前一天我們談 Context Management。 核心觀念是: Storage 負責不遺失資料,Context 負責讓模型看見現在最重要的資料。 但這還...
前一天我們談 Skills 與 Progressive Disclosure。 核心觀念是: Context 是工作區,不是倉庫。 Agent 不需要一開始...
前一天我們談 Subagent。 Subagent 的價值,不是單純增加 Agent 數量,而是建立更乾淨的 Context、責任、權限與結果邊界。 今天要處理...
前一天我們談 Planning。 Planning 的核心不是列出漂亮步驟,而是把任務轉換成可以追蹤、驗證、重新規劃的執行狀態。 當 Plan 變得更大時,下一...
AI Agent 可能是近年最容易出現新工程名詞的領域。 我們才剛學會 Prompt Engineering,接著又出現: Context Engineeri...
很多團隊評估 Agent 的方法,其實還停留在評估 Chatbot。 準備一組問題、跑一次模型、比較輸出,再算出一個正確率。 但 Agent 處理的通常不是單...
前幾天我們逐步建立了一個最小 Agent 架構。 目前系統已經有: Agent Loop Tool Runtime Schema Validation Per...
前幾天我們逐步建立了 Agent 的基本控制平面: Agent Loop Tool Runtime Permission Approval Sandbox H...
前一天我們拆解了 Tool Calling 和 Tool Runtime。 模型產生 Tool Call,只代表它提出一個行動請求。 真正的 Tool Runt...
前兩天我們先拆開了兩個核心概念。 Day 1 說明: 模型(LLM)負責判斷,Harness 負責讓判斷可以被執行、觀察與限制。 Day 2 則把 Agen...
昨天我們先建立了一個基本觀念: 模型負責判斷,Harness 負責讓判斷可以被執行、觀察與限制。 但還有一個問題沒有回答: 為什麼一般聊天模型回答一次就停...
很多 AI Agent 教學,會從 LangChain、LangGraph 或某個 Agent Framework 開始。 我們會先建立一個 Agent、加入幾...
我在 San Francisco 參加一場 AI Agent 講座時,一位 Anthropic 工程師分享了這張投影片。 隨著模型能力提升,他們移除了部分原本...
從 Agent Loop 出發,逐步拆解模型外圍的工具、狀態、權限、Memory 與協作機制 一、專案資訊 專案名稱: Awesome Agent Arc...
重點摘要 AI驅動的購物工具與自主代理雖能提升客戶體驗,卻也促使針對商務組織的高複雜度自動化攻擊急遽增加。 主要受到零售業帶動,2025 年 AI Bo...
2025 年很多人第一次感受到一種很上癮的開發快感。 你丟一段 prompt,模型幫你補功能、改畫面、接 API,幾分鐘就像做完半天的事。那時候大家很愛講 Vi...
TL;DR 這篇文章紀錄了解決軟體工程師常見的「中英夾雜」語音輸入痛點的過程。 專案架構從單純的 API 串接,演進為 「Code + Prompt + 條件式...
自動化流量的新現實 自動化並非新鮮事 — 但如今,它已變得幾乎「無形」。AI Agents、資料擷取器(fetchers)與爬蟲(crawlers)已深入網路互...
摘要這篇文章作者介紹了五種 AI 代理設計模式,分別是:反思(Reflection)、反饋學習(Reflexion)、規劃(Planning)、監督者(Sup...
摘要這篇文章深入探討了人工智慧領域從單一模型到複合式 AI 系統的轉變,並重點介紹了 AI 代理 的概念和應用。文章首先以智慧打卡系統為例,說明單一模型在處理...