讓 Agent 安全地執行程式碼：沙箱的三層防護
允許模型執行程式碼是能力躍升，也是風險躍升。這是可實作的三層防護。
災難性遺忘：微調後模型變笨了怎麼辦
專項任務變好、其他能力全面退化，是微調最典型的副作用。有幾個明確的緩解手段。
給答案加上引用：可追溯的 RAG 怎麼實作
沒有引用的 RAG 等於沒有依據。這篇示範讓每一句答案都能對回原文的做法。
圖文混合檢索：讓 RAG 也能搜到圖表
技術文件的關鍵資訊常常在圖表裡。純文字 RAG 會整個漏掉。
自架還是用 API：把成本算清楚再決定
自架的成本不只是顯示卡租金。這篇把常被忽略的項目列出來一起算。
A/B 測試模型改動：樣本數與統計顯著性
看到「新版好 2%」就全量上線，很可能只是雜訊。這篇給實用的判斷方法。
非同步批次處理：大量任務怎麼跑得又快又省
一萬份文件要處理，逐筆同步呼叫要跑一整天。批次架構能壓到幾小時。
把人放進迴圈：需要確認的動作該怎麼設計
刪除資料、寄信、付款這類動作不該由 Agent 自行決定。這篇是確認機制的實作模式。
建立你的第一組提示評測集：30 題就能開始
沒有評測集，改提示就只是憑感覺。這篇示範用 30 題建立可重跑的基準。
偏好對齊入門：什麼情況下需要 DPO
監督式微調教模型「怎麼做」，偏好對齊教它「兩個都對時選哪個」。多數任務不需要。
RAG 的評測方法：分開量檢索與生成
把 RAG 當黑箱評測，永遠不知道該修哪裡。這篇拆成兩層各自量測。
模型路由：用小模型接住八成流量
不是每個請求都需要最貴的模型。路由做得好，成本可以砍掉一半以上。
任務規劃：先出計畫再執行，值得嗎
讓 Agent 先寫出計畫再動手，在長任務上有效，在短任務上是浪費。這篇給判斷界線。
提示壓縮：在不掉分的前提下把 token 砍掉四成
長提示不只貴，還會讓中段指令被忽略。這篇是實測過的壓縮順序。
父子片段：檢索用小段落，生成給大段落
小片段檢索準，大片段回答完整。父子結構讓你兩者兼得。