AI Agent Engineering · Evidence-driven Tooling · Software Engineering
做過台股量化與交易系統，現在主要在做讓 AI agent 能長時間工作、保留脈絡，也經得起驗證的工程工具。
📍 Taipei · 25°N, 121°E
我原本做台股量化與演算法交易。交易系統給我的習慣是：結果看起來合理還不夠，還要知道資料從哪裡來、誰有權限做什麼、失敗停在哪裡，以及事後能不能重播。回測很漂亮，跟真的敢讓它碰市場，是兩回事。
現在我把同一套標準拿來做 AI agent。模型可以研究、寫程式、提出不同看法，但複雜工作不能只剩一段看起來很有自信的回答。我比較在意證據有沒有跟著結論留下來、長任務換一個 session 還接不接得回去，以及工具出錯時會停住，還是悄悄把不確定性帶到下一步。
該由程式守住的就寫清楚；該由人決定的，就不要偷偷自動化。
- smart-agentic-engineering-toolkit — 把 specification、debugging、implementation、review 與 incident learning 拆成可獨立使用的工程 skills。不是要求每個任務照同一套儀式跑，而是依風險選最小、真的能推翻錯誤主張的檢查；該停的地方也要有明確 stop condition。
- ai-agent-thinkroom — 遇到重要又不確定的問題，不讓單一模型一路講到底。Thinkroom 先把不同觀點隔離展開，等各自完成後才互相批判，最後合成一份帶著 evidence、provenance、驗證狀態與保留異議的答案；Web UI、CLI、SDK、REST 與 MCP 都能接。
- hermes-agent-harness-plus — 給 Hermes Agent 用的外掛工具箱。Task Canvas 留下工作的形狀，raw evidence 放在可回取的 references，本機 Qdrant 負責把之後還會用到的東西找回來。元件各自 opt-in，不需要改 Hermes Agent 本體。
- Chatgpt-Codex-App-Plus — 把我平常使用的 Codex 客製化整理成可安裝、可驗證、可持續同步的公開版本，包含 Context Canvas、A2A 操作流程與 canonical toolkit pointers。同步只接受 manifest 核准的檔案；碰到憑證、私有路徑或未知內容就停，不把整份個人環境直接打包上傳。
- 一個直接的檢查就能回答的問題，不先蓋一層 orchestration。
- 能用 deterministic code 守住的邊界，就不要賭模型每次都猜對。
- 只有重要、真的有不確定性的問題，才值得展開多條獨立研究路線；分工本身不是品質證明。
- 長任務留下精簡的 task map，原始證據另外保存並保持可回取，不把聊天紀錄當唯一記憶。
- Canvas、語意搜尋和模型 worker 都是可選工具。少一個工具時，工作應該能退回比較直接的路徑，而不是整件事卡死。
- 任何會碰到憑證、外部狀態或人的決定的動作，邊界要比方便更早被看見。
Domains: AI Agent Engineering · Evidence-driven Development · Research Orchestration · Local-first Tooling
- Website: phenomenoner.github.io
- GitHub: @phenomenoner
- Email: phenomenoner@gmail.com
如果你也在做 agent engineering、AI 輔助軟體開發、研究工具或長任務的脈絡管理，歡迎來信。比起 pitch，我比較喜歡直接聊設計、失敗案例和怎麼驗證。