[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"article-microsoft-agentic-ai-playbook-turns-pilots-into-scale-zh":3,"article-related-microsoft-agentic-ai-playbook-turns-pilots-into-scale-zh":30,"series-industry-330f23bd-e3a1-406d-95a0-68a6e483a4a1":75},{"id":4,"slug":5,"title":6,"content":7,"summary":8,"source":9,"source_url":10,"author":11,"image_url":12,"cover_image":12,"category":13,"language":14,"translated_content":11,"related_article_id":15,"keywords":16,"key_takeaways":22,"views":26,"created_at":27,"published_at":28,"topic_cluster_id":29},"330f23bd-e3a1-406d-95a0-68a6e483a4a1","microsoft-agentic-ai-playbook-turns-pilots-into-scale-zh","Microsoft 的 agent 模板把試點變規模","\u003Cp data-speakable=\"summary\">我把 \u003Ca href=\"\u002Ftag\u002Fmicrosoft\">Microsoft\u003C\u002Fa> 的 Customer Zero \u003Ca href=\"\u002Ftag\u002Fagentic-ai\">agentic AI\u003C\u002Fa> playbook 拆成一份可直接套用的企業落地模板。\u003C\u002Fp>\u003Cp>我最近一直在看團隊怎麼把 agentic AI 搞進公司流程，老實說，十個有八個像是 demo 跑去碰 production。前面都很熱鬧：接個模型、包個工具、塞個 prompt，大家輪流點頭。可一旦真的要碰權限、資料、責任歸屬，整個氣氛就開始變冷。誰負責？能讀哪些資料？出錯誰收拾？這些問題一出來，原本很像樣的 \u003Ca href=\"\u002Ftag\u002Fagent\">agent\u003C\u002Fa> 立刻\u003Ca href=\"\u002Fnews\u002Faps-iran-talks-bump-turns-diplomacy-into-checklist-zh\">變成\u003C\u002Fa>一個會講話的風險來源。我看久了真的有點煩，因為問題通常不是模型不夠強，是團隊根本沒想清楚怎麼把它當系統在管。\u003C\u002Fp>\u003Cp>我這次拆的是 Microsoft Inside Track 這篇：\u003Ca href=\"https:\u002F\u002Fwww.microsoft.com\u002Finsidetrack\u002Fblog\u002Fmicrosoft-build-2026-empowering-our-developers-to-adopt-agentic-ai-at-microsoft\u002F\">Microsoft Build 2026: Empowering our developers to adopt agentic AI at Microsoft\u003C\u002Fa>。它不是在講那種「加個 agent 就會自動升級」的空話，而是把治理、擴充性、採用、規模化這些麻煩事攤在桌上。這種內容我比較買單，因為它不只講願景，還講怎麼不把自己玩死。\u003C\u002Fp>\u003Cp>這篇文章由 Lukas Velush 撰寫，並引用 Microsoft Digital 副總裁 Brian Fielder 的說法。Microsoft 把自己的內部團隊當成 Customer Zero，也就是先拿自己開刀，先在內部把坑踩完，再把方法對外說。這種做法我一直覺得比較誠實，因為它逼你面對真實工作流，而不是只在幻燈片上演示。\u003C\u002Fp>\u003Ch2>別把 agent 當旁支專案，先拿真流程開刀\u003C\u002Fh2>\u003Cblockquote>“We’re Customer Zero at Microsoft, which means we’re the first to deploy and use the technology and services that we later sell to our customers.”\u003C\u002Fblockquote>\u003Cp>白話翻譯就是：不要把 agent 丟在沙盒裡，然後說這叫策略。Microsoft 的意思很直接，內部團隊得先當第一個真用戶，因為只有這樣你才會看到權限、例外狀況、交接點、支援成本這些醜東西。我看過太多團隊跳過這步，結果一碰到正式流程就開始手忙腳亂，然後怪 AI 不穩。其實不是不穩，是你根本沒拿它去碰真的工作。\u003C\u002Fp>\n\u003Cfigure class=\"my-6\">\u003Cimg src=\"https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1782101903798-kr3r.png\" alt=\"Microsoft 的 agent 模板把試點變規模\" class=\"rounded-xl w-full\" loading=\"lazy\" \u002F>\u003C\u002Ffigure>\n\u003Cp>我之前幫一個團隊做 support triage 自動化，demo 階段超順，大家都很滿意。