DEV Community: 邱敬幃 Pardn Chiu

Agenvoy@v0.27.10

邱敬幃 Pardn Chiu — Sat, 27 Jun 2026 03:54:37 +0000

Agenvoy - A personal agent that writes its own tools and repairs itself — Make AI actually work for you.

v0.27.5 -> v0.27.10

Summary

Unifies tool adapter and MCP infrastructure while hardening runtime resilience. Consolidates script and API tool guidance under a single ToolGuide layer, adds MCP authentication and automatic reconnection, and introduces provider cooldown with dispatcher retry-and-fallback. New user-facing controls include TUI prompt template selection, LLM-based history compaction, and reasoning-level tuning. Cleans up legacy browser login helpers, bot name sync, and session-scoped MCP configuration.

翻譯

統一 tool adapter 與 MCP 基礎設施，同步強化執行期韌性。將 script 與 API 工具指引合併為單一 ToolGuide 層、新增 MCP 驗證與自動重連、引入 provider 冷卻與 dispatcher fallback 重試機制。使用者面新增 TUI prompt template 選擇、LLM 歷史壓縮、推理等級調整。清理舊版瀏覽器登入 helper、bot 名稱同步與 session 級 MCP 設定。

Changes

FEAT

Add TUI prompt template picker and upgrade go-browser [ec4d553]
Add MCP auth flow and normalize authorization headers [be5b5c0]
Add LLM-based history compaction via /compact command [61029c9]
Add dispatcher retry with fallback and tool activity display in TUI thinking line [0322248]
Add MCP reconnect flow with status display and server info [3636c7a]
Add reasoning level control and copilot priority boost [84b3730]

翻譯

新增 TUI prompt template 選擇器並升級 go-browser
新增 MCP 驗證流程並正規化授權標頭
新增基於 LLM 的歷史壓縮功能，透過 /compact 指令觸發
新增 dispatcher 帶 fallback 的重試機制，並於 TUI thinking 行顯示 tool 活動
新增 MCP 重連流程，含狀態顯示與 server 資訊
新增推理等級控制與 copilot 優先提升

FIX

Reset tool-call state after agent/model switch [d570701]
Always-load RAG tools, switch project instructions to AGENTS.md, and isolate MCP empty schemas [cd690b7]
Fix rate-limit handling and add provider cooldown mechanism [adfbb6b]
Restore Copilot agent naming with copilot@ prefix and schedule session cleanup via system cron [feb21a8]

翻譯

在 agent/model 切換後重置 tool-call 狀態
強制載入 RAG 工具、將專案指示切換至 AGENTS.md，並隔離 MCP 空 schema
修正 rate-limit 處理並新增 provider 冷卻機制
修復 Copilot agent 命名加回 copilot@ 前綴，並透過系統 cron 排程 session 清理

REFACTOR

Replace ScriptToolGuide with unified ToolGuide and rename LoadFS to Builtin in API adapter [9494ed9]
Replace Translator with Adapter and consolidate API execution logic [ccdaf6e]
Hide tool-cache internals and label plug tools generically [035df0c]
Use dedicated download directory path consistently across all callers [a43b0aa]
Normalize record log helpers and standardize slog error labels [d34c5dc]
Rename resolved skill content helpers and normalize error labels [e087005]

翻譯

以統一 ToolGuide 取代 ScriptToolGuide，並將 API adapter 的 LoadFS 更名為 Builtin
以 Adapter 取代 Translator 並整合 API 執行邏輯
隱藏 tool-cache 內部實作並泛化 plug tools 標籤
統一所有 caller 使用專屬下載目錄路徑
正規化記錄 log helper 與 slog 錯誤標籤
重新命名 skill 內容 helper 並正規化錯誤標籤

REMOVE

Remove legacy direct login browser helpers from Copilot and Codex agents [54c7107]
Remove legacy bot name sync and history delete helpers [743e020]
Remove session-scoped MCP config and unify global MCP settings [21df3a0]

翻譯

移除 Copilot 與 Codex agent 的舊版直接登入瀏覽器 helper
移除舊版 bot 名稱同步與 history 刪除 helper
移除 session 級 MCP 設定，統一為全局 MCP 設定

TEST

Add toolAdapter unit tests and update Makefile test target [6144954]

翻譯

新增 toolAdapter 單元測試並更新 Makefile 測試目標

美股盤後分析報告 — 2026/06/23

邱敬幃 Pardn Chiu — Tue, 23 Jun 2026 21:18:56 +0000

資料來源：X/Twitter 財經 KOL（104 則，19 帳號）× Massive API × FMP API × WebSearch

市場氛圍

指標	數值	解讀
市場狀態	Extended-hours（盤後）	收盤後交易中
Fear & Greed	29（恐懼區）	@TheProfInvestor 引用
S&P 500	-0.75% / 距 ATH -3%	@Mr_Derivatives：「Run of the mill so far」
QQQ	-2.5%	科技股領跌
IWM	-0.43%	小型股相對抗跌
RSP	-0.23%	等權重指數微跌，輪動中
Dollar	基底突破	@TheProfInvestor：「similar to Nov 2021, not positive for equities」

板塊輪動： @TheProfInvestor 觀察到資金流入 Healthcare、Finance、Real Estate，流出科技股。S&P 500 跌破 21EMA，Nasdaq 跌破 21EMA。

社群情緒溫度： 恐懼但非恐慌。多數 KOL 認為是「BS narratives」造成的短期去風險，而非基本面惡化。@ZaStocks：「Days like today come with the territory.」@Mr_Derivatives 預期 7 月 VIX 季節性下降，8-10 月才是真正修正。

國際新聞與宏觀環境

地緣政治 — 伊朗衝突持續升溫

中東局勢為 2026 年最大地緣風險。美國中央司令部對伊朗軍事目標的打擊與德黑蘭報復持續，調停崩潰後市場已從「定價停火」轉向「定價長期消耗」。儘管如此，美股主要指數仍創新高，呈現「廢墟中的韌性」。

影響方向： 能源成本上升（利空科技股成本端）、國防板塊受益、避險情緒間歇性湧現
來源：CNBC - Iran war investors | IMF - War Darkens Outlook | Euronews - Resilience amid ruins

央行政策 — Fed 維持利率但轉鷹

6/17 FOMC 會議（Kevin Warsh 首次主持）維持利率 3.50-3.75% 不變，但 dot plot 翻轉為升息：

2026 年底利率中位數上修至 3.8%（3 月為 3.4%）
18 位官員中 9 位預期年底前升息，6 位預期升息 2 次
PCE 通膨預估大幅上修至 3.6%（3 月為 2.7%）
17/18 官員認為通膨風險偏向上行
交易員預期最快 10 月升息
來源：Fed Official Statement | CNBC - Fed holds rates | StockTitan - Dot Plot Flips

宏觀經濟 — CPI 4.2% 創 3 年新高

5 月 CPI 年增 4.2%（4 月 4.0%），為 2023 年 4 月以來最高：

月增 0.5%，能源佔月增幅 60% 以上
核心 CPI（去除食品能源）年增 2.9%，月增 0.2%
6 月 CPI 將於 7/14 公佈
來源：BLS - CPI Summary | BLS - CPI May 2026 PDF

能源 — 油價 $73，伊朗和談預期壓制

WTI 原油跌至 $73.14（-0.97%），過去一個月暴跌 22%：

美國授予伊朗 60 天石油出口許可，市場預期供給增加
OPEC+ 增產 188,000 桶/日
IEA 預估 2026 全球石油供給降至 102.4 mb/d，需求降 1.1 mb/d
來源：IEA - Oil Market Report June 2026 | CNBC - OPEC+ output increase

金融市場事件 — KOSPI 崩盤觸發熔斷

韓國 KOSPI 暴跌 9.99%（-910 點），一日內觸發 2 次熔斷，年內第 4 次：

Samsung -12.3%、SK Hynix -12.5%
外資拋售 5.79 兆韓元（~$38 億美元）
兩大晶片股佔指數近半權重，拖累全場
原因：美國科技股 AI 估值鬆動 → 亞洲 AI/半導體交易大規模平倉
來源：Yahoo Finance - KOSPI Falls 8% | Korea Herald - Kospi crashes 10% | IndexBox - Asian Markets Plunge

