Arena Agent 排行榜 10-16 發布：Claude Opus 5.5（Max）18.88% 續居第一；GPT-6 Astra（Max）14.13% 從連續三批卡在第 4／5 名首次擠進第二；GPT-6.1 Sol（Max）結束連續三批的第二名，掉到第四（14.78%→13.60%）。前六名 95% 信賴區間仍大面積重疊，但 Astra 連續四批分數單向上升、Sol 結束長達三批的穩定期，這種多批次的位置變化比單批次的名次跳動更值得記一筆。
Opsin 完成 $21M 新一輪融資，由 SYN Ventures 與 Race Capital 共同領投，累計融資約 $28M。這筆錢的信號：企業資安支出正從「agent 能不能存取什麼」擴大到「agent 實際做了什麼」，兩位前資安創業者領投，把 agent 安全視為下一代資安基礎設施層。
Reflection Beam 1.0：501.3B 總參數／23.4B 啟用 MoE，2026-10-05 預告、10-16 正式開放權重（Apache 2.0），1M context；SWE-bench Verified 81.6%（BF16）、Terminal-Bench 2.1 80.1%、AIME 2026 97.7%；Together AI 代管定價 input $0.40／output $1.20（每百萬 token，快取 input $0.04）；官方定位為對標 GLM 5.2／逼近 Qwen 3.8 Max 的西方開放權重 agentic coding 模型，但原始能力仍落後 Kimi K3，優勢在推理 token 效率。
Behavioral 面試考的不是「你有沒有故事」，是「你的故事裡誰在做決定、憑什麼做」。今天用 STAR（Situation-Task-Action-Result）定位故事骨架，再用 SBI（Situation-Behavior-Impact）把「對方的具體行為」跟「這行為造成的影響」拆開，練一道 Meta PM Leadership and Drive 面試裡近期候選人回報的真題：『說一次你說服了一個優先順序跟你不一樣的同儕的經驗』。案例是 Brian Chesky 2020 年 5 月那封宣布裁撤 25% 員工的信——它被反覆引用為『怎麼在最壞的消息裡維持透明與尊重』的範本，剛好是這週 Strategy、AI Product、Technical PM 幾篇都在練的『怎麼把一個艱難決定講清楚』的終極版本。文末附本週七篇主題回顧表與下週預告。
論文《My Credentials, Please》（arXiv:2610.22301,2026/10/15）定義「檔案系統能力洗白」：工具宣告的用途（如 git_add）跟它實際能碰到的檔案範圍不一致,使用者批准呼叫不等於限制了伺服器能讀寫的範圍。掃描 21,097 個 MCP server,4,806 個完成分級,787 個（16.4%）有未宣告的檔案存取能力,動態測試確認 150 個可利用,其中 96% 用最簡單的路徑穿越就得手。連 Anthropic 官方 Git MCP Server 都因此修了兩個 CVE（CVE-2025-68143、CVE-2026-27735）。防禦：本機 MCP server 一律用容器或限權帳號跑,不要讓它跑在存有 SSH 金鑰、雲端憑證的帳號下。
AI Slop Meter 是一個本機執行的 MCP server + CLI，幫網站／專案資料夾打「AI slop」分數並給出修復步驟。安裝：`npx -y aislopmeter https://your-site.com --open` 或 `claude mcp add --scope user aislopmeter -- npx -y aislopmeter mcp`。解決了大家都用同一批 AI 建站工具，做出來的網站長得一模一樣，卻說不出哪裡有問題的窘境。
PROBE 訓練一個比目標小的稽核員,靠多輪對話主動試探,挖出的政策違規涵蓋率是零訓練大型稽核員的將近兩倍;Shortcut Sensitivity 稽核三套公開的 agent 安全護欄評測集,光改寫標記用詞或工具別名就讓某個護欄的準確率漂移超過十個百分點;Beyond Retrieval Failure 把多跳 RAG 的『檢索失敗』拆成兩種原因,修好搜尋引導後證據真的找到了,但答案準確率沒有等比例跟著漲
