[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"article-netsuite-agentic-workflow-definition-unpacked-zh":3,"article-related-netsuite-agentic-workflow-definition-unpacked-zh":30,"series-industry-b3535602-a125-476a-bc1f-d7f0c86462f6":77},{"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},"b3535602-a125-476a-bc1f-d7f0c86462f6","netsuite-agentic-workflow-definition-unpacked-zh","NetSuite 的 agentic workflow 怎麼拆","\u003Cp data-speakable=\"summary\">我把 NetSuite 對 agentic workflow 的定義拆成可直接照抄的流程模板。\u003C\u002Fp>\u003Cp>我用 AI 助手一陣子了，越用越知道哪裡怪。模型會講話、會裝懂、會把每件事都說得像有在做事，但真要它把流程往前推，它就開始閃躲。你問它要不要改方向，它說可以；你叫它自己判斷，它說沒問題；你希望它把事情收尾，它又丟回來給人類接盤。這種東西很像在看一個很會點頭的實習生，問題是你不想付實習生的薪水，想要的是能幫你扛流程的人。\u003C\u002Fp>\u003Cp>我最近一直卡在這件事上：很多\u003Ca href=\"\u002Fnews\u002Fgo-turns-team-chaos-into-boring-builds-zh\">團隊\u003C\u002Fa>嘴上說要 agentic，實際上只是把聊天機器人包一層流程皮。模型負責產生文字，人負責每一步確認，最後整個系統看起來很忙，實際上還是人肉流水線。我讀到 NetSuite 的 \u003Ca href=\"https:\u002F\u002Fwww.netsuite.com\u002Fportal\u002Fresource\u002Farticles\u002Ferp\u002Fagentic-workflows.shtml\">What Are Agentic Workflows?\u003C\u002Fa> 之後，才比較清楚這個詞到底在講什麼。它不是在講酷炫聊天，而是在講一個 AI 流程能自己做決策、自己採取動作、自己協調任務，盡量少靠人盯著。\u003C\u002Fp>\u003Cp>這篇我就是要拆這個定義，順手把它翻成\u003Ca href=\"\u002Ftag\u002F台灣開發者\">台灣開發者\u003C\u002Fa>可以直接拿去用的版本。不是空談 agentic，也不是再講一次「AI 很強」。我想講的是：如果你真的要做這種流程，架構要怎麼切、邊界要怎麼畫、哪些地方不能放手。\u003C\u002Fp>\u003Ch2>先別把 agentic 當成氣氛詞\u003C\u002Fh2>\u003Cblockquote>An AI-powered process in which one or more AI agents make decisions, take actions, and coordinate tasks, with little or no human supervision.\u003C\u002Fblockquote>\u003Cp>翻譯一下就是：這不是一個會聊天的模型，這是一個會推進工作的流程。重點不在「它會不會回答」，重點在「它能不能自己往下一步走」。它要能選路、能叫工具、能交接、能在對的時候停下來。\u003C\u002Fp>\n\u003Cfigure class=\"my-6\">\u003Cimg src=\"https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1781974094916-4ipn.png\" alt=\"NetSuite 的 agentic workflow 怎麼拆\" class=\"rounded-xl w-full\" loading=\"lazy\" \u002F>\u003C\u002Ffigure>\n\u003Cp>我很喜歡這個定義，因為它把一堆模糊字眼直接打掉。你如果只是要模型給建議，那叫 assistant，不叫 agentic workflow。你如果每一步都要人類按確認，那是半自動化，不是 agentic。你如果連流程狀態都說不清楚，那更像是 prompt 實驗室，不像可上線的系統。\u003C\u002Fp>\u003Cp>我之前做過一個內部支援分流的 demo，模型分類很準，我一開始還以為穩了。結果一加上「自動轉派」「自動補資料」「自動產生回覆」，它就開始卡。不是不會答，是不會負責任地接下一步。那時我才知道，我做出來的是 helper，不是 workflow。\u003C\u002Fp>\u003Cp>實操寫法很簡單：先把業務流程寫成白話，再決定 \u003Ca href=\"\u002Ftag\u002Fagent\">agent\u003C\u002Fa> 能在哪些步驟自己動手。你要先知道輸入是什麼、輸出是什麼、卡住時怎麼辦，之後才談模型。流程說不清楚，模型只會幫你把混亂包裝得更漂亮。\u003C\u002Fp>\u003Cul>\u003Cli>輸入：什麼事件啟動流程\u003C\u002Fli>\u003Cli>決策：agent 可選哪些路徑\u003C\u002Fli>\u003Cli>動作：它能呼叫哪些工具\u003C\u002Fli>\u003Cli>結束：什麼條件算完成\u003C\u002Fli>\u003C\u002Ful>\u003Ch2>一個 agent 可以跑，但協調才是地獄\u003C\u002Fh2>\u003Cp>NetSuite 那句「one or more \u003Ca href=\"\u002Ftag\u002Fai-agents\">AI agents\u003C\u002Fa>」其實很關鍵。