📖 延伸閱讀

免費 YouTube＋GitHub 完整課程：三門加速課（NLP/CV/表格資料）＋決策樹進階班。表格資料與 boosting 至今仍是產業主力，附自學路徑建議

ROC/AUC、偏差變異、double descent 做成可拖曳的互動文章；double descent 篇含原創研究，「直覺先行」教學的最佳實踐

30 支影片走完 ML 全生命週期的偏差測量與緩解，理論＋程式碼全公開；對齊金管會金融業 AI 指引的公平性要求，附保險核保應用場景

三種整合哲學深度比較：水平平台（Codex）vs 深度專門（Claude Code）vs 生態系（GitHub Copilot）。含計費模式對比、vendor lock-in 風險、企業選擇三問框架

定價模型拆解到 token 級、五層可複製治理架構、ROI 公式、六大生產環境陷阱、四週部署路線圖 — 全部有來源可驗證

核心設計理念：一個 Plugin = 一整套工作流。不需手動設定 API、寫串接邏輯——一鍵安裝即用。

62 應用、110 技能、6 角色 plugin、一鍵生成互動網站——Codex 從寫 code 工具轉型為白領工作指揮中心

先搞清楚 Sites 底層是什麼，才能判斷它能吃掉誰。OpenAI 沒有自建主機機房——它把整套基礎設施外包給了 Cloudflare：

七個技術方向一次整理：語音下單平台比較、Headless WordPress + Astro、AI 原生開發模式、LINE Bot + LLM 整合、Jetpack AI 工作流

TypeScript 原生 AI agent 工具包：coding agent CLI + 統一 LLM API + TUI。極簡核心、全系統權限 extension、session 分支、供應鏈安全實踐

三個專案分屬資料擷取、品牌化前端與企業級後台；整理如何搭配使用，以及哪些現有靜態站不值得重寫

比較七個開源專案的能力層、供應鏈與登入態風險，整理 Hermes／DKY 的最小導入順序

從工作記憶、跨 session 記憶、Cron／Webhook、Planner、Sub-agent 到 Skill Workshop，拆解三種 Agent 的長期運作差異與選型邏輯

讓多個深度 Agent 在獨立容器、工作區、Git worktree 與憑證環境中平行協作。

把 Markdown 記憶、混合搜尋、知識圖譜與帶引用的綜合回答整合成一個可供 AI Agent 使用的外部大腦。

插在 Agent 和 LLM 之間的透明壓縮代理。SmartCrusher + CCR 可逆壓縮，節省 60-95% token

根據 Addy Osmani（2026/6/8）的描述，Loop Engineering 包含五個核心建構塊，外加一個外部記憶體（External Memory），形成 5+1 架構。

不是一個工具，而是一張地圖——涵蓋 11 種提示技術、80+ 工具推薦、數十篇論文索引。

TMEM 讓 LLM agent 在單次任務中透過 LoRA 在線更新參數來「真正學會」經驗，而非只是「查詢」過去的文字摘要——這是從被動記憶到主動學習的範式轉移。 📊 關鍵數據 指標數值說明 LoRA 更新方式線上蒸餾監督信號從 agent 自身歷史萃取訓練信號，即時更新 Δ_

不再只在 prompt 裡翻舊帳——TMEM 首度讓 Agent 透過線上 LoRA 微調「內化」經驗，在單次任務中改變行為。SVD 初始化 + RL 可優化提取策略

透過密碼學簽章讓不同 LLM 代理之間安全遷移操作上下文，解決供應商鎖定與知識遺失。 一句話Microsoft Research 提出可攜代理記憶協議 (PAM)，透過密碼學簽章驗證，讓不同模型、平台的 AI 代理安全轉移操作記憶，打破供應商鎖定。

短期記憶逐步演化為長期摘要，保留實體關係圖，在多個代理記憶 QA 基準達 SOTA。 一句話港中深與華為雲聯合提出 H-Mem，將時間語義樹與知識圖結合，使短期記憶逐步演化為結構化長期摘要，保留實體關係，達 SOTA。

