🤖 AI 日報 #7/10 — 2026/07/20（15:00）
1️⃣ Intuit VP AI 揭 4 個月內把 agent 架構砍掉重練兩次：中央 orchestrator 敗給「10 個 agent 每次自然語言交棒都在複利掉 context」
Intuit VP of AI Nhung Ho 於 VB Transform 2026 揭：從一組 specialist agents 改採中央 orchestrator 撐了 3 個月即崩潰，因為每次 agent 自然語言交棒都損失 context、10 個 agent 錯誤呈複利式擴大。60 天內二次重寫為 skills/tools 架構，20 天出可運行版本。新架構讓真人專員（Intuit 產品支援、客戶自己的會計、Intuit 簿記員）可在對話中即時接手完整 agent 上下文，目前對 1% 客戶開放，未來數週擴大。反饋率從 0.3% 客戶提供意見拉到近 100%。
🔗 來源：VentureBeat
2️⃣ Amazon AGI 部門主任：85% 企業試 agent 只有 5% 上線，卡點不是能力是「可靠度」，得把 reliability 拆成 4 個獨立向度來量
Amazon AGI Autonomy 主任 Bryan Silverthorn（自 Adept AI 併入 Amazon）於 VB Transform 2026 引 Princeton 研究，主張 agent reliability 必須拆成 consistency、robustness、predictability、safety 四個獨立向度分別評估。舉某客戶 QA agent 抓螢幕序號 2 個月完美，卻因底層 vision encoder 對序號位置敏感、一次無感軟體改版就開始間歇讀錯。內部把 agent 叫「intern」——聰明但偶爾脫線，需要的是管理技巧不是軟體技巧。指出主流企業僅追蹤 uptime 卻不追蹤 accuracy，多數靠模型商自家 evals 湊合。
🔗 來源：VentureBeat
3️⃣ Brex 開源 CrabTrap：把 agent 治理搬到「網路傳輸層」，用 LLM-as-a-judge 攔截每一次 HTTP 請求，policy 從 agent 實際流量自動長出來
Brex 共同創辦人 CEO Pedro Franceschi 對 VentureBeat 揭 Brex 開源 CrabTrap（HTTP/HTTPS proxy）：透過 HTTP_PROXY/HTTPS_PROXY 攔截 agent 每一個外部請求，先跑靜態規則、剩餘 <3% 長尾未知端點交 LLM-as-a-judge 判斷放行或阻擋。關鍵設計：policy 不由人類從零撰寫，而是先以 shadow mode 觀察 agent 真實流量、由另一個 agentic loop 起草自然語言 policy 再由人類編修，「從實際行為 bootstrap 遠比從白紙開始準確」。框架與語言無關，可包 OpenClaw／Claude Code／MCP 等任何 agent 系統，補上 SDK 權限與 MCP gateway 之外的第三層。
🔗 來源：VentureBeat