CXMT — 中國記憶體巨頭 IPO

長鑫存儲（CXMT）獲上交所科創板 IPO 批准，規模至少 $43 億美元：

Q1 2026 營收 508 億人民幣（YoY +700%），淨利 250 億
H1 2026 指引營收 1100-1200 億，淨利 570 億
全球 DRAM 市佔率 7.67%（中國第一、全球第四）
SemiAnalysis 預估 2026 全年營收近 $550 億，毛利率 75%+
@zephyr_z9 預估 2027 營收翻倍至 $1000-1100 億
來源：Bloomberg - CXMT IPO | Yahoo Finance - CXMT $4.2B IPO | Douglas Research - CXMT IPO Analysis

社群高頻標的 × 即時行情

標的	供應鏈	價格	日漲跌	RSI(14)	MACD	X 帳號數	社群態度
MU	[記憶體]	$1,068	-11.8%	57.0*	+1.46（收斂）	7	等 ER 後買
ZETA	[下游]	$19.64	+6.3%	48.3	-0.43（築底）	2(13則)	極度看多
NBIS	[基礎設施]	$278.01	-2.0%	64.4	—	4	相對強勢
IBM	[下游] MANGOS生態	$263.80	+4.6%	50.3	-4.63（反轉中）	1(3則)	Call 異常
PLTR	[下游] MANGOS生態	$116.43	-2.6%	32.7	-2.01（擴張空）	2	超賣+催化
TSM	[上游] MANGOS供應商	$438.18	-6.3%	53.3	+1.17（收斂）	1	逢低買入
PENG	[基礎設施]	$67.20	-1.1%	—	—	3	NVDA 合作

*RSI 為盤前收盤值，MU 今日 -11.8% 後實際 RSI 預估已大幅下探

供應鏈地圖

                          MANGOS 生態系
            ┌──────────────────────────────────────┐
            │  META · NVDA · GOOGL · SPCX          │
            │  (Anthropic · OpenAI = 未上市)        │
            └──────────┬───────────────────────────┘
                       │
     ┌─────────────────┼─────────────────────┐
     │                 │                     │
 [上游 製造]      [中游 設計]          [下游 應用]
 ★ TSM (-6.3%)    · NVDA              ★ ZETA (+6.3%)
 · ASML           · AMD               ★ IBM (+4.6%)
 · AMAT           · INTC              ★ PLTR (-2.6%)
                  · ARM               · META
                                      · MSFT
     ┌─────────────────┐
 [記憶體]          [基礎設施]
 ★ MU (-11.8%)    ★ NBIS (-2.0%)
 · SNDK           ★ PENG (-1.1%)
 · SK Hynix       · CIEN
 · CXMT(IPO中)    · GLW

★ = 本日社群主軸標的

深度分析

1. MU（美光）$1,068 [記憶體] — 明日財報是市場轉折點

社群觀點（7 帳號提及，聲量最高）：

@Remzztrades：「Everything is wishy washy till $MU. Earnings will be a blowout.」
@michaelsikand：「Institutions de-risking AI into a market defining ER from $MU.」
@ParadisLabs：「Memory dip is an obvious point to buy more.」
@Mr_Derivatives：「$MU 'crashing' to levels not seen since… two days ago.」
@WheelieInvestor：「Institutions were loading puts on all of big tech but especially $MU yesterday.」
@Gubloinvestor：「Most AI stocks are reporting solid ER and strong guidance. Stocks are falling right after ER and recovered in 2-3 days. Remember $CRDO?」

新聞面：

「Micron Earnings Could Be the Grand Finale for AI and Memory Stocks」（positive）— Investing.com
「The Chip Sell-Off Is Not Just About AI: There's a Bigger Problem Under the Hood」（negative）— Investing.com
「Why Micron Stock Suddenly Crashed」— Motley Fool

基本面：

指標	FY2024	FY2025	趨勢
毛利率	22.4%	39.8%	↑↑
營業利益率	5.2%	26.4%	↑↑
淨利率	3.1%	22.8%	↑↑
P/B	2.34x	2.51x	≈
P/S	4.21x	3.64x	↓ 改善
流動比率	2.64	2.52	≈
Short Interest	37.5M 股	DTC 1.0	低

風險：

技術面：RSI 57（盤前），今日 -11.8% 後預估快速下探，MACD histogram 從 +8.2 收縮至 +1.5 動能減弱
競爭風險：CXMT Q1 營收 YoY +700%、毛利率 75%+，即將以 $43B IPO，中期威脅 MU 市佔
事件風險：明日（6/24）財報為最大短期變數

成長面：

利潤率翻倍式改善（3.1% → 22.8% 淨利率）= HBM/AI 記憶體需求爆發
MANGOS 生態系核心供應商（NVDA HBM 供應鏈）
社群 7 帳號一致看多 = 高度共識

判斷： 明日 ER 是分水嶺。社群一致看好 blowout，但機構在 ER 前系統性去風險（put 大量湧入）。策略：等 ER guidance 確認方向，若 blowout 則回測 $1,000 附近分批進場。CXMT 競爭為中期風險因子。

2. ZETA（Zeta Global）$19.64 [下游] — 血盤唯一飆股

社群觀點（2 帳號但 13 則連推，@TheRonnieVShow 主導）：

@TheRonnieVShow：「ZETA + PALANTIR is bigger than people realize. This is not just martech anymore — business intelligence.」「Sub $5B Market Cap… WE'RE JUST GETTING STARTED!」「Breakout - Retest - Higher」
@Mr_Derivatives：「Catherine $ZETA Jones! Almost back over $20.」

新聞面：

「Why This Zeta + Palantir Deal is Bigger Than It Looks」（positive）— Motley Fool
「This AI Software Stock Is Growing Fast. Is It Still a Buy?」— Motley Fool

基本面：

指標	FY2024	FY2025	趨勢
毛利率	54.7%	60.6%	↑
營業利益率	-5.9%	0.4%	↑ 轉正
淨利率	-6.9%	-2.4%	↑ 虧損收窄
P/B	4.94x	5.63x	≈
P/S	3.33x	3.47x	≈
流動比率	3.09	1.60	↓

風險：

單一 KOL 推文佔比過高（@TheRonnieVShow 13/13 則 = pump 風險）
營業利益率僅 0.4%，尚未穩定獲利
流動比率從 3.09 降至 1.60

成長面：

Palantir 合作 = 從 AdTech → 企業智慧平台的商業模式升級
毛利率從 54.7% → 60.6%，規模效應顯現
大盤暴跌中 +6.3% 是極強相對強度
市值不到 $5B，成長空間大

判斷： 催化劑明確、紅盤逆勢走強、毛利率改善。但需警惕 pump 風險（單一帳號主導敘事）。$18 以下為安全進場區，中期持有。

3. NBIS（Nebius）$278.01 [基礎設施] — AI 基礎設施新星

社群觀點（4 帳號提及）：

@DeepValueBagger：「$NBIS $8k since this morning」（賣 put 獲利）
@TheProfInvestor：「seeing strength in $APLD $HUT $NBIS $QBTS」
@Remzztrades：「$NBIS wow」
@daniel_koss：「sold $NBIS at $284, expect correction back to 8EMA」

新聞面：

「2 Hypergrowth AI Stocks Smart Investors Are Loading Up On」（positive）— Motley Fool
「The Nasdaq-100 Is Getting 5 New Members」（positive）— Motley Fool
「Nebius Is Up 210% This Year」（positive）— Motley Fool
「Nebius Stock's Massive Upside Comes With Serious Risks」（neutral）— Motley Fool

風險： YTD +210%、RSI 64.4 偏高、新入 Nasdaq-100 後被動資金已大部分入場
成長面： AI 基礎設施直接受益者、剛入 Nasdaq-100 帶來指數基金追蹤

判斷： 相對強勢（大盤 -2.5% 中僅 -2.0%），但估值已充分反映。觀望回檔至 $250 再考慮。

4. IBM $263.80 [下游] MANGOS 生態 — 機構資金明確流入

社群觀點（1 帳號但 call 異常數據極具價值）：

@Remzztrades：「$IBM calls are $3 from $.75 while the entire market is tanking — insanity」「$IBM wants to go. Insane call premium.」「$IBM wants to bug out」

新聞面：

「Wall Street Tuesday: Dow Green, Nasdaq Bleeding, SpaceX Wild」（positive for IBM）— Motley Fool
「Deep Learning Market to Reach $1,963B by 2035」— GlobeNewswire

基本面：

指標	FY2024	FY2025	趨勢
毛利率	56.7%	59.5%	↑
營業利益率	16.1%	15.3%	≈
淨利率	9.6%	15.7%	↑↑
P/S	3.28x	4.09x	↑ 重新定價
股利殖利率	3.0%	2.3%	穩定
流動比率	1.04	0.93	↓ 偏低