結果一接真 ticket，才發現分類標準每個人講法都不一樣，升級規則靠口耳相傳，連「resolved」到底算不算結案都沒定義。agent 沒壞，是流程本來就爛。Microsoft 這段話真正提醒的是：先拿你自己團隊每天都在痛的流程開刀，別先做一個看起來很酷、但沒人真的依賴的玩具。\u003C\u002Fp>\u003Cp>實操上我會這樣做：\u003C\u002Fp>\u003Cul>\u003Cli>先挑一個內部已經很痛的流程，不要發明新場景。\u003C\u002Fli>\u003Cli>讓 agent 服務這個流程，不是反過來叫流程配合 agent。\u003C\u002Fli>\u003Cli>正式上線前，先寫清楚 owner、rollback path、success metric。\u003C\u002Fli>\u003Cli>把內部導入當成找問題的工具，不是展示成果的舞台。\u003C\u002Fli>\u003C\u002Ful>\u003Cp>這種 Customer Zero 的價值，不是「先試試看」而已，是逼你把政策、資料、支援缺口都翻出來。這些東西不先爆，後面一定爆得更難看。\u003C\u002Fp>\u003Ch2>治理不是創新的稅，是能不能上線的前提\u003C\u002Fh2>\u003Cblockquote>“We needed to rethink how we foster development, govern innovation, and operate at scale.”\u003C\u002Fblockquote>\u003Cp>這句我很有感，因為它把很多公司愛切開的兩件事直接綁在一起：創新和治理。白話就是，別以為先做出東西，再補治理就好。那種做法通常會生出 shadow agents、各部門各玩各的規則、還有一堆誰也說不清楚的例外。我看過幾次，最後都是資安、法遵、平台團隊一起收爛攤子。\u003C\u002Fp>\u003Cp>這篇文章還連到兩篇延伸文：\u003Ca href=\"https:\u002F\u002Fwww.microsoft.com\u002Finsidetrack\u002Fblog\u002Fbecoming-a-frontier-firm-a-guide-for-deploying-ai-agents-based-on-our-experience-at-microsoft\u002F\">deploying AI agents 的 readiness guide\u003C\u002Fa>，以及 \u003Ca href=\"https:\u002F\u002Fwww.microsoft.com\u002Finsidetrack\u002Fblog\u002Fgoverning-ai-agents-at-scale-lessons-from-our-journey-at-microsoft\u002F\">governing AI agents at scale\u003C\u002Fa>。我會把這組內容理解成：Microsoft 想把批准、身份、政策、監控、支援邊界這些麻煩事標準化，不讓每個團隊自己重造輪子。\u003C\u002Fp>\u003Cp>也就是說，agent program 需要的是 control plane，不是只有 prompt 加 backend。你如果答不出誰能建 agent、誰能審、它能碰哪些資料、出了事怎麼追，你就不是在做平台，你是在經營一個高風險愛好。\u003C\u002Fp>\u003Cp>我會這樣落地：\u003C\u002Fp>\u003Cul>\u003Cli>定義誰能建立、發布、審核、下架 agent。\u003C\u002Fli>\u003Cli>把 agent 分級：task bot、departmental agent、enterprise agent。\u003C\u002Fli>\u003Cli>身份與權限要寫進設計文件，不要等到最後才補審查。\u003C\u002Fli>\u003Cli>建立 agent inventory，至少要有 owner、用途、資料範圍。\u003C\u002Fli>\u003C\u002Ful>\u003Cp>我喜歡這個框架，因為它很務實。治理不是法務文件而已，它其實是在定義信任怎麼運作。\u003C\u002Fp>\u003Ch2>先做平台，再談 agent 多聰明\u003C\u002Fh2>\u003Cblockquote>“It’s all supported by a secure, governed, and extensible platform.”\u003C\u002Fblockquote>\u003Cp>這句話很 boring，但我反而覺得這才是重點。很多 AI 專案整天在比誰的 agent 比較會講話、比較會猜、比較像人，結果底下平台亂成一鍋粥。Microsoft 這句話的語氣很平，卻很準：secure、governed、extensible，這不是 slogan，這是平台檢查表。