AI Agent 的安全防護層怎麼設計：從關鍵字偵測到長期行為監控
拆解 Claude Code、Codex 等 AI agent 的縱深防禦：規則關鍵字、分類器、輸入輸出掃描、執行沙箱、跨對話的長期行為監控，以及 system prompt 與 skills 在其中扮演的角色。
learning
learning
AI、教育、課程、知識整理與概念拆解。
12 篇文章 類型
篩選
排序
8 萬人、效果量 0.7 的自我催眠減壓 App 研究：為什麼數字漂亮不等於「證明有效」
npj Digital Medicine 一篇研究分析了自我催眠 App Reveri 上 84,395 名使用者、282,893 次 session，session 前後的壓力下降效果量 Cohen's d 達 −0.71～−0.78（屬「大」效果）。但它是回溯性觀察研究、沒有對照組、用單題 Likert 量壓力——這篇教你怎麼讀懂這種「大樣本 + 大效果」的研究，以及為什麼它證明不了因果。
Claude Code 的按需載入 skills/tools 是 RAG 嗎？拆解 agentic retrieval
Agent 按需載入工具，本質就是把 RAG 的『先檢索再注入』套在 tool schema 上，差別只在檢索器從向量相似度換成 LLM 自己的推理。
從圖靈到感知機：一場橫跨百年的 CS 論文連鎖反應
Fireship 用一支影片串起百年 CS 論文。本文跟著它的開場，走過真正啟動這條連鎖反應的四個關鍵節點：圖靈、Shannon、感知機，以及把神經網路打進寒冬的那本書。
書買了沒看完很內疚？郝旭烈：重點不是讀完，而是放自己一馬
在《大人的 Small Talk》裡，財經作家郝旭烈分享他的閱讀心法：放自己一馬，不必讀完整本書；用 5～10 分鐘略覽快速擷取重點，再靠『四一讀書法』與分享，把書變成會長大的複利。
2026 年，畢業就該馬上讀研究所嗎？先搞清楚你要讀什麼
大人學 Joe 的觀點：2026 年讀研究所不是越年輕越好，而是越知道自己要什麼才去讀。先出來工作一兩年，你才會知道自己缺什麼、該補什麼——不管家境好不好。
超越 RAG：Andrej Karpathy 的 LLM Wiki 模式深度解析
LLM Wiki 不是查詢工具，是讓知識隨時間複利成長的架構——LLM 主動建構並維護一個 markdown 知識庫，而非每次查詢都重新從原始文件撈取。
拆解 Codex Agent Loop：一個對話 Turn 背後發生了什麼
OpenAI Michael Bolin 深入解析 Codex CLI 的 agent loop：從 prompt 組建、token 推理、工具執行，到 context window 管理與自動壓縮。
第一性原理用不出來？三個把它變成日常思考習慣的練習
第一性原理的概念不難，難的是真的用出來。大人學 Joe 用 PMP、念碩士、學理財三個常見場景，示範三個能變成日常直覺的思考練習。
ChatGPT 是怎麼煉成的？解密大型語言模型的三階段訓練流程
ChatGPT 的能力來自第一階段的海量自監督預訓練；但『會回答問題、聽得懂指令、不亂講』則來自後面兩階段的指令微調與 RLHF。能力與對齊，是兩件分開煉成的事。
時間顆粒度：你的時間單位，決定你的職業上限
時間顆粒度是你安排時間的基本單位。從小時縮小到 15 分鐘，不只是量的改變，是對時間成本認知的本質升級。
對話即文件：用 Claude Code 把 Debug 過程直接變成文章
把對話當成可寫成文章的材料：用結構化 prompt 與範本，讓 Claude Code 自動把 debugging thread 轉為可發佈的技術文章。