設定檔裡標了 MANDATORY 的規則，同一個 session 裡被跳過了兩次。這篇解釋三個架構原因為什麼強調沒用，以及三個真正有效的系統設計解法。

把截圖導向的 iOS 測試改成 ui_describe_all 優先，BPS Tracker 測試的 context 用量從 81,290 KB 降到 15,215 KB。外加 Fastlane 整合：截圖、App Store 上傳全自動。

一個 /debate 指令讓 Codex CLI 和 Gemini CLI 對同一份程式碼互相辯論。訓練資料不同、盲點不同——它們的分歧通常是最有用的輸出。

用 claude -p subprocess 建 multi-agent orchestrator，發現中間 turn 全被靜默丟棄。SDK 遷移、session resume、並行執行、以及 setting_sources 的影響。

CLAUDE.md 和 MEMORY.md 會默默長大，直到每個 turn 吃掉 10K+ tokens。我做了一個 /slim skill 讓 Claude 自己診斷和修復膨脹 — 這是完整做法。

剛開始用 Claude Code，context window 一直滿。這篇解釋 token 花去哪、哪些浪費了、怎麼讓 Claude 更精準地找資料而不是暴力讀檔。

sysprog21/zhtw-mcp 把繁中規則編譯成執行檔。掃 ai-muninn 全部 72 篇繁中文章三輪修了 128 處陸用詞,但真正的收穫不是修了多少 — 是發現我的盲點不是「不知道台灣怎麼說」,是「碰到陸用詞時預設不會主動懷疑」。

我有一條「發文前要查證」的規則,還是寫了三次說錯。問題不在規則,在它放在哪一層。這篇講我怎麼把它從 skill 升級成 hook — 一段守在「按下送出」那一刻的小程式,沒查證連嘗試都不准。

額度斷在任務半路,蒸發的不是知識庫,是這個任務的 live state:做到哪、排除了哪些死路、下一步跑哪個命令。這篇講我怎麼把 state 外部化成一個 handoff 檔,讓 Claude Code 跟 Codex 經 symlink 讀寫同一份、互相接手彼此做一半的活——以及用 hook 上鎖時踩到、又修掉的一個 false-takeover bug。

交辦 AI 工程任務,交出去的不是一段對話,是一張工單檔。這篇講我怎麼把任務寫成自足工單(目標/步驟/機器可驗收/紅線)、detached 背景派工給 Codex、用三個 flag 和一個看門狗擋掉永久卡死,以及為什麼收到完工報告不等於做完——報告是 claim,驗收重跑才是 evidence。

退役一個 AI agent 的舊記憶系統,看起來只是半小時的雜活,結果連踩三個暗坑:退役的資料夾其實是現役鏡像、doctrine 說有的備份根本不存在、hub-and-spoke 拓撲讓你從單台機器只看得到半張圖。根源都同一個——白紙寫的 doctrine 早跟實際在跑的 runtime 漂開了。

我拿大約 600 篇 markdown 檔當 AI 的長期記憶,分成三層:檔案本身是唯一的真相源、一個搜尋引擎讓它們找得到、一張知識圖譜用概念把它們連起來。這篇先講清楚這個設計、每一層為什麼存在、換來什麼好處,最後才講我建它時走錯的那幾條路。

我拿一批 markdown 檔當 AI 的長期記憶,在檢索(搜尋加知識圖譜)之上再疊一層蒸餾層。檢索撈回的是原始材料,每個 session、每個 agent 都得重讀重推一遍;蒸餾層把定案結論冶煉一次、存成一檔一個 claim,之後直接取用。這篇講清楚這層是什麼、為什麼它的目的是『少解釋一次』而不是『逼大家講一樣』、以及我怎麼學會真的去信它。

這是 AI Workflow 系列裡『兩軸合流』這一段的收尾。回頭看整段路,前面六篇其實在蓋同一套系統的兩條軸:持久知識(我知道什麼,長效、要用再查)和即時狀態(我現在做到哪,易逝、隨時寫)。這篇講清楚兩條軸為什麼互不代替、怎麼匯流到『多 AI 交接』、又受同一套哲學管——以及那條讓一群不完全信任的模型還能安全協作的中心律:沒有收據就不信。