歐盟 AI 辦公室 10/14 對 OpenAI、Anthropic 啟動首次 AI Act 執法；同週 Archon（CVSS 9.8）、DeepSeek Harness、Z.ai ZCode 三起 agent 漏洞連環曝；Mastra／Pydantic AI／Agno 三框架同週補齊權限、審批、隔離三道防線；日韓爆發 AI 驅動網路攻擊潮，南韓追出中文語系攻擊者用開源滲透工具 ARTEX；Meta Muse Spark Open、OpenAI GPT-6 Sol/Luna 同日發新模型
claude-plugins-official（40,252★，今日 +1,552）是 Anthropic 官方維運的 Claude Code 外掛目錄，定下外掛名字不能亂改這類治理規則；superpowers（300,542★，+973）是裝進這個目錄的軟體開發方法論外掛；ruflo（75,533★，+672）把 Claude Code／Codex 包成多代理 swarm 的 meta-harness；ai-job-search（48,176★，+879）是一位被資遣的地球物理學家用 Claude Code 搭的求職框架，本人靠它拿到工作。Release：Agno v3.1.4 讓 ClaudeAgent／CodexAgent 能跑進 Docker 或 AWS AgentCore 的隔離 sandbox，session 用 checkpoint 做到跨機器恢復。
今天讀的是 PROBE（arXiv 2610.22124）：把『agent 有沒有照政策做事』形式化成一場人機對話賽局，訓練一個 4B 小型稽核員主動試探，挖出的政策違規涵蓋率（12/20）遠勝零訓練的 30B 大型稽核員（7/20）。面試常考的三個延伸點是：為什麼固定題庫測不到多輪政策違規、挖得多跟挖得廣的差別、以及作者自己發現 LLM judge 跟人類共識只有 39.6% 一致之後怎麼處理這個系統性誤差。
Agno v3.1.4 核心是 Sandboxed Harness Agents：ClaudeAgent／CodexAgent 可以跑進隔離的、每個 session 一份的容器（DockerSandbox 或 AWS Bedrock AgentCore），session 狀態用 checkpoint 還原，容器掛了不會逼你重開對話；warm sandbox 讓下一輪對話更快接上。另外新增 Queue Per Session，同一 session 的背景 run 預設改成依序排隊、一次只跑一個（過去是靠先接受後失敗擋）。無正式 breaking changes，但 sandbox 匯入路徑搬動、`sandbox="read-only"` 改名 `sandbox_mode`、舊的 sandbox 綁定表要手動搬移，升級後都要檢查。
Mastra 1.78.0 三件事：(1) agent scopes 讓呼叫端、agent 本身、middleware 都能帶 `<type>:<value>` 範圍，memory 依 scope 推 resource/thread；(2) `queueSignal()` 讓 typed signal 排在目前執行後面，不用硬塞成使用者訊息；(3) trace aggregation API 加上輸出/錯誤預覽，減少讀 trace 的成本。Breaking：`@mastra/server` 收緊了跨資源 run 存取，設了 `mapUserToResourceId` 卻沒接 FGA provider 時特權存取直接失敗；command 輸出預設上限 1 MiB；`stream()` 不帶 `resourceId` 只會收到無資源的任務。
Pydantic AI v2.57.0 兩個重點：(1) 新增 harness `ApprovalReviewer`，讓模型在人看到之前先審過低風險工具呼叫；(2) 新增 `MetaProvider` 接 Meta Muse 模型家族。另外 MCP Apps 的工具結果會轉給 AG-UI 與 Vercel AI 前端，`MCPToolset` 補上 `read_resource_contents`／`call_tool_for_app`。相容性注意：`BackgroundTools` completion 多了命名空間化的 `origin`／`tool_call_id` metadata，Gemini Live／GPT-Live 的 realtime 歷史、用量與等待回覆邏輯搬進 session core，`Skills` 開始遵守 `disable-model-invocation`／`user-invocable` 旗標。
