250 份文件就能植入 AI 永久後門：訓練資料投毒的真實威脅
Anthropic 聯合英國 AI 安全研究所與圖靈研究所證實：在訓練資料中插入僅 250 份精心設計的文件，就能在 6 億到 130 億參數的 LLM 中植入永久後門。模型越大、資料越多也無法自動稀釋毒性。本文解析攻擊原理、規模效應與可能的防禦方向。
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
Skill 把重複變成一鍵：AI 時代的工作流封裝術
> 導讀：你每天跟 AI 說的那些重複指令，其實都是在浪費時間。把它們變成 Skill，讓一次的心血變成永遠的能力。每次跟 AI 重寫同一段提示詞，你算過浪費了多少時間嗎？你精心打磨的翻譯指令、會議記錄格式、週報流程——對話結束就消失。下次得從頭重寫。這就像每天重新教助理一遍你的工作習慣。
AI 的記憶白板：為什麼你的 AI 助手越用越笨
> 導讀：跟 AI 聊越久越「笨」？不是它變蠢，是白板寫滿了。理解 AI 的記憶運作，是駕馭它的第一步。想像一下你面前有一塊白板。每寫一句、每貼一張圖、每讀一份文件，都占空間。寫滿時，只能擦掉最早的、騰位置給新的。這就是 AI 的「上下文窗口」。LLM 沒有長期記憶。全部「記憶」就是一塊固定大小的白板——你的問
Harness 決定 Agent 天花板：為什麼同一顆 AI 大腦在不同身體裡表現天差地別
> 導讀：改進 Harness 設計，同一模型的 TerminalBench 排名從第 30+ 名跳到第 5 名。沒換模型，沒增加參數。LLM 無法看螢幕、執行程式碼、記住昨天的對話。這不是模型的問題——是缺乏「身體」的問題。Harness 就是這個身體。@akshay_pachaar
AI 自己優化自己——AutoAgent 與 Meta-Agent 的誕生
> 導讀：有一個 AI 專門負責改進另一個 AI 的工作方式——而且做得比人類工程師更好。AutoAgent 開源了，這件事值得你知道。AutoAgent 的新意很直接：它不是把一個 agent 調得更聰明，而是另外拉出一個 agent，專門盯著它、改它、再測它。如果你做過 prompt 調校，你一定知道那有多
五步教會 AI 你的工作——從零打造專屬 Skill 的實戰指南
Skill 是給 AI 的技能手冊，五個步驟就能把每天重複的工作變成一鍵自動化——本文從實戰案例拆解完整建構流程與 Skill 生態系管理法。