1Podcast進階EN
How To Delegate To An Agent Like You Would An Employee?（在新分頁開啟原站）
這期訪談探討了當 AI 代理從新奇玩具轉變為能執行日常任務的工具時，如何像管理員工一樣進行分派。內容涵蓋了建立自動化的早晨簡報、自我檢查機制以及模仿人類寫程式風格的技能系統，並深入討論了如何設定邊界、自我修復機制以及 AI 的優先順序判斷。
※ 摘要僅根據標題與說明
Agentic Conversations（原 MLOps.community）Demetrios
Podcast ・ 國際 ・ 英文 ・ A 級 ・ 29 筆內容 ・ 最近更新 2026/09/28
生產環境 ML／agent 實務
最受歡迎
依人氣
- 2Podcast進階EN
AI Agents in Healthcare?
這期播客探討了如何在醫療領域使用 AI 代理，並解決了資料隱私與責任歸屬的挑戰。Kingsley Madikaegbu 與 Agentic AI Foundation 的 Alex Salkever 討論了基於 MCP 協議的四層架構，確…
- 3Podcast進階EN
AI Agents Should Be Treated Like Hackers
Matt DeBergalis 與 Alex Salkever 在 MCP Dev Summit 探討 AI 代理如何與企業系統互動。他們指出，傳統信任與許可權假設已失效，建議將 AI 代理視為未信任的敵對actor。
- 4Podcast進階EN
What Happens When Every Developer Has 20 AI Agents?
本訪談探討當每位開發者擁有 20 個 AI 代理時，軟體工程面臨的瓶頸問題。Stephen O'Grady 指出，雖然 AI 大幅降低了程式碼生成成本，但下游的基礎設施、安全審查、企業治理等環節將成為新的 bottlenecks。
- 5Podcast進階EN
Why Your AI Bill Will Double Before It Gets Better
本訪談探討 AI 運算成本趨勢，從 2024 年開始因大模型價格上漲而加速。訪談者 Josh Collier 分享了如何透過重新設計架構將成本從每月 40 萬降至 8 萬，並介紹了 15 分鐘內開發的費用計算器。
- 6Podcast進階EN
The Current State of Agentic Retrieval - Qdrant Roundtable
本訪談探討了 AI 代理在檢索（Retrieval）領域的最新狀態。討論涵蓋了代理如何高效搜尋、評估結果、以及利用技能與強化學習來最佳化搜尋行為。
- 7Podcast進階EN
The Winchester Mystery House Problem in AI Development（在新分頁開啟原站）
本訪談探討 AI 模型正逐漸固守單一模式，失去靈活性。Drew Breunig 分享他提出的「溫徹斯特神秘房屋問題」，指出當程式碼撰寫成本極低時，真正的瓶頸將是反饋。
※ 摘要僅根據標題與說明
- 8Podcast進階EN
AWS Has 16,000 APIs. Can MCP Handle It?
James Ward 探討了 MCP 伺服器在生產環境中的演進，涵蓋可觀測性、評估機制、工具設計、程式碼模式及 AWS 的 16,000 多個 API 架構。
- 9Podcast進階EN
The Five-Layer Cake Approach to Scaling AI Without Wasting Money（在新分頁開啟原站）
Ambud Sharma 分享五層蛋糕架構，從硬體到治理全面最佳化 AI 成本。透過不同商業模式的例項，探討如何避免投資浪費，並強調實驗精神是控制成本關鍵。
※ 摘要僅根據標題與說明
- 10Podcast入門EN
MCP Servers Are Becoming the UI for AI Agents
Naseem Al-Naji 與 MCPcat 創辦人探討 MCP 伺服器如何成為 AI 代理的「黑箱」。他指出，當使用者透過 Cursor 或 Claude Desktop 操作時，實際體驗由第三方公司掌控，導致開發者難以追蹤代理行為。
最新內容
依發布時間
- Podcast進階EN
AWS Has 16,000 APIs. Can MCP Handle It?
