Day 01 - Claude Code 其實就只是一個 while 迴圈
拆解了 AI Agent 的核心架構,指出其本質是一個不斷執行「模型選擇動作、執行程式碼、返回結果」的 while 迴圈。
依人氣
拆解了 AI Agent 的核心架構,指出其本質是一個不斷執行「模型選擇動作、執行程式碼、返回結果」的 while 迴圈。
這篇文章詳細介紹了如何為 Coding Agent 撰寫 System Prompt。作者將 System Prompt 分為「行為守則」與「環境資訊」兩部分:守則包含查證再回答、驗證程式碼、不重複述工具呼叫、以及安全規範(如不讀取未開放…
探討 Workflow 與 AI Agent 的差異,指出 Workflow 提供可預測性與控制權,適合金融、醫療等需嚴格流程的場景;而 Agent 則提供自主性與彈性,擅長處理非結構化任務。
宅宅分享如何利用 AI Agent 與 Claude Code 在兩個月內開發完成一個包含會員系統、票券管理及數位內容銷售的完整專案。他強調這種協作模式大幅降低了試誤成本,讓工程師能專注於架構與設計,而非重複性編寫。
探討 AI 時代程式開發的價值,強調理解問題與設計解法比單純敲程式碼更重要。作者認為 AI 是能力放大器,而非取代者,建議規劃學習目標或轉職者現在就入手。
探討「Spec-as-source」理念:用自然語言撰寫精確規格,讓 AI 自動生成程式碼。作者指出,雖然 AI 能產生可運作的程式碼,但由於其非確定性,不同輸入可能導致結構差異,長期會造成維護困難。
探討 AI 時代程式開發的轉變,指出從確定性到非確定性的核心挑戰。作者分享使用 AI 寫程式的心路歷程,強調需掌握「非確定性」思維,並提出驗證 AI 輸出、建立測試契約等實踐方法,提醒讀者避免無腦依賴,確保在 AI 時代有效學習與工作。
介紹了如何啟用 LLM 的「串流」功能,讓回應逐字顯示而非等待整段完成。作者展示了如何使用 SDK 的 stream() 方法,並透過程式碼實作來處理中斷情況,確保即使模型回答不完整,也能正確記錄已完成的內容。
介紹了 OpenSpec 1.0 版的重大更新,包括從線性工作流轉向可自由組合的指令系統,以及任務進度即時更新的機制。作者還開發了一款名為 Spectra 的桌面應用程式,提供圖形介面來瀏覽檔案、追蹤任務進度並管理 AI 工具,讓開發流程…
依發布時間
介紹了如何啟用 LLM 的「串流」功能,讓回應逐字顯示而非等待整段完成。作者展示了如何使用 SDK 的 stream() 方法,並透過程式碼實作來處理中斷情況,確保即使模型回答不完整,也能正確記錄已完成的內容。
這篇文章詳細介紹了如何為 Coding Agent 撰寫 System Prompt。作者將 System Prompt 分為「行為守則」與「環境資訊」兩部分:守則包含查證再回答、驗證程式碼、不重複述工具呼叫、以及安全規範(如不讀取未開放…
探討了從 COBOL 到 AI 的程式語言演進,指出「需求正在成為新的程式語言」這一願望已存在數十年。文章分析了 COBOL 為了讓業務人員易懂而犧牲可讀性的設計,以及 SQL 讓程式設計師更輕鬆的轉變。
介紹了如何在 Python Agent 中透過 macOS 的 App Sandbox 功能限制工作目錄許可權,防止指令跳脫或讀取外部檔案。作者展示了如何配置 Seatbelt 沙箱,並實作指令碼驗證沙箱是否有效擋住 shell 指令。
介紹了「KeSi」工具如何透過規則控制 Shell 指令的執行許可權。它將 dangerous 命令(如 rm -rf)分類為拒絕、詢問或允許,並建立白名單與黑名單機制。
介紹了「放手修一個 bug」的實戰案例,透過 KeSi 模型處理一個包含差一錯誤的會員訂單試算專案。模型需跨檔案定位 bug 並修正,但模型會隨機選擇執行路徑,導致測試結果不一。
介紹了如何使用 Python 的 subprocess 模組建立 run_command 工具,以解決 AI 模型無法直接執行 shell 指令的難題。
探討如何讓 AI 工具精確地修改程式碼檔案,避免整檔重寫造成的成本與錯誤風險。作者介紹了使用「字串替換」作為主要策略,並強調讀取檔案必須以 bytes 格式處理以確保行尾格式一致。