判斷： 全場科技崩盤中 +4.6% + call premium 4 倍放大 = 機構明確換倉。淨利率從 9.6% → 15.7%。AI 企業服務 + 量子計算雙題材。追蹤 $265-270 突破確認，攻守兼備。流動比率 0.93 需留意短期償債壓力。

5. PLTR（Palantir）$116.43 [下游] MANGOS 生態 — 超賣但估值離譜

社群觀點：

@DeepValueBagger：「$PLTR now sits at $120.」
@TheRonnieVShow：ZETA × PLTR 合作多次提及

新聞面：

「Why This Zeta + Palantir Deal is Bigger Than It Looks」（positive）— Motley Fool
「SpaceX vs Palantir: 1 May Offer You a Significantly Bigger Gain」（positive）— Motley Fool

基本面：

指標	FY2024	FY2025	趨勢
毛利率	80.2%	82.4%	↑
營業利益率	10.8%	31.6%	↑↑↑
淨利率	16.1%	36.3%	↑↑↑
P/B	34.0x	57.0x	極高
P/S	59.4x	94.1x	極高
Short Interest	69.2M 股	DTC 1.77	中等

判斷： 營業利益率 3 倍增（10.8% → 31.6%）證實 AI 平台規模效應，但 P/S 94x 是所有標的中最高。RSI 32.7 超賣。純技術面反彈操作，$110 附近短線進場目標 $125-130。非長期建倉點。

6. TSM（台積電）$438.18 [上游] MANGOS 供應商 — 壟斷地位未變

社群觀點：

@aleabitoreddit：「Dip looks like a clear buying opportunity from $MU, $INTC, to $TSM. Massive drop off BS narratives.」

新聞面：

「3 Chip Giants Still Worth Buying Despite Massive Gains」（positive）— Motley Fool
「Why AI Infrastructure Stocks Could Be the Biggest Winners」（positive）— Investing.com

基本面：

指標	FY2024	FY2025	趨勢
毛利率	56.1%	59.9%	↑
營業利益率	45.7%	50.8%	↑
淨利率	40.0%	45.1%	↑
P/S	11.6x	12.8x	≈
流動比率	2.36	2.51	↑
Short Interest	28.3M 股	DTC 2.61	中等

判斷： 全面利潤率改善 + AI 晶片製造壟斷。今日 -6.3% 是 KOSPI 崩盤連鎖反應，與營運無關。等 MU 財報確認半導體方向後，$420-430 支撐區分批進場。中長期首選。

7. PENG（Penguin Solutions）$67.20 [基礎設施] — NVIDIA 合作催化

社群觀點（3 帳號提及）：

@KawzInvests：「$PENG Penguin Solutions Becomes an NVIDIA AI Factory Specialized Partner」
@Remzztrades：「$PENG x $NVDA news」
@Mr_Derivatives：「$PENG hit $71.50's today off Nvidia news.」

判斷： NVIDIA AI Factory 合作正面但市值小、流動性風險高。觀望，待合作營收貢獻明朗化。

投資建議摘要

優先序	標的	供應鏈	操作	進場點	核心理由
★★★	MU	記憶體	等 ER 後	6/24 guidance 確認	利潤率翻倍、7 帳號共識、明日財報定方向
★★★	ZETA	下游	積極佈局	$18 以下	紅盤唯一 +6.3%、Palantir 催化、市值小
★★★	IBM	下游	追蹤突破	$265-270	機構 call 異常 4x、+4.6% 逆勢、淨利率翻倍
★★	TSM	上游	分批進場	$420-430	壟斷地位、利潤率全面↑、KOSPI 賣壓非基本面
★★	PLTR	下游	短線反彈	$110	RSI 32.7 超賣、營業利益率 3x 但 P/S 94x
★	NBIS	基礎設施	觀望回檔	$250	YTD +210%、RSI 64 偏高
★	PENG	基礎設施	觀望	待驗證	NVIDIA 合作正面但流動性低

關鍵時間軸

日期	事件	影響
6/24（明日）	MU 財報	決定半導體板塊方向，社群視為「market defining ER」
6/26（週四）	新宏觀經濟數據	驗證「3 次升息」敘事真偽（@aleabitoreddit 提及）
7 月	VIX 季節性下降	@Mr_Derivatives：「take a peep at July… Prepare」
7/14	6 月 CPI 公佈	CPI 4.2% 趨勢是否持續
8-10 月	@Mr_Derivatives 預期 SPX 7-10% 修正	修正後買入 Santa Rally
10 月	交易員預期 Fed 可能升息	升息落地前壓制估值

附錄

A. 社群原文精選

@Remzztrades（19 則）：

「$IBM Calls are $3 from .75 and other calls at $1.50 from .50 while the entire market is tanking lolol insanity」— 2026-06-23T13:53
「Everything is wishy washy till $MU. Idt earnings will be an issues it's gonna be a blowout.」— 2026-06-23T16:42
「$TSLA big unwind possible if it doesn't hold here… 364 and 350 next」— 2026-06-23T18:47

@TheRonnieVShow（13 則）：

「ZETA + PALANTIR is bigger than people realize. This is not just martech anymore. This is Zeta moving toward business intelligence.」— 2026-06-23T18:03
「Markets are blood red today, $ZETA just partnered with Palantir… Yet, you still have a chance to buy sub $20」— 2026-06-23T13:40
「Say it with me: Breakout - Retest - Higher. $ZETA」— 2026-06-23T19:40

@Mr_Derivatives（18 則）：

「$VIX Seasonality was true to June. But take a peep at July… Prepare.」— 2026-06-23T15:47
「I still believe a mini 7-10% correction will hit the $SPX. But after July. Aug-Oct, you buy buy buy for the Santa Rally.」— 2026-06-23T17:39

@TheProfInvestor（7 則）：

「S&P 500 below 21EMA. Nasdaq below 21EMA. Dollar with a base breakout. Mega caps in a mini correction. Bottom line: Dont try to be a hero.」— 2026-06-23T19:22
「Fear and Greed at 29 after a 2.5% sell off on S&P 500.」— 2026-06-23T16:44

@aleabitoreddit（3 則）：

「Dip looks like a clear buying opportunity from $MU, $INTC, to $TSM. Massive drop off BS narratives like 3 rate hikes off no newly material macroeconomic data (which comes out Thursday).」— 2026-06-23T14:08

@michaelsikand（1 則）：

「Today is a recurring pattern. Institutions de-risking AI into a market defining ER from $MU. Leveraged Korean retail gets wiped.」— 2026-06-23T17:36

@zephyr_z9（8 則）：

「CXMT will generate nearly $55B in revenue this year. They will IPO at nearly $50B market cap. GM is easily over 75%. Will be the most explosive IPO of China ever.」— 2026-06-23T15:48
「CXMT doubling revenue to $100B-$110B in 2027. CRAZY.」— 2026-06-23T16:30

B. 個股新聞列表

標的	標題	來源	日期	Sentiment	URL
MU	Micron Earnings Could Be the Grand Finale for AI and Memory Stocks	Investing.com	06/23	positive	連結
MU	The Chip Sell-Off Is Not Just About AI: There's a Bigger Problem Under the Hood	Investing.com	06/23	negative	連結
MU	Why Micron Stock Suddenly Crashed	Motley Fool	06/23	negative	連結
MU	Should I Invest in DRAM Right Now?	Motley Fool	06/23	positive	連結
ZETA	Why This Zeta + Palantir Deal is Bigger Than It Looks	Motley Fool	06/23	positive	連結
ZETA	Should You Buy Zeta Global Stock on the Dip?	Motley Fool	06/13	neutral	連結
IBM	Wall Street Tuesday: Dow Green, Nasdaq Bleeding	Motley Fool	06/23	positive	連結
PLTR	Why This Zeta + Palantir Deal is Bigger Than It Looks	Motley Fool	06/23	positive	連結
PLTR	SpaceX vs Palantir: 1 May Offer Bigger Gain	Motley Fool	06/23	positive	連結
TSM	3 Chip Giants Still Worth Buying Despite Massive Gains	Motley Fool	06/23	positive	連結
TSM	Why AI Infrastructure Stocks Could Be the Biggest Winners	Investing.com	06/22	positive	連結
NBIS	2 Hypergrowth AI Stocks Smart Investors Are Loading Up On	Motley Fool	06/23	positive	連結
NBIS	The Nasdaq-100 Is Getting 5 New Members	Motley Fool	06/19	positive	連結
NBIS	Nebius Is Up 210% This Year	Motley Fool	06/18	positive	連結

