📰 2026-07-17 AI 日報

DoorDash 開放 AI 代理下單,聽起來是賦權,其實是圈地
阿凱📝 主編觀點 · 反直覺觀點 — 大家都這樣想,但其實可能不是這樣

DoorDash 開放 AI 代理下單,聽起來是賦權,其實是圈地

DoorDash 這禮拜開放 dd-cli 有限測試版,讓 AI agent 能直接在終端機搜餐廳、建購物車、完成下單。新聞角度都寫成「AI agent 經濟又前進一步」,聽起來很潮,但我覺得方向反了。 先講事實:這不是 DoorDash 開放 API 讓任何 AI agent 自由串接,而是它自己做了一個專屬入口,規則、排序、推薦邏輯全部握在自己手上。跟 OpenAI Operator、Anthropic 的 Computer Use 主打的願景完全不同——那些工具的賣點是「agent 能像人一樣點滑鼠瀏覽任何網站」,不需要每家公司額外開後門。DoorDash 現在做的事情等於是說:我不信任你用瀏覽器自動化亂點我的網站,你要進來就走我劃好的門。 大家直覺以為這是平台在配合 AI 趨勢、方便用戶。反直覺的地方是:如果每個平台都跟進推出自己的 XX-cli(Uber-cli、Amazon-cli 之類的),AI agent 要面對的就不是一個開放的網路,而是一堆各自為政的圍牆。agent 得逐一申請、逐一適配,跟以前開發者串接一堆銀行 API 沒兩樣。這跟「AI 幫你打理一切、自由比價」的想像差很遠。 道理很簡單,跟以前打電話比價變成上美團、DoorDash 統一下單一樣,介面變方便了,但價格權、排序權、廣告位全部收歸平台。現在只是把「人類滑手機下單」換成「AI 幫你下單」,權力結構完全沒變,只是多包了一層 agent 的外衣。DoorDash 怕的從來不是 AI 幫用戶省錢比價,而是怕 AI agent 用瀏覽器自動化亂爬它的網站,繞過它的推薦演算法跟廣告收入。 接下來幾個月你會看到愈來愈多「XX for agents」的產品發布,本質都一樣:與其被動防堵 AI agent 亂逛,不如自己先蓋一道門,把 agent 經濟的主導權握在自己手裡。
舊電腦也能跑 AI,只是你聽到的鼓聲可能有點跑調
塵子💬 塵子觀點

舊電腦也能跑 AI,只是你聽到的鼓聲可能有點跑調

Hacker News 上有人分享了一篇技術文章,講的是怎麼在只有 6GB VRAM 的舊 Linux 電腦上,訓練一個會打鼓的 AI 模型。 6GB 是什麼概念?大概是你五年前買來打遊戲、現在連最新版《英雄聯盟》都開不動的那張顯示卡。一般人的想像裡,這種硬體連跑 ChatGPT 網頁版都會卡到當機,更別說訓練生成式 AI。但這篇文章的作者證明,只要方法對,舊硬體也能讓 AI 學會打拍子。 聽起來很勵志,好像在說:別再為了追新技術砸錢買設備,舊東西還有救。但這個「救」是有代價的。為了讓 AI 在這種殘破硬體上跑起來,作者把模型壓縮到極限,犧牲掉細節和精度。最後訓練出來的鼓點模型,節奏可能是對的,但人類鼓手現場演出時因為情緒起伏而產生的細微速度變化(Rubato),AI 大概學不會。 我們總以為 AI 的進步等於運算能力的堆疊,錢越多、晶片越強,AI 就越聰明。但這篇文章給了一個反直覺的畫面:資源被逼到極限時,AI 學會的不是變強,而是變得更會省電、更會將就。 這跟我們的處境沒兩樣。預算不夠時,沒人在追求完美,能用就好。AI 在舊電腦上學會打鼓,證明的不是技術有多神,而是它跟人一樣,逼急了也會找捷徑。 下次看到有人炫耀自己的 AI 模型多厲害,不妨問他:這是頂級伺服器跑出來的,還是那台快報廢的筆電硬撐出來的?後者可能更真實,但也更殘酷。
🚀 產品速報2026-07-17

