Knowledge Mirror / GitHub Pages
分享型知識頁
Markdown 作為知識原始稿；HTML 作為主要閱讀、展示與分享格式。目前共 20 篇。
共 20 篇
AI 提示詞十則：情境、推理、誠實與風險檢查
這份筆記整理老闆提供的 10 張提示詞卡片，已從簡體中文轉成符合台灣正體中文語法的版本，並補成我之後可直接查用的「提示詞選擇表」。 重點不是背十句咒語，而是依當下任務選擇正確規則：要背景、要推理、要誠實、要批判、要收斂、要格式、要假設審計、要壓縮上下文，或要上線前預演失敗。 如果老闆給的是模糊任務，先用 情境簡報。 如果老闆要決策品質，加入 推理要求、誠實約束、假設審計。…
AI 時代的 PM 新技能：語音化工作流程設計實戰
title: AI 時代的 PM 新技能：語音化工作流程設計實戰 created: 2026-05-09 source: 260508_AI 時代的 PM 新技能：語音化工作流程設計實戰.zip AI 語音工作流 PM ZeroType Prompt Engineering Ollama 這份教材的核心不是「用語音打字」，而是把語音設計成一個低摩擦的 AI 工作入口：想到就說，…
AVIF 圖片格式落地：能力檢測、CDN 快取與異步轉碼設計
SegmentFault：下一代圖片格式 AVIF 在 vivo 社區的落地實踐 SegmentFault 文章 整理日期：2026-05-08 這篇筆記整理一套在內容型網站落地 AVIF 圖片格式的工程方案。 核心不是單純「把圖片改成 AVIF」，而是建立一條安全、可回退、可快取、可觀測的圖片交付鏈路：…
Agent System Foundation：從多步任務骨架到可治理 Beta Harness
agent-system-foundation 是一套把 AI 助手從「只會回覆問題」往前推到「能穩定推進真實多步工作」的 foundation。 它的核心重點不是 prompt 本身，而是把以下幾件事制度化： workflow state verification run orchestration human handoff observability artifact g…
Agent、RAG、Harness 系統 Eval 功能設計
這份筆記整理一套用來評估 Agent / RAG / Harness 系統的 Eval 設計。重點不是做漂亮 demo，而是把系統裡容易退化、容易被改壞、但又很難靠肉眼長期盯住的規則，變成可重複執行的檢查。 核心原則： Eval 不是只拿來評分模型回答好不好，而是整個 AI 系統的防回歸機制。 對 Agentic system 來說，真正會壞的地方通常不是單一 prompt，…
Claw Notify：RSSHub、Firebase 與 PWA 推播收件箱架構
Claw Notify 是一套把多個內容來源整理成個人推播收件箱的輕量架構。 核心目標不是單純「發通知」，而是把通知從聊天軟體移出來，變成一套可回查、可分類、可擴充的通知資料流： 目前接入的來源包含： 阮一峰科技愛好者週刊：阮一峰科技愛好者週刊 GitHub Jacky Bing-Sheng Lee：外部連結
Gemma 4 白話圖解：新手一次看懂小模型、MoE、多模態與長前後文
這篇文章在講什麼 這篇《A Visual Guide to Gemma 4》不是操作教學，也不是單純比 benchmark。它的重點是：用圖解方式，把 Gemma 4 為什麼能兼顧多模態、長前後文、效率與裝置端部署 這幾件事拆開講清楚。文章先講共通架構，再分別解釋 31B、26B A4B、E2B、E4B 這四種模型。 新手先記住這 6 件事 1. Gemma 4 有四個型號：E…
HTML 作為 AI 知識展示格式：Claude Code 的實務補充
這份筆記整理 Thariq（Claude Code / Anthropic）文章〈Using Claude Code: The Unreasonable Effectiveness of HTML〉對 HTML artifact 的觀點，並轉成 knowledge-mirror / knowledge-showcase 的實作規則。 來源： Thariq X Article：<…
Laravel 的事件概念及實作方式
在 Laravel 中事件 (Event) 是一種發佈-訂閱模式(Publish-Subscribe)的實作方式 ，它可以使應用程式中的邏輯從執行中分離出來，讓整個程式碼更加清晰明瞭。 當一個特定的事件發生時，會發送出該事件並且觸發訂閱這個事件的所有處理函式。 透過 event() 函式或 Event facade 來發送事件。例如 event(new UserRegister…
OpenClaw workflow 降本改造方案
不是只換便宜模型，而是把整條 workflow 改得更省 token，並且能驗證效果真的有。 只送任務相關片段 長對話先摘要 memory 先檢索，不整包送 FAQ / 格式化 / 短摘要 - cheap/local 長推理 / 高風險 - strong model 重複問題先查 cache 標準流程結果可快取 先做檢索，再做判斷 先做粗分類，再做精推理 能批次做的不要逐筆做…
