標籤: 架構模式

深度剖析 Cloudflare 提出的 Agentic Internet 基礎架構。從 Web Bot Auth 身份驗證、Markdown for Agents、WebMCP 前端工具暴露到 x402 微支付協定，全方位解析網頁如何從人類 UI 轉型為 AI Agent 友善的開放網路。

完整拆解 Moonshot Kimi-K3 2.8T MoE 模型私有化部署所需的 GPU 顯存拓撲、伺服器預算、機房三相電力與液冷需求，並提供企業導入 5 階段估算框架。

完整拆解 AI 開發者以 80 張 RTX 5090 消費級顯卡成功部署 Moonshot Kimi-K3 2.8T MoE 模型的硬體拓撲、為什麼不能只用 44 張顯卡、千萬級建置成本與三相電費試算。

深入解析 OpenAI 官方發布的 GPT-5.6 論文與規格，完整拆解 Sol/Terra/Luna 三階定價、Coding Agent 基準測試、Triton 自研 Kernel 與 Agentic Harness 動態路由最佳化。

探討 DeepSeek V3、Llama 4、Gemma 3 與 Kimi K2 等最新 LLM 架構的關鍵技術，包含 MLA、MoE 與滑動視窗注意力機制的工程實踐。

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。

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。

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。

整理 AWS × Pocketpair 議程：Amazon GameLift 託管價值與成本優化，以及 Palworld 如何以狀態外部化、生命週期適配器、Exactly One 世界實例與既有監控資產，完成從 Kubernetes 到 GameLift 的持久世界遷移，並拆解 Terraform Drift、假健康 Fleet、Ping Beacon 三大故障案例。

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。

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。

整理 AWS ProServ 資深顧問演講《Decompose with Care》：東南亞領先銀行如何以零中斷前提，將 2000 萬活躍用戶的全通路單體平台遷移至 AWS 雲端原生微服務——四大挑戰、Strangler Fig、三層 Facade、Contract-First / Mock-First 與 AI 時代的工程護欄。

整理 AWS 解決方案架構師 HC 與幣託運維經理 Michael 的沙龍分享：OWASP LLM Top 10 安全紅線、runC / gVisor / Kata 沙箱對比、Kubernetes 多租戶隔離層級，以及 BitoClaw 如何以 EKS、KEDA Scale-to-Zero、Pod Identity 與 Network Policy 打造合規低成本 AI Agent 平台。

整理 Amazon 與 TapPay 副總經理 Joseph 的演講：Alexa for Shopping（原 Rufus）如何以單 Agent 架構拿下 120 億美元營收、Agentic Commerce 與傳統導購差異、以及單次虛擬卡、意圖核對與限額管理等 AI 自動購物安全防線。

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。

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。

解讀 Model Context Protocol 2026-07-28 正式規格的 breaking changes、Tasks 與 Apps 擴充，並整理企業升級、相容性與安全控制清單。

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。

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。

深讀 Thoughtworks 評析文：guides／sensors、computational／inferential、三類 regulation 與行為 harness 缺口，並對照 OpenAI 實戰與常見 Agent 失敗模式，整理可落地的 Harness 盤點表。

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。

根據 Anthropic《Harness design for long-running application development》整理：用生成-評估分工、外部評測與 QA 合約，提升長任務的可靠性與可控性。

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。

根據 Anthropic《Building Effective AI Agents》整理：從單一 Agent 到多 Agent 協作、常見架構模式、工作流設計，以及如何依控制需求、問題複雜度與資源選擇合適架構。