\u003C\u002Fp>\n\u003Cfigure class=\"my-6\">\u003Cimg src=\"https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1782101895614-166k.png\" alt=\"Microsoft 的 agent 模板把試點變規模\" class=\"rounded-xl w-full\" loading=\"lazy\" \u002F>\u003C\u002Ffigure>\n\u003Cp>文中提到的工具鏈包括 \u003Ca href=\"https:\u002F\u002Fwww.microsoft.com\u002Fen-us\u002Fmicrosoft-copilot\u002Fmicrosoft-copilot-studio\">Copilot Studio\u003C\u002Fa>、\u003Ca href=\"https:\u002F\u002Fwww.microsoft.com\u002Fen-us\u002Fmicrosoft-365\u002Fenterprise\u002Fagent-365\">Agent 365\u003C\u002Fa>、\u003Ca href=\"https:\u002F\u002Fazure.microsoft.com\u002F\">Azure\u003C\u002Fa>、\u003Ca href=\"https:\u002F\u002Flearn.microsoft.com\u002Fen-us\u002Fazure\u002Fdevops\u002F\">Azure DevOps\u003C\u002Fa>，以及 \u003Ca href=\"https:\u002F\u002Fmodelcontextprotocol.io\u002F\">Model Context Protocol\u003C\u002Fa>。我會把這些理解成一條鏈：建立、編排、控制、部署、整合，不是一個產品包全部解決。\u003C\u002Fp>\u003Cp>白話翻成\u003Ca href=\"\u002Fnews\u002Fprompt-engineering-pay-gets-real-when-you-ship-systems-zh\">工程\u003C\u002Fa>語言就是：agentic AI 在企業裡其實是架構問題。你要有地方做、地方管、地方看、地方接系統。這些東西散掉，每個團隊都會自己生一套，最後平台團隊就準備開始清垃圾。\u003C\u002Fp>\u003Cp>我以前看 workflow automation 堆疊也是這樣：一組人用 low-code，一組人用自建服務，一組人直接寫 script，然後大家都說自己很成功。直到資安問一句「資料流到底怎麼走」，整個會議室瞬間安靜。我現在看到 agent 專案，第一個問的不是模型多強，而是平台在哪裡。\u003C\u002Fp>\u003Cp>實操上我會這樣定：\u003C\u002Fp>\u003Cul>\u003Cli>選一條 canonical path，讓 agent 的建立與發布有標準入口。\u003C\u002Fli>\u003Cli>統一 connectors 與整合模式，不要各團隊自己發明。\u003C\u002Fli>\u003Cli>把 telemetry 做出來，至少要看使用率、失敗率、升級率。\u003C\u002Fli>\u003Cli>清楚寫出哪些能力屬於平台，哪些必須客製。\u003C\u002Fli>\u003C\u002Ful>\u003Cp>如果你想要採用率，平台就要比土法煉鋼更省事，不然大家只會嘴上支持，實際上照舊繞路。\u003C\u002Fp>\u003Ch2>別只做 productivity toy，要把 agent 接到業務系統\u003C\u002Fh2>\u003Cblockquote>“Empowering our developers to build intelligent agents that can automate workflows, streamline operations, and create new business value.”\u003C\u002Fblockquote>\u003Cp>這段很重要，因為它把目標從「讓開發者更快」往前推了一格。很多 AI 故事都停在 productivity，可是 Microsoft 這裡明講的是 workflow automation、operational efficiency、business value。也就是說，agent 不能只會聊天，它得真的替流程做事。\u003C\u002Fp>\u003Cp>我會把這句話翻成：agent 要有 job description。不是「很 helpful」，而是很具體的工作，例如 triage incidents、draft release notes、route access requests、summarize telemetry、trigger approvals。你如果講不出它在省哪一段工時，那它大概只是多一層介面，沒什麼本質價值。\u003C\u002Fp>\u003Cp>文中也延伸到 \u003Ca href=\"https:\u002F\u002Fwww.microsoft.com\u002Finsidetrack\u002Fblog\u002Freclaiming-engineering-time-with-ai-in-azure-devops-at-microsoft\u002F\">Azure DevOps 裡的 engineering time\u003C\u002Fa>，以及 \u003Ca href=\"https:\u002F\u002Fwww.microsoft.com\u002Finsidetrack\u002Fblog\u002Fpowering-ai-value-with-microsoft-365-copilot-extensibility-at-microsoft\u002F\">Microsoft 365 Copilot extensibility\u003C\u002Fa>。我喜歡這種方向，因為它碰的是實際工作 queue，不是抽象的「創新感」。