後設認知AI：教您的代理程式自我評估
多數代理程式指令只定義行為。缺失層是自我評估。基於九個月生產使用與95個hooks的後設認知框架。
AI & Technology寫作
關於設計、開發、AI基礎設施和產品構建的思考。
Context Engineering就是架構：650個檔案之後的心得
橫跨650個檔案、七層階層架構的AI代理Context Engineering。三次生產環境失敗、真實的token預算，以及最終存活下來的系統。
AI & Technology多代理審議：當共識本身就是漏洞
多代理審議能捕捉單一代理系統遺漏的失誤。以下是其架構、走過的死胡同，以及真正值得建構的部分。
AI & Technology為什麼我的 AI Agent 需要品質哲學
我的 Claude Code 代理程式以機器速度繼承了人類所有的草率習慣。我建立了 3 套哲學、150 多個品質關卡和 95 個 hooks 來修正它。以下是哪些有效、哪些無效的經驗。
AI & Technology建構 AI 系統：從 RAG 到 Agent
我建構了一個 3,500 行的 Agent 系統，包含 86 個 Hook 和共識驗證機制。以下是我在 RAG、微調和 Agent 編排方面的經驗分享。
AI & Technology複利工程：讓程式碼庫加速而非衰退
多數程式碼庫越長越慢。95個hook、44個skill、14個設定如何讓每次新增功能更便宜。
AI & TechnologyAI劇場：為何90%的企業「使用AI」卻只有23%創造價值
McKinsey發現90%的企業聲稱採用AI，但只有23%能將規模擴展到試驗階段之外。我親眼見證了三種AI劇場的樣貌，自己也曾身陷其中。
AI & TechnologyLLM 如何解讀文字：我的 i18n 系統教會我的 Token 經濟學
將我的網站翻譯成6種語言後，我發現韓文的 token 成本比英文高出2.8倍，即使內容完全相同。下方的互動式視覺化工具將為您展示原因。
AI & TechnologyRalph 迴圈：我如何在夜間運行自主 AI 代理
我建構了一套自主代理系統，搭配停止鉤子、生成預算與檔案系統記憶體。以下是失敗經驗與真正能交付程式碼的方法。
AI & Technology提示工程的OODA循環：五次失敗教會我的事
五次提示失敗讓我明白，結構化的觀察勝過精巧的措辭。Boyd的OODA循環直接對應到我每天使用的提示工程工作流程。
AI & TechnologyVibe Coding與工程：我的界線在哪裡
我每天使用Claude Code，搭配86個hook與完整的品質閘門系統。以下是我何時vibe code、何時嚴謹工程，以及為何這條界線至關重要。
AI & Technology從76到100：達成完美的Lighthouse分數
一個個人作品集網站如何從行動裝置Lighthouse效能分數76分、CLS 0.493，進步到全類別完美的100/100/100/100。
AI & Technology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。