Archives

企業 AI 的瓶頸不是模型會不會回答，而是它能不能進入真實工作流。FDE 的價值，是把資料、工具、權限、審核和人的判斷接成一條能跑的線。

AI credits、cloud credits、API credits 正在成為一種新的資源分配方式。這篇文章從新聞案例、資本論、貨幣基礎與制度條件出發，討論 AI 算力 token 是否可能成為可被信任的捐贈機制。

AI 入門的起點不是追完所有工具，而是選一件低風險、重複、可驗證的小事，逐步把 AI 從聊天對象變成日常助理。

Fortune 說 tokenmaxxing 已死。但死掉的是企業的量化管理實驗，不是個人積累 token 能力的理由。本文提出「Token 資本」框架：有 token 不等於有產出，真正的差別是你是否知道怎麼配置它、放大它、讓它產生複利。

AI 不一定先帶來裁員，但它已經開始拆解白領任務、重組流程，並把許多工作重新變成可計量、可驗收、可比較成本的 token 化任務。

從 Prompt、Workflow、RAG 到 Evaluation，整理 AI 應用架構師需要具備的四層能力與可維運思維。

用工程選型角度比較 Prompt、RAG 與 Fine-tuning，說明企業導入 LLM 時何時該微調、何時不該微調。

從工程團隊的 Core Doc、通用語言與 AI 協作情境，說明共同語境如何降低溝通成本並提升交付品質。

Learn how to add LaTeX equations in Astro blog posts using Markdown, KaTeX, and remark/rehype plugins.

從提示工程的不穩定痛點切入，說明 DSPy 如何把 prompt 調整轉成可測量、可最佳化的 AI pipeline。