yii.
← Digest
EP130 · 2026年7月14日 星期二 · 9 min read

放手讓 Agent 跑 Loop，但誰扛帳單與責任

大家搶著讓 AI agent 自己跑幾個月的 loop，同一天卻有三份現實檢查同時到齊：harness 比模型重要、token 帳單暗藏 30% 溢價、最強模型也只撐得完 15% 的長任務。

每天花 1% 的時間，掌握科技脈動。

今日金句#

“You essentially pay for intelligence twice, once with money, and again with something even more valuable: the proprietary knowledge you must reveal.” 「你等於為智慧付了兩次錢，一次用金錢，另一次付出更珍貴的東西：你不得不揭露的專有知識。」 — Satya Nadella, CEO, Microsoft

“The harness matters as much as the model.” 「決定成敗的 harness（外圍系統），跟模型本身一樣重要。」 — Marco Casalaina, VP of Products, Microsoft Core AI

“What if SQLite were the game engine, not merely the place where a game stores data?” 「如果 SQLite 不只是遊戲存資料的地方，而是遊戲引擎本身呢？」 — Simon Willison, Datasette 作者

今日主軸：放手讓 agent 跑 loop 的熱潮，撞上三面現實的牆#

今天的訊號幾乎全指向同一件事：開發圈正集體迷上「Loop Engineering」——給 AI agent 一個可量化目標加上停止條件，讓它每半小時自動掃碼、修錯、發 PR，一跑就是好幾個月（Greg Isenberg、AI Jason 同日各自示範，V2EX 上也有人拿 GPT-5.6 Sol 加 Claude Fable 的全額度做循環迭代，一天湧入 153 則討論）。但同一天，三份「現實檢查」同時到齊。ByteByteGo 拆解微軟如何在 8 萬家企業規模上出貨 agent，結論是「harness 比模型重要」——出事的從來不是模型本身，而是外圍的檢索、身分、護欄。Long-Horizon-Terminal-Bench 更潑了冷水：就算最強的 GPT-5.5，能從頭撐完一整場長任務的比例也只有 15.2%，近八成失敗是「撐不完、逾時」而非「做錯」。而 playcode 那篇關於前沿模型真實價格的分析提醒你，帳單本身就有陷阱——Claude 新版 tokenizer 讓同樣內容多吃約 30% token，TypeScript 程式碼在 Claude 上比 GPT 貴 73%。再疊上 Nadella「你付了兩次錢」的警告與 Apple 對 OpenAI 的竊密官司，今天的底色很清楚：agent 自動化的想像力正在暴衝，但能不能放手、放手要付多少代價、出事誰負責，才是真正要算的帳。

必讀#

  1. Microsoft 如何在企業規模出貨 AI Agent — ByteByteGo AI
  2. Nadella 警告：用 AI 你等於付兩次錢 — TechCrunch AI
  3. Apple 控告 OpenAI 竊取商業機密 — TechCrunch News
  4. 前沿模型的真實價格：tokenizer 才是隱藏帳單 — Hacker News Dev
  5. Apple SpeechAnalyzer 語音辨識完勝 Whisper — Hacker News Dev
  6. Long-Horizon-Terminal-Bench：最強模型只撐完 15% — HuggingFace AI
  7. 2026 科技職場 AI 情緒調查：倦怠年增 11 點 — Lenny AI
  8. DOOMQL：把 SQLite 變成遊戲引擎跑 Doom — Simon Willison Dev
  9. 獨立開發者的 24/7 本地 AI 艦隊 — Lenny AI

1. Microsoft 如何在企業規模出貨 AI Agent

ByteByteGo 訪談微軟 Core AI 產品副總 Marco Casalaina，拆解 Foundry（服務 8 萬家企業、串接逾 1.1 萬個模型）與 Microsoft 365 Copilot（月活破 2000 萬、agent 使用量年增 6 倍）背後的工程真相。核心結論一句話：harness 比模型重要。當 agent 從「回答問題」進化到「執行動作」，出錯的代價從壞體驗變成商業事故。

  • harness（runtime、工具、檢索、身分層、護欄）跟模型一樣決定成敗，production 出事幾乎都在外圍系統
  • 檢索要「agentic」——把它當成一個會規劃查詢、評估結果、跨來源重試的 subagent，而非一次性 RAG
  • agent 要有自己的企業目錄身分與稽核軌跡，並用 rubric 為基礎的評估迴圈持續自我改進

