Our Authors

Meet the engineering team behind our technical insights

Knowledge Graph 知識圖譜（一）：核心概念、三元組與語意網路

AI 工程從零開始｜Phase 1 Part 1：線性代數與微積分 — AI 演算法直覺

FDE core topic - Context Management：Token 預算管理與上下文修剪策略

FDE 面試準備指南（一）：RAG 完全解析

AI Forward Deployed Engineer 必備技能指南（一）：基礎核心概念與技術棧

Crypto Quantitative Trading Part 1: Fundamentals and Essential Concepts

Synthwave 讀書會串流實戰（一）：80 年代復古文化、市場分析與目標受眾定位

AI 深海/太空環境音串流實戰（一）：市場分析、科學原理與 AI 工具選擇

Building MCP Servers for Claude Code Development - Part 1

Knowledge Graph 知識圖譜（二）：從零建構 — NER、關係抽取與 Neo4j 實作

AI 工程從零開始｜Phase 1 Part 2：機率與統計 — 不確定性的數學語言

FDE core topic - Memory Architecture：Agent 階層式記憶體設計

FDE 面試準備指南（二）：Agent System Design

AI Forward Deployed Engineer 必備技能指南（二）：多智慧體系統與框架實戰

Crypto Quantitative Trading Part 2: Advanced Strategies and Backtesting Framework

Synthwave 讀書會串流實戰（二）：AI 音樂生成、合成器音色設計與專業音樂策展

AI 深海/太空環境音串流實戰（二）：8K 視覺製作與動態場景生成

Advanced MCP Server Development with Database Integration - Part 2

Knowledge Graph 知識圖譜（三）：與關聯式 / 向量 / 文件資料庫的比較

AI 工程從零開始｜Phase 2 Part 1：傳統機器學習 — 生產 AI 的骨幹

FDE core topic - State Machine & DAG：確定性圖結構與 Agent 反思迴圈收斂

FDE 面試準備指南（三）：你不能忽略的 ML 基礎

AI Forward Deployed Engineer 必備技能指南（三）：企業級 AI 整合與部署策略

Crypto Quantitative Trading Part 3: Optimization, Validation, and Production Deployment

