[代理程式設計 #1] 什麼是 Harness Engineering？Prompt 之後的下一步
Harness 是包覆模型的執行迴圈。我們整理了工具、權限、情境管理與回饋這些組成要素，說明代理程式效能為何取決於模型智慧與 Harness 品質的乘積，以及優良 Harness 的條件。
閱讀文章精選主題 · 14 篇文章
AI 代理
從基礎原理到實務取捨，系統化瀏覽 AI 代理 文章。
最新文章
AI 代理
【代理人設計 #2】情境工程：像管理預算一樣使用情境視窗
情境視窗不是越大越好，而是相關性越高越好。本文整理四種把有限視窗當成預算使用的策略：選擇性載入、摘要、隔離與外部化，以及 CLAUDE.md 等常駐載入檔案的設計準則。
閱讀文章[AI 使用說明書 #8] AI 代理人時代總整理
前 7 篇談到的 AI，說到底都是「有問有答」的工具。從潤飾問題、提供資料，到驗證答案，整段對話都由人類主導。但 AI 業界過去兩年持續追求的下一個階段，性質完全不同。不是對話，而是把工作本身交給 AI，也就是代理人。…
閱讀文章[MCP·Skill #2] AI 代理程式 Skill 完整解析：從斜線指令到自動觸發
使用 AI 程式碼工具時，常常會重複相同指示，例如「提交訊息請使用這個格式」或「部署前請依照這份檢查清單」。
閱讀文章[AI Context #5] 為什麼要使用子代理程式？AI 代理程式的上下文隔離原理與委派標準
前幾篇介紹了節省上下文的方法：在工作邊界清除歷史紀錄（第3篇），並將固定成本設計得短小（第4篇）。但仍有些工作難以負荷，例如「請搞清楚這個程式碼庫中的付款邏輯如何流動」。認真的代理程式會讀取數十個檔案，所有內容都會堆進上下文。調查完成時，反而沒有足夠的上下文用來修改程式碼。
閱讀文章[AI 脈絡 #6] AI 代理程式的記憶體設計：將資訊放在脈絡之外（計畫檔案・記憶體・RAG）
如果你一路讀到這裡，應該會看出一個共通模式：盡量減少放在脈絡視窗中的內容。第 3 篇的「在 /clear 前將狀態寫入檔案」、第 4 篇的「只放指標，不放全文」，以及第 5 篇的「將過程交給子代理程式，只把結論交給主要代理程式」，全都指向同一個方向。不過，我們還沒有好好處理這些檔案，也就是移到脈絡外的資訊，究竟要放在哪裡。
閱讀文章[AI 內容 #4] CLAUDE.md 為什麼應該簡短？AI 代理程式常駐載入內容的設計方法
第 3 篇介紹了如何用 /clear 清除對話記錄。但在 /clear 後立即查看剩餘內容，會發現並不是 100%。在 Claude Code 執行 /context，就能看出原因：系統提示、工具定義、CLAUDE.md，以及 MCP 伺服器註冊的工具，早已佔用數萬個權杖…
閱讀文章[AI 脈絡 #1] Agent 為什麼會忘記指示
使用 Claude Code 等程式設計 Agent 時，畫面底部會出現「Context left until auto-compact: 8%」之類的警告。這是聊天型 AI 不會出現的提示。但能說明這個數字為何減少、歸零後會發生什麼事的人，意外地不多。
閱讀文章[AI 上下文 #2] 長上下文為何會毀掉回答
第 1 集我們看過上下文視窗為何有限。但看到最近的模型規格，不免會想：既然已經有 100 萬 token 的模型，直接把整個程式碼庫或文件一次放進去不就好了？還需要省著用嗎？
閱讀文章[AI 脈絡 #3] /clear 與 /compact 的選擇標準
前兩篇已完成診斷。Context window 是有限的（第 1 篇），填滿也不代表全部都會被使用，而且越長效能反而越差（第 2 篇）。因此處方很明確：必須管理脈絡。包括 Claude Code 在內的程式碼代理，為此提供的最基本工具就是 /clear 與 /compact…
閱讀文章Claude Code 規則與記憶體：CLAUDE.md 和記憶功能有何不同？
在專案中使用 Claude Code 時，通常會出現兩種需求：「這項規則每次都要遵守」以及「記住上次找出的結果」。
閱讀文章[MCP·Skill #1] 什麼是 MCP 伺服器？從連線方式到安全性注意事項
使用 ChatGPT 或 Claude 時，總會有些不盡人意的時刻。模型很聰明，卻看不到我的資料庫，也讀不了公司內部 Wiki。
閱讀文章