記憶不該只是靜態存儲，應被視為資料管理工作負載：需要學習、上下文減少與決策稽核。 一句話現有 AI 代理記憶系統僅將記憶視為靜態存儲；應將其重新定義為資料管理工作負載，整合學習、上下文縮減與決策稽核三大功能。

記憶不該是靜態倉庫——三階段異質圖演化讓 LoCoMo 達 95.06，三基準全 SOTA。

von Mises-Fisher 新穎性偵測 + 自適應閘門，即插即用 A-Mem 省 16-18% LLM 呼叫品質不降。

代理記憶瓶頸不是「能不能查到」而是「該不該記住」——EVAF 用驚喜-效價雙閘門 LoRA 固化，目標持久性 0.812-0.904。

現有代理記憶系統用多個異質資料庫（向量庫 + 圖資料庫 + KV 儲存）各自為政，造成記憶碎片化與跨庫 I/O 瓶頸。Mandol 提出聚合式記憶原生架構：用 SemanticMap + SemanticGraph 原生融合三種資料結構，檢索完全不經 LLM（query-adap

七套記憶系統全軍覆沒：檢索越強，諂媚越嚴重。DeepSeek 準確率 -18%、諂媚率 +24%，記憶系統缺乏「不信任自己記憶」的能力。

現有 agent 記憶系統多為靜態設計（固定 prompt、固定 schema、固定寫入策略），但記憶管理本身是一種可學習的技能。AutoMem 從認知科學的「後設記憶」（metamemory）概念出發，將檔案系統操作提升為一等記憶動作，透過雙迴圈自動化框架（結構優化 + 熟練度

長程 Agent 的記憶不是一個存文字的地方——它是「每個未來的決策允許看到什麼」的合約。最常見的合約是把過去的觀察、工具調用、反思全部 append 到下一輪 prompt——這讓 context 隨決策數線性膨脹，且任何單一記憶成分的效果都無法隔離量測。Alaya Lab 等

現有 agent 記憶方案的核心問題不是「存不夠多」，而是沒有決定何時該存、何時該取、何時該棄的結構。MRMS 從頭設計了一個雙軸記憶基板——表徵軸（結構化記錄／向量表示／圖關係）+ 時間軸（短期痕跡／中期抽象／長期語義承諾），關鍵約束是三軸同步：結構化記錄管理資格、向量支援召回

KV cache 刪除、prompt 壓縮、架構狀態限縮、agent 記憶合併——四個幾乎互不引用的獨立研究社群，實際上在解決同一個數學問題：rate-distortion 權衡（用多少記憶換多少任務準確度）。UC Irvine 的 Colaco 和 Lahjouji 用單一資訊

behavioral state decay: independent memory agent + 3-tier bank + two-phase intervention. Selective silence beats always-on injection. Sonnet 4.5 +8.3pp, Opus 4.6 +2.4pp.

記憶操作建模為 MDP，tabular contextual bandit + UCB 線上學習，0 額外 LLM call。跨 6 benchmark +3 framework +3 LLM，成功率最高 +15.2 pts，token 節省 5-20%。

現有 LLM agent 記憶系統（Mem0、Zep、A-Mem、MemGPT…）全是 append-only——新資訊直接寫入，不檢查是否與既有記憶衝突。6 個 baseline 的衝突檢測率僅 2%–14%，幾乎等於不檢測。MOSAIC 用三層機制解決：(1) 實體類型圖譜（

現有 LLM agent 的記憶系統把過往軌跡當作被動上下文檢索出來再讓 agent 推理一次，而非轉化為可執行的能力。MSCE 提出三層記憶—技能共進化框架：L1 軌跡記憶保存可審計的步驟證據，L2 策略記憶從跨任務軌跡歸納出可復用的程序模式，L3 環境認知記憶抽象出環境結構與