Synthwave 讀書會串流實戰（三）：賽博龐克視覺製作、霓虹燈美學與 80 年代復古設計

AI 深海/太空環境音串流實戰（三）：OBS 設定、串流上線與自動化監控

Knowledge Graph 知識圖譜（四）：結合 LLM — GraphRAG 與多跳推理

AI 工程從零開始｜Phase 2 Part 2：集成學習與最佳化 — 超越單一模型的上限

FDE core topic - Hybrid Search & RRF：混合檢索與倒數排名融合演算法

FDE 面試準備指南（四）：System Design 實戰

AI Forward Deployed Engineer 必備技能指南（四）：生產環境 AI 系統監控與最佳化

AI 深海/太空環境音串流實戰（四）：Shorts 導流、社群經營與多元變現策略

Knowledge Graph 知識圖譜（五）：實戰 — 用 LLM 自動建構知識圖譜並做問答

AI 工程從零開始｜Phase 3：深度學習核心 — 從第一原理構建神經網路

FDE core topic - Re-ranking & Cross-Encoder：向量粗召回後的精準重排序機制

FDE 面試準備指南（五）：RAG 深度技術——Chunking、Embedding、向量資料庫與混合搜尋

AI Forward Deployed Engineer 必備技能指南（五）：客戶協作與問題解決實務

AI 工程從零開始｜Phase 4 Part 1：電腦視覺基礎 — 從像素到 CNN 特徵

FDE core topic - Prompt Injection & Jailbreak Defense：生產環境零信任 AI 防禦體系

FDE 面試準備指南（六）：RAG 進階——檢索失敗、Grounding、評估指標與成本控制

AI 工程從零開始｜Phase 4 Part 2：目標偵測與語義分割 — 讓機器看懂空間

FDE core topic - Indirect Prompt Injection：Agent 工具鏈的隱形攻擊與沙盒隔離

FDE 面試準備指南（七）：Agent 深度設計——ReAct vs Planner、Tool Routing、Multi-Agent

AI 工程從零開始｜Phase 4 Part 3：視覺語言模型、3D 視覺與世界模型

FDE core topic - PII 去識別化與格式保留加密：資料進入 AI 管線前的隱私護欄

FDE 面試準備指南（八）：ML 基礎必備——從傳統機器學習到 Deep Learning

AI 工程從零開始｜Phase 5 Part 1：NLP 基礎 — 文字是智慧的介面

FDE core topic - Data Residence & Sovereign AI：金融醫療場景的地緣合規架構

FDE 面試準備指南（九）：LLM 核心知識——Token、Prompt Engineering 與 Embedding

AI 工程從零開始｜Phase 5 Part 2：Seq2Seq 與注意力機制 — Transformer 前夜

FDE core topic - CMEK / BYOK 信封加密：自主密鑰管理與零信任加密架構

FDE 面試準備指南（十）：RKK 實戰——AI Agent 的 Context Management

AI 工程從零開始｜Phase 5 Part 3：進階 NLP — BERT、問答系統與語言理解

FDE core topic - Async Event-Driven Pipeline：解耦同步 HTTP 與保護後端連線池

FDE 面試準備指南（十一）：RKK 實戰——AI Agent 線上除錯與故障排除

AI 工程從零開始｜Phase 6 Part 1：自動語音辨識 — 讓機器聽懂人類

FDE core topic - Backpressure & Fair-Share：多租戶流量削峰與公平資源排程

FDE 面試準備指南（十二）：RKK 實戰——AI Agent 統計評估與品質量化

AI 工程從零開始｜Phase 6 Part 2：語音合成與音訊模型 — 讓機器開口說話

FDE core topic - Idempotency & State Recovery：分佈式 Agent 的精確一次斷點續傳

FDE 面試準備指南（十三）：RKK 實戰——Prompt Injection 攻防與 Agent 安全

AI 工程從零開始｜Phase 7 Part 1：Transformer 架構深度解析 — 改變一切的注意力

FDE core topic - Speculative Tool Execution：大扇出控制與投機雙發防禦

FDE 面試準備指南（十四）：RKK 實戰——AI Agent Memory 架構設計

AI 工程從零開始｜Phase 7 Part 2：Transformer 訓練策略與架構變體

FDE core topic - Vector Drift & Blue-Green Indexing：向量圖結構健康度與零停機切換

FDE 面試準備指南（十五）：RKK 實戰——AI Agent 規模化與 Cache 策略

AI 工程從零開始｜Phase 8 Part 1：擴散模型 — 從雜訊到藝術的數學

FDE core topic - TTFT & Throughput Optimization：首字延遲與推理吞吐量的硬體級優化