\u003C\u002Fp>\u003Cp>我之前看過一個內部 assistant，第一版只是回答文件問題，大家還覺得不錯。第二版開始會自動整理 pull request summary、開 ticket、幫忙走 approval。那一刻團隊的態度就變了，因為它不再像玩具，而是開始卡進真流程。這就是從 productivity toy 變 business system 的差別。\u003C\u002Fp>\u003Cp>我會這樣做：\u003C\u002Fp>\u003Cul>\u003Cli>每個 agent 對應一個業務結果，外加一個 owner。\u003C\u002Fli>\u003Cli>衡量 cycle time、deflection、throughput、error reduction 其中一項。\u003C\u002Fli>\u003Cli>如果 agent 有人用，但沒改變流程，就該考慮砍掉。\u003C\u002Fli>\u003Cli>優先推那些能移除重複人工交接的 agent。\u003C\u002Fli>\u003C\u002Ful>\u003Cp>真正的價值通常不是來自「更會回答」，而是來自它把一個沒人想接的手動步驟拿掉了。\u003C\u002Fp>\u003Ch2>沒有 adoption plan，experiment 再多都只是堆樣品\u003C\u002Fh2>\u003Cblockquote>“Translate experimentation into impact.”\u003C\u002Fblockquote>\u003Cp>這句話看起來很簡單，但我覺得它其實是在罵很多 AI 團隊。實驗很多不難，難的是把實驗變成影響。白話就是，你不能只會展示 prototype，還得處理訓練、支援、量測、變更管理。少了這些，agent 上線後很快就會被打回原形。\u003C\u002Fp>\u003Cp>我常看到一種狀況：產品團隊很努力做出 agent，然後覺得只要開個 demo、發個公告，大家就會自然改用。結果使用率掉得比想像快，接著主管開始懷疑技術是不是不行。通常不是技術不行，是你根本沒設計 adoption path。人不會因為你很努力就改習慣。\u003C\u002Fp>\u003Cp>這篇也連到 \u003Ca href=\"https:\u002F\u002Fwww.microsoft.com\u002Finsidetrack\u002Fblog\u002Fbecoming-a-frontier-firm-a-guide-for-deploying-ai-agents-based-on-our-experience-at-microsoft\u002F\">Microsoft 的 agent deployment guide\u003C\u002Fa>。我認為這很對，因為 deployment 本來就不只是技術 rollout，它還是 social rollout。你得讓人知道怎麼申請、怎麼信任、怎麼回報錯誤、出事找誰。\u003C\u002Fp>\u003Cp>實操上我會這樣安排：\u003C\u002Fp>\u003Cul>\u003Cli>設一條短的 intake path，讓新 agent 需求能快速進來。\u003C\u002Fli>\u003Cli>寫清楚 support model：誰修、修什麼、多久回應。\u003C\u002Fli>\u003Cli>訓練使用者時，別只講功能，也要講限制。\u003C\u002Fli>\u003Cli>採用率要每月看，不要只看 launch 那週。\u003C\u002Fli>\u003C\u002Ful>\u003Cp>我對這點很有執念，因為很多「成功上線」其實只是新鮮感還沒退。新鮮感一退，沒有支援與信任機制的 agent 很快就被放生。\u003C\u002Fp>\u003Ch2>把系統接起來，不然每個團隊都會重造一次輪子\u003C\u002Fh2>\u003Cblockquote>“Connect tools, platforms, and workflows.”\u003C\u002Fblockquote>\u003Cp>這句話其實已經把答案講完了。Microsoft 想說的不是單點 agent 有多厲害，而是 agent 必須接到工具、平台、工作流之間的縫隙裡。也就是說，價值不是在孤立的智能體，而是在連結。\u003C\u002Fp>\u003Cp>白話講，agentic AI 如果碰不到 identity、data、ticketing、source control、collaboration tools，它最後就會變成一個大家偶爾打開看看、然後很快忘掉的頁面。人不會為了多開一個 tab 改變工作方式，尤其是在公司裡。\u003C\u002Fp>\u003Cp>我看過不少漂亮的 agent 介面，最後都死在一件事：它不在工作發生的地方。你要嘛把它塞進使用者本來就在用的工具裡，要嘛準備接受低採用率。Microsoft 提到 \u003Ca href=\"https:\u002F\u002Fwww.microsoft.com\u002Fen-us\u002Fmicrosoft-365\u002Fmicrosoft-365-copilot\">Microsoft 365 Copilot\u003C\u002Fa>、\u003Ca href=\"https:\u002F\u002Flearn.microsoft.com\u002Fen-us\u002Fazure\u002Fdevops\u002F\">Azure DevOps\u003C\u002Fa>、\u003Ca href=\"https:\u002F\u002Fwww.microsoft.com\u002Fen-us\u002Fmicrosoft-copilot\u002Fmicrosoft-copilot-studio\">Copilot Studio\u003C\u002Fa>，我覺得方向都很一致：把 agent 放進既有工作面，而不是叫人換一個新地方工作。