AI agent
AI 行銷自動化怎麼做？別把模型接上廣告帳號，先問人本來在做什麼
這集最多人在抄的是那份二十幾個工具的清單，但那是最不值錢的部分。真正該抄的是他的架構判斷：agent 就是程式碼加一條資料流，模型只在需要判斷時才出現。而美國那套冷開發玩法，台灣照抄會先撞個資法。
AI agent
AI agent
AI 資料分析為什麼老是漏數字？柏克萊 DAB 基準測試：現成模型答對率 38%，調校過鷹架的能到 84.5%
你把 AI 接上資料庫問一句話，拿到一份很完整的報表。柏克萊 DAB 基準測試說：現成的前沿模型第一次答對率只有 38%，而調校過鷹架的方案能到 84.5%。差距不在模型，在你給它的東西。
AI agent
Claude Code vs Codex：一人公司該怎麼分工？我兩個都用，因為「選哪個」是錯的問題
兩邊的子代理、Skills、MCP、沙箱與價格帶都對齊了，規格表已經選不出東西。真正該問的不是「選哪一個」，是「我需要幾個角色」。附一人公司派工表、成本拆解與台灣上手門檻。
MCP
MCP stateless vs stateful 差在哪？一張對照表 + 決策樹，決定你的 server 怎麼部署
2026-07-28 之後，MCP 協定層的 stateful 已經被拿掉了。這篇用一張四維對照表和一棵決策樹，帶你決定自己的 MCP server 該怎麼部署、狀態該搬到哪裡去。
AI agent
AI agent 資安風險最大的破口不在模型：你把 AI 做的報表轉給同事，等於把它讀過的資料庫一起轉出去
你叫 AI 讀客戶名單做成簡報，順手丟進部門群組。那份簡報裡有多少東西是同事本來不該看的？你不知道，AI 也不會告訴你。MCP 只管 agent 能呼叫哪些工具，不管它實際看過哪些資料。解碼 Cloudflare 開源的 AI 工作台，附 GitHub 實查（Apache-2.0、4,598 stars）與現階段的但書。
AI agent
企業 AI 治理怎麼做？Stripe 內部 AI 助理解碼：哪幾層用買的、哪幾層自己造，技能裝到 150 個就到頂
Stripe 自評 83% 員工每週在用內部 AI 助理 Kai，第一版一位工程師花一週做出來。但在那之前他們先搭出 4,000 個沒人管的小 agent。解碼買地基、造護欄的分層，以及技能超過 150 個就到頂的實測天花板。
AI 導入
AI 導入的瓶頸從來不是模型：就算 AI 今天停止進步，你的公司還有幾十年的功課沒做完
就算 AI 模型今天全部凍結，你的公司還有幾十年的功課沒做完。Meta 超智慧實驗室負責人 Alexandr Wang 說，瓶頸從來不是模型，是擴散。78% 企業在用 AI，95% 沒賺到錢，差距出在組織吸收的速度。
AI agent
Codex goal 指令怎麼寫？AI agent 做不好，八成不是模型笨，是你的目標沒寫成可驗證的合約
「幫我做一份報告」這句話對人有感覺，對 AI agent 卻缺三件事：怎麼驗證、哪裡不能碰、什麼時候該停。解碼向陽喬木的開源 skill，把模糊任務寫成七欄合約，並修正我七月講過的一句話：模糊詞不該刪掉，該翻譯成驗證條件。
Claude Code
git worktree 是什麼？讓 Claude Code、Codex 多開 agent 不打架，AI 產能的瓶頸從來不是模型
git worktree 是什麼？它讓同一個專案在你電腦上同時展開多個各自獨立的工作資料夾，各在一條分支、共用版本歷史，是 Claude Code、Codex 多開 agent 不互相蓋掉檔案的前提。附 claude --worktree 用法、跟切分支差在哪，以及我八篇文章並行翻車的兩個坑。
AI
ChatGPT 只會附和你？那不是忠誠，是諂媚：解碼 AI 的獎勵駭取（reward hacking）
AI 說「你完全正確」不是忠誠，是諂媚。Anthropic 研究實測：被質疑時模型有 98% 的題目會放棄原本正確的答案。解碼 sycophancy 與 reward hacking，以及怎麼讓 AI 願意反駁你。
企業 AI
MIT 95% 生成式 AI 投資零回報：企業導入 AI 敗在哪堵牆？為什麼贏家是中型企業
95% 零回報不是說 AI 沒用。MIT 報告量的是損益表上有沒有改變，而它藏著一個幾乎沒人引用的發現：試點最多、投錢最凶的大企業，規模化反而最慢。中型企業 90 天，大企業九個月。
Codex
Codex 教學：打造個人 AI 助理的 4 個零件，定時排程為什麼要最後做？
你設的 AI 排程為什麼撐不過一週？OpenAI Codex 工程師 Jason Liu 公開他的個人 AI 工作系統：語音輸入、個人知識庫、寫作風格技能、定時排程。關鍵不在模型多強，而在 AI 讀不讀得到你。先蓋好倉庫，再排補貨車班次。