AI Agent

共 0 則知識、128 份來源資料。

128 份筆記，0 份日誌，0 份外部來源

筆記

• 你在驗票，規格要你驗的是收件人
• 你平常用 Claude Code，其實是「一個人校長兼撞鐘」
• 在那之前，你只能把另一個 agent 包成工具
• 起點：那時候大家管 agent 的待辦，用的是 markdown
• groups 裡那一行，不是字串就是一組 tuple
• 先把名字造成的誤會解掉
• 真正的問題不是 prompt 寫得不夠長
• 兩邊都在解同一題：模型要怎麼知道這個 repo 有什麼
• 第一個想法是最直覺的那個，它不會動
• 第一個判準：檔名。而這一題沒有模糊空間
• 一份 Markdown，5.3k star
• 差別不在功能表，在誰看得到你剛剛打的那行
• 這份草案五天前才進工作組
• 先用一個比方把七個抽屜串起來
• Moved: Generative AI semantic conventions
• 先分清楚：你是坐在旁邊，還是放它自己跑
• 先是你開了第二個視窗
• 為什麼改名反而是最安全的一段
• 它接手的是「編排」，不是「隔離」
• 這東西解決什麼問題
• 倉庫結構：三層各自負責一件事
• 兩條土法煉鋼的路
• 19 份文件，覆蓋整個開發生命週期
• 它真正解掉的，是「你懶得每次都講一遍」
• Claude Managed Agents：Anthropic 幫你跑 AI Agent 的代管服務
• Claude for Small Business：15 個工作流，7 個軟體整合，零行程式碼
• Apple iOS 27：你的 Siri，你選引擎
• 一、OpenAI 發布 Frontier Governance Framework：把安全做成一份合規文件
• 一、TrustFall：一個 Enter 鍵，打穿四個 AI coding 工具
• 一、Anthropic 秘密遞件 IPO，估值反超 OpenAI
• 一、Veeam 備份伺服器爆 RCE，CVSS 9.4，網域內任何人都能打
• 一、你裝的那堆 AI 框架，可能各自開了一扇沒上鎖的後門
• 一、OpenAI 讓 Codex 自己跑到目標達成才停
• 一、OpenAI 把三個 app 綁成一個，順便準備上市
• 一、市場第一次對「無底洞式 AI 支出」投了不信任票
• 一、Meta 推出賣家專用 App，讓 AI 替你定價、替你回訊息
• 一、AMD 砸最多 50 億入股 Anthropic，換 2GW 的晶片大單
• 一、一個測試中的 agent，打進了 Hugging Face 的生產網路
• 一、五天的窗口，一個自動化紅隊 agent 走完了完整攻擊鏈
• 一、CISA 給三天，而修好的版本去年十一月就上架了
• 一、Slack 開了一種新頻道，開它的是 agent
• 一、事故還在進行中，調查報告先結案了
• 先講結論：讓 agent 會「動」的，不是那顆模型
• 一張只會講話的嘴
• 第一招：planning & todos，先把大任務拆成 ticket
• 記憶：讓 agent 關掉重開還記得你
• 一、task system：讓計畫活得比一次對話久
• Coordination：先給每個 agent 一個信箱
• 先講清楚問題：只會用內建工具的 agent，天花板在哪
• 從「下 prompt 的人」變成「設計 loop 的人」
• 你早就知道流程長怎樣，卻每次都讓 model 重新猜一遍
• 第 20 章記錄發生過什麼，這一章問的是好不好
• 什麼是 AI Hedge Fund
• 以前是下載 HTML，現在是「看著重蓋」
• 它是什麼
• 同意從一個動作，變成一份文件
• 把廚房鑰匙交出去
• 你以為的 AI 設計 vs 它想做的事
• 跟你已經知道的東西有什麼不同
• 順序決定了誰最貴
• 在那之前，這件事是你自己的問題
• 一本自動更新的工作筆記
• 舊做法：一個太熱心的實習生
• 先搞懂：為什麼開一個 subagent 會把你整個卡住
• 先試過的那兩條路，為什麼都不夠順
• Sub-agents vs Agent Teams
• 工頭不用親自搬磚
• Auto Mode 做了什麼
• 舊做法：你得自己當那個記得存檔的人
• 轉捩點：把「計畫」從對話搬進程式碼
• 先搞懂：模型每次回話，前面那一大段它怎麼處理
• 先拆第一個零件：什麼叫「完成條件」
• 你缺的不是 AI，是一個完成條件
• 第一步：它先判斷你到底想幹嘛
• 先搞懂三個東西的差別
• 那些 token 是被「說明書」吃掉的
• 按下送出之後的 60 秒
• 這不是「Awesome Prompts」清單
• 一個 AI Agent 拆成兩塊：思考 vs 動手
• 四個核心概念
• 它在研究什麼
• Plan 模式是真的被綁住手腳，不是講好聽的
• 先講你用不到它的情況
• 不只是 chatbot，是一整支團隊
• 模型是可替換零件，環境才是地基
• Claude Code 的閘門只認動作型別
• 在打卡鐘出現之前
• 為什麼 AI 做的網頁都長一樣
• 你以為讓檢索變強的是模型，其實不是
• Coding Agent：像指派工程師一樣指派 AI
• 先搞清楚兩個工具的根本差異
• 一個追不上的時間差
• 先看 AI 到底錯在哪
• 它到底是什麼
• Harness 是什麼？一句話講完
• 解一次，封裝一次
• 先畫一張圖
• 積木和電器的差別
• 瀏覽器裡的 Agent 意識監控
• 它做的事，比你想的少
• 拆開來看，它產出的是三個階段的凍結點
• 馬具到底是什麼
• 為什麼不「改良」headless Chrome 就好
• MCP 的三個核心原語
• 它到底怎麼跟 NotebookLM 講話
• 它提取的不是金句，是「決策的骨架」
• 不是框架，是已經調好的團隊
• 它做的第一個決定，是「自己不帶 AI」
• ACP 是什麼？為什麼需要它？
• 轉址之前：每個工具在你的 repo 根目錄各插一支旗
• Codex 是什麼，不是什麼
• 一句話講完：可以自己架設的 ChatGPT + Siri + 自動化工作流
• 為什麼 Web 版免費、API 要錢
• 先講一件很多舊文章寫錯的事
• 三層記憶圖譜
• 機制它一個都沒發明
• 影片界的 LangChain
• 為什麼一份「叫你少寫」的規則會紅
• 它到底在攔什麼
• 一個叫 resume 但跟履歷無關的東西
• Agent 自己進化，到底在進化什麼？
• 試過的兩條死路
• 為什麼現有流程不夠
• 這不是程式碼，是 SOP 手冊
• 舊做法：一個人要會所有事
• 第一次鬆動：把影片變成一篇可以刪字的稿子
• 一支 30 秒的影片，硬塞給 AI 要花多少錢
• 填問卷的問題

我的補充