Token 成本的真相：分級，但別分太細
把 token 當設計變數而非月底帳單：太粗、沒在管的任務成本沒有上限，但分太細也不會更省。快取讓過度切分反而更貴，重點是找到對的顆粒度。
Posts
Browse all KbWen Blog articles about AI systems, machine learning, Python, and practical software development.
Token Economics of AI Agent Governance
Governance has a bounded, knowable token cost; ungoverned agent work tends not to. And task granularity has its own price: caching can make over-decomposition cost more than it looks.
No evidence, no completion
No evidence, no completion: the one rule that closes most AI agent failures. A task isn't done until it produces a verifiable artifact (commit SHA, test output).
Work Log：跨 session 的記憶機制
AI 代理每個新對話都失憶？Work Log 用一份 markdown 記錄任務進度與決策，讓 Claude Code 跨 session 接續，不用每次重講背景。
Prior art: what distributed systems already knows
AI agent governance maps onto distributed systems patterns: audit logs, delivery acknowledgment, idempotency, least privilege. The prior art already exists.
只用 Prompt 和技能，也能做到基本治理
不用框架也能治理 AI 代理：靠 AGENTS.md / CLAUDE.md 記憶檔、evidence 習慣和範圍宣告，就能擋掉大部分 Claude Code、Cursor 的常見問題。
Why AI Agents Fail in Production
Why AI agents fail: most failures trace to governance gaps (phase gates, state handoffs, capability boundaries) more than to the model itself, and the two need completely different fixes. How to tell them apart.
AI 代理常見痛點與我們的嘗試
AI 代理（AI Agent）開發常見問題整理：輸出難核查、跳步驟、跨對話失憶、範圍失控。從實戰痛點到 Agentic OS 的應對方向，附 Claude Code 實例。
Token 是什麼？LLM 為何只讀 Token？
Token 是什麼？LLM 為何不直接處理完整字詞：解析字級、字元級、子詞級三種 tokenization 方法，包含 BPE 示範程式碼，以及 token 數量對計費和上下文長度的影響。
《大語言模型 LLM：其實做的事情比你想像中更單純》
大語言模型 LLM 原理完整解析：從「預測下一個 token」的核心概念，到 Transformer 自注意力機制、訓練流程四步驟，以及對話生成、程式碼生成等常見應用。