C. 國際新聞列表

面向	標題	來源	影響方向	URL
地緣政治	Middle East war: Investors brace for lasting fallout from Iran conflict	CNBC	利空（能源成本）	連結
地緣政治	Resilience amid ruins: Why markets are hitting record highs despite Iran war	Euronews	中性	連結
地緣政治	War Darkens Global Economic Outlook	IMF	利空	連結
央行政策	Fed Holds Rates; Dot Plot Flips to a Hike	StockTitan	利空（估值壓制）	連結
央行政策	Fed holds rates steady, signals higher rates ahead	CNN	利空	連結
央行政策	Fed FOMC Official Statement	Federal Reserve	中性	連結
宏觀經濟	CPI Summary - May 2026 (4.2% YoY)	BLS	利空（通膨升溫）	連結
能源	Oil Market Report - June 2026	IEA	中性	連結
能源	OPEC+ 增產 188K bpd	CNBC	利空（油價下行）	連結
市場事件	KOSPI Falls 8%, Triggers Circuit Breakers	Yahoo Finance	利空（半導體連鎖）	連結
市場事件	Kospi crashes nearly 10% on massive tech sell-offs	Korea Herald	利空	連結
中國競爭	Memory Chip Giant CXMT Heads for China's Biggest IPO	Bloomberg	利空（MU 競爭）	連結
中國競爭	CXMT Plans $4.2B IPO on Star Market	Yahoo Finance	利空（MU 競爭）	連結

D. 財務數據明細

標的	期間	毛利率	營業利益率	淨利率	P/B	P/S	流動比率	股利殖利率
MU	FY2024	22.4%	5.2%	3.1%	2.34	4.21	2.64	0.49%
MU	FY2025	39.8%	26.4%	22.8%	2.51	3.64	2.52	0.38%
ZETA	FY2024	54.7%	-5.9%	-6.9%	4.94	3.33	3.09	—
ZETA	FY2025	60.6%	0.4%	-2.4%	5.63	3.47	1.60	—
IBM	FY2024	56.7%	16.1%	9.6%	7.54	3.28	1.04	2.98%
IBM	FY2025	59.5%	15.3%	15.7%	8.46	4.09	0.93	2.27%
PLTR	FY2024	80.2%	10.8%	16.1%	34.0	59.4	5.96	—
PLTR	FY2025	82.4%	31.6%	36.3%	57.0	94.1	7.11	—
TSM	FY2024	56.1%	45.7%	40.0%	7.92	11.6	2.36	1.08%
TSM	FY2025	59.9%	50.8%	45.1%	9.22	12.8	2.51	0.96%

E. 技術指標明細

標的	RSI(14)	MACD	Signal	Histogram	訊號
MU	57.0*	95.72	94.27	+1.46	多方但動能收斂
ZETA	48.3	-0.02	0.42	-0.43	空方築底
NBIS	64.4	—	—	—	偏高
IBM	50.3	2.09	6.72	-4.63	空方但 histogram 收窄 = 反轉中
PLTR	32.7	-4.57	-2.56	-2.01	空方擴張，超賣
TSM	53.3	11.14	9.97	+1.17	多方但收斂

F. 使用工具

pardnchiu/Agenvoy
- Claude Opus 4.6
投資特化 MCP（開發中）
- Massive API
- FMP API
- X API

免責聲明： 本報告基於 X/Twitter 社群觀點與公開市場資料生成，僅供參考，不構成投資建議。社群觀點可能存在偏見與利益衝突。投資有風險，請依個人風險承受能力判斷。

Agenvoy, Hermes, Pi — An AI Agent Platform Comparison

邱敬幃 Pardn Chiu — Mon, 22 Jun 2026 20:04:20 +0000

Conclusion: Three Projects, Three Different Lanes

Project	Closest Analogy	Best For
Agenvoy	A more complete, security-focused AI agent platform with deep built-in capabilities	People who want a ready-to-use system that already does a lot out of the box
Hermes	A broad-integration, feature-rich agent system geared toward large-scale deployment	People who need to connect many models, platforms, and channels
Pi	A lightweight, highly flexible AI framework that's easy to customize	People who want to build their own workflows or embed AI into their products

In one sentence each:

Agenvoy is more like a "complete, security-conscious, production-ready system"
Hermes is more like a "large-scale, integration-heavy, continuously expandable system"
Pi is more like a "lightweight, moldable framework built for customization"

The choice usually isn't about which one is "best" — it's about which direction fits your needs.

Agenvoy: High Completeness, Strong Security, Deeper Automation & Sharing

Agenvoy's approach is to build core capabilities in from the start, so users don't have to assemble a bunch of pieces before they can actually put an AI assistant to work. It's not just about having more items on a feature checklist — it's about going deeper on automation and sharing than the other two.

Strengths

First, Agenvoy is the only one that can create new tools on the fly during execution.

This isn't just "you can write scripts or skills." When the system discovers it's missing a capability, it can build a real, executable tool mid-workflow, then continue where it left off. This is a meaningful gap compared to harnesses that can only call pre-existing tools.

Think of it this way: other systems say "I'll work with whatever tools I have"; Agenvoy says "if I'm missing a tool, I'll build it on the spot."

For comparison: Hermes leans more toward adding skill descriptions or workflow capabilities; Pi doesn't have this functionality.

Second, only Agenvoy can share its tools with other AI systems in real time.

This might be harder to grasp, but it's important. Agenvoy doesn't just build tools for itself — it can expose those tools for other AI frameworks to use.

For example, you could create a tool through Claude Code, use it through Codex, fix it through Hermes — all running in Agenvoy's sandbox, all shared across harnesses in real time.

The difference: Hermes can consume external tools, but it's not the same kind of tool provider; Pi doesn't have this mechanism at all.

Third, Agenvoy has the most complete default security isolation.

Many AI systems start taking on risk the moment they execute commands, run scripts, or manipulate files. The difference isn't just "whether security is considered" — it's whether security was designed in from the beginning.

Agenvoy "treats security as a core framework principle by default"; the other two are more like "you can add isolation yourself if you need it."

If you don't want to spend time researching low-level security configurations, Agenvoy is the system that has risk awareness baked in from the start.

Fourth, only Agenvoy has relatively complete built-in memory and semantic retrieval.

This is different from simply saving chat history. Many people think AI "memory" means keeping past conversations around, but the real value is: when content accumulates, can the system retrieve important past information and understand how it relates to the current problem?

Agenvoy doesn't just store text — it builds "context retrieval" into the system itself. For long-term use, cross-session workflows, and accumulated work content, this is a noticeable difference.

It's not just "better memory" — among the three, it's the only one with built-in semantic retrieval as a default layer.

Fifth, it's relatively friendly to non-programmers.

Although Agenvoy has plenty of advanced capabilities under the hood, its focus is on letting users customize their AI through natural language rather than requiring code changes at every step.

Weaknesses

First, it doesn't have the broadest coverage.

If your priority is supporting the most models, the most platforms, and the most external services, Agenvoy isn't the most comprehensive of the three. That's an honest assessment.

Second, its ecosystem is smaller.

Compared to projects backed by larger teams, Agenvoy typically has fewer resources, a smaller community, less documentation, and less external visibility. That doesn't mean it's worse, but it does mean it doesn't have the same depth of external support as larger projects.

Third, it may not have the edge in large-scale integration scenarios.

If your needs involve many platforms, multiple channels, and large-scale deployment, Hermes has a stronger presence there. If you want to deeply embed the system into your own product, Pi may be more flexible.

Who is Agenvoy for?

If what matters to you is:

Using a fairly complete system right away
Reducing the hassle of manually assembling features
Strong security emphasis
Long-term context retention for your AI
Customization without touching much code
Ensuring the tools you invest in aren't locked to a single system

Then Agenvoy is a great fit.

Hermes: Broadest Integration, More Mature Governance, Most Like an Enterprise System

Hermes takes a very different approach from Agenvoy. It doesn't emphasize "install once and it's complete" — instead, it emphasizes "support many models, many platforms, many channels, and keep expanding."

If you think of it as an enterprise product, Hermes is more like a large centralized control platform.

Strengths

First, its integration capabilities are strong.

Hermes is well-suited for connecting various models, platforms, and external services. For people who need extensive integrations, this is a major advantage.