\u003C\u002Fp>\u003Cp>實操上我會這樣做：\u003C\u002Fp>\u003Cul>\u003Cli>把 agent 嵌進團隊每天已經在用的工具。\u003C\u002Fli>\u003Cli>身份與政策層要共用，不要每個工具一套。\u003C\u002Fli>\u003Cli>優先做 workflow integration，而不是獨立 agent portal。\u003C\u002Fli>\u003Cli>從第一天就設計跨系統 traceability。\u003C\u002Fli>\u003C\u002Ful>\u003Cp>這層整合不花俏，但它決定了 agent 到底是會被用，還是只會被展示。\u003C\u002Fp>\u003Ch2>可抄的模板\u003C\u002Fh2>\u003Cpre>\u003Ccode># 企業 agentic AI 落地模板（可直接填空）\n\n## 1. Customer Zero\n- 內部團隊：\n- 要自動化的流程：\n- 這個流程現在為什麼痛：\n- 成功指標：\n\n## 2. Agent 範圍\n- Agent 名稱：\n- 它的工作一句話說完：\n- 允許做的事：\n- 明確禁止做的事：\n- 必須人工確認的節點：\n\n## 3. 治理\n- Owner：\n- Approver：\n- 可用資料類別：\n- 身份模型：\n- Audit log 存放位置：\n- Review 週期：\n\n## 4. 平台\n- 建置入口：\n- 編排層：\n- 整合點：identity \u002F ticketing \u002F source control \u002F docs \u002F chat\n- Telemetry：usage \u002F failures \u002F latency \u002F escalation rate\n- Rollback 方法：\n\n## 5. Adoption\n- 主要使用者：\n- 教育方式：\n- Support owner：\n- 新需求 intake 流程：\n- 回饋管道：\n\n## 6. 衡量\n- 上線前 baseline：\n- 30 天目標：\n- 90 天目標：\n- 定性指標：trust \u002F ease of use \u002F support burden\n- 決策規則：scale \u002F revise \u002F retire\n\n## 7. 擴規判斷\n- 什麼情況可以擴大：\n- 什麼情況要暫停：\n- 什麼情況要退場：\n\n## 8. 營運備註\n- 已知失敗模式：\n- Security review：yes \u002F no\n- Compliance review：yes \u002F no\n- 下次 review 日期：\u003C\u002Fcode>\u003C\u002Fpre>\u003Cp>我會直接拿這份模板去填一個真流程，不要拿假想場景練習。你如果連 owner、metric、rollback plan 都寫不出來，那代表你還沒準備好談規模化。你如果寫得出來，至少已經有一個可以運作的程序，而不是一堆 AI 熱情。\u003C\u002Fp>\u003Cp>這篇 Microsoft 的內容好用的地方就在這裡：它一直在重複同一件事，只是從不同角度講——內部驗證、平台紀律、治理、可量測\u003Ca href=\"\u002Fnews\u002Finstall-openclaw-windows-powershell-wsl2-zh\">成果\u003C\u002Fa>。這些字不性感，但它們就是讓專案從表演變成系統的那一層。\u003C\u002Fp>\u003Cp>我把這篇拆成模板，不是要說這就是 Microsoft 官方標準，而是把它整理成台灣團隊也能直接拿去改的版本。原始來源是 \u003Ca href=\"https:\u002F\u002Fwww.microsoft.com\u002Finsidetrack\u002Fblog\u002Fmicrosoft-build-2026-empowering-our-developers-to-adopt-agentic-ai-at-microsoft\u002F\">Microsoft Inside Track\u003C\u002Fa>，延伸閱讀可對照 \u003Ca href=\"https:\u002F\u002Fwww.microsoft.com\u002Finsidetrack\u002Fblog\u002Fbecoming-a-frontier-firm-a-guide-for-deploying-ai-agents-based-on-our-experience-at-microsoft\u002F\">deployment guide\u003C\u002Fa>、\u003Ca href=\"https:\u002F\u002Fwww.microsoft.com\u002Finsidetrack\u002Fblog\u002Fgoverning-ai-agents-at-scale-lessons-from-our-journey-at-microsoft\u002F\">governance\u003C\u002Fa> 與 \u003Ca href=\"https:\u002F\u002Fwww.microsoft.com\u002Finsidetrack\u002Fblog\u002Fhow-work-iq-is-supercharging-our-ai-usage-at-microsoft\u002F\">Work IQ\u003C\u002Fa>。