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 8 頁
- 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。
- Open Knowledge Format(OKF)v0.2:企業知識的來源、驗證與可攜格式
以 OKF v0.2 官方規格解釋 Markdown、YAML、sources、generated、verified、status 與 Attested Computation,釐清與 RAG/LLM Wiki 分工。
- 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。
- Harness Engineering 怎麼讀:長任務 Agent 的設定與驗證
用一張閱讀地圖說明長任務 Agent 的 Harness:設定、驗證、交接,以及站上相關筆記要怎麼讀。
- Harness Engineering 解釋:Martin Fowler 的 AI 寫碼工作流
依 Martin Fowler 的說法,Harness Engineering 是包在 coding agent 外層的控制迴路:前饋 guides 加上回饋 sensors;信任是可設計的控制,不是感覺。
- LangChain 解剖 Agent Harness:從模型能力到可交付的工作引擎
深讀 LangChain 長文:Harness 的正式定義、由期望行為反推的元件鏈(檔案、Bash、沙箱、記憶、Context Rot、Ralph Loop),以及模型–Harness 共訓與 Terminal Bench 的啟示。
- Mitchell Hashimoto 的 AI 採用六階段:從丟掉 Chatbot 到 Harness Engineering
深讀 Hashimoto 親筆歷程:三階段工具採用、重做 commit 練功、離峰與 slam dunk 委派、AGENTS.md 與可驗證工具,以及「總有一個 Agent 在跑」的現狀與限制。
- 16 個平行 Claude 建 C 編譯器:Anthropic 的 Agent Teams 與長程 Harness 實驗
深讀 Nicholas Carlini 實驗文:近 2000 次 session、約兩萬美元 API、十萬行 Rust 編譯器能編 Linux 6.9——鎖任務、測試 Harness、GCC oracle、多角色分工與能力邊界。
- Phil Schmid:2026 年 Agent Harness 為何比模型排行榜更重要
深讀 2026 年 1 月長文:durability、OS 類比、系統評測缺口、Bitter Lesson 下的輕量 Harness,以及 hill climbing 與訓練—推理收斂。
- Parallel.ai 科普:Agent Harness 是模型以外的整條生命週期
深讀 Parallel 長文:從意圖擷取、工具執行、context 編譯到驗證與持久化,釐清 Harness 與 orchestrator、framework 的差異,並對照 Anthropic/LangChain 實例。
- Ignorance.ai Playbook:OpenAI、Stripe、OpenClaw 收斂的 Harness 實踐
深讀 2026 年 2 月橫向整理:工程師工作分裂為「建環境」與「管 Agent」、架構當護欄、工具即回饋、AGENTS.md 當系統紀錄,以及規劃與執行分離。
- HumanLayer:Coding Agent 的 Skill Issue——五類 Harness 設定面實戰
深讀 HumanLayer 長文:失敗常是配置而非模型;釐清 AGENTS.md、MCP、Skills、Sub-agents、Hooks 與 back-pressure,並回應 ETH 研究與 post-training 過擬合爭論。
- 2026 創業新規則:為什麼「建構能力」已不再是核心競爭力
站在 2026 年的創業現場,我們正目睹一場前所未有的範式轉移。在 AI 原生時代,開發成本與時間被極度壓縮,創業的瓶頸不再是「建構能力」,而是「選擇能力」。本文揭示 AI 驅動創業生態中最具顛覆性的核心洞察。
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