Categories

第 129 頁

AI 工具解析

MCP 很適合接工具，但別把它當成所有內部系統的萬能插座

Strands Agents：把 agent loop 寫進產品前，先想清楚你要的是 SDK 還是平台

dstack：AI 團隊不一定想管 Kubernetes，但一定會被 GPU 編排追上

OpenRouter 值得導入嗎：它適合做模型採購窗口，不適合當治理核心

AReaL：agentic RL 開始從研究腳本，長成可以接外部 agent 的訓練基礎設施

LiteLLM Proxy 值得導入嗎：它解的是模型治理，不是多接幾家 API 的爽感

Context7 適合補 AI coding 的文件新鮮度，但別把它當成架構判斷外掛

DSPy 適合把 Prompt 調參工程化，但別把它當成會自動理解產品的優化器

Instructor 適合把 LLM 輸出拉回型別契約，但別把 schema 當成產品理解

LLM Observability 值得早點做，但別把追蹤系統誤會成品質系統