Metrics 面試最常見的陷阱,是把「哪個指標漲了」直接當成「這個決策是對的」,卻沒有先分清楚北極星指標、驅動指標跟護欄指標分別在保護什麼。今天練一道情境題:A/B 測試顯示新結帳流程讓營收上升,但客戶滿意度分數下降,面試官問「你會怎麼決策」。答案框架是先用指標樹釐清北極星、驅動、護欄三層指標的角色,再深挖滿意度下降背後的機制(是不是退貨率、投訴率也一起變差),而不是只看一個指標的漲跌就拍板。案例是 Netflix 前 CPO Neil Hunt 帶隊做封面圖 A/B 測試時,選定「90 秒內抓住使用者注意力」當唯一北極星指標——光是幫電影《The Short Game》換一張小孩打高爾夫球的封面圖,點擊轉換率就漲了 14%,而公司刻意不讓單集熱度、總體觀看時數這些次要指標搶走最終決策權。
今天的 ML Fundamentals 輪練涵蓋五個核心概念:偏差變異取捨怎麼用學習曲線診斷、L1 跟 L2 正則化各自怎麼往 loss function 加懲罰項、批次梯度下降跟隨機梯度下降的取捨、不平衡資料為什麼準確率會騙人(該看 precision/recall/F1/ROC-AUC),以及交叉驗證中最容易忽略的資料洩漏陷阱。練習題改編自 Transunion 的真實 Data Scientist 面試題:如何為大規模資料的端到端 ML 專案設計特徵工程、模型選擇跟驗證策略,拆解思路把五個核心概念串成一套完整的決策框架。
Pydantic AI v2.46.0 三個重點：(1) 上一版（2.45.0）剛推出的 TypeSafeModel——串接不寫文字、只回答型別化問題的分類器 Jev——這版補上它當時做不到的事：能填工具呼叫的參數、能在 union 型別裡先選型別再填欄位；(2) 新增 `typesafe_boolean_threshold`，yes/no 的判斷門檻從寫死的 0.5 距離變成可調參數；(3) `supports_text_output` 讓 `LLMJudge`／`GEval` 這類需要生文字裁決的評測，也能跑在 Jev 這種不輸出文字的模型上。無 breaking changes。
Enhans 完成 $38M Series C，由既有股東 TIMEFOLIO 與新進 Stonebridge Ventures 共同領投，累計融資來到 $60M。這輪錢的信號是：POSCO、LG、樂天三大財閥旗下的投資公司，第一次以「客戶集團的策略投資人」身分下注同一家 Agent 新創,代表企業級 Agent 作業系統正在從概念驗證,變成財閥級供應商願意押注的基礎設施層。
Step 5 Preview（StepFun 階躍星辰）：2026-09-20 API 上線，開源權重預計 2026-10-15 釋出；600B 總參數／27B 活躍參數稀疏 MoE、92 層窄深 Transformer、1M tokens context、支援文字＋圖片＋影片輸入；API 定價 input $1.00（cache hit $0.05）／output $2.70 per 1M tokens；Artificial Analysis Intelligence Index 獨立評測 44 分，與 Kimi K3、Grok 4.6 同級，落後 Claude Opus 5（51）與 GPT-6 Astra／Claude Fable 5.1（並列 53）；同級模型裡每工作任務成本比 Gemini 3.8 Flash 低約 42%；對 Agent 開發的意義是提供「準前沿智能＋大幅降低成本」的中階選項，適合長時間研究型 Agent 與財務分析場景
Product Sense 面試最常見的陷阱,是看到「使用者成長停滯」就直接跳去列一串新功能,卻沒有先分清楚問題出在哪個環節。今天用 CIRCLES 框架練一道情境題:生鮮外送 App 新使用者簽約數持續成長,週活躍使用者卻連兩季持平。答案框架是先用漏斗拆解定位問題環節,再用使用者問題框架(現況→痛點→根因→機會)深挖,而不是急著提方案。案例是 Slack 從使用者行為數據裡挖出「團隊發送滿 2000 則訊息」這個門檻——跨過這條線的團隊有 93% 機率長期留存,這個洞察直接重塑了 Slack 的 onboarding 設計,把「教使用者用完整功能」換成「催團隊儘快衝過活化門檻」。