Claude 與 1Password 深度整合,AI 助手終於能安全幫你填表單

這幾天 AI 圈最讓人眼睛一亮的更新,不是又多了哪個更聰明的模型,而是 AI 助手終於能「安全地」幫你處理那些最討厭的瑣碎任務。Anthropic 旗下的 AI 助手 Claude,現在可以透過 1Password 的瀏覽器擴充功能,直接存取你儲存的帳號與密碼。這聽起來可能有點嚇人,畢竟把密碼交給 AI 似乎違反了資安常識,但這次整合背後的設計邏輯,徹底改變了我們對 AI 操作隱私的想像。 先說最重要的功能:這不只是簡單的密碼複製貼上。1Password 為 Claude 設計了一套專屬的瀏覽器整合機制,讓 Claude 在獲得你的明確授權後,能夠直接操作網頁表單。想像一下,當你正在線上訂機票,或者需要登入某個複雜的企業後台更新資料時,你不需要再手忙腳亂地打開密碼管理器、複製密碼、切換視窗、貼上密碼。你只需要告訴 Claude 你要做什麼,它就能自動完成多步驟的操作流程。這對於需要頻繁管理多個線上帳戶的用戶來說,節省的時間絕對不容小覷。...

Moonshot 即將推出 Kimi 3 有望縮小與 Anthropic Opus 4.8 的差距,同時 Schema Harness 在 Arc-AGI-3 公開測試中達成約 99% 成績展現強大實力。DoorDash 推出 dd-cli 讓 AI 代理可直接下單,而 Claude 透過 1Password 整合自動填入憑證進一步提升工作流效率。此外,透過知識蒸餾優化 RAG 重排序及在低配硬體上訓練生成式 AI 鼓點模型,顯示技術應用正朝向更高效能與普及化發展。

Claude 現可透過 1Password 整合自動填入憑證

Claude 現可透過 1Password 整合自動填入憑證

1Password 推出專為 Claude 設計的瀏覽器整合功能,允許 Anthropic 的 AI 助手在獲得授權後,直接存取儲存的帳號與密碼。這項功能透過「零暴露安全框架」,讓 Claude 能代為完成訂票或管理帳戶等多步驟任務,同時確保敏感資訊不會直接暴露給 AI 模型。

Claude1PasswordAI Agent
The Verge AI
透過知識蒸餾將 LLM 轉為高效 Cross-Encoder,優化 RAG 重排序

透過知識蒸餾將 LLM 轉為高效 Cross-Encoder,優化 RAG 重排序

研究團隊利用 LLaMA 3 (8B) 模型,透過兩階段流程(Unsloth 框架微調與 4-bit 量化)將其轉化為高效的 Cross-Encoder 重排序器。在結合 BM25 與稠密向量搜尋的 RAG 管道中,該模型在答案相關性、上下文精確度及正確性等指標上均顯著超越傳統 Cross-Encoder 基線,同時大幅降低推理成本。這證明指令微調的 LLM 能有效平衡 RAG 系統的準確性與效能。

LLMRAG知識蒸餾
arXiv cs.CL
如何在配備 6GB VRAM 的舊 Linux 桌上型電腦上訓練生成式 AI 鼓點模型

如何在配備 6GB VRAM 的舊 Linux 桌上型電腦上訓練生成式 AI 鼓點模型

這篇技術文章分享了在硬體資源受限(僅 6GB VRAM)的舊 Linux 環境下,成功訓練生成式 AI 音樂模型(專注於鼓點節奏)的具體方法。這對於預算有限或硬體規格較低的開發者與 AI 愛好者而言,提供了在本地端進行模型微調與創作的實用參考,打破了必須依賴高階顯卡的迷思。

生成式 AI本地端訓練Linux
Hacker News
DoorDash 推出命令列工具 dd-cli,讓 AI 代理可直接下單

DoorDash 推出命令列工具 dd-cli,讓 AI 代理可直接下單

DoorDash 開放 dd-cli 的有限測試版,這是一款命令列工具,允許開發者與 AI 代理直接在終端機中搜尋餐廳、建立購物車並完成下單。此舉標誌著軟體設計正從單純服務人類使用者,轉向直接支援 AI 代理(AI agents)的操作需求。

