主題閱讀路徑
系列文章
從你想解決的問題開始，不必先記住系列名稱。
顯示 83 個已發布系列
AI Agent Arxiv Digest
AI Agent Arxiv Digest 系列文章
AI 日報
每日 AI 動態速覽。
AI Agent GitHub Digest
AI Agent GitHub Digest 系列文章
AI Engineer 面試日練
每日一篇 AI Engineer 面試練習，依星期輪替七個主題——ML 基礎、深度學習、系統設計、LLM 工程、Coding、論文閱讀、行為面試——從網路抓最新面試題與資源。
AI Framework Changelog
AI Framework Changelog 系列文章
AI Agent Funding
AI Agent Funding 系列文章
AI Model Tracker
AI Model Tracker 系列文章
Product Builder 面試日練
每日一篇 Product Builder 面試練習，依星期輪替七個主題——產品直覺、指標分析、策略執行、AI 產品設計、成長實驗、技術 PM、行為面試——從網路抓最新案例與面試題。
AI Security Alert
AI Security Alert 系列文章
AI Tool of the Day
AI Tool of the Day 系列文章
AI Pricing Watch
AI Pricing Watch 系列文章
AI Region Focus
AI Region Focus 系列文章
AI Agent 週回顧
AI Agent 週回顧 系列文章
文件解析實戰
把文件變成 LLM 可讀內容的三層階梯——轉換、抽取、解析。從選層邏輯到 MarkItDown、anydoc、MinerU 等各層工具的取捨比較。
RAG 技法大全
把 RAG 拆成可逐項比較的技法：切塊與索引、稀疏與稠密檢索、排序融合、agentic 與進階模式、生成端控制、真實查詢會踩的坑，以及評估、成本與可觀測性。每篇只談一個決定，讀完能拼成一條自己的 pipeline。
AI Benchmark Watch
AI Benchmark Watch 系列文章
OMP 內部設計導讀
OMP 內部設計導讀 系列文章
跟成熟 coding agent 學設計
以 Looplane 為實作載體，逐題對照 pi、OMP、OpenCode、Codex CLI 與 Claude Code：從 loop、workspace、approval 與 verification，一路追到已落地 baseline 的 memory、compaction、MCP、sandbox、subagents、replay、LSP、cost tracking 與 Agent as a Service，並保留 production validation 與跨 runtime parity 的真實缺口。
Ask AI 實戰
沿著 quidproquo Ask AI 的真實資料流，從索引、混合檢索、Writer 與來源門檻走到串流、快取、事故鑑識與可重跑評估；每篇只追一條責任與它能證明的邊界。
Cloudflare AI Stack
Cloudflare AI Stack 系列文章
Cloudflare Edge Platform
Cloudflare Edge Platform 系列文章
Looplane 架構拆解
沿著一次 coding-agent 任務的實際路徑拆解 Looplane：從 TUI、disposable workspace、prompt 與兩條 runtime lane，走到工具權限、state/event lifecycle、MCP、subagents、SDK/IDE，最後把同一套邊界延伸到 Cloudflare 遠端執行。每篇只追一條 data flow、failure boundary 與測試證據。
Harvard CS50 AI 導讀
Harvard CS50 AI 導讀 系列文章
世界名校 AI／CS 課程地圖
世界名校 AI／CS 課程地圖 系列文章
MIT 6.7960 Fall 2024 OCW 導讀
MIT 6.7960 Fall 2024 OCW 導讀 系列文章
MIT 6.7960 導讀 (Fall 2024 OCW)
MIT 6.7960 導讀 (Fall 2024 OCW) 系列文章
搜尋與爬取實戰
把資料從外面弄進來的整條路：搜尋要租雲端 API 還是自己架、爬取工具怎麼選、被反爬擋住怎麼辦，最後怎麼把這些接成一條研究流程。每篇談一個決定，讀完能拼出一套自己的取得管道。
從考試到 ML/AI 的統計學導讀
從台大資管統計備考出發，補齊基礎統計、統計推論與應用建模，並在每一篇說明它如何接到 ML/AI 的訓練、評估、實驗與資料工作流。
Harvard CS181 逐週導讀
Harvard CS181 逐週導讀 系列文章
Meta-Harness 與 Agent 治理
Meta-Harness 與 Agent 治理 系列文章
認識 AI 模型
認識 AI 模型 系列文章
MIT 6.7960 導讀
MIT 6.7960 導讀 系列文章
