工具推薦｜AnythingMCP — 把 ERP、SOAP、SQL 這些舊系統自動變成 MCP tool
AnythingMCP 是一個自架的 MCP 閘道，把 REST、SOAP、GraphQL、OData、SQL 資料庫自動轉成 MCP tool，附 517 個現成 ERP／電商 adapter。安裝：`docker compose up -d`（quickstart 範本）。解決了公司內部系統沒有 MCP server、每個都要自己手寫一套工具轉接層的問題。
daily
816 篇文章AI Engineer 面試日練 — 2026-10-20：Deep Learning & NLP
今天的核心是 self-attention 的 Q/K/V 機制與 √dₖ scaling、multi-head attention 為什麼要多頭、positional encoding 為什麼必要，以及 self-attention 的 O(n²) 成本要怎麼拆解來解決。練習題是一道常見的情境面試題——Transformer 處理長文件時爆記憶體怎麼辦——關鍵不是背出 FlashAttention 或 Sliding Window Attention 的名字，是能講清楚前者優化的是 GPU 記憶體搬運（I/O bound），後者才是真正把演算法複雜度從 O(n²) 降到線性，兩者解決的是不同層次的問題。
融資速報｜Town Series B $108M（AI 工作助理拿下獨角獸）
Town 完成 $108M Series B，由 Forerunner Ventures 與 Menlo Ventures 共同領投，公開上線僅四個月就拿下 $1B 獨角獸估值。這筆錢的信號：AI 助理的下一個戰場不是「一個人多聰明」，是「助理之間能不能互相交辦工作」。
模型卡｜MiniMax M3.1 Flash
MiniMax M3.1 Flash：428B 總參數／約 23B 啟用（MoE）、1M context window、input $0.15／output $0.60 per 1M tokens、cache read 只要 $0.015；官方對照表在 Automation-Bench v1.0.6 拿下 62.2 分，領先 DeepSeek V4.1 Flash 1017（60.5）與 Claude Opus 5（50.3），但在 DeepSWE、Terminal Bench 4.0 落後；VentureBeat 引用 Artificial Analysis 的 AA-Omniscience 評測指出幻覺率偏高，weights 預計 10/23 釋出、授權尚未公開
定價追蹤｜Vertex AI 今天停用 Gemini 2.5 全系列，Gemini API 卻說「還沒退役」
Google Cloud 在 2026-10-20 停用 Vertex AI（Gemini Enterprise Agent Platform）上的 gemini-2.5-pro、gemini-2.5-flash、gemini-2.5-flash-lite，但 Gemini 開發者 API 的官方頁面同一時間仍列這三個模型「無停用日期」——呼叫入口決定你的模型還能活多久。遷移到官方建議替代後，2.5 Pro 使用者反而更省錢（input 貴 20% 但 output 降 10%），2.5 Flash 使用者成本打平，2.5 Flash-Lite 使用者則要多付超過兩倍。
Product Builder 面試日練 — 2026-10-20：Metrics & Analytics
2026 年 Metrics & Analytics 面試輪最大的轉變，是從單純的漏斗診斷題變成『指標衝突』題——面試官丟出兩個同時變動、方向相反的數字，考的是你能不能找出背後共同的根因，而不是逐層檢查漏斗哪裡出問題。今天練一道真實題：『YouTube 的留言數上升，但觀看時長下降，你會怎麼做？』答案骨架是把兩個指標都拆成『北極星是哪些輸入變數的函數』，去找有沒有一個輸入變數同時驅動了這兩個相反的結果——例如推薦演算法最近把更多高爭議性短片推上首頁：這類影片天然引發留言戰，讓留言數上升，但使用者點進去發現文不對題、看沒多久就關掉，時長因此下降。案例是 LogMeIn 早期的真實故事：公司一度只看「新註冊使用者數持續成長」這個漂亮的數字，直到 Sean Ellis 帶隊把北極星指標改成『遠端遙控連線次數』才發現，95% 的新註冊使用者從沒建立過一次連線——signup 上升的同時，真正拿到產品價值的使用者比例低到嚇人,這正是今天題目要考的『活動量指標上升,不等於使用者拿到價值』的真實版本。
工具推薦｜Audio Studio MCP — 讓 Agent 在你自己的電腦上生成配樂和音效
Audio Studio MCP 是一個 MCP server，讓 Claude Code、Cursor 等 agent 在你自己的 Mac 或 Windows PC 上用 Stable Audio 3 生成配樂和音效。安裝：`git clone` 後跑 `./install.sh`（Mac）或 `install.ps1`（Windows）。解決了遊戲／影片開發者要配樂時，得離開工作流程去訂閱雲端服務或翻版權音樂庫的問題。
AI Engineer 面試日練 — 2026-10-19：ML Fundamentals
今天的核心是 bias-variance trade-off、L1/L2 regularization 的數學直覺、gradient descent 變體怎麼選，以及一個很容易被忽略的評估陷阱：重複拿 validation 分數去調參，本身就是一種資料洩漏。練習題取自 Amazon ML Engineer onsite 的真實問法——資料不平衡時怎麼處理，並從優化角度解釋 L1/L2 怎麼運作——這類問題的關鍵不是背公式，是能把資料層面、模型層面、評估層面的手段分開講清楚。
融資速報｜Duvo Series A $32M（企業 Agent 執行層）
Duvo 完成 $32M Series A，由 Balderton Capital 領投，Rohlik 創辦人 Tomáš Čupr 二次創業，累計融資 $48M。這筆錢的信號：企業不缺 agent demo，缺的是讓 agent 長期活在既有系統裡的執行層，而這正是 Gartner 預測 40% agentic AI 專案會被砍掉的那個環節。
模型卡｜NVIDIA Nemotron Labs Dory 1.0
