一個 npm 套件每週被 AI 代理人下載百萬次，維護者卻只有一人——「代理速度」正在拆解開源供應鏈

凌晨兩點，一位獨立開發者打開 GitHub，看見自己的老牌 npm 套件「wait-on」又累積了一整排 issue。發文者不是人，多半是 AI 代理人產生的自動化回報——格式工整、語氣客氣、內容重複。這是開發者 Kevin Old 在部落格〈Maintaining wait-on at agent speed〉（https://www.kevinold.com/blog/a-week-maintaining-wait-on）描繪的日常，也是 2026 年軟體供應鏈最真實的縮影。

核心論點先講:AI 代理人的普及，把開源套件的維護成本推到了「機器速度」，但治理機制還停留在「人類速度」。這個速度差，正是下一波供應鏈攻擊的溫床。

關鍵1:一個人扛起全產業的等待函式

wait-on 是什麼？簡單說，它是讓開發流程「等前一個服務準備好再往下跑」的小工具——整合測試前等資料庫啟動、部署前等 API 上線。這類工具不起眼，卻嵌在無數 CI/CD 管線裡。據該部落格自述，維護者面對的是每週大量的下載量與 AI 驅動的 issue 洪流，而他選擇用 Rust 重寫核心引擎來換取效能與可維護性（https://www.kevinold.com/blog/a-week-maintaining-wait-on）。

問題來了。當 AI 代理人代替工程師呼叫工具、回報錯誤、甚至自動送 PR，issue 數量不再受「人的工時」限制。一個維護者的夜晚，對上的是全天候運轉的機器。

關鍵2:供應鏈風險從「人的疏忽」變成「機器的規模」

npm 生態的脆弱性早已是資安圈共識:單一維護者、極少審查、爆炸性依賴深度。當下指令裝套件的主體從人變成代理人，攻擊面同步放大——一個被植入惡意碼的熱門套件，過去感染的是開發者的專案，現在可能直接感染代理人的執行環境，而代理人往往握有檔案系統與金鑰權限。

這解釋了為何 Nvidia 選在同一週推出硬體層級的「看門狗晶片」構想，要在每個 AI 代理人旁邊放一顆監控晶片（https://www.cnbc.com/2026/09/28/nvidia-releases.html）。同時，輿論要求調查 AI 實驗室的聲浪升高（https://calnewport.com/its-time-to-investigate-the-ai-labs/），甚至出現諷刺各家競相誇示自家模型威脅性的報導（https://thecivilian.co.nz/2026/09/27/ai-companies-in-fierce-arms-race-to-demonstrate-their-model-is-the-most-existentially-threatening-to-humanity/）。這些訊號指向同一件事:產業已從「AI 能做什麼」轉向「AI 犯錯時誰負責」。

對台灣的意義:軟體供應鏈的裂縫，台灣站在第一排

台灣的軟體業高度依賴開源堆疊交付代工與系統整合專案，多數企業沒有 SBOM（軟體物料清單）紀律，更別提監控代理人行為。當客戶的 AI 代理人開始自動拉取套件、自動部署，一份被污染的依賴，可能穿透的不再只是開發環境，而是客戶的生產線。

半導體端的對照同樣值得警惕。社群討論指出，歐洲雖擁有 ASML,卻因新建晶圓廠不足而買不到新機台；印度則被視為供應鏈移轉的新熱點（https://www.reddit.com/r/IndiaTech/comments/1wo5ktt/the_semiconductor_supply_chain_is_shifting_india/）。硬體供應鏈在重排，軟體供應鏈在裂開——兩條線交會處，正是台灣的戰略位置。

三種情境

樂觀情境:套件庫導入簽章與代理人身份驗證，開源基金會獲得企業資助的專職維護資源。基準情境:個別維護者繼續燃燒，大型套件被企業收編，長尾套件成為攻擊跳板。悲觀情境:一次透過熱門套件植入、由代理人執行的供應鏈攻擊，造成跨產業災情，引發監管急轉彎。

我可能錯在哪裡

本分析僅基於單一維護者的部落格自述與社群討論轉述，未經獨立查證其下載量與 issue 數據；AI 代理人導致的 issue 洪流是否已成普遍現象，或只是特定熱門套件的個案，仍需更多數據。若 npm 生態的治理工具（如自動化審查、信賴評分）成熟速度快於代理人成長速度，速度差可能不會真正引爆。

但方向很難反轉。當等待函式都要用 Rust 重寫才追得上機器的速度，下一個問題是:你的組織，準備好讓誰來審那一行 diff?