Wisely Chen｜AI Agent、地端 LLM 與企業 AI 架構實戰筆記

🏭 FDE 模式與企業 AI 轉型 Topic Cluster

95% 企業 AI 導入失敗，不是技術問題，是信任與流程問題。FDE（Forward Deployed Engineer）是 Palantir 首創的駐場工程師模式，2025 年成為 AI Agent 落地的主流策略。

📖 Pillar Page：FDE 模式全解析：為何「駐場工程師」才是企業 AI Agent 真正落地的關鍵？

📖 Pillar Page：AI 企業轉型不是導入工具，而是治理問題

FDE 核心方法論

• 流程濾光片：沒有流程知識，再多數據也是噪音
• 持續實驗：FDE 的成功與失敗復盤
• 信任建立：100 天站會換取信任的故事
• 人才培養：AI 不會取代年輕人，是還沒給機會
• 最小權限原則真的可行嗎？FDE 視角下的資安與企業效率衝突
• 披薩指數再度命中：為什麼最好的 AI 顧問第一天不談 AI

企業 AI 轉型實戰

• [小老闆充電站訪談] 企業AI轉型三步驟：從概念到落地
• 為什麼 AI Agent 無法企業落地？看泰山的挑水工就懂了
• [小老闆充電站訪談] 什麼是 AI Agent？企業 AI 導入的真實觀察
• [小老闆充電站訪談] AI 生產力實戰：從填補短板到一邊超慢跑一邊寫 Code
• 那天我在產業園區分享：AI 能不能做起來，其實看人
• AI創收的最佳案例之一
• 用 AI 把餅做大：為什麼老闆看不到「增效」？

🔐 AI 資訊安全 Topic Cluster

AI Agent 帶來全新的資安挑戰。傳統 Guardrails 為什麼擋不住？企業該如何從架構層面重新設計安全防線？

📖 Pillar Page：AI Agent Security：遊戲規則已經改變

攻擊案例與威脅

• AI Coding 的隱形危機：為什麼一直按「Yes」是你最大的資安漏洞？
• AI Agent 攻擊案例全集：4 個真實事件告訴你企業 AI 怎麼被攻破
• AI Guardrails 為什麼註定失敗？從 Prompt Injection 到 Agent 架構安全

防禦架構（CaMeL 系列）

• CaMeL：Google DeepMind 提出的 Prompt Injection 防禦架構
• CaMeL Agent 架構落地 PostgreSQL：用 RLS 設計不可繞過的 AI Memory 與權限隔離

治理與合規

• AI 治理是什麼？企業在 AI 時代必須回答的 3 個責任問題
• AI 時代的資安平衡：從來不是絕對安全，而是平衡
• 企業級地端 LLM 架構藍圖：Auth + 沙盒 + 雙層 Log
• 台灣人工智慧基本法｜IT 主管必讀的資安合規建議

💾 保證很無聊的 IT 架構系列 Topic Cluster

企業 AI 落地不只是「把模型跑起來」。這系列講的是那些無聊但必要的基礎建設：權限管理、日誌審計、沙盒隔離、雲地混合架構。

📖 Pillar Page：企業級地端 LLM 系統架構藍圖

• 企業級地端 LLM 系統架構藍圖
• PostgreSQL AI Memory Store：為什麼 RAG Vector Store 只是 AI Agent 的一種記憶使用方式
• CaMeL Agent 架構落地 PostgreSQL：用 RLS 設計不可繞過的 AI Memory 與權限隔離
• AI Agent 時代的無聊基礎建設：地端 OCR API
• n8n 雲地混合架構：為什麼它不只是一個 Low-Code 工具
• AI Coding On-Prem 的三條路：雲端內網化、真地端、還是灰色折衷？
• Langfuse 架構演進：為什麼從全 PostgreSQL 走向 ClickHouse