AI Workflow 系列第 15 篇。某天早上我讀 codex 紀錄,滑到一行:skill 描述被剪短,才塞得進 2% 的 context 預算。我共用的 root 累到 193 個 skill,全載進去撐爆上限,每條描述都被截斷——我天天在用的,被剪掉是為了替我從不碰的一百多個騰位子。這篇講怎麼用 per-agent allowlist(不是刪)砍到 7 個、薄殼配深引擎壓低每個 skill 的載入成本,再用一個閘門加稽核加可逆退場區守住,不讓它肥回去。

一個有長期記憶的 AI agent，把自己答錯的結論自動寫進記憶，之後每個新對話都翻出來當事實。/new 清不掉，因為幻覺住進了記憶層。五回合探針加三刀解毒的完整病歷。

一篇技術文五關全過,唯一的人類讀者一句話就命中:同一個句型在稿子裡出現了五次。查下去發現該抓的規則白紙黑字寫在 skill 裡、內容也對,但它標著「人工掃」——沒有指令、沒有 exit code、擋不住任何東西,所以從來沒運作過。門檻怎麼用五篇舊文校準、兩次真實攔截、以及一個機械檢查永遠抓不到的變體。

派給 Codex CLI 的小工單常常一跑就是 40 分鐘起跳。這篇拆開近兩週 41 個執行紀錄，量出「牆鐘時間≈工具呼叫次數×14.3 秒」的公式，揪出 41 分鐘裡機器真正做事只有 4.4 分鐘，再用四刀把同型工單壓到 73 秒。

StoryScope 完全不看文風，只看敘事結構，93.2% macro-F1 就分得出人寫的與 AI 寫的。我拿它的五個問題掃自己已發布的文章，同一個教訓被抓到講了四次。

預設 TTS 的聲音不是你的聲音。24 秒錄音加十行 Python 就能 zero-shot clone,MacBook 本機跑得動，不用 GPU 機也不用訓練。

Claude Code 2.1.287 起支援 mods，能在終端機裡畫面板、加按鈕、給 Claude 新工具。這篇給六段實測過的 prompt，一步步讓 Claude 幫你做出顯示 GPU、硬碟、Claude 額度、本地模型的儀表板。

Google 放出 EmbeddingGemma 2，文字、圖片、聲音進同一個 768 維空間。我拿知識庫 813 篇筆記和 424 個程式檔，在 M1 Max 上跟第一代同設定比:筆記搜尋 recall@5 50%→58.3%，程式碼第一名 1/10→4/10，記憶體 1.03→2.75 GiB。

只給 AI 編好的 iOS 執行檔和免費的 REA + Ghidra，問三題。前兩輪 Ghidra 起不來，AI 誠實答不知道;調好設定後 16 分鐘答完，最大虧損公式跟原始碼一致。附安裝、設定與盲測做法。

用一張 RTX 2080 Ti 跑 4-bit 的 VoxCPM2 GGUF，複製自己的聲音，幫每天好幾支中英雙語新聞短片配音，一句不到兩秒。從編 llama.cpp-omni、接成常駐服務、念錯專名怎麼標，到怎麼讓 whisper 當關卡又不冤枉人，一次講完。

我用 Claude Code mods 把手上的 AI 席位畫成像素風 JRPG 隊伍：誰在工作就演工作動畫，點進去有力量、智力、敏捷、耐力、魔力。做完第一個發現是 Codex 一週接了 212 張工單。附開源 repo 與做法。

MOSS-Image 繁中標題 4 題全對，Qwen-Image 2.1 同題把「全」寫成「佺」。在 RTX 5090 從一張 37 秒加速到 2.2 秒、在 2080 Ti 舊卡跟配音服務共用，最後做成四格漫畫社群卡，安裝、加速、踩坑一次講完。

VoxCPM2 配中文旁白常念成大陸音或念錯字。我用一張共用念法表，加上 g2pW 依上下文自動判讀台灣讀音，表從 3 條長到 80 條。前半教表怎麼建、破音字怎麼綁、萌典查注音、拼音沒用改同音字，後半是聲音變遠的調查。

兩台 DGX Spark 跑本地模型，每天自己選新聞、寫稿、查核、用我的聲音配音、做成動畫短片上 YouTube。火柴人版本地導演 89.3 分高過 Sonnet，harness 把導演時間從 80.6 分鐘壓到 5–10 分鐘；做了約 240 支後發現產量拉高不會多人看，改成一天最多 4 則。