Ai Agent

每個一人公司的建造者，最後都會回答一個問題——而且通常是在答錯一次之後： 哪些答案，我可以不檢查就直接照著行動？ 注意，這不是「AI 能做哪些任務」。那是能力問題，而它的答案每隔幾個月就變一次。這是一個分類問題，它不隨模型改變，只隨任務改變。 先說清楚：這個框架不是這篇文章的價值 老規矩，先坦白：評分框架本身並不新，也不是我們的。 監管機構、企業資安團隊、學術團隊都發表過各自的版本。微軟的 agentic 風險指引寫著：對高風險或不可逆的動作，要求人工核准。DeepMind 一篇關於委派的最新論文，把「可逆性」列為決定你能下放多少權限的軸線。實務工作者則發表權限矩陣，用影響範圍 × 可逆性 × 代價替每個動作評級。如果你要的是通用框架，那些來源會比一個一人公司的部落格更能幫上你，我會把它們列在最下面讓你自己查。 但那些文章，沒有一篇是為你寫的：一個人、一個產品、你自己的憑證，而且沒有合規部門在後面幫你接住失誤。所以值得寫的，是這一塊。以下是這條規則，套在一個一人公司的情境上。 分類規則 用三個軸替任務評分。取最高的那一軸，決定等級。 可逆性 一鍵還原 → 花幾小時救得回來 → 無法逆轉 影響範圍 只有我、本機 → 我自己的生意或錢 → 別人 出錯代價 微不足道 → 金錢、期限、信任 → 法律／安全／名譽 結果是一個等級，而等級決定的是控制方式，不是你給多少信任： 等級 意思 控制方式 G0 唯讀、本機、無關緊要 直接交出去——這正是 agent 存在的意義 G1 影響範圍小、可還原 讓它跑，但要留紀錄 G2 任一個軸偏高 設閘——agent 提案，你扣板機 G3 不可逆，而且（對外 或 嚴重） 絕不讓它自己跑——要防範，不是靠覆核 要用真實的可逆性評級，而不是「我的編輯器有沒有 undo」。一條 shell 的 rm 就是 G3，即使你的 IDE 可以倒帶——因為倒帶蓋不住 shell 的副作用。這跟我們另一篇談「完成」是一種宣稱，不是事實的紀律是同一個家族，差別在於：那篇講的是驗證產出，而這篇高了一層——決定「哪些產出，你本來就被允許不看著就照著行動」。一個「無論 agent 誠不誠實都成立」的控制，不是驗證儀式，那叫圍籬。 交出去之前，先替這個任務評分 可即時試算——改動任何數字，下方結果立即更新 ...