FDE 面試準備指南（十六）：RKK 實戰——Multi-Agent 狀態管理與死鎖排除

AI 工程從零開始｜Phase 8 Part 2：GAN 與影片生成 — 對抗的藝術

FDE core topic - Context Cache Eviction：硬體級上下文快取驅逐策略與計費陷阱

FDE 面試準備指南（十七）：RKK 實戰——MCP 伺服器、Tool-Calling 安全與 OAuth 授權

AI 工程從零開始｜Phase 9：強化學習基礎 — RLHF 與遊戲 AI 的根基

FDE core topic - Semantic Model Routing：置信度熵值驅動的智能模型分流

FDE 面試準備指南（十八）：RKK 實戰——三層記憶體架構與 LLM 成本調優

AI 工程從零開始｜Phase 10 Part 1：從頭構建 LLM — Tokenization 的工程藝術

FDE core topic - LLM-as-Judge & Bias Mitigation：大規模自動評估與裁判偏見消除

FDE 面試準備指南（十九）：RKK 實戰——Multi-Agent 系統的統計評估與細粒度追蹤

AI 工程從零開始｜Phase 10 Part 2：LLM 預訓練 — 萬億 Token 的工程挑戰

FDE core topic - RAG Triad Metrics：上下文相關度、忠實度與答案相關度的可觀測性追蹤

FDE 面試準備指南（二十）：RKK 實戰——間接 Prompt Injection 與 Dual-LLM 防禦架構

AI 工程從零開始｜Phase 10 Part 3：LLM 微調 — LoRA、QLoRA 與指令對齊

FDE core topic - Discovery to Technical Constraints：顧問工程師的高階探索問法

FDE 面試準備指南（二十一）：RKK 實戰——長任務 Agent 的異步分散式架構

AI 工程從零開始｜Phase 11 Part 1：LLM 推論工程 — 從實驗到每秒千次請求

FDE core topic - Structured Troubleshooting：自上而下分層排錯與 AI 系統觀測方法論

FDE 面試準備指南（二十二）：RKK 實戰——動態並行 Tool-Calling 與依賴解析引擎

AI 工程從零開始｜Phase 11 Part 2：RAG 系統與 LLM 評估 — 生產落地的最後一哩

FDE core topic - Stakeholder Mapping：利害關係人圖譜與決策影響力分析

FDE 面試準備指南（二十三）：RKK 實戰——多租戶 Agent 的限流、Fair-Share 與 Token 預算控制

AI 工程從零開始｜Phase 12 Part 1：Vision Transformer 與多模態融合架構

FDE core topic - POC Scoring & ROI：概念驗證評分矩陣與投資回報框架設計

FDE 面試準備指南（二十四）：RKK 實戰——混合模型路由與語意路由器設計

AI 工程從零開始｜Phase 12 Part 2：多模態 Agent 與電腦操作 — 跨模態推理與行動

FDE core topic - Value Story & Objection Handling：價值敘事架構與常見異議破解

FDE 面試準備指南（二十五）：RKK 實戰——Self-Reflection 與幻覺校正迴圈設計

AI 工程從零開始｜Phase 13 Part 1：MCP 與 API 整合 — AI 與真實世界的介面

FDE 面試準備指南（二十六）：顧問實戰——「我們現在用 OpenAI，為什麼要換 Vertex AI？」

AI 工程從零開始｜Phase 13 Part 2：AI 工作流程編排 — LangChain、LlamaIndex 與生產管線

FDE 面試準備指南（二十七）：顧問實戰——如何在 45 分鐘內把模糊需求變成 POC 計畫

AI 工程從零開始｜Phase 14 Part 1：Agent 迴圈與記憶系統 — 從單次呼叫到自主行動

FDE 面試準備指南（二十八）：顧問實戰——生產事故診斷與客戶溝通語言

AI 工程從零開始｜Phase 14 Part 2：Agent 規劃系統 — 從目標到行動計畫

FDE 面試準備指南（二十九）：顧問實戰——AI 系統 TCO 估算與 ROI 說服框架

AI 工程從零開始｜Phase 14 Part 3：Agent 框架全景 — AutoGen、CrewAI 與自建的取捨

FDE 面試準備指南（三十）：顧問實戰——Constraint-First 架構設計：VPC 限制下的 GCP AI 系統

AI 工程從零開始｜Phase 14 Part 4：Agent 生產化 — 可靠性、可觀測性與成本控制

FDE 面試準備指南（三十一）：RKK 實戰——Google ADK 深度設計：Agent 類型、Tool 宣告與 Multi-Agent 協調

AI 工程從零開始｜Phase 15 Part 1：長時程自主系統 — 跨天任務的 Agent 工程

FDE 面試準備指南（三十二）：RKK 實戰——Vertex AI 產品棧全解析：Agent Builder、Vertex AI Search、Gemini API 與部署架構

