每日 AI 應用情報：政府網站、智慧圖書館、空間管理、AI Agent 與 RAG 實務觀察。
⌕
AI 應用與新知趨勢
RSSSubscribe
← 返回每日電子報列表訂閱更新
AI 應用趨勢日報 — 2026-06-25 封面圖片

AI 應用趨勢日報 — 2026-06-25

本日高品質訊號以 6/22–6/25 為主；OpenAI、Anthropic 官方今天較安靜，因此我把它們的最新官方路線與外部壓力一起納入比較。重點不是單篇新聞，而是看出 agent、知識、治理、UX 與基礎設施如何一起平台化。

今日重點 5 條

  1. Google 直接把 Gemini 推到「agent 入口」的位置。 I/O 2026: Welcome to the agentic Gemini era、Interactions API: our primary interface for Gemini models and agents、The Gemini app becomes more agentic, delivering proactive, 24/7 help 這三個訊號合在一起看，代表 Google 正把介面標準化、主動式助理與企業/消費端體驗拉成同一條路線。來源：https://blog.google/innovation-and-ai/sundar-pichai-io-2026/、https://blog.google/innovation-and-ai/technology/developers-tools/interactions-api-general-availability/、https://blog.google/innovation-and-ai/products/gemini-app/next-evolution-gemini-app/
  2. Google Cloud 把 agent 做成企業平台，而不是模型展示頁。 今天可抓到 Gemini Enterprise / Agent Platform、Siemens 的 agentic workflows、Confidential AI、Open Knowledge Format、Claude Fable 5 on Google Cloud 等卡片，顯示平台化、知識基礎設施與安全封裝正在同時推進。來源：https://cloud.google.com/blog/products/ai-machine-learning/innovations-from-google-io-26-on-google-cloud、https://cloud.google.com/blog/products/ai-machine-learning/how-siemens-sliced-the-elephant-modernizing-legacy-code-with-agentic-workflows、https://cloud.google.com/blog/products/identity-security/powering-the-next-era-of-confidential-ai、https://cloud.google.com/blog/products/data-analytics/how-the-open-knowledge-format-can-improve-data-sharing、https://cloud.google.com/blog/products/ai-machine-learning/cloud-fable-5-on-google-cloud
  3. AWS 進一步把 agent 變成可上線、可隔離、可計價的生產堆疊。 6/23–6/24 的 AWS ML Blog 同時出現 healthcare appointment agent、voice agent、protein research copilot、multi-tenancy 與 payments，這已經不是 demo，而是 production infra。來源：https://aws.amazon.com/blogs/machine-learning/build-a-healthcare-appointment-agent-with-amazon-nova-2-sonic/、https://aws.amazon.com/blogs/machine-learning/how-loka-built-a-natural-low-latency-voice-agent-with-amazon-nova-2-sonic/、https://aws.amazon.com/blogs/machine-learning/build-a-protein-research-copilot-with-amazon-bedrock-agentcore/、https://aws.amazon.com/blogs/machine-learning/shared-infrastructure-isolated-tenants-pool-model-multi-tenancy-with-amazon-bedrock-agentcore/、https://aws.amazon.com/blogs/machine-learning/building-pay-per-intelligence-for-ai-agents-how-ampersend-uses-amazon-bedrock-agentcore-payments/
  4. GitHub/Copilot 把 coding agent 進一步拉進 repo-native、workflow-native。 I automated my job、internal data analytics agent、context handling/model routing、custom agents in Copilot CLI，這些內容都在說同一件事：可用的開發代理不是只會產出程式碼，而是要懂歷史、懂測試、懂權限、懂交接。來源：https://github.blog/developer-skills/github/i-automated-my-job-and-it-made-me-a-better-leader/、https://github.blog/ai-and-ml/github-copilot/how-we-built-an-internal-data-analytics-agent/、https://github.blog/ai-and-ml/github-copilot/getting-more-from-each-token-how-copilot-improves-context-handling-and-model-routing/、https://github.blog/ai-and-ml/github-copilot/from-one-off-prompts-to-workflows-how-to-use-custom-agents-in-github-copilot-cli/
  5. UX / 設計社群已經在把「不確定性、context architecture、design system judgment」變成正式語言。 NNGroup 的 Vibe Architects、UX Collective 的 design system / DesignOps 文章、Smashing 的 probabilistic thinking 與 AI-ready design system，對應到 AI 產品真正的難點：不是能不能答，而是能不能讓人看懂、接手、撤回、驗證。來源：https://www.nngroup.com/articles/vibe-architects/?utm_source=rss&utm_medium=feed&utm_campaign=rss-syndication、https://uxdesign.cc/your-design-system-runs-on-one-persons-judgment-ai-is-about-to-prove-it-4e969a862765?source=rss----138adf9c44c---4、https://uxdesign.cc/how-designops-roles-are-changing-with-new-priorities-c8db3a5bc1c3?source=rss----138adf9c44c---4、https://smashingmagazine.com/2026/06/designing-uncertainty-how-ai-supercharges-probabilistic-thinking/、https://smashingmagazine.com/2026/06/how-make-your-design-system-ai-ready/