💡 為什麼重要：這是所有想「放手讓 agent 跑」的團隊的必修課——真正難的不是換更強的模型，而是把外圍系統做到能承接「錯誤動作」的後果。

🔗 閱讀原文 | 來源：ByteByteGo

2. Nadella 警告：用 AI 你等於付兩次錢

微軟 CEO Nadella 指出企業用閉源 AI 面臨「雙重付費」——付了訂閱費，還把自家商業知識透過使用行為交給模型供應商，讓對方有機會變成你的直接競爭者。他點名 AI 實驗室的雙標：自己自由地拿公開資料訓練，卻限制客戶反向工程模型。目前企業 gateway 流量已有 29% 轉向開源替代方案。

  • 「雙重付費」不只是錢，更是你被迫揭露的專有知識
  • 閉源供應商透過使用模式累積對你生意的理解，形成不對稱競爭風險
  • 解方是握住資料所有權、建編排層以便快速切換模型、在私有雲部署開源模型

💡 為什麼重要：這正在重塑企業 AI 策略，把天平推向開源與資料主權；對任何把核心 know-how 餵進 AI 的人都是一記警鐘。

🔗 閱讀原文 | 來源：TechCrunch

3. Apple 控告 OpenAI 竊取商業機密

Apple 對 OpenAI 提告，指控其系統性竊取商業機密。訴狀稱前 Apple 工程師 Chang Liu 利用驗證漏洞存取內部網路儲存，OpenAI 指導離職員工規避安全程序、勸候選人不簽離職協議，其 io 子公司誤用 Apple 的金屬加工技術與內部術語。訴狀稱已有超過 400 名前 Apple 員工在 OpenAI 任職。

  • 具體指控包含存取漏洞、離職規避指導、專有製程與術語被挪用
  • 400+ 前 Apple 員工任職 OpenAI；io 子公司 2025 年以 65 億美元被收購
  • Apple 用詞強烈，稱此行為「由領導層常態化並示範」、「爛到骨子裡」

💡 為什麼重要：這挑戰了「人才流動天然無害」的假設，可能重塑整個 AI 產業的招聘與離職安全實務。

🔗 閱讀原文 | 來源：TechCrunch

4. 前沿模型的真實價格：tokenizer 才是隱藏帳單

這篇 HN 熱議文指出，各家 tokenizer 差異巨大，同樣內容產生的 token 數不同，讓「每百萬 token 單價」根本無法直接比較。Claude 新版 tokenizer（Sonnet 5、Opus 4.8）在相同標價下比舊版多吃約 30% token，等於變相漲價；TypeScript 程式碼在 Claude 上比 GPT 多花 73% token。

  • 真實成本 = 內容變成的 token 數 × 每 token 單價，而第一個變數隨供應商 tokenizer 浮動
  • Claude Opus 4.8 有效成本約 $7.50/$37.50（標價 $5.00/$25.00）；程式碼類差距最大
  • 把 tokenizer 改版當成漲價看待，並用實際內容測試每個供應商

💡 為什麼重要：對每天用 Claude Code、Codex 的開發者，這解釋了「為什麼帳單比預期高」，選模型不能只看官方標價。

🔗 閱讀原文 | 來源：Hacker News

5. Apple SpeechAnalyzer 語音辨識完勝 Whisper

Apple 新的 SpeechAnalyzer API 在乾淨語音上達到 2.12% 字錯率，勝過 Whisper Small（3.74%）且速度快 3 倍，比自家舊 API（SFSpeechRecognizer 的 9.02%）改善 3.5–4 倍。Whisper 仍在語言覆蓋（100+ 語言 vs ~30 locale）與跨平台上有優勢，但在 Apple 裝置上的英文準度輸了。

  • 乾淨語音 WER：SpeechAnalyzer 2.12% vs Whisper Small 3.74%；吵雜環境差距更大
  • 查詢速度在現代 Apple 硬體上快 3 倍，且完全在裝置端運算（隱私優勢）
  • 英文轉錄選 SpeechAnalyzer，多語需求仍選 Whisper

💡 為什麼重要：做 iOS/macOS App 的開發者可以無痛遷移、換來 3.5 倍準度，且不必再依賴第三方雲端方案。

🔗 閱讀原文 | 來源：Hacker News

6. Long-Horizon-Terminal-Bench：最強模型只撐完 15%

這個新基準用 46 個容器化終端任務、橫跨 9 個領域，測試 agent 能否撐完長時間工作流。結果最強的 GPT-5.5 在部分完成（R≥0.95）也只有 15.2% 通過率，完美通過僅 10.9%；15 個模型平均只有 4.3%。平均一個任務要 231 回合、990 萬 token、85 分鐘、約 $10.5 成本。

