AI 日報： Project Deal 實驗、GPT-5.5 提示詞指南與 NotebookLM 自動分類

這聽起來或許有些不可思議，但人工智慧早已悄悄跨越了單純的文字對話對答，開始在真實世界中執行具體的複雜任務。如今的 AI 代理不僅能幫忙寫程式與整理枯燥的文獻，甚至還能代替人類在辦公室裡討價還價。這一切正以極度流暢的方式融入日常工作流程。接下來將仔細檢視近期幾個備受矚目的核心技術進展，看看這些聰明的系統如何重塑數位體驗與商業互動。

當 AI 開始在辦公室討價還價：Anthropic 的 Project Deal 帶來了哪些驚喜？

老實說，讓 AI 代替人類進行金錢交易聽起來有點像科幻小說的情節。Anthropic 近期發布了一項名為 Project Deal 的內部實驗研究，結果卻證明這完全可行，甚至表現得相當出色。

這場實驗在一個基於 Slack 建立的辦公室內部市場中進行。69 名員工並沒有親自上陣，他們全權委託 Claude 模型代表自己執行買賣職能。這可是一場涉及真實資金往來的活動。這群 Claude 代理在上架的 500 多件實體商品中，成功促成了 186 筆交易，總成交額突破 4000 美元。從滑雪板到一整袋乒乓球，AI 在這段期間必須自行評估商品價值、提出報價並與其他 AI 展開激烈的談判。如果有興趣了解完整的數據與實驗設計細節，可以直接參考這份詳盡的 官方 PDF 報告。

人們可能會問：讓 AI 自己談判，人類真的會滿意結果嗎？實驗數據給出了一個令人深思的答案。代表員工出面的模型如果是能力更強的 Opus 版本，通常能比輕量級的 Haiku 版本取得更優渥的交易條件。Opus 代理不僅能賣出更多商品，還能為同一個物品爭取到更高的售價。有趣的是，那些被較弱模型代表的員工，在事後的滿意度調查中竟然完全沒有察覺到自己處於劣勢。這引發了一個值得探討的議題。未來當 AI 廣泛代理人類進行商業互動時，模型智商的落差很可能會在無形中造成一種全新的經濟階層差異。這的確是個必須謹慎面對的發展方向。

不再需要專屬模型了：GPT-5.5 如何一口氣吞下 Codex 並稱霸電腦操作

除了在辦公室買賣物品，AI 代理在軟體工程領域的進化也同樣令人矚目。OpenAI 的 Romain Huet 在 4 月 25 日透過社群平台 X 宣布了一項重大架構調整。知名的專用程式設計模型 Codex 已經正式終止了獨立分支。

大家或許會好奇：為什麼 OpenAI 要取消這個廣受歡迎的獨立模型？原因其實很直接。從 GPT-5.4 開始，Codex 的核心能力就已經無縫融合到主模型中。而最新推出的 GPT-5.5 更將這種整合推向了極致。這款新模型在代理程式編寫、電腦操作以及各種終端任務上，都展現出極為強悍的效能提升。

開發者不再需要針對不同任務切換不同的專用模型。一個統一的系統就能處理各種複雜的電腦指令與開發工作。這不僅大幅減少了系統維護的負擔，也讓開發團隊能更專注於產品邏輯本身，享受毫無阻礙的流暢體驗。

來源太多讓人崩潰？NotebookLM 的自動分類功能或許是完美解藥

當強大的 AI 代理忙著寫程式或買賣商品時，人類依然需要大量閱讀並吸收新知。面對龐雜的參考資料，Google 推出的 NotebookLM 剛好解決了整理資訊的痛點。官方日前在 社群貼文 中展示了極具實用性的全新功能。

面對成堆的文件與網頁連結總是讓人感到不知所措吧？現在情況不同了。NotebookLM 推出了一項強大的來源自動分類功能。只要使用者匯入超過 5 個以上的參考資料，系統就會自動加上標籤並進行智慧歸類。大家可以省下漫無目的滾動頁面的時間，把珍貴的腦力保留給思考與學習。此外，使用者還能自由重新命名、重新組織這些分類，甚至加上專屬的表情符號。這讓生硬的文獻整理過程多了一點個人化的樂趣，完美詮釋了科技如何體貼地減少知識工作者的日常負擔。

別再下指導棋了：GPT-5.5 指令撰寫指南教你如何真正放手

既然新一代模型變得如此聰明，人類與它們溝通的方式當然也得跟著進化。OpenAI 最新釋出的GPT-5.5 提示詞指南 清楚點出了一個關鍵思維。這份指南建議大家徹底拋棄過去那種冗長且充滿防呆步驟的提示詞架構。

