我花了三個月才「vibe code」出一個簡單的番茄鐘 app
5.265 分鐘閱讀👏 17
- vibe coding
- pomodoro technique
我的導師靠三份兼職和窮到骨子裡的日子撐過來，靠的就是一個簡單工具：番茄工作法。對他有效，這些年對我也有效。
02 / 筆記
部落格
關於設計系統、AI 介面，以及把網頁產品打磨到位的隨筆、筆記與開發日誌。
我們造了神諭機，卻需要圖書館員——為什麼 RAG 的「R」比 Google 搜尋還難
7.565 分鐘閱讀👏 1- rags
- agent memory
- llm
搜尋從 Yahoo! 時代就在了，對多數人來說感覺像「已經解決」。打幾個字、按 Enter，就會出一份「夠用」的清單。
Emergence AI 打破了 Agent Memory Benchmark。我試著打破他們的程式碼。
11.305 分鐘閱讀👏 24- llm
- rags
- agent memory
我在 blog 上講過很多次 LongMemEval 資料集。如果你沒深陷 agent memory 這圈，可能沒聽過。它是 ICLR 2025 的 poster paper，為 agent 記憶設了新標準。
SLM 成為新記憶核心：對話理解深度解析
9.775 分鐘閱讀👏 13- agent memory
- llm
- lms
如果你最近有在盯 AI，大概注意到一個大轉變。模型不再只是答問題或生漂亮文字——大家開始期待它記得互動、回想偏好，對話要真的像為你客製。
別再假裝你的 Agent Memory 不是 RAG
10.245 分鐘閱讀👏 21- llm
- rags
- agent memory
註：本文於 2025 年 9 月 2 日更新，納入 Letta 創辦人 Sarah 的澄清。原版把 Letta 歸類為進階 RAG 的一種；Sarah 澄清 Letta 主要聚焦 context re-writing，可與任何 RAG provider 搭配，本身不是 RAG provider。
從 Beta 到實戰：Letta、Mem0 和 Zep 該怎麼選？
8.635 分鐘閱讀👏 81- ai memory
- llm agent
- rags
大型語言模型（LLM）的革命毋庸置疑，但它們無狀態的本質仍是重大障礙。就像《海底總動員》裡的 Dory，常常忘記先前互動的 context，難以真正個人化、長期對話或任務。
AI 記憶挑戰，第一篇：我們請 Mem0 記住五件事。結果如何？
17.48 分鐘閱讀👏 73- cognition
- llm agent
- memories
- ai
你一定看過這種 hype：GPT-4o 有 128k token！Claude 3 能啃完整本小說！聽起來 AI 記憶已經破解，可以收工了？
用 Chain of Draft（CoD）聰明 prompting：炒作 vs 現實
7.815 分鐘閱讀👏 10- llm
- prompt engineering
前幾天 YouTube 硬把這支影片推到我面前：
用 Supabase 架設 Letta（MemGPT）
10.33 分鐘閱讀👏 13- ai
- llm
- agents
如果你在做 AI 應用，大概早就發現一件事很煩：LLM 的記憶力超爛。ChatGPT 和 Claude 看起來好像什麼都記得，但其實是因為他們的團隊早就把這個問題解決了。換成你自己在開發？那就得靠自己了。
