AI Agent 與開發 第 2 頁

每次開新 VM、換 Agent 都要重新解釋專案？這篇用白話拆解 Context Repo，從私有 Git repo、AGENTS.md、CLAUDE.md、Skills、handoff 到 submodule 與最小權限，一步步做出可審查的跨 Session 共用記憶。

向量資料庫不是 RAG 入場券。本篇用同一份 SciFact 文件與 300 題，實測 BM25、Embedding、Hybrid Search、reranker 的檢索品質、索引成本與延遲，再給你一張能直接套用的選型決策樹。

推論引擎沒有脫離情境的冠軍。本篇先分清本機 runtime、服務引擎與叢集編排，再用最新官方指令、比較圖與 benchmark 清單，替你的硬體與流量選出第一個候選。

FDE 的重點通常不只在 Demo：它從需求探索一路負責到生產採用與產品回饋。本文用官方職缺、真實案例與 12 週作品集路線，帶你判斷是否適合。

一行 scan 很簡單，難的是證明漏洞可利用、修補沒有破壞正常功能。本文用完整證據鏈帶你跑完 Codex Security CLI。

從桌機啟動 Claude Code Remote Control，用手機審 Plan、權限與 draft PR，再以 tmux、SSH／SSM 安全維持並接回本機或 EC2 長任務。

AI 模型怎麼選，不再只看總榜。用自己的 10 題小型 Eval，先設品質 Gate、再比較完成成本，建立 Fable、Opus、Sol、Terra 的任務路由與 fallback 規則。

Orca Graph Engineering 不只是把多個 AI Agent 排成一張圖。這篇從零拆解 Task Graph、Evidence Gate 與改圖權，並用 stable 版 Orca 指令完成一套能阻擋失敗、補任務、再驗收的五步實作。

別把工具自報的省 token 當成帳單。這篇教你用自己的 Repo 做 Claude Code paired A/B：先過品質 gate，再拆開 token、cache、工具呼叫與中位成本。