  • 79% 的失敗來自「逾時、進度不足」而非執行錯誤——長任務完成度才是瓶頸
  • 稠密獎勵評分揭露 73 個「差一點」的 run（0.75≤R<0.95），二元指標會掩蓋真實進度
  • 「長任務完成是綁定約束，而非局部推理」

💡 為什麼重要：這直接對「放手讓 agent 跑幾個月」的熱潮潑冷水——現階段 agent 更適合短迴圈，端到端自動化仍需人盯著。

🔗 閱讀原文 | 來源：HuggingFace

7. 2026 科技職場 AI 情緒調查：倦怠年增 11 點

Lenny 電子報公布的 2026 科技職場 AI 情緒調查顯示，從業者對 AI 的感受幾乎五五對半——一半人被 AI 賦能而蓬勃，一半人被劇變衝擊。倦怠指數年增 11 個百分點創新高，而多數人心中最大的恐懼其實不是被 AI 取代工作。管理者被指為員工幸福感的關鍵槓桿。

  • 四種情緒原型——被賦能者、糾結者、迷失者、怨懟者
  • 倦怠年增 11 點，管理品質成為蓬勃與掙扎的分水嶺
  • 最大恐懼不是失業，而是快速變化下的定位焦慮

💡 為什麼重要：AI 對團隊的衝擊不是技術問題而是人的問題；主管的支持，比工具導入更能決定團隊撐不撐得住。

🔗 閱讀原文 | 來源：Lenny’s Newsletter

8. DOOMQL：把 SQLite 變成遊戲引擎跑 Doom

開發者 Peter Gostev 用 GPT-5.6 Sol 打造 DOOMQL，讓 SQLite 不只存資料、直接當遊戲引擎——移動、碰撞、敵人、戰鬥、像素渲染全用 SQL 完成，其中用一段巨大的遞迴 CTE 查詢實作光線追蹤，渲染 160×54 像素、約 89ms/幀。Simon Willison 還用 Datasette Apps 外掛做出即時畫面與小地圖。

  • 整個第一人稱 3D 走廊用遞迴 CTE SQL 光線追蹤渲染
  • Datasette Apps 讓你用 HTML/JS 介面即時查詢遊戲狀態
  • 示範「資料庫也能是運算引擎」而不只是儲存

💡 為什麼重要：純為好玩，但它提醒開發者——工具的邊界常常是我們自己想像出來的。

🔗 閱讀原文 | 來源：Simon Willison

9. 獨立開發者的 24/7 本地 AI 艦隊

Lenny 電子報介紹獨立開發者 Alex Finn 用三台 Mac Studio、一台 DGX Spark 與客製 RTX 5090，打造五個能互相支援、自動接手失敗任務的本地 AI agent 艦隊，靠 Tailscale 跨機器協調 Claude Code 迴圈全天候運作。

  • 五個本地 agent 互為備援，一個失敗其他自動接手
  • 全部本地運算，資料不出門（呼應 Nadella 的資料主權論）
  • 用 Tailscale 串起跨機器的 Claude Code loop

💡 為什麼重要：這是「Loop Engineering」熱潮的個人極致版，也示範了資料不外送的另一條路。

🔗 閱讀原文 | 來源：Lenny’s Newsletter

推薦閱讀#

中文技術圈#

開源精選#

littledivy/mimic — Python | ⭐ 648 攔截任何 App，然後像呼叫函式庫一樣從 Python 呼叫它。

Raymondhou0917/speak-human-tw — Markdown | ⭐ 476 「說人話」：繁體中文的去 AI 味改寫 skill，抓 38 種 AI 寫作痕跡，順手校正中國用語與半形標點，給 Claude Code / Codex / Cursor 用。

cosmtrek/mindwalk — Go | ⭐ 481 在你程式碼庫的 3D 地圖上重播 coding-agent 的工作過程。

gostonx/uninstally — Swift | ⭐ 450 乾淨的原生 macOS 解除安裝工具，靠 bundle-id 智慧偵測，連 App 殘留的每個檔案一起清乾淨。

Nanako0129/pilotfish — Python | ⭐ 425 Claude Code 的多模型編排層：前沿模型規劃、便宜模型執行、驗證守品質，一句話安裝。

影音精選#

GPT-5.6 深度評測：跑分屌打但評價兩極#

Theo (t3.gg) · 約 2 天前

Theo (t3.gg)

Theo 全面評測 GPT-5.6，說明 Sol/Luna/Terra 版本與推理等級怎麼選。DeepSWE 基準上，5.6 Sol 以每任務僅 $22 成本拿下 73% 史上最高分，遠低於同級 Fable 的 $839。但社群評價兩極，有人稱神、有人已改用 Fable。