或許有人會疑惑：GPT-5.5 的指令撰寫到底和舊版有什麼根本差異？簡單來說，就是學會放手。

簡潔且以結果為導向的指令現在能發揮更好的效果。面對具備高階推理能力的系統，明確描述成功的樣貌、相關限制條件、可用證據以及最終答案應包含的內容就已經足夠。過度規定執行細節反而會限制模型的搜尋彈性，甚至增加雜訊，導致產出的內容顯得極度機械化。

這份指南同時也揭示了幾個控制高階 AI 代理的有效策略：

• 明確定義性格與協作風格：針對需要面對客戶的應用程式，單純給予任務是不夠的。清楚設定 AI 的語氣、幽默感、同理心以及主動提問的時機，能確保系統展現出穩健且符合產品定位的樣貌。
• 善用前言來縮短視覺等待：在處理需要呼叫大量工具的漫長任務時，引導模型先輸出一段簡短的「前言」來確認任務並說明第一步動作。這能極大化地提升使用者對於系統反應速度的良好觀感。
• 設定嚴格的檢索預算：這等於是告訴模型什麼時候該停止盲目搜尋。如果初步結果已經包含足夠的證據來回答核心問題，就直接給出答案。不要為了修飾詞句而進行無謂的二次檢索，這對於節省運算資源至關重要。
• 視覺與前端輸出的驗證控制：當 AI 負責生成介面或程式碼時，請直接給予它們檢查自己產出結果的工具。要求模型在給出最終答案前先進行測試或渲染檢查，能大幅降低錯誤率。
• 善用階段參數 (Phase)：對於依賴工具的複雜流程，維持輔助項目階段值的正確傳遞，能幫助系統清楚分辨哪些是過渡性回報，哪些才是最終要呈現給使用者的答案。

科技的演進往往出人意料地貼近日常生活。從懂得討價還價的虛擬辦公室助理，到具備極高自主編碼能力的單一模型，再到自動整理資料的聰明筆記本，各種應用正以極其自然的姿態重塑各種作業標準。掌握如何向這些高階系統下達清晰且目標導向的指令，將會是未來每個人都必須具備的關鍵技能。

問與答

Q1：在 Anthropic 的 Project Deal 實驗中，較聰明的 AI 模型和較弱的模型在代替人類談判時，有什麼具體的差異？人類有發現嗎？ A1： 實驗數據顯示，較強的模型（Opus）在客觀上表現更好，能比輕量級模型（Haiku）完成更多筆交易，且賣出相同物品的價格平均也更高。然而，令人深思的是，事後的滿意度調查指出，被較弱模型代表的人類員工在主觀上完全沒有察覺到自己處於劣勢，甚至認為交易相當公平。這暗示了未來 AI 代理經濟中，可能會在無形中產生資訊或能力的階層落差。

Q2：為什麼 OpenAI 決定取消專門用於寫程式的 Codex 獨立分支？ A2： 根據 Romain Huet 在 2026 年 4 月 25 日的宣布，自從 GPT-5.4 開始，Codex 的程式設計能力就已經被統一整合進主模型中，因此不再需要維持獨立的程式碼分支。最新推出的 GPT-5.5 更進一步強化了代理程式編寫與電腦操作任務的效能，現在開發者只需透過單一統一的系統，就能流暢處理各種複雜的開發工作。

Q3：當面對龐雜的文獻時，NotebookLM 提供了什麼新功能來幫助知識工作者？ A3： NotebookLM 推出了強大的「自動標籤與分類」功能。當使用者匯入 5 個以上的參考來源時，系統就會自動對這些來源進行智慧歸類與標註。此外，使用者還可以自由重新命名、重新組織這些分類目錄，甚至加上專屬的表情符號（Emojis），讓文獻整理過程既省時又具備個人化樂趣。

Q4：根據 OpenAI 最新的 GPT-5.5 提示詞指南，我們在寫指令時應該做什麼根本的改變？ A4： 核心改變是「以結果為導向」，學會對模型放手。指南建議拋棄過去冗長且過度規定步驟的提示詞架構。面對具備高階推理能力的 GPT-5.5，只需要明確定義成功的樣貌、限制條件以及最終答案應包含的內容，讓模型自行選擇達成目標的路徑。過度規定執行細節反而會增加雜訊，限制模型的搜尋彈性，導致產出結果過於機械化。