KeyFrame內部研究專用

Building the Foundation for the Agentic AI Era

Practical AI45 min英文
觀看原始影片

三句話摘要

Agentec AI Foundation 如何透過開放標準與國際合作,推動 Agent 技術的全球化與規範化。 在 Agent 技術爆炸性增長時代,建立由競爭對手共同驅動的中立基金會,反而能加速標準成熟與生態互通,比各自為政的舊模式快得多。 組織變革需同時應對技術與人性挑戰。Angie 在 Block 教全公司使用 Agent 時,不只傳授技術,更重要的是幫助員工理解自己在流程中的角色定位,避免被 AI 完全取代,而是找到人類與 AI 的互補點。

重點整理

  1. 組織變革需同時應對技術與人性挑戰。Angie 在 Block 教全公司使用 Agent 時,不只傳授技術,更重要的是幫助員工理解自己在流程中的角色定位,避免被 AI 完全取代,而是找到人類與 AI 的互補點。

  2. 採用「1-9-90 規則」快速擴散採用。她不是同時教 3500 名開發者,而是從各主要 repo 中精挑 50 位「創意者」做為 champion,讓他們試驗、反覆,再將實證方案內化到系統中,其他開發者無需重新學習即可受惠。

  3. Agentec AI Foundation 作為中立平台整合競爭對手。OpenAI、Anthropic、Google 等企業在 working groups 中放下競爭姿態,因為快速定立標準符合所有人利益,避免各自為政導致生態分裂。

  4. 全球視角影響標準制定優先順序。中國的行動優先文化需要 Agent-to-Agent 協議(如 WeChat 使用),歐盟 AI 法案驅動透明度要求,不同地區需求各異,需要本地領導參與才能設計真正全球通用的標準。

實用技巧與重點

  • Agentec AI Foundation 成立時間:2025 年底(截至訪談時營運 8-9 個月)
  • 基金會隸屬:Linux Foundation 下
  • 核心項目:
  • MCP(Model Context Protocol)— Anthropic 出品,連接 Agent 與工具/應用
  • Agents MD — OpenAI 制定,標準化專案如何向 Agent 傳達操作指令
  • Goose — Block 開發的開源 AI Agent,提供 agentic runtime
  • Agent Gateway — Solo 公司開發,用於 MCP 和 A2A 流量控制與可觀測性
  • A2A(Agent-to-Agent Protocol)— Google 貢獻,支援 Agent 間協調委派
  • Angie 在 Block 的 mandate:用 AI 提升 3500 名開發者的開發速度
  • 組織策略:1-9-90 規則(1% 創意者、9% 嘗試者、90% 消費者)
  • 選取 50 位 repo champion 進行週間密集培訓
  • Working groups 架構:公開會議、全球成員代表不同地區需求
  • EU AI Act 新規直接影響全球產品合規需求
  • MCP Discord 伺服器:dozens 個 working groups 在其中運作

結論

在 Agent 技術爆炸性增長時代,建立由競爭對手共同驅動的中立基金會,反而能加速標準成熟與生態互通,比各自為政的舊模式快得多。

完整解析

Angie Jones 的職業軌跡反映了 AI 從邊緣技術走向企業核心的過程。她在 IBM、Twitter 等科技巨頭累積數十年工程經驗後,在 Block 遇到了獨特的機會:當 Jack Dorsey 要求她教整個公司 12000 人使用 AI Agent 時,這是 2024 年初,業界還沒有現成教科書。她決定先從公司內的 Agent 系統 Goose 開始,逐步擴大到整個組織,面臨的挑戰不只是技術教學,更是組織變革的複雜性與人員的心理抗拒。