AI 工程從零開始｜Phase 15 Part 2：自我改進與 2026 安全技術棧

FDE 面試準備指南（三十三）：RKK 面試解剖——面試官怎麼看你、怎麼評分、什麼叫做強力雇用

AI 工程從零開始｜Phase 16 Part 1：多 Agent 協調 — 分工、通訊與共識

FDE 面試準備指南（三十四）：RKK 實戰演練——六個端對端 Mock 情境題與模範答案

AI 工程從零開始｜Phase 16 Part 2：湧現與集體智慧 — 群體行為的工程設計

FDE 面試準備指南（三十五）：RKK 實戰——生產級可觀測性設計：Granular Tracing、Span 樹與 Cloud Trace 整合

AI 工程從零開始｜Phase 17 Part 1：AI 推論服務架構 — 從單機到全球部署

FDE 面試準備指南（三十六）：RKK 實戰——生產級 AI Evaluation Pipeline：從黃金資料集到 CI/CD 品質閘門

AI 工程從零開始｜Phase 17 Part 2：AI 系統可觀測性 — 當模型行為成為監控對象

FDE 面試準備指南（三十七）：RKK 實戰——企業 AI 的「連接組織」：Legacy 系統整合、API 橋接與安全邊界設計

AI 工程從零開始｜Phase 17 Part 3：AI 成本優化與規模化 — 把每美元壓榨到極限

FDE 面試準備指南（三十八）：RKK 實戰——從 POC 到 Production：AI 系統的五個生產化差距與 Rollback 設計

AI 工程從零開始｜Phase 18 Part 1：AI 技術安全 — 讓模型行為符合人類意圖

FDE 面試準備指南（三十九）：RKK 實戰——從 10,000 到百萬用戶：AI 系統的橫向擴展架構設計

AI 工程從零開始｜Phase 18 Part 2：AI 治理與倫理 — 工程師的責任邊界

FDE 面試準備指南（四十）：RKK 實戰——AI 系統的 PII 保護：假名化設計、最小存取原則與合規稽核

AI 工程從零開始｜Phase 19 Part 1：Capstone — 企業級 RAG 知識庫系統端對端實作

FDE 面試準備指南（四十一）：RKK 實戰——分散式 AI 系統的故障排查：結構化診斷框架與五種常見失效模式

AI 工程從零開始｜Phase 19 Part 2：Capstone — 生產級 AI Agent 產品端對端實作

FDE 面試準備指南（四十二）：RKK 實戰——顧問技能：從「要 AI」到 POC 範圍定義的 Discovery 框架

AI 工程從零開始｜Phase 19 Part 3：Capstone — 多模態 AI 應用端對端實作與系列總結

FDE 面試指南 Part 43：跨國電商百萬級購物車 Agent 的分散式動態權限與狀態回復

FDE 面試準備指南（四十四）：RKK 實戰——長文本 LLM 與 RAG 動態混合路由架構設計

FDE 面試指南 Part 45：Agent 工具鏈的間接提示詞注入防禦設計

FDE 面試指南 Part 46：高規格金融業的數據無痕化與自主密鑰管理（BYOK / CMEK in GenAI）

FDE 面試準備指南（四十七）：RKK 實戰——大模型與地端微型模型的智慧混合路由與冷啟動優化

FDE 面試指南 Part 48：高可靠性 Agent Graph 的多重工具 Fallback 與自我修復機制

FDE Interview Guide Part 49：百萬級 RAG 系統的即時資料漂移與向量索引自動更新管線

FDE 面試指南 Part 50：生產環境 GenAI 自動化評估管線與 LLM-as-a-Judge 漂移監控

FDE 面試指南 Part 51：百萬級多輪對話的 KV Cache 驅逐機制與記憶體架構優化

FDE 面試指南 Part 52：百萬級 Agent Tool-Calling 的全域非同步並行優化與扇出控制

Auto Agent System - Part 5 - 前端體驗與 Pipeline 編排:SSE 即時串流與多步驟任務鏈

Auto Agent System - Part 4 - 生產化之路:Langfuse 可觀測性、Docker 瘦身與 AWS 部署

Anthropic Financial Services 入門 Part 3 — 實戰:用 GL Reconciler 跑一次對帳流程

Auto Agent System - Part 3 - 自動化任務實戰:Shopee 爬蟲、Google Maps 名單、Tasker 自動提案

Anthropic Financial Services 入門 Part 2 — Agent、Skill、Command、Connector 是怎麼組成一個系統的

Auto Agent System - Part 2 - Harness 引擎:多模型容錯、自我修正與 LLM 評審

Anthropic Financial Services 入門 Part 1 — 怎麼安裝、怎麼用

Auto Agent System - Part 1 - 系統總覽:一個 CrewAI 多代理自動化平台如何運作

Langfuse 入門 Part 4 — 監控與 Prompt 管理:把實驗成果變成生產循環

Langfuse 入門 Part 3 — LLM 評估:Score、LLM-as-a-Judge、Dataset 與 Experiment

Langfuse 入門 Part 2 — 三行程式碼開始追蹤:SDK 整合與 Tracing 實戰

Langfuse 入門 Part 1 — 為什麼 LLM 應用需要可觀測性?核心概念與資料模型

finance_data 是怎麼運作的:用 Cron + LLM 全自動生成股票研究報告

ChatPDF RAG 優化（三）：可觀測性與評估 —— Langfuse 追蹤、評估歷史、即時評分

ChatPDF RAG 優化（二）：後端強化與進階 RAG —— 安全、資源邊界、多查詢擴展

ChatPDF RAG 優化（一）：語意切塊與混合檢索 Semantic Chunking + Hybrid Retrieval

把站台從 3.1GB 砍到 503MB：finance_data 部署效能調校全紀錄

Cloudflare AI 安全稽核系統（三）：LLM Agent 的安全反模式——十個讓報告失去公信力的做法

Cloudflare AI 安全稽核系統（二）：Agent 設計深潛——Hunt 策略、Sub-Agent Spawning、Adversarial Validation

