ihower

愛好 AI Engineer 電子報第 37 期發刊 📬 ihower.tw/blog/13685-aie… 這期聊了幾個我關注的產業消息，以及 13 篇關於 Multi-Agent 架構、Eval、Agent Experience、開源模型等主題文章，包括: * 從 Interconnects AI 看 2026 開源模型全景: 差距、蒸餾、中國與下一步 * 當 RLHF 獎勵信號失控: 從 OpenAI 哥布林事件到各家 LLM 的口頭禪研究 * Multi-Agent 架構再探: 三省六部反模式和業界收斂共識 * 如何設計 AI Agent 自動審批(Auto-Approval)系統: 從 Claude Code 和 Codex 學到的七個原則 * Agent Experience (AX): 當 AI Agent 成為用戶，產品該怎麼設計? 以設計 CLI 為例

非常開心大家來取暖 🥰 #AI取暖會

@cat88tw 原來是這裏，但四月也才兩筆spam，而且都不是看我帥要約我 🫣

@ihower 等等 你要看私訊匣裏 requests 這頁...🫣

欸 平均一天會收到六、七則這種私訊，不太確定是現在推上 spam 太泛濫抑或我個人真正的是帥到沒天良吶？🤡 #約啦哪次不約啦

愛好 AI Engineer 電子報第 36 期發刊 📬 ihower.tw/blog/13658-aie… 這期分享了近期改用 Claude Code 做個人 AI 助理，用 Codex 做 AI Coding，以及 21 篇關於 Agent、AI Coding、Skills 等 AI 工程主題的精彩文章，包括: * AGENTS.md / CLAUDE.md 該寫什麼、不該寫什麼? * Agent Memory 實作: 大多數記憶功能不需要用到向量檢索 * 資料科學家的逆襲: 談 AI 工程為何更需要資料科學 * AI 時代的 Code Review: 當 Pull Request 成為新瓶頸 * Agent Sandbox 沙箱架構: 論兩種設計模式與七種隔離方式 * 別再打造 Agent 了，打造 Skills 吧 — Anthropic 演講重點整理 * 兩個世代的軟體開發碰撞: 大師 Martin Fowler vs. 大神 Peter Steinberger 的 AI Coding 觀點對比 * 如何規模化你的 Agentic Coding? Thread-Based Engineering 六種模式

@cat88tw Zed+1 開起來超快

嗯嗯 隨著 github copilot $10 鎂吃到飽狂歡趴的結束，似乎也再無理由留在 vscode 裏開發而該開始尋找次世代編輯器例如 Zed 啦？🫣 ( 以下開放推薦各式 agentic coding 工作流最佳 text editor 與 terminal 替帶方案~🙌🏻🎉

@cat88tw 沒事，那我改推薦桌機攻頂 DGX Station GB300 🤑🤑

@ihower 實不相瞞看到 AMD 我就直接關窗走人了 (逃 👻

可惡，想說買不到 mac studio 先弄台 DGX 勉強擋一下，結果看到價格一點也不甜馬上秒關窗 ( 沒關係我可以等六月 M5 Ultra 發表...🥹 #DGX的話我的上限就十萬 #超過一個子兒都沒門呦

@cat88tw 好處: 可順利使用 llama cpp engine 和 Vulkan engine 跑推論，用 LMStudio 無腦就可以跑起來各種大模型 最大缺點: 不是 CUDA，而 ROCm 支援不佳，因此若需要用到 PyTorch 函式庫的推論(例如 Stable Diffusion) 和訓練都 gg。是有看到有人在 hack 也許可跑但麻煩，要等 AMD 官方支援改進... XD

@cat88tw framework desktop (AMD AI Max+395) 不到十萬，只跑 LLM 推論的話其實速度跟 DGX 差不多，可以先擋擋 😆

@cat88tw 咦，這只有賣主機，沒螢幕鍵盤啊 frame.work/tw/en/products…

@ihower 欸 我不需要那塊螢幕與鍵盤吶~🤌🤌

@cat88tw 敢問那 Claude 內建的 chrome 整合如何? code.claude.com/docs/en/chrome

大約三個月前測過市面上所有常見的 AI browser automation 工具，包含但不限於 puppeteer、playwright 與 chrome devtools 等 MCP 👉🏻 當時的結論是這些工具操作 DOM 的手法都太粗暴，不但浪費巨量 token 且失敗率極高，簡單講就是沒搞頭 ( 因此那時手一滑就自幹了套工具來解決此問題並一路爽用至今~🥰

