AI agent
AI 會取代工程師嗎？程式碼變免費後，競爭力從「誰做得出」換成「誰定義得清楚」
OpenAI 工程師九個月不碰編輯器、直呼「程式碼已免費」。別急著擔心 AI 取代工程師，先看懂這場轉變：當執行變成日用品，你的稀缺資源只剩注意力，工作從「做」變成「定義好、放手駕駛」。
AI agent
AI agent
AI 自我改進迴圈的真相：別再燒 token，第一輪就拿走大半價值，剩下都是空轉（解碼 Langfuse 實驗）
AI 自我改進迴圈真能讓 AI 越跑越好？解碼 Langfuse 實驗：自動優化的價值大半在第一輪就給你，之後是報酬遞減、空轉燒 token。台灣電商導入 AI 自動優化前，先問三個關於目標函數與停損點的問題。
AI agent
模型融合是什麼？別再糾結 ChatGPT 還是 Claude，讓兩個 AI「吵架」才是電商老闆的決策紀律
別再糾結 ChatGPT 還是 Claude！模型融合（Model Fusion）不是工程師專利，連 OpenRouter、Devin 這些賣 AI 的公司都不押單一模型。教電商老闆用「雙 AI 對帳法」，看兩個 AI 的分歧做出更安全的重大決策。
Claude Code
Claude Code skill 教學：把手動品管檢查變成 AI 自動驗證關卡，四種部署模式怎麼選
把你每天手動的品管、上架前檢查、文案合規，寫成一個 Claude Code skill，讓 AI 每次自己跑驗證迴圈（檢查→修→再檢查）。解碼 Anthropic 官方文四種部署模式：手動叫用、綁流程自動跑、串一條龍、每個 PR 都跑，教你怎麼選、什麼時候升級，把個人習慣變成公司制度。
AI agent
AI agent 記憶如何運作？解碼 Anthropic 兩個新原語 Memory 與 Dreaming，讓 agent 隔夜變聰明
Anthropic Memory 與 Dreaming 是什麼？一篇看懂這兩個 AI agent 記憶新原語：Memory 讓 agent 邊做邊記，Dreaming 讓一群 agent 隔夜集體覆盤變聰明。用台灣電商角度解讀，agent memory 為何是買不到的護城河。
AI agent
91APP AgentOne 現場直擊：當電商 SaaS 長出 AI Agent，零售成長到底怎麼玩？
我到了 91APP AgentOne 發表會現場，把兩場演講的重點合成一篇。當電商後台開始「自己會做事」，零售的玩法就要換一套了：從 AgentOne 三大基座、三支行銷 Agent，到把流量變會員資產的 OMO 2.0 飛輪與雙翼齊飛。
AI agent
你的 AI 客服為什麼越用越蠢？問題不在它記太少，在它不會「忘」
AI 客服資料餵越多反而越常答錯？問題不是記太少，是不會忘。拆解 Agent Memory 四種記憶，與寫入、鞏固、檢索、遺忘四個動作，把電商客服知識庫從大倉庫變成會治理的大腦。
AI agent
「18,000 個 AI agent」不是重點，90% 才是：AI 正在從你去用的工具變成自己上工的同事
Notion 三週用 Claude 建了上萬個 agent，但真正的訊號是九成工作由排程、Slack、頁面事件自動觸發，沒人打字。AI 導入的單位不是聊天機器人，是一個事件配一個自己上工的 agent。附台灣電商事件盤點做法。
AI agent
你官網那句「請問需要什麼協助？」正在趕走客人：AI 要在他開口前就認得他
