LLM 工程 · Agentic System · Harness Engineering

Articles

All Agentic System Source Code Tutorial Harness Engineering LLMOps System Design Others
Viewpoint AI 時代的 PM / HR / Sales：你才是讓 AI 落地的那個人 公司導入AI失敗，通常不是技術問題。PM、HR、Sales、Manager各自有最直接能用AI加速的場景，這篇整理四個角色的具體切入點，以及如何從個人用起，帶動整個組織。
4 分 2026-05-26
Viewpoint AI 時代的非工程師：從今天開始，不需要準備好 很多人沒有開始用AI，不是因為不懂技術，而是覺得還沒準備好。這篇說清楚AI思維是什麼、跟工具思維有什麼差別，以及三個能讓你今天就開始的具體習慣。不需要學程式，只需要改變開口的時機。
2 分 2026-05-26
Viewpoint AI 時代的 Backend Engineer：從會用到能建的完整路線 熟悉 API 設計的 Backend Engineer，轉 AI 工程師沒有標準路線。這篇整理三個 Phase：LLM Integration 基本功、Agentic System 架構設計（含 RAG、memory、安全層與 eval），以及 Fine-tuning 與 Local Inference 的 Hybrid 策略，還有為什麼要先把工作方式升級成 Agentic Coding。
10 分 2026-05-26
Viewpoint 你在比的是模型，但決定 Claude Code 效果的是 Harness 大部分人評估 AI coding 工具的第一個動作是比 benchmark，但規模化部署的觀察說的是另一件事：決定 Claude Code 效果的不是模型選擇，是圍繞它建立的 Harness——CLAUDE.md、Hooks、Skills、Plugins、MCP 構成的執行生態。這篇說清楚為什麼。
7 分 2026-05-20
Viewpoint Agent Memory 策略選型：三個決策，一個框架 選 Agent Memory 框架時，你問的是「哪個 recall 最準」，但這個問題問的是框架，不是決策。Write、Search、Storage 三個決策鎖在一起，改其中一個另外兩個都要跟著換。如果你不知道從哪裡開始選，這篇提供一個具體的決策框架，從資料性質的第一個問題切入。
9 分 2026-05-14
Viewpoint 你能把問題量化成什麼，AI 就能優化什麼 AutoResearch、並行 Agent、SFT Flywheel、合成資料——這四個看起來不同的方法，為什麼都卡在同一個問題：你怎麼知道改進了？如果你想理解為什麼 eval function 的清晰度決定系統能走多遠，以及設計一個可驅動 Agent 自我改進的 eval 需要什麼條件，這篇是四篇系列的概念收尾。
9 分 2026-05-12
Viewpoint Python AI 工程師為什麼要學 TypeScript？ FastAPI 跑得好好的，LangChain 熟到閉眼寫，為什麼要花時間學 TypeScript？如果你是 Python AI 工程師，不確定 TypeScript 能補上什麼、兩個語言的分工邊界在哪裡，這篇用光譜圖說明為什麼越靠近 User 的那層 TypeScript 優勢越大，以及 Vibe Coding 時代讓進入成本降到最低的四個原因。
7 分 2026-05-10
Viewpoint AI Native 從 25% 到 40%：YC 兩年告訴我們的幾件事 AI Native 公司佔比從 7% 漲到 40%，但這個數字背後發生了什麼順序？這篇追蹤 YC W24 到 S25 四個 batch 的數據：哪類行業先被 AI 打入、平均團隊規模為何從 6.7 人縮到 3.6 人、Agent-First 浪潮如何從 25% 逐步確立，以及這些趨勢對工程師定位的實際意義。
9 分 2026-05-02
Viewpoint 在 Claude Code 的年代，我為什麼還要學 C++？ vLLM、llama.cpp、Flash Attention 底層幾乎全是 C++，但 Python 套件看起來已經夠用了——這個矛盾讓人困惑。如果你想搞清楚 C++ 在現代 AI 推論工程裡的真實位置、Python wrapper 慢在哪裡，這篇是 C++ AI 推論系列的起點，從問題出發而非語法出發。
13 分 2026-04-15
Viewpoint 你的 Prompt 為什麼有效：從 Transformer 機制看 AI 系統設計 同樣的 prompt，關鍵資訊放前段和後段，輸出品質差很多——這不是措辭問題，是 Transformer 注意力機制決定的。如果你想搞清楚為什麼重要資訊的位置比你想的更重要、為什麼 agent 跑幾十輪後開始亂、為什麼 context window 是零和競爭，這篇從機制角度解釋這些工程決策背後的「為什麼」。
12 分 2026-04-06
Viewpoint 機器學習的本質思考：Vibe Coding 時代工程師的關鍵決策指南 AI 可以幫你寫訓練程式碼，但「這個問題該用 Accuracy 還是 F1？」、「模型在測試集好、部署後崩潰是為什麼？」這類決策沒辦法外包。如果你覺得 ML 工程師在 Vibe Coding 時代的判斷力越來越難說清楚，這篇整理了 7 個最容易踩坑的決策點，幫你建立可以說清楚的思考框架。
84 分 2026-03-26
Viewpoint ✨ 如何用一段 Prompt 讓 Copilot 更了解你的專案？ GitHub Copilot 一直補出舊版語法或不符合團隊風格的程式碼，根本原因是它不知道你的專案背景。透過 .github/copilot-instructions.md 加上一段 Prompt，可以讓 Copilot 自動掃描整個 codebase 並產生結構化的專案指引，讓後續補全與 Chat 回覆都更貼近你的實際需求。
8 分 2025-06-28