上一篇談 Excessive Agency 時，重點放在模型拿到了哪些工具、多少權限，以及有多大的自主空間，這篇來看 Agent 怎麼把模型、工具、記憶、設定檔...
「一個好的 AI Agent 專案，最難的往往不是寫出演算法，而是如何確保每次代碼更新都能以自動化、無縫且能以 Zero-Downtime 的方式部署至生產伺服...
「在 RHEL 企業級 Linux 環境中，使用 Podman 進行無 Root (Rootless) 容器化，並透過 Systemd 實現開機自啟與服務自癒，...
「一個真正符合 Production Ready 標準的自建 AI Agent，除了具備完善的業務邏輯，更需要具備可視化的系統健康指標與自動化巡檢能力。」 在...
「沒有數據記錄的分析只是猜測，能將每一次 AI 預測落盤並進行長效覆盤與準確率追蹤，才能打造真正具備商業價值的金融 Agent。」 在 Day 09 中，我們介...
一百萬 token 的 context 聽起來像是記憶問題的終點。對話塞得下，agent 就不會忘記；工作區能持久化，中斷後按一下 resume，理論上也該接得...
「資料管線的終極價值，在於將散落各處的市場數據進行自動化聚合、透過 AI 進行深度解讀，並在第一時間精準推送至維運者的終端。」 在 Day 08 中，我們探討了...
前一天我們把 Agent Task 變成一個真正有 State 的系統。 下一個問題自然是： 如果任務要跑 20 分鐘，誰來執行？ 很多 Demo 會直接在...
前一天我們談 Error Recovery。 當 Agent 開始有 Retry、Fallback、Approval、Replan、Human Handoff...
Coding agent 能改前端、開啟預覽站、登入、點完流程，最後附上一張成功畫面的截圖。看起來，E2E 測試終於被完整自動化了。 問題是，程式由 agent...
「一個真正實用的 AI Agent，不該被動等待使用者手動貼入資料，而要能主動對接雲端儲存，實現知識庫的自動化增量同步。」 在先前幾天，我們完成了 AI Age...
「最好的 AI Agent 不是固定不變的系統，而是在每一次與使用者的對話中，自動汲取經驗並寫回知識庫、自我進化的系統。」 在 Day 06 中，我們介紹了 S...
「沒有對話記憶的 AI，只是單次問答機器；具備長效記憶與自動摘要能力的 Agent，才能在漫長對話中持續保持脈絡一致。」 在 Day 05 中，我們介紹了 RA...
前一天我們談 System Prompt Assembly。 核心觀念是： System Prompt 不是一份固定文件，而是 Harness 根據目前狀態動...
前一天我們談 Memory。 Memory 的核心不是把所有歷史永久保存，而是決定： 什麼值得記 要記成什麼 什麼時候 Recall 什麼時候更新、合併或忘掉...
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...
「大語言模型給的是一般性常識，而 RAG 檢索增強技術給的，才是讓 AI Agent 具備特定金融領域深度的靈魂。」 在 Day 04 中，我們介紹了 API...
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...
「在免費 API 與生產級維運之間，強健的 API Gateway 與 Model Fallback 自動降級是能讓 AI Agent 穩定運作的橋樑。」 在先...
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...
「系統安全不是在出事後才補強，而是從最底層的基礎設施就開始設計！」 在 Day 01 中，我們揭曉了 Angelina AI Agent 的全貌。今天我們不急著...
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...
「AI 不一定需要昂貴的基礎設施，真正重要的是，它能不能每天解決一個真實的問題。」 一、 故事的開始：一份送給媽媽的禮物投資理財與我們的日常生活息息相關，每天整...
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...
Vivian
ariel_c
hardness1020
iThome鐵人賽
看影片追技術