AI 工程 — 文章 — Lab Grimoire

AI 的能力與錯誤都來自資料。這篇說明一個 AI 專案從資料到上線的環節、本系列 19 篇的地圖與閱讀路線，以及遇到實際問題時先問的三件事。

動手實作 2026年10月11日

這是我們依一年實際使用需求自行設計的 AI 記憶系統，不用向量資料庫，而是純文字檔加上觸發詞索引。本文用六張圖說明它怎麼運作：三種角色、觸發詞寫成症狀、啟動索引的字元預算、合併記憶的提案審查流程，並附上 301 個 session 的命中實測與這套做法的取捨。

Agent 架構 2026年10月8日

我們讓多個 AI CLI 在同一個工作區共用一套自己設計的記憶系統一年，累積約一千筆情節記憶與五百多篇知識筆記。真正造成損失的不是 AI 忘記，而是它相信了沒驗證過的東西。本文整理 Ghost In Shell 5.2 的三項修正，以及六個親身踩過的坑與對應的檢查動作。

Agent 架構 2026年10月8日

同一張 RTX 4060 Ti 16GB、同一份凍結 700 題上，Ridge、OrcaSAQ-2 與 Ternary Bonsai 2 的客觀答對率是 78.4%、77.6%、74.6%，牆鐘卻是 47.55、62.59、34.01 分鐘。這篇比較的是三套部署，不是同一份權重。

LLM 原理 2026年9月29日

決策模型接收狀態與事先列好的選項，一次前向計算就回傳每個選項的機率，不生成文字、也不必解析輸出。它和讓 LLM 輸出 JSON 不同：後者仍逐 token 寫出答案。本文整理 Jev 與 Clef 的 2026-10 現況、我們在 77 篇論文上的實測，以及什麼時候不該用它。

Agent 架構 2026年9月21日

在 RTX 4060 Ti 16GB 上，把 Prism Ternary Bonsai 2 27B（PQ2_0）與同座 Qwen3.8 密集日常模對打：短題功能閘、長文針刺、工具迴圈都過後，才把 stable default 指到三值量化引擎。這篇寫方法論、通道陷阱與不該抄的邊界。

LLM 原理 2026年9月19日

DeepMind 的 AlphaGenome Atlas 把人類基因組約 90 億個可能單字母改動的分子效應預先算成地圖，並用 AVI 分數排序。它是研究用的路況圖，不是臨床診斷書。

LLM 原理 2026年9月13日

多個 CLI agent 各跑各的終端時，如何用動態發現、容量配置與先留檔再投遞的交接，把人肉搬運改成可追溯的互相指派。

動手實作 2026年8月8日

從加速旋鈕、極端量化到九模型全比較，月底補上大樣本後整張排行榜重洗。記錄壞掉的量尺、小樣本的誤差棒，以及 pi 與本機模型現行的分工決策。

動手實作 2026年8月5日

同時開多個 AI coding agent 卻要人工當訊息轉發員？tmux-bridge-mcp 讓 agent 透過 MCP 直接讀寫彼此的終端機，附完整安裝步驟、供應鏈安全審查紀錄，以及多 agent 終端環境的實戰調校

動手實作 2026年7月22日

所有文章