台股研究 Agent 實戰系列（篇 2）：LangGraph 並行架構——五個分析師同時開工
五個 analyst 在同一個 superstep 並行 fan-out，延遲是 max 不是 sum；回測與 reflection 擋在 synthesis 前面，讓 LLM 只能解釋已存在的證據。
tech
518 篇文章台股研究 Agent 實戰系列（篇 3）：LLM 分層與降級鏈——API、本地 CLI、詞典三層 fallback
只有兩個 role 會叫 LLM，其餘分析師全程程式化；每個 call 依 Anthropic API → 本地 claude CLI → 規則降級的鏈路走，成本只信 provider 回報值，未知成本永遠不當 $0。
台股研究 Agent 實戰系列（篇 4）：回測查核——為什麼回測會說謊
這個專案的核心規矩：任何 LLM 結論必須先通過同一組訊號的歷史回測，期望值為負時 synthesis 禁止樂觀；四個讓回測說謊的坑各有程式化對策。
台股研究 Agent 實戰系列（篇 5）：評估方法學：walk-forward、run card 與 50% 的誠實 baseline
我不量測『感覺很準』，我用 walk-forward 凍結參數跑 OOS、run card 記錄每次輸入的 hash、golden eval 留下 5/10 = 50% 的誠實 baseline，讓這個 agent 承認自己還不準。
台股研究 Agent 實戰系列（篇 6）：讓 LLM 報告的每個數字都可稽核
LLM 寫報告時最容易幻覺的不是觀點而是數字，所以我把所有可信數字建成 SHA-256 定址的 evidence manifest，LLM 只能引用 {{fact.id}}，膽敢寫裸數字就整份丟棄回退規則模板。
台股研究 Agent 實戰系列（篇 7）：Copilot loop——計畫合約、可驗證來源與人類審查
研究請求先變成一份要人批准的 ResearchPlan，外部文件必須完整抓取並驗證逐字引用才能進報告，quant 的審查意見永遠 append-only、free-text 永不回流進 prompt——這是 M5 Copilot loop 的完整樣貌。
台股研究 Agent 實戰系列（篇 8）：研究到模擬單的邊界：content-addressed 執行合約
用三個 frozen Pydantic 合約把「研究成果」和「下單權限」之間焊死：內容定址、八道硬性閘門、paper-only，agent 永遠摸不到憑證。
台股研究 Agent 實戰系列（篇 9）：部署邊界——Docker 到 Cloudflare Containers 的公開 API
一個 Python agent 從本機 uv run 到 Docker 到 Cloudflare Containers 公開 API 的完整部署鏈：Worker 擋認證、Container 跑 FastAPI、secret 永遠不進映像檔，10 分鐘沒人用就自動休眠——side project 的正確省錢姿勢。
Ably：Channels、Presence 與 Recovery 的全球即時訊息平台
Ably 管理全球 realtime connections、channels、presence 與短期 recovery；application 仍要定義 idempotency、durable business state、token capability 與 offline resync。
AI Agent 代理授權：不要把使用者 Token 直接交給模型
Agent 應以短效、限 audience、限權限的代理憑證執行單一任務，並同時保留使用者與 agent 身分、執行時授權、確認與稽核鏈。
AI Agent 沙箱逃逸與權限邊界：Container 不是 Security Boundary 的全部
Agent execution 要同時限制 kernel、filesystem、process、network、credentials 與 tool authorization；沙箱逃逸只是其中一條路，過寬 API token 往往更直接。
Linode／Akamai Cloud：經典 VPS 產品如何接上 Edge 與 Managed Kubernetes
Linode 現在是 Akamai Cloud Computing 的 compute 基礎；VM、LKE、storage 與 managed database 仍有區域和網路邊界，不能因 Akamai edge 品牌就假設全部整合。
Algolia 站內搜尋深入介紹：託管索引、排名與 InstantSearch
Algolia 把索引、即時查詢、facet 與前端元件包成託管服務；上線很快，但資料同步、搜尋品質與用量成本仍要自己負責。
Apache Kafka：不是把訊息排隊，而是保存可重播的事件日誌
Kafka 的核心是依 partition 排序、依 retention 保存的分散式 log；consumer group 用 offset 分工，exactly-once 只在 Kafka transaction 能涵蓋的邊界內成立。
Apache Pulsar：把 stateless broker 與 BookKeeper 儲存拆開的事件平台
Pulsar 將 serving 與 storage 分離：stateless broker 處理連線，BookKeeper 保存 ledger 與 subscription cursor；彈性與多租戶能力換來更多營運元件。
Appwrite：可自架的 Auth、Database、Storage、Functions 與 Realtime BaaS
Appwrite 把 Auth、TablesDB、Storage、Functions、Realtime 與 Messaging 放進一致 API；Cloud 與 self-hosted 功能相近，維運責任卻完全不同。
assistant-ui 完整介紹：用 Runtime 與 Primitives 組出可替換後端的 Agent Chat
assistant-ui 把 Agent Chat 拆成 headless React primitives、conversation runtime 與後端 adapters；UI 不必直接綁死某個模型 SDK 的 message state。
AWS App Runner：從原始碼或 Container 到 Web Service 的最短 AWS 路徑
App Runner 把 build、deploy、TLS、load balancing 與 autoscaling 包成 Web service；換來的是較少的編排控制與必須理解的 VPC、instance 與健康檢查邊界。
AWS Fargate：不用管 EC2，不代表不用管 ECS
Fargate 移除容器主機管理，但 task definition、ECS service、VPC、IAM、擴縮、部署與可觀測性仍是你的系統。
AWS Lambda：選函式運算前，先讀懂事件、重試與並行度
Lambda 適合短生命週期、事件驅動且流量不規則的工作；真正的設計中心是 invocation、重試、冪等與下游容量，不是把容器切小。