LLM 工程 · Agentic System · Harness Engineering
Articles
Source Code 不訓練神經網路也能打出理論最高分：Heuristic Learning 的設計邏輯
2026-05-29
Source Code Skill Library 的技術債：SkillOps 原始碼解析
2026-05-29
Source Code 把 Skill 文件當成可訓練參數：SkillOpt 的文字空間優化
2026-05-29
System Design AgenticSystem 架構全景：四個類別、五個系統的設計選擇與取捨
2026-05-28
Implement 用 RPG 架構評估 SRE Agent：Kube Arena 設計紀錄
2026-05-28
Source Code NanoClaw 原始碼：Multi-Tenant Agent Hosting Platform 的設計邏輯
2026-05-28
Viewpoint AI 時代的 PM / HR / Sales：你才是讓 AI 落地的那個人
2026-05-26
Viewpoint AI 時代的非工程師：從今天開始，不需要準備好
2026-05-26
Viewpoint AI 時代的 Backend Engineer：從會用到能建的完整路線
2026-05-26
Tutorial 第一個 Claude Skill：用 skill-creator 打包可重用工作流程
2026-05-25
System Design MCP、CLI、還是直呼 API？先看工具長什麼樣
2026-05-23
System Design Agent 要怎麼進化？六個系統的 Self-Improvement 機制比較
2026-05-22
System Design SOUL 設計決定了 Agent 是什麼：六個 Agentic System 的 system prompt 比較
2026-05-22
Source Code 不預裝能力，只定義生長方式：GenericAgent 原始碼解析
2026-05-22
Tutorial Claude Code 五個組件的觸發邏輯，以及為什麼 Hooks 是最被低估的那一個
2026-05-21
Viewpoint 你在比的是模型，但決定 Claude Code 效果的是 Harness
2026-05-20
LLMOps LoRA 這件事你只需要搞清楚一次
2026-05-20
Source Code 你在省 Token，還是在省思考？四種廢話假設比較
2026-05-19
Harness Engineering AI Agent 工具越多越選錯？從 N-class 分類看 Tool System 設計
2026-05-18
System Design K8s SRE Task Continuity Agent（一）：系統架構設計
2026-05-16
System Design K8s SRE Task Continuity Agent（二）：開發 Roadmap 與分工設計
2026-05-16
System Design K8s SRE Task Continuity Agent（三）：Testing 與 Observability 設計
2026-05-16
Source Code Task Continuity，不是 Personal Memory：Claude Code 的 Session 設計
2026-05-15
Source Code Memory 01：誰決定什麼值得記——Agent 記憶的四種寫入模式
2026-05-14
Source Code Memory 02：記憶怎麼被找到——四種搜尋模式與 Write-Search 耦合
2026-05-14
Source Code Memory 03：Agent 記憶住在哪裡——Storage 選擇是部署假設
2026-05-14
Source Code Memory 04：怎麼判斷哪個記憶系統強——Benchmark 數字的陷阱
2026-05-14
Source Code Memory 05：記憶活多久——8 個系統的生命週期設計
2026-05-14
Source Code Memory 06：K8s SRE Agent 的記憶設計——真實場景的技術選型
2026-05-14
Viewpoint Agent Memory 策略選型：三個決策，一個框架
2026-05-14
Tutorial 為什麼你的 Claude Code 用起來跟別人不一樣？
2026-05-14
Source Code DeerFlow：從原始碼看 LangGraph 為 Agent 系統帶來了什麼，又留下了什麼
2026-05-12
Source Code 你去睡覺，它在做研究：讀 Karpathy 的 AutoResearch
2026-05-12
LLMOps 你怎麼知道 AI 答對了？建立 LLM 評估的思考框架
2026-05-12
LLMOps 選對指標，不要選多：LLM 評估的決策框架
2026-05-12
Source Code 資料也可以 Autoresearch：Meta AutoData 的三層 Agent 迴圈
2026-05-12
Source Code 你在用它，它也在學你：HuggingFace ml-intern 的 SFT Flywheel
2026-05-12
Source Code 1,039 個策略，一個晚上：當計算量打敗 Domain Knowledge
2026-05-12
Viewpoint 你能把問題量化成什麼，AI 就能優化什麼
2026-05-12
Viewpoint Python AI 工程師為什麼要學 TypeScript？
2026-05-10
Harness Engineering Self Escalate Agent：刻意設計成不完整的 AI
2026-05-09
Harness Engineering Agent 怎麼學會新技能：Skill 系統設計與自我強化迴路
2026-05-08
Harness Engineering Harness Engineering 系列收尾：AI 焦慮之後，你決定怎麼走？
2026-05-08
Harness Engineering 用 SLM 打造垂直 Domain 模型：Fine-tuning、HuggingFace 與 vLLM
2026-05-08
Harness Engineering 你的 Agent 為什麼漸漸不像自己了：固定知識與流動知識的設計邊界
2026-05-07
Harness Engineering 把領域判斷打包進 Agent：Production Agentic System 地圖
2026-05-07
Harness Engineering 你的 Agent 跑歪了你知道嗎？LLM Agentic System 可觀測性設計
2026-05-07
Harness Engineering Agentic Loop 的設計關卡：工具執行、錯誤分類與中斷機制
2026-05-06
