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 7 頁
- Google ADK 2.0:Workflow Graph、Task Collaboration 與 HITL 邊界
根據 Google 官方發布與 ADK repository,解析 ADK 2.0 如何分離 deterministic routing 與 LLM reasoning,並評估 workflow、task、HITL 與 production runtime 的責任邊界。
- 企業 AI Agent 安全架構:Threat Model、控制面與上線檢查表
以 Prompt Injection、工具授權、資料外洩、記憶與身分、供應鏈及可觀測性為邊界,建立可驗證的企業 AI Agent 縱深防禦架構。
- Google Cloud Data Agent Kit:Skills、MCP 與資料工作流導入指南
釐清 Data Agent Kit 的 preview 定位、開源 artifact、Skills/MCP/plugins 架構,以及企業資料團隊在權限、成本、驗證與 incident recovery 上的責任。
- Google Colab CLI:給 AI Agent 用的雲端終端
Google Colab CLI 讓 Agent 與開發者在雲端跑終端指令。這篇講能做什麼、權限與限制,不是「解放算力」的發表稿。
- GPT-Live 語音架構解析:全雙工互動、模型委派與 API 邊界
釐清 OpenAI GPT-Live 在 ChatGPT Voice 的全雙工與背景委派架構、它和 Realtime API 的產品邊界,以及語音系統上線前應驗證的失敗模式。
- LangChain OpenWiki 實作指南:安裝、Claims、增量更新與排錯
以 OpenWiki 0.7.3 與一次中斷續跑實例,說明 Coding Agent 整合、CLI 金鑰設定、Claims、增量更新、CI 審查與排錯方法。
- Meta Muse Spark 到 1.2:多模態推理、平行 Agent 與版本邊界
從初代 Muse Spark 到 1.1、1.2,整理 Meta 已公開的多模態、平行 Agent、coding 與 API 能力,並區分官方宣稱和未公開的模型內部細節。
- Meta Muse Image 是什麼?Agentic 圖像生成、可用範圍與工程限制
依 Meta 官方技術資料解析 Muse Image 的搜尋、程式工具、自我修正與 test-time compute,並釐清產品 availability、評測證據與導入限制。
- 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 是什麼:用知識圖譜補足多跳查詢與證據關係
從 QCon AI GraphRAG 演講拆解圖式檢索、社群摘要、Cypher 多跳案例、來源追溯、Graph ETL 成本及失敗邊界。
- 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。
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