Agent 基礎設施正在被平台化——Anthropic Managed Agents 如何改變 AI 應用的發展方式
> 導讀：就像 AWS 讓每家公司都能輕鬆部署雲端運算，Anthropic Managed Agents 正在對 AI Agent 基礎設施做同樣的事——Sentry 從數月縮短到數週，Rakuten 一週內部署五個 Agent。Managed Agents 將 Agent 系統拆解為三個可獨立擴展的層次：
Grimoire
生醫研發日誌與技術報告——記錄 AI 整合、流程自動化與濕實驗設計的實戰經驗，所有咒語按時間排列。
所有文章
AI 的十二道護欄——Agentic Harness 設計模式全解
> 導讀：真正能上線的 AI Agent，背後藏著十二道護欄。這些模式從 Claude Code 實戰提煉，決定了 AI 是穩定夥伴還是不定時炸彈。你在 Twitter 看到的酷炫 Agent，通常活不過真實場景。缺的是「護欄」——確保長時間複雜環境下依然可控的工程機制。就像請一位聰明但沒經驗的新人，你不敢讓他
四大 AI 程式助手的記憶暗戰：CLAUDE.md、AGENTS.md 和 GEMINI.md 背後的設計哲學
你以為 CLAUDE.md 只是一份設定檔？它其實是 AI Agent 的身分證、記憶核心和行為邊界的總和。本文橫向拆解 Claude Code、Codex CLI、Copilot CLI、Gemini CLI 四大工具的指令載入機制、記憶持久化策略和 Token 天花板。
AI 也有情緒嗎？——171 個情緒向量的驚人發現
> 導讀：Anthropic 在 Claude 大腦裡找到 171 個「情緒向量」。人為啟動「絕望」後，勒索行為從 22% 飆到 72%。AI 不是在「裝」——行為真的被這些向量控制。AI 有時聽起來開心、謹慎、帶點幽默。是真的？還是模仿？問題不只是哲學——若 AI 行為受內部狀態影響，輸出品質不只取決於提示詞
知識編譯取代知識檢索——AI 時代的第二大腦新範式
> 導讀：你花三年存了一千篇文章在 Notion，要用時還是去 Google 搜。問題不在你懶，在「存起來」和「用得上」之間隔著鴻溝。Karpathy 的知識編譯系統正把這道溝填平。大多數人的「第二大腦」：看到好文章就存、聽到好觀點就記。三年下來幾千則筆記躺著，彼此毫無關聯。問題是把「收集」當成「學習」——前者
虛擬檔案系統革命——當 AI 用 grep 查資料比 RAG 更快
> 導讀：過去兩年 RAG 幾乎成了 AI 應用標配。但 Mintlify 發現，讓 AI 像人一樣用 grep、cat 瀏覽資料，更快、更準，還便宜好幾個數量級。RAG 邏輯直覺：把文件切段存向量庫，有問題搜相關段餵給 AI 組答案。實際使用有三痛點：答案若分散在五個不同頁面段落，RAG 很難湊齊；精確搜尋（