SessionRelay 是本地優先的 AI 編程會話記憶層，透過 MCP server 讓 Agent 查詢跨工具、跨會話的完整對話紀錄。安裝：npx @ewanjasper/sessionrelay init。解決了換 AI 工具、換會話、換人接手時，之前討論的決策與脈絡就消失的問題。
Microsoft Agent Framework python-1.19.0 三個重點：(1) 四個 BREAKING 變更集中在 HTTP cookie 持久化、MCP skill 封裝格式、MCP session 作用域、Redis history key 作用域；(2) 新增泛用向量儲存 provider 協定，一次補齊 MongoDB（alpha）、Azure DocumentDB（alpha）、Azure Cosmos DB NoSQL 三個連接器；(3) 內建 orchestration workflow 現在有穩定名稱並註冊 checkpoint type，讓內建的 sequential／concurrent／handoff／group chat 流程可以被還原重啟。
Comp AI 完成 $34M Series A，由 Roo Capital 和 Grand Ventures 共同領投，累計融資 $36.6M。這輪錢代表的信號是：合規稽核從「一年做一次的快照」正在被重新定義成「Agent 全年無休持續驗證」的訂閱服務，而 Comp AI 賭的是能靠開源和 agentic 架構，在 Vanta（估值 $4.15B）這樣的既有玩家旁邊搶出一塊市場。
Kastle 完成 $24M Series A，由 Insight Partners 領投，Agent 已處理超過 $18 億美元交易。這輪錢代表的信號是：大型金融機構不需要在『忍受舊系統限制』和『花好幾年換掉核心系統』之間二選一，Kastle 賭的是讓 Agent 直接疊在既有系統上工作,才是機構真正能快速採用 AI 的路徑。
Raindrop 完成 $35M Series A，由 CRV 領投，累計融資來到 $50M。這輪錢代表投資人賭的是「Agent 可觀測性」已經從加分項變成必需品——當 Agent 一次跑好幾個小時、呼叫上千次工具，人已經沒辦法即時盯著每一步，勢必需要專門的系統幫忙抓出「安靜地做錯事」的時刻。
Qwen-Image-2.1（Alibaba Qwen）：2026-09-20 開源，視覺生成模組 7B（32 層 Single-Stream DiT）＋Qwen3-VL 8B 編碼器，維持前代 2.0 的 7B 量級但新增原生透明圖（64 通道 RGBA VAE）與最多 10 張參考圖多圖編輯；Qwen-Image-Bench 官方自測總分 60.28，高於 Nano Banana 2.0（59.82）與 GPT Image 1.5（59.65）⚠️ 自測未經第三方覆現；SGLang 團隊獨立驗證單樣本 RGBA PSNR 達 60.69 dB；採 Qwen Research License Agreement，僅限非商業用途，官方未提供托管 API 定價；對 Agent 開發的意義是可省去獨立去背/合成步驟，適合電商素材與多場景分鏡類工作流
今天的 Paper Reading 輪練是 arXiv:2509.06917《Paper2Agent》——剛在 2026 年登上 Nature 的論文,提出一套自動框架,用多個 specialist agent 分析研究論文與它的開源程式碼,建構出可測試、可迭代精煉的 Model Context Protocol(MCP)伺服器,再接上 Claude Code 這類 chat agent,用自然語言重現論文結果、甚至回答原論文沒問過的新問題;作者用 AlphaGenome、ScanPy、TISSUE 三個案例驗證,並宣稱因此發現了一個跟 ADHD 風險相關的新剪接變異。核心概念涵蓋 specialist + coordinator 的多 agent 分工模式、MCP 作為『論文能力』到『可呼叫工具』的標準化介面、iterative generate-test-refine 迴圈怎麼取代一次性人工驗證、以及『忠實重現原結果』跟『正確回答新查詢』是兩種要分開驗證的可靠性標準。練習題走審稿人視角,討論怎麼設計實驗驗證這類自動生成 agent 不是在幻覺,以及要把這套系統落地成公司內部工具時該加什麼防護。