在推行過程中,Angie 意識到同時教 3500 名開發者是不可行的。她採用「1-9-90 規則」,從各關鍵 repo 中挑選 50 位開發者作為 champion,給他們 30% 的時間投入實驗與學習。這 50 人成為知識樞紐,他們試驗各種技術、找出什麼在 web 有效、什麼在 mobile 失效,再將經過驗證的最佳實踐內化到各自的 repo 系統中。其他開發者不需理解底層原理,只需遵循已配置的 context engineering、agency 定義和 Agent skills,系統本身就會引導 Agent 按照團隊需求運作。這種方式大幅降低了學習成本。

非技術部門的採用同樣複雜。財務、行銷、設計、HR 各部門面臨工作定義的根本轉變。Angie 的策略是先從每個人最關切的事著手。她舉例:員工若要取得資料庫中的記錄,過去需向另一團隊提出請求等待報表,現在 Agent 搭配 MCP server 能在秒級返回結果。這種「快速價值」建立信任,員工才願意逐步擴大 Agent 的授權範圍。她強調的是找到人與 AI 各自擅長的事,而非簡單地用 AI 取代人。

Agentec AI Foundation 應運而生,於 2025 年底在 Linux Foundation 旗下成立。核心洞察是,Agent 生態發展得太快、太重要了,不能讓任何單一公司定義標準。基金會透過 working groups 讓 OpenAI、Anthropic、Google、PayPal、Stripe 等競爭對手坐在一起,共同制定 MCP、Agents MD、A2A 等協議。這些企業人員不是志願者,制定標準是他們的日常工作,他們的產品依賴這些標準快速定型,因此動力異常強大。在這個獨特的框架下,競爭對手即使在 Twitter 上互相砲轟,在 working group 會議中也能相當友善地說「我們得把這件事做好」。全球視角進一步改變了優先順序。中國行動優先的文化讓 Agent-to-Agent 協議(A2A)成為剛需—WeChat 這樣的超級 app 需要 Agent 能彼此協調。歐盟 AI 法案的推出則影響全球,任何服務歐洲用戶的公司都必須滿足透明度要求。如果標準工作組中沒有歐洲、中國、日本的領導參與,制定出來的標準就會偏離現實需求。

11 min
AI 安全中文11月21日

防蒸餾的三道防線:OpenAI 怎麼保護 AI 的思考過程

一隻羊聊AI看原片 ↗
  • 思考過程是最值得保護的資產:完整的思維鏈(Chain-of-Thought)包含最終答案中沒有的中間步驟,蒸餾來的模型若學到完整思考過程,會多掌握超出預期的能力,包括原本應被防護的攻擊技巧。實驗顯示,學完整思考的學生在資安測驗中表現顯著優於
  • 三層防護結構應對單次請求與持續威脅:模型透過對抗訓練自我拒絕套話,分類器檢查請求意圖與回應內容(包括工具參數),API 層將思考過程與對話綁定,防止跨對話搬運。九月報告曾揭示的加密思考搬運攻擊已被修補。
11 min
AI 技術中文11月21日

20261120 Craft 4K Review Version V3

灵姐说AI | Ling Talk AI看原片 ↗
  • Craft Anything 透過將觀察、構建、檢查和修改環節無縫銜接,將傳統費力的開發流程簡化為提供參考對象並說明目標,讓通用編碼Agent執行具體實現,大幅降低製作難度。
  • 複製範圍廣泛但難度差異大:網站和簡單工具相對容易,複雜遊戲因涉及場景、資源、物理引擎、存檔等要素難度大幅提升,需要提供的信息和輸入量成倍增加。
4 min
AI 技術中文11月21日

Make.com Automation for Beginners: Your First Automation in 10 Minutes

AI Workflow Lab看原片 ↗
  • Make 的核心是「情景」(Scenario) 概念,由多個模組組成,每個模組執行一個應用程式的單一工作。當第一個應用程式中發生事件時,Make 自動將資料傳遞到下一個應用程式,就像一個從不睡眠也不遺忘的數位助手。
  • 映射 (Mapping) 是自動化的核心。使用者需要明確告訴 Make 每筆資料應該放在哪裡,確保表單欄位正確對應到試算表的列,以及郵件內容能夠動態插入客戶資訊。