AI 與 Agent 工程

Agent 設計、記憶架構、Computer-Use Agent、Harness Engineering 等技術摘要。

• AI 改 code 一直改 A 壞 B？你缺的是這五個步驟 · 2026-07-29
  Brownfield（在別人的 codebase 裡動刀）用 AI 的五步流程：先看懂再動手、把既有規矩寫成 XML guardrail、小步 review、回歸驗證；以及為什麼「決策活沒有外包版」

• Loop Engineering 解析，大神都不寫 prompt 了？ · 2026-07-29
  Addy Osmani 的 Loop Engineering 框架：Trigger + Verifiable Goal 兩問、rubric 與二元清單、loop 失控三問題三規則，以及作者為何主張「大多數人現在不需要 loop」

• 15 分鐘看完 Google Vibe Coding / Agentic Engineering 開發課 Day 1 · 2026-07-29
  Google 五天課程 Day 1 摘要：vibe coding 是光譜不是開關、context engineering 六類、Agent = Model + Harness、token 經濟學 CapEx vs OpEx

• 20 分鐘看完 Google AI 課程 Day 2+3 精華：MCP, A2A, Skills 解析 · 2026-07-29
  Google AI 課程 Day 2+3 摘要：MCP 統一連接方式、A2A 為何無法被 MCP 取代、Skill 進 production 的四種失敗與四道防線、Meta-Skill 四分類

• 一部影片看完 Stanford AI 系統課程，從 LLM 到 Agentic Workflow · 2026-07-29
  Stanford「Beyond LLM」課程的中文濃縮：縱軸 vs 橫軸的施力點、Prompt Chaining、RAG、deterministic → fuzzy 的心態翻轉、Eval 三維度交叉框架，以及 Multi-Agent 只有的兩個存在理由

• 五支 AI Agent 工程影片，先看哪一支 · 2026-07-29
  Google Vibe Coding / Agentic Engineering 課程摘要、兩支延伸影片與一支 Stanford 系統設計課的閱讀順序建議，以及它們合起來真正在講的那件事

• Matt Pocock Skills Workflow：OpenSpec 主從整合 · 2026-07-28
  比較 Matt Pocock Skills 與 OpenSpec，說明如何以 OpenSpec 管理變更生命週期、以 Matt 強化工程實作。

• 把失控的 AI agent 關進牢籠 — OpenShell 的六層 kernel 沙箱，與 Landlock 這塊地基 · 2026-06-29
  NVIDIA OpenShell 把任意 agent / CLI 關進 kernel 級隔離 + 宣告式 policy 的沙箱裡跑。本文讀它的原始碼，深拆 Gateway/Supervisor 架構、實際疊起來的六層 kernel 沙箱、為何檔案隔離選 Landlock 而非 mount namespace、inference router 怎麼讓 agent 拿不到模型 API key、Z3 prover 怎麼守 policy；並用 Go 提案

• oMLX — Apple Silicon LLM 推論伺服器 · 2026-06-06
  oMLX 是專為 Apple Silicon Mac 設計的本地 LLM 推論伺服器，主打 continuous batching、SSD KV cache tiering 與原生 SwiftUI 管理 UI，v0.4.0 完成全面重寫。

• 本地 LLM 推論：選型與硬體指南 · 2026-06-06
  2026 年消費級硬體跑大型語言模型的完整選型框架：KV Cache 原理、MoE 速度分析、Gemma vs Qwen 決策樹、M5 Pro / Strix Halo / DGX Spark 硬體 Prefill 實測比較。

• 從 Code Act 到 Claude Code Dynamic Workflows 深度技術解析 · 2026-06-06
  沿 CodeAct → Code Mode → PTC → Deep Agents → RLM → Dynamic Workflows 走一遍，補上四個編排原語的速覽，並與 Agent Teams 對照。

• 本地 LLM × KV Cache × 硬體：LM Studio、Strix Halo vs DGX Spark vs Apple M5 Pro · 2026-06-06
  KV cache 原理、Unified KV Cache、head_dim 差異、Prefill vs Decode 根本差異，以及 Strix Halo、DGX Spark、Apple M5 Pro 的跨平台 prefill 實測比較。

• CRISPY AI 寫程式流程與 Instruction Budget — Dex Horthy 的 RPI 認錯與演進 · 2026-06-02
  Dex Horthy 認錯 RPI 三件事，把 AI 寫程式流程演進成 CRISPY 八階段；附 instruction budget（150–200 條指令上限）、垂直切片與「讀程式碼而非讀計畫」原則。

• NVIDIA GTC Taipei 2026 黃仁勳主題演講重點整理 · 2026-06-01
  Agentic AI 新運算典範、Vera Rubin 與 Vera CPU、Cosmos 3 與 Isaac GR00T——GTC Taipei 2026 主題演講十三段全整理。

• Multi-Agent 架構再探 — 三省六部反模式與業界收斂共識 · 2026-05-21
  2026 業界對 Multi-Agent 的收斂共識：四大反模式（更多 Agent 迷思／三省六部幻覺／固定 workflow ／生產隱藏成本）、Anthropic 三場景五模式、LangChain 四模式、Cognition 寫入單線程、動態子代理生成。

• AI Agent 自動審批（Auto-Approval）系統設計 — 從 Claude Code 與 Codex 學到的七個原則 · 2026-05-21
  為什麼人類核准靠不住（93% 蓋章疲勞）、Claude Code Auto Mode 兩層防禦 + 兩階段分類器（誤擋 8.5% → 0.4%）、Codex 沙箱先行 + Auto-review（99.93% 自動核准、暫停降低 200×）、七個自動審批設計原則。

• The Founder’s Playbook — 用 Claude 打造 AI-Native 新創 · 2026-05-20
  Anthropic 給 founder 的 AI-native 創業手冊摘要：四階段（Idea / MVP / Launch / Scale）的失敗模式、Claude 三介面的分工、可執行 exercise 與案例公司數據。

• 該用 mem0 還是自捲記憶層？— 一個被問爛但很少人答對的問題 · 2026-05-09
  mem0 vs 自捲：六個選型維度、八個決策場景、三條中間路線、Dashboard 實機巡禮（11 張截圖）、真實成本對照、兩個常見錯誤判斷。

• 2026 Agent Memory 全景圖 — 從 Stateless LLM 到記憶層架構 · 2026-05-09
  從 Stateless LLM 到記憶層架構：三層演進、通用框架 vs 自家產品、10 大開源框架選型、工程師該問自己的六個問題。

• Harness Engineering：有時候語言模型不是不夠聰明，只是沒有人類好好引導（李宏毅） · 2026-05-08
  李宏毅 1.5h 課程整理：agents.md 反效果、SWE-agent 工具反直覺、steering vector 過度責備致 AI 作弊、verbalized feedback、Lifelong AI Agent / AutoDream、meta-harness（Opus 教 Haiku 寫 agent.md）

• CUA — Computer-Use Agent Infrastructure · 2026-05-08
  trycua/cua 深度技術分析：macOS SkyLight + AX 內部、Windows UIA 實作、Linux Xvfb 替代、三平台對照、agent stack 決策樹

• Agent Memory：大多數記憶系統不需要向量檢索 · 2026-04-30
  五個業界產品（ChatGPT/Claude Code/Anthropic/OpenAI/Mastra）的記憶設計分析，與分層組合的工程代價

---

共 22 篇 · 回首頁 · 📡 RSS