· 文章
關於 agentic systems、ML infrastructure 與 tooling 的繁體中文筆記。
多數文章由 LLM 從英文原文翻譯而來；如有不通順或誤譯處，請以 English blog 為準。另有 Lee Hung-yi-inspired English teaching-style index 與 李宏毅老師經典的教學風格版文章。
-
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
用 computer architecture 重新理解 AI agent：LLM 是 processor，context 是 working set，memory 是 storage，tools 是 I/O，harness 是 OS。
-
同時駕馭 10+ 個 CLI 程式設計 agent 的設定方式
tmux、Tailscale、iOS 上的 Termius，加上一個小型 PWA 控制台：在桌面或火車上同時駕馭 10+ 個並行程式設計 agent 的方法。