單一 agent 做簡單迴圈沒問題，但一旦你把工作拆成多個角色，事情就開始變髒。誰先判斷、誰負責執行、誰驗證結果、誰接手例外，這些都不是 prompt 寫長一點就會自動出現。\u003C\u002Fp>\u003Cp>翻譯一下就是：agentic workflow 的本體不是一個很聰明的 bot，而是一套角色分工。有人收資料，有人做決策，有人執行，有人檢查。這很像一個小團隊，不是單兵作戰。你如果把所有事塞給同一個 prompt，短期看起來很省，長期就是混亂。\u003C\u002Fp>\u003Cp>我看過很多人把 planning、retrieval、execution、review 全塞進一個對話框，然後期待它自己會分層。通常一開始都還行，因為樣本很乾淨、情境很簡單。可是一旦流程真的碰到真實世界，模型就開始把不同責任混在一起，然後產生看起來合理、實際上不符合規則的步驟。\u003C\u002Fp>\u003Cp>實操寫法：不要先問「我要不要上更大的 model」，先問「這個流程有哪些角色」。把工作拆成 planner、worker、checker、escalator，然後明確定義每個角色能做什麼、不能做什麼。協調不是靠運氣，是靠設計。\u003C\u002Fp>\u003Cul>\u003Cli>Planner：決定下一步\u003C\u002Fli>\u003Cli>Worker：執行工具操作\u003C\u002Fli>\u003Cli>Checker：驗證結果\u003C\u002Fli>\u003Cli>Escalator：處理例外與升級\u003C\u002Fli>\u003C\u002Ful>\u003Ch2>少人介入，不等於沒護欄\u003C\u002Fh2>\u003Cp>「little or no human supervision」這句很容易被誤讀成：那人類可以閃了。拜託，不是。真正該消失的不是人，而是人類卡在每一步按確認的習慣。你要的是人從操作員變成設計者，負責定規則，不是每次都親手推流程。\u003C\u002Fp>\n\u003Cfigure class=\"my-6\">\u003Cimg src=\"https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1781974110095-26hh.png\" alt=\"NetSuite 的 agentic workflow 怎麼拆\" class=\"rounded-xl w-full\" loading=\"lazy\" \u002F>\u003C\u002Ffigure>\n\u003Cp>也就是說，agentic 不等於放生。它應該是在你畫好的邊界裡自動跑，超出邊界就停、就問、就交回人類。這跟 production deploy 很像，我不會每次上線前人工看完每一行 \u003Ca href=\"\u002Fnews\u002Fnpm-codex-command-not-found-fixes-zh\">code\u003C\u002Fa>，我是靠 tests、checks、rollback。AI 流程也一樣，沒有 guardrails 的 autonomy 根本不是 autonomy，是事故預告。\u003C\u002Fp>\u003Cp>我自己最有感的是做內部單據處理時，最容易爆掉的不是正常路徑，而是例外。資料缺欄位、來源互相矛盾、金額超過門檻、權限不夠。你如果不先定 stop condition，agent 就會硬猜，然後猜得很有自信。這種自信我看過太多次了，真的不值錢。\u003C\u002Fp>\u003Cp>實操寫法：先寫出停止條件，再寫自動化條件。凡是涉及錢、權限、法規、風險、低信心，全部預設要升級。這不是保守，這是避免你把「自動化」做成「自動出包」。\u003C\u002Fp>\u003Cp>常見護欄可以先放這幾種：\u003C\u002Fp>\u003Cul>\u003Cli>tool allowlist\u003C\u002Fli>\u003Cli>confidence threshold\u003C\u002Fli>\u003Cli>state checkpoint\u003C\u002Fli>\u003Cli>human escalation rule\u003C\u002Fli>\u003C\u002Ful>\u003Ch2>真正改架構的，是決策，不是回話\u003C\u002Fh2>\u003Cp>NetSuite 把 decision-making 放在前面，我覺得這很準。很多自動化系統都能做動作，但它們只是照腳本走。agentic workflow 的差別在於，它要能根據上下文選哪個動作，而不是只會照固定順序跑完。\u003C\u002Fp>\u003Cp>翻譯一下就是：你的系統不能只是一條線，它要能分支、要有記憶、要有狀態。agent 得知道自己現在在哪一格、已經試過什麼、還剩哪些合法選項。沒有這些，所謂 agentic 只是把一條長流程包裝得比較像人而已。\u003C\u002Fp>\u003Cp>我之前把客服 macro 系統想得太簡單，以為加上 \u003Ca href=\"\u002Ftag\u002Fllm\">LLM\u003C\u002Fa> 就能自動判斷要回覆、要轉派、還是要補問資訊。結果一上真實案例就不行，因為同一張 ticket 在不同上下文會有不同處理方式。那時我才承認，問題不是 prompt 不夠長，是我根本沒把 state 模型設好。\u003C\u002Fp>\u003Cp>實操寫法：先把流程畫成 state machine，哪怕你最後用的是很輕量的 orchestration。你不一定要上很重的平台，但你一定要有 state、transition、policy、memory。沒有這些，agent 只是會講話的捷徑工具。\u003C\u002Fp>\u003Cul>\u003Cli>State：現在在哪一步\u003C\u002Fli>\u003Cli>Transition：什麼事件會改變狀態\u003C\u002Fli>\u003Cli>Policy：哪些轉換被允許\u003C\u002Fli>\u003Cli>Memory：哪些資訊要一路帶著走\u003C\u002Fli>\u003C\u002Ful>\u003Ch2>工具不是附屬品，是 agent 的手腳\u003C\u002Fh2>\u003Cp>agentic workflow 不是只會產文，它要協調任務。