關於 Min
RSS Feed積極主動的技術主管，善於主導與推動成果。熱衷於分享知識、提升生產力並啟發他人；以務實的方式解題、打造高效解法，重視團隊透明溝通。樂於迎接挑戰並持續優化流程。
精選
把想法放到 GitHub 之後，我發現這條路有人一起走
Published: at 12:00 AM我把 agentic workspace 的想法放進新的 GitHub organization 和公開文件站，後來又看到 Kiro Crew 探索相近方向。這不是競爭，而是很好的收斂證據。
為 Agentic Engineering 打造一個開放工作區
Published: at 12:00 AM真正的產品是 architecture，CLI 只是證明。這是我從工作上使用 coding agent 後，逐步整理出的開放工作區 pattern language。
發現問題：AI 代理如何找到你的 WebMCP 工具？
Updated: at 12:00 AMWebMCP 最大的未解決挑戰是工具發現——代理與網頁互動的未來取決於解決 AI 代理如何在不需要昂貴導航的情況下找到你網站的結構化工具。
從 Coding Agent 到持續運作的工程團隊
Published: at 12:00 AMCoding agent 最有價值的角色可能不是另一個 feature developer，而是 housekeeper、bug fixer、test maintainer 與 dependency maintainer。
只有 Worktree 還不夠
Published: at 12:00 AMGit worktree 只隔離檔案，不會隔離 port、database、process、container 或 browser profile。並行 Run 還需要清楚的 runtime resource ownership。
不用 Swarm，也能讓多個 Coding Agent 一起工作
Published: at 12:00 AM多個 coding agent 不需要共享一顆大腦。真正需要的是隔離 Run、共同工程脈絡、公開 intent，以及刻意設計的 integration boundary。
一個 Agent，一次隔離的 Run
Published: at 12:00 AMCoding agent 不該直接修改開發者正在使用的 checkout。每次任務都應在隔離、有邊界的 Run 裡工作，最後交回可 review 的候選變更。
Git 記得改了什麼，卻不記得我們為什麼走到這裡
Published: at 12:00 AMAgent session 會產生目標、失敗、發現與決策。真正該長期保存的不是完整對話，而是經過整理、未來仍有工程價值的那一小部分。
軟體系統比一個 Repo 更大
Published: at 12:00 AMCoding agent 可以修改的範圍，和它必須理解的範圍，通常不是同一個邊界。把兩者拆開，才能避免本機正確、整體錯誤的變更。
Coding Agent 重新定義了什麼是工作區
Published: at 12:00 AM開始在工作上認真使用 coding agent 之後，我才發現 Repo 只保存程式碼，真正的工作單位其實是圍繞任務建立、用完即可丟棄的工程工作區。
未來的軟體：不再只有一個標準應用程式
Published: at 02:00 PM應用程式可能成為可重複使用能力的參考組合，讓使用者與代理程式圍繞目標，而不是供應商邊界來組裝軟體。
未來的 UI：不再只有一個標準介面
Published: at 02:00 PMAI 不會消滅圖形介面，而是讓每個人依自己的需求，組合合適的互動方式、資訊密度與工作流程。
讓工作空間真的能組合：一套共通語意框架
Published: at 02:00 PM可組合工作空間不只要能排面板，還需要共用物件、資料、動作、畫面、事件與意圖，才能讓不同工具接得起來。
以工作流程為中心的 Workbench：讓一項工作有自己的位置
Published: at 02:00 PMWorkflow-centric workbench 以正在推進的成果為核心，在保留專業工具權責的前提下，整理意圖、證據、狀態與下一步。
分頁越開越多，真正的問題不是瀏覽器
Published: at 02:00 PM軟體交付之所以零碎，不只是因為分頁太多，而是同一個工作流程被不同應用程式各自切走一部分，最後得靠使用者自己拼回全貌。
為什麼到了 AI 時代，我們還是需要 URL
Published: at 02:00 PMAI 會改變我們進入軟體的方式，但 URL 仍是辨識、授權、分享、深層連結與日後返回工作的共同地址。