Cloudflare AI 安全稽核系統（一）：六階段 Multi-Agent Pipeline 全解析

Stock Analysis - AVAV (AeroVironment) - 估值模型與投資裁決（下）

Stock Analysis - AVAV (AeroVironment) - 技術面、籌碼面與市場情緒（中）

Stock Analysis - AVAV (AeroVironment) - 基本面與產業競爭力深度解析（上）

Stock Analysis - PL (Planet Labs) - 估值模型與投資裁決（下）

Stock Analysis - PL (Planet Labs) - 技術面、籌碼面與市場情緒（中）

Stock Analysis - PL (Planet Labs) - 基本面與產業競爭力深度解析（上）

Career-Ops 完全使用指南：AI 驅動的智能求職系統

Harness 工程入門指南：AI 時代的基礎設施自動化

Hermes Agent 完全入門指南：自我改進的 AI 智能體

LangGraph + AI 後端實戰：構建智能客服工單處理系統

LangGraph + LangChain 完全入門指南：從基礎到生產

LangGraph AI 後端創意應用：10 個生產級案例和未來方向

LangGraph AI 後端架構設計模式：從單體到分佈式

LangGraph AI 後端核心代碼實現：生產級代碼範本

LangGraph AI 後端邏輯設計：狀態流、決策路由和條件轉移

在 Mac 本地運行 Google Gemini 4 模型：完整指南

多 Agent Token 優化系列 pt.7：專責化 Agent 協作模式 — 從團隊設計到生產級協調

開源 LLM Post-Training 全攻略：從 SFT 到 RLHF，手把手帶你訓練 Qwen

多 Agent Token 優化系列 pt.6：Agent 專責化實戰指南 — 打造精準高效的專家團隊

多 Agent Token 優化系列 pt.5：選擇性 Context 傳遞 — 打造高效協作系統

多 Agent Token 優化系列 pt.4：模型分層實戰 — 智能路由打造高效低成本系統

多 Agent Token 優化系列 pt.3：Context 壓縮與摘要 — 打造可無限對話的 AI 系統

多 Agent Token 優化系列 pt.2：Prompt Caching 實戰 — 從記憶體快取到 RAG 系統

多 Agent Token 優化系列 pt.1：完整指南 — 使用 Claude API 構建高效 AI 系統

SpotifyMCP2: Control Spotify with Claude via the Model Context Protocol

finance_data: A Python Toolkit for Downloading SEC Financial Filings from EDGAR

InvestSkill: Professional Investment Analysis Plugin for Claude Code

心靈 Lesson 2：如何建立「賣股票」的固定流程？投資心法完整指南

Everything Claude Code: The Ultimate Production-Ready Plugin Collection Guide

Building a Sentiment-Driven US Stock Trading System with X.com Real-Time Analysis

Building an Intelligent Bitcoin Trading System with AWS CDK and ML Models

ADHD 友善專注音樂頻道實作指南：從零到一的完整路線圖

Claude Code 開發工作流程完整指南：從需求到部署的最佳實踐

深入理解 Claude Code Context Window：管理對話上下文的完整指南

Claude Code 最佳實踐指南：提升 AI 輔助開發效率的 20 個技巧

Building Centralized Grafana + Prometheus Monitoring with AWS CDK: Multi-Service Observability Platform

深入理解 Claude Code 架構：Plugin、Skill、Sub-agent 與 MCP 完整指南

Building AI Music Generation Platform: AWS CDK Architecture with SageMaker and Bedrock Comparison

Deploying Apache Superset at Scale: Production-Ready BI Platform with AWS CDK and ECS Fargate

Fine-Tuning LLMs with AWS Bedrock: A Complete Guide to Post-Training Customization

Building Multi-Agent Orchestration Systems with Claude Code

Spring Boot 多環境配置完整指南：開發、測試、生產環境管理

Building Employee Management System with Spring Boot and Vue.js

Building NYC Taxi Data Pipeline with Spark and Kafka

Building Real-Time Chat Room with Spring Boot WebSocket

Java Learning Journey: Fundamentals to Advanced

🛍️ Building a Modern E-commerce Shopping Cart with Spring Boot & Stripe Payment Integration

Building a Spotify Playlist Application with Spring Boot and Vue.js

Building Production Kubernetes Platform on AWS EKS

Building Scalable WordPress on AWS ECS Fargate

Building Serverless URL Shortener with AWS CDK

Building Resilient Systems: Handling Failure at Scale

Database Performance Optimization: From Slow Queries to Sub-millisecond Response Times

Microservices Architecture Patterns: Lessons from Scale

Building Centralized Logging with OpenSearch and AWS CDK