介紹了如何在專案中高效搜尋檔案內容,並展示了如何將 ripgrep 整合進 KeSi 工具。透過使用 rg 的預設過濾規則與子行程技術,KeSi 能自動忽略隱藏檔與二進位檔案,並提供包含行號與檔名的搜尋結果,大幅減少模型處理的雜訊與代價。
介紹了 Python 中如何使用「讀取檔案」工具來實現 Agent 自主執行任務。透過定義工具 Schema、設定路徑防護機制,並結合 Path 函式與 try/except 錯誤處理,將原本只能對話的程式碼轉化為能讀取檔案並回應的 Ag…
介紹了讓 AI 模型假裝有記憶的方法,透過建立「日記」陣列記錄對話歷史,並在每次請求時將整本日記傳送給模型,使其能根據上下文進行回答。作者還展示了如何修改程式碼實現此功能,並提及了預填(prefill)技術,讓模型從斷點繼續回答。
本文章教導讀者如何使用 Anthropic Python SDK 傳送第一個 Messages API 請求。透過設定環境變數與使用 uv 管理依賴,作者演示了如何組裝一封簡潔的陽春版信件,並解釋了模型回覆的「積木」結構與 token 成…
拆解了 AI Agent 的核心架構,指出其本質是一個不斷執行「模型選擇動作、執行程式碼、返回結果」的 while 迴圈。
介紹了 OpenSpec 1.0 版的重大更新,包括從線性工作流轉向可自由組合的指令系統,以及任務進度即時更新的機制。作者還開發了一款名為 Spectra 的桌面應用程式,提供圖形介面來瀏覽檔案、追蹤任務進度並管理 AI 工具,讓開發流程…
探討「Spec-as-source」理念:用自然語言撰寫精確規格,讓 AI 自動生成程式碼。作者指出,雖然 AI 能產生可運作的程式碼,但由於其非確定性,不同輸入可能導致結構差異,長期會造成維護困難。
介紹 GitHub 上的 Superpowers 工作流規範,一套由 15 個 Skills 構成的 AI 開發紀律。它強制 AI 在需求釐清、設計、測試、程式碼審查等每個環節遵循嚴格步驟,例如禁止跳過測試、要求 YAGNI 原則及兩階段…
探討規格驅動開發(SDD)如何透過先定義需求與設計,確保 AI 理解一致,避免 Vibe Coding 風格的失控。文章指出 SDD 的核心在於將模糊指令轉化為可驗證的規格檔案,並分為 Requirements、Design、Tasks…
探討工程師寫作的重要性,指出寫作能幫助澄清模糊概念、獲取免費審查並建立個人品牌。作者強調寫作不是為了文學造詣,而是為了將模糊經驗轉化為清晰知識,並提供找題目的三個問題來鼓勵讀者開始寫作。
探討了 Anthropic 推出的 Skills 功能,將 AI 從通用助手轉化為專業工匠。透過 SKILL.md 定義專業知識與工作流程,並採用 Progressive Disclosure 機制,讓 AI 按需載入資訊,避免上下文過載。
n8n 2.0 於 2025 年 12 月發布,主要強化了工作流的安全與效能。核心改進包括將「儲存」與「發布」分離,避免編輯時誤觸線上流程;新增 Task Runner 機制,將 Python 節點執行隔離,提升安全性;
探討 AI 時代程式開發的轉變,指出從確定性到非確定性的核心挑戰。作者分享使用 AI 寫程式的心路歷程,強調需掌握「非確定性」思維,並提出驗證 AI 輸出、建立測試契約等實踐方法,提醒讀者避免無腦依賴,確保在 AI 時代有效學習與工作。
探討 Workflow 與 AI Agent 的差異,指出 Workflow 提供可預測性與控制權,適合金融、醫療等需嚴格流程的場景;而 Agent 則提供自主性與彈性,擅長處理非結構化任務。
宅宅分享如何利用 AI Agent 與 Claude Code 在兩個月內開發完成一個包含會員系統、票券管理及數位內容銷售的完整專案。他強調這種協作模式大幅降低了試誤成本,讓工程師能專注於架構與設計,而非重複性編寫。
探討 AI 時代程式開發的價值,強調理解問題與設計解法比單純敲程式碼更重要。作者認為 AI 是能力放大器,而非取代者,建議規劃學習目標或轉職者現在就入手。