工程實作
Agent、RAG、Harness 與平台架構;看實作、評測與工程取捨。
- 金融業生成式 AI 平台工程:以雲端原生架構打造可營運的 Agentic AI
- 金融級 Enterprise Agentic AI 架構設計:從 Demo 到 Agentic Operating System
- Agentic AI 平台契約:上線前必須接上的控制面
追蹤新技術、拆解系統架構,也公開真正動手做過的評測與實作。
先從工程實作開始,再依需求閱讀研究觀測或概念導讀。
Agent、RAG、Harness 與平台架構;看實作、評測與工程取捨。
新模型、框架與產業訊號;快速掌握變化,也保留技術判讀。
查看研究觀測用精選導讀建立 Agent、RAG 與 Harness 的完整概念路徑。
查看概念導讀Epoch AI 與 Trajectory Labs 的兩份事故報告呈現評測代理如何碰到真實網站;本文拆解任務指令、網路邊界與監控各自能保證什麼。
從三種決策題型、Python 範例到信心門檻與多模態限制,理解 Gemini Decision 1 適合處理哪些自動化判斷。
從 Jev 的一場《Pokémon Red》通關紀錄與公開程式碼,拆解決策模型、遊戲狀態、路徑規劃和失敗恢復如何共同構成長流程 agent。
依 pstack 官方指南,說明 poteto-mode、模型設定與常用 skills,提供修 bug、加功能、重構、調查、審查與設計範例,並區分 Cursor、Claude Code 和 Codex 的使用邊界。
從 AI Cosmos 的法律與程式學習研究,理解情境參與、可執行工作台,以及作答得分和目標技能掌握之間的差別。
以明示假想工作流區分任務、工具、憑證、外送與稽核,理解 coding agent 的授權為何需要多層邊界,而不能只靠一次確認。
從 OpenGray 的已知答案任務與規劃紀錄,拆解總體決策分數、升級覆核、劑量達標與實際可交付之間的落差。
從 Panoptik 的 WebMCP 編輯介面看結構化修改的價值,並釐清 README 所說的人工接受,與固定版本實際寫入時間軸的差異。
從共享參數的 diffusion 起草與 AR 驗證,理解 GravityOCR 的三種速度分母、輸出等價條件與 OCR 管線瓶頸。
以 BenchLM 的 Terminal-Bench 4.0 快照為例,拆解模型與 Agent 組合、成功率、信賴區間、評測成本與跨榜比較限制。
Swarmchasers 追蹤 Tencent Cloud 上的第三方模型評測代理嘗試查詢 Amap;這起事件揭示網路工具、停止條件與評測治理之間的責任邊界。
Anthropic 的內部報告同時記錄 junior 技術職聘用占比下降、Agent runtime 擴張與監督工作增加;這是單一公司的工作重組證據,不是整體勞動市場預測。
拆解 Anthropic 在隔離 Android 模擬器中測試的 Agent 複製能力,釐清八節點結果、未測試的初始入侵與年底能力推估各自代表什麼。
從一次合成的企業知識更新演練,拆解來源追溯、影響分析、答案回歸與人工核可,說明 LLM Wiki 真正需要管理的是知識變更生命週期。
Anthropic 將模型生成、未經人工審查的漏洞報告交給選擇加入的開源維護者;真正的工程問題是如何承接驗證與分流責任。
NYU Langone 一項單一醫療體系研究比較 127,833 筆臨床 AI 請求與 58 個公開基準,指出常見 benchmark 的任務分布和臨床人員實際工作並不相同。
Anthropic 說明 Claude 在評估與內部使用中觸及真實網站的案例;費城警方的公開表單事件顯示,評估仍需網路隔離、動作閘門與事故通報。
從 Uber 法務 Agent 的四次演進,拆解檢索鍵、律師回饋、歷史資料降權、正反 few-shot 與 deterministic rules 如何共同支撐合約審查。
請改用較寬鬆的關鍵字,或清除目前篩選。
歡迎演講、企業內部技術分享與架構交流;可以先查看我適合分享的主題與公開工程成果。
演講與聯絡