Second, its platform support is broad.

If your AI needs to work across multiple environments — different messaging platforms, workflows, or services — Hermes has strong appeal.

Third, its self-evolution and governance are more mature.

Hermes' strength isn't just feature count — it also places more emphasis on how the system maintains, patches, organizes, and evolves over time. For large projects, this matters a lot, because long-term management capability often outweighs any single new feature.

Fourth, there's a notable complementary relationship between Hermes and Agenvoy.

Because Hermes is more like a large system that can plug into many capabilities, if another system provides useful tools, Hermes can bring them in directly. This is why the earlier point — that Agenvoy can supply tools to other systems — isn't an abstract advantage. It's genuinely meaningful for integration-oriented systems like Hermes.

Weaknesses

First, higher complexity.

More features and broader integration usually mean a heavier, more complex system, with higher learning and maintenance costs.

Second, it may not be ideal for people who just want quick setup.

If your goal is "install it and it works, without understanding much architecture," Hermes may not be the easiest starting point.

Third, security and compliance require more careful evaluation.

When a system integrates many external capabilities, users need to assess risks, configuration approaches, and long-term sustainability more carefully on their own.

Who is Hermes for?

If what matters to you is:

Connecting many models and external services
Deploying across many platforms or channels
Large-scale, multi-scenario agent deployment
Willingness to accept higher complexity for greater integration capability
Long-term system governance and evolution

Then Hermes is a great fit.

Pi: Lightest, Most Flexible, Most Like a Developer's Skeleton

Pi's style is different from both of the above. It doesn't try to pack in every feature upfront — instead, it prioritizes a clean, lightweight, easily modifiable core.

Think of Pi as a highly customizable chassis. It might not come fully equipped from the start, but it gives you a lot of room to shape it however you want.

Strengths

First, high flexibility.

Pi is great for people who want to define their own workflows and shape the system themselves. It doesn't lock you into predetermined approaches.

Second, it's well-suited for embedding into products.

If you're not looking for a complete standalone tool, but rather something to integrate as part of your own product, Pi's lightweight design makes that easier.

Third, its model and provider breadth is strong.

This is a genuinely notable strength of Pi. If you care about having many model choices and broad provider support, Pi has a clear advantage here. This isn't filler — it's a real strong point.

Weaknesses

First, it's not the most complete product of the three.

Pi's strength is flexibility, not built-in completeness. If you expect "install it and everything is there," it may not match Agenvoy's readiness in that regard.

Second, it may not be the most friendly to general users.

Because it's more of a framework, people who want something ready to use immediately will need to think more about how to modify, connect, and configure it compared to a product-type system.

Third, core capabilities need to be added yourself.

Features like memory, self-growing tool sets, and security isolation — if these matter to you, you'll typically need to plan and build them out on your own.

Who is Pi for?

If what matters to you is:

Controlling how your system grows
Embedding it into your own product or service
A lightweight core rather than a heavy product
More room for customization and integration
Greater freedom in provider selection

Then Pi is a great fit.

The Biggest Difference: They're in Different Lanes

There's no "best overall" answer — it's more like three sets of trade-offs:

Agenvoy: Prioritizes completeness, security, and built-in capabilities, with clear unique strengths in several core design areas
Hermes: Prioritizes integration breadth, platform coverage, and long-term evolution and governance
Pi: Prioritizes lightweight design, flexibility, moldability, and provider breadth

But this absolutely isn't a case of "all three are roughly the same." Rather:
They each excel in different areas, and while some differences are just directional preferences, others are capabilities that only one of the three actually delivers.

Agenvoy is a particularly clear example. It doesn't try to push every dimension to the extreme. Instead, it focuses on "building new tools mid-execution," "sharing tools with other AI systems," "default security isolation," and "built-in semantic retrieval memory." These capabilities, taken together, are unique to Agenvoy among the three.

Summary

Choose Agenvoy if you want:

A fairly complete AI agent system
Strong security emphasis
Memory and context continuity
Minimal low-level assembly required
Natural language customization for your AI
Tools that can also serve other AI systems
A system that can build missing tools on its own

Choose Hermes if you want:

The broadest integration capabilities
Many model and platform options
Multi-channel, large-scale deployment
More mature long-term governance and evolution
Willingness to accept higher complexity for greater scale

Choose Pi if you want:

A lightweight core
High flexibility
Easy embedding into your own product
More room for customization
Greater freedom in provider selection

Today, which lane will you choose?

Agenvoy、Hermes、Pi 是什麼？AI 代理平台比較

邱敬幃 Pardn Chiu — Mon, 22 Jun 2026 19:58:40 +0000

結論：三者是走三種不同賽道

專案	比較像什麼	適合誰
Agenvoy	比較完整、重視安全與內建能力的 AI 代理平台	想少折騰、希望系統自己就有很多能力的人
Hermes	整合面很廣、功能很多、偏大型部署的代理系統	想接很多模型、很多平台、很多通道的人
Pi	輕巧、彈性高、好改造的 AI 框架	想自己客製、嵌進產品或流程的人

如果只用一句話來分：

Agenvoy 比較像「完整度高、比較保守安全的成品型系統」
Hermes 比較像「大型、外接能力強、可持續擴充的系統」
Pi 比較像「輕量、可塑性高、適合自己改裝的框架」

所以，選擇的關鍵通常不是哪個最強，而是你要的方向是什麼。

Agenvoy：完整度高，重視安全，把「自動與共享」做得更深

Agenvoy 是把很多核心能力先做好，讓使用者不用先自己拼太多零件，就能把 AI 助手真正用起來。不是單純在功能表上多幾項，而是在自動與共享的賽道上，做得比另外兩家更完整。

優點

第一，Agenvoy 是唯一能在執行過程中直接補上新工具的。

這不是一般的「可以寫腳本、SKILL」，而是當系統發現自己缺某個能力時，它可以在流程裡新增一個真正可執行的工具，補上之後再繼續做事。這點和一般只會呼叫既有工具的 Harness 開始有了差距。

可以把它理解成：別的系統「我手上有這些工具就用這些」；Agenvoy「如果缺工具，我在過程中順便做工具出來」。

而在這個比較：Hermes 比較偏向新增 SKILL 說明或流程能力，Pi 則沒這方面功能。

第二，只有 Agenvoy 能把自己的工具即時開放給別的 AI 系統使用。

這點對可能比較難理解，但很重要。Agenvoy 不只是自己能建立工具，還能把工具分享給別的 AI 框架使用。

例如，你可以透過 Claude Code 創建工具，透過 Codex 使用工具，透過 Hermes 修復工具，全部這一切都是跑在 Agenvoy 的沙盒中，並且是在 Harness 中即時共享的。

這裡的差異在於：Hermes 驗證上比較像是能去用別人的工具，但不是同樣類型的工具提供者；Pi 則一樣沒有這套機制。

第三，Agenvoy 的預設安全隔離最完整。

很多 AI 系統一旦開始執行命令、跑腳本、操作檔案，風險就會上升。差別不只是「有沒有安全觀念」，而是安全是不是一開始就被設計進去。

Agenvoy「預設就把安全性作為框架的核心準則」；另外兩家則更像是「你有需要可以再自己加強隔離」。

代表如果你不想自己研究很多底層安全設定，Agenvoy 比較像是一套一開始就替你把風險意識考慮進去的系統。

第四，只有 Agenvoy 內建了比較完整的記憶與語意檢索能力。

這和單純保存聊天紀錄不同。很多人以為 AI 的「記憶」就是把之前對話留著，但真正有價值的是：當內容變多之後，系統能不能把過去的重要資訊找回來，並且理解它和現在問題的關係。

Agenvoy 不只是把文字存起來，而是把「找回脈絡」這件事做進系統裡。對長期使用、跨多次對話、累積很多工作內容的人來說，這是很有感的差異。

不只是「記憶比較完整」，而是在三者中，它是唯一把預設語意檢索這一層直接內建進去的。

第五，對不懂程式的人也相對友善。

雖然 Agenvoy 背後有不少進階能力，但它的主軸是希望使用者可以透過自然語言去調整 AI，而不是每一步都得自己改程式。

缺點

第一，廣度不是最大。

如果你很在意支援多少模型、多少平台、多少外部服務，那 Agenvoy 並不是這三者裡最全面的。這點要老實承認。

第二，生態規模較小。

和大型團隊主導的專案相比，Agenvoy 在資源、社群、文件量、外部討論度上，通常都會比較吃虧。雖然不代表它不好，但代表它不像大型專案那樣有厚實的外部支援。

第三，大型整合情境不一定最有優勢。

如果你的需求是跨很多平台、多通道、大規模部署，那 Hermes 會更有存在感；如果你想把系統高度嵌入自己的產品，Pi 可能更靈活。

什麼人適合 Agenvoy？

如果你在意的是：

想直接用一套比較完整的系統
想降低自己手動拼接功能的麻煩
很重視安全
想讓 AI 長期記得上下文
希望不用太碰程式碼也能客製化
希望你投入的工具資產未來不只侷限在單一系統內