今日重點心得彙整

今天最明顯的變化，不是某個模型能力又多了一點，而是大廠都在把 AI 從「會回答」推向「會接流程、會接權限、會接資料」。Google 的 Gemini、AWS 的 AgentCore、GitHub 的 Copilot、Google Cloud 的 Enterprise 路線，都在把 agent 做成系統層，而不是獨立對話層。

第二個訊號是，真正能成交的不是功能點，而是治理包。今天的 Google Cloud、AWS、Anthropic、OpenAI 外部壓力都指向同一件事：企業要買的是權限、稽核、隔離、計價與回退機制，而不是單一模型的聰明程度。這會直接改變我們寫 PRD、提案與驗收條件的方式。

第三個訊號是，knowledge service 的核心正在從「能搜尋」變成「能結構化、能版本化、能被 agent 安全使用」。Google 的 Open Knowledge Format、MIT Technology Review 提到的 web data infrastructure layer for AI、以及 Google Cloud 的 Gemini Enterprise / Agent Platform，都在說明同一件事：RAG 的競爭點已經往 context architecture 移動。

第四個訊號是，coding agent 的門檻正在從生成程式碼，轉向理解 repo 與團隊節奏。GitHub 的 internal analytics agent、Copilot 的 context routing、custom agents、git worktrees 與自動化工作敘事，說明開發代理的價值在於把資訊流、測試流、審查流串成一條可回放的工作流。

第五個訊號是，UX 已經不能再只談版面與動線，要開始談不確定性管理。今天 UXC、NNGroup、Smashing 的文章都在提示：AI 介面要讓人知道它看到什麼、依據什麼、會不會錯、如何撤回、何時交還給人。這對政府網站、知識服務與後台工具特別重要。

第六個訊號是，AI 的成本與算力政治開始外溢到產品與組織。TechCrunch/HN 的 OpenAI custom chip、AI budgets、Google researchers mobility、Anthropic/Alibaba 的能力提取爭議，都顯示 2026 的競爭不只是模型競爭，也是算力、人才、成本控制與安全邊界的競爭。