RapidCanvas 完成 $29M Series B，由 Vertex Ventures SEA & India 領投、Hitachi Ventures 跟投，累計融資達 $52.5M。這筆錢的信號：企業 AI 的競爭正從「誰的模型更強」轉向「誰能把客製化 AI 用 SaaS 的經濟模型規模化交付」。
Google 在官方定價頁補上先前缺失的促銷到期日：Gemini 4 Argon 促銷價 input $2.00／output $10.00（USD/1M tokens）維持到 2026-11-30，12/1 起雙漲 100% 至 $4.00／$20.00；Gemini 3.8 Flash 與前一代 Flash 促銷價 $0.75／$3.75 維持到 2026-12-31，2027-01-1 起同樣雙漲 100% 至 $1.50／$7.50。我們在 10/4 的報導中指出 Argon 促銷「沒給到期日」，這次官方頁面更新補齊了日期，確認漲幅維持 100% 不變。
Technical PM 面試裡最難的不是畫出架構圖，而是在工程團隊意見分歧時，怎麼把決策過程變成一份大家都能回頭查的文件。今天練一道來自 Exponent/Aced 真實面試題庫的系統設計題：『設計一個偵測 Amazon 評論濫用的系統』，用 RFC → 決策矩陣 → ADR 的框架拆解——先寫 RFC 讓每個選項的取捨攤在陽光下，再用一張決策矩陣把抽象的『怎麼選』變成具體的評分標準，最後用 ADR 把『為什麼選這個』留下紀錄，而不是只留下『選了這個』的結論。案例是流傳已久但從未被正式證實出處的 2002 年 Bezos API Mandate——傳說 Amazon 內部強制所有團隊只能透過服務介面溝通、禁止任何後門，這個決定意外變成 AWS 的起點。
OpenAI 官方 skill repo 的 render-deploy skill 自 2026 年 1 月起就把一個從未註冊的網域（render-internal.com）當成 Render 內部服務網域寫進文件，Codex 會把它編進生成的部署程式碼；AIR Security 搶先註冊該網域架被動 sinkhole，證實真實生產環境正在把 API token 和呼叫送過去。Render 8/14 修、OpenAI 8/26 移除 Render plugin，技術文章 10/16 公開。
Co-op Anything 是一套 playbook + MCP server，讓 agent 偵測單機遊戲的引擎、查 208 個既有 co-op 專案的完成度，判斷該修復現有 mod 還是從零逆向。安裝：`git clone` 後 `claude mcp add coop-anything -- python tools/mcp/coop_mcp.py`，或直接把 repo URL 貼給 agent。解決了想跟朋友一起玩單機遊戲，卻不知道有沒有 mod、也不知道從哪裡下手逆向的問題。
Beyond Maliciousness 量到兩個 agent skill 市集 6,309 筆上架項目裡七成帶特權級能力、宣告機制形同虛設；Static Skill Inconsistencies 稽核 575 個 skill 找到 1,182 筆缺陷，但修復效益因模型而異，弱模型才是真正放大風險的環節；When Is Smaller Greener 用『每個成功任務』取代『每次呼叫』比較模型，15 個開源模型的 pilot 顯示短任務跟長任務的最省電模型完全相反
Meta Muse Spark Open（816B/42B 啟用開放權重模型）發布當天即上架 AWS SageMaker JumpStart；G2《2026 AI Agents Report》指企業買家仍存在「不信任稅」；AWS Trust in Depth 框架與 Workday 新 Agent Harness 都在解同一個治理缺口；Anthropic 向投資人透露 Q3 營收達 $16.8bn 為 IPO 鋪路；國泰金控進入「Agent First」階段，公開 AI 數位同仁試行