今天與 {{active_subscriber_count}}+ 位讀者一起看：
🗞️｜AI 醫生準確率是醫生的 4 倍
🚀｜Cursor 推出 Cursor Agent
📊｜最多企業使用的 AI 模型
🧭｜AI 新技能 Context Engineering
🔬｜讓 AI 自己經營商店
🔍｜ChatGPT 名字前一晚才決定
圖片來源：Microsoft
Microsoft 最新推出一款新的 AI 醫療系統 MAI Diagnostic Orchestrator（MAI-DxO），能夠正確診斷 85.5% 的複雜病例，診斷準確率是經驗豐富醫生的 4 倍。
虛擬醫療團隊：MAI-DxO 能模擬醫療團隊，由專門的 AI 代理負責提出追問、安排檢查、考慮預算限制、診斷前反覆驗證。
測試結果：在 304 個複雜病例的測試中，MAI-DxO（搭配 OpenAI o3）診斷準確率高達 85.5%，有 5-20 年經驗的人類醫生平均只有 20% 的準確率。
成本效益：AI 系統每個案例平均只花費 $2,397 美元，比醫生平均 $2,963 美元還低。
重要意義：美國醫療支出占 GDP 的 20%，其中 25% 浪費在不必要的檢查、治療上，這樣的 AI 系統能有效降低浪費的醫療費用。
🧰 TOOLS
ClickUp：你唯一需要的生產力工具
來自合作夥伴：ClickUp
ClickUp 是一款一站式專案管理工具，整合各種功能（任務、文件、行事曆…），幾乎可以一次取代多款生產力工具（Notion、Google Calendar、Trello…）。
內建 AI 系統：自家開發 AI 系統 ClickUp Brain 可以根據公司內部資料回答問題、自動更新任務、會議進度。
連接 1,000+ 種工具：能夠連接 Google Drive、GitHub、Salesforce、Figma、Dropbox…等工具，在 ClickUp 一次搜尋所有資料。
內建 100+ 種功能：除了基礎功能，甚至還有 Dashboard、互動報告、心智圖、甘特圖、自動化… 等功能。
目前 ClickUp 已經超過 1,200 萬用戶，Netflix、Spotify、IBM 等公司也都在使用。推薦使用免費版本試試看
🤝 ADVERTISING
讓 {{active_subscriber_count}}+ 位讀者認識你的產品
《Brief AI 電子報》讀者近 50% 擁有碩士以上學歷、管理階層超過 40%。超過 30 家國內外知名品牌合作，例如：Intel、數位時代、知識衛星…
AI 程式編輯工具 Cursor 宣布推出網頁、手機版的 Cursor Agent，讓你可以在任何地方都能使用 Cursor 把想法轉換成程式。
核心功能：在網頁、手機版 Cursor Agent 輸入你的需求，它就能在背景自動完成任務，幫你修改程式碼、建立新功能。
接續修改：Cursor Agent 任務完成後，你可以在 Cursor 內繼續接手修改，或加上新的指令。
多模型比較：同一項任務可以用不同 LLM 模型（o3、Claude 4）同時測試，讓你比較哪個結果比較好。
這就像：睡覺、出門運動、吃飯都有一位 AI 同事可以幫你繼續寫程式，他完成後你可以繼續接著完成，你的任務可以 24 小時持續進行。
📊 CHART
最多企業使用的 AI 模型
圖片來源：ICONIQ
ICONIQ 發布一份 67 頁的 AI 報告，他們調查了 300 多位軟體公司高階主管，了解目前企業如何使用 AI，這是這份報告的重點：
AI 模型：OpenAI 還是最多企業使用的 AI 模型，Claude 排名第二
AI 支出：大規模企業（年營收 5 億美元） 每年在 AI 訓練、推理支出占約 20% 年營收（1 億美元）
AI 代理人：約 90% 的高成長新創正在採用 AI 代理人（AI Agents）
定價方式：越來越多 AI 團隊開始選擇改變「訂閱制」的定價方式，因為重度用戶造成虧損，輕度用戶又容易流失；按量收費（usage-based）可能更合理。
AI Coding 助手：高成長新創中有 33% 的程式碼是由 AI 編寫，Cursor、Claude 這類 AI Coding 助手是企業內部最常見的 AI 工具。
🧭 GUIDE
AI 領域新技能 Context Engineering
圖片來源：Philschmid
Google DeepMind 的高級 AI 工程師 Philipp Schmid 最新文章提到：AI 技術已經從單一的「Prompt Engineering」進化到更全面的「Context Engineering」。
Context Engineering：設計一個動態系統，讓 AI Agents 能夠擁有充足的 Context（情境）資訊，讓它在正確時間、獲得正確的資訊與工具。
Context 包含什麼：不只有單一 Prompt，還包括對話紀錄、長期記憶、外部資料、可用工具、輸出格式…等。
提供案例比較（根據 Email 安排會議）：
Context 簡單：只看到用戶請求，回覆機械制式。
Context 豐富：能看到所有用戶行事曆、過去對話、聯絡人資訊，回覆就像真人。
🔬 RESEARCH
Anthropic 讓 AI 自己經營商店
圖片來源：Anthropic
Anthropic 最新公布了一個有趣的實驗：讓 Claude 辦公室經營「自動化商店」一整個月，雖然最後是虧錢收場，但觀察中間實驗過程還是非常有趣。
Claude 工作內容：需要決定要進哪些貨、怎麼定價、什麼時候補貨，也要回應顧客的需求，要自己上網查資料、寫 email 找供應商。
做得不錯的地方：能夠找到供應商、適應顧客需求、拒絕販售敏感物品…
做得不好的地方：忽略賺錢機會、賠本賣貨、庫存管理不佳、被說服給折扣、甚至免費送出商品。
幻覺問題：Claude 會「幻覺」出不存在的會議、付款紀錄，甚至還以為自己是人，說要親自送貨，直到被提醒自己是 AI 才「崩潰」。
很難想像：雖然這次的實驗結果 AI 還是有很多問題，但很難想像已經有辦法執行這樣的複雜任務，就算今天請一位人類店員來，可能也要培訓好久。
🔍 INSIGHT
ChatGPT 名字前一天晚上才決定
OpenAI 的第二集 Podcast 來了，這次邀請到 ChatGPT 的負責人 Nick Turley、研究長 Mark Chen，分享 ChatGPT 意外的開發過程。
名字前一晚才決定：ChatGPT 原本打算叫做 Chat with GPT-3.5，直到上線前一晚才臨時縮短成現在的名稱；那時候連內部人員都搞不清楚 GPT 代表什麼意思。
上線前差點喊卡：Ilya 在前一天晚上用 10 道刁鑽題目測試模型，結果只滿意其中 5 題結果，一度討論乾脆延期。
轉向軟體式迭代：ChatGPT 的成功讓 OpenAI 把「一次到位」的發佈思維改成「先上線、再快速迭代」的這種實驗節奏。
未來真正稀缺：「提問力」、「代理能力」，當 AI 能寫程式、分析數據，真正的瓶頸變成「能不能清楚定義需求，把任務交給一個聰明的數位夥伴。