LLM agent 在無邊界任務流中面臨穩定性-可塑性困境：外部檢索記憶靈活但無法內化重複模式，參數記憶高效但依賴明確任務邊界。UniMem 借鏡人腦互補學習系統(CLS)理論，用可學習路由 token作為記憶控制器：新任務存入情節緩衝走檢索增強執行，重複出現的模式經無監督聚類(

4 層認知階層記憶 + System1 晝間寫入 + System2 夜間歸納，跨對話隱性推理 +5.20 分。借鏡心理學雙歷程理論重塑 Agent 記憶架構

把個別 agent 執行過的任務軌跡存進共享倉庫，讓新 agent 直接檢索上手——不需要溝通、不需要聯合訓練，就能提升全體表現。 📊 關鍵數據 指標數值說明 Test environmentsALFWorld + WebArenaTwo standard interactive

Agent 軌跡不是用完就丟——MATM 建立族群級共享倉庫，讓新 agent 直接檢索上手，不需要溝通或聯合訓練就能提升全體表現

MemRefine 記憶壓縮 + Agent-Native Memory 系統評估 + Mem0 生產基準——六條 agent 使用建議，從預算控管到架構選擇

通用記憶機制在低重複、隱式獎勵環境下全面潰敗——甚至不如無經驗 baseline。Tree-of-Experience 用結構化經驗樹 + 非參數 RL 扭轉局面。

Critic-Policy 共演化閉環：自動標籤過程獎勵→自己學習→生成更好資料。不需人類標註，逐步自我改進長程決策。

把 discovery tree 當作 replay simulator，讓 exploration policy 先離線回放再回到線上；拆解固定歷史上不變差的正確邊界、三類實驗數據與 Agent 平台落地風險

首個動態環境 Agent 基準：環境持續演化，現有 Agent 平均準確率僅 39.6%。EvoMem patch-based 記憶讓 GAIA +6.1%、LoCoMo +4.8%

弱模型委員會 ×8 + 驗證器 ≈ 強模型單獨。瓶頸是 coverage 而非 selector。

技能的五階段生命週期（創建→記憶→管理→評估→精煉），讓代理從「工具使用者」進化為「工具創造者」

現有 agent 框架的問題不是「工具不夠多」，而是工具全是低階原子動作（單次搜尋、檔案讀寫），每次要完成同樣的任務都得從頭拼裝這些碎片。EvoSOP 提出一個大膽的類比：agent 自演化本質上是一種非參數機器學習——執行軌跡是前向傳播、SOP 合成是反向傳播、合併與修剪是正則

5,832 次配對實驗：553 增益 vs 324 迴歸（59% 抵銷）。三種迴歸機制：描述滲透（技能僅存在就改變行為）、接地置換（程序覆蓋正確輸入）、驗證置換（抑制輸出檢查）。方法不是瓶頸—接地與驗證才是

自對弈決定練什麼但學完就忘，技能記憶記住經驗但從固定題庫學。SESA 關閉雙向迴路：失敗蒸餾成技能→重塑解題行為→改變後續任務難度。四階段訓練 + 雙重路徑評估（參數內化 + 推理檢索），七基準六 backbone

Five-domain 500-task continual skill learning benchmark. ICL (0.605) vs Skill (0.602) nearly identical. Gains from context adaptation, not reusable skill abstraction. Weaker models accumulate fragmented skills

技能是擴充 LLM agent 的標準機制，但這篇 Microsoft Research 研究揭示反直覺真相：傷害 agent 的通常不是明顯不相關的技能，而是「看起來很相關」的技能。差分分析框架在 SkillsBench 與 SWE-Skills-Bench 上確認 307 個

2026 年 5 月，OpenAI 總裁 Greg Brockman 在 X 上發布了一篇「self improvement prompt for codex」— 35 條規則，教 AI agent 如何回顧自己的工作、找出重複模式、打包成可重用的 skill 或 automat

