效能盲點：AI 代理寫出緩慢的程式碼
兩個 Claude Code PR 中的 118 個函式，效能降低幅度從 3 倍到 446 倍。AI 代理追求正確性，而非效能。數據解析其原因，以及該如何應對。
AI Engineering寫作
關於設計、開發、AI基礎設施和產品構建的思考。
Anthropic 量化了有效做法，而我的 Hooks 強制執行它
Anthropic 分析了9,830次對話。迭代式精煉使流暢度指標提升一倍。精緻的輸出抑制了評估行為。品質 hooks 強制執行迭代。
AI EngineeringProtege模式
具有稀疏專家存取的7B模型匹配50倍大小的代理。將日常工作路由到小模型，將判斷呼叫路由到前沿模型。
AI & TechnologyAI 代理在無人監督下運行時究竟會出什麼問題
來自500多次自主代理會話的七種具名失敗模式。每種都有偵測信號、真實案例和具體修復方案。HN社群要求的分類學。
AI EngineeringCLI 論點
三個 HN 熱門 Claude Code 討論串匯聚出同一個結論：CLI 優先架構比 IDE 代理工作流程更便宜、更快速、更具組合性。
AI & TechnologyClaude Code vs Codex CLI：何時該用哪一個
架構、安全性與擴充性的並排比較。包含基於36場盲測對決與日常生產環境使用經驗的決策框架。
AI Development情境即是新記憶
情境工程是代理開發中影響力最大的技能。三層壓縮機制將200K token視窗從負擔轉變為優勢。
AI & TechnologyClaude Code即基礎設施
Claude Code不是IDE功能，而是基礎設施。84個鉤子、48個技能、19個代理程式，以及15,000行編排程式碼證明了這一點。
AI & Technology用十個大腦思考：我如何將多智能體審議作為決策工具
您無法透過更加努力來消除自身的認知偏誤。10個AI智能體彼此辯論，是改善決策的結構性介入方法。
AI Engineering盲審法官：在36場對決中為Claude Code與Codex評分
Claude Code對決Codex CLI，在36場對決中以5個維度進行盲審評分。勝負並非重點，真正的價值在於結合雙方代理最強構想的綜合方案。
AI Engineering我向 NIST 提交的 AI 代理安全意見
提交給NIST的生產環境證據：AI代理威脅是行為性的。7種故障模式、3層防禦，以及60次日常會話中發現的框架缺陷。
AI & Technology10%之牆：AI生產力為何停滯不前
121,000名開發者受訪，92.6%使用AI工具，生產力卻卡在10%。問題在基礎設施，而非智能。三個根本原因與對策。
AI Engineering外部出版物
技術寫作： Introl
Local LLM Hardware Pricing Guide 2025
本地運行大型語言模型的全面硬體建議和成本分析。
H100 vs. H200 vs. B200: Choosing the Right NVIDIA GPUs for Your AI Workload
針對不同AI工作負載比較NVIDIA最新資料中心加速器的GPU選擇指南。
TPU Architecture: Complete Guide to Google's 7 Generations
深入技術分析Google張量處理單元從TPUv1到TPUv5的演進。
GPU Memory Pooling in Multi-Tenant Kubernetes
容器化環境中GPU叢集的資源共享策略。
Ray Clusters: Distributed AI Computing Infrastructure
使用Ray框架構建和管理分散式AI運算的指南。
DeepSeek V3 Open Source AI Cost Advantage
開源LLM經濟學分析和DeepSeek的競爭定位。
NVIDIA Vera Rubin GPU 600kW Racks 2027
未來資料中心電力需求和NVIDIA下一代GPU路線圖。
SMR Nuclear Power for AI Data Centers
為下一代AI基礎設施供電的小型模組化反應爐解決方案。
DeepSeek MHC Architecture Breakthrough
DeepSeek多頭壓縮架構創新的技術分析。