這篇文章裡有些句子是我原文拆解，有些是我自己的工程化翻譯。","我拆 Microsoft 的 Customer Zero agentic AI playbook，整理成企業可直接套用的治理與擴規模板。","www.microsoft.com","https:\u002F\u002Fwww.microsoft.com\u002Finsidetrack\u002Fblog\u002Fmicrosoft-build-2026-empowering-our-developers-to-adopt-agentic-ai-at-microsoft\u002F",null,"https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1782101903798-kr3r.png","industry","zh","a4511fb8-0894-4143-affa-a8048a5621bd",[17,18,19,20,21],"agentic AI","governance","Customer Zero","Copilot Studio","enterprise adoption",[23,24,25],"先拿真實內部流程當 Customer Zero，別把 agent 當 demo 專案。","治理、權限、監控與 adoption 不是附加項，而是能否規模化的前提。","要把 agent 嵌入既有工作流與系統，而不是另開一個沒人常用的入口。",0,"2026-06-22T04:17:55.171596+00:00","2026-06-22T04:17:55.163+00:00","da242733-a19a-4cb7-b706-05f8699aa19e",{"tags":31,"relatedLang":34,"relatedPosts":38},[32],{"name":17,"slug":33},"agentic-ai",{"id":15,"slug":35,"title":36,"language":37},"microsoft-agentic-ai-playbook-turns-pilots-into-scale-en","Microsoft’s agentic AI playbook turns pilots into scale","en",[39,45,51,57,63,69],{"id":40,"slug":41,"title":42,"cover_image":43,"image_url":43,"created_at":44,"category":13},"7fbc580e-2ad1-4c9b-b762-8bfce4743f30","nvidia-bond-sale-turns-ai-spending-into-debt-zh","Nvidia 發債把 AI 支出變成債務","https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1782115400347-4j1z.png","2026-06-22T08:02:47.493091+00:00",{"id":46,"slug":47,"title":48,"cover_image":49,"image_url":49,"created_at":50,"category":13},"0cc73f32-9be3-4591-8a18-55688d190904","microsoft-ai-discovery-needs-measurement-not-impressions-zh","Microsoft 說對了：AI 發現要看量測，不只看曝光","https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1782102773019-1eqe.png","2026-06-22T04:32:29.158096+00:00",{"id":52,"slug":53,"title":54,"cover_image":55,"image_url":55,"created_at":56,"category":13},"e682a218-73f2-49a4-8c5f-68bd40e5f284","ai-weekly-2026-w26-zh","AI 週報：2026-06-15 ~ 2026-06-22","https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1782101896450-2bx5.png","2026-06-22T04:00:30.06844+00:00",{"id":58,"slug":59,"title":60,"cover_image":61,"image_url":61,"created_at":62,"category":13},"d4c923fb-8295-48f0-97f7-ba44ad75b039","prompt-engineering-pay-gets-real-when-you-ship-systems-zh","Prompt 工程薪水靠系統才會漲","https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1782099197085-hy4x.png","2026-06-22T03:32:51.978866+00:00",{"id":64,"slug":65,"title":66,"cover_image":67,"image_url":67,"created_at":68,"category":13},"a9f4ee9a-bf33-42aa-8c62-b98b81c65d53","aps-iran-talks-bump-turns-diplomacy-into-checklist-zh","AP 