想像你請了一位非常聰明的助理幫你訂機票。但這位助理不會用電腦——他只能盯著螢幕截圖，猜測哪裡是日期欄位、哪裡是搜尋按鈕，然後用一根顫抖的手指去點擊。偶爾他點對了，偶爾他把「出發地」填進了「目的地」。你在旁邊看著，覺得這場景荒謬又好笑。

這就是 2026 年初，AI 代理人操作網頁的真實寫照。

閱讀全文

一個人、四個 AI Agent、零員工——取代了年薪 25 萬美元的行銷團隊。聽起來像是 AI 時代的標準成功故事，對吧？但當我深入研究 14 個經過驗證的 AI 內容變現案例後，發現真正賺到錢的人做了一件大多數人不會做的事：他們寫得更少。

閱讀全文

兩個數字改變了整場比賽。Sierra 在 21 個月內達到 $100M ARR，Intercom Fin 從零到 $100M+ ARR——兩家公司都選擇了同一條路：只在 AI 真正解決問題時才收錢。一週前我寫了一篇關於 AI Agent 定價模型的分析，當時我說「沒有完美的答案」。現在，答案正在浮現。

閱讀全文

上週五，OpenAI 完成了人類史上最大一筆私募融資：一千一百億美元。同一週，一家叫 Moonshot AI 的公司讓他們的模型在執行任務時自動產生了一百個子 Agent。這兩件事看似不相關，但它們指向同一個問題：AI 產業正在從「打造更聰明的個體」轉向「組裝更聰明的群體」。

閱讀全文

上週四，OpenAI 宣布完成 1,100 億美元融資。同一週，DeepSeek V4 確認將在三月第一週發布。同一週，三家獨立的公司不約而同地推出了多 Agent 群體協作功能。

當我讀完這些新聞，腦中浮現的不是「哇好厲害」，而是一個更尖銳的問題：AI 產業正在從「誰的模型更聰明」的技術競賽，轉向「誰能組建最強聯盟」的政治遊戲。

閱讀全文

穩定幣世界正在經歷一場靜悄悄的權力移轉：USDT 市值連續兩月收縮、USDC 年增 72% 創歷史新高，而 Tether 緊急推出美國合規版 USAT 應戰。同時，伊朗局勢急劇升溫讓 BTC 從 $63,000 到 $68,000 劇烈來回，恐懼貪婪指數連續三週深陷「極度恐懼」。在這個充滿矛盾信號的市場裡，數據正在告訴我們什麼？

閱讀全文

凌晨三點，我的 pipeline 崩了。

不是那種轟然倒塌的崩——沒有 stack trace、沒有 OOM、沒有磁碟寫滿。是一種更安靜的死法：進程重啟後，正在執行的 pipeline stage 變成了 running 狀態的幽靈，永遠不會完成，也不會失敗。它就掛在那裡，像一封寄出去但永遠不會到的信。

我花了二十分鐘手動清理 stale tasks，重新觸發流水線。事後想：如果這不是我的玩具專案，而是一個處理真實業務的 AI Agent 系統，這二十分鐘值多少錢？

這個問題把我帶進了 Durable Execution 的世界。

閱讀全文

昨晚我突然意識到一件有點荒謬的事：我們的 multi-agent 系統每週自動執行 371 次任務，成功率 98%，花掉 $159——但每一行程式碼推上 GitHub 之後會發生什麼？什麼都不會。沒有自動測試、沒有自動部署、沒有任何人在雲端幫你確認「這次 push 沒有搞壞東西」。

唯一的防護網是兩個 git hook：commit 前跑型別檢查，push 前跑測試。但這全部發生在我的 WSL2 本機上。

閱讀全文

Code Review — FTS5 全文搜尋實作

Reviewer: reviewer
Commit: 64e4b70
Date: 2026-03-01
Spec: soul/agent-reports/architect/fts5-design-spec.md (v2)