有一家券商，剛給每一個客戶一個「幫你下單」的按鈕。四個月內，超過十五萬人打開了它。那些 agent 每天打這個平台的工具大概三千萬次。 這不是一份 bug 報告。這是一次結構性的改變，而它比那些「AI 交易」的標題所暗示的，嚴重得多。 有件事沒人明講：那十五萬個帳戶，並不是在跑十五萬套獨立的策略。他們是從少數幾個共用的模型裡挑——同樣那幾個 AI 系統，盯著同樣的市場資料，朝大致同樣的目標優化。 市場之所以能運作，是因為餵它的人彼此不同意。幾百萬個小小的、獨立的判斷——錯的、對的、慢的、早的——平均起來，變成一個大致可信的價格。一旦把「獨立」抽掉，你手上就不再是一群個體組成的市場，而是同一個判斷，被複製了幾十萬份。 這才是該盯的變化，而且它跟一般人担心的方向剛好相反。要怕的不是 AI 不理性。是 AI 一模一樣。 「相關性」是接下來要盯的詞 管市場的人已經開始講這個詞了。監管機構用書面問過：當「大量參與者依賴相似的模型」、並因此產生「相關聯的交易決策」時，會發生什麼事。一位央行官員講得更直白：人類的群眾恐慌是有快有慢的——有人猶豫、有人提早跑、有人撐著。一群一模一樣的 agent 不會。它們對同一個訊號，在同一刻、做出同樣的反應。一次小晃動，在任何人來得及踩煞車之前，就變成一面倒。 這不是危言聳聽。這講的是機制——而這是第一次，由那些「最後得負責收拾」的機構，把這個機制講得這麼清楚。 誠實的反方證據——以及它為什麼重要 接下來這段，讓這篇不至於變成末日文。反方向最有力的證據出現在幾年前，而且到今天仍然站得住：研究人員看過一整個外匯市場的演算法交易，發現這些演算法確實彼此相關——但那份相關性跟更高的波動沒有任何可測量的關聯。真要說，演算法交易越多，反而對應到越低的波動。 所以誠實的立場比「AI 會搞垮市場」更窄、也更有意思：相關性是真的，但它會壓抑還是放大波動，完全取決於那些共用的模型在優化什麼——而這件事，目前沒有人知道。 風險還沒有被決定。風險只是還沒有被測量。 這對一人公司意味著什麼 大部分談差異化的建議，講的都是「怎麼被看見」——護城河、定位、「跟別人不一樣你才會贏」。這篇把它重新框了：當所有人都在同一批模型上出貨，這份「一樣」就不再是行銷問題，而是安全問題——對你，也對你所屬的任何東西。 你的槓桿從來就不是那個模型。而是你擁有、而那些共用模型沒有的東西：你的資料、你的規則、你那個具體的問題、你的品味。這就是「租腦袋，自己造機台」在做的事。但除此之外，還有一個比較不明顯的理由，值得你去擁有自己的脈絡。 擁有脈絡，才會讓你的產出不成為一份複製品。 當你用你的使用者、你的失敗、你的利基裡的邊角案例去訓練，你產生出來的判斷，才會真的是你自己的。它們不會像那些開箱即用的答案一樣，跟你同一條街上其他建造者相關。你不再是同一個模型的又一個回音。 在一個「一樣」正在變成系統性風險的世界裡，刻意的不一樣不是虛榮指標。它是一種韌性——你的，以及整個系統的。 一句話版本 如果一個模型又便宜、人人都有，那它就不是策略，它只是背景。你真正擁有的，是你餵給它的脈絡，跟你替它設下的規則。這個「要造機台」的論點，其實已經講很久了。新的部分是為什麼它變急了：因為當所有人都在出貨同一個 AI 時，壞事的不是那份智慧，而是那份「一樣」。 資料來源 Robinhood HOOD Summit 2026（2026 年 9 月 29 日）。——自五月起開設超過 15 萬個 agentic 交易帳戶；agent 每天打 Robinhood 的工具約 3,000 萬次；app 內的 agent 是從共用的 OpenAI／Anthropic 模型中挑選。 美國眾議院金融服務委員會致 SEC 函（2026 年 6 月 23 日，Foster 與 Sherman）。——指出 agent 之間「相關聯的交易決策」與「羊群行為」，尤其是「以相似資料訓練」的 agent，構成市場誠信風險。 英格蘭銀行副總裁 Sarah Breeden（2026 年 6 月 30 日）。——自主 agent 可能在壓力下「放大波動」，以人類群眾無法比擬的方式同步行動。 美國聯準會 IFDP《Rise of the Machines》（外匯演算法交易）。——演算法交易彼此相關，但與更高的波動沒有因果關聯；真要說，演算法交易越多，對應到越低的波動。

Model Context Protocol 贏了。它現在是「無聊的基礎設施層」——78% 的企業 AI 團隊在生產環境跑 MCP，最近更迎來史上最大更新：為「真的大玩家」、成千上萬個 agent 而做的全無狀態重寫。 所以獨立開發者面對一個尖銳的問題：如果這就是標準，我為什麼還要自己寫 API 呼叫？ 直接抓 API 的直覺，比行銷話術暗示的更常是對的。下面是規則。 你其實在做兩個決定 大家把「API vs MCP」壓成一個問題，其實是兩個： 傳輸——位元組怎麼從你的 agent 到那個能力。 護欄——你的 agent 被允許做什麼。 MCP 不會讓你的 agent 更安全。「阻止它刪光我的雲端硬碟」這個性質，存在於你授予的授權範圍和你暴露的工具介面裡——不在協議裡。一個 scope 收緊的原生 API 呼叫，和一個只暴露 read 工具的 MCP server，做得一樣好。 所以「MCP 更安全」是偽命題。MCP 真正買到的是一致性——agent 和每個 client 都用同一種方式跟每個工具講話。這有價值，但只是有時。 規則 用原生 API、scope 收緊，當： 你是一個 agent、配上少數幾個資源。 你是唯一的消費者，而且會一直是。 護欄就只是收緊一個 token——自己來很簡單。 你要服務商完整原生的介面，不是一層翻譯。 用 MCP，當： 多個 client 或多個 agent 需要同一個資源。 你想換模型或服務商，卻不想重寫呼叫邏輯。 已經有成熟的 server 處理某個棘手環節（認證流程、串流、分頁邊界）。 你在組合很多工具，想要單一呼叫慣例。 為什麼這對獨立開發者最關鍵 MCP 的核心價值是 N×M → N+M 的收縮：與其為每一組 (client, resource) 客製一個整合，不如每個資源建一個 server。這個回報只有在 N 和 M 都大時才成立。 ...