多 Agent 上線協作，地緣戰爭威脅 AI 算力
W13

多 Agent 上線協作，地緣戰爭威脅 AI 算力

GitHub 推出 Squad 讓多個 AI agent 在 repo 裡協作；Cursor 承認新模型基於 Moonshot AI 的 Kimi；OpenAI 全力打造自動化研究員；Flash-MoE 397B 參數模型在筆電上跑起來；伊朗戰爭衝擊晶片供應鏈，FT 警告可能拖垮 AI 熱潮

403篇文章
34+來源
Y

GitHub Squad：多 Agent 在 Repo 裡協作

GitHub 發布了 Squad——直接在 repository 裡跑多個 AI agent 的協作系統，是 GitHub Copilot 的延伸

跟現有 multi-agent 框架不同的是，Squad 強調三個設計原則：

原則意思
Inspectable每個 agent 的決策可以被人類檢視
Predictableagent 的行為模式可預測，不會亂跑
Collaborativeagent 之間能協作，不是各做各的

這跟上週 Pragmatic Engineer 說的「AI agent 讓開發變慢」形成對比——GitHub 的回應是：問題不在 agent 本身，而在 orchestration 的品質

對我們的意義： 我們的 Claude Code 系統已經有 15+ agents 在跑，但 orchestration 仍然是最大挑戰。Squad 的 "inspectable" 原則值得借鏡——每個 subagent 的決策應該要能被 trace back

Cursor 承認新模型基於 Moonshot AI 的 Kimi

Cursor 發布 Composer 2，但隨後被發現底層模型是基於中國 Moonshot AI 的 Kimi-k2.5

TechCrunch 的標題很直接：「Building on top of a Chinese model feels particularly fraught right now」

Moonshot AI 自己倒是很開心地在 Twitter 上恭喜 Cursor，還說「這就是我們支持的開放模型生態」

Simon Willison 也引用了這條消息，社群反應兩極：

  • 一派認為這是開源生態正常運作
  • 另一派擔心地緣政治風險（中美 AI 脫鉤加速中）

對我們的意義： 這件事提醒我們注意 AI 工具鏈的供應鏈風險。Cursor 是很多開發者的主力 IDE，但底層模型來源會影響企業客戶的信任。對 TFT 這類有資安要求的案子，工具選擇要能說明模型來源

Flash-MoE：397B 參數模型在筆電上跑

Apple 的 "LLM in a Flash" 研究被 Dan Woods 實際驗證——他在 48GB MacBook Pro M3 Max 上跑起了 Qwen3.5-397B-A17B，速度達到 5.5+ tokens/second

關鍵技術是 MoE（Mixture of Experts）：397B 總參數，但每次推理只啟用 17B，加上量化後只需要 120GB（用 NVMe swap 補足記憶體缺口）

同一週 Hacker News 上也出現了 tinybox——專為深度學習設計的小型電腦，以及 WebGPU + WASM 實現的瀏覽器端專業影片編輯

對我們的意義： 本地 LLM 的可行性持續提升。對隱私敏感的案子（醫療、法律），這是重要的技術選項。Med Vision 和 TFT 都可能需要「資料不出場」的部署方式

OpenAI 全力打造自動化研究員

MIT Technology Review 報導，OpenAI 正在重新聚焦研究方向——目標是建造完全自動化的 AI 研究員

這不是一般的 chatbot，而是能夠自主處理大型複雜問題的 agent 系統。OpenAI 同時也在和五角大廈討論讓 AI 公司在機密資料上訓練軍用版模型

同一週，OpenAI 也發布了一篇關於如何監控內部 coding agent 的文章，用 chain-of-thought 監控來偵測 misalignment

對我們的意義： OpenAI 的方向從「對話工具」轉向「自主 agent」。這跟我們用 Claude Code 的方式一致——agent 不只是回答問題，而是自主完成工作。監控 misalignment 的方法值得研究

Dreamer：個人 Agent OS

Latent Space 報導 /dev/agents 正式更名為 Dreamer，由前 Android VP David Singleton 打造

願景是建立一個「個人 Agent 作業系統」——不只是單一 agent，而是一整個 agent 生態的運行平台

Latent Space 給了 $10,000 獎金徵求新 tools，對訂閱者開放特殊存取

這對接案者的意義： 個人 Agent OS 的概念跟我自建的 ops 系統方向類似——一個中央系統管理多個專案 agent。差別在 Dreamer 是通用平台，我做的版本是針對接案工作流。值得追蹤

Simon Willison：Using Git with Coding Agents

Simon Willison 發了一篇重要的實務指南：如何用 Git 搭配 coding agents

核心觀點是 Git 不只是版本控制，更是 agent 安全網——因為 agent 會犯錯，Git 讓你能追蹤變更、回溯錯誤

同一週他也寫了 Starlette 1.0（FastAPI 的底層框架），認為這是被嚴重低估的 Python 框架

另一篇有趣的實驗：用 AI 分析 Hacker News 用戶的留言來建立 profile——他自己說「有點 dystopian」

對我們的意義： 我們的 Git workflow（worktree isolation、pre-commit hooks、branch strategy）已經走在這個方向上。Starlette 1.0 的更新也值得注意，因為我們的 backend 都跑 FastAPI

LangChain Fleet + Sandboxes

LangChain 這週連發多篇：

產品功能
Fleet（原 Agent Builder）企業級 agent 管理平台
Sandboxesagent 安全執行程式碼的沙盒環境
Open SWE開源內部 coding agent 框架
Deploy CLI命令列部署 agent 到 LangSmith

LangChain 的方向很明確：從「框架」轉向「平台」，搶企業 agent 基礎設施

對我們的意義： Open SWE 用了 LangGraph + Deep Agents 架構，跟我們研究過的 agent orchestration 方向一致。Sandboxes 對有安全需求的案子（TFT、Med Vision）是實用參考

伊朗戰爭威脅 AI 晶片供應鏈

Financial Times 本週最重要的一篇：「How the Iran war could derail the AI boom」

核心論點：整個晶片供應鏈依賴中東的能源和化學品進口。戰爭已經進入第四週，荷姆茲海峽封鎖威脅持續升級

指標狀況
油價40 年來最劇烈波動
航空業已開始為石油危機做準備
黃金40 年來最大單週跌幅後反彈
LNG 供應最後一批中東出發的船 10 天內到港

Bloomberg 同時報導澳洲股市接近技術性修正，新加坡債券成為避風港

對我們的意義： 如果戰爭持續擴大，AI 硬體成本可能上升。短期對我們的接案工作影響不大，但長期要關注雲端服務（GCP、AWS）的定價變化。台灣半導體供應鏈也可能受間接影響

我的行動建議

  1. 追蹤 GitHub Squad — 我們的 multi-agent 系統可以借鏡它的 inspectable/predictable 設計原則
  2. 研究 Open SWE — LangGraph + Deep Agents 架構，可能是 TEMC RAG pipeline 的參考
  3. 注意工具鏈供應鏈 — Cursor/Kimi 事件提醒：企業客戶在意模型來源，報價時要能說明
  4. 本地 LLM 持續進步 — Flash-MoE 技術讓 400B 模型在筆電跑，醫療/法律案的部署選項
  5. 關注能源地緣政治 — 伊朗戰爭對 AI 基礎設施的影響正在浮現

參考來源

ShareLinkedInX
GitHub SquadCursorMoonshot AIOpenAIAgentIran WarAI Supply Chain