Daily Briefing
2026-06-22 AI Daily
AI 工作流正把長上下文、跨工作階段記憶與程式碼驗證，轉成可量測、可重現的工程能力。 3 則 AI 技術與產品重點：SubQ 1.1 Small 在 1,200 萬 token 檢索測試達 98%、Recall 0.3.4 為本機專案記憶加入摘要評測與 CI 品質門檻、Salesforce 用七項工程模式維持 AI agent 程式碼品質
01 / AI 模型
SubQ 1.1 Small 在 1,200 萬 token 檢索測試達 98%
Subquadratic 發布 SubQ 1.1 Small 模型卡，採線性稀疏注意力。大海撈針檢索測試經 Appen 獨立驗證，模型在 1,200 萬 token 達 98%。官方指出，100 萬 token 時，單層注意力計算量比 dense attention 少 64.5 倍，速度比 FlashAttention-2 快 56 倍。長文件團隊可用自家程式碼庫或合約測試跨段推理、延遲與成本。
關鍵影響：用自家長文件驗證準確率、延遲與成本
02 / AI 工具
Recall 0.3.4 為本機專案記憶加入摘要評測與 CI 品質門檻
開源 Claude Code 外掛 Recall 0.3.4 透過 hooks 將工作階段寫入 history.md，再以本機 TF-IDF 與 TextRank 產生 context.md。新版加入摘要評測與 CI 品質門檻，並讓 NumPy 與純 Python 兩條路徑產生一致結果。團隊可在測試專案檢查摘要是否保留目標、檔案異動與下一步，再評估敏感資訊遮蔽及 context.md 的共享權限。
關鍵影響：先用測試專案驗證摘要與資訊遮蔽
03 / AI 工程
Salesforce 用七項工程模式維持 AI agent 程式碼品質
Salesforce Agent Fabric 團隊整理七項 AI agent 開發模式，核心是讓驗證速度跟上程式碼生成速度。做法包含把關鍵標準寫成 CI 自動檢查、另訂獨立於 agent 產出測試的驗收標準、以突變測試確認測試能抓到錯誤，再疊加端對端測試與人工審查。團隊可盤點常見失敗模式，把高風險規則寫成檢查項目並納入版本控管，依變更風險設定驗證層級。
關鍵影響：把驗收標準寫進 CI 並用突變測試驗證
來源：Maintaining Code Quality at Agent Speed: 7 Patterns for Agentic Engineering