巷口那家麵店，老闆一看到你走進門，不用你開口就先喊：「乾麵不要蔥、加顆蛋、大碗的齁？」 那一瞬間的「我認得你」，就是你會一直回去吃的原因。 現在把場景換到你的官網。客人點進來，右下角跳出對話框：「您好，請問有什麼可以幫您？」 聽起來很有禮貌，對吧？但如果你問我，這句話其實是一張自白書。它等於當著客人的面說：我不知道你是誰、不知道你從哪來、也不知道你想幹嘛，麻煩你從頭教我。 最近我看了一場演講，講者是 Position2（Position Squared）的全球營運與策略副總 Dr. Sajjan Kanukolanu，主題是〈Build the AI GTM Agent That Knows the Buyer〉，講怎麼打造一個「在買家開口前就認得他」的 AI GTM（Go-To-Market，
AI agent
別再迷信「一個 agent 搞定一切」：矽谷工程師的「三種價值創造者」，翻成電商團隊該怎麼分工
有個電商團隊，去年底很興奮地導了一隻 AI 客服 agent（智能客服代理），老闆跟主管在會議室裡擊掌，想著「太好了，以後客服不用排班、不用養人了」。 三個月後打開後台，臉都綠了。 該退的貨，它笑咪咪地退了；明明超過七天鑑賞期、一看就是來鑽漏洞的濫用申請，它也一句「親愛的顧客，已為您處理」放行。它把每一位客人都服務得眉開眼笑，順便把公司的退貨政策服務到破產邊緣。 問題出在哪？不是這隻 agent 不夠聰明。是這個團隊把「打死不能鬆的規則」跟「可以靈活應對的話術」，全部揉成一鍋，整包丟給一隻 agent，然後祈禱它自己會分。 它不會分。你沒告訴它的紅線，它就當作沒有。 矽谷工程師講的三種東西，其實在講你的電商公司 前陣子看到矽谷一位工程師 IndyDevDan 拍的影片，標題很嗆，叫 FORGET Loop Engineering。今年六月 AI
AI agent
用 AI 的高手不寫更長的 prompt，他們設計「驗收迴圈」：解碼 Anthropic 工程師 Thariq 的工作法
想像一下，你早上打開電腦，叫 ChatGPT 一次生 300 篇商品描述。三分鐘，全部出爐，爽度爆表。 然後呢？ 你還是得一篇一篇點開來看。看它有沒有把「德國進口」掛在一個產地其實是中國的包上，看它有沒有把上個月就結束的「買一送一」又寫進去，看它有沒有冒出一句「本產品保證有效」，讓你直接吃上一張廣告不實的罰單。 生成，被 AI 加速了 10 倍。 驗收，還停在人力時代。 這就是今天大多數電商老闆用 AI 的真相。你以為瓶頸是「寫得不夠快」，其實真正的瓶頸從來是「你不敢直接用」。 一個 Anthropic 工程師的反直覺答案：把指令砍掉 80% 最近我看了一集 Peter Yang 訪談 Anthropic Claude Code 團隊成員 Thariq
AI agent
AI 原生組織的 4 個工作方式：為什麼每個人都在用 AI，團隊卻沒變快？
我看過太多台灣電商團隊，ChatGPT 開得比誰都兇，Claude、Gemini 一人好幾個分頁，Token 燒得比誰都多。可是你把他們一個月前跟一個月後的出貨速度攤開來看，長得幾乎一模一樣。上檔期還是卡設計，客服還是回不完，老闆交代的事還是三催四請。 如果你問我，這才是這一波 AI 最大的誤會。 先講一段歷史。1890 年代電力剛進工廠，老闆做的第一件事，是把中央那台蒸汽機換成一顆大電動馬達，其他照舊，一根主軸帶動整排機器。結果生產力幾乎沒提升，只是把煤錢換成電費。真正的爆發發生在將近三十年後：工廠被重新設計成每台機器各配一顆小馬達，能獨立開關、獨立調速，產線照物料流動重排，這套叫 unit drive（單元驅動）。經濟學家 Paul David 那篇經典論文講得很白，工廠效率的提升不是因為有了電，而是因為工廠被重新設計了（來源：Paul David《The Dynamo and the Computer》, 1990）