DoorDashAI Agent命令列工具
TechCrunch AI
Moonshot 即將推出 Kimi 3,有望縮小與 Anthropic Opus 4.8 的差距

Moonshot 即將推出 Kimi 3,有望縮小與 Anthropic Opus 4.8 的差距

據 FT 報導,Moonshot 即將推出的 Kimi K3 將成為中國最大的開源 AI 模型,參數量介於 2 兆至 3 兆之間。這項進展預期將縮小其與 Anthropic Opus 4.8 的技術差距,顯示中國 AI 模型在規模與能力上的快速躍進。

MoonshotKimi 3Anthropic
TechCrunch AI
Schema Harness 在 Arc-AGI-3 公開測試中達成約 99% 成績

Schema Harness 在 Arc-AGI-3 公開測試中達成約 99% 成績

名為 Schema Harness 的技術或模型在 Arc-AGI-3 公開基準測試中表現出色,獲得了約 99% 的分數。這項成果顯示該方法在處理該特定評估標準時具有極高的準確率與效能,是 AI 模型能力驗證上的顯著里程碑。

Arc-AGI-3Schema HarnessAI 基準測試
Hacker News
SPINE:以 Agentic AI 填補機器人部署的實體與數位落差

SPINE:以 Agentic AI 填補機器人部署的實體與數位落差

研究團隊提出 SPINE 框架,旨在解決基礎模型部署至實體機器人時所需的繁瑣校準問題。該系統透過多代理工作流程自動進行診斷與修復,讓缺乏專業知識的新手也能高效完成雙臂機器人的操作設定。實驗顯示,使用 SPINE 的新手表現優於使用 Claude Code 的人類操作員,顯著提升了部署成功率。

Agentic AI機器人部署Embodied AI
arXiv cs.AI
GPT-Red:利用自我對弈提升 AI 安全性與提示注入防禦能力

GPT-Red:利用自我對弈提升 AI 安全性與提示注入防禦能力

OpenAI 發布了 GPT-Red,這是一個自動化的紅隊測試系統,透過自我對弈(self-play)機制來強化 AI 的安全性、對齊效果以及對提示注入攻擊的防禦力。這項技術旨在讓模型在面對惡意輸入時更加穩健,是提升大型語言模型安全防護的重要進展。

OpenAIGPT-Red紅隊測試
OpenAI Blog

今日洞察

AI 產業正加速從單純的人機互動轉向深度整合與代理自動化。Claude 與 1Password 的整合及 DoorDash 的 CLI 工具,顯示 AI 代理正具備直接執行多步驟任務與操作軟體的能力,推動開發範式轉向支援 AI 原生介面。同時,技術層面呈現兩極化發展:一方面透過知識蒸餾與低資源訓練優化效能,降低部署門檻;另一方面,Kimi 3 與 Schema Harness 的突破則彰顯頂端模型在規模與準確度上的激烈競爭。整體而言,高效能與低成本並重,且以代理能力為核心的應用生態系正在快速成型。

🔮 趨勢雷達

未來三至六個月,AI 產業將從單純的模型競賽轉向「代理執行力」與「邊緣效能」的實戰落地。DoorDash 與 1Password 的整合顯示,具備安全憑證存取與任務自動化能力的 AI Agent 將成為企業級應用主流,軟體介面設計將全面轉向支援機器對機器操作。同時,Moonshot Kimi 3 的推出與低顯存訓練技術的成熟,標誌著高階算力壟斷被打破,開源模型與本地端部署將成為中小企業降本增效的關鍵策略。RAG 重排序技術的優化進一步證實,提升現有系統精確度比盲目擴大參數更具商業價值,投資熱點將從基礎模型轉向應用層的效率優化與安全框架。

延伸閱讀

喜歡這篇?每天早晨還有更多。

訂閱 5min AI,讓 AI 替你追蹤整個 AI 世界。