AI 技能組合的原子法則——從原子到化合物的槓桿倍增術
AI Agent 做一件事很可靠，但你的認知頻寬同時只能管 5 條線。Skill Graphs 2.0 的三層架構把技能分成原子（確定性高）、分子（固定流程）和化合物（策略自主），讓 5 個化合物產出 500 個工作單位。本文解析框架核心邏輯、實務操作原則，以及目前的已知限制。
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
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。
從提示詞到系統工程：AI 工作流的三次典範轉移
> 導讀：ChatGPT 時代比的是誰的提示詞寫得好。Agent 時代比的是誰的系統搭得好。三次典範轉移之間，AI 從「聽你說話的工具」變成了「替你做事的同事」。你上次花超過十分鐘打磨提示詞、結果還是差那麼一口氣——是多久前的事？如果這個場景還有印象，你正在用舊世界的方式，玩一場規則已經換了的遊戲。三次典範轉移
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
200 行程式碼的 AI，28 天長成 32,000 行：自主進化實驗紀實
28 天。一個 AI 把自己從 200 行 Rust 程式碼長成了 32,000 行——外加超過 1,370 個自動測試，全是它自己寫的。中間沒有人類工程師動一行。你沒看錯。你大概在想：這可靠嗎？還是只是能跑但爛透的程式碼？讓我帶你看看這個實驗實際發生了什麼，以及它在哪裡撞牆。開發者 Yuanhao 把 200 行 R
AI Agent 的自我修復術：哨兵機制如何讓系統不再靜默崩潰
> 導讀：你的 AI 助理看起來正常，但某個背景功能其實已壞了三天——你完全不知道。這種「靜默失敗」是最危險的故障模式。HEAL Loop 用一個極簡概念解決了它。你有沒有遇過這種情況：AI 回答你的每個問題，語氣一如往常，卻對它三天前「記住」的事一無所知？它不報錯。它不道歉。它就像一個失憶的同事，表情如常地繼