@thecat88tw 我是先用電鍋蒸熟後，再油煎一下 🙌

愛好 AI Engineer 電子報第 35 期發刊 📬 這期做了一些改變：開始更多用 AI Agent 幫我直接處理內容發佈，選題還是我人工選的。分享了 26 篇對 Agent、Evals、Context Engineering 等 AI 工程主題的精彩文章，包括: * 如何選擇 Multi-Agent 架構? * 為什麼多數 Agent 框架都沒有內化 Bitter Lesson? * AI Evals 閃卡全解析: Hamel Husain 的 12 張精華卡片 * LangSmith Insights Agent 深度拆解: 從 Clio 論文到生產級 Agent 的完整旅程 * AI Agent 時代，Trace 才是你的 Source of Truth * AI Agent 怎麼管理 Context? 從設計模式到 Deep Agents 實作 * Agent Files: 檔案系統正在成為 AI Agent 的核心介面 * Agent Skills 完整攻略: 從建立到評估 電子報全文: ihower.tw/blog/13630-aie…

發了愛好 AI Engineer 電子報第 34 期，這期集結的內容有: - Andrej Karpathy: 2025 年度回顧 - Andrej Karpathy: 2025/10 訪談 - OpenAI 研發長 Mark Chen 2025/12 訪談 - AI in 2025: gestalt - Thoughts on AI progress (Dec 2025) - YC: The Truth About The AI Bubble - The Agent Labs Thesis - 你的工作是提交已被驗證可運作的程式碼! - 反向半人馬 - AI Coding Accelerator: How Amp uses Amp - Evaluating Context Compression for AI Agents 評測 - 搜尋技術不會消失，只是變成 Agent 的工具: 談 Agentic Search - OpenAI Agents SDK 開發日記: Gemini 3 和跨模型對話支援 - Agent Skills 資料整理 全文在我部落格，歡迎追蹤訂閱: ihower.tw/blog/13612-aie…

提交的 Gemini 3 Pro 整合終於 merged 進 OpenAI Agents SDK 啦 😁 這個 PR 花了不少時間，除了支援 Gemini 3 Pro 的 thought_signatures (function calling 時需要帶上這個簽章)，同時我也實現跨模型對話兼容性，例如 OpenAI ↔ Gemini ↔ Claude 可以共用同一份對話歷史，可以讓用戶隨時切換模型，或是 agentic workflow 中做交接。 詳細 PR: github.com/openai/openai-…

愛好 AI Engineer 電子報 #33 ihower.tw/blog/13553-aie…

發了愛好 AI Engineer 電子報第 33 期，這期集結的內容有: - 2025 Q4 新模型 - 實戰 AI Agents 應用開發: TTFT 和 Prompt Caching - AI Agent 產品開發仍然不簡單 - Spec-Driven Development(SDD) 的美好願景與殘酷現實 - Framework Desktop 開箱 - 我的 OpenAI Agents SDK 開發心得 - 關於 Context Engineering 上下文工程 - 做 LLM-as-a-Judge 評估，別用 1-10 分評分了 - RFT, DPO, SFT: Fine-tuning with OpenAI - Anthropic 的 Agent Skills 技術解析 - 開源模型生態現況 The State of Open Models 全文在我部落格，歡迎追蹤訂閱。

今天在 WenConf 分享: 實戰 AI Agents 應用開發，釋出我的投影片: ihower.tw/blog/13501-pra… - 架構選擇: OpenAI Agents SDK + FastAPI - 前後端整合的發展 - TTFT 指標和改進 - Prompt Caching - 上下文工程 現場講有做一些 live demo，簡單看一下 code 然後實際跑出效果。

AI-Powered Search by @treygrainger & @softwaredoug & @aiPoweredSearch: the most in-depth course I've taken for leveling up retrieval skills. Moved me from "throw embeddings at it and hope" to actually understanding query intent, ranking signals, and production RAG patterns. Hands-on labs + expert guest speakers from Qdrant, OpenSearch, Superlinked made it incredibly practical. Essential for anyone serious about search & RAG. Next cohort in March 👉 aipoweredsearch.com/live-course?pr…

OMG there's a bookstore dedicated to technical books in Taipei!