鐵人檔案
這是一段學習紀錄。我將以 AI Engineering 為技術骨架，從 Transformer、LLM、Chain-of-thought、Function Calling、Prompt 與 Context Engineering，逐步走到 API、MCP、Skill、GitHub 與個人學習工具實作。沿途記錄我如何用類比建立專有名詞鷹架、用大白話來解釋原理、在撞牆後補足理解，並透過 AI 搜尋、修改、驗證與反思。30 天的主角不只是 AI，更是我們如何重新培養提問、拆解、判斷與持續學習的能力。
昨天是使用者想騙 AI，今天可能連使用者都不知道有人在騙它 昨天談 Jailbreak 時，場景還算單純：使用者坐在聊天視窗前，刻意設計 Prompt，想讓模...
我們一直在改 Prompt，但模型看到的其實不只 Prompt 前幾天，我們花了不少時間談 Prompt。 Day 8 試著把工作交代清楚；Day 9 談 P...
昨天把 Context 堆起來，今天開始整理桌面 昨天我們把 Context 想成 AI 的工作桌：系統規則、對話紀錄、目前問題、工具查到的資料，都可能暫時放...
理解基本運作之後，開始回到「工具怎麼選」 前十三天，我們花了不少時間理解 LLM 的底層概念：從 Transformer、Token、Chain-of-Tho...
昨天談 OpenAI，今天換一個工具箱 昨天談 OpenAI 時，我用的是使用情境去對應工具，這並非是固定不變的工作流，畢竟對使用者來說，哪裡強大(便宜)哪裡...
昨天整理知識，今天把工作桌交給 Claude 前兩天，Day 14 的 OpenAI，對我來說比較像從 Chat、GPTs、Live 一路往 Codex 移動...
用了這麼多雲端模型之後，我開始把一些工作搬回家 前幾天，我們一路看了 OpenAI、Google 與 Claude 的工作流。它們有一個共同點：大部分真正強大...
昨天把模型搬回家，今天換成把模型接進自己的程式 昨天談 Ollama 時，我們看到：除了透過 ChatGPT、Claude 或 Gemini 這些產品使用雲端...
從模型能力，走到有規則的 Agent Day 18 最後，我們把模型從「一個我去使用的產品」，變成「一個我可以組進自己系統的能力」。有了 API，模型可以被放...
昨天替 Agent 寫規則，今天替它接上外面的世界 Day 19 談 CLAUDE.md、AGENTS.md 與 Hooks，我們開始替 Agent 建立工作...
