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。
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。
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 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。
