OpenAI 進軍資安：AI 代理自動找漏洞，你的人工審核放在哪一格

OpenAI 在十一月推出 Daybreak 一條產品線。對要決定是否讓代理接手重複工作的香港營銷與營運主管，這則新聞真正值得看的，是它把代理的三件事示範得很清楚：自動執行、證據可查、人工把關。要把同一套邏輯搬到自己團隊，先從素材這一環練手，例如小紅書 圖片 製作改由代理出初稿、人審核出街。

• Daybreak Red Team 以代理分析原始碼與應用情境，自動探測網頁應用的攻擊路徑，並核實漏洞獎金計劃或掃描器回報的問題。
• Daybreak Defense Factory 讓代理追蹤漏洞、產出修補，交付可直接部署的 pull request 與測試，由開發人員批准後才合併。
• 這批代理已經在真實系統上做出成績，在 Firefox 找到 81 個先前未知的嚴重漏洞。
• Linux 核心一役花了 1,213,430 美元的算力，平均每個可用攻擊約一千三百美元；傳統漏洞獎金對可比發現約付 20,000 美元起。

兩個產品實際上做什麼

Daybreak Red Team 目前是 Early Access。代理會讀原始碼與應用情境，推演出攻擊路徑並確認漏洞，之後再測一次修補是否真的擋住攻擊。它同時用來核實外部回報，例如掃描器、漏洞獎金提交與披露報告，讓團隊按證據決定先修哪一個。OpenAI 的說法是，它的目標是接近自動掃描的速度、又保留人手測試的深度。

Defense Factory 處理防守面。代理把安全工具與 Red Team 的發現接進來，逐條追蹤、產出修補與測試，最後交給工程師審核。工程師可以在 Codex 上補上下文、調整修補，代理則在背景繼續工作；掃描新提交或按排程重跑，發現與修補就變成連續動作。

兩者合起來是一條可以重複驗證的流程：Red Team 找到並確認，Defense Factory 產出修補與測試，人批准後合併，下一輪掃描再驗證修補是否站得住。營銷團隊可以直接借用這個順序來設計自己的「找問題、出初稿、人審核、回測成效」的流程。OpenAI 亦把這件事定位成連續動作而非一次性項目：應用一改，評估就要重跑。

為甚麼「代理很強」不等於「可以放心放手」

這批代理的護欄數字值得營銷團隊抄進自己的驗收表。在沒有特別安全指示下，它避開越界行為的比例是 99.93%，前代是 94.49%；加上安全指示後，它在 100% 的測試中留在界線內。OpenAI 自己在網絡安全類別給它的風險評級是 Critical，與不帶安全訓練的基礎模型相同。

代理的可靠性因此分成兩層：模型本身的訓練，以及你寫得夠不夠清楚的授權範圍。只靠前者，等於把預算交給一個沒有 brief 的實習生。

這個類比放到營銷同樣成立。你把一批素材交給代理生成，模型再穩，若 brief 沒寫清楚尺寸、語言、賣點禁區，它照樣會越界。OpenAI 在 Red Team 產品頁把這一點做成功能：用隔離環境框住代理可觸及的範圍，再以 Guardian 審核覆核，清楚控制哪些應用與端點可以進入。

代理的成本要怎樣放進預算表

Linux 核心的測試流程是現成樣本。代理先掃描約 5,034 個與安全相關的程式碼位置，收斂成 2,308 個候選，再在隔離虛擬機確認 1,724 個漏洞，並為其中約一半開發出可用攻擊。整個過程耗費 1,213,430 美元算力，平均每個攻擊約一千三百美元。對比之下，Pwn2Own、TyphoonPWN 這類計劃對可比發現的獎金約在兩萬至七萬美元之間。

這個對照真正說明的是成本單位變了。傳統做法按發現付錢，代理按執行時間與算力付錢：你掃得越多，帳單越大，而命中率決定單位成本。營銷團隊把這個思路套到素材生產，會得出同一條結論：先壓低每個可用版本的單價，再談產量。