大廠 Agent 趨勢觀察

1. 政府網站與公共服務 AI

1.1 Google Gemini / DeepMind：公共服務的第一個切入點仍然是預檢、分流與可證據化回答

1.2 NIST / CISA / Confidential AI：公共網站 AI 的底線是安全與隔離

2. 智慧圖書館與知識服務

2.1 Google Open Knowledge Format：知識服務的競爭點變成資料結構與可交換性

2.2 MIT Technology Review：web data infrastructure layer for AI

3. 空間管理與智慧場域

3.1 AWS / Google：場域型產品的核心是流程與租戶邊界，不是儀表板本身

3.2 AWS voice / research agent：場域與研究流程正在被「可對話工作流」取代

4. 企業應用與流程自動化

4.1 TechCrunch / HN：AI budget、custom chip 與人才流動，開始影響企業採購邏輯

4.2 OpenAI / Anthropic：商業化的下一步不是更多功能，而是更強的可控性

5. AI 搜尋 / RAG / 知識庫技術

5.1 Google Cloud + MIT TR：RAG 的下一階段是標準化的知識格式與 web data layer

5.2 NNGroup：Context Architecture 是 AI 知識服務的設計主軸

6. AI Agent 應用與新知趨勢

6.1 Google：Interactions API + Gemini app，正在把 agent UX 標準化

6.2 GitHub：custom agents 進入 workflow-native / repo-native 階段

7. 軟體設計 / 系統設計 / AI-assisted development

7.1 GitHub / Copilot / Semantic Kernel：開發代理的競爭重點是「能否進流程」

7.2 AWS / Google / OpenAI：生產級 agent 都在往觀測、權限與計價走

8. UX / 網頁設計 / 互動設計

8.1 UX Collective：design system judgment 會變成 AI 時代的權力問題

8.2 NNGroup / Smashing：不確定性與 context 的設計，已是正式 UX 問題

9. AI 應用發展與產品化

9.1 Google Cloud / Figma：AI 產品化的重點是把能力嵌入原工作流

9.2 AWS / Research / Healthcare：垂直場景比通用助手更能證明 ROI

10. 政策、資安與治理

10.1 Google Confidential AI / NIST / CISA：治理已經是產品規格，不是簡報附錄

10.2 Anthropic / Reuters：能力保護、競爭壓力與供應鏈安全開始交疊

GitHub / Hacker News 工程社群信號

今日關聯圖譜

可沉澱為筆記的觀察

  1. Agent 的核心是工作流，不是聊天。 先定義任務邊界、資料邊界、核准點、回退路徑，再談自動化。
  2. Context architecture 已經取代單純的資訊架構。 來源、章節、版本、權限、更新週期，決定知識服務能不能給 agent 用。
  3. AI 導入的第一個治理問題是可控性。 權限、稽核、費用、撤銷、責任邊界，會直接決定能不能上線。
  4. repo-native / team-native 是 coding agent 的門檻。 沒有測試、規範、歷史與審查，agent 很難進正式團隊流程。
  5. UX 必須顯示不確定性。 AI 介面若不呈現來源、信心、限制與撤銷，信任會很快流失。

可轉化為產品或提案的機會

  1. 政府網站 AI 預檢包：規則預檢、補件提醒、人工接手、錯誤回報與稽核紀錄。
  2. 知識庫 / RAG 可信任升級包：引用卡、版本控制、更新週期、查詢回放、失敗分類。
  3. 企業 agent 導入工作坊：role / boundary / approval / audit / SLA 一次定義。
  4. 智慧場域管理儀表板：事件規則、AI 建議、人工確認、事後報告與權限矩陣。
  5. AI-assisted development 套件：AGENTS.md、測試門檻、PR checklist、repo-native 規範。

週五回顧與關聯筆記（僅週五必填；非週五可寫「本區週五更新」）

本區週五更新。今天是週四（2026-06-25），不產出週五回顧筆記；本週累積主題仍是「agent 標準化、企業治理、知識格式與 workflow-native 工具鏈」。

可用於網站的摘要

今天的 AI 訊號很集中：Google 把 Gemini 推向 agent 入口與企業平台，AWS 把 agent 做成可上線、可隔離、可計價的生產堆疊，GitHub 則把 coding agent 拉進 repo 與工作流。UX / 設計社群開始把不確定性、context architecture 與 design system judgment 當成正式設計問題，而 OpenAI / Anthropic 則以治理、能力保護與企業封裝作為主線。對軟體專案公司來說，今天最重要的啟發是：AI 導入不只是加一個聊天框，而是要重寫流程、權限、知識結構與驗收方式。

電子報草稿

主旨建議：AI 正從聊天工具變成工作流底層：Google、AWS、GitHub 同步推進，OpenAI / Anthropic 走治理線

開場：今天的重點不是某個模型又多強，而是大廠正在把 AI 變成可治理、可部署、可交接的工作流層。Google 把 Gemini 推向 agent 入口，AWS 把 Bedrock AgentCore 做成生產堆疊，GitHub 則把 coding agent 深入 repo 與團隊流程。

核心解讀：

  1. 入口標準化比單一模型更重要。
  2. RAG 的核心正在轉向 context architecture 與知識格式。
  3. coding agent 必須 repo-native，否則進不了正式團隊。
  4. UX 要明確呈現不確定性、來源與撤銷。
  5. 治理、權限與成本控制會直接決定 AI 能不能正式採購。

讀者下一步：先挑一個重複性高、風險低的流程做 agent PoC，例如知識庫查詢、工單分流、文件預檢或研究摘要；同時把資料邊界、核准點、錯誤回報、審計與費用上限一起定義。

值得追蹤

本日來源維護紀錄

想持續收到這類整理？

訂閱後可在網站閱讀每日報告，也可透過每封信底部連結或取消訂閱頁退訂。