CADDi 完成 $114M Series D,估值 $1.2B,比 2025 年 3 月的 $470M 翻了一倍多。這輪錢代表投資人相信製造業累積數十年、從沒被數位化的「老師傅知識」,終於能被結構化資料 + AI Agent 接住,而不是繼續鎖在老員工的腦子裡。
Hang Ten Systems 在種子輪之後五週內又追加募得 $53M,累計 $85M。這輪錢代表投資人賭的不是新的 AI 模型,而是「用 Agent 重做傳統系統整合外包」這個商業模式,能不能在成立不到半年內就靠真實合約證明自己。
Magentic 完成 $18M Series A，由 Felicis 領投，Sequoia Capital 和 The Westly Group 跟投。這輪錢代表 VC 開始相信「實體經濟的採購流程」也能交給自主 Agent 端到端處理，不只是輔助人做決策。
Ling-3.0-flash-Fin（Ant Group 蚂蚁百靈）：2026-09-09 外灘大會發佈，124B 總參數／5.1B 啟用，256K context（可擴至 1M），MIT 開源；沿用 Ling-3.0-flash 的 MoE 架構與長上下文能力，透過金融語料持續預訓練與領域後訓練強化財務能力，在 FinFIRST、FinSearchComp Verified、FinCRAFT、Finance Agent、APEX-Agents、SpreadsheetBench、τ³-Banking 七個金融基準上測試，AA Intelligence Index v4.1.1 從 38 提升至 41 分；模型權重已上線 Hugging Face 與 ModelScope，OpenRouter 提供一個月限免 API
Jev（TypeSafe AI）：2026-09-15 以早鳥搶先體驗形式發佈，非自回歸架構，輸入不是自然語言問答而是「狀態＋型別化問題」，輸出機率分佈與信心分數而非文字；input 定價 $0.042/1M tokens、output 免費；官方工作流測試中比 LLM 快 193.6 倍、便宜 444.6 倍，但為自測且尚無獨立覆現；同時對外募得 4000 萬美元種子輪（DCVC 領投，估值 2 億美元）；對 Agent 開發的意義是可作為便宜的路由／分類／護欄層，而非取代生成式 LLM
xAI 官方定價文件公告：2026-09-21 12:00 PT 起，Grok API 的 x_search 工具計價從「每千次呼叫 $5」改成「每千則抓到的貼文 $5、每千個抓到的 user profile $10」，thread 裡回傳的 parent／quoted post 也算進貼文數。web_search、code_execution 等其他工具價格不變，仍是每千次呼叫 $5。對每次查詢只回傳少量結果的用法影響不大，但對會拉出完整討論串（thread）、平均每次查詢回傳數十則貼文的社群監控類 Agent，帳單可能不降反升。
Technical PM 面試最容易被看穿的地方,是把版本策略講成一句「我們會做 v1、v2」,卻答不出誰該承擔升級成本、多久允許一次 breaking change。今天練一道情境題:企業合約要求 API 六個月內穩定不能無預警改格式,工程團隊目前沒有版本管理。答案框架是版本策略選項比較(路徑版本、header 版本、日期滾動版本)搭配 Cost-Reversibility 權衡矩陣,把每個選項的工程成本與客戶風險攤開來比。案例是 Stripe 用日期命名的滾動版本策略——每月版本只允許相容變更、每半年一次大版本才准破壞相容性,且每個帳號可以釘住自己的版本,讓 API 十幾年沒有真的「壞」過任何一個整合。