愛好 AI Engineer 電子報 🚀 新型態代理人 OpenClaw 正夯,電子報改版 #35

歡迎訂閱 📬 愛好 AI Engineer 電子報 過往期數點這 📚

Hello! 各位 AI 開發者大家好 👋

跟大家拜個晚年!過年假期在玩 OpenClaw 非常有趣。

它是一個開源的自架 AI Agent 軟體,常駐在你的伺服器上。你會透過 Telegram、Discord 等通訊渠道,隨時隨地交代任務。等於擁有一個可以操作整台電腦、定時執行任務的個人助理。

我在 Facebook 上有分享了一些經驗,也有了一些新的想法:

目前玩法是把 OpenClaw 的 AI Agent (就叫蝦蝦吧)當作我的新員工看待,盡量只用 Telegram 交代他做事 (雖然偶爾還是會有出戲感,會需要手動SSH進去Server排除技術問題)
帳號也都是開新的給他,只開他任務需要知道的權限,而不是讓他去接手我的帳號權限。我認為這是比較好的安全界線。

這是我給蝦蝦新建立的帳號:

從本期電子報起,分享的文章摘要內容,會更直接就是 AI 生成的,會明確區分哪些內容完全是 AI 產出的。
相比之前電子報有花時間每篇人工審稿修改,之後會更放手直接就放 AI 產出,反正大家也看習慣 AI 摘要了(?)

不過放心,選題還是我真人做: 選擇哪些東西值得寫值得分享,還是有人類的聯想、判斷力和直覺。因此要分享哪些文章主題,都是我是挑好才交給 AI 後續處理的。

對於 AI 生成內容的閱讀建議: 只是幫助你快速掌握原文重點的導讀。畢竟原文往往篇幅較長、不容易快速消化,透過翻譯與摘要,
你可以在短時間內了解核心概念。但請留意,摘要無法涵蓋所有細節與脈絡。如果讀完覺得有興趣,強烈推薦點進原文獲得完整資訊。

換句話說: 時間充裕的話,可以直接點原文閱讀。如果時間有限,可以先看中文導讀,有興趣再深入原文。
無論如何,我對自己挑選要分享的原文還是有信心都是很好的內容 😄

在本期分享的精彩文章中,有幾篇我特別有收穫:

⬇️⬇️ 以下是我挑選文章後,由 AI 生成的內容 ⚠️⚠️

閱讀全文〈愛好 AI Engineer 電子報 🚀 新型態代理人 OpenClaw 正夯,電子報改版 #35〉

Agentic Search: 搜尋技術不會消失,只是變成 Agent 工具

看了兩場關於 Agentic Search 的演講,分別來自 AWS OpenSearch 的 John Handler 和 AI-Powered Search 這本書的作者 Doug Turnbull (這有很多檢索知識文章,超讚),兩位都在探討: AI Agent 是否正在取代幾十年累積的搜尋智慧?

閱讀全文〈Agentic Search: 搜尋技術不會消失,只是變成 Agent 工具〉

愛好 AI Engineer 電子報 🚀 2025 Q4 AI 模型與 Agent 開發 #33

歡迎訂閱 📬 愛好 AI Engineer 電子報 過往期數點這 📚

Hello! 各位 AI 開發者大家好 👋

2025 Q4 各家陸續推出新模型,SOTA 模型輪流當。以下整理新模型消息,以及集結我最近發表的內容。

閱讀全文〈愛好 AI Engineer 電子報 🚀 2025 Q4 AI 模型與 Agent 開發 #33〉

AI Agent 產品開發仍然不簡單

在講完 WebConf 之後,我有種莫名的不協調感: 一方面 Vibe Coding 讓大家寫程式變簡單了,人人都可以做 App 了,也很多人講硬技能不重要了。但另一方面,我覺得開發 AI Agent 產品仍是非常有技術挑戰性的,需要的知識技能深度廣度一點都不少。

最近也看到了幾篇關於 AI Agent 開發的文章,發現國外技術社群在 2025 Q4 也有類似的體悟: Agent 產品開發設計還是很難。

不是「寫程式很難」那種難,而是「95% 的 AI Agent 產品,進到正式環境會失敗」這種難。問題不在模型不夠聰明,而在於周邊的工程架構: context 管理、memoy 設計、錯誤處理、agent prompt 最佳化、語意檢索、評估回饋機制等等,很多都是全新領域,且戰且走的情況。模型只能用幾個月就要升級更換,幾個月前的 best practice 也可能會被推翻重新思考。

總之,以下我整理年底四篇我覺得關於 Agent 開發氛圍的不錯文章:

閱讀全文〈AI Agent 產品開發仍然不簡單〉

實戰 AI Agents 應用開發: TTFT 和 Prompt Caching

2025/12/13 在 WebConf Taiwan 分享的演講投影片 ➡️ 這裡下載PDF(32mb)

如果你還沒有訂閱我的電子報,歡迎訂閱 📬 愛好 AI Engineer 電子報。

議程介紹:

AI Agent 正逐漸成為 Web 應用產品中的關鍵功能,從工作流程到 AI 智慧助理,開發者開始讓 Agent 融入 Web 應用的系統架構。

延續去年「淺談 AI Agents 應用開發」的基礎,今年我們從實戰角度出發,介紹如何在 Web 環境下開發、部署與最佳化 AI Agent 系統。本次分享將以 Python FastAPI + OpenAI Agents SDK + 前後端分離架構為例,展示如何讓 Agent 流暢地進行串流輸出,以 TTFT (Time To First Token) 與 Prompt Caching 優先的系統架構。同時也探討前端的 Agent UI 設計、可觀測性、Agent 評估、上下文工程(Context Engineering) 等實務技巧。多方面探討如何在 Web 環境上打造 AI Agent 系統。