放進香港團隊的月度預算，做法是把算力或訂閱費與一次退回的返工成本並列。素材的返工多數是規格錯、賣點偏、版本不夠用，這三類錯誤愈早在 brief 與驗收樣本裡寫定，代理的產量才真的變成可用版本。

還要預留失敗處理的成本。代理跑一千次，總有幾次越界或產出不合格，這部分的工時要有人負責，也要寫明由誰接手。把它當成流程的固定項，而不是意外支出，預算表才不會每個月都被同一件事打穿。

把算力、訂閱費與返工工時放在同一張表，三個數字一起看，才會知道代理是真的降低單位成本，還是把成本從人力搬到用量。這一點在素材生產尤其明顯：代理出得快，但若每十個版本只有一個可用，單價其實沒有下降。

用 ExploitGym 看代理的天花板

ExploitGym 測的是模型能否在遠端系統利用指定漏洞，新代模型得分 48.5%，前代是三成二左右。在沒有原始碼的網頁應用漏洞測試中，它的命中率是 40.3%，標準模型是三成二。同一批測試裡，代理還重現了 Linux 核心的 1,724 個漏洞，並向維護者回報 304 個關鍵發現，附上建議修補。

這些數字都來自 OpenAI 自己的測試，目前沒有獨立的第三方評測。代理也用了至少十種過去連外部核心安全專家都不知道的新攻擊手法，但研究界對「模型是否真的做出新發現」仍有爭議，這一點在規劃預算時要當成待觀察項，而不是保證。

另一個容易被忽略的數字是 304 個關鍵發現。它代表代理交出的不只是清單，還包括建議修補，維護者可以直接接手。內容流程的對應指標就是可直接採用率：代理一輪交十個版本，有幾個不用改就能上架，這個比例才是你該追的 KPI。

把代理的驗收門檻寫成一張清單

下面是把自己團隊的流程接上代理時，可以直接照抄的檢查順序：

1. 授權範圍寫死：代理可以讀哪些資料、動哪些系統，越界即轉人工。
2. 證據齊全才計分：每個產出要附來源、影響範圍與重現方式。
3. 樣本與門檻先約定：用同一批驗收樣本評分，避免事後改標準。
4. 失敗有接手：異常情況寫清處理步驟與負責人。
5. 交付可接手：程式、設定、接口與部署說明一併交，並完成培訓。

把這五項寫成一頁紙，附在 brief 後面，代理的產出就有可比對的標準。之後每加一條流程，只加驗收樣本，不改原則。

Topkee 在 AI Agent 定制開發不碰紅隊或滲透測試，但把同一套思路寫成四項設計原則：資料有來源、執行有權限、成果可驗收、交付可接手；銜接點落在專業方法、系統操作與成果續用三處。其 AI 工作流程自動化走五步：取得資料、生成分析、人員審核、交付成果、持續改進。對外發送或預算變更須另行確認。報價以港幣計，分為場景啟動、業務協同、移動業務等不同級別，各級均含一筆評估費，可選維護按月另計。

內容團隊的紅隊練習場

營銷團隊最接近紅隊演練的場景，是廣告素材被審核退回或被受眾投訴。把代理放在生成端、人放在批准端，流程就變成可逐步驗證的一段。Topkee 的 YIS 內容營銷有 Post Schedule、AI Assistant 與 Report Analysis，AI 可以生成貼文主題、標題、內文、圖片創意與視頻腳本；但 AI 不會自動發文，生成結果需人工審核。素材庫屬自助工具，可以與按月交付原創平面與短片的創意訂閱並用。

工具與服務的分界要講清楚：工具給你選題、初稿與報表，訂閱給你按月的原創平面與短片。兩者可以並用，但不能互相頂替，否則驗收的標準會亂。

這個設計與 Daybreak Defense Factory 的邏輯同構：代理產出可直接用的版本，人做最後批准，之後才進入正式流程。分別在於內容的失敗成本較低，所以驗收樣本可以定得更寬，例如一輪先審三款主視覺。