那 Agenvoy 會很適合你。

Hermes：整合最廣、治理更成熟，也最像大型系統

Hermes 跟 Agenvoy 的路線很不一樣。它不是特別強調「單機裝好就完整」，而是更強調「支援很多模型、很多平台、很多通道，並且可以持續擴張」。

如果把它比喻成企業產品，Hermes 會更像一個大型中控平台。

優點

第一，整合能力很強。

Hermes 很適合拿來連接各種模型、各種平台、各種外部服務。對需要很多串接的人來說，這是一個很大的優勢。

第二，平台支援很廣。

如果你的 AI 不只要在單一環境使用，而是希望能分布到不同訊息平台、工作流程或服務上，Hermes 的吸引力會很高。

第三，自我演化與治理做得更成熟。

Hermes 的強項不只是功能多，而是它也比較重視系統怎麼持續維護、修補、整理、演進。這對大型專案來說很重要，因為長期運作時，管理能力往往比一時的新功能更關鍵。

第四，它和 Agenvoy 之間其實有一個值得注意的互補關係。

因為 Hermes 比較像能接進很多能力的大型系統，所以如果另一套系統提供了好用的工具，Hermes 是可以直接把它納進來使用。這也是為什麼前面會說：Agenvoy 那條「能把工具供給別的系統」不是空泛優點，而是對 Hermes 這類整合型系統真的有意義。

缺點

第一，複雜度比較高。

功能越多、整合越廣，通常也代表比較重、比較複雜，學習和維護成本都會上升。

第二，不一定適合只想快速上手的人。

如果你的目標只是「裝起來就能用，而且不用理解太多架構」，Hermes 可能不是最輕鬆的起點。

第三，安全與合規面需要更仔細判斷。

當系統整合很多外部能力時，實際使用時就更需要使用者自己評估風險、設定方式與長期可持續性。

什麼人適合 Hermes？

如果你在意的是：

要接很多模型和外部服務
要用在很多平台或通道
想做大型、多場景的代理部署
願意接受更高複雜度，換取更高整合能力
在意系統長期治理與演化能力

那 Hermes 會很適合你。

Pi：最輕、最靈活，也最像給開發者的骨架

Pi 的風格又跟前兩者不同。它不特別追求把所有功能都先塞滿，而是比較重視核心夠乾淨、夠輕、夠好改。

可以把 Pi 想成一個很好改裝的底盤。它不一定一開始就幫你配好一切，但它留給你的調整空間很大。

優點

第一，彈性高。

Pi 很適合那些想要自己定義流程、自己塑形系統的人。它不會把你綁在既定做法裡。

第二，適合嵌進產品。

如果你不是想直接拿來當成一套完整工具，而是想把它當成自己產品的一部分，Pi 的輕量設計會比較方便。

第三，模型與 provider 的廣度很強。

這是 Pi 很值得被肯定的一點。如果你很在意可選模型多不多、供應商夠不夠廣，Pi 在這方面確實有明顯優勢。這不是陪襯，而是它的真強項。

缺點

第一，不是三者中最完整的成品。

Pi 的強項是彈性，不是內建一切。所以如果你期待「裝上去就什麼都有」，它可能不如 Agenvoy 那麼貼近這個需求。

第二，對一般使用者不一定最友善。

因為它比較像框架，對想直接拿來用的人來說，會比成品型系統更需要思考怎麼改、怎麼接、怎麼配。

第三，核心能力要自己補。

像是記憶、工具自我增長、安全隔離這類能力，如果你很在意，通常就得自己額外規劃。

什麼人適合 Pi？

如果你在意的是：

想自己掌握系統未來怎麼長
想嵌入自己的產品或服務
想要輕量核心而不是重型成品
願意自己做更多客製與整合
很在意 provider 選擇自由

那 Pi 會很適合你。

三者最大的差別，是賽道不同

沒有「全面最強」的答案，比較像三種取捨：

Agenvoy：重視完整度、安全、內建能力，而且在幾個核心設計上有明確的獨特性
Hermes：重視整合面、平台廣度、長期演化與治理
Pi：重視輕量、彈性、可塑性與 provider 廣度

但絕對不是「三家差不多」，而是：
它們各自強的地方不同，其中有些差異只是取向不同，但有些差異是三者對照後確實只有其中一家做到。

Agenvoy 的情況尤其如此。它不追求每一個做到極致，而是把重心放在「執行中補新工具」、「把工具提供給別的 AI 系統用」、「預設安全隔離」、「內建語意檢索記憶」這幾件事上，而這幾件事結合在一起在這三者裡只有它有。

總結

選 Agenvoy，如果你要的是：

一套比較完整的 AI 代理系統
比較重視安全
有記憶與脈絡延續能力
不想自己做太多底層拼裝
希望能用自然語言客製自己的 AI
希望工具能同時提供給別的 AI 系統使用
在意系統能不能在缺能力時自己補工具

選 Hermes，如果你要的是：

最廣的整合能力
很多模型與平台支援
多通道、大型部署能力
比較成熟的長期治理與演化
願意接受較高複雜度換取更大規模能力

選 Pi，如果你要的是：

輕量核心
高度彈性
好嵌入自己的產品
更大的客製化空間
更大的 provider 選擇自由

今天，你決定選哪種？

Agenvoy@v0.27.5

邱敬幃 Pardn Chiu — Sat, 20 Jun 2026 12:29:28 +0000

Agenvoy - A personal agent that writes its own tools and repairs itself — Make AI actually work for you.

Summary

Adds TUI markdown rendering for headings, bold, blockquotes, and box-drawn tables across both streaming and history display. Replaces static model registries with live provider API discovery and overhauls tool execution concurrency. Fixes action log recording to preserve original line breaks and blank lines from LLM output.

翻譯

TUI 新增 markdown 渲染（標題、粗體、引用區塊、box-drawing 表格），涵蓋串流與歷史顯示。以即時 provider API 探查取代靜態 model 註冊表，重構 tool 執行並行機制。修正 action log 錄製以保留 LLM 輸出的原始換行與空行。

Changes

FEAT

Add TUI markdown rendering with heading, bold, italic, blockquote, and table support [648e01f]
Add project instruction loading [bd8f0e4]
Preview write_file and patch_file changes in TUI tool lines and confirm popups [89e57a4]
Improve TUI popups with diff display, multi-select cron removal, and aligned session/cron selectors [aa52632]

翻譯

TUI 新增 markdown 渲染：標題、粗體、斜體、引用區塊、表格
新增專案指令載入
TUI tool line 與 confirm popup 新增 write_file / patch_file 變更預覽
TUI popup 新增 diff 顯示、多選 cron 刪除、session/cron 選擇器對齊

FIX

Preserve original line breaks and blank lines in action log recording [648e01f]

翻譯

修正 action log 錄製以保留原始換行與空行

UPDATE

Default all script and API tools to concurrent execution, add RAG-first search rule, and humanize tool display names [37282e9]
Improve TUI model, session, and navigation workflows [9f329e5]
Refresh README and provider architecture documentation [3984d4c]

翻譯

所有 script/API tool 預設並行執行，新增 RAG-first 搜尋規則，人性化 tool 顯示名稱
改善 TUI model 選擇、session 與導航工作流程
更新 README 與 provider 架構文件

REFACTOR

Replace static model configs with dynamic API fetch, add OpenRouter [e6c958a]

翻譯

以動態 API 取得取代靜態 model 設定，新增 OpenRouter

Agenvoy：讓你慣用的 Agent 自己做工具

邱敬幃 Pardn Chiu — Thu, 18 Jun 2026 16:23:54 +0000

Agenvoy - A personal AI Agent that runs on your machine. Build tools, test it, and call it.

