所有文章

MCP 與 Tool 系統深度比較：何時該用哪一個？

當我們談論 AI Agent 的能力延伸時，「工具调用」是不可繞過的核心議題。2024 年底，Anthropic 發布了 **Model Context Protocol（MCP）**，一個試圖標準化 AI 與外部工具溝通的開放協定。與此同時，Claude Code、Cursor、Copilot 等主流 Agent 產品仍採用各自原生的 Tool 系統。

樂活五線譜：薛兆亨的價值投資實戰心法

樂活五線譜與樂活通道的雙重確認系統，用統計數據過濾情緒，打造客觀的價值投資框架。

AI Agent 與 LLM 交互過程中的 Tool 功能：從原理到實戰

讓 AI 不只會「說」，還能真正「做事」——透過 Tool 機制，LLM 從一個會聊天的脑袋，變成能操控世界的智能代理。

生成式 AI 的串流回應

`stream: true` 是 LLM API 的一個參數，決定 AI 回覆是**一次性全部傳回**，還是**逐塊（chunk）即時傳回**。

🔑 揭開記憶的神秘面紗：人類記憶的運作機制

記憶，是人類最神奇的能力之一。從童年的第一個生日蛋糕，到昨天午餐吃了什麼——這些看似平常的片段，其實都是大腦精密協作的成果。今天，就讓我們一起探索記憶的運作奧秘。

深度解析：OpenAI Function Calling 的運作原理與實作指南

當無記憶遇上多階段：LazyHole-Agent 跨輪狀態實驗報告

Agent Loop 策略：為什麼有的 tool 要多輪、有的要單輪

> 一句話摘要：LLM 呼叫工具後要不要再 call 一次 LLM，是延遲與能力的取捨。這份筆記解釋這個專案是怎麼決定的。

深入淺出 LLM 指令遵從

本文深度解析大型語言模型（LLM）指令遵循失敗的 8 大原因，從 Prompt Engineering 角度提供表格化、正向指令及結構化優化策略，助你打造更精準的 AI 溝通術。

RAG 技術中的 Reranking（重排序）

向量搜尋找得快，但找得不夠準——Reranking 就是那個在最後把最重要的資料推到前排的裁判。