Tag
收錄 #工作流 標籤相關的文章與實驗紀錄。
2026-10-24 · AI 與技術
Anthropic 在 2026 年 5 月平均每天合併約 2,500 次程式碼變更，到了 9 月已超過 30,000 次。當 AI 把 Coding 速度推高十倍以上，真正先撐不住的不是工程師，而是 Git、CI 與整套為人類速度設計的開發基礎設施。這篇從 Anthropic 的 Scion 案例，整理 AI-native 團隊真正需要重新設計的瓶頸、審查與治理方式。
2026-10-24 · AI 與技術
Orca Orchestration 已啟用，AI 卻偶爾繞過 Worker 自行建立 Subagent。從兩套代理機制的差異，整理 Orca-First 派單規則、權限約束和可驗證的任務生命週期。
2026-09-25 · AI Workflow
多模型工作流真正的問題不是模型不夠強，是規則在各個 AI 客戶端之間漂移。這篇拆解 Ai-agent 的架構：用 adapter pattern 收斂共用規則、用 skill contract 定義交接、用 script 驗證而不是靠模型感覺，並談這套治理在什麼規模以下其實是過度設計。判斷一套 AI workflow 成不成熟，看的是 prompt 有沒有變薄、contract 有沒有變厚。
2026-09-25 · AI 與管理
AI 答案不好，通常不是 prompt 寫得不夠漂亮，而是你沒把真實世界的限制交給它。把 AI 當成一位能力很強但剛入職的新同事——給脈絡、設邊界、驗成果——產出品質會完全不同。管理 AI 的方式，會直接反映你原本管理工作的成熟度。
2026-09-25 · AI 與產品管理
UX 沒有死，只是多了一個新的讀者。人靠 Polanyi 說的默會知識與 Norman 說的預設用途去理解介面，AI 需要語意結構、可解析的狀態與明確的流程邊界——這就是 AX（Agentic Experience）在談的事。它提醒我們重新問一次：產品到底被誰理解、由誰判斷、又由誰承擔後果。
2026-09-25 · AI與技術
當 AI Agent 成為筆記的第一線讀者，舊的知識庫結構就成了幻覺的溫床。這篇記錄我如何用三層分工架構、共享 Entry Block 和自動化優化迴圈，把 Obsidian vault 從人類碎片筆記改造成 AI-Ready 的真相層，以及這套結構在什麼情況下其實是過度設計。
2026-09-25 · AI 工作流治理
多代理 AI 工作流的核心不是多加幾個 Agent，而是釘住決策權、交接責任、停止條件與人類批准。本文以 DesignVault 的治理設計說明，如何讓 AI 自主前進，同時保有可追溯的回程。
2026-09-25 · 技術觀點
把知識拆成六個 repo，解決的不是「東西太多找不到」，是「找到三份互相矛盾的東西，而你沒有辦法判斷哪一份算數」。這篇拆解為什麼目錄結構在這種架構裡不是分類法，而是權限法，借 Ostrom 的制度設計、Lessig 的「程式碼即法律」與 Scott 的「合法可讀性」，說明把規則寫進結構要付出的兩個代價。
2026-09-25 · AI 觀點
我的雲端 repo 有兩個排程，上線八天一次都沒跑成功，而每天全綠的健康檢查完全沒抓到。因為健檢量的是「存在」，不是「運作」。這篇談自動化之前該先建立的三層驗收規則，以及為什麼不是每件事都該進迴圈。
2026-09-25 · AI與技術
軟體產業追求資源利用率極大化，卻導致決策延遲拖垮流動效率——這篇補上背後的排隊理論與瓶頸理論機制。拆解 AI Agent 如何改變瓶頸：從「寫 Code 的速度」轉向「做出正確決策的速度」，新型 PM 如何透過多代理人協作消滅等待，以及這個目標在哪些情境下該被放慢，不能一味求快。