全部文章

把 AI 工作者需要的工具、方法、企業實務與思考框架，整理成可回讀的索引。

• Agentic AI 進入 benchmark 時代：NVIDIA Blackwell 拿下首個 agent 基礎設施基準
• AI Agent 評估正在變成一個產品類別：Strands Evals、Agent-EvalKit、Langfuse 怎麼分工
• AI 可以幫我驗收，但它有些事情是 AI 看不到的
• 我沒有自己動手改版，而是指揮了一個 AI 團隊來執行
• 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
• 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
• 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）
• 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）
• 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）
• 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）
• 我為什麼把這 7 個東西都寫成 Skill——一個 PM 的客製化判斷
• Claude Code 不是更強的補全——它跑的是會自己驗證的 Agent 迴圈
• Context 才是 Claude Code 的稀缺資源
• Claude 怎麼接到你的工作世界？Connector、Enterprise Search、Research 三種機制
• Claude 是什麼？三種介面、三種組織方式，搞懂這個 AI 工作平台
• AI 工具會來來去去，真正該設計的是底下的資料庫
• AI 系統做完了然後呢？從 UAT 到 Rollout 的導入實戰紀錄
• AI 專案撞牆紀錄：零成本社群監測的天花板在哪裡
• AI 系統架構設計：為什麼我選純 API 不用 Agent 框架
• 不懂當地語言怎麼做海外市場？一個品牌人的 AI 解決方案拆解
• 企業導入 RAG 完整實戰指南 — 從「要不要做」到「做完怎麼評估」
• RAG 優化實戰：Query Rewriting 怎麼把分數從 77 拉到 88
• RAG 系統的 77 分怎麼來的？一次完整的 Retrieval 品質診斷
• RAG 實測：用 200 份文件跑出來的數據，跟你想的不一樣
• 建一條 RAG Pipeline 之前，你需要做的六個技術決策
• 你的資料真的需要 RAG 嗎？三組 Baseline 實測告訴你
• RAG 之前你該知道的事：四種資料檢索方法完整比較
• NVIDIA OpenShell：讓自主 AI Agent 安全執行的三層架構
• 用 Multi-Agent 架構管理企業內容生產：三個 AI Agent 的分工設計實錄
• 8 萬人告訴 Anthropic 他們想從 AI 得到什麼 — 答案不是「更多生產力」
• 用 AI 工具一天完成網站架構遷移：從管理者的決策框架實錄
• GTC 2026 重點整理：NVIDIA 從賣 GPU 轉型為賣 AI 工廠
• AI 內容產線設計實錄 — 事實查核、風格一致性、選題判斷怎麼被設計進去的
• Context Engineering 取代 Prompt Engineering — 1M 窗口時代的 AI 協作方法論
• AI 跨 Session 記憶斷層 — 用 HANDOFF 模式讓每次對話都能接住上次進度
• Copilot Cowork 解析：微軟為何借 Anthropic 技術做 AI Agent？
• Claude Code 用久了為什麼會「變笨」？用六層架構的系統設計思維來解決
• Anthropic 收購 Vercept：Claude 電腦操作能力從 15% 躍升至 72.5%
• 流量的盡頭：當行銷回歸本質，加入 AI行銷你該怎麼做?
• 2025 年最新分析！AI 革命會如何徹底改變全球科技巨頭的競爭格局？
• 2025 年的 AI 革命：科技巨頭競爭的 3 大啟示
• 2025 台灣AI產業全球競爭力分析：從半導體優勢到產業生態系統之轉型
• 台積電半導體的關鍵抉擇：因應AI曼哈頓計畫之全球布局戰略
• 美國的 AI 曼哈頓計畫：人工智慧領域的戰略佈局與全球競爭優勢
• 美國晶片法案－對台灣與中國半導體產業的深遠影響
• 量子計算與 AI 的應用：全球最新進展與核心技術解析
• AI伺服器產業鏈全解析：從元件設計到企業應用的詳細剖析
• 摩爾定律突破矽極限 : 探索未來半導體材料趨勢
• 智慧製造：超越想象的未來工廠 – AI、IoT如何重塑全球製造業? 台積電如何應對?
• Cerebras Systems IPO：顛覆AI計算的超大晶片革命
• 半導體上游結構：從光刻機到矽晶圓，驅動科技創新的幕後英雄
• 能源革新先鋒：AI超導材料預測開啟節能新紀元
• AI NPU：推動異構計算的核心引擎 – 從 CPU 到 NPU 的技術革命
• 深入淺出：AI半導體技術如何驅動人工智慧訓練
• 人工智慧基礎知識：探索 AI 的基礎知識及其實際意義