這代表它一定要碰外部系統：\u003Ca href=\"\u002Ftag\u002Fapi\">API\u003C\u002Fa>、資料庫、queue、CRM、ERP、ticketing、內部表單。也就是說，真正的工作不在對話框裡，工作在那些工具之間的流轉。\u003C\u002Fp>\u003Cp>翻譯一下就是：agent 的輸出只有在它能觸發下一個真實動作時才算數。草稿躺在 textbox 裡不叫協調，建立 ticket、更新 record、派發任務、標記付款風險，這些才叫真的有做事。\u003C\u002Fp>\u003Cp>我很常看到團隊把心力都放在 prompt tuning，卻對 tool design 很隨便。這順序反了。工具介面如果很髒，agent 就會很髒；action schema 如果模糊，模型就會猜；而模型一旦開始猜，還會猜得很有自信。這種自信最煩，因為它看起來像對，其實只是沒撞牆。\u003C\u002Fp>\u003Cp>實操寫法：每個 tool 都要小、窄、可預期。不要給一個什麼都能做的大 endpoint，然後期待模型自律。你要的是單一職責的工具、結構化輸出、明確錯誤訊息，最好還能盡量 idempotent。\u003C\u002Fp>\u003Cp>我會先檢查這幾件事：\u003C\u002Fp>\u003Cul>\u003Cli>一個 endpoint 只做一件事\u003C\u002Fli>\u003Cli>輸出格式固定\u003C\u002Fli>\u003Cli>錯誤訊息可讀\u003C\u002Fli>\u003Cli>重試不會把資料炸掉\u003C\u002Fli>\u003C\u002Ful>\u003Ch2>人類該站的位置，是例外處理，不是日常值班\u003C\u002Fh2>\u003Cp>「少或沒有人工監督」不代表人類退出。比較合理的做法是：人類只處理例外、政策判斷、邊界案例，不要卡在每個普通步驟上。這樣才像流程，不像人工代跑。\u003C\u002Fp>\u003Cp>也就是說，agent 要吸收大部分重複工作，然後把奇怪的地方浮出來。假如你們團隊還在做一堆一樣的人工核准，那代表 agentic 的部分其實沒成立，你只是把 chatbot 放在手動流程前面，讓它看起來比較新。\u003C\u002Fp>\u003Cp>我比較喜歡把人類角色想成壓力閥。agent 先跑，跑到規則外、信心低、風險高、資料衝突時，再交給人。這比讓人類每一步都插手合理太多了，因為人的價值本來就不是做重複確認。\u003C\u002Fp>\u003Cp>實操寫法：先列出前五種例外。不要等上線後才說「我們再觀察看看」。觀察很貴，而且通常是在出事後才開始。你先知道常見失敗型態，才能把 escalation path 寫進流程裡。\u003C\u002Fp>\u003Ch2>我會怎麼把這套東西真的做出來\u003C\u002Fh2>\u003Cp>如果是我自己要照 NetSuite 的定義做，我會把第一版做得很小。只挑一個流程、一個目標、幾個工具、幾條硬規則。不要一開始就幻想什麼 AI employee，這種東西最容易做成 demo，很難做成系統。\u003C\u002Fp>\u003Cp>翻譯一下就是：先讓流程在有限範圍內自己跑，靠一小段一小段累積信任。你先挑一個重複、可量測、又真的很煩的流程，讓 agent 在裡面做有限決策。如果它穩了，再擴大；如果不穩，損失也只會停在小範圍，不會整個炸開。\u003C\u002Fp>\u003Cp>我吃過一次虧之後就很怕「大 autonomy」這種說法。大 autonomy 很適合拿來簡報，不適合拿來交付。小 autonomy 很無聊，但無聊通常代表你能測、能監控、能交接。對產品團隊來說，這才是能活下來的版本。\u003C\u002Fp>\u003Cp>實操寫法：先定義 workflow goal、state model、tool list、stop conditions、escalation rules。這五件事如果寫不完，就代表 scope 太大。先縮小，真的沒什麼好硬撐的。\u003C\u002Fp>\u003Ch2>可抄的模板\u003C\u002Fh2>\u003Cpre>\u003Ccode>## Agentic workflow blueprint\n\n### 1) Workflow goal\n描述這個 agent 要負責的唯一流程。\n\nExample:\n- 分流進站客服單\n- 將每張單派到正確隊列\n- 對常見問題自動草擬回覆\n\n### 2) Inputs\n列出流程收到的精確資料。\n\nExample:\n- 客戶訊息\n- Account ID\n- Ticket priority\n- 最近互動紀錄\n\n### 3) States\n把流程寫成狀態，不要寫成空泛目標。\n\nExample:\n- New\n- Classified\n- Action selected\n- Action executed\n- Needs review\n- Done\n\n### 4) Allowed decisions\n寫清楚 agent 在每個狀態能選什麼。\n\nExample:\n- 判斷問題類型\n- 決定要回覆、轉派、還是升級\n- 選擇下一個 tool call\n\n### 5) Tools\n每個 tool 只做一件事。\n\nExample:\n- search_knowledge_base(query)\n- create_ticket(queue, priority, summary)\n- draft_reply(ticket_id, tone)\n- escalate_to_human(reason)\n\n### 6) Guardrails\n定義什麼情況要停。\n\nExample:\n- 缺少必要客戶資料\n- confidence 低於閾值\n- 偵測到 billing 或 security issue\n- 來源資料互相矛盾\n\n### 7) Escalation rules\n明確寫出什麼時候交回人類。