盤點來源：哪些文件該進 AI 知識庫，信哪個版本
共用硬碟整包匯進去，是 AI 知識庫最常見的開頭，也是最常見的錯。舊版和現行版一起被撈到時，模型會混在一起答：一項研究裡，現行資料明明有被撈到，旁邊只多一段過時資料，總分就降了兩成多。先做一張來源盤點表，記下每個來源的負責人、更新頻率、存取限制和處理方式；第一批只收一個工作流程、治理良好的來源；同一份文件只收現行版，舊版要收就標版本與失效日期。匯入之後核對檔案數，因為有的連接器權限不足時一個檔案都不匯，也不報錯。
#versioning
4 篇文章Prompt 版本控制：改一個字可能讓 eval 從 5/5 掉到 0/5
Looplane 的 prompt 已到 `m3-exact-edit-v4`：版本寫進 artifact，core/tool/interaction/runtime/instructions/skills/workspace/memory 以 stable/dynamic section 組裝，並加入 replace_text、unified diff、direct reply 的正反例。unit tests 已釘住結構，live eval 覆蓋仍需擴大。
Agent Platform 深度解析（二）— Flow Runtime：版本化流程、Checkpoint 與 Resume/Retry 機制
Flow Runtime 是 Agent Platform 的心臟：Flow 發布即不可變、Run 綁定具體 version+preset、Step 以 DAG 邊緣條件流轉、每個邊界存 checkpoint、支援 resume/retry-step 不丟失 trace 歷史。
Agent Platform 深度解析（三）— Skill System：版本化能力包、顯式綁定與 Learning Loop 閉環
Skill = 可版本化、可安裝、可審計的能力包。雙檔架構分離 metadata 與指令，顯式綁定替代模型路由，invocation 全記錄。Learning Loop 從 run 產生 signal → proposal → sandbox eval → human review → publish，嚴守「Agent 提案、人類審核、Eval 閘門」原則。