很多人用 Agent 來幫忙寫程式、查資料、處理檔案。像是 Claude Code、Codex、Cursor，或甚至 Hermes 與 OpenClaw，這些工具都支援 MCP 的連接。

把 MCP 想成「Agent 的百寶袋」。透過它，Agent 可以在必要時拿出合適的工具來做事，例如查天氣、讀檔案、呼叫網路 API 等。

只是，大多數的百寶袋基本只提供固定的工具。提供百寶袋的人給什麼，Agent 就只能用什麼。如果遇到沒有合適的工具？Agent 只能跟你說：「做不到。」

重頭戲來了，Agenvoy 不一樣。

俗話說：「授人以魚，不如授之以漁。」

所以我給的是建立工具的工具，與教你如何使用的使用說明書。🤣
讓你的 Agent 在需要的時候，就參考說明書自己把缺少的工具做出來。

而且不限 Agent，只要你用的 Agent 支援 MCP，不管是 Claude Code、Codex 還是其他 Agent，接上 Agenvoy 後都能獲得「自建工具」的能力。

舉例

今天你問 Agent：

給我當前 AAPL 的股價

正常來說，如果目前沒有股票查詢工具，好一點的 Agent 可能會透過 Search Web 爬好幾個網頁然後給答案，但多數一般的 Agent 會回覆「沒有對應的工具」。

但如果今天有添加 Agenvoy MCP，你的 Agent 會走一條不同的路

Q: 給我當前 AAPL 的股價
  ↓
搜尋現有工具 → 沒有匹配的
  ↓
從 Agenvoy MCP 取得「工具建造指南」
  ↓
照規格寫出一個查股價的工具
  ↓
在安全的沙箱裡測試直到通過
  ↓
測試通過 → 立刻用這個工具查到股價
            ↓
          回答 AAPL 的股價

這整個過程都在同一個對話中實現。而你只需要說你的需求，不需要有 Coding 能力，就等他問你問題與確認。
（ps. Codex 除外，Codex 需要直接叫他製作工具，因為不是走強制路線）

而且這件事有兩個很爽的點：

當這個流程完後，這個工具會被永久保存下來。下次你假如詢問「TSLA 多少？」，Agent 就會直接用現成的工具去查詢。
在同樣主機上的其他 Agent 中，這個工具是即時共享的，你在 Claude Code 做好的工具，下一秒就可以在 Codex 上直接使用。

該如何立即使用？

Agenvoy 走的是標準的 MCP 協定。任何支援 MCP 的 AI 工具，依據各 Agent 的介紹下去設定即可連上：

{ "mcpServers": { "agenvoy": { "command": "agen" } } }

當你成功連上之後，你慣用的 Agent 將會看到 Agenvoy 提供的全部工具，包含：

已經存在的工具（之前建立的，或從市場安裝的）
建立新工具的能力（讀指南、寫工具、測試、修正）

Agenvoy 沒有打算讓你放棄正在用的 Agent，而是讓你現有的 Agent 變得更強大。

工具怎麼做？

Agent 的部分，Agenvoy 提供了一份完整的「工具建造指南」，告訴 Agent 每個工具該怎麼組成，工具主要包含兩個檔案：

tool.json    →  使用說明書（這個工具做什麼、需要什麼參數）
script.py    →  程式碼（支持 Py/Js）

讀完指南後後，Agent 會依照需求與格式寫出這兩個檔案，放到指定的資料夾（~/.config/agenvoy/tools/script）。Agenvoy 會自動把它註冊成一個可用的工具。

並且你只要備份好資料夾內的檔案，你甚至可以帶著到每一台有 Agenvoy 的裝置上直接使用同樣工具（或是你也可以上傳至 Agenvoy 提供的市集中放便其他人下載）

能自己做嗎？

當然可以，只要你有 Coding 能力，你只要依據同樣格式新增好檔案放在資料夾中，你的 Agent 就可以直接調用，以下直接提供兩個範例：

安全性

自建的工具不會直接在你的電腦上裸奔。每個工具的執行都經過 OS 層級的沙箱隔離，敏感目錄包含 SSH 金鑰、雲端憑證、環境變數等都會被禁止取用。

總結

Agenvoy v0.27.* 開始，讓你慣用的 Agent 能在對話中自己建立、測試、保存新工具。

而你，不需要換工具、不需要學新操作，只需要連接 Agenvoy 的 MCP。

Agenvoy@v0.27.2 - Enhance MCP server mode with tools and add model discovery flows

邱敬幃 Pardn Chiu — Thu, 18 Jun 2026 15:27:47 +0000

Agenvoy - A personal agent that writes its own tools and repairs itself — Make AI actually work for you.

Summary

Turns Agenvoy into a stdio MCP server and consolidates the TUI command surface into grouped menus with a new auto mode toggle. Provider model discovery now fetches live listings instead of relying on static registries.

翻譯
Agenvoy 新增 stdio MCP server，並整合 TUI 指令為群組選單與新增 auto mode 切換。Provider model 探索改為即時拉取，不再依賴靜態清單。

Changes

FEAT

Add stdio MCP server mode and dynamic tool exposure
Add embedded script tool guide to system prompt and remove old skill
Expose MCP builtins and auto-refresh tool registry
Add MCP install action for external agent configs
Add MCP server docs, demo tools
Add TUI auto mode toggle with shift-tab and bottom-bar indicator
Group slash commands under /model, /feature, and /dangerous menus
Add NVIDIA NIM /v1/models discovery and local model scan flow
Refresh README layouts and demo messaging
Refresh homepage messaging for tool-building and MCP positioning

翻譯

新增 stdio MCP server 模式與動態工具曝光
將 script tool guide 嵌入 system prompt 並移除舊 skill
曝光 MCP 內建工具並自動刷新 tool registry
新增 MCP install 動作供外部 agent 設定
新增 MCP server 文件與 demo 工具
新增 TUI auto mode，shift-tab 切換並於底部狀態列顯示
將斜線指令整合至 /model、/feature、/dangerous 群組選單
新增 NVIDIA NIM /v1/models 探索與本地 model 掃描流程
更新 README 排版與示範訊息
更新首頁文案定位

FIX

Stop MCP watcher on context cancellation and clean up docs

翻譯

修正 MCP watcher 於 context 取消時停止，並清理文件

UPDATE

Refresh docs and preserve recent tool history in compact exec
Refine cache policy wording and expand command whitelist

翻譯

更新文件並保留近期工具歷史於 compact 執行中
調整快取策略文案並擴充指令白名單

Agenvoy@v0.26.9 - Enhance model management, routing, and sanitization features

邱敬幃 Pardn Chiu — Thu, 11 Jun 2026 16:53:50 +0000

Agenvoy - A personal agent that writes its own tools and repairs itself — Make AI actually work for you.

Summary

擴展 provider 生態系，加入 Grok OAuth 支援並引入 model 選擇的路由提示。強化 runtime 護欄，統一 cache 流程、tool call 去重與跨 runtime 輸入清理。

FEAT

支援 with/model 路由提示以選擇 agent

model:gpt5 請分析台積電股票

新增 Grok OAuth provider 並整合 model 新增流程

FIX

修正外部 tool 映射（ext_* / script_* / api_* / mcp__*）與 Telegram HTML 清理

UPDATE

新增 Claude Fable 5 model 並重構 agent selector，加入 DeepSeek、Grok
新增 tool call cache 與待處理任務歷史管理（移除 tool_calls，新增 history 存放 pending 完成結果替代）

REFACTOR

統一跨 runtime 的 cache 流程與截斷處理（移除 search_web / search_google_news / fetch_page 個別快取，改以統一 cache 邏輯）

Agenvoy - 不懂 AI 也能輕鬆開發自己的 Agent

邱敬幃 Pardn Chiu — Sun, 07 Jun 2026 15:22:32 +0000

過去，打造一個專屬自己的 AI Agent 是工程師的特權，要懂模型、會寫 prompt、搞 API、架伺服器，對於一般人來說學習曲線不低

現在，你不需要懂 AI、不需要懂開發，只需要知道你想要什麼
Agenvoy 把這些「麻煩」的部分全部打包了。你要做的只有一件事：

說出你想要的，剩下交給 Agenvoy 協助你生成

Agenvoy 提供了一個完整的核心框架

一行安裝：提供一鍵安裝部署的指令，部署到使用只需 30 秒

自動選模型：Claude 寫程式、Gemini 看影片、GPT 做研究，Agenvoy 會自動分配最合適任務的模型
自動產工具：當你說「幫我會查匯率」，Agenvoy 會自己找 API、寫成工具給後續使用
能記住可查詢：三層記憶架構，提供語意搜尋，丟文件給 Agenvoy 建你專屬知識資料庫
用人話排程：「每天早上 8 點把科技新聞推到我 Telegram」，Agenvoy 就能自己搞定
用人話教它：把流程用自然語言寫成 Skill，Agenvoy 就照著做
直接在 Telegram / Discord 用：封裝好的 Chat Bot，原生按鈕、選單、彈窗，點一下就好