\n\nExample:\n- 只要碰到金流就升級\n- 一次無法分類就升級\n- tool call 連續失敗兩次就升級\n\n### 8) Success criteria\n定義什麼叫完成。\n\nExample:\n- Ticket 被正確分流\n- 回覆草稿已建立\n- 人類只處理例外\n- 平均處理時間下降 30%\n\n### 9) Review loop\n決定怎麼檢查失敗案例。\n\nExample:\n- 記錄每次決策\n- 記錄每次 tool call\n- 每週抽查 20 筆失敗案例\n- 每月更新 states、tools、guardrails\n\n### 10) Build prompt\n把下面這段當 agent 指令塊。\n\nYou are an agentic workflow for [workflow goal].\nYour job is to move each item through the defined states.\nYou may only use the listed tools.\nIf a required input is missing, if confidence is low, or if the action is high risk, stop and escalate.\nDo not improvise new actions.\nRecord the current state before every tool call.\nWhen the workflow reaches the done state, summarize the outcome and close the item.\n\n### 11) Operator checklist\n- Verify inputs are complete\n- Confirm tool permissions\n- Test each state transition\n- Test each escalation path\n- Review logs after first rollout\u003C\u002Fcode>\u003C\u002Fpre>\u003Cp>這就是我把 NetSuite 的定義翻成可交付版本的方式。原始文章把概念講得很乾淨，我這邊做的是把它拆成\u003Ca href=\"\u002Fnews\u002Ffde-sales-engineering-playbook-zh\">工程\u003C\u002Fa>上能用的骨架。第一次來源是 NetSuite 的 \u003Ca href=\"https:\u002F\u002Fwww.netsuite.com\u002Fportal\u002Fresource\u002Farticles\u002Ferp\u002Fagentic-workflows.shtml\">What Are Agentic Workflows?\u003C\u002Fa>，衍生解讀是我自己的；模板和流程切法也是我根據這個定義整理出來的實作版。你如果要做自己的 agentic workflow，先從這份模板改，不要先從幻想開始。\u003C\u002Fp>","我把 NetSuite 對 agentic workflow 的定義拆成可直接照抄的流程模板，幫你把 AI 從只會回話，改成能做事、能交接、能收斂的工作流。","www.netsuite.com","https:\u002F\u002Fwww.netsuite.com\u002Fportal\u002Fresource\u002Farticles\u002Ferp\u002Fagentic-workflows.shtml",null,"https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1781974094916-4ipn.png","industry","zh","a4ac464c-c78f-42cd-847f-fb7fde1e43a1",[17,18,19,20,21],"agentic workflow","AI agent","workflow orchestration","state machine","tool calling",[23,24,25],"agentic 不是會聊天，而是能推進流程的工作單位","真正要設計的是 state、工具、護欄與升級規則","先做小範圍自治流程，再慢慢擴大，不要一開始就幻想 AI 員工",0,"2026-06-20T16:47:51.185288+00:00","2026-06-20T16:47:51.169+00:00","fe20f6f6-432b-47bf-a410-a5f516d885ed",{"tags":31,"relatedLang":36,"relatedPosts":40},[32,34],{"name":21,"slug":33},"tool-calling",{"name":18,"slug":35},"ai-agent",{"id":15,"slug":37,"title":38,"language":39},"netsuite-agentic-workflow-definition-unpacked-en","NetSuite’s agentic workflow definition, unpacked","en",[41,47,53,59,65,71],{"id":42,"slug":43,"title":44,"cover_image":45,"image_url":45,"created_at":46,"category":13},"84a5a5fb-e97a-4b64-940f-9291081767fd","2027qs-aodao-bada-zhongjie-zenme-xuan-zh","2027QS澳洲八大中介怎么选","https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1781969564265-v1m8.png","2026-06-20T15:32:20.216246+00:00",{"id":48,"slug":49,"title":50,"cover_image":51,"image_url":51,"created_at":52,"category":13},"47c72ef9-bc7b-4179-a354-f28f20eaf7e0","npm-codex-command-not-found-fixes-zh","npm 