一個人的媒體公司
一個人的媒體公司 系列文章
AI 模型家族
從演化脈絡、架構、授權陷阱到版本選型，逐一拆開 Qwen、DeepSeek、Claude、GPT、Gemini、Llama、Mistral、GLM、Kimi 等主流模型家族，並附 Agent 開發者的選型建議。
Claude Code 深入介紹
Claude Code 深入介紹 系列文章
自架推論服務
自架推論服務 系列文章
AI 頂會導讀
拆解「AI 頂會」怎麼被認定、投稿與審稿如何運作，以及各領域頂會的定位與爭議。
Agent CLI 選型指南
把終端 agent 這一類工具攤開來比：Claude Code、Codex、Gemini CLI（已轉為 Antigravity CLI）、OpenCode、Pi、Cursor CLI、Kiro，各自的設計取捨、方案與計費，最後收在跨工具的訂閱比較與多模型路由。價格與模型名稱半衰期極短，每篇都標了查證日期並把易腐段落交還官方頁面。
AI 時代的技術選擇
以採用度為主判準，輔以 AI 時代新增的五條判準（文件機器可讀性、型別、原始碼在不在 repo、資料骨架、機器可呼叫性），整理從前端到後端、從雲端到自架的技術選型。
CMU 07-280 完整課程導讀
CMU 07-280 完整課程導讀 系列文章
CMU 11-785 深度學習完整課程導讀
逐講讀 CMU 11-785 Spring 2026 的 28 講深度學習教材，並清楚區分公開講授鏈與受限的正式作業鏈。
Stanford CS124 導讀
逐週讀 Stanford CS124：從語言模型與文字分類，到資訊抽取、問答與語音，追蹤自然語言處理的完整管線。
Stanford CS224N 導讀
逐講讀 Stanford CS224N：從詞向量、序列模型與 Transformer，到大型語言模型、評估與責任議題。
Stanford CS224V 導讀
逐單元讀 Stanford CS224V 的明確學期版本：對話式虛擬助理的理解、對話管理、生成、評估與部署。
Stanford CS336 導讀
逐講讀 Stanford CS336：從 tokenizer、資料與 scaling，到訓練、平行化、評估與 alignment，拆開語言模型的完整製作流程。
MIT 6.S191 導讀
依 2026 官方影片、投影片與實驗程式，讀完 MIT 6.S191 的九講與三個實驗，不混用歷史版本。
私有語料管線
私有資料如何安全且持續地進入索引、通過查詢權限被找到，並在來源更新或刪除後維持一致；重點是資料生命週期，不重複介紹 RAG 檢索技法。
Stanford CS221 導讀
逐講讀 Stanford CS221：搜尋、馬可夫決策、機器學習、約束滿足與機率模型，建立人工智慧的共同骨架。
Stanford CS224W 導讀
逐講讀 Stanford CS224W：圖的表示、網路科學、圖神經網路、知識圖譜與可擴展圖學習。
Stanford CS229 導讀
逐章讀 Stanford CS229 的 2026 官方主講義：從監督式學習與深度學習，走到基礎模型、LLM 推理與強化學習，共二十一章，不假裝對應單一學期的逐講進度。
Berkeley CS188 Spring 2026
以 P0–P5 六個 projects 為主線，讀 Berkeley CS188 Spring 2026 的搜尋、決策、機率推論、強化學習與機器學習。
Berkeley CS189 Spring 2025
Berkeley CS189 Spring 2025 系列文章
Berkeley CS285 Spring 2026 導讀
依 25 講投影片、九組討論與五份作業，讀 Berkeley CS285 Spring 2026 的深度強化學習路線與算力邊界。
Berkeley CS288 Spring 2026
依 18 組公開教材與三份作業，讀 Berkeley CS288 Spring 2026 從 n-gram 到 RAG、reasoning 與 agents 的進階 NLP 路線。
CMU 07-380 完整課程導讀
CMU 07-380 完整課程導讀 系列文章
CMU 10-301 機器學習完整課程導讀
以 Spring 2026 九份公開作業為主線，讀 CMU 10-301／601 的 27 講機器學習內容與校外實作邊界。
Stanford CS107 導讀
逐講讀 Stanford CS107：C、記憶體、組合語言、資料表示與系統除錯，從高階語言一路往機器底層走。
Stanford CS103 導讀
逐講讀 Stanford CS103：離散數學、邏輯、證明、集合、可計算性，以及它們如何成為後續 CS 課程的共同語言。
Stanford CS109 導讀
逐講讀 Stanford CS109：機率、隨機變數、推論與模擬，補齊機器學習與資料科學真正會用到的機率底座。
Stanford CS111 導讀
逐講讀 Stanford CS111：程序、執行緒、同步、虛擬記憶體、檔案系統與作業系統設計取捨。
Stanford CS 主線課程導讀
從學位骨架到 AI、NLP、圖學習與 agent，整理 Stanford CS 主線課程的版本、先修關係與逐課導讀入口。
