AI 前沿研究與工程實作
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。
文章封存｜第 4 頁
- 當代 LLM 架構比較：DeepSeek V3、Gemma 3、Kimi K2 的記憶體與路由取捨
比較 DeepSeek V3、Gemma 3、Kimi K2 等開放權重模型如何運用 MLA、MoE、GQA 與滑動視窗注意力，在品質、KV Cache、吞吐量與部署複雜度間取捨。
- AgentEscapeBench 是什麼：評測 Agent 域外工具推理
讀 AgentEscapeBench：Agent 在領域外、長鏈條工具圖上為何會崩，以及這份評測能說明什麼、不能說明什麼。
- Claude 5 世代的 Context Engineering 新法則：刪除 80% System Prompt 後的 AI Agent 設計學
Anthropic 團隊在 Claude Opus 5 與 Claude Fable 5 專案中精簡超過 80% 的 Claude Code 系統提示詞。本文深入剖析從「僵化規則約束」轉向「信賴模型判斷」的 Context Engineering 典範轉移，以及漸進式揭露、自動記憶與動態 Harness 的工程實踐。
- GPT-5.6 Prompting 規則清單：從精簡提示到工具編排
把 GPT-5.6 官方 prompting 收成可勾選規則：精簡、工具編排、何時不要把政策寫進 prompt。這篇是清單，不是 15% 那篇導讀。
- OpenAI 發表 OpenAI Presence：重塑企業級 AI Agent 治理與高風險工作流
解讀 OpenAI 於 2026 年 7 月發布的託管式企業 AI Agent 平台 OpenAI Presence。剖析其 Job-scoped 單一職責設計、護欄與人類審批機制、基於 Codex 的線上對話持續優化環路，以及 OpenAI 自身 AI Phone Support 的 dogfooding 實踐。
- 多 Agent 怎麼協調：TAKT 的 YAML 工作流
TAKT 用 YAML 工作流 topology 排多個 coding agent。這篇講協調控制點，不是又一篇「深度剖析」。
- Agent 寫程式的 Self-Scaffolding：Ornith 1.0 的訓練與評測邊界
讀 Ornith 1.0 的 self-scaffolding：Agent 寫程式時自己搭鷹架解決什麼、評測能說明什麼、信任邊界在哪。Ornith 是案例，不是搜尋入口。
- Gemini 3.6 Flash、3.5 Flash-Lite 與 Flash Cyber：定位、價格與採用邊界
整理 Gemini 3.6 Flash、3.5 Flash-Lite 與 3.5 Flash Cyber 的官方定位、目前價格、發布方評測與可用性，並提出 Agent 模型路由與資安權限的驗證重點。
- Gemini Enterprise Agent Platform：Google Cloud 的 Build、Scale、Govern、Optimize 架構
整理 Gemini Enterprise Agent Platform 的開發、執行、治理與評估能力，並從企業部署角度檢視其架構承諾、整合邊界與採用條件。
- 德甲聯賽結盟 AWS：生成式 AI 締造全球化觀賽體驗
探討德甲聯賽如何透過與 AWS 合作，利用生成式 AI (Generative AI) 技術，為全球超過 10 億球迷帶來零距離的創新觀賽體驗與自動化內容產製。
- AI Agent 完整指南：架構、工具、評測與企業落地
從 Agent 與工作流的差異開始，系統整理單一與多 Agent 架構、工具與 MCP、狀態記憶、評測、安全治理，以及從 PoC 推進正式環境的決策方法。
- Enterprise RAG 完整指南：檢索架構、評估與企業落地
系統整理企業 RAG 的資料管線、Hybrid Search、重排、GraphRAG、Agentic RAG、評估、權限治理與失敗診斷，建立從知識來源到正式營運的決策框架。
- 在 AWS 上打造企業級 AI Agent：Bedrock AgentCore 與 HoyaBit 從 POC 到 Production 實戰
整理 AWS × HoyaBit 議程：企業 Agentic AI 四大痛點、Amazon Bedrock AgentCore（Runtime／Memory／Gateway／治理）技術棧，以及台灣金管會合規交易所如何把語音交易 Agent 與企業大腦平台推上正式環境。
- 從 K8s 遷移到 Amazon GameLift：Palworld 幻獸帕魯多人伺服器架構實戰
整理 AWS × Pocketpair 議程中的 Palworld 持久世界遷移，並以 AWS 文件核對 GameLift 壓測、Spot 與 UDP ping beacon 等服務能力。
- AI Agent 時代的企業治理新課題：FinOps × Agent 治理的雙平台路徑（OmiFin 與 MAIAH）
整理 eCloudvalley 演講中的 FinOps 與 Agent 治理路徑，並以 FOCUS、FinOps Framework、AWS 與 MAIAH 公開資料校正產品主張。
- 軟硬體協同優化實戰：AWS 自研晶片 × Tomofun Furbo 如何砍掉 82% AI 推理成本
整理 AWS Howard 與 Tomofun（Furbo）Ricky 的演講，並補充 AWS 官方技術文：從 Trainium／Inferentia／Graviton／Nitro 垂直整合，到 Furbo 將 BLIP 移植至 Inferentia 2、兩層 Auto Scaling 與 AMI 冷啟動優化，成功節省 81.6%–83% AI 運算成本。
- 從 Multi-Agent 架構到兩分鐘招募 AI 員工：AWS × Super 8（ORRA）企業落地實戰
整理 AWS 與 Super 8（雲發互動科技）ORRA 的議程：單一 Agent 決策循環、多代理人 Graph／Swarm／Workflow 三大協調模式、A2A 溝通、Amazon Bedrock AgentCore 核心組件，以及 ORRA 如何讓業務人員以 Job Description 方式在兩分鐘內建立並部署 AI 員工。
- GPT-5.6 Sol 提示詞指引：為什麼精簡 prompt 反而比較準
讀 OpenAI GPT-5.6 Sol 官方提示指引：精簡 prompt 的 15% 數字能說明什麼、不能說明什麼。這篇講「為什麼少寫」，不是規則清單。
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