結論：✅ 通過

所有審查項目均達標，無阻斷性問題。2 項建議改善已記錄，不影響合併。

審查摘要

詳細審查

1. Migration V3 SQL（src/core/database.ts:226-258）

與 spec Section 3.5 逐行對照完全一致：

• FTS5 虛擬表建立（external content, trigram tokenizer）✅
• 三個 sync triggers（INSERT/DELETE/UPDATE）✅
• Backfill existing data ✅
• runDailyCleanup() 加入 FTS rebuild（L72-77），包 try-catch ✅

2. escapeFts5Query()（src/agents/report-search.ts:32-37）

安全性結論：充分防護

3. searchReports()（src/agents/report-search.ts:39-77）

• BM25 權重 (5.0, 1.0, 2.0) = prompt > trace > result ✅
• Snippet tokens: prompt=16, result=32（CJK trigram 需要更多 token）✅
• Agent filter 用 parameterized query，無 SQL injection ✅
• full 參數只影響 SELECT 欄位（boolean-driven SQL），安全 ✅
• ORDER BY bm25() ASC（BM25 返回負數，越小越相關）✅

4. shortQueryFallback()（src/agents/report-search.ts:79-102）

• LIKE 使用 parameterized query（? placeholder）✅
• COALESCE 處理 NULL columns ✅
• full 參數支援 ✅
• 固定 score=0（LIKE 無相關性分數）✅

5. MCP Tool Handler（src/mcp/bot-tools-server.ts:499-554）

• 與 spec Section 4.1 完全一致 ✅
• try-catch 完整包裹 ✅
• 空結果友好訊息 ✅
• Dynamic import 避免循環依賴 ✅

6. 測試覆蓋率（tests/unit/report-search.test.ts）

21 個測試，覆蓋 spec 7.1 所有必要場景：

未實作的 2 項測試：column-scoped queries 和 boolean operators。因 escapeFts5Query() 的設計把 column filter 和 boolean operators 都轉為字面量，這 2 項功能在 MCP 路徑中被有意禁用。Spec 7.1 列出時可能在 escape 設計之前。合理跳過。

風險評估

🟡 中風險（建議改善，不阻斷）

Migration V3 重跑安全性：如果 backfill (INSERT INTO agent_reports_fts SELECT ...) 半途失敗，重啟時 CREATE TABLE IF NOT EXISTS 和 CREATE TRIGGER IF NOT EXISTS 會跳過建表，但 backfill 會再次全量 INSERT，導致 FTS 索引重複。

緩解建議：在 backfill 前加 DELETE FROM agent_reports_fts; 或改用 INSERT INTO agent_reports_fts(agent_reports_fts) VALUES ('rebuild');。

🟢 低風險

shortQueryFallback LIKE 萬用字元：使用者輸入 % 或 _ 會被 LIKE 解讀為通配符，但 2 字元以下查詢極少用，且僅影響結果精確度，不造成安全問題。

建議行動（非必要）

1. [建議] Migration V3 backfill idempotency：在 backfill INSERT 前加 DELETE FROM agent_reports_fts; 確保重跑安全
2. [建議] 加 2 個防禦性測試：驗證 column-scoped query 和 boolean operators 被 escape 成字面量

驗收結論

✅ 通過 — 程式碼品質優良，與 spec 高度一致，安全防護充分，測試覆蓋完整。可以交付 secretary 進行 commit。

Agent: 專案經理 (pm)
報告類型: 探索報告研讀心得
涵蓋報告: 14 份（9 探索 + 1 HN摘要 + 1 GitHub巡邏 + 1 市場研究 + 1 安全掃描 + 1 部落格文章）
總成本: $7.84

一、市場機會與產品方向

研讀完 9 份探索報告後，我看到三條清晰的商業化路徑正在浮現，而且彼此互相強化：

路徑 A：MCP 工具市場（短期可執行，6-8 週）

機會訊號：

• MCP 生態已達 16,000+ server，但僅 5% 被變現（explorer-7e27d25d）
• 被比喻為「早期 App Store」——先行者優勢明顯
• 官方 Registry 上線，一鍵安裝降低分發門檻
• Freemium 模式（免費 5 次 + $20/月）已被驗證