OpenClaw 降本提效 checklist
只送這次任務需要的片段 歷史對話先摘要，再送摘要 長 memory 先檢索，別整包塞進去 FAQ / 分類 / 格式化，先用便宜模型或本地模型 長文推理 / 高風險判斷，才升級強模型 能批次處理的就不要一筆一請求 高頻問題直接快取答案 標準流程輸出可快取中間結果 重複查詢先查 cache，再進模型 刪掉重複指令 把長說明改成短規則 用條列，不要堆散文 設每日 / 每月用量上限…
RAG 大量文件的多層次儲存與檢索設計
這份文件說明當 RAG 系統面對大量文件時，如何設計多層次儲存、有效率寫入、有效率讀取，以及如何把檢索結果組成可靠回答。 核心目標不是「把所有文件切 chunk 丟進 vector DB」而已，而是建立一套能支援： 大量文件持續寫入 文件更新與增量索引 快速檢索 精準召回 可引用來源 權限過濾 回答品質穩定 的 RAG 架構。 大量文件 RAG 不應只做單層 chunk emb…
TiDB RAG：從自架技能包到可重用知識基線
這份知識的主題，不是單指 TiDB，也不是單指向量資料庫，而是整理一條較務實的自架 RAG 思路： TiDB / TiKV / PD 很適合扮演 metadata 與資料層，但不應被誤當成完整 retrieval engine。 如果目標是做一套可實際運作的 RAG stack，比較穩的方向通常是： TiDB：metadata / relational data…
OpenClaw Usage
OpenClaw 要做降本增效，通常會這樣落地： 1. 先分流任務 FAQ / 格式化 / 短摘要 - 便宜模型或本地模型 長文推理 / 高風險判斷 - 強模型 2. 先縮上下文 先檢索相關片段 先摘要歷史對話 不把整包 memory 塞給模型 3. 把高頻回覆快取起來 重複問題先查 cache 標準流程先存中間結果 4. 把 prompt 壓短 system prompt 只…
依賴注入原理、實作與設計模式：Pure DI、Container、生命週期與設計模式
草稿整理：依據目前關於 Dependency Injection（DI）、Pure DI、DI Container、Service Locator、生命週期管理、Composition Root 與設計模式的討論整理。 依賴注入的本質，是把「使用物件」跟「建立物件」分離。 物件本身不應該自己決定要建立哪個具體依賴，而是宣告自己需要什麼，由外部在組裝階段把依賴交給它。…
這篇文章在講什麼
這篇文章是「台灣股票自動化研究平台」從原型跨越到 MVP (Minimum Viable Product) 的實戰總結。我們不僅成功串接了從「全市場初篩」到「策略優化建議」的完整數據閉環，更針對台灣 Open Data 的特殊性建立了強大的防禦性資料鏈。這是一份關於如何建構具備「自我進化能力」的量化研究系統的技術指南。 1. 分層資料獲取策略 (Tiered Sourcing)…
大量資料處理效能優化：從 1100 萬筆事件 Replay 到每秒 45000 筆
這份筆記整理自 Brent Roose 的文章〈Processing 11 million rows〉：作者在搬遷部落格 analytics 系統時，需要重新 replay 超過 1,100 萬筆事件，並逐步把處理速度從約 30 events/sec 優化到約 45,000 events/sec。 原文：<外部連結
第二層 Agent 實作設計：固定工具下的受控自主工作流
這份文件說明如何實作「第二層 Agent 系統」。 所謂第二層 Agent，指的是： 也就是 production 場景中最常見、也相對安全的 agentic workflow 形態。 它介於兩者之間： 第二層的核心價值是： 人類控制工具邊界與安全規則，Agent 負責在邊界內規劃步驟、呼叫工具、處理例外。 第二層 Agent 不應該是「完全放飛的 AI」，而是 受控自主。…
第二層 Agent 與 Harness 系統的差異：任務治理與自主決策的分工
這份文件說明「第二層 Agent」與「Harness 系統」的差異與分工。 簡單講： 比喻： 兩者不是競爭關係，而是上下層關係： Harness 解決「任務治理」；第二層 Agent 解決「工具內自主行動」。 更精準地說： Harness 不一定需要 LLM 自主決策；它可以管理固定流程、人工流程、腳本任務、subagent 任務。 第二層 Agent 則一定有「Agent 自…
高寫入量訊息系統，如何用 Cassandra 做可擴充儲存，以及它會怎麼用 tombstone 反咬你一口
這篇是 Discord 在 2017-01-13 發的工程文，講的是他們當時如何把聊天訊息儲存架構，從 MongoDB 遷移到 Cassandra，以支撐已經超過 每日 1.2 億則訊息 的規模。這篇重點不是「聊天產品怎麼做」，而是「大量訊息寫入與隨機讀取，要怎麼設計資料庫與資料模型」。([Discord](外部連結