Skill GSD、gstack、Matt Pocock、Superpowers 都在解什麼問題
2026-05-05
Harness Engineering Harness Engineering 的地基：LLM Session 設計框架
2026-05-05
Agentic System 用 n8n 把 AI 嵌進工作流程：兩種節點，一個關鍵判斷
2026-05-04
Skill Superpowers：AI Coding Agent 系統性失敗模式的設計答案
2026-05-03
Viewpoint AI Native 從 25% 到 40%：YC 兩年告訴我們的幾件事
2026-05-02
Harness Engineering 從一個任務出發：怎麼疊加一個夠用的 Agent 系統
2026-05-01
Harness Engineering 四個 Agent 框架，四種對「穩定性」的理解
2026-04-30
Source Code Claude Code：從 claw-code 的分析看一個 Coding Agent 的設計關心
2026-04-29
Source Code CrewAI：從原始碼看「角色扮演」怎麼成為架構決策
2026-04-28
Source Code hermes-agent vs OpenClaw：兩個 Agent 框架，同一批問題，不同的答案
2026-04-27
Source Code Hermes-agent：從原始碼看一個為 Production 設計的 Agent 系統
2026-04-25
Source Code OpenClaw：從原始碼看一個 Agent 平台的工程選擇
2026-04-25
Source Code 打開原始碼才發現：三個 Agent 框架，三種截然不同的設計哲學
2026-04-23
Implement 不靠直覺，靠實驗：用 AutoResearch 找到 C++ 的 33x 優化空間
2026-04-17
Tutorial 給 Python/Go 工程師的 C++ 語法地圖：推論篇
2026-04-16
Viewpoint 在 Claude Code 的年代，我為什麼還要學 C++？
2026-04-15
System Design Frontier、Mini、還是自建：Production LLM 的架構沒有標準答案
2026-04-13
Viewpoint 你的 Prompt 為什麼有效：從 Transformer 機制看 AI 系統設計
2026-04-06
Implement 把 ML 工程師的直覺，打包進 Agent
2026-04-04
Harness Engineering Harness Engineering — AI 工程師的第三個維度
2026-04-02
Harness Engineering 用 LangChain + LangGraph 實作 Harness Engineering：從 deepagents 學到的設計模式
2026-04-02
Implement AI 自主研究實驗：讓 Agent 在你睡覺時跑 100 個實驗
2026-03-27
Viewpoint 機器學習的本質思考：Vibe Coding 時代工程師的關鍵決策指南
2026-03-26
System Design LLM Agent 四大架構模式：選型指南
2026-03-23
System Design RAG System 完整指南：從原理到實踐
2026-03-23
Tutorial Design Pattern 深度解析：不只是套模板，而是知道什麼時候不該用
2026-03-05
Tutorial Python 資料結構深度解析：不只是背複雜度，而是知道什麼時候該用哪一個
2026-03-04
System Design LLM Cache 策略：從 Prompt Cache 到 Semantic Cache
2026-01-01
Skill Claude Skills 完全解析：Agent 時代的能力模組化設計
2025-12-31
System Design 向量資料庫完全指南：為什麼 LLM 時代需要 Vector DB？
2025-12-31
RAG RAG 典範轉移：從向量檢索到結構化檢索
2025-12-05
System Design LangChain vs LangGraph vs DeepAgents：該選哪個 AI Agent 框架？完整場景對比指南
2025-12-04
Stock & Finance 打造台股交易模擬訓練平台：從構想到實作的技術分享
2025-11-27
Tutorial 💰 LangChain Middleware 實戰（二）：Summarization 讓 AI 自動壓縮對話，省錢又高效
2025-11-14
Tutorial 📋 LangChain Middleware 實戰（三）：TodoList 讓 AI 自動管理任務清單，複雜流程零遺漏
2025-11-14
Tutorial 🔧 LangChain 1.0 Tool Calling 實戰：讓 AI Agent 學會使用工具
2025-11-13
Tutorial # 🛡️ LangChain Middleware 實戰（一）：Human-in-the-Loop 讓 AI 學會等待人類審核
2025-11-13
Paper Notes Agentic Context Engineering：讓 AI 代理人自我改進的關鍵技術
2025-11-06
Paper Notes Dynamic Cheatsheet Paper 筆記
2025-11-06
LLMOps Langfuse
2025-11-03
Paper Notes ReasoningBank: Scaling Agent Self-Evolving with Reasoning Memory
2025-11-03
LLMOps AI Agent 大語言模型輸出評估：如何選擇最佳評估框架？
2025-10-21
Stock & Finance 🤖 LLM Agent Trader: 當ChatGPT遇上股票交易，我打造了一個會思考的交易機器人 (Part3)
2025-09-01
Stock & Finance 🤖 LLM Agent Trader: 當ChatGPT遇上股票交易，我打造了一個會思考的交易機器人 (Part2)
2025-08-19
Stock & Finance 🤖 LLM Agent Trader: 當ChatGPT遇上股票交易，我打造了一個會思考的交易機器人
2025-08-12
Implement 🚀 從 PR Review 中學習：用 LLM分析PR | 2025
2025-07-23
Stock & Finance 打造智能股票分析團隊：LLM Stock Team Analyzer
2025-07-15
Stock & Finance TradingAgents: Multi-Agents LLM Financial TradingFramework
2025-07-07
Viewpoint ✨ 如何用一段 Prompt 讓 Copilot 更了解你的專案？
2025-06-28