Multi-Agent 可觀測性：怎麼知道錢花在哪、哪個 Agent 出了問題
Multi-Agent 系統最常見的 debug 困境是「知道結果錯了，但不知道是哪個 agent 搞的」。三層可觀測性是必要的：per-agent token 計量、execution trace 記錄、即時成本儀表板。
ai
1239 篇文章Multi-Agent 編排模式：腳本、Model-Driven、混合，三種哲學怎麼選
Multi-Agent 編排分三派：腳本確定性（LangGraph、Claude Code Workflow）可預測但僵硬，model-driven（Codex、Devin）靈活但不可控，混合派（Windsurf 2.0）當指揮台整合多家。選擇取決於你需要多少可預測性。
Multi-Agent 安全與護欄：防止 Prompt Injection 跨 Agent 傳播
Multi-Agent 的安全風險不只是單 agent 的放大版——agent 間的通訊本身就是攻擊面。一個被注入的子 agent 可以透過回傳結果把惡意指令傳給父 agent。防禦核心：treat agent output as untrusted data。
商業文件解析 API 橫評：專用 Parser、通用 VLM、三大雲，交叉點在哪？
商業文件解析分三條路線：專用 Parser（Cohere Parse $1.50/千頁、LlamaParse Agentic Plus 90.2%）、三大雲 Prebuilt（Azure/Google/AWS，結構化欄位抽取）、直接用通用 VLM（Fable 5.1 在 ParseBench 拿 78.92，圖表理解碾壓專用 parser，但每頁成本 3-16 倍且會幻覺）。10 萬頁/月純 OCR 各家都 ~$150，加表格後 AWS 跳到 $1,500、用 Claude Sonnet 5 跑要 $900。選型的第一個問題不是「哪家最準」，是「你要轉錄還是理解」。
WebMCP 全解析：讓每個網頁成為 AI Agent 的工具伺服器
WebMCP 是 Google 與 Microsoft 在 W3C 提出的瀏覽器原生標準，透過 document.modelContext.registerTool() 讓網頁直接向 AI agent 暴露結構化 tool——不需要後端、不走 HTTP/SSE transport。Chrome 149 已開放 Origin Trial。
（最終回）：從等指令到先出手——proactive agent 與 Demo Day｜Stanford CS329Z 第 11 週
最終回讀 Week 11：週一用 GUM 論文把等指令的 reactive 助理升級成會觀察、推測、先出手的 proactive agent，週三把 multimodal、long-running 與 production observability 收成三個 open problems；文末附 Demo Day 前檢查清單與全系列 11 篇地圖。
先分清 workflow 和 agent，再手刻第一個 RAG｜Stanford CS329Z 第 2 週
Week 2 把模型內部接到檢索工程：Lecture 02 拆解解碼、注意力、訓練、推論與 context 預算；Lecture 03 從 chunk、索引、稀疏／稠密檢索講到 reranking 與 agentic RAG。另以指定讀物補足 workflow 選型、RAG 與 ColBERT 實驗。
工具接進來，框架拆開看——HW1 開工｜Stanford CS329Z 第 3 週
Lecture 04 從工具學習、API 檢索走到 function calling、MCP 與可靠度評估；Lecture 05 比較 DSPy、LangGraph、harness、Temporal 與觀測。指定讀物再拆 MCP 協議及 DSPy 優化機制，HW1 則維持手刻 harness 的要求。
先學會邊想邊做，再學會記住——ReAct 與 MemGPT｜Stanford CS329Z 第 4 週
Week 4 從 ReAct 迴圈與 MemGPT 分層記憶出發，接上 Lecture 06／07 的設計模式、context 管理與記憶評測。透過一個 email 助理例子，學會區分原始紀錄與模型輸入，並檢查摘要後是否仍遵守使用者限制。
該單幹還是開會——多智慧體與優化三軸｜Stanford CS329Z 第 5 週
Lecture 08 拆開編排、通訊與協調，教你用 task ledger 和 worktree 管理分工；Lecture 09 從資料與評估出發，比較 context 優化、SFT、RL 與蒸餾。透過可追溯的 email 例子，判斷多加 agent 或優化哪一層才對準瓶頸。