NVIDIA-Nemotron-Labs-Dory1.0-4B：4B 參數 looped（latent-recurrent）normalized-GPT，8 層 Input＋20 層共享 Recurrent block（可重複套用 1/2/4 次）＋8 層 Output，256K context，OpenMDW-1.1（近似 MIT）授權；2026-10-16 無官方部落格直接悄悄上架 Hugging Face；SWE-bench Verified 1/2/4 loop 分別 50.3%／57.4%／73.4%（4-loop 為引用分，非 NVIDIA 完整自測），2-loop 大致追平同量級 dense 模型 Qwen3.5-4B／3.5-9B；賣點是同一 checkpoint 靠改變循環次數在推理時彈性切換運算量，不需換模型或重新訓練；vLLM／llama.cpp 支援仍在 PR 審查中，尚無官方或第三方 API 定價。
模型卡｜OpenMOSS MOSS-Image
MOSS-Image：OpenMOSS（MOSI.AI／上海創新研究院／復旦大學／上海交通大學）2026-10-16 發布的 5B 單流 diffusion transformer，Apache-2.0，prompt 最長 4,096 tokens，搭配以 GPT-6 驅動的 agentic prompt enhancer 做版面規劃。自建 LLTB 長文字渲染基準 Mean-6 96.3 分（開源模型最高，超越次高 Qwen Image 2512 的 64.9 分 31.4 個百分點）；7Bench 版面控制 mIoU 0.88／AUC 0.70 大幅領先 Ideogram 4 的 0.44／0.20；RealLayoutArena 端到端人評 9 系統中排名第二（Elo 1698.70），輸給 GPT Image 2（1844.35）、贏 Seedream 5.0 Pro／Qwen Image 3.0 Pro／Nano Banana Pro，但骨幹模型在「共享增強 prompt」條件下反而拿下全場最高分（1807.34 Elo）。所有基準皆為官方自建自測，尚待第三方覆現；目前不支援圖像條件輸入或編輯，無官方 API 定價。
Product Builder 面試日練 — 2026-10-19：Product Sense
Product Sense 面試最容易在『痛點』跟『方案』這兩步卡住——痛點講不出三個真正不同的,方案想出來的三個選項其實是同一個點子換三種介面。今天用 Aced（原 Exponent）2026 年版整理的六步框架：釐清問題→公司策略→選使用者 segment→找痛點→想方案→定 MVP，重點放在後面兩步的兩個工具：找痛點時用時間／金錢／動機／信任安全四個桶子逼自己找出三個真正不同根因的痛點,想方案時用『產品切面』（AI 軟體、硬體、平台網路、情境感知、登月級)確保幾個方案不是同一個點子的不同外殼。練習題是 Meta 2026 年面試候選人回報的真題:『你被指派負責一個全新的志工媒合產品,你會怎麼做?』,拆解示範如何從『志工』這麼大的題目收斂到一個具體 segment（想跟朋友一起做、而不是獨自報名的年輕都市工作者),並示範痛點不能只停在『不知道去哪裡找機會』,還要抓到『沒有同伴督促就很難堅持第二次』這個動機層的根因。案例是 Peloton 2018 年的真實決定——發現會員年度調查裡大家抱怨缺變化,但硬體售價(單車 1,995 美元、跑步機 4,000 美元)把一整群只想要內容、不想買硬體的使用者排除在外,於是把課程內容從硬體拆出來,推出每月 19.49 美元的 Peloton Digital,目標把會員完課率從 36% 推高到 60% 以上。
工具推薦｜GenOffice — 讓 Agent 直接編輯真正的 Word/Excel/PowerPoint 檔案
GenOffice 是一個開源 AI Office 套件，透過 genoffice MCP server 把 29 個工具開給 agent，直接編輯真實 .docx/.xlsx/.pptx 且保留未改動部分的格式。安裝：claude mcp add --transport stdio genoffice -- genoffice mcp。解決了 agent 產文件只能吐 Markdown 近似品、Excel 公式變成死數字的問題。
AI Engineer 面試日練 — 2026-10-18：Behavioral & Weekly Review
2026 年的行為面試越來越照標準化 rubric 評分：用第一人稱講「我做了什麼」而非「我們」、每段故事要收在量化 Result、且技術職的行為輪通常獨立計分（如 Google 的 Leadership and Rapport、Amazon 的 Leadership Principles）。今天練的故事是「頂住壓力，擋下一個只過了 demo 但沒做多輪評測就要上線的 agent 功能」，呼應本週六讀的 PROBE 論文：評測不足的 agent 上線後才出包，代價遠高於多花一週把評測補齊。本週回顧從 bias-variance 一路走到 agent 政策合規評測共七個主題。
Benchmark 異動｜Arena Agent 排行榜：GPT-6 Astra 四批之後首次擠進前三，GPT-6.1 Sol 三連霸第二後跌到第四
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。
融資速報｜Opsin $21M 新一輪（Agent 安全）
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。
模型卡｜Reflection Beam 1.0
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。
Product Builder 面試日練 — 2026-10-18：Behavioral & Weekly Review
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。
工具推薦｜AI Slop Meter — 幫你的網站量出「一看就是 AI 做的」有多嚴重
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。
AI Engineer 面試日練 — 2026-10-17：Paper Reading
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。