鐵人檔案
探討 AI Agent 如何可靠地進入企業流程。從傳統 BPM、狀態管理與規則控制出發，逐步延伸到 Tool Calling、Policy、Human-in-the-loop、權限、交易一致性、錯誤復原與 Audit。重點不是讓 Agent 更自由，而是讓具推理能力的 AI 在企業流程中仍可控、可驗證、可追溯，並透過自建 Reference System 實作與驗證完整 Agentic Workflow。
完成「Observability：一次流程跨 Agent、Tool、DB 要怎麼追」後，下一個問題是「Prompt Injection 到 Tool Abuse...
延續「Prompt Injection 到 Tool Abuse：企業 Agent 的真正攻擊面」，這篇聚焦「Memory 與 Context：什麼該記，什麼不...
前一篇討論「Memory 與 Context：什麼該記，什麼不該塞進 Prompt」，這篇聚焦「Agent Planning 還是固定 Orchestratio...
前一篇處理「Agent Planning 還是固定 Orchestration：自由度越高越好嗎」，這篇進一步討論「單 Agent、Workflow Agent...
完成「單 Agent、Workflow Agent、多 Agent：別為了 Agent 而 Agent」後，下一個問題是「建立 Evaluation Set：沒...
延續「建立 Evaluation Set：沒有測試集就只能靠 Demo 感覺」，這篇聚焦「Agentic Workflow 要量什麼：Task Success...
前一篇討論「Agentic Workflow 要量什麼：Task Success 之外的指標」，這篇聚焦「Adversarial Workflow Test：故...
前一篇處理「Adversarial Workflow Test：故意讓 Agent 遇到最糟情境」，這篇進一步討論「可靠性與負載：Agent 流程慢在哪裡、壞在...
完成「可靠性與負載：Agent 流程慢在哪裡、壞在哪裡」後，下一個問題是「Workflow／Prompt／Policy 也需要版本化與回滾」能否重跑、否定並留下...
