鐵人檔案
模型是別人訓練的，你動不了。但從模型到能穩定運作的 AI 系統之間，有四層你能動的工程槓桿。這 30 天沿抽象層次往上走：Prompt Engineering，從 Transformer 機制理解 prompt 為何有效、極限在哪；Context Engineering，以 RAG、記憶與 Compaction 決定窗口放什麼；Harness Engineering，用 Session、Tool、Permission、Skills 打造模型外的執行系統；Loop Engineering，靠評估與可觀測性讓系統持續變好。
昨天講了誰決定什麼值得記，今天講存進去的東西怎麼被找到。這兩件事表面上是兩個獨立的設計，把昨天那批系統的檢索設計對照著看會發現：搜尋方式幾乎完全由寫入內容決定。...
寫入和檢索都講完了，還剩一個常被跳過的維度：時間。一個 agent 跑了三個月，記憶庫裡同時躺著三個月前的「使用者偏好 Python」和昨天的「幫我查一下天氣」...
記憶三部曲處理的是萃取後的知識，今天回頭處理原料本身：窗口裡那一大坨對話歷史和工具輸出。Compaction（壓縮）指的就是把這些累積的歷史變小的工程。先把問題...
Context Engineering（這系列的 L2）走了七天：窗口經濟學、檢索、記憶三部曲、壓縮。照 Day 7（Prompt 的極限）的慣例，離開一層之前...
昨天欠下的債今天開始還。Context Engineering（這系列的 L2）的每個策略都需要窗口外面的系統去執行，那套系統有名字：Harness。從今天起...
昨天說 session 是 harness 的地基，今天把它蓋起來。先講清楚問題：使用者跟 agent 工作到一半，關筆電下班，明天打開希望「接著昨天的進度繼續...
大部分人設計 agent 的思路是加功能：需要搜尋就加搜尋工具、需要查日曆就加日曆工具。工具清單就這樣長到十幾二十個，然後一件事悄悄發生：agent 還是在呼叫...
昨天說工具只是一張能力清單，agent 真正跑起來靠的是一個循環：模型看著當前的 context 決定下一步、系統執行它選的工具、結果回到窗口、模型再決定下一步...
昨天 loop 把能自己消化的錯分好了類，今天講要見人的那一半。場景：agent 的工具呼叫外部 API，回了 404。照 backend 的直覺，except...
Agent 有了 session、工具、權限，還有一種東西沒有著落：方法。你的團隊部署服務有一套固定流程、review 程式碼有一份檢查清單、寫報告有慣用的結構...
