AI Engineering

本區整理 AI、AI Agent、RAG、Context Engineering、Claude Code 與工具化工作流的公開筆記。內容偏向工程實作、系統設計與個人知識管理，而不是泛用名詞介紹。

Start Here

1. Prompt Engineering 核心技術：Chaining、CoT 與 Loop
2. Context Engineering：超越 Prompt Engineering 的下一個前線
3. RAG 完整指南：檢索增強生成的原理、架構與實作
4. Claude Code 寫程式準則：Andrej Karpathy 版本整理

Learning Paths

想理解 LLM Evaluation 與 Observability

• LLM Evaluation 實務：RAG 評估、Agent Trajectory 與 LLM-as-Judge 偏誤
  建立評估 LLM 系統的基礎地圖：什麼層次用什麼指標，LLM-as-judge 的限制。
• LLM Evaluation 進階：Cost-Aware 評估、線上 A/B 與離線指標的對齊
  把成本納入評估決策，以及離線評估怎麼和線上 A/B 結果不失真地對齊。
• Agent Memory 系統：短期/長期記憶、向量記憶與記憶腐化更新策略
  Agent 記憶的四種類型、向量記憶架構，以及記憶腐化的三種壞法和對應更新策略。
• Agent Observability：用 Trace 看清 Agent 在做什麼
  線上觀測 agent 的 trace、cost、latency 與 failure mode，和離線評估互補。

想理解 RAG 與檢索系統

• RAG 完整指南：檢索增強生成的原理、架構與實作
  從檢索、切分、向量資料庫到生成流程，建立 RAG 系統的基礎地圖。
• Agentic RAG（2026）：從固定檢索到自我修正的檢索迴圈
  說明 RAG 如何加入反思、重試、查詢改寫與自我修正機制。
• Context Engineering：超越 Prompt Engineering 的下一個前線
  把注意力從單次 prompt 擴大到上下文配置、記憶、工具結果與資訊流設計。

想打造 Coding Agent 工作流

• Claude Code 寫程式準則：Andrej Karpathy 版本整理
  整理 Claude Code 在程式開發任務上的使用準則與互動心法。
• Superpowers：把資深工程師紀律編碼成 Markdown 的 Skill 框架
  介紹如何用 Skills 把 TDD、debugging、planning 等工程紀律外顯化。
• Claude Code 紀律框架對比：Superpowers / GSD / gstack
  比較不同 Claude Code 工作流框架的定位、優缺點與適用情境。
• MCP Builder：用 Skill 引導蓋出生產級 MCP Server
  介紹如何用 Skill 流程引導 MCP Server 的規劃、實作與驗證。

想用 AI 維護個人知識庫

• 用 CLAUDE.md 把 AI 變成你的 Obsidian 知識庫維護者
  說明如何用 CLAUDE.md 定義知識庫維護規則，讓 AI 協助整理與發布筆記。
• 我的 Obsidian Vault CLAUDE.md 原文
  公開我實際使用的 Obsidian Vault CLAUDE.md，作為前一篇的範本附件。