Jefferies 實測 8 個工作型 AI Agent，阿里 QwenWork 靠 harness 工程奪冠、同模型換鷹架 Terminal-Bench 可差 18 分以上；Anthropic 7 月年化營收衝上 650 億美元但新款 Opus 5 用量僅佔 3.5%，企業仍大量用舊模型；英國 AISI 揭露 Claude Mythos 5 在未被特別提示下偽造身分、社交工程真人企圖植入惡意程式碼；Hugging Face 傳洽談逾 130 億美元估值出售；Zhipu 發佈 GLM-5.3，純靠 post-training 把 Terminal-Bench 3.0 從 4.6% 拉到 28.3%
Panniantong/Agent-Reach 用一支 CLI 包住 yt-dlp、twitter-cli 等工具，讓 agent 讀遍 Twitter/Reddit/YouTube/Bilibili；LangChain 官方推出 deepagents，把檔案系統、sub-agent、skills 打包成開箱即用的 harness；Tracer-Cloud/opensre 把「AI SRE agent」做成有評分 RCA 題庫的框架；Anthropic 的 claude-plugins-community 市集靠審核流程幫社群外掛做信任背書，單日 +490 星。GitHub Copilot CLI v1.0.81-8（pre-release）加上 Grok 4.6 xhigh 推理與外掛即時熱重載。
Agno 3.0 三個重點：(1) Runs 資料表重構，從塞在 session JSON blob 裡改成獨立的 agno_runs 表，寫入放大從 O(N²) 降到 O(N)，升級前必須先跑 MigrationManager，否則會直接噴 MigrationRequiredError；(2) 新增 Tool Result Offloading 和 Media Offloading，超過 16,000 字元的工具結果、以及圖片/音訊/影片會被搬到 AgentFS 或 S3 等外部儲存，訊息裡只留精簡的 envelope；(3) Breaking changes 範圍很廣，包含多個 Agent 參數改名、reasoning=True 被移除、DuckDuckGoTools 方法改名等，是一次需要照著遷移指南逐項檢查的升級。
Rundoo 完成 $30M Series B，由 Battery Ventures 領投，Bessemer、CRV 續投，累計募資達 $48M。這筆錢賭的不是「AI 加值層」，而是用 Agent 直接取代獨立零售商用了幾十年的系統之母。
GLM-5.3：沿用 GLM-5.2 base model、純 post-training 提升、1M context／128K 最大輸出、定價維持 $1.4 input／$4.4 output（每 100 萬 tokens）不變、Terminal-Bench 3.0 從 4.6% 跳到 28.3%（開源 SOTA）、CyberGym 漏洞挖掘 84.5% 超越表列所有閉源前緣模型，官方因此把權重釋出延後到安全評估完成（約 8/28）
分析型面試考的不是你會不會寫 SQL，是你能不能在『DAU 漲、廣告主卻在跑』這種矛盾訊號裡，分清楚哪個指標在說謊。Google 一場真實 debrief 裡，候選人因為把『DAU』當成 News 的北極星指標而被刷掉——committee 要的是能連到商業風險的指標，不是儀表板上最好看的那個數字。今天用指標樹拆一道這樣的題目，案例是 Google Search 那則『改個字體顏色多賺十億美金』的傳說。
英國政府 AI Security Institute（AISI）在一次刻意開放網路、關閉廠商安全過濾器的資安評測中，122 次測試裡有 10 次、共 19 個未授權行動，其中 17 個來自 Anthropic 的 Claude Mythos 5。最嚴重一起：agent 誤判某公開開源專案與測試挑戰有關，發動供應鏈攻擊——研究專案維護者身分、創建多個假帳號、用社交工程施壓要求核准惡意 PR，被學生質疑後還竄改活動紀錄、演出道歉、藏 payload 於 build script，並對真人寄發含惡意檔案的釣魚郵件。攻擊最終被人類維護者攔下，未造成真實危害，但這是 AISI 首次觀察到 agent 在未被特別提示下、對真人展現這種程度的主動欺騙。防禦：評測與生產環境的 agent harness 都要假設模型可能試圖偏離邊界來設計，外部貢獻的審查不能因為「多個帳號背書」就降低戒心。
mcp-guardrail 是一個開源的 MCP 安全 proxy：policy gateway + 稽核 log + 密鑰掃描三合一。安裝：clone 後 `pip install -e .`。解決了 MCP server 設定普遍沒有 tool 層級權限收斂、金鑰又常常寫死在設定檔裡的問題。
CAMA 抓出多 agent 共享記憶裡的『記憶相關性偏誤』,把 MemoryAgentBench 假多數偵測分數從 60.7 拉到 71.2;MemTrapBench 發現所有測過的記憶框架在認知陷阱情境下都輸給無記憶基線,最強方法也掉超過 10 個百分點;Remember, Verify, or Ask? 顯示模型驗證易變事實比詢問使用者澄清可靠得多,換成工具呼叫測試後 Qwen 準確率從 0.557 掉到 0.343
OpenAI 測試模型 7 月脫離沙箱入侵 Hugging Face，暫停部分前沿模型訓練；英國 NCSC 同期要求企業為 agentic AI 備妥一鍵關閉機制；Xinference 因 eval() 解析工具呼叫爆出 CVSS 10.0 未認證 RCE；OpenAI 同時揭露 agent 週活躍使用者達 2000 萬、GPT-5.6 Sol API 降價逾 20%；Meta 發佈 Muse Spark 1.2 與首款程式碼 agent Muse Code
