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 9 頁
- Agentic RAG:向量搜尋遇上代理推理
以帳號政策混淆案例解釋 Agentic RAG 的召回、驗證、拒答與治理,並釐清第一方凍結 100 題的加權與嚴格正確率。
- 長時間 AI 工程的 Harness 設計:生成、評估與驗證鏈
以 Anthropic 的長時間應用實驗說明 Planner、Generator、Evaluator、QA Contract、不同模型的 Context Reset 取捨與具體成本。
- 長時間 Agent Harness:跨 Context 交接、驗證與恢復設計
根據 Anthropic 的長時間 Agent 實驗,拆解 initializer、進度檔、feature inventory、Git 與端到端驗證如何讓工作跨 context 穩定延續。
- Harness Engineering:讓 Codex Repository 可讀、可驗證、可治理
解讀 OpenAI agent-first 工程實驗:如何用 repository knowledge、可觀測環境、架構 invariants 與持續清理,將人類注意力轉成可複利的控制系統。
- 高效學術論文閱讀:三遍掃描法
把「三遍讀論文法」落地成可執行流程:用 5–10 分鐘做海選、用 1 小時抓住方法與證據、再用「虛擬重做一遍」吃透細節。本文整合 Keshav 的 three-pass 與李沐老師的實作要點,附檢查清單與文獻綜述讀法。
- AI 對勞動市場的衝擊:從「理論能力」到「實際使用」的新衡量方式
根據 Anthropic《Labor market impacts of AI: A new measure and early evidence》整理:介紹「觀察到的曝光度」指標,說明哪些職業最暴露在 AI 之下、與就業成長與失業率的關係,以及對政策、企業與個人職涯的啟示。
- 推理模型為何「無法控制自己的思路」——反而是 AI 安全的好消息
OpenAI 最新研究發現,現有前沿推理模型幾乎無法依指令隱藏或改變自身的思維鏈(Chain of Thought),可控性最高僅 15.4%。這個「缺陷」不只不是問題,更是當前 CoT 監控機制值得信賴的關鍵理由。
- LINE 貼圖怎麼上架:不會畫畫也能做
LINE 創作者貼圖上架流程:圖片規格、主圖/分頁圖、打包,以及不會畫畫時怎麼用現成圖與 AI 輔助完成。
- Anthropic 怎麼打造有效 AI Agent:架構模式與實作策略
對 Anthropic Building Effective Agents 的架構判讀:工作流、工具、評測與何時不該做成 Agent。這不是站上的 AI Agent 完整指南。
- BloomRender 操作手冊:從文字生圖到證件照、形象照、旅遊照與虛擬試穿
BloomRender 是以 Google Gemini 驅動的 AI 照片工作室。本篇詳述文字生圖、AI 證件照、編輯器微調、形象照、旅遊照與虛擬試穿的完整操作流程與建議學習路徑。
- Vibe Coding 是什麼:AI IDE 與 Code Agent 怎麼分工
分清 Vibe Coding、AI IDE 與 Code Agent:什麼時候該用聊天寫碼,什麼時候該把工作交給代理。
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