所有分類Google GTIG 於 9 月發布的 Q3 2026 AI Threat Tracker 報告指出,Mandiant 於今年第二季調查一起事件:財務動機駭客集團入侵某組織雲端環境後,僅用一個 AI coding chatbot、一則提示詞與預先寫好的 markdown 指令集作為『操作手冊』,就在不到 6 小時內自主完成掃描、入侵、憑證竊取、即時故障排解與 IP 輪替,總計竊得數千組第三方憑證。同一份報告另揭露一台外洩的 C2 伺服器,運行基於 OpenClaw agent 框架建置、名為 Recon 的自動化偵察與憑證管理系統,內含 AGENTS.md、KNOWLEDGE.md 等 agent 設定檔,遭發現後隨即轉為即時管理超過 2.38 萬組竊得雲端與 AI 服務金鑰的正式運作儀表板。The Hacker News、BleepingComputer、Help Net Security、Cyber Magazine 已交叉確認報告內容。防禦:稽核雲端環境異常高速自動化 API 呼叫模式、限縮 coding agent 憑證存取範圍、把回應時間窗從『天』級壓縮到『分鐘』級。
ToolHive 是 Stacklok 開源的 MCP server 執行期管理平台，用 CLI（thv）或 Kubernetes Operator 把每個 MCP server 跑在隔離容器裡。安裝：brew install stacklok/tap/thv。解決了「MCP server 直接裝在本機、拿著本機憑證和網路權限亂跑」的問題。
這輪 ML System Design 聚焦 2026 年面試官最看重的『不是模型，是全鏈路』：feature store 怎麼在 offline 訓練與 online 推論之間保持同一份特徵定義（training-serving skew）、推薦系統的 candidate generation → ranking → re-ranking 三段式 serving 架構、模型上線怎麼用 A/B testing 和 shadow deployment 降風險、data drift 與 model degradation 的監控設計，以及 retraining cadence 如何接成一個能自我強化的 data flywheel。練習題是一道 OpenAI 的『設計即時推薦系統』進階題，練的是怎麼在 clarifying questions 之後，用七大元件框架把答案講成一條完整的資料到監控的鏈路。
Cognition 完成超過 $2B 的 Series E，由 a16z 與 Accel 領投，估值從 5 月的 $26B 衝到 $48B。這筆錢代表 VC 願意用接近雙倍的估值追加投資同一家 coding agent 公司——賭的不是「有沒有人做 AI coding」，而是 Cognition 的年化營收 4 個月漲近 8 成能不能撐住這個溢價。
Strategy 題最容易講成空話的地方，是只會說「我們有先發優勢」或「市場很大」，卻講不出具體是哪個對手的哪個弱點、公司手上哪個資產能真的轉成護城河。今天用 Porter's Five Forces 判斷值不值得打這場仗、再用 TAM-SAM-SOM 把市場切成可執行的第一步，練一道「公司要不要切入已經有兩三個強力對手的市場」的策略題。案例是 Figma 在 2021 年推出 FigJam 正面迎戰白板協作龍頭 Miro，示範後進者怎麼不拚功能對功能，改用既有使用者網路當差異化武器。
BankMCP 是一個自架的唯讀 MCP server，透過 Enable Banking 的 PSD2 API 串接 2,700+ 家歐洲銀行，讓 AI 助理直接回答『這筆發票付了沒』『訂閱總共花多少錢』這類問題。安裝：`claude mcp add bankmcp -- npx -y bankmcp`。解決了『AI 助理想幫你管錢，卻沒有安全、唯讀管道碰到真實帳戶資料』的問題。
這輪 Deep Learning & NLP 聚焦 2026 年面試官最愛追問的『從架構講到工程後果』：decoder-only transformer 的四層結構（embedding + RoPE、causal self-attention、MLP、線性頭）、self-attention 的 Q/K/V 直覺與為什麼要 causal mask、decoding 為什麼是 memory-bandwidth bound 而不是 compute bound，以及 token 數量怎麼直接換算成 API 成本、context window 容量與生成延遲。練習題是一道 MAANG 等級的『解釋 Transformer 架構』開放題，練的是怎麼在 5 分鐘內講完架構又能延伸到推論成本。
MiniCPM5-2B（openbmb/MiniCPM5-2B）：OpenBMB 於 2026-09-06 悄悄上架 Hugging Face（無官方部落格公告），2.6B 稠密參數、131,072 tokens context window、Apache-2.0 完全開源；中立第三方 Artificial Analysis Intelligence Index v4.2 拿下 15 分，是所有 4B 以下開權重模型最高分（次高 Granite 4.2 3B 僅 11 分）；GDPval-AA v2 真實工作任務 Elo 831 全場最高；FlagOS 已支援 9 種 AI 晶片（含 Huawei Ascend、NVIDIA）day-zero 部署
Metrics 題最容易失手的地方不是講不出指標，是講出一個聽起來合理、卻沒辦法回答『這個指標漲了代表什麼』的名詞。今天用 Lenny Rachitsky 整理的六類北極星指標框架收斂候選範圍，再疊一層指標樹把北極星拆成 output／input／guardrail，練 Meta PM analytical thinking round 常出現的『幫 Instagram Reels 定義北極星指標，並說明如果資源傾向 Reels、犧牲 Stories 會有什麼取捨』。案例是 Netflix 從 DVD 準時到貨率換到串流 15 分鐘觀看率、再換到每月觀看時數中位數的三次北極星指標轉向，示範指標怎麼跟著策略走。
jmeter-mcp-server 是一個 stdio MCP server，讓 Agent 用型別化工具呼叫建立、編輯、執行 JMeter 壓測計畫並讀回聚合報表。安裝：`claude mcp add jmeter -e JMETER_HOME=... -- npx -y jmeter-mcp-server`。解決了 LLM 手刻 `.jmx` XML 容易產生『格式合法但語意錯誤、且不會報錯』的問題。
