智能代理式編碼：揭示領域專業知識的持續回報與工作轉型
Anthropic 進行了大規模的 Claude Code 使用者行為分析，這項研究揭示了人類與 AI 在程式碼編寫協作中的模式，並探討了成功率，對於理解 agentic coding 的實際應用有參考價值。
我的 AI 原生開發流程：一個真實案例的完整復盤
寶玉完整複盤 AI 原生開發流程，探討人類負責關鍵判斷、Agent 執行分析與驗證的實戰工作方式。
StateM 透過系統擴展而非模型重訓，大幅提升長跨度 AI 代理的執行可靠性
深入研究透過 Harness 擴展（持久狀態檢查點、階段本地上下文、可恢復執行手冊）顯著提升長視野 Agent 表現，具極高實戰價值。
我寫了一個記憶層：用決定性程式碼而非模型來決定儲存內容，並在上市前夜抓出三個重大臭蟲
深入探討如何透過確定性程式碼而非模型本身來決定記憶儲存路徑，解決模型幻覺帶來的錯誤長期記錄問題。
下一代 AI 代理產品的核心 DNA：將智慧與持續性分離
深入探討次世代 Agent 產品的核心假設：將智慧與連續性分離，由 Harness 持續維護可重建且可驗證的任務狀態。
決定性 AI 代理安全護欄：讓每一次阻擋都附上政策原文，通過合規審查的關鍵
探討確定性代理護欄（Deterministic agent guardrails），讓合規政策轉為可追溯到具體條文的函數，而非依賴機率分類器。
OpenAI 首款客製化 AI 推論晶片 Jalapeño 亮相，效能與速度創業界新高
OpenAI 自研推論晶片 Jalapeño 的技術發布，提供更快推理速度與更高能源效率。
當 AI 模型的免費午餐結束：解析 Drew Breunig 的 Fable 觀察
Drew Breunig 深度反思高效能模型（如 Fable）推出後，開發者對 coding harness 與 context 策略的經濟學與取捨心態轉變。
我們用 OpenRouter 免費模型跑了一整夜自主開發循環：合併兩個 PR、消耗 233 萬 Token、成本為零
實測在開源模型上運行自動化開發循環（Claude Code harness 結合 OpenRouter 端點），分享真實成本、token 消耗與合併 PR 經驗。
AI工程師實測基於難度的模型路由：成本與效能的權衡之道
AI工程師分享基於難度的模型路由實驗，探討文件萃取任務的成本與效能權衡。