MCP Apps 與 AI 介面層
Published: at 02:00 PMMCP 讓 AI 使用結構化工具，MCP Apps 再補上情境式互動畫面；需要長期導覽、分享與協作時，完整 Web App 仍有不可取代的角色。
為什麼本機 Web App 值得重新認識
Published: at 02:00 PM本機工具也能使用瀏覽器提供完整視覺介面。只要把程式生命週期、資料保存與安全邊界設計清楚，就不必急著做成雲端服務。
從 App 到意圖驅動運算：系列導讀
Published: at 02:00 PM八篇文章帶你從應用程式介面、工作流程與可組合工作區，一路思考 AI 時代的介面會走向哪裡。
如何選擇合適的應用程式介面
Published: at 02:00 PM比較 CLI、TUI、Web App、PWA、桌面程式、瀏覽器擴充功能與 MCP 時，先看使用者怎麼思考與操作，而不是程式內部有多複雜。
意圖優先，不等於未來只剩聊天視窗
Published: at 02:00 PM真正的意圖優先運算，會依工作組合意圖、互動、注意力與持久工作空間四種介面，而不是把所有事情塞進聊天機器人。
本地還是遠端 LLM？不要只靠直覺，打造認知路由器
Published: at 10:00 AM一套實用框架，從風險、隱私、上下文、成本、可驗證性與可逆性，判斷任務該交給本地 LLM、遠端模型，還是混合編排。
OpenAI Codex 與 Coding Agent 的自建或採用抉擇
Published: at 12:00 AM在我用 tmux、Tailscale 與 PWA 打造自己的 Copilot CLI 控制平面之後，Codex 讓我重新思考開發者應該自己打造什麼，又該採用平台已經做好的什麼。
Agentic 系統成熟度階梯：從聊天機器人到編排式 AI
Published: at 08:00 AM用一套框架理解 AI agent 的演進：從簡單對話模型到可協同運作的多代理編排系統。
先建構，後理解：AI 如何改變了我開發軟體的方式
Published: at 12:00 AMAI 開創了一種由上而下、目標優先的軟體開發模式。你現在可以先建構出真實的成果，再去理解它的運作原理——這對開發者而言改變了一切。
桌面 AI 編碼助手：開發者工具的新時代
Published: at 12:00 AM像 OpenAI Codex 這樣的桌面 AI 編碼應用程式如何透過持久化上下文、並行任務和統一介面革新開發者工作流程。
從編碼到編排：AI 如何重新定義開發者的角色
Published: at 12:00 AMAI 編碼工具從 IDE 插件到 agent 編排平台的演進，以及這對軟體開發未來的意義。
OpenCode：從任何地方編寫代碼，使用您的個人 AI 開發伺服器
Published: at 12:00 AMOpenCode 的伺服器模式如何改變了我的工作流程 — 在桌面上啟動長期運行的任務，並從您的手機、平板電腦或網絡上的任何位置檢查進度。
2025：AI 驅動開發與個人成長的一年
Published: at 12:00 PM對 27 篇部落格文章的全面回顧，追溯我在 AI 編碼代理、開發工具、個人實驗以及 2025 年軟體開發演進中的旅程。
2025 年 VS Code Copilot 自訂設定完全指南
Published: at 10:01 AM實用的決策框架，幫助你了解何時使用 instructions、prompt files、custom agents、agent skills 和 MCP servers，讓 Copilot 在日常工作中保持一致、安全且實用。
AI 增強閱讀：用大型語言模型生成自訂書籍章節
Published: at 04:39 AM探索大型語言模型如何擴展你喜愛的書籍，透過經典思想的視角生成探索當代議題的新章節。學習如何在永恆智慧與現代挑戰之間搭建橋樑。
為什麼 GitHub 押注「Continuous AI」(這對你意味著什麼)
Published: at 12:00 AMContinuous AI 代表 CI/CD 之後的下一次演進——GitHub 對軟體協作中 LLM 驅動自動化的願景，以及開發者需要了解的儲存庫自動化未來。
超越 VSCode 的多代理系統：一種模式浮現
Published: at 12:00 AMVSCode 自訂代理、AutoGen 與 Agentic SDLC 共享相同架構——專門化代理與結構化交接。探討為何這種模式正成為 AI 編排的標準。
Sora 2 與 Suno 的比較：Sora 2 為何可能（或可能不會）成為主流
