📖 學習資源

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

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

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

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

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。

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。

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

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

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。

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。

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」

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。

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。

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」。