驗收樣本要固定。同一組三個主題、同一套禁用詞，每次都用它跑，兩三個月後才有可比數據；樣本一換，之前累積的通過率就作廢。

小紅書內容的代理工作流

小紅書的投放前有帳號審核與廣告策略規劃，含市場調研與過往投放 ROI 分析；投放端用通投、智能定向與 DMP 人群包，並定期產出 KPI 報告。這串流程剛好是代理最適合插手的形狀：重複出現，輸入明確，輸出可以比較。

要注意的是，投放端的人群包與出價仍屬人的決定。代理可以交選題與腳本，但不能替你在預算變更上簽名，這一格留在人的手裡。

一套可用的分工是：代理先按主題出三至五個選題與標題，人工挑一個；再由代理出圖片創意與視頻腳本，設計按品牌規範調整；最後才進入小紅書內容製作與投放。若團隊的文案底子不夠，可先用專業文案服務把說法定下來，再交給代理批量改寫。短片的節奏按十五秒以內規劃，超過的另行評估報價，這一點要在 brief 裡寫明，代理才不會產出用不上的長片。

另一個實務細節是版本管理。代理一輪生成的十個版本要能被追溯，哪一個被採用、改過哪幾句、誰批准，這些記錄才是下個月調整 brief 的依據。

代理真正省下的是重複的執行時間，換來的是一份可以審核的產出紀錄。團隊要練的是看紀錄、改 brief、定門檻，而不是跟模型鬥快。

整個過程省下的是出稿、退回、改稿之間等待與來回的時間，設計工時本身沒有少。

多平台版本的數量要算清楚

同一個設計放到多個版位，並不等於無限產出。Topkee 的創意訂閱按月交付廣告平面主視覺與十五秒以內短片，標準分兩級月費；一款平面主視覺是一個推廣主題下的一款設計，涵蓋已確認的尺寸與語言版本，超出範圍的尺寸、語言或版本按新增項目另行確認。素材可適配 Google、YouTube、Instagram、Facebook、小紅書、TikTok、LinkedIn、Yahoo 的圖片與影片版位。

規劃時把「設計數」與「輸出數」分開：一個設計可以出多個尺寸，但每個尺寸仍是同一個設計。這條界線寫進報價單，代理自動化帶來的增量才不會被誤讀成減價空間。

反過來說，若 brief 只要一個尺寸、一種語言，那每月兩款主視覺就是兩款，不會因為代理跑得快而自動變四款。這條界線講清楚，採購與創意才不會各自理解一套。

多品牌或集中交付的需求，走企業定製計劃，按範圍與批次管理，不會無限加量。代理加快的是初稿速度，批次的編排仍要靠人先把版本與日期排好，這部分的工作量不會因為代理而消失。

還有一種常見的誤解，是把代理的產出當成免費的版本增量。實際上每個新增尺寸或語言版本都要另行確認，所以每月可交付的版本數在合約上是有上限的。規劃時把每次投放的廣告創意策略上限寫在 brief 上，代理的產量才不會變成談判桌上無法兌現的承諾。

要更快拿到可用初稿，可以配合 AI 內容工具先出初稿，再由人做最後挑選；而廣告創意策略的起點，仍然是先定清楚這個月要推哪一個賣點。

代理與人工審核的分界線

這一節處理的是一份 brief 裡最常被跳過的部分：代理做到哪一步停手。安全的做法與內容的做法其實一樣，界線寫在三個位置。

第一個位置是資料入口。代理只讀你批准的資料來源，例如已上載的素材庫、已確認的產品資料，未經批准的系統一律不接。第二個位置是動作出口。代理可以生成、可以建議，但發送、改價、下單這類有外部後果的動作必須另行確認。第三個位置是驗收標準。每個產出要能對照事先約定的樣本與門檻，通過才計完成。

