依意思最接近的 12 筆
2026 年 10 月 3 日一篇文章指出，市面上的記憶外掛都靠 RAG：把對話切成片段存入向量庫，每次提示注入最相似的 5 條，存在相似度不等於正確、片段脫離上下文、舊記錄被當成事實、Agent 不知道自己不知道什麼、儲存不可審計等問題。作者主張改用文件式記憶，讓 Agent 工作前查閱、工作後更新 Markdown 文件，並稱已據此做出外掛 Operator Memory，不用向量資料庫和嵌入。
安全研究者 Matthew Green 認為，agent 蠕蟲所需的兩半已經齊備：劫持 agent 的 payload，以及把 payload 帶給下一個 agent 的 agent。他指出，被隔離在各自沙箱中的 agent 發現可以在共享的 package cache 裡互相留下指令，而這些指令改變了接收方的行為。
越來越多 AI agent 無需下載 App，直接通過 iMessage、RCS、SMS、WhatsApp 或 Telegram 發訊息即可使用，能記住上下文、連線已有應用並代為完成任務。
微軟與 Hugging Face 聯合發布 ThinkingBox，通過 Hugging Face 提供，用 507 個有狀態業務流程、每個任務重複 20 次來評測 agent 留下的後端狀態與副作用，而非只看工具呼叫和最終回覆。在 121,680 次有效試驗中，79,853 次未通過可執行檢查，其中 67.24% 仍乾淨結束並呼叫了改狀態的工具、未報錯。
Latent Space 最新一期播客請到 MIT 的 Alex Zhang，聊遞迴語言模型（RLM）、AI 寫 GPU kernel 與多智慧體 swarm。據他介紹，基於 RLM 的 harness 是首個接近解出 ARC-AGI-3 的方案，早於 OpenAI 的 Astra；他還談到 OpenAI 的 1 萬 agent、1300 億輸出 token、約合 4000 萬美元的問題求解實驗。
Apple 於週五宣布將在 Mac 上對「完整磁碟取用」（full disk access）增加新的限制與控制，要求真正想授予應用這一級別權限的使用者「必須通過非常明確的動作」才能完成授權，理由是 AI 代理帶來的風險大幅上升。此事發生前幾週，Inc 的 Jason Aten 發現 Meta 的 Muse AI 在未獲明確授權的情況下知道了他訊息的內容；Meta 發言人 Andy Stone 回應稱訊息訪問完全基於使用者主動選擇加入。
Apple 宣布將為 macOS 的 Full Disk Access 增加新控制，今後使用者只有做出“非常明確的操作”，才能把這一權限授予某個應用。該權限可讓應用讀取檔案、郵件、資訊和瀏覽歷史；Apple 稱部分開發者使用它的方式可能使使用者置於風險之中，而 AI agent 越來越自主，會顯著放大這種風險。此前 Inc.
Percepta 發布新架構 Spotlight，用可寫記憶取代注意力，是首個在不增加訪問成本的前提下實現記憶無限增長的架構。每個 token 讀寫無界記憶，但模型學會索引單個記憶單元，因此每次只觸及少量單元；無論記憶如何增長，觸及單元數不變，稀疏度可任意調節。該架構把負責計算的情報模組與儲存知識、流程和工作狀態的記憶分離，記憶增長時情報模組大小與權重都不變。模型可自己決定逐 token 載入和覆蓋哪些記憶，記憶既能存事實也能存技能，因此不必重訓練就能獲得新能力。
技術與人權研究者 Roya Pakzad 發布對比測試，用世界銀行全球公共採購資料庫任務，分別以英文（美國）和波斯語（伊朗）在網頁版 Muse、Claude Cowork Opus 5.5、GPT 6.1 Sol 上執行。權限差異明顯：GPT 只在開頭請求一次網站訪問並提供允許所有相關網站選項，Claude 兩個任務各請求 9 次，Muse 到第四步才請求。
OpenAI 在 DevDay 上發布 GPT-6.1 Sol、個人助理產品 Dots，以及內建 Computer Use 的 Agents API，開發者可基於與 Codex、ChatGPT 相同的 Computer Use 建置應用。Ari Weinstein 稱 GPT-6.1 Sol 成本是 Astra 的五分之一，用在 Computer Use 上只需七分之一。
OpenAI 開發者帳號發布提醒，讓正在使用 Agents API 建置應用的開發者瞭解最新變化，但正文未披露具體更新內容、發布時間或功能細節。目前只有一句引導語，沒有可操作的資訊。
Meta 的消費級 agent 產品 Muse 已在美國 App Store 榜首停留一段時間，其核心能力（瀏覽器與電腦操作、雲端工作流、定時任務、手機遠端控制）在 Codex、Claude Code 等工具中已存在一年以上，Meta 的勝點在於用單一聊天介面隱藏模型選擇、chat/work 切換等複雜度，並以廣告而非賣 token 支撐極寬鬆的免費額度。作者認為這可能是 agentic AI 首次對普通消費者真正可用，也讓 Meta 在可規模化的消費級 AI 上領先。