  • 5.6 Sol 在 DeepSWE 拿 73% 史上最高分，成本約只有 Fable 的 1/38
  • 超過 30 種版本 × 推理等級組合，選擇複雜
  • 社群分裂：神器派 vs 棄用改 Fable 派

跑 Loop 一個月：AI agent 自動巡碼、發 PR#

AI Jason · 約 1 天前

AI Jason

AI Jason 分享自家 Superdesign 讓 agent 每 30 分鐘自動掃碼、找錯、發 PR，低風險項目甚至直接合併。關鍵不是技術門檻，而是用一份 Markdown「loop contract」清楚定義目標、界線與 SOP，才能安心放手讓 agent 自主運作。

  • 每個 loop 靠一份 Markdown 記錄目標、界線、SOP
  • 低風險 PR 可自動合併，另有 CRM、客服 agent 同步在背景運作

用 Loop Engineering 自動跑 SEO、廣告賺錢#

Greg Isenberg · 約半天前

Greg Isenberg

Greg Isenberg 與 Elie Steinbock 對談，示範用 Google Search Console 資料建立每月成本不到 $5 的 SEO loop，讓 agent 針對可量化指標長期自我優化，建議新手從單一頻道、小型可驗證指標開始。

  • Loop = 給 agent 目標指標 + 停止條件，讓它按排程自我改進
  • SEO loop 串接 Google Search Console，每月成本常低於 $5，比請代理商便宜
  • 同樣模式可套用在 Facebook 廣告優化與產品意見回饋循環

Wix 創辦人：Base44 能贏下 Vibe-Coding 戰爭嗎？#

20VC · 約 1 天前

20VC

Harry Stebbings 專訪 Wix CEO Avishai Abrahami。Wix 年自由現金流約 4 億美元，逾 2 億投入 AI 建站平台 Base44（年營收破 1.5 億且快速成長），深談自建 AI 模型的原因與「vibe coding 做不出 Shopify」的判斷。

  • Wix 年自由現金流約 4 億美元，逾 2 億投入 Base44
  • 深談 Base44 毛利結構與 Wix 自建 AI 模型的原因
  • 討論 AI 時代下 3500 人團隊規模會擴大還是縮編

GPT-5.6 Codex 燒額度超快，開發者叫苦#

Theo (t3.gg) · 約 1 天前

Theo (t3.gg)

Theo 實測 GPT-5.6 Codex 雖強但異常快吃光 5 小時額度，一個 PR 就耗掉一半配額，並整理出實測有效、能同時提升品質又省 1/4~1/5 token 的用法，也澄清網路流傳的錯誤省用偏方。

  • GPT-5.6 耗 token 速度遠超 GPT-5.5，額度秒沒
  • 實測出能提升品質又省 token 的用法
  • 點名一些「省額度偏方」其實已被官方否認有效

OpenAI 把 Codex 整個塞進 ChatGPT 新介面#

Theo (t3.gg) · 數小時前

Theo (t3.gg)

OpenAI 推出全新 ChatGPT 介面，把原本獨立的 Codex 完全整合進去，連「Chat」都被降級成可拖曳的彈出視窗。Theo 直言這個改版讓人搞不清楚產品定位，體驗變差。

  • Codex app 被併入新版 ChatGPT，不再是獨立產品
  • 原本的聊天功能變成彈出式小視窗
  • Theo 認為改版體驗變差、定位混亂

今日觀察#

今天最耐人尋味的，是「熱情」與「證據」在同一天正面對撞。Greg Isenberg 與 AI Jason 幾乎同步在教大家 Loop Engineering，讓 agent 自己跑幾個月的迴圈；V2EX 上也有人拿 GPT-5.6 Sol 加 Claude Fable 燒滿額度做循環迭代。但同一天，ByteByteGo 用微軟的規模經驗告訴你「harness 比模型重要」，Long-Horizon-Terminal-Bench 用冷冰冰的 15.2% 告訴你最強模型也撐不完一場長任務，而 Simon Willison 補了一刀：agent 永遠不該是那個「最終負責人」。把這些放在一起看，方向其實不是「該不該用 agent loop」，而是「該把哪一段交出去」——把錯了也不痛的巡邏、修補、優化丟給迴圈，把要負責、要簽名、要面對後果的決定留給人。對每個開發者而言，接下來真正值錢的能力，或許不是會不會寫 prompt，而是懂得畫出那條「放手」與「放生」之間的線。

覺得有用嗎？分享給一個也在追蹤新知的朋友。

也歡迎中長期投資者體驗新工具 → Moniit banner

同期還有