這輪 ML Fundamentals 不再是背公式，而是練『模型上線後出包時該怎麼一步步排查』：用學習曲線的 train/val gap 判斷該加特徵還是該正則化、CV 分數跟上線分數不一致時要先懷疑 GroupKFold/TimeSeriesSplit 有沒有做對、類別不平衡的四層排查順序（先重加權而不是先 SMOTE），以及分類門檻該由 FP/FN 的實際成本算出來，不是預設 0.5，還要分清楚門檻選擇跟機率校準是兩件事。
Atira 完成 $15M Seed（加上先前未公開的 $2.5M Pre-Seed，累計 $17.5M），由 Accel 領投，天使投資人包括 Celonis 共同創辦人 Bastian Nominacher。這筆錢代表 VC 開始把「工業銷售工程」這種沒人碰過的暗流程，當作下一個 Agent 協調層的基礎設施機會。
Claude Fable 5.1（API ID：claude-fable-5-1）：Anthropic 於 2026-09-01 發佈，1,000,000 tokens context window、128,000 max output、input $10.00／output $50.00（每 1M tokens，cache read 降至 $0.25，降 75%）、閉源；Terminal-Bench-Science 0.1 自測 52.6%（前代 24.7%）、中立 Artificial Analysis Intelligence Index 66 分（前代 62 分，領先 GPT-6 Astra 的 61 分）；同步發佈受限版 Claude Mythos 5.1，僅開放給網路安全與生科領域受信任機構
Product Sense 題最常見的失手不是想不出方案，是分群分得太籠統、卡在『所有旅客都想要更順暢的體驗』這種空話。今天用 CIRCLES 框架收斂範圍，再疊一層 JTBD（Jobs-to-be-Done）把痛點寫成『情境 + 動機 + 現有替代方案的不足』，練 Google product sense screen 常出現的『幫機場旅客設計一個產品』題目。案例是 Rahul Vohra 怎麼用『如果不能再用這個產品你會有多失望』的四問卷調查，把 Superhuman 的產品市場契合度從 22% 拉到 58%，示範怎麼用具體分群取代直覺猜測。
okf-agent-memory 是一個實作 Google OKF v0.2 規格的 Git-native agent 記憶系統，內建零依賴的 Go CLI 與 MCP server。安裝：`brew install okf-memory/tap/okf`。解決了『架構決策存在向量資料庫裡看不到、存在 CLAUDE.md 裡又只會無限長大』的問題。
行為面試考的不是你有沒有故事，而是你能不能把一次技術決策講成『情境明確、證據具體、結果可量化』的敘事。今天用『RAG 客服 agent 要上線，你怎麼用 retrieval/generation 四象限錯誤分析說服 PM 延後一週』這個 AI Engineer 常見情境，走一輪完整 STAR，並回顧本週 ML Fundamentals 到 Paper Reading 六個主題練了什麼。
GPT-6 Astra（API ID：gpt-6-astra）：OpenAI 於 2026-09-03 發佈，1,050,000 tokens context window、128,000 max output、input $10.00／output $50.00（每 1M tokens，cached input $1.00）、閉源；ARC-AGI-3 官方harness 99.9%（標準化 harness 62.7%）、FrontierMath Tier 4 97.6%、ExploitBench 100%；OpenAI Preparedness Framework 下首個「Critical」級網路安全能力模型；但中立的 Artificial Analysis Intelligence Index 僅 61 分，打平前代 GPT-5.6 Sol、落後 Claude Fable 5.1 的 66 分
衝突類 behavioral 題最容易垮的地方，不是你有沒有處理過衝突，是你講對方的時候聽起來像在告狀還是在講事實。今天用 SBI 框架（Situation-Behavior-Impact）練怎麼客觀描述另一個人的行為與影響，搭配 mockround.ai 整理的 PM 專屬衝突題「跟跨部門關係人有衝突，你怎麼處理」，案例是 Reed Hastings 在 Qwikster 事件裡怎麼公開認錯、又在三週內全盤逆轉決策，把一場公關災難收斂成一次可信的當責示範。文末附本週六天回顧與下週預習方向。
獨立研究者 George Chen 於 2026 年 6 月 6 日回報 postgres-mcp(Postgres MCP Pro,PyPI 套件,by crystaldba)的限制模式繞過漏洞:SQL 安全層只檢查 SELECT 清單裡直接呼叫的函式,沒檢查 FROM 子句裡當成資料表使用的函式,導致 pg_read_file 等危險函式能繞過白名單讀出主機任意檔案,且因為這類函式本身是唯讀操作,連「唯讀交易」這層防護也擋不住。CVE-2026-85620 於 9 月 4 日正式公開,CVSS v4.0 評 9.2(Critical)。廠商安全信箱早已失聯、也沒開 GitHub Security Advisory,回報後三個月仍無修補版本。防禦:立即檢查連線角色是否具備讀檔權限,並暫停把不受信任輸入送進 execute_sql 工具。
cc-readback 是一個跑在本機的唯讀 MCP server，讓 Claude Desktop 能直接讀取、搜尋、摘要你存在 ~/.claude 底下的 Claude Code session 歷史，並自動遮蔽 AWS/GitHub/OpenAI 等常見憑證。安裝：`npm install -g cc-readback && cc-readback install all`。解決了『想請 Claude Desktop 幫忙回顧昨天 Claude Code 做了什麼、卡在哪，卻只能自己翻 terminal scrollback』的問題。