近期被發現、尤其是透過 AI 發現的漏洞，通常都很嚴重，可能十年都沒被發現，然後突然被發現並遭攻擊。
• 有漏洞不一定能被利用，要分階梯來看：版本有沒有命中、會不會被利用（在內網被保護住就沒事，揭露出去就會被攻擊）、攻擊方法有沒有被驗證過、有沒有被實際攻擊。
• 漏洞的生命週期是這樣：白帽或社群發現後，通報維護者並取得 CVE 編號，先不揭露，私下修補。公告弱點時，同時告知要更新到哪個版本。黑帽則是自己發現後，直接攻擊或販賣。
• 近期 AI 攻擊的新聞，涉及 Node.js、Apache Tomcat、Oracle Java、Linux 核心、開源 LLM、GitHub 等。這些都是日常在用的東西，代表 AI 攻擊的跡象已經出現在日常裡。
• 比較可怕的是，AI 輔助攻擊用的是地端 AI，它不需要被審查。有專門用來攻擊的專案被開源到 GitHub，很快被下掉，但已經有很多複製版本。
• 供應鏈攻擊藏在套件依賴裡，很難防堵。前端的 npm，或後端有依賴關係的套件，都要鎖版本，不能讓它自動更新到最新版。
• 導入 AI 功能時，要注意 prompt injection。自己使用時，也不要隨便開陌生的東西，藏在隱晦處的指令可能讓 AI 把資料洩露出去。