· 李宏毅老師經典的教學風格版文章
這裡收錄 Arthur 文章中受李宏毅教學風格啟發的版本，並保留整個 agent 系列的文章入口。
這是文章風格版本索引，不是李宏毅老師本人撰寫、審閱或背書的官方內容。全部 agent 系列文章已連到本頁的李宏毅老師經典的教學風格版；也可看 Lee Hung-yi-inspired English teaching-style index。
-
agent-07 · Loop engineering 是定時運行的 harness
Loop engineering 是裝上時鐘的 harness：schedule、state、spawn 與 hard oracles。難點是選出 loop 無法 game 的 signal。
-
agent-06 · Self-improving AI 是光譜，不是開關
深入討論 AI self-improvement：pseudo-labels、reward shaping、self-defined losses、proposer-solver-verifier loops，以及為什麼我們仍接近 Rubicon。
-
agent-05 · Self-correction 有三層：decoding、workflow 與 reasoning
深入討論 AI self-correction：從 contrastive decoding、外部 feedback loop，到以可驗證 reward 訓練出的 reasoning。
-
agent-04 · Harness engineering 才是讓 agent 真正有用的關鍵
深入討論 harness engineering：小模型為何會因糟糕的 scaffolding 失敗，tool 與 feedback 如何塑造 agent 行為，以及為什麼 agent 需要的不只是 prompt。
-
agent-03 · AI agent 會如何改變研究工作
深入拆解李宏毅關於 AI agents 在學術研究中的課程：research assistants、idea generation、AI review，以及 human judgment 仍然重要的地方。
-
agent-02 · Multi-agent systems 是拓樸問題
深入拆解 AI agent 互動：協作拓樸、對抗式遊戲、AI-only 社交平台，以及為什麼 agents 變多不等於 agents 變好。
-
agent-01 · Context engineering 是 agent 的工作記憶
深入解讀李宏毅關於 context engineering 的課程：prompt 與 context 的差異、memory、壓縮、sub-agents，以及 agentic context 管理。
-
agent-00 · AI agent 是圍繞 LLM processor 建成的 computer system — 李宏毅老師經典的教學風格版
受李宏毅教學風格啟發，用 roadmap-first、intuition before mechanisms 的方式，重新講解 LLM processor、context、memory、tools、feedback、harness 與 multi-agent topology。
-
同時駕馭 10+ 個 CLI 程式設計 agent 的設定方式 — 李宏毅老師經典的教學風格版
受李宏毅教學風格啟發，把 10+ 個 CLI coding agents 重新講成一個 operating system 問題：tmux 是工作區，Tailscale 是私有網路，Termius 是手機 I/O，PWA panel 是總控台。