而且，它是「你的」

跑在你自己的電腦上，不需曝光主機。並且執行指令隔離在沙箱層、並且敏感操作會先問你、外加密鑰從不進檔案系統。強大，且預設安全的個人 Agent

換腦不換身，一款真正屬於你的個人 Agent

Agenvoy 最獨特的地方：一款陪著你一起長大的 Agent，只給你框架與核心功能，剩下的都是隨著使用自己長出來的

長在上面的工具、技能、記憶、脈絡，全是你自己用出來、一點一滴累積的。最終的 Agent 之所以屬於你個人，不是因為框架是什麼，而是因為它是你親手培養出來的

至於模型模型的定位，在這套框架上只是插上去的大腦。就算今天最強的是 Claude，明天也可能變成 OpenAI，後天又可能變成一個跑在你電腦裡的開源模型

Agenvoy 的大腦可以隨時換，但你替他打造身體與內核始終在那
就算換了模型，你累積的工具、記憶、技能、排程，一個都不會少

這，是這個時代個人 Agent 該有的樣子

計算機時代是計算能力的下放，他把原本需要專家們的手算能力，變成每個人彈指間就能 10 位數的加減乘除的計算機

Agent 時代下，這件事變成自然語言的自動化與生成能力。Agenvoy 在做的就是把「打造一個專屬 Agent」從工程師的特權，變成你也能做的日常

而你的個人 Agent 只會越用越強，工具、SKILL的積累、記住你的使用習慣，持續成長的知識庫。這是一款專屬於你個人的「養成」遊戲，用越久 Agent 越懂你

今天，立即，開始你自己的個人 Agent 養成計劃

Agenvoy - Make AI actually work for you — your personal AI assistant.

Agenvoy - Pub/Sub 事件攔截與分發

邱敬幃 Pardn Chiu — Thu, 04 Jun 2026 18:12:27 +0000

Agenvoy - Make AI actually work for you — your personal AI assistant.

同一個 session 可能同時被多個目標觀察，Web 界面（尚未釋出）、TUI 介面、Telegram / Discord，又或是被其他 agent 視窗呼叫

都需要看到同一個 session 的即時狀態，包括 agent 執行過程
第一版是讓各視窗啟動時輪詢狀態，搭配全局日誌檔讓外部工具 tail。但這兩種方式在長期使用下會遇到輪詢有延遲，啟動太多監聽器

v0.25.6 起設計了讓所有事件統一的 Pub/Sub，並且用的方式是截取發送的方式，最低影響原先的執行流程
讓視窗只需訂閱自己感興趣的 channel，就能即時接收最新動態，不只是 agent 回應，而是完整的 session 生命週期狀態

Agent 執行

agent 執行時產生的每一個事件，包含用戶輸入、工具呼叫結果、思考片段、最終回應都會透過攔截器截取並廣播，agent 不需要負責處理訂閱者的動作

agent 事件 → channel
        ↓
Pub(sessionID, event)   ← 廣播
        ↓
原始 events channel     ← 原有 handler

Daemon 日誌

新增 daemonSlogHandler 攔截所有 slog 呼叫，在寫入 stderr 的同時，向全部 channel 廣播（但不包含 Telegram / Discord 訊息），所有系統事件，包含連線建立、工具超時、記憶體壓縮、錯誤警告，只要有開啟 TUI 都能即時追蹤

slog.Info("xxx")
        ↓
daemonSlogHandler.Handle()
        ├── 寫入 stderr
        └── Pub("daemon", EventDaemonLog{...})   ← 廣播

Agenvoy - 工具 ask_user 異步設計

邱敬幃 Pardn Chiu — Wed, 03 Jun 2026 18:16:35 +0000

Agenvoy - Make AI actually work for you — your personal AI assistant.

v0.25.13（前）Agent 問用戶一個問題是阻塞的設計，等用戶輸入答案，然後才繼續
為了解決大量積累的可能性，我添加了 10 分鐘的超時，雖然大多數情況下沒問題，但也讓場景被限縮在用戶必須緊盯訊息，否則有機會需要重跑
這使用情境下，除了 always-allow 以外，根本無法達成長久自主運行的 Agent 這目標，因為始終需要有人盯盤
受到 Claude 網頁版的啟發，他在 ask 的問題完是直接問題搭配回覆一起傳送給 Agent 去跑下一輪執行
所以我在原先的 Pending 設計上添加了目標、已執行、下一步的完整紀錄，在 ask_user 前先行紀錄，並結束當前執行回圈，等到用戶回覆後才重新觸發流程
這樣的設計，可以真正釋放用戶的關注，不需要擔心忘記回覆是否會需要全部重來，讓 Agent 的可用性更近一步

異步的好處？

Agent 執行一個工具：幾百毫秒
等用戶回答一個問題：可能立即，也可能好幾小時後
這個改動的核心是：把原本存在記憶體裡的狀態，釋放處存至磁碟上
記憶體裡的狀態隨生命週期存在。磁碟上的狀態永遠在那裡，直到被明確刪除
所以當前的生命週期在 ask_user 前就會直接被中斷，就算用戶一天後才回答也沒有問題，因為回答後才讀取完整狀態紀錄，重新啟動任務

ask_user 前的狀態紀錄

中斷執行前 Agent 必須回答三個問題：目標是什麼、完成了什麼、接下來要做什麼，這樣設計有兩個目的：

Resume 時提供 Agent 完整上下文繼續執行（包含已經查找的資料等）
讓 Agent 在 ask_user 之前重新整理當前狀態，對齊需求與目標

Resume 流程恢復

等用戶回答後，會先讀取狀態紀錄和用戶的答案組合成一條完整的 context，作為新的輸入交給 Agent
不依賴對話歷史，而是完全藉由狀態紀錄的內容，告知 Agent 之前完成的步驟，用戶回答了什麼問題，請繼續下一步

Agenvoy - 記憶系統最後一片拼圖

邱敬幃 Pardn Chiu — Mon, 01 Jun 2026 18:50:36 +0000

v0.25.10 / v0.25.11

記憶系統最後一片拼圖到位，三層架構正式完整。
隨著長期使用持續進化的記憶系統。

上下文記憶

Layer 1 — 對話紀錄

使用近 16（可自訂）條對話為 LLM context，搭配自動摘要（summary.json），確保當前對話的完整語境。

Layer 2 — 語意搜尋（ToriiDB）

向量資料庫覆蓋近 5MB 對話紀錄，並提供向量搜尋工具，能直接透過語意搜尋最相關的結果。

Layer 3 — 關鍵字全文搜尋（SQLite）

持久化保存完整歷史紀錄，搭配 FTS5 全文索引確保任何一個字都能在毫秒內找到。
三層各司其職，邊界清晰：熱資料進 context，溫資料走向量，冷資料交 FTS。

錯誤記憶 — 跨 Session 的經驗累積（ToriiDB）

工具失敗後 Agent 會優先嘗試處理，並在解決問題後主動診斷後結構化存入四個欄位：

症狀 — 工具實際回傳了什麼、在哪個步驟卡住
根因 — 確認後的失敗原因（參數錯誤、權限不足、timeout、無結果…）
方法 — 做了什麼能解決（改用英文關鍵字重試、改呼叫其他工具、調整參數…）
結果 — resolved、failed、abandoned

下次遇到相同情境，先搜錯誤記憶，直接依據解決方法處理。
記憶保留 90 天，並且被搜尋到的紀錄會自動延長。

RAG — 外部知識檢索（KuraDB）

自製本地文件索引，將你的筆記、文件、程式碼建成獨立資料庫。並提供工具方便 Agent 檢索：

rag_search_semantic 走 OpenAI embedding 語意搜尋
rag_search_keyword 走 gse 分詞精確比對，支援中文斷詞

啟用 RAG 時，系統強制執行 RAG-first：任何資訊查詢，Agent 優先搜知識庫，網路則是補充，不是第一選擇。
當 KuraDB 離線時，會自動移除相關工具，避免工具不存在的錯誤。

Agenvoy - Make AI actually work for you — your personal AI assistant.