把 AI 的混亂，沉澱成團隊能用的系統

Gwarket 是一個人用 AI 蓋的內容平台——把 AI 工作者需要的工具、方法與判斷框架， 整理成可回讀的系統。觀察什麼才值得做、沉澱成會自己運轉的系統、產出能複用的能力。

四個主題

• 給工具使用者：AI 工具會一直換，但「怎麼用」的判斷不會。
• 給系統設計者：從 RAG 到 Agent，每個技術選擇都是 trade-off。
• 給決策評估者：要不要做 AI 專案，不是技術問題，是判斷問題。
• 給觀察者：看清楚 AI 產業當下，判斷才有依據。

最新文章

• Agentic AI 進入 benchmark 時代：NVIDIA Blackwell 拿下首個 agent 基礎設施基準（給決策評估者）
• AI Agent 評估正在變成一個產品類別：Strands Evals、Agent-EvalKit、Langfuse 怎麼分工（給工具使用者）
• AI 可以幫我驗收，但它有些事情是 AI 看不到的（給系統設計者）
• 我沒有自己動手改版，而是指揮了一個 AI 團隊來執行（給系統設計者）
• Box 創辦人 Aaron Levie 訪談心得：人為什麼還在 AI workflow 頭尾、企業 AI 導入為什麼比矽谷想的慢（給觀察者）
• 為什麼我故意讓兩個 AI 工具不知道彼此存在——多工具協作的 Context 隔離原則（給工具使用者）
• AI Agent 5 種設計選型：什麼時候該用哪個、什麼時候別用（拆解微軟官方課程 L3 / L4 / L7 / L8 / L9）（給系統設計者）
• Browser-Use 跟 MCP 都很熱——但官方課程說：兩個都不是「全或無」的選擇（拆解微軟 L11 / L15）（給工具使用者）
• 微軟把 Context Engineering 升格為單獨一課：4 種 context failure 跟一個成本悖論（拆解微軟官方 L12 / L13）（給系統設計者）
• Agentic RAG vs 傳統 RAG：5 個關鍵差別、3 種 self-correction、跟「什麼時候別用」（拆解微軟 L5）（給系統設計者）
• 我為什麼把這 7 個東西都寫成 Skill——一個 PM 的客製化判斷（給工具使用者）
• Claude Code 不是更強的補全——它跑的是會自己驗證的 Agent 迴圈（給工具使用者）
• Context 才是 Claude Code 的稀缺資源（給工具使用者）
• Claude 怎麼接到你的工作世界？Connector、Enterprise Search、Research 三種機制（給工具使用者）
• Claude 是什麼？三種介面、三種組織方式，搞懂這個 AI 工作平台（給工具使用者）
• AI 工具會來來去去，真正該設計的是底下的資料庫（給決策評估者）

看全部文章 · 關於我