James Ward 探討了 MCP 伺服器在生產環境中的演進，涵蓋可觀測性、評估機制、工具設計、程式碼模式及 AWS 的 16,000 多個 API 架構。
- Podcast進階EN
Skills over MCP on the streets of Tokyo（在新分頁開啟原站）
這期訪談探討了「技能優先於 MCP」的理念，即伺服器不應堆砌工具，而應作為知識分發渠道。作者 Ola Hungerford 解釋了如何透過漸進式發現來避免上下文爆炸，並闡述了技能規範與 MCP 規範的邊界問題。
※ 摘要僅根據標題與說明
- Podcast進階EN
Walking Tokyo Talking Agent Protocols（在新分頁開啟原站）
這段訪談探討了東京的 AI 社群如何從爭論轉向討論 WebMCP 協議，並介紹了 Agentic AI Foundation 的 Angie Jones 如何推動工具呼叫直接嵌入網頁。
※ 摘要僅根據標題與說明
- Podcast入門EN
Why Cost Per Million Tokens Is A Useless KPI?（在新分頁開啟原站）
這場訪談探討了 AI 成本追蹤的轉變，從傳統服務費模式轉向以 Token 為計費單位的新型態。兩位專家指出，當 AI Agent 介入後，耗費呈現指數級增長，且不再像傳統程式那樣可預測。
※ 摘要僅根據標題與說明
- Podcast進階EN
The Five-Layer Cake Approach to Scaling AI Without Wasting Money（在新分頁開啟原站）
Ambud Sharma 分享五層蛋糕架構，從硬體到治理全面最佳化 AI 成本。透過不同商業模式的例項，探討如何避免投資浪費，並強調實驗精神是控制成本關鍵。
※ 摘要僅根據標題與說明
- Podcast進階EN
The Winchester Mystery House Problem in AI Development（在新分頁開啟原站）
本訪談探討 AI 模型正逐漸固守單一模式，失去靈活性。Drew Breunig 分享他提出的「溫徹斯特神秘房屋問題」，指出當程式碼撰寫成本極低時，真正的瓶頸將是反饋。
※ 摘要僅根據標題與說明
- Podcast進階EN
How Predictive Analytics Stops Budget Overruns Before They Happen?（在新分頁開啟原站）
Wayfair 的 FinOps 架構師 Brent Eubanks 分享如何將 AI 支出從財務問題轉為工程問題，透過讓 AI 僅在需要時被呼叫，將每月成本從 40 萬降至 8 萬。
※ 摘要僅根據標題與說明
- Podcast進階EN
How To Delegate To An Agent Like You Would An Employee?（在新分頁開啟原站）
這期訪談探討了當 AI 代理從新奇玩具轉變為能執行日常任務的工具時，如何像管理員工一樣進行分派。內容涵蓋了建立自動化的早晨簡報、自我檢查機制以及模仿人類寫程式風格的技能系統，並深入討論了如何設定邊界、自我修復機制以及 AI 的優先順序判斷。
※ 摘要僅根據標題與說明
- Podcast進階EN
Why Your AI Bill Will Double Before It Gets Better
本訪談探討 AI 運算成本趨勢，從 2024 年開始因大模型價格上漲而加速。訪談者 Josh Collier 分享了如何透過重新設計架構將成本從每月 40 萬降至 8 萬，並介紹了 15 分鐘內開發的費用計算器。
- Podcast進階EN
MCP Goes Stateless
本訪談探討了 MCP（模型上下文協議）如何從有狀態演變為無狀態設計，以適應超大型規模部署需求。作者分享了 MCP v2 的更新、SDK 遷移策略以及協議演進中的關鍵決策，如多輪往返回應機制以解決上下文膨脹問題。
- Podcast進階EN
AI Hype vs. Real Value
本訪談探討企業 AI 專案常因專注於單一工具而導致成效落空，關鍵在於重組端到端工作流。Manish Dasaur 指出，真正的價值來自於將 AI 嵌入流程而非孤立測試，並強調需透過 FinOps 管理程式碼、提示詞及計算成本。
- Podcast進階EN
The Creator of FastMCP Explains the Future of MCP
本訪談介紹了 FastMCP 的創始人 Jeremiah Lowin，他分享了 FastMCP 如何從一個意外構成的專案演變為 MCP 生態系中佔據主導地位的標準工具。
- Podcast進階EN
What Happens When Every Developer Has 20 AI Agents?
本訪談探討當每位開發者擁有 20 個 AI 代理時，軟體工程面臨的瓶頸問題。Stephen O'Grady 指出，雖然 AI 大幅降低了程式碼生成成本，但下游的基礎設施、安全審查、企業治理等環節將成為新的 bottlenecks。
- Podcast進階EN
AI Agents Should Be Treated Like Hackers
Matt DeBergalis 與 Alex Salkever 在 MCP Dev Summit 探討 AI 代理如何與企業系統互動。他們指出，傳統信任與許可權假設已失效，建議將 AI 代理視為未信任的敵對actor。
- Podcast進階EN
Developers May Stop Depending on Libraries
本訪談探討 AI 程式碼如何讓傳統軟體庫變得「液化」，並介紹了使用強化學習（RL）開發自主代理的趨勢。訪談者 Shaun Smith 分享了 Hugging Face 的 MCP 伺服器、Fast Agent 等工具，以及如何利用自然語言…
