分享我的 AI Engineering 學習清單（上篇）
前言
現在可以學習 AI Engineering 的資源實在太多了，我整理了一份清單，裡面都是具備紮實的軟體工程技術，並且能夠把複雜技術講得淺顯易懂的大神們的文章或影片。
今天先來分享對我影響最深的兩個來源：
iHower
目前 AI 相關的文章，我最喜歡讀的非 iHower 莫屬。本身工程開發和開源社群的背景都很深厚，而且會自己花時間動手做實驗，印證各種假設和論點。更讓我佩服的是，即使他去研究艱澀的技術文章或直接看 source code，都還是能夠把知識用很淺顯易懂的文字描述出來，每次看完都覺得他真的把「資訊」內化成了「知識」，非常佩服。
近期必讀
順便推一下這週看到的兩篇好文，特別是 Agent Memory 實作（大多不需要用到向量檢索），非常推薦有在自己打造 Agent 或想建知識庫的人花時間看一下，裡面整理並比較了目前對於實作 Agent Memory 最新的各種方法論，看完肯定是獲益良多。
AI Engineer
這個 YouTube 頻道裡有全世界各路 AI 大神們的演講，我自己覺得就是 AI Engineering 版本的 TED，因為大神們都有辦法在很短的時間內，解釋清楚他們的觀點。
而在 AI Coding 影響我最深的兩部影片，也是在這個頻道發現的：
- 12-Factor Agents: Patterns of reliable LLM applications — Dex Horthy, HumanLayer
- No Vibes Allowed: Solving Hard Problems in Complex Codebases — Dex Horthy, HumanLayer
當初看完這兩部影片之後，我馬上在 Heptabase 認真地做了一個白板，把影片中提到 context engineering「為何重要」以及「怎麼實作」的關係串連起來。
接著馬上到 HumanLayer 的 GitHub repo 裡面把影片中提到的技巧 clone 下來用，用到現在我自己的開發流程，仍然是以當初的 research → plan → implement 的 commands 為核心，只是補上了更多客製化的步驟與流程。
近期必讀
也順便推薦這個頻道這週發佈的一部影片，在講 AI Coding 的流程。我甚至因為覺得裡面提到的兩個概念很實用，還做成了 skills（/grill-me & /deep-module），建好到現在的使用率很高。
結尾
下一篇，我會接著分享清單的下集：包含全球頂級加速器 YC，以及兩位優秀的 AI 創辦人：前 Meta AI 科學家和 DAIR.AI 的創辦人 Elvis S.，還有深耕中文社群的生成式 AI 專家、同時也是 AILogora 創辦人的 ChiChieh Huang。
歡迎大家分享都從哪裡吸收 AI 資訊～