Writing archive · 344
文章索引
記錄系統設計、AI Agent 工作流，以及實際專案裡值得保留的技術取捨。
MCP + MHS 會成為 AI 作業系統嗎？先分清楚介面、驅動與核心
從 MCP 的軟體連接能力與 MHS 的硬體驅動標準出發，拆解 AI Agent 技術棧為何愈來愈像作業系統，以及權限、調度、復原與實體安全仍缺少什麼。
AI Agent 需要的不是更長 Context，而是 Memory Engineering
從 Capture、Consolidate、Retrieve、Reconcile 到 Decay，拆解 AI Agent 如何建立可更新、可遺忘，也能被驗證的長期記憶。
MoE 如何讓大模型變大卻不等比例變慢？從 Router 到記憶體成本
以 Mixtral 8x7B 與 Grok-1 為例，拆解 MoE 如何用 Router 稀疏啟動 Expert，並釐清 active parameters、負載平衡、VRAM 與多 GPU 通訊的真實代價。
Trace Engineering：自主 AI Agent 的可觀測性與除錯架構
當 Agent 在背景執行多輪任務時，單靠一般 Log 不足以釐清決策脈絡。從因果追蹤、故障環境重播到驗證收據，拆解生產級 Agent 的 Trace Engineering 實踐。