伊朗談判卡住變成清單","https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1782094698168-uvfv.png","2026-06-22T02:17:54.184184+00:00",{"id":70,"slug":71,"title":72,"cover_image":73,"image_url":73,"created_at":74,"category":13},"31fcd9e2-df4c-4428-ab71-cba303fad7df","clawx-openclaw-desktop-app-zh","ClawX 把 OpenClaw 變成桌面版","https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1782091963544-4dfb.png","2026-06-22T01:32:20.212094+00:00",[76,81,86,91,96,101,106,111,116,121],{"id":77,"slug":78,"title":79,"created_at":80},"ee073da7-28b3-4752-a319-5a501459fb87","ai-in-2026-what-actually-matters-now-zh","2026 AI 真正重要的事","2026-03-26T07:09:12.008134+00:00",{"id":82,"slug":83,"title":84,"created_at":85},"83bd1795-8548-44c9-9a7e-de50a0923f71","trump-ai-framework-power-speech-state-preemption-zh","川普 AI 框架瞄準電力、言論與州權","2026-03-26T07:12:18.695466+00:00",{"id":87,"slug":88,"title":89,"created_at":90},"ea6be18b-c903-4e54-97b7-5f7447a612e0","nvidia-gtc-2026-big-ai-announcements-zh","NVIDIA GTC 2026 重點拆解","2026-03-26T07:14:26.62638+00:00",{"id":92,"slug":93,"title":94,"created_at":95},"4bcec76f-4c36-4daa-909f-54cd702f7c93","claude-users-spreading-out-and-getting-better-zh","Claude 用戶更分散，也更會用","2026-03-26T07:22:52.325888+00:00",{"id":97,"slug":98,"title":99,"created_at":100},"bd903b15-2473-4178-9789-b7557816e535","openclaw-raises-hard-question-for-ai-models-zh","OpenClaw 逼問 AI 模型價值","2026-03-26T07:24:54.707486+00:00",{"id":102,"slug":103,"title":104,"created_at":105},"eeac6b9e-ad9d-4831-8eec-8bba3f9bca6a","gap-google-gemini-checkout-fashion-search-zh","Gap 把結帳搬進 Gemini","2026-03-26T07:28:23.937768+00:00",{"id":107,"slug":108,"title":109,"created_at":110},"0740e53f-605d-4d57-8601-c10beb126f3c","google-pushes-gemini-transition-to-march-2026-zh","Google 把 Gemini 轉換延到 2026 年 3…","2026-03-26T07:30:12.825269+00:00",{"id":112,"slug":113,"title":114,"created_at":115},"e660d801-2421-4529-8fa9-86b82b066990","metas-llama-4-benchmark-scandal-gets-worse-zh","Meta Llama 4 分數風波又擴大","2026-03-26T07:34:21.156421+00:00",{"id":117,"slug":118,"title":119,"created_at":120},"183f9e7c-e143-40bb-a6d5-67ba84a3a8bc","accenture-mistral-ai-sovereign-enterprise-deal-zh","Accenture 攜手 Mistral AI 賣主權 AI","2026-03-26T07:38:14.818906+00:00",{"id":122,"slug":123,"title":124,"created_at":125},"191d9b1b-768a-478c-978c-dd7431a38149","mistral-ai-faces-its-hardest-year-yet-zh","Mistral AI 迎來最硬的一年","2026-03-26T07:40:23.716374+00:00"]