Published: at 12:00 AM比較 Sora 2 與 Suno 的技術差異、社群機制、法律風險，以及 Sora 2 若要成為文化平台所需的策略選擇。
從程式碼到鏡頭：我的影片製作之旅
Published: at 12:00 AM一個軟體開發者初次涉足影片錄製和編輯的經驗，分享從製作技術展示過程中學到的經驗，以及在程式開發和影片製作之間發現的相似之處。
個人化分支的崛起：運用 AI 程式助手客製化開源專案
Published: at 12:00 AM探討 AI 程式助手如何革新我們客製化開源專案的方式，使得個人化變得更加容易，即使不需深入了解程式碼庫。
AGENTS.md：統一編碼助理指令的新標準
Published: at 07:28 PM了解 AGENTS.md，這是為編碼助理提供指令的新開放標準，以及它如何幫助您簡化開發工作流程。
從研究到工程：理解關鍵的轉變
Published: at 12:00 AM探討未證實可能性與工程優化之間的關鍵差異。
把差異檔變成可重複的重構：輸出 git diff，教會 LLM 產生 codemod 與測試
Published: at 11:12 AM以 git diff 承載「人類意圖」，讓 LLM 學會重構模式，進而產生可驗證的 codemod 與測試資料，用於跨 repo 套用。
Agentic SDLC 實戰手冊：關鍵節點的人在回路 (HITL)
Published: at 12:00 PM把 LLM Agents 納入軟體開發生命週期：讓代理負責重活與證據蒐集，人在關鍵決策點依據證據審核，兼顧速度與風險。
升級到 GitHub Copilot Pro 的心法與體驗
Published: at 12:00 AM從企業版轉到 Pro 版後，我如何重新思考模型選擇、premium 請求的配置，以及善用 Coding Agents 與 PR 程式碼審查。
為什麼現代 PostgreSQL 很適合 AI Agents
Published: at 10:00 AMJSONB、pgvector 到雲端託管，PostgreSQL 讓代理工作流同時擁有彈性、可靠與可攜性。
先學一本書：用 LLM 做預讀，打開重點地圖再開始讀
Published: at 12:00 AM在閱讀前，先用 LLM 與精準查找建立框架與詞彙地圖，提升理解、聚焦重點，讓閱讀更有效率。
LLM 金融應用中的 RDB 與向量資料庫：怎麼選、何時雙軌
Published: at 10:00 AM比較關聯式資料庫與向量資料庫在金融應用中的定位：統計查詢用 RDB、語意搜尋用向量庫，混合才是王道。
看懂 LangChain 的 Tool Calling：一步步流程與時序圖
Published: at 11:12 AM以簡單步驟與時序圖說明 LLM 如何決定是否呼叫工具、回傳參數、取得結果並產生最終回應。
AI 時代的學習：從被動到主動
Published: at 04:16 PMAI 讓學習能依個人化需求調整——更主動、更即時，也更有效率；同時也別忘了保有批判思考。
文件剛剛好：在研發與業務之間找到溝通甜蜜點
Published: at 11:12 AM文件寫太多會淹沒，寫太少又容易失真——這篇談如何用「協作型文件 + 以程式碼為準」的方式，讓研發與業務高效對齊。
用 Microsoft Teams 頻道溝通：擺脫群聊混亂，讓協作更專注
Published: at 11:12 AM群聊像洪流？用頻道把資訊集中、討論可追蹤、任務可落地，團隊從被動救火變主動規劃。
最新文章
頂尖實驗室、開源生態與 AI 時代的創新飛輪
Published: at 08:30 AM探討頂尖 AI 研發實驗室與開源社群如何形成強大互補的創新飛輪，一端負責高成本的 0 到 1 能力突破，另一端則展開無拘無束的 1 到 N 邊界探索。
讓多個 LLM 供應商共享一層上下文
Published: at 02:00 PM透過插件與共享檔案儲存空間，把刻意整理的上下文帶到不同 LLM 供應商之間，也讓雲端對話能接續本機 coding agent 的工作。
面對 LLM 補貼時代的終結：打造節省 Token 的自動化架構
Published: at 06:00 AMLLM 補貼時代不會長久。本文介紹如何建立分層、高效率的自動化系統，將確定性任務、本地模型與前沿 AI 妥善區隔。
在 Coding Agents 時代，PR Review 應該從 Intent 開始
Published: at 09:54 PM當 Coding Agent 寫出愈來愈多實作內容時，真正該審查的對象不只是 diff，而是這次變更是否仍然符合使用者意圖、限制條件與專案目標。