把三個位置寫成一句話，就是「輸入有清單、動作有審批、成果有樣本」。

這三格也是代理最常出錯的地方，所以驗收的時候要逐格檢查，而不是只看最後成品好不好看。這比任何一句「AI 會把關」都更能保護你，因為它在出事時留下可追溯的紀錄，也讓代理的產出可以逐項退回。

實務上，這份紀錄要能回答兩個問題：這個版本由誰批准、退回的原因是甚麼。答不出來，就代表流程裡有一個沒有名字的把關人。

一年預算怎樣排：三種起步路線

路線一，只做素材。按月訂閱，先把主視覺與短片的產能穩定下來，驗收標準只設尺寸與賣點。路線二，做一條完整流程。把選題、初稿、審核、投放記錄串起來，需要一次性的定制開發，之後按年維護。路線三，多市場或集中交付。按範圍與批次管理，前期要把版本與日期先排好。

三條路線的分別不在規模，而在誰負責驗收。路線一的驗收人是設計與品牌負責人；路線二要加上營運與數據的人；路線三要有一個人專門看跨市場的版本一致性。選錯路線，通常是因為驗收人沒有指定清楚，而不是預算不夠。

小結一句：先定驗收人，再定路線，最後才談價格。次序倒過來，代理只會加快一個本來就沒人負責的流程。

常見問題

Daybreak Red Team 和 Defense Factory 有甚麼分別？

Red Team 站在攻擊方，用代理探測網頁應用的攻擊路徑、核實外部回報的漏洞，並測試修補是否有效；Defense Factory 站在防守方，把安全工具與 Red Team 的發現接進來，讓代理追蹤漏洞、產出修補與測試，交給工程師審核後合併。兩者都跑在同一個專業模型上。

這些數字可以當成我們導入代理的預期成效嗎？

不可以。ExploitGym 的 48.5%、網頁應用測試的 40.3%，以及 Linux 核心的 1,724 個漏洞，都是 OpenAI 自己的測試結果，目前沒有獨立評測。把它們當成能力上限的參考，而不是你團隊的預期回收。

代理自動化會取代安全或內容團隊嗎？

短期內看到的分工是代理做執行與初稿，人做授權、驗收與對外動作。Defense Factory 的修補要工程師批准才合併；Topkee 的 YIS 也明確寫明 AI 不會自動發文、生成結果需人工審核。

港幣預算大概落在哪個區間？

以 Topkee 的 AI Agent 定制開發為例，按場景啟動、業務協同與移動業務分三級報價，各級均含一筆評估費，可選維護按月另計。若只是素材生產，創意訂閱設標準與進階兩級月費。兩者解決的問題不同，不要混在同一張報價單比較。

另外要把模型與雲資源另計這件事寫進預算：上述報價含評估與交付，模型用量、雲資源、平台訂閱與稅費通常另算，實際月費會高於表面數字。

想先把內容流程自動化，第一步做甚麼？

先挑一條高頻、低風險的流程試跑：選題、標題、圖片創意或視頻腳本其中一條，設定授權範圍與驗收樣本，跑一輪再決定是否擴大。需要專業文案支撐時，可參考廣告創意策略與小紅書廣告的投放配套。

Sources

1. Maximilian Schreiner, "OpenAI enters the cybersecurity market with two Daybreak products", The Decoder, 2026-11-13. https://the-decoder.com/openai-enters-the-cybersecurity-market-with-two-daybreak-products/
2. "Daybreak Red Team | AI Penetration Testing", OpenAI, 2026. https://openai.com/daybreak/red-team/
3. "Daybreak Defense Factory | AI Vulnerability Remediation", OpenAI, 2026. https://openai.com/daybreak/defense-factory/
4. "OpenAIs GPT-6 Cyber can both break into systems and propose how to fix them", The Decoder, 2026. https://the-decoder.com/openais-gpt-6-cyber-can-both-break-into-systems-and-propose-how-to-fix-them/