歡迎
$ cat about.txt
這是一個分享我使用 AI 工具學習歷程的部落格。
這是一個分享我使用 AI 工具學習歷程的部落格。
最近更新
Notes
當 coding 越來越便宜，該怎麼工程化「共識」
討論筆記：agent 執行越可靠，最弱的一環可能變成人寫的 spec。從 UML、30 秒 issue 一路想到 minimum viable consensus。
Agents
從零打造，到砍掉一半：我把自己的 Agent Harness 拆了
用 trace 回看角色交接與驗證儀式的成本，再拆解新版如何靠單一交付 context、確定性 hard gate 和一次獨立 review 完成 issue。
Notes
本地 LLM 推理：Ollama、llama.cpp、GGUF 與效能測試
從 Qwen3:4B 實測拆解 Ollama、llama.cpp、GGUF、量化與硬體分工，理解推理速度和輸出長度如何影響等待時間。
Agents
從零打造 Agent Delivery Harness
從 issue 合約、worktree 隔離、RED/GREEN 感測器到 subagent 分工，拆解如何讓 coding agent 從需求一路走到可審查、可驗證的 PR。
Notes
當 AI 把你的 codebase 當成記憶
從全量塞進 context、現場 grep 到向量 RAG，整理 codebase 變成 agent 記憶時，各自換來的召回率、成本、維護責任、漂移風險與用前驗證紀律。
OpenClaw
用 Azure AI Foundry 追蹤 OpenClaw
把 OpenClaw 的對話、模型呼叫、工具使用、token 資料與多模態 redaction 接進 Foundry，讓家庭 AI Bot 的每段對話都能回放除錯。