- Podcast進階EN
10 Cities. 4 Countries. One Unexpected MCP Lesson.
本訪談由 DeepL 開發者代表 Ben Morss 主持，探討 AI 工具協同（MCP）的普及與誤解。Ben 在四國十城演講中，澄清了 MCP 並非將 AI 混入 API，而是讓 AI 透過安全工具呼叫外部 API 執行任務。
- Podcast進階EN
The Next Programming Language Is English
Cornelia Davis 探討 AI 如何迫使軟體開發者重新思考程式設計模式。她指出自然語言正在成為新的程式語言抽象，但缺乏確定性，因此需要建立安全網（如堅固執行）來補償。
- Podcast進階EN
Omnigent: Composition, Control, and Collaboration for AI Agents
Denny Lee 探討 AI 從模型轉向「排程器（harness）」的趨勢，並分享他使用 Omnigent 進行台灣抹茶農業研究的例項。
- Podcast進階EN
The Current State of Agentic Retrieval - Qdrant Roundtable
本訪談探討了 AI 代理在檢索（Retrieval）領域的最新狀態。討論涵蓋了代理如何高效搜尋、評估結果、以及利用技能與強化學習來最佳化搜尋行為。
- Podcast進階EN
AI Agents in Healthcare?
這期播客探討了如何在醫療領域使用 AI 代理，並解決了資料隱私與責任歸屬的挑戰。Kingsley Madikaegbu 與 Agentic AI Foundation 的 Alex Salkever 討論了基於 MCP 協議的四層架構，確…
- Podcast進階EN
Coding Agents Are Secretly General Agents
這段訪談探討了程式碼代理如何演變為通用代理，並解釋了「正向轉移」的概念，即具備程式能力更強的代理在處理其他任務時也會表現更好，從而接近通用人工智慧。
- Podcast進階EN
The Dark Side of MCP Servers
本訪談探討了 MCP 伺服器背後的潛在風險，包括工具投毒、OAuth 的脆弱性以及自動更新帶來的供應鏈風險。Sam Partee 與 Nate Barbettini 指出，雖然 MCP 協議旨在簡化開發，但其安全邊界仍被許多實現忽視，導致…
- Podcast進階EN
Sandboxing, Agent Harnesses, and Agent Teamwork
本訪談探討了 AI 系統工程師（SRE）如何從傳統監控轉向使用 AI 代理進行自主故障根因分析。Shahram Anver 分享了他開發的 Cleric 工具，該工具能自動學習並累積組織的運營記憶，讓工程師在兩分鐘內解決問題，而非依賴人工…
- Podcast高階EN
Zipline Roundtable episode: Building Real-Time ML Systems with Zipline + Chronon
本訪談探討了 Zipline 與 Chronon 如何協助企業解決即時 ML 系統的挑戰，包括低延遲特徵值服務、時序一致的回補以及複雜的流批轉化鏈。
- Podcast入門EN
MCP Servers Are Becoming the UI for AI Agents
Naseem Al-Naji 與 MCPcat 創辦人探討 MCP 伺服器如何成為 AI 代理的「黑箱」。他指出，當使用者透過 Cursor 或 Claude Desktop 操作時，實際體驗由第三方公司掌控，導致開發者難以追蹤代理行為。
- Podcast進階EN
Agents & the $40M Bet on Multiplayer AI
Stanislas Polu 介紹了 Dust 企業 AI 代理平台，探討了「多人 AI」模式如何透過類似鳥群演算法的遠距離吸引與協同，解決單人模式下的任務時間短、能力不穩定等問題。
- Podcast進階EN
From Single-Player to Multi-Player: Operating AI Agents at Scale（在新分頁開啟原站）
James Everingham 探討從單玩家到多玩家 AI 代理的演進，強調在生產環境中運作的關鍵挑戰。他介紹了控制平面（Agent Control Plane）的重要性，並分享 Meta 的經驗，說明如何建立治理機制以管理多代理系統的…
※ 摘要僅根據標題與說明
- Podcast進階EN
The Control-vs-Magic Spectrum Building Agents
本訪談探討了 Agentic Conversations 第 382 集，由 iFood 資料與 AI 總監 Thiago Cardoso 分享如何將 AI 代理應用於生產環境。
- Podcast入門EN
Logs Are All You Need: Rethinking Observability with AI Agents
Sherwood Callaway 介紹 Sazabi 平台，主張 AI 代理能透過單一資料來源（Logs）取代傳統監控架構。