資料飛輪轉起來——HW1 繳交週｜Stanford CS329Z 第 6 週
第 6 週把 Terminal-Bench 的成果驗收接上 Shankar 資料飛輪：先查 agent 實際改了什麼，再把人工複核的失敗變成開發示範，另外保留測試題。HW1 於 10/30 截止。
分數別騙自己，資料再做大——期中驗收週｜Stanford CS329Z 第 7 週
Week 7 是期中驗收週：週一談資料選擇，週三談評分與 benchmark 設計；Zhu 等人教你別被自己的分數騙，SWE-smith 把軟體工程任務資料做到 5 萬題，讀完為 HW2 寫下第一版 4-tuple。
請模型當裁判，再幫 agent 上護欄｜Stanford CS329Z 第 8 週
Week 8 週一用 MT-Bench 與 Anthropic 評測指南建立模型裁判，週三用 PrivacyLens 與四件護欄面對實戰洩漏；週五 paper video 到期，本週交付就是一份會動的裁判分數加一條許可檢查。
寫程式的智慧體，先替它造一把順手的 IDE｜Stanford CS329Z 第 9 週
第九週週三談寫程式智慧體：SWE-agent 證明介面即效能，OpenHands 把沙箱與評測做成通用底座；第二份作業週五到期，本週交付是一道會動的修 bug 考題。
複合式 AI 系統：模型、資料與工具如何配合｜Stanford CS329Z 第 1 週
先從第一堂投影片理解 agent 迴圈、元件與工程問題，再分別深讀 BAIR 的複合系統觀點、Ng 的工作模式，以及 Si 的執行回饋實驗；清楚區分課堂主線、指定閱讀與延伸閱讀。
中文社群怎麼從零訓練 LLM：語料、tokenizer 與三個開源專案的取捨
拆解三個中文圈從零訓練 LLM 的開源專案——baby-llama2-chinese（218M、634 億 tokens）、ChatLM-mini-Chinese（0.2B T5、1,023 萬條對話）、Steel-LLM（1.12B、1 兆 tokens、8 個月）——比較語料策略、tokenizer 決策與社群生態；誠實呈現評測：baby-llama2 在 MiniMind 的橫評中 21 分墊底，ChatLM 知識紮實（62 分）但程式能力弱。
跟成熟 coding agent 學設計（39）：TUI 工具結果不閃爍的兩條共同規則
四個 coding agent 的 TUI 都遵守同樣兩條規則：工具高度恆定（1 行摘要，不從 0 跳到 N 行）、不自動收合（只有使用者手動展開才會展開）。looplane 兩條都違反了。
小模型怎麼省參數：OpenELM 的 layer-wise scaling 與 MiniCPM 的三階段解凍
OpenELM 用 layer-wise scaling 把參數偏向靠近輸出的層，1.08B 參數、1.5T tokens 在 LLM360 平均分數上超越吃了 3T tokens 的 OLMo 1.2B（+2.36%）；MiniCPM 用三階段解凍（先 Resampler、再視覺編碼器、最後全開）從零訓練多模態小模型，MiniCPM-V 4.5 以 8B 達到 VideoMME 30B 以下 SOTA，再靠 4-bit 量化把 fp16 的 16–17GB 記憶體壓到約 5GB。
Karpathy 的 nano 諧系：nanoGPT、llm.c 到 nanochat
Karpathy 三代教學專案縱覽：nanoGPT（2022，各約 300 行重現 GPT-2 124M）、llm.c（純 C/CUDA 訓練）、nanochat（2025-10，一個 speedrun.sh 從 tokenizer 訓到 WebUI）。100 美元、4 小時在 8×H100 上訓出能對話的模型；GPT-2 級能力到 2026 年初已壓到約 2 小時、48 美元。
從零訓練的框架：LitGPT 的無抽象重寫、pretrain 流程與 TinyLlama 實績
LitGPT（Lightning AI，約 13,600 stars，Apache 2.0）把 Llama 3、Qwen2.5、Phi 4 等 20+ 個 LLM 逐一從零重寫成無抽象層的單檔實作，附 pretrain / finetune / evaluate / serve 完整命令列；1.1B 參數、3T tokens 的 TinyLlama 就是用它的程式碼訓出來的。這篇拆解它與 MiniMind 的差異、實際用法與限制。