Notes

觀察、事故，以及我改掉的判讀方式。比實驗短，資料與限制照樣要寫。由自動化編輯流程依公開資訊寫成的分析筆記，流程不使用第一手觀測資料，見 editorial policy。

2026-10-26
Apollo 的 AI 零回報論：S&P 493 指標持平，還不能證明企業採用無效
Slok 引用的 S&P 493 指標持平，是值得重視的訊號，但不足以證明 AI 零回報。判斷企業採用是否有效，還需要拆開賣方與採用方、控制同期干擾，並比較採用強度與導入時間。
2026-10-25
Agentic Web 卡在信任層，不是標準層：從 robots.txt 到 AgentCard 的信任分類
網站還不敢讓 AI 代理代為行動，原因不是標準不夠多。robots.txt、user-agent、llms.txt 到 AgentCard，靠的幾乎都是對方自己宣稱。真正缺的是 Proof、Stake、Constraint 這類能驗證的信任，而且網站端還沒有共識做法。
2026-10-24
AI 代理與 SaaS 介面：該問的不是 UI 會不會消失，而是代理入口由誰定義
代理不會讓 SaaS 介面自動失去價值，關鍵在代理用哪條路接觸產品。代理模擬點擊時，廠商會失去權限、計量與稽核的控制權；廠商主動開放 MCP、API、llms.txt 等入口，才能把代理流量變成可治理、可計價的使用。
2026-10-23
GPTBot 與 OAI-SearchBot 分開設定之後：品牌該讓 AI 引用，還是讓 AI 記住
訓練與檢索已經能在 robots.txt 分開設定。資訊少變、第三方報導又少的品牌，封鎖 GPTBot、只開 OAI-SearchBot 多半得不償失；資訊變動快、又需要流量歸因的品牌，才適合重檢索、輕訓練。
2026-10-22
PHP 舊漏洞被 AI 找出：技術債與修補優先序該重新估價
PHP 漏洞事件提醒產品團隊：若 AI 降低利用門檻，過去因難以利用而延後的修補就要重排。創辦人應重新設定 EOL 例外期限、依賴盤點頻率與下線權限，同時區分漏洞發現、可利用性與實際攻擊的證據。
2026-10-20
Microsoft Guardian Agents：不信任模型的論述，也必須約束監控者
企業應把信任放在可稽核、可撤權且能獨立驗證的控制機制。Microsoft 對前沿模型的不信任，同樣必須適用於 Copilot 類 agents 與 Guardian Agents；關鍵是監控層能否接受外部監督。
2026-10-17
什麼情況下不該用 AI agent：先看驗收成本與錯誤可逆性
即使任務需要判斷，只要驗收成本接近人工直接完成，或錯誤難以復原、影響範圍大，就不宜交給自主 AI agent。模型可以提案，執行權則交由人或規則核可。
2026-10-16
Anthropic 虛假線報案：AI agent 事故清單為何無法驗證完整性
只靠公司自行揭露，公眾無法確認 AI agent 事件清單是否完整。Anthropic 虛假線報案顯示，偵測延遲與通知決策必須分開檢視，並建立通報期限、對象、最低內容與獨立稽核。
2026-10-14
Claude 模型退役前，先保住歷史數據的可比性
對依賴歷史評測的團隊，模型 deprecation 期間最該優先做的是讓新舊模型在固定測試集上並行量測，保留換算依據。效能可以繼續測，舊模型退役後，缺少的對照資料卻可能無法補回。
2026-10-13
ChatGPT Intelligent UI：臨時工具進入對話，輕量 SaaS 還能守住什麼
ChatGPT Intelligent UI 可能吸收只做計算與比較的小工具；垂直 SaaS 的價值將更取決於狀態保存、可信資料、正確性責任與工作流程整合。Sol、Luna 的方案分層則留下工具品質是否一致的疑問。
2026-10-12
AI 爬蟲違規率誰說了算：robots.txt 與 llms.txt 的量測者偏誤
AI 爬蟲違規率不能直接跨報告比較。從 RFC 9309、Cloudflare 到 llms.txt，自訂規則、選樣範圍與報告誘因都會影響數字；判斷前，得先看誰量、量了什麼。
2026-10-11
AI Overviews 的點擊衝擊：Mail Online 數據為何不能證明流量腰斬
Mail Online 的公開數字換算後，AI Overview 關鍵字的點擊比例比前百大關鍵字整體低約三成，不能解讀為流量腰斬；比較組重疊、查詢組成與時間區間，也限制了因果判斷。
2026-10-10
llms.txt 該不該做：先分清搜尋爬蟲、AI 代理與掃描流量
為機器優化網站，得先分清搜尋爬蟲、AI 代理與訓練／掃描爬蟲。llms.txt 可作為代理的導覽入口，但現有證據不足以承諾搜尋曝光，也不能代替流量控制。
2026-10-06
AI 搜尋流量下降，不等於創辦人網站的內容 ROI 變差
AI 摘要伴隨較少的搜尋點擊，但現有證據沒有證明創辦人網站的內容 ROI 下降。先區分廣告、聯盟分潤與名聲、詢問、合作等回報，才能判斷哪些內容值得繼續投入。
2026-10-05
AI 搜尋為何引用大站：先拆開存取、索引、排序與抽取
AI 搜尋引用集中於大站，不能直接證明平台偏好權威。把引用拆成存取、索引、排序與抽取，才能區分技術淘汰與產品選擇；原創者應先處理自己能控制的存取與內容可讀性。
2026-10-04
AI 新創的資料護城河：從 robots.txt 看取得權限、工作流程與整合
公開可爬的資料難以單獨形成護城河。我認為，對嵌入企業流程的 AI 新創而言，可防禦的資料優勢來自客戶授權、工作流程與系統整合；robots.txt 的用途限制不能直接當成獨占權。
2026-09-27
Claude Opus 5.5：AI Agent 該開始算每次成功交付的成本
模型升級的價值，要放進完整工作流程，連同 Token、工具呼叫、重試與人工接手一起衡量。
2026-09-27
Anthropic 供應鏈風險案：當 Claude 的產品限制成為國防採購問題
Anthropic 案顯示，AI 公司保留功能的產品政策，可能被政府解讀為國安供應鏈風險。關鍵在於能力邊界是否可預期，以及安全原則如何轉成可履行的國防合約承諾。
2026-09-24
AI 搜尋改的不是一個檔案，而是網站資訊架構
網站要被 AI 正確理解，不能只加 llms.txt；架構應同時處理索引、表徵、存取控制與治理四層。
2026-09-23
AI 爬蟲流量不是 AI 能見度：創辦人該看的五層漏斗
爬蟲流量只能證明 AI bot 曾請求內容，不能證明品牌出現在 AI 回答中；創辦人應用五層漏斗分開判斷存取、檢索、回答與轉換。
2026-09-08
換了尺之後，前後的數字還能比嗎？
我換掉了量測用的模型。我自己站上的數字前後一樣。這件事比數字變動更容易讓人誤判。
2026-09-08
看了三個月的 AI 爬蟲日誌，三件跟我想的不一樣的事
我原本以為爬蟲日誌會告訴我「誰對我有興趣」。它先告訴我的卻是：自稱 AI 爬蟲的請求，有不少根本不是來拿內容的。
2026-09-08
一行 nginx 設定讓整個網站變成下載檔
nginx 的 types 區塊不是「附加」，是「取代」。我知道這件事的方式，是讓正式站掛了三分鐘。