Stanford CS224U 導讀
逐單元讀 Stanford CS224U：語意表示、自然語言推論、問答與互動式語言系統，明確標示所採歷史學期。
Stanford CS228 導讀
逐週讀一個明確版本的 Stanford CS228：機率圖模型、精確與近似推論、參數學習及結構學習。
Stanford CS329Z 導讀
逐講追蹤 Stanford CS329Z 的 agent engineering 課程；只在當期官方材料公開後撰寫，不用預告大綱代替實際講授。
Stanford CS161 導讀
逐講讀 Stanford CS161 Winter 2026：演算法設計、正確性證明與複雜度分析，完整對齊十八講公開教材。
AEO / GEO 與 AI 搜尋
當讀者換成 AI 之後，內容要怎麼寫才被引用：從傳統 SEO 的底子講到 answer engine optimization，內容結構與 structured data 的實際效果，再到追蹤工具能不能真的量到 AI 搜尋的能見度。
AI Engineer 面試準備
從 ML 基礎、系統設計、LLM 應用架構到行為面試，拆成十個主題逐篇準備。每篇聚焦一個面試環節，整理核心概念、常見題型與實戰策略。
Stanford CS329A 導讀
逐講追蹤 Stanford CS329A 的自我改進式 AI 系統；每篇以可對應官方 session 的材料為準，缺料時明列等待。
品味修煉
把品味拆成可以觀察、辯護與反覆校準的判斷力，系統性記錄在 AI 放大執行力之後，如何訓練選擇什麼值得做、怎樣才算做好的能力。
Product Builder 面試準備
從產品直覺、指標設計、策略思維到 AI 產品設計，拆成十個主題準備 Product Builder 面試。每篇聚焦一個面試環節，整理框架、案例與答題策略。
AI 證照備考
以官方 exam guide 的章節權重為骨架，一張證照一篇備考路徑：考什麼、配哪些官方材料、練什麼，時程換算的依據也寫出來。所有內容取自官方考綱與認證頁，不含應考實錄，也不含考古題。
Hermes Agent 文件導讀
對照 Nous Research 官方文件讀 Hermes Agent：安裝與升級、模型供應商與 Nous Portal、Tool Gateway、七種終端後端、記憶與技能、工具與 plugin、Gateway 與排程、安全模型，以及從 OpenClaw 遷移。每篇只留取捨與失敗點，指令細節交還官方文件。
Cloudflare 邊緣tech stack
Cloudflare 邊緣tech stack 系列文章
CS146S：AI 原生開發十週
照 Stanford CS146S「The Modern Software Developer」的十週大綱逐週讀：從 agent 內部構造、context 工程、skills 與客製，到 codebase 就緒度、code review、安全、背景 agent、團隊化與 software factory。每篇對照課程指定材料與可查證的一手來源。
Stanford CS230 導讀
把 Stanford CS230（2025 秋季）九講逐講讀完：不只記錄課堂講了什麼，也補上課後到現在這領域變了什麼，以及它和站上既有實戰系列的對照。
Agent 生產線
把 agent 當成一條生產線來看：概念界線、模型與 harness 的分工、context 與記憶、企業案例、安全、協定層，以及 RAG 的三種形態。
無人機產業拆解
把無人機產業拆成可查證的層：從產業地圖與供應鏈缺口，到續航物理、飛控與遙控鏈路原始碼，再到台灣的法規授權、採購紀錄與反制困境。每一篇都從一手材料算起或讀起。
Learning How to Learn
把學習科學的證據與生成式 AI 的實際用法擺在一起審視：哪些做法有證據支持、哪些只是流傳，以及數位之外紙筆還剩什麼。
瀏覽器自動化與 MCP
讓 agent 開瀏覽器的幾條路線：Playwright、Puppeteer、Chrome DevTools 三個 MCP server 的取捨，視覺驅動的 Midscene，以及各家 CLI agent 內建瀏覽器能力的差別。重點在什麼情況下哪條路線會失敗。
AI Agent 實戰
聚焦 AI Agent 的 context、harness、工作流與組織型協作，整理成一條可複用的工程實戰脈絡。
Claude Code 自動化指南
把 Claude Code 的 hooks、skills、remote agent、Routines 與團隊協作能力整理成可直接上手的實戰系列。
OpenClaw 文件導讀
把 OpenClaw 這套自架 AI 閘道器的 300+ 份官方文件拆成 32 篇讀完：從安裝與平台、模型供應商、agent 執行核心與記憶，到 24+ 聊天頻道、沙箱與威脅模型、工具與自動化、Gateway 營運、Plugin 與各種介面。
NobodyClimb 專案紀實
一個攀岩社群產品從產品定位、為什麼需要 AI、系統架構到 RAG pipeline 的完整紀實。技法層面的坑另外寫在 RAG 技法大全裡，這裡談的是決定怎麼做出來的。