開放式演化：指定閱讀導讀｜Stanford CS329A 第 7 堂
開放式演化改的是 agent 程式與流程；archive 保留不同分支，保留測試再檢查泛化。
ai
1239 篇文章軟體工程 agent：指定閱讀導讀｜Stanford CS329A 第 13 堂
多個程式候選仍需需求反例來挑選；先通過正確性檢查，速度提升才有意義。
Agent 記憶：指定閱讀導讀｜Stanford CS329A 第 14 堂
取回管理、訓練 KV 表示與 cache 重用處理不同瓶頸；速度與命中率都不保證資料新鮮。
Spotify Technology：把內部開發工具包成一個品牌賣給別的公司
Spotify 在 2026-10-07 把 Confidence、Portal、Xirp 與 Backstage 外掛併成「Spotify Technology」對外賣；核心賭注是 AI 讓寫程式變便宜後，瓶頸會移到判斷，而組織的共用脈絡是資產。營收未揭露；Confidence 有公開定價與免費方案，Xirp 仍是只支援 macOS 的 beta。
訓練時改進：讓回饋真的變成學習｜Stanford CS329A 第 6 堂
組內回饋必須能區分好壞；正解篩選、相對優勢與取樣策略，決定訓練是否真的得到有用訊號。
搜尋與深度研究：候選很多，怎麼選出可交付的答案｜Stanford CS329A 第 8 堂
候選搜尋解決選擇問題，文件檢索補知識缺口；兩者都需要保留規格與可檢查的依據。
長任務評估：做完、做對與值得交付是三件事｜Stanford CS329A 第 17 堂
人類任務時長、成品品質與引用支持率回答不同問題；長任務驗收應同時檢查流程與交付物。
未來研究：把自我改進的瓶頸寫成可驗證假說｜Stanford CS329A 第 20 堂
多樣性、驗證、資料選擇與效率是不同瓶頸；研究計畫要有保留測試與足以推翻假說的條件。
強化學習系統：推論與訓練怎麼接起來｜CMU 11-768 第 12 堂
RL 系統用推論引擎取樣、驗證器給獎勵、訓練引擎重算 logprob 與梯度，再把新權重同步回推論端。用一個自編的小例子走完這五步，再理解快取、歷史保留與非同步更新各在解決什麼問題。
Agent 安全——四種威脅模型，加上沙盒、憑證代管與監控三道限制｜CMU 11-768 第 13 堂
第 13 講的主軸是「限制 agent 能存取什麼、能做什麼」。投影片先用五個真實事件說明出事的方式，再歸成四種威脅模型（惡意使用者、prompt injection、agent 失誤、不當手段）；對策分四層：訓練端的 red teaming 與安全訓練、執行端的沙盒與憑證代管、事後與即時的監控，以及安全評測。最容易被忽略的一點是：把 API key 藏起來，不等於 agent 不能濫用它背後的權限。
OpenHands——一個 coding agent 框架從研究原型走到每天跑上千次自動化｜CMU 11-768 第 14 堂
Graham Neubig 用自己開發的 OpenHands 講框架設計：先走一遍 coding agent 從 HumanEval、SWE-bench、Devin 到 2026 年長時間、可中斷、平行執行的演進，再拆 Software Agent SDK 的零件（LLM、tools、conversation、condenser、workspace、確認政策），接著談單一 agent 與多 agent 的取捨、本機與雲端、IDE／GUI／CLI／整合四種介面，最後是把 agent 接到 issue 與 PR 的自動化，以及從過去軌跡自動修訂 skill。
pplx-embed-v2-late：免 OCR 搜 PDF 頁面的開源 late-interaction 模型
Perplexity 10 月 7 日以 MIT 授權開源 0.6B 與 9B 兩個 ColBERT 式多模態嵌入模型，每個 token 一個 128 維向量、用 MaxSim 評分，可直接檢索 PDF 頁面圖片。9B 在 MADQA 拿到 92.4%（自家測試，搭配 Gemini 3.5 Flash agent），代價是索引大小隨文件長度線性成長。
讀完 11 個 coding agent 的原始碼：沒人用 LangChain，也沒人用向量檢索
Wavestone AI Lab 的 83 頁論文拆開 Claude Code、Codex CLI、Gemini CLI、OpenClaw 等 11 個 coding harness，約 400 萬行程式碼裡沒有任何一個引入通用 agent framework，也沒有任何一個用向量嵌入檢索程式碼。要自己做 agent 或選工具，可以照論文 18 條建議從一個 bash 工具和一個 while 迴圈開始。
Poteto 的信任階梯：先讓 agent 能自己驗證，再談放手
Cursor 工程師 Lauren Tan（poteto）自述月合併約 2,000–2,500 個 PR，數字未經外部稽核。她的做法是三件事：先做驗證 skill、把重複的錯誤變成 lint 與型別限制、合併後抽樣檢查。方法可以搬，前提是你的領域能被程式驗證。
Uber MCP Gateway 導讀：800 個 MCP server 怎麼管
Uber 用一個 MCP Gateway 統一管理 800 多個 MCP server、5,000 多個 tool：控制平面自動把內部 API 爬成 disabled 的 tool，資料平面負責協定翻譯、授權與去識別化；規模大了再靠 Omni MCP、Response Projection、Code Mode 壓 context。
Pi Durable：長時間 Agent 掛掉之後，要從哪裡接著做
Pi 1.0 與實驗性套件 Pi Durable 在 2026 年 10 月初同步發佈。Pi Durable 把每次模型請求、工具呼叫、compaction 都當成會寫 checkpoint 的 task，process 死掉後可從上一個 checkpoint 接續；Cloudflare 隨即用 PiHarness 把它接上 Durable Objects。重點是工具要分「可重跑」與「不可重跑」。
AI Agent 面試準備：從工具呼叫、記憶到 MCP 與 Prompt Caching
Agent 面試常被問到八題：Agent 迴圈、Structured Output、Function Calling、大量工具、記憶、設計考量、MCP 與 A2A、Prompt Caching。本篇用「概念 → 機制 → 面試怎麼答」串成一條線，並對照一手來源更正 2026-07 MCP 規格改版的時間點。
LLM 工程面試準備：微調、對齊、推論優化、評估與安全
LLM 工程面試常見七個主題：LoRA／QLoRA 與微調 vs RAG、RLHF／DPO／GRPO 對齊、PagedAttention 讓 vLLM 吞吐量提高 2 到 4 倍的推論優化、取樣解碼、LLM 評估、OWASP LLM Top 10（2026 版）與幻覺。每節都拆成概念、機制、回答方式。
ML 基礎與 Transformer 底層概念：從偏差變異、AdamW 到 attention、RoPE 與 MoE
面試追問通常落在機制：為什麼要除以 √d_k、AdamW 和 Adam＋L2 差在哪、AUC 很高為什麼還不能上線。本文逐題講概念、機制與答法，最後附 3 題可執行的 numpy 手寫題。
Prompt、Context、Harness 三層工程：定義、分界與評估閘門
Prompt 管單次措辭、Context 管模型此刻看到什麼、Harness 管包住非確定性模型的整套系統；Bsharat 的 26 條原則、Breunig 的四種 context 失敗、OpenAI 約一百萬行零手寫的 harness 實驗，各對應一層。評估則是 harness 裡最常被省略的一塊，要在 CI 設閘門擋下沉默回歸。