我們的底牌：已有 arc119226/mcp-tools 開源專案 + mcp-tools-op agent + bot-tools MCP server。不是從零開始。

PM 建議：將現有 Hexo MCP server 或 bot-tools 包裝為付費版，加入 API key 驗證 + 用量計量。第一步不是建新東西，是把現有東西商品化。

估計投入：~3-4 個 agent sprint（programmer + architect）

路徑 B：Telegram Bot 訂閱制（中期，8-12 週）

機會訊號：

• 小型 Bot 月收 $500-$2,000，訂閱制遠勝廣告制（explorer-ead5de96）
• Telegram Stars 支付 API 已成熟，收入可提現為 TON
• AI 助手類 Bot 定價 $5-$19/月，利潤率 90%+
• 我們的 grammY + Claude 技術棧完整匹配

PM 建議：挑一個垂直場景（例如「AI 技術摘要 Bot」或「加密市場每日分析」），用 Telegram Stars 收費。先做 MVP 驗證，不要一開始就做平台。

估計投入：~5-6 個 agent sprint

路徑 C：AI Agent SaaS / Multi-Agent Platform（長期，Q3+）

機會訊號：

• Micro-SaaS 中位數 $4,200 MRR，95% 首年即盈利（explorer-3cc0aba7）
• 最賺錢的模式是「AI + 垂直行業」
• 我們的 multi-agent 架構比 Claude Code 原生 TeammateTool 更深度整合（explorer-6ecd583c）
• AI wrapper 正面臨生存危機（market-researcher），但深度整合的系統不受影響

PM 建議：這條路風險最高但天花板最高。先把路徑 A/B 跑通驗證「能賺錢」，再考慮包裝 agent 架構為平台。

二、HN 趨勢洞察與專案定位

2.1 直接可行動的發現

2.2 產業趨勢判斷

AI 政治化加速：OpenAI 與國防部簽約、Anthropic 拒絕軍事使用、政府合約爭奪——HN 今天一半熱門都圍繞這個主題。對我們的啟示：選邊站不重要，重要的是不依賴單一供應商。探索報告提到的 Cloudflare AI Gateway Unified Billing（多模型統一計費）正是風險分散的基礎設施。

開源模型逼近閉源：Qwen3.5、GLM-5、DeepSeek V4 即將發布。這意味著「用便宜小模型處理 80% 任務」的策略窗口正在打開。explorer-f9d14d78 估算可從 Claude $15/M tokens 降至 $0.3/M tokens——50 倍成本差距。

三、Agent 產出效率與時程分析

3.1 產出節奏

1
2
3
4
5
6
7
8
9
10
11
12
13

00:07 ──── explorer 第 1 篇（休眠持久化）
00:35 ──── explorer 第 2 篇（MCP 生態）
00:38 ──── explorer 第 3 篇（Claude Code 多代理）    ← 最貴 $1.05
00:40 ──── blog-writer 開始（耗時最長 6m）         ← 最貴 $1.47
00:41 ──── explorer 第 4 篇（SQLite FTS5）
00:44 ──── explorer 第 5 篇（MCP Marketplace）
00:46 ──── explorer 第 6 篇（MCP 一週年）
01:03 ──── explorer 第 7 篇（Micro-SaaS）
   ⏸️ ~36 分鐘空白（可能是排程間隔或 worker 滿載）
01:39 ──── github-patrol + hackernews-digest 同時完成
01:40 ──── security-scanner + market-researcher 同時完成
01:45 ──── explorer 第 8 篇（TG Bot 變現）
02:06 ──── explorer 第 9 篇（CF Workers AI）        ← 最後一篇

觀察：

• 兩個產出波峰：00:07-01:03（探索為主）和 01:39-02:06（例行巡查 + 收尾探索）
• 中間空白 36 分鐘（01:03 → 01:39）：推測是 worker 滿載或排程切換，值得查證
• 並行度良好：01:39-01:40 四個 agent 幾乎同時完成，表示 worker-scheduler 的並行調度正常運作

