Memory Hall 用一台 Mac mini 跑你自己的 AI Agent 記憶引擎——Memory Hall 入門 你在做 AI agent，每個 agent 都會產生記憶——對話、決策、實驗結果。這些記憶要放哪？Memory Hall 讓「自建記憶層」從「最麻煩的選項」變成三個命令的事。這篇介紹它是什麼、怎麼用、跟 mem0 差在哪。
Memory Hall 三個月的 Over-design 反省——Memory Hall 是我第一個刻意保持小的東西 這三個月我做了 mk-council、mk-brain、ops-hub 三個 AI infra——每個都 over-design。今天 ship 的 Memory Hall 是我第一個刻意保持小的東西。48 小時從零上線，v0.2 今天落地。這篇一半講產品，一半講我從前三個 infra 踩的坑。
AI 我們以為在教模型變聰明，其實很多時候只是在教它怎麼說話 很多團隊把模型表現不穩，直覺歸咎於微調不夠或對齊資料不足。但 LIMA 這篇研究提醒我：真正該被重新思考的，不只是訓練方法，而是我們如何分辨能力問題、表達問題與系統問題。
mk-brain 內容自動化：AI 生成與人機協作，重塑 SEO 營運的效率與品質平衡 在 AI 浪潮席捲內容產業的今日，如何有效整合 AI 生成的效率與人為審核的品質，成為企業在 SEO 競爭中脫穎而出的關鍵。本文將深入探討一套開源系統所揭示的內容自動化新範式，並從 AI 系統建構者的視角，分析其在產品、工程與多 Agent 協作上的深遠意涵。
mk-brain 在 AI 協作時代，我們如何為有限的人腦工作記憶「凍結」專案狀態？ AI 代理的普及化，讓我們在開發與決策流程中獲得前所未有的加速。然而，當我們同時駕馭多個 AI 驅動的專案時，一個古老卻又被放大的問題浮現了：人腦有限的工作記憶與隨之而來的認知負荷。這不僅是效率問題，更是一個深刻的系統設計挑戰。
mk-brain 「AI 優先」的深層反思：AI 系統建構者視角下的工程基石與流程再造 「AI 優先」策略正席捲各行各業，看似一場技術革新，但從 AI 系統建構者的角度來看，這更像是一次對軟體工程基本功的嚴峻考驗。本文將探討為何 AI 的速度與效率，必須建立在堅實的基礎設施之上，以及它如何重塑我們對產品開發流程與人機協作的理解。
mk-brain 萬字提示詞的奧秘：Agent 系統效能、成本與架構設計的關鍵取捨 隨著 AI Agent 系統日趨複雜，我們觀察到其效能表現與底層的提示詞結構息息相關。當提示詞的規模達到萬字級，這不僅是工程挑戰，更觸及產品設計、成本控制與系統架構的核心議題。本文將從 TPM 與產品管理的視角，深入剖析大型 Agent 提示詞的構成、其帶來的成本壓力，並提出一套更具前瞻性的設計與管理策略。
mk-brain 從調參到架構：我對 AI Agent 記憶機制與智能演化的深度觀察 AI Agent 的發展正從單純的參數調整，邁向更深層次的系統架構設計。其中，記憶機制的設計邏輯，不僅是技術細節，更是決定 Agent 智能上限與演化潛力的關鍵。這篇文章將分享我對此轉變的觀察與思考。
mk-brain 從提示工程到指令架構：Andrej Karpathy 的原則如何為 Code Agent 重新校準 當 AI coding 從提示技巧走向工程規訓，真正重要的已不是怎麼讓模型更會寫，而是怎麼讓它少亂寫。
AgenticWorkflow AI 讓技能重新定價：裁員潮下真正需要補的那一包能力 這波裁員更像是技能重新定價：市場還在買人，但買的技能包變了。你需要的是把 AI 放進工作流、做出可展示且可驗證的轉型證據。
AI AI 圈內人 vs 大眾：50% 認知落差，會在組織裡變成什麼？（Stanford AI Index 2026） Stanford AI Index 2026 量化了 AI 專家與大眾對就業的 50% 認知落差。這不是網路吵架，而是企業導入 AI 時最常被低估的摩擦力：採用率、信任與風險治理。
mk-brain 未來競爭力：你的價值，取決於你能指揮多少 AI Agent mkbrain source: https://mkbrain.maki.tw/wei-lai-jing-zheng-li-qu-jue-yu-diao-dong-agent-shu-liang-yu-xi-tong-hua-zhi-hui-neng-li-er-fei-ge-ren-chan-chu/ | signal: 72
AI 一個人需要訂閱幾家 LLM 才夠用？答案是 0 家 Claude Max、ChatGPT Plus、Perplexity Max、Gemini Advanced、Cursor Pro、GitHub Copilot……
AI Agent Hermes Agent vs OpenClaw 詳細比較 Hermes Agent 主打自我進化、分層記憶、任務圖；OpenClaw 主打事件驅動、插件化微內核、多工具覆蓋。從架構、記憶、擴展性、通訊管道、部署模型到適用規模的完整對照，給 PM + 工程師的實務選型建議。
Claude Code 做完 50+ 個 Claude Skill 之後，我發現一個反直覺的事實：越私有越值錢 Anthropic 官方把 skill 的用途寫成 for yourself, your team, or for the community——yourself 排第一。我做完 50+ 個 skill 之後發現：越綁死個人環境、越不能分享的 skill，ROI 越高。這篇文章告訴你做 skill 該朝哪個方向走——跟官方指南相反。
Ollama Ollama + bge-m3 Embedding 產生 NaN 導致寫入失敗：完整診斷與修復 Ollama + bge-m3 embedding 對長中文文字產生 NaN，root cause 是 flash attention F16 overflow。一個環境變數修復：OLLAMA_FLASH_ATTENTION=0
AI 我不喜歡 Sam Altman，但他的魔戒論是對的 4 月 10 日凌晨，有人往 Sam Altman 家丟了汽油彈。我不同情他，但讀完他的回應，我改變了一些想法。不是對他這個人，而是對他說的話。
