Maki Chiang｜Notes

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

Agent 不是真的失憶，而是多數人從未設計過記憶系統

當 Agent 開始進入真實工作流，問題往往不是模型記不住，而是我們從來沒有替它設計上下文、長期記憶與狀態交接的機制。

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

從生成到審核：內容自動化真正的門檻，不在模型，而在協作鏈路

內容自動化之所以難，不是因為生成不夠快，而是多數團隊沒有把素材、審核、發布與回寫串成同一條工作流。

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

「虛擬公司」的陷阱：為何頂尖 AI Agent 架構都轉向了「狀態文件」

把多 Agent 畫成虛擬公司很直覺，但真正決定成敗的，往往不是角色，而是狀態如何被保存與延續。

mk-brain

從炫技到務實：多 Agent 系統的架構演化與選擇紀律

多 Agent 不是越複雜越厲害，真正成熟的團隊會先選對協調模式，再決定要不要增加架構層次。

mk-brain

自進化系統的憲法：在自主與穩定之間，設計不可變的元規則

自進化系統最危險的不是不夠聰明，而是沒有治理；真正的關鍵是不可變規則、門控與回滾。

mk-brain

「駕馭工程」時代：當頂級模型的智慧不再是瓶頸，我們該如何建構 AI 系統？

當模型能力不再是主要瓶頸，工程師的價值將從寫程式，轉向設計環境、流程與系統編排。

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

當科技裁員被包裝成 AI 敘事：哪些數字可信，哪些需要保留

這不是一篇情緒化反駁，而是一次資料清理：哪些裁員與 AI 的說法有根據，哪些數字其實還需要更小心地看待。

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。

職場觀察

當改革者先走：傳產數位轉型裡，沒人談的那場消耗戰

傳產數位轉型失敗從來不是技術問題，是效率化揭露既得利益者的低效。老闆的尚方寶劍通常是假的，而流程、文件、會議是完全合法的消耗戰武器。

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。