-
從 MLOps 到 AgentOps：AI Agent 生產化完整指南 — 5 大挑戰、框架選型與實戰架構
深度解析 AgentOps 工具鏈與 Multi-Agent 編排框架（LangGraph、CrewAI、AutoGen），涵蓋 AI Agent 生產化的 5 大挑戰、Guardrail Sandwich 安全架構、與...
-
用 Antigravity 讓 AI 自己做出一個完整產品：Site Health AI Auditor（含完整教學）
🚀 我用 Google Antigravity 做了一個實驗： 讓 AI 自己做出一個完整的網站分析產品 過去一年，AI coding 工具越來越多: GitHub Copilot、Cursor、Replit、Claud...
-
GPT‑5 調參實戰指南：reasoning_effort × verbosity，三步把速度、成本、品質一次調好
從情境、參數影響、調參策略到驗證門檻，一篇學會用 reasoning_effort × verbosity 做可治理的 GPT‑5 產品化工作流。附閾值表、回退偽碼與下載檢查表。
-
阿里巴巴 Qwen-AgentWorld：不訓練 agent 行動，改訓練模型「預測環境」
阿里巴巴 Qwen-AgentWorld 把語言模型訓練成「環境本人」而非 agent：學預測下一個環境觀察，而不是學行動。結果一個從沒被當 agent 訓練的模型，在七個工具任務上全面變強，還能當可控模擬器取代昂貴的真...
-
「沒有 Fable 5 也沒關係」：Sakana Fugu 用多模型編排打到前沿水準
Sakana AI 推出 Fugu —— 一個本身是 LLM 的編排器，學會把 GPT-5.5、Gemini 3.1 Pro、Claude Opus 4.8 路由、驗證、合成成一個系統，在 SWE-Bench Pro 上...
-
Self-Harness：凍結模型權重，讓 agent 自己改寫執行規則就 +33–60%
上海 AI 實驗室提出 Self-Harness：模型權重完全不動，靠 propose-evaluate-accept 三階段迴圈讓 agent 自動改寫 harness，在 Terminal-Bench 2.0 上相對...
-
Arbor 拆解：同算力預算下，相對增益勝過 Claude Code 與 Codex 2.5× 的自主研究框架
人民大學與 Microsoft Research 的 Arbor，用「假設樹」把研究變成可累積、可剪枝的搜尋：常駐 Coordinator 維護樹、短命 Executor 在隔離 git worktree 跑實驗。六項任...
-
Fine-tune 會遺忘，RAG 會漏：用 Hypernetwork 在推論當下「長」出 agent 要的模型
微調把知識烤進權重卻會遺忘、RAG 把知識塞進 context 卻會漏；第三條路是用 hypernetwork 依任務描述、在一次前向傳播裡按需生成模型。以 Sakana AI 的 Text-to-LoRA 為例，拆解機...
-
7,000 台 Langflow 主機遭攻擊：揭開 LangChain／LangGraph 編排層的同一種洞
CVE-2026-33017 讓未授權者用一個公開端點就拿下 Langflow 整台主機、竊走 AWS 金鑰，而 LangChain、LangGraph 一連串 CVE 暴露的是同一個設計假設：把 AI 編排層當成可信任...
-
Agentic Resource Discovery：給 agent 的 robots.txt——開放發現規格與 HF 參考實作拆解
A2A 解了 agent 怎麼講話、MCP 解了怎麼呼叫工具，但「怎麼先找到並信任一個還不知道存在的能力」一直沒人管。Google 與 Linux Foundation 推出的 ARD 開放規格補上這層，用網域錨定 + ...
-
Stanford DeLM：拿掉中央 orchestrator，多代理推理成本砍半
Stanford 的 DeLM 不靠中央調度，讓代理各自認領任務、讀寫同一份「共享驗證脈絡」。論文回報 SWE-bench Verified 最高 +10.5 個百分點、每題成本砍半。本文拆解它的機制、數字前提與適用場景...
-
Z.ai GLM-5.2：1M context 不是數字遊戲，雙 thinking-effort 讓你今天就能自己驗證
Z.ai 發布 GLM-5.2，把 context 推到 100 萬 token、暴露 High／Max 兩段思考力度，卻在發布當天不給任何 benchmark。本文拆解它的真實機制、誠實標註哪些是事實哪些是推論，並給出...
-
MCP / A2A 之後，誰來解決傳輸層？
MCP 解決了工具呼叫、A2A 解決了協調，但兩者腳下的傳輸層仍是空的。本文拆解 RPC over HTTP 為何不夠、Kafka/NATS 與 AGNTCY SLIM 等候選方案，以及工程團隊現在該怎麼擺架構。
AI 新聞 / AI 架構師實戰分享 / AI 小課