RAG 不等於有證據就可靠：內部候選、來源感知合併與衝突決策，讓系統在檢索噪聲下保留 no-RAG 退路。

保留最近 5 對 tool call + 自動摘要，完成率 91.6%、token 少 62.7%、時間少 60.2%

不建全域知識圖譜，查詢時用 SQL JOIN 動態串聯事件；三基準 9 項 Recall 中 8 項最佳，已部署數億筆生產環境。 一句話 Zleap-AI 提出 SAG（SQL-Retrieval Augmented Generation），將文字拆成「事件 + 實體」存 SQL

現有 RAG 評測幾乎只關心檢索品質和答案正確性，忽略了一個更根本的問題：即使答案看起來合理，底下可能已經在證據層、工具合約層、授權層、會話狀態層全面故障。LayerRAG-Bench 設計了 8 個企業場景、240 個任務、9 種故障情境，對 9 個前沿模型進行 38,880

MIST 基準揭露所有主流模型對誤導訊號的普遍脆弱性。SCOPE 用信號反事實 DPO 將 Qwen3-4B SC2W 從 35.0 砍到 16.3（-53%），不犧牲控制準確度，零樣本遷移三基準最優

單步 95% → 10 步後 59.9%。五種真實失敗模式、三層復原架構、GitHub/DeepMind/Zylos 生產級實踐一次整理

現有 AI Agent 記憶評測只看任務成敗（F1、BLEU），把底層記憶系統當黑箱。這篇對 12 套記憶系統做了系統性拆解，發現沒有一種架構通吃所有場景——效能取決於記憶結構與工作瓶頸的對齊程度。局部維護比全域重建更划算。 關鍵數據 指標數值說明 受測記憶系統38% trap

記憶不是瓶頸，算力才是。讓模型在清空 KV cache 前多跑幾圈，把上下文真正「消化」。

路由瓶頸是資訊赤字非推理不足。C-A-F loop 累積經驗後 ID/OOD 都碾壓靜態 router

Existing memory attacks (AgentPoison, MINJA, MemoryGraft) poison what the agent knows about the world. FARMA opens a new attack surface: for

首創 tensor 粒度 hybrid CPU-GPU offloading，靜態 knapsack DP 放置 + 負載感知動態傳輸 + 非同步管線，decode 吞吐量最高 3.29x，GPU 利用率 +70%。

LLM 拿到工具不代表推論就可信——現有 agent 的「實證推理」既不保證輸出真的來自工具證據，也不保證演繹鏈經得起形式檢查。EG-VAR 把 Lean 4 proof assistant 做成 agent 的形式 sidecar：Lean kernel 是唯一能鑄造「Veri

將工具間依賴建模為 Tool-Schema 超圖，兩階段規劃+缺損導向擴張在 AppWorld 上 GPT-4o 達 Test-N TGC 67.1/SGC 55.9，同時降低 API 呼叫與 token 消耗。結構化工具關係可部分取代軌跡訓練

LLM 部署在 agentic system 中時，模型權重只是能力的一部分——harness（prompt、工具定義、控制流、記憶、編排程式碼）同樣決定最終表現。HarnessOpt-Bench 把這個命題變成可量測的基準：讓一個 LLM（optimizer）去診斷、修改、優化

QAT 品質完勝傳統 PTQ，行動端專用量化格式把 Gemma 4 E2B 文字版壓到 <1GB，手機原生執行 LLM 成真。

Scout vs Spark vs OpenClaw vs Odysseus vs nanobot vs Hermes — Always-On agent 元年，六大方案深度比較

BMAD 的核心不是「一個 AI 幫你寫 code」，而是一整個 AI 團隊各司其職。

把 agent 框架（LangGraph、CrewAI、Google ADK 等）的外部編排邏輯直接「編譯」進小模型的權重裡，用微調取代 runtime 編排，達到接近 frontier 模型品質、成本低 100 倍的效果。