AI Ark LLM Wiki

愛好 AI 工程 Blog (aihao.tw)

Properties2
descriptionAI Ark 知識頁：愛好 AI 工程 Blog (aihao.tw)。
tagsblog, domestic, independent, analysis, reporting

閱讀時間約 9 分鐘

愛好 AI 工程 Blog (aihao.tw)

基本資訊

  • 名稱： 愛好 AI 工程 Blog
  • 網址： https://blog.aihao.tw
  • 類型： 繁體中文科技部落格
  • 地區： 台灣（繁體中文）
  • 語言： 中文（zh-TW）
  • 描述： 以 AI 工程實務為主題的個人部落格，專注於 AI Agent、Coding Agent、規模化評測等深度技術分析

內容定位

  • AI Agent 產品與技術深度分析
  • Coding Agent (Vibe Coding) 實戰與評測方法論
  • 產業技術會議重點整理（如 Anthropic Code with Claude 等）
  • 以「小編」視角進行技術報導與評論

相關領域

  • AI Agent 規模化評測 (Eval at Scale)
  • Vibe Coding 與 AI 輔助程式開發
  • AI 產品工程與 A/B Testing

監測筆記

  • 文章發布頻率：不定期（深度文為主）
  • 付費牆：無
  • 特色：長文深度整理，注重技術脈絡與實戰架構
  • 2026-07-06 新文：老師傅知識萃取成 Agent Skill，補強 skill source / extraction route 的方法論
  • 2026-07-06 新文：SemiAnalysis 記憶體短缺與 context window 上限，補強 context engineering 與 HBM 供給限制
  • 2026-07-18 監看：兩篇 2026-07-08 草稿頁被選入 raw capture；一篇補上 AI cognitive／belief offloading 與 anti-sycophancy，另一篇補上 code generation 成本與 production software 驗證成本的拆分。兩篇均保留 Draft 狀態，研究與產業數字需回查原始引用。
  • 2026-07-25 新文：以四篇「Rethinking Agent Harness」導讀整理 function call 的 Decision／Serialization／Guarantee 分層、task-level Skill、filesystem 檢索的完整性訊號，以及 LLM × Harness × Data × Task 的適用邊界；更新既有 harness、agent skill、agentic search 與 LLM Wiki 概念頁。
  • 2026-07-25 新文：整理 Matt Pocock 的 Agent Skill 設計哲學；以 user/model invocation、branch-based progressive disclosure、leading words、completion criteria 與 no-op pruning 更新既有 Agent Skills、harness 與 instruction-file concepts。
  • 2026-07-25 草稿：整理 Simon Willison《Agentic Engineering Patterns》；以「程式碼變便宜、好程式碼沒有」、red/green TDD、手動測試、認知債、subagent context 邊界與 PR evidence 更新既有 coding-agent workflow cluster。
  • 2026-07-26 新文：導讀 LlamaIndex《Beyond RAG》工作坊，補強文件解析、spatial text、結構化 chunking、agentic retrieval 與 parser／RAG eval 的上游 failure taxonomy。
  • 2026-08-05 新文：整理「很難 eval」是產品設計警訊，補強可驗證 UX、provenance、progressive disclosure、atomic review 與使用者信任校準；更新 eval-is-spec 與 agent-experience，Hamel Husain 原文與案例屬來源歸屬，不視為獨立產品 benchmark。
  • 2026-08-05 新文：整理 Hex 資料 agent engineering，補強資料分析的驗證缺口、capability modules、tool search、semantic model、Context Studio 回饋迴路與長時程 Metric City eval；更新 data-science-agents、eval-is-spec、agent-experience、agent-ready-data-governance、context-engineering、agent-skills、loop-engineering 與 agent-trace-observability，受訪者／媒體數字保留來源歸屬，不視為獨立 benchmark。
  • 2026-08-05 草稿：比較 Braintrust 的架構分層 eval 與 howtoeval 的 production error analysis；更新 eval-is-spec、agent-trace-observability，並建立 agent-eval-methodologies，保留平台方法與數字的來源歸屬。
  • 2026-08-22 canonical revision：同一主題由 draft 發布為正式 canonical page；補上 2025 論戰脈絡、floor raising、code-aware eval、offline／online 轉折、六代 agent 架構與 harness 塌縮／變厚的分歧，更新 agent-eval-methodologies，保留 draft raw 作為 source family。
  • 2026-08-22 新文：以 Excel 週報比較 AI-enabled、AI First 與 AI Native，補強從 task augmentation 到 workflow／operating model redesign、zero-basing 與企業治理的判斷框架；更新 ai-native-enterprise-governance 與 ai-fitness-and-enterprise-ai-maturity。
  • 2026-08-24 新文：整理 Shreya Shankar 的 Evals 自動化演講，補強 Analyze／Measure／Improve、error-discovery、criteria drift 與「人定義、AI 規模化」邊界；更新 eval-is-spec，演講中的 skill 與 benchmark 數字保留來源歸屬。
  • 2026-08-24 擷取新文：整理《The New Frontier of AI Search》，補強 agentic-search-tool-curation 的 hybrid search 基本盤、agentic search 補救迴圈、行為訊號、presentation bias、LLM judge calibration 與 retrieval 成本取捨；講者成熟度與數字保留來源歸屬。
  • 2026-08-24 canonical revision：同一 AI Search URL 更新標題並補上「現在就做／值得投入／先知道」成熟度表，明確把 sparse／dense 的漸進部署、signals boosting、quantization 與場景化採用順序接回 agentic-search-tool-curation；保留舊 raw 作為 source family。

相關連結

關聯頁面

Graph View

反向連結