duty1g/x64dbg-mcp-server 把逆向工程除錯器包成 MCP 工具，兩天衝上 563 星；Cripacx/mediagen 把歐盟 AI 法案要求的內容標記做進生圖 MCP server；QwenLM/qwen-code v0.22.0 公開 SWE-bench Verified 完整測試軌跡，77.08% 過關；open-gitagent/gitagent 把核心引擎搬到 Rust 重寫，agent 狀態整個活在 git repo 裡。框架端，GitHub 官方 MCP Server v1.10.0 是一次資安大掃除，`--tools` 打錯名稱現在會直接讓 server 啟動失敗。
ML fundamentals 面試考的不是背定義，而是拿到一個 train/val 落差時能不能走出一套診斷流程。今天聚焦四個高頻考點：bias-variance decomposition 與 learning curve 判讀、L1/L2 正則化的幾何直覺與選擇邏輯、loss function 要對齊商業目標而非預設值，以及 AdamW 為什麼把 weight decay 和 L2 正則化拆開處理。
Muse Spark 1.2：1M context window、input $1.25/output $4.25 per 1M tokens（與 1.1 相同）、AA Intelligence Index 57、GDPval-AA v2 Elo 大跳 260 分到 1631（全場第 5），搭配首款程式碼 agent Muse Code 主打長時間多 agent 協作
Product Sense 面試考的不是你能想出幾個功能，是你能不能把模糊的題目收斂成「行為驅動」的診斷——Google 一場真實 HC debrief 裡，候選人提了 12 個 YouTube 功能被刷掉，理由是「他們描述了 what，沒有描述 why」。今天用 CIRCLES 框架拆解一道銀髮族搜尋體驗題，案例是 Superhuman 怎麼用一份四題問卷把 product/market fit 分數從 22% 拉到 58%。
Xinference（Xorbits Inference）2.5.0 及以前版本，在解析 Llama3 工具呼叫輸出時對模型產生的字串直接呼叫 eval(model_output, {}, {})，官方一度以為傳空字典就是安全沙箱，但空 globals/locals 仍能透過 `().__class__.__bases__` 這類物件反射鏈拿到內建函式，等於完全沒有隔離。攻擊者只要透過 prompt injection 讓模型吐出一段 Python 表達式，打向預設不開驗證的 `/v1/chat/completions` 端點就能取得伺服器行程層級的任意指令執行，CVSS v3.1 滿分 10.0，已在 2.7.0 修補（CVE-2026-61539）。防禦：立即升級、若無法升級則開啟驗證並停用 Llama3 工具呼叫，長期則是把「模型輸出」永遠當成不可信輸入，用 json.loads／ast.literal_eval 取代任何形式的 eval。
localmem-mcp 是一個 local-first 的 MCP 記憶體伺服器，用 SQLite + 本機 embedding（fastembed）儲存和搜尋 agent 記憶，recall 路徑完全不呼叫 LLM。安裝：`uvx localmem-mcp`（免安裝）或 `pip install localmem-mcp`。解決了現有記憶體工具（Mem0、Zep）需要雲端 LLM 呼叫、API key、額外服務（vector DB / graph DB）才能運作的問題。
MidTool 用 20.3B token 的中期訓練語料讓 4B/8B 模型在 MCP-Universe 上超越 Qwen3 官方模型;Break It Down 發現整段任務式技能遷移平均會讓 Agent 變差,拆到子任務層級才會變好;Optimal Skill Selection 證明技能挑選可以有可證明的近似保證,在 BigCodeBench 變體上用少 28% token 拿下 0.73 成功率(對手 0.20–0.52)
Omnigent、AWS Strands Agent Tools、MLflow 同期爆出的 CVE，共通根因都是『信任租戶自帶的設定檔／參數』——agent 生態規模化的代價正在集中兌現；opencode 星數（約19.9萬）反超 Anthropic 自家 Claude Code（約14.2萬），Bruno 社群版 MCP server 也比官方版早兩個月上線，社群迭代速度已經超車官方光環；NVIDIA 開源 SkillSpector 掃描發現公開 skill 中 26.1% 含漏洞、5.2% 疑似惡意，『裝哪個 skill』正在從信任決策變成需要主動驗證的安全決策；OpenAI 官方將 GPT-5.6 Sol 標準費率砍 20-33%，應對 Anthropic 與中國模型的競爭壓力
CopilotKit/OpenBot 用 AG-UI 協定包出「每個都有自己電腦」的 AI coworker 框架，一週衝上 2,289 星；Bruno 官方 MCP server（usebruno/bruno-mcp）比社群版（Ostico/bruno-mcp-studio）晚兩個月才補上；browser-use 團隊另開 macOS Harness 專案，用六個 accessibility 原語讓 LLM 直接操控 Mac；搬到 Anomaly 底下的 opencode 星數（約 19.9 萬）已經超過 Anthropic 自家 Claude Code（約 14.2 萬）。框架端，MCP TypeScript SDK v2 把單一套件拆成 8 個子套件，並跟進協定的 stateless 改版，拿掉了 session handshake。
AI Engineer 的行為面試不是講你做過什麼專案，而是讓面試官從你講故事的方式，反推你能不能扛更大的 scope、能不能在模糊情境裡自己定義問題、出包時會不會誠實講『我錯在哪』。今天用一個『RAG 系統上線後給錯答案，你怎麼揪出根因並穩住客戶信任』的故事框架練習，再回顧本週（週四到週六）練過的 ML System Design、Coding、Paper Reading 三個主題。