生成式 AI 是聰明的鸚鵡嗎？從 Yann LeCun 的批評看世界模型理論

Yann LeCun 認為現在的 LLM 只是「超級進化版的鸚鵡」——會說話，但不懂意思。他提出的世界模型與 JEPA 架構，究竟想解決什麼根本問題？

Routing Pattern 深入比較：LLM 分類 + RunnableBranch vs Coordinator + Sub-Agent

同樣是 Routing Pattern，LangGraph 的 LLM 分類 + RunnableBranch 與 Google ADK 的 Coordinator + Sub-Agent 架構有何本質差異？本文透過實際案例，拆解兩者的設計邏輯與選用時機。

COT 思維鏈：讓 AI 像人一樣一步步思考

什麼是 COT 思維鏈？跟 ReAct 有什麼差別？AI Agent 怎麼應用？一篇讓你搞清楚的入門介紹。

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。

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**。

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。

MCP 與 CLI：AI 時代的兩種工具整合哲學

當 AI Agent 需要與外部世界互動時，該讓它敲指令，還是講協議？

Harness Engineering 簡介：從 Prompt 到系統化架構

Harness Engineering 簡介