🛡️ Harness Engineering 系列 Topic Cluster

AI 可以寫 Code，但不能自己上 Production。亞馬遜禁用 AI Code Generator、Replit AI 刪光生產資料庫、Anthropic 自己加錯一句話炸鍋 6 週——三起事件指向同一件事：你需要的不是「更聰明的 AI」，是「能接住 AI 的系統」。這個系列從架構全景、Control Plane 控制平面、到 Walking Labs Harness Engineering 課程 12 講的逐講實戰，拆解了「人不能事必躬親、AI 不能放任自流」之間的所有工程細節。

📖 Pillar Page：Harness Engineering 架構全景：AI 可以寫 Code，但不能自己上 Production

架構與原則

• Harness Engineering 架構全景：四層防禦 × 七元件參考架構
• Harness Engineering 完整拆解：Control-Plane Pattern 八步閉環
• Prompt Guides Engineering：用約束建立 Agent 行為的工程原則

實戰系列（對應 Walking Labs Harness Engineering 課程 12 講）

• [L04] 把指令拆分到不同檔案裡：CLAUDE.md / .cursorrules 失控的真實證據 + AGENTS.md 三層拆分模式

真實災難案例

• 亞馬遜 AI 事故啟示：科技巨頭一邊賣 AI 未來，一邊在自己家裡給 AI 上鎖
• 當 AI 把資料庫刪光：兩個真實案例與 Harness Engineering 的反擊
• Opus 4.7「變笨」一個月之謎：Anthropic 終於承認是 harness，不是模型
• 混沌智能體：控制好一個 AI Agent 不等於控制好一群

🤖 AI Agent 完整指南 Topic Cluster

AI Agent 已經不是 AI 的子題，而是一個獨立技術領域。本系列涵蓋架構、執行、決策、記憶、安全五大核心主題。

📖 Pillar Page：AI Agent 完整指南：從架構設計到企業安全落地

架構模式

• [Part 1] Workflow 型和 ReAct 型，誰更像你？
• [Part 2] Plan & Exec 臨機應變 vs 讀著路書跑
• [Part 5] Anthropic Dual-Agent 架構
• Multi-Agent 協作模式

執行與決策

• [Part 3] Interleaved Thinking
• [Part 4] Plan, Exec, Critic
• [Part 7] LATS 詳解
• [Part 6] Storm
• Google Prompt Repetition：重複就是力量

記憶與學習

• [Part 8] Nested Learning
• MIT RLM：讓 AI 不再「忘記」的遞迴語言模型

可解釋性與信任

• AI Agent 可解釋性：從資安合規到營運信任的關鍵工程設計
• Kalman Filter × Transformer：當「物理直覺」遇上「深度學習」

安全架構

• CaMeL：Google DeepMind 提出的 Prompt Injection 防禦架構

🦞 OpenClaw 深度解析 Topic Cluster

OpenClaw 不只是一個 CLI 工具，它是目前最接近「AI 數位員工」的開源 Agent 框架。從六層架構設計到企業部署、成本優化、產業競爭，這系列記錄了一個工程師從零開始深度使用 OpenClaw 的完整歷程。

📖 Pillar Page：OpenClaw 架構全拆解：Agent 工程師必學的六層設計

架構與設計

• OpenClaw 記憶系統全解析：SOUL.md、AGENTS.md 與高昂的 Token 成本
• OpenClaw 的五種上網方式：從搜尋 API 到接管你的瀏覽器
• OpenClaw 三月大更新：Agent Framework 正在變成 Agent OS

實戰部署與工作流

• 這幾天我密集使用小龍蝦 OpenClaw：為什麼我決定把它納入工作流
• OpenClaw 如何部署在企業：把 AI Agent 當成「全新的員工」
• 別把 OpenClaw 用成 Claude Code：單 Agent 深化，才是你的護城河

成本優化

• OpenClaw Token 優化指南：如何將 AI Agent 運營成本降低 97%

產業定位與競爭

• 個人 AI 助手決戰週：Claude Code vs OpenClaw 殊途同歸
• Channel 的戰爭：OpenClaw、Anthropic 和誰能決定 AI Agent 的未來
• NemoClaw 不是終局，但企業 Agent 這塊田很大