摘要： 針對 AI 寫的魚叉式釣魚和供應商假冒攻擊，email 安全公司 Ocean 讓 agents 對每封進來的信做即時的開放網路背景調查，每月處理超過十億封。根據 Tavily 於 2026 年 10 月 14 日發布的客戶案例，Ocean 只花幾週就把 Tavily 從測試推到正式環境。對 builder 來說，重點不是安全產品本身，而是「把網路調查外包給專用搜尋 API」這個架構決策省下了什麼。
傳統過濾器答不了的問題
Ocean 面對的攻擊已經不是亂撒網的釣魚信。Tavily 的案例指出，今天最刁鑽的攻擊高度依賴情境，而且可能來自信譽乾淨的寄件者，例如商務郵件詐騙（BEC）、供應商假冒，以及 AI 生成的 spear phishing。Ocean 的 Security Researcher Bar Tzemach 說明，團隊的 agents 要回答的核心問題只有一個：這個寄件者是不是它聲稱的那個人或公司。
要回答這題，光看郵件內容不夠。得即時查證人物、公司、網域和業務脈絡，而這些資訊多半只存在開放網路上。這正是很多 agentic 產品卡住的地方——你核心的偵測邏輯需要一層網路研究能力，但自建爬蟲、清理與查證管線本身就是一个大工程。
把「研究層」外包出去
Tzemach 在案例中說，選 Tavily 的原因是它為 AI agents 而生、整合容易，而且搜尋品質和上下文符合調查需求。從第一次測試到全面上線只花了幾週。更關鍵的取捨是：Ocean 不用自己建置和維運網路研究層，可以把工程資源集中在差異化所在——偵測邏輯和 agentic 智慧。
這和我在另一篇談過的模式很像：把 ChatGPT 接上即時商業資料後，對話才從空殼變成能用的產出（見先前文章：把 ChatGPT 接上即時商業資料）。agent 的價值上限，往往由它取得的即時外部證據品質決定，而不是模型本身。
結果長什麼樣
幾個數字值得看：
- 每月約十億次深度調查，2026 年 9 月單月標記約 54,000 封惡意郵件、抓到約 900 個 lookalike 或假冒網域。
- 搭配 web-grounded 搜尋後，單次調查時間從分鐘級降到秒級。
- 四個月內客戶數成長 1.5 倍，調查量近乎翻倍，而人類在環節中處理網路研究的工作量沒有增加。
案例裡有個具體場景：某客戶收到一封信，寄件網域只是把合法網域做了輕微改動。Ocean 的 agent 用 Tavily 調查對方是誰、在哪裡營運、線上如何呈現自己，判定為供應商假冒，在幾秒內自動封鎖並移除威脅，安全團隊完全不用介入。可以驗證來源的裁定，也讓 SOC 團隊更願意信任 agent 的結論。
給 builder 的三個可帶走的判斷
第一，先問「我的 agent 需要什麼外部證據才能做決定」，再決定要不要自建資料層。如果核心差異化不在資料收集，用專用 API 通常比自建快一個量級。第二，可驗證來源不只是產品功能，是信任機制——當 agent 的裁定會自動執行（例如直接封鎖信件），每個結論都要能回溯到證據。第三，同一套研究層可以複用到其他內部流程；Ocean 正在評估把 Tavily 擴展到 Sales 的會議準備、Product 的競品分析等場景。
需要注意的限制：這些數字來自 Tavily 自己發布的客戶案例，單一來源、帶有行銷目的，沒有獨立稽核。但「調查時間從分鐘降到秒」和「量翻倍而人力不增」這兩點，對任何要讓 agent 在關鍵路徑上做即時決策的團隊，都是可以直接拿來測試的基準。