ihower { blogging }

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〉

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。

(整理分享一些關於 Spec-Driven Development (SDD) 的看法和內容)

Spec-Driven Development (SDD) 是什麼? 簡單說講就是在用 AI 寫程式之前，先讓 LLM 生成一大堆規格文件: 產品需求 → 技術設計 → 任務清單，然後才交給 coding agent 執行。目前有幾個工具在推這套流程: GitHub 的 Spec-Kit、AWS 的 Kiro、還有 Tessl。

社群討論其實非常兩極。正面看法認為遠比 vibe coding 可靠、適合要上線維護的真實專案、開發速度中期來看其實更快。負面看法則認為這就是 Waterfall 2.0、過度工程化、扼殺創造力。我自己從一開始就不太看好，最近看到幾篇深度分析文章，更加印證了我的看法。

閱讀全文〈Spec-Driven Development(SDD) 的美好願景與殘酷現實〉

為什麼選這台?

能在本地自家跑 LLM 大模型，應該是 AI 工程師的夢想之一。

閱讀全文〈Framework Desktop (AMD Ryzen AI Max+395) 開箱〉