装完 Codex 找不到命令的 7 个修复","https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1781967775019-xfsl.png","2026-06-20T15:02:25.173546+00:00",{"id":54,"slug":55,"title":56,"cover_image":57,"image_url":57,"created_at":58,"category":13},"83fd4cc0-2c41-4362-81b8-3abc4f55abef","amd-intel-nvidia-reheat-engineering-cost-guide-zh","AMD、Intel、Nvidia 炒冷饭代价清单","https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1781966869422-5dza.png","2026-06-20T14:47:23.939538+00:00",{"id":60,"slug":61,"title":62,"cover_image":63,"image_url":63,"created_at":64,"category":13},"dcc6cc07-3170-450a-9108-e542ef9496e9","openai-internal-secondary-sales-talent-war-zh","OpenAI 的内部售股不是慷慨，是留人战争","https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1781965067815-sq5w.png","2026-06-20T14:17:19.663638+00:00",{"id":66,"slug":67,"title":68,"cover_image":69,"image_url":69,"created_at":70,"category":13},"6c62c956-c915-4561-8335-b2715e245cee","anthropic-fable-5-ban-ai-investors-zh","Anthropic Fable 5禁令衝擊AI投資人","https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1781964172402-gpe9.png","2026-06-20T14:02:26.558815+00:00",{"id":72,"slug":73,"title":74,"cover_image":75,"image_url":75,"created_at":76,"category":13},"63db42c1-ac26-4732-bdd8-5618fce6755a","army-contract-opportunities-ai-air-defense-zh","Army AI 與防空合約判讀指南","https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1781962368628-ro3e.png","2026-06-20T13:32:21.207726+00:00",[78,83,88,93,98,103,108,113,118,123],{"id":79,"slug":80,"title":81,"created_at":82},"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":84,"slug":85,"title":86,"created_at":87},"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":89,"slug":90,"title":91,"created_at":92},"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":94,"slug":95,"title":96,"created_at":97},"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":99,"slug":100,"title":101,"created_at":102},"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":104,"slug":105,"title":106,"created_at":107},"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":109,"slug":110,"title":111,"created_at":112},"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":114,"slug":115,"title":116,"created_at":117},"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":119,"slug":120,"title":121,"created_at":122},"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":124,"slug":125,"title":126,"created_at":127},"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"]