AI MOC
用途：這張地圖串連了關於「AI / LLM」的相關筆記，作為導航層。
LLM 與 Transformer 原理
Prompt Engineering
AI 開發工具
- 啟用 Copilot
- 活用 GitHub Copilot 開發 Web 應用程式
- Claude Code 工作流程
- Claude.md 的使用與優點
- 有了 CLAUDE.md 還需要 README 嗎？
- Anthropic 各部門使用 Claude Code 筆記
- AI 逆向工程 REA（AI懶人報 EP424） — REA 把 Ghidra／IDA 接到 agent 手上；未抽原子筆記，整篇留在來源note
Agent 成本與用量
怎麼讀自己的用量數字，以及錢實際花在哪：
- Agent 的成本主要在每輪重讀 context，不在輸出 — cache read 占約 76%，限制 output 長度沒用
- 長 session 的邊際成本是線性累積的 — context 一旦養肥，往後每一輪都要再付一遍
- 派工 subagent 的節省來自報告壓縮與模型價差，不是派工本身 — 同模型派工是負節省
專案：Agent 使用效率（量測流程、改善措施與歷次數字）
決策模型（System One）
不生成文字、只回傳型別化決策的那一類模型：
- Jev 不生成文字，只回傳帶機率的決策 — TypeSafe AI 的 Jev 與 System One Model 這個類別
- Jev 的三種原語：Choice、Score、Noul — 整個編程模型就這三個問題
- Jev 省 token 省在輸出歸零與狀態只送一次 — 為什麼便宜，以及宣傳倍率要打幾折
來源：01Coder〈Jev 實測：這款爆火的極速決策模型的基本玩法〉（2026-09-18），連結見各篇筆記的 source
AI 與前端
AI 產出的可讀性
產出夠多之後，接力棒換到人手上的那一段：
- AI 產出的瓶頸在人類的閱讀速度與注意力 — 限制不在生成速度，在讀得完嗎
- 讓 AI 把產出改寫成人類吸收更快的形式 — 文章／圖表／互動網頁／客製化影片四條路
- ASD-STE100 — 飛機手冊的受限語言，寫一般文章套 80%
- 好看不等於正確，可讀性不能代替驗證 — 形式的說服力會讓人跳過檢查
來源：YouTube〈https://www.youtube.com/watch?v=CL0SjJXCqhY〉，連結見各篇筆記的 source
agent 友善的工具與介面
- 怎麼評估一個 API 的 agent 人體工學？ — Linear 把它列為選型條件，但沒給評估方法
- 決定性的 codemod 是大遷移的地基，agent 只做擴建 — 派 agent 的五個前提，以及它卡在哪
來源：Linear 從 styled-components 遷移到 StyleX
AI 協作心得
- 監督 AI 產出的檢查成本可能比自己寫還高
- 並行多個 AI agent 的 context switch 會偷走專注
- 低階實作＋高階檢驗的分層，缺的是檢驗標準不是模型強度 — 分層派工後要再問一次：檢驗拿什麼對照
- 同時有 feature 與 bug 兩條線時，agent 要怎麼分工？ — 待解
- 判準不是問題難不難，是有沒有標準化的驗收方式 — 能不能交給 LLM，看的是事後驗收得了嗎
- 不可驗證的 AI 答案照問，但只當方向不當答案 — 判準從「該不該問」移到「能給多少權重」
- 蓋出高於自己理解程度的系統，能動時落差是隱形的 — 沒有能力檢查時，檢查成本不是高，是無限
AI 時代的 code review
怎麼在產出量暴增的情況下，決定哪些 code 要親自讀：
- 把 codebase 想成一棵樹：trunk 與 leaf 的分界是有沒有被隔開 — review 深度由 blast radius 決定，不由難易度
- PR 要自帶證據，證據是少讀 code 的交換條件 — 四類 proof；少讀 code 要拿證據去換
- Review 要用沒生成過這段 code 的 agent — 帶著原上下文的 agent 會替自己辯護
- Feature gate 最簡單就是一個 boolean flag — 把改動變成 leaf、讓 roll back 有答案
- 跑實驗不是為了成效，是為了早點看到爆炸 — 沒有統計檢定力也要跑
- Merge ready 不等於 launch ready，最後 20% 和前面 80% 一樣久 — 人的品味花在哪
- Code review 回饋要按處理成本分級，能機械化的交給 CI — 五級分法，一半可以用 linter 收掉
- 我的 review 旋鈕是看不看得懂，他的是影響範圍 — 我的做法和這套框架的落差
- 我的多 agent 產線：文件是交接介面，agent 之間互相審查 — 現行流程與缺口
- 怎麼判斷一段改動的影響範圍？ — 待解
- Feature flag 的生命週期：什麼時候拿掉、既有 code 怎麼包？ — 待解
來源：How I Review AI Code（John Kim）