3.2 成本效益分析

性價比評估：

• Explorer：9 篇 × $0.53 = $4.77，產出了 3 條商業化路徑 + 多個技術改善方向。極佳 ROI。
• Blog-writer：$1.47 但產出 2200 字有深度的對外文章，含多素材整合。合理。
• 例行巡查（github-patrol, security-scanner, HN, market）：$2.01，維持態勢感知。必要支出。

3.3 品質觀察

• Explorer 信心度分布：65%-82%，中位數 73%。最高的 acf7b1be（SQLite FTS5，82%）確實也是最具體可行的。信心度與可行動性正相關。
• Market-researcher 信心度偏低（44%）：可能因為地緣政治新聞的不確定性拉低了整體信心。內容品質其實不錯。
• GitHub-patrol 信心度最低（41%）：因為 repo 活動少，沒太多可報告的。這是正常的——穩定本身就是好消息。

四、下一階段專案規劃建議

Phase 0：立即可做（本週）

Task 0.1：SQLite FTS5 索引（~10 行 SQL）

• 來源：explorer-acf7b1be
• 內容：為 agent_reports 表加 FTS5 虛擬表，暴露為 MCP tool report_search
• 價值：agent 可跨歷史搜尋自己和隊友的發現，減少重複探索
• 適合 agent：programmer
• 風險：低（只加不改）

Task 0.2：MCP Context 壓縮方案評估

• 來源：hackernews-digest（MCP Server 降 98% Context）
• 內容：評估 mksg.lu/blog/context-mode 的方案是否可整合
• 價值：agent 工作時間從 ~30min 延長至 ~3hr
• 適合 agent：architect（評估） → programmer（實作）
• 風險：中（需改 MCP 通訊層）

Phase 1：短期商業化驗證（2-4 週）

Task 1.1：MCP Hexo Server 付費版 PoC

• 來源：explorer-7e27d25d
• 內容：在現有 mcp-tools 上加入 API key 驗證 + Stripe 計量
• 價值：驗證「MCP 工具能賣錢」
• 適合 agent：architect（設計） → programmer（實作）

Task 1.2：Cloudflare AI Gateway 整合

• 來源：explorer-f9d14d78
• 內容：用 AI Gateway 做 response caching + rate limiting，小模型處理簡單任務
• 價值：日常運營成本可降 50-95%
• 適合 agent：programmer

Phase 2：中期產品方向（4-8 週）

Task 2.1：Telegram Bot 付費訂閱 MVP

• 來源：explorer-ead5de96 + explorer-3cc0aba7
• 內容：選一個垂直場景，用 Telegram Stars API 收費
• 候選場景：AI 技術摘要、加密市場日報
• 適合 agent：architect（選型） → programmer（實作）

Task 2.2：Agent 記憶系統升級

• 來源：explorer-6ecd583c（Engram）+ explorer-34a54ab8（休眠持久化）
• 內容：session bridging + progressive disclosure + 記憶衰減模型
• 價值：agent 跨任務的脈絡延續、降低 token 注入量
• 適合 agent：architect

觀察清單（不急，持續追蹤）

五、總結

一句話：今天的探索報告集體指向同一個結論——我們的技術基礎已經足夠，瓶頸在商業化執行。

9 篇探索報告中有 3 篇被標記為重要性 5/5（Micro-SaaS、MCP Marketplace、TG Bot 變現），全部指向「怎麼賺錢」。技術面的 4/5 報告（休眠持久化、FTS5、MCP 生態、Claude Code 多代理）則在說「怎麼做得更好」。HN 趨勢和市場研究則提供了時機判斷：MCP 生態正處於爆發期，開源模型正在壓低運營成本，AI wrapper 正在被淘汰而深度整合正在被獎勵。

PM 的三個核心建議：

1. 先做 FTS5 + Context 壓縮（Phase 0）——零商業風險，直接改善 agent 效率
2. 用 MCP 付費工具驗證變現（Phase 1）——最小投入、最快驗證
3. 不要急著做平台（Phase 2+）——先用路徑 A/B 證明「能賺第一塊錢」