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 6 頁
- Kaggle Titanic：從 0.74 到 0.816，特徵工程比調參重要
鐵達尼號生存預測競賽的完整實戰紀錄：漸進式特徵工程、CatBoost 與 RF 集成、CV 與 Public LB 脫鉤、嚴格 notebook 移植，以及何時該停手。最終 Public LB 0.81578。
- MCP 規格更新：無狀態核心、Tasks 與 Apps
整理 2026-07-28 MCP 規格相對於舊版的控制點：無狀態核心、Tasks、Apps，以及要不要遷移。規格日期放在正文。
- GraphRAG 深度解析：如何利用知識圖譜打造更聰明的 AI 檢索工作流？
探討 QCon AI 中 Cassie Shum 的演講精華。從底層解析 GraphRAG 如何透過全局脈絡 (Global Context)、多步推論 (Multi-hop Reasoning) 與 Cypher 查詢解決企業級 RAG 痛點，並附上具體的架構實踐。
- GitLab Orbit：讓 AI Agent 查詢程式碼與 SDLC 關聯
GitLab Orbit 將程式碼與軟體生命週期資料建成可查詢圖譜；本文釐清 Remote、Local、MCP 介面與 Beta／Experiment 成熟度。
- 金融級 Enterprise Agentic AI 架構設計：從 Demo 到 Agentic Operating System
AI Summit 分享整理：企業 AI Control Plane、15+ Agents 責任分解、理專現場的四段 Runtime 流程、三層安全邊界、LLM-as-a-Judge 品質治理，以及 E·P·J·T 可複用能力底座。
- Nano Banana 2 Lite 與 Gemini Omni Flash：官方規格、預覽限制與導入判斷
整理 Google 公布的 Nano Banana 2 Lite 與 Gemini Omni Flash 規格、價格與預覽限制，並說明影像到影片管道在導入前應驗證的事項。
- NotebookLM 短影音摘要：先確認來源邊界，再談學習效率
NotebookLM 的短影音摘要把來源資料轉成約一分鐘的直式影片；本文整理已知功能、可用情境，以及不能從產品介面反推的內部架構。
- 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
Cloud Summit 分享整理：金融 AI 上線的三條生死線、PoC 為何卡住、Cloud Native AI Runtime 三層架構、MCP 工具治理、Hybrid Search 與 Agentic RAG，以及為何準確度是工作流屬性而非模型功能。
- 足球心流訓練：頂尖球隊為什麼練的是大腦
探討現代高強度足球競技中，頂尖球隊如何透過神經科學與大腦訓練，幫助球員進入心流狀態，並將科學概念轉化為日常訓練建議。
- Anthropic 推出 Claude Tag：讓 Claude 成為團隊的常駐 AI 隊友
Anthropic 發布了專為團隊協作打造的 Claude Tag。透過在 Slack 中標註 @Claude，讓 AI 成為能主動參與討論、執行非同步任務並不斷學習的虛擬隊友。本文將詳細介紹其核心功能、使用方式、目標受眾及計費模式。
- 走入 Agent 時代：拆解 Cursor / Claude Code / Codex 的四大核心基石
深度解析現代 AI 編輯器的四大 Harness 機制——Skills、Subagents、Commands 與 Hooks。釐清各平台實際設定格式、觸發時機與協作關係，從「提示詞工程」進化到「AI 工作流架構師」。
- Google 發布 Agentic Resource Discovery 規範：AI Agent 時代的「能力黃頁」
深度解讀 Google 於 2026 年 6 月發布的開放規範 Agentic Resource Discovery（ARD）。這套規範旨在標準化 AI Agent 在分散式系統中尋找、驗證、並連接工具、技能與其他 Agent 的方式，解決多 Agent 協作的核心痛點：「我要怎麼找到可信的合作夥伴？」
- OpenAI 最新研究：強化學習 (RL) 如何讓 AI 系統更加對齊與具備韌性
深度解讀 OpenAI 關於強化學習 (RL) 與 AI 對齊的最新研究。探討模型如何透過專注於「有益特徵」的訓練，在超過 40 項未曾見過的對齊基準測試中展現廣泛的泛化能力，並在惡意微調與對抗性提示下展現強大的持久性與韌性。
- Anthropic 最新研究：代理寫程式 (Agentic Coding) 的現狀與領域專業的持續價值
Anthropic 發布對 40 萬次 Claude Code 互動數據的隱私保護分析。研究揭示了 AI 程式碼代理的真實分工：人類決定「做什麼」，AI 決定「怎麼做」。更重要的是，成功並非取決於「寫程式能力」，而是「領域專業知識」。這對未來的知識工作有著深遠的啟發。
- OpenAI 部署模擬：發布前怎麼預測 LLM 安全
讀 OpenAI Deployment Simulation：離線評測和真實部署為什麼會落差，以及這套模擬能預測什麼、不能預測什麼。
- PixelRAG 是什麼：用網頁截圖做 RAG
PixelRAG 把檢索對象從純文字改成網頁截圖像素。這篇講它解決什麼、證據停在哪，不是「截圖打敗文字」的口號。
- OKF 是什麼：Google 讓 AI Agent 讀懂企業知識的格式
介紹 Google Cloud Open Knowledge Format：為什麼要用檔案 + YAML 當 Agent 知識介面，以及它不是什麼。
- Zellij 怎麼用：快捷鍵、複製貼上與 Session 操作
依 Zellij 現行預設鍵位整理 Pane、Tab、Resize、Scroll、Session、複製貼上與滑鼠操作，並說明自訂設定造成的差異。
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