[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"article-anthropic-claude-tag-research-slack-search-zh":3,"article-related-anthropic-claude-tag-research-slack-search-zh":30,"series-ai-agent-0e808308-2bd5-4fc0-a664-698df223abc4":75},{"id":4,"slug":5,"title":6,"content":7,"summary":8,"source":9,"source_url":10,"author":11,"image_url":12,"cover_image":12,"category":13,"language":14,"translated_content":11,"related_article_id":15,"keywords":16,"key_takeaways":22,"views":26,"created_at":27,"published_at":28,"topic_cluster_id":29},"0e808308-2bd5-4fc0-a664-698df223abc4","anthropic-claude-tag-research-slack-search-zh","Claude 讓 Slack 變研究庫","\u003Cp data-speakable=\"summary\">\u003Ca href=\"\u002Ftag\u002Fclaude\">Claude\u003C\u002Fa> Tag Research 把 Slack 變成可搜尋的研究庫，重點是標籤、權限、摘要與可回溯來源。\u003C\u002Fp>\u003Cp>我用 Slack 很久了，也被它氣很久了。不是因為它不能聊，是因為它太會把答案藏起來：一個決策散在三個 thread、兩個 emoji、還有一個離職同事留下的半句話。你要找資料，它永遠像在跟你玩尋寶；你要做研究，它又像把整間辦公室的噪音直接倒進搜尋框。我一直\u003Ca href=\"\u002Fnews\u002Fproject-solara-agent-first-devices-zh\">想把\u003C\u002Fa> chat 變成能用的知識庫，但以前的方法都很爛：搜尋太粗、釘選太慢、叫大家去文件補上下文，最後只是在別的地方再製造一份遺失風險。\u003C\u002Fp>\u003Cp>所以我看到 Reuters 這篇 \u003Ca href=\"https:\u002F\u002Fwww.reuters.com\u002Ftechnology\u002Fanthropic-launches-claude-tag-research-preview-slack-users-2026-06-23\u002F\">報導\u003C\u002Fa>，第一反應不是「哇又有新功能」，而是「這次是在解決 workflow 不是在賣 demo」。\u003Ca href=\"\u002Ftag\u002Fanthropic\">Anthropic\u003C\u002Fa> 推 Claude Tag Research preview 給 Slack 使用者，重點不是模型多會寫，而是它想把 Slack 變成一個可查、可標、可回頭驗證的研究面。Reuters 沒有丟出一堆誇張數字，這點反而老實；它只讓我看見方向：AI 不該只是回答問題，還要幫我把問題的脈絡收好。\u003C\u002Fp>\u003Ch2>不要把 Slack 當聊天工具，把它當證據堆\u003C\u002Fh2>\u003Cblockquote>Anthropic launches Claude Tag Research preview for Slack users.\u003C\u002Fblockquote>\u003Cp>翻譯一下就是：Slack 不再只是大家丟訊息的地方，它其實早就變成一個意外形成的知識庫。只是這個知識庫很醜，也很難查。大家在裡面講過的東西，很多都不是「聊天內容」而已，而是決策、例外、客訴、版本變更、誰答應了什麼。問題是，沒有人真的把它整理成能查的形式。\u003C\u002Fp>\n\u003Cfigure class=\"my-6\">\u003Cimg src=\"https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1782285516725-yjy9.png\" alt=\"Claude 讓 Slack 變研究庫\" class=\"rounded-xl w-full\" loading=\"lazy\" \u002F>\u003C\u002Ffigure>\n\u003Cp>我在產品跟工程團隊都遇過這種狀況。有人問一個問題，先拿到兩個半答案，真正的答案卻在兩小時後才出現在某個 thread 裡，還沒人補摘要。隔一週同一題又被拿出來重問，大家再吵一次，像在演《今天暫時停止》。如果 Claude Tag Research 真能把 Slack 裡的內容標出來、串起來、讓人找得到，那它的價值不是「寫得更像人」，而是「讓混亂的對話變成可回收的資料」。\u003C\u002Fp>\u003Cp>實操上，我會先做一件很土但很重要的事：把 Slack 裡哪些地方算研究面先圈出來。通常是決策 channel、launch channel、incident channel、客訴 channel。不要一開始就想把所有 DM 都吃進去，那只會把工作場域變成垃圾場。先定義哪些對話值得被當成證據，AI 才有東西可整理。\u003C\u002Fp>\u003Cp>我會再補一條規則：重要結論一定要回寫到單一 canonical note。Slack 可以是來源，但不要讓 Slack 變成唯一真相。因為一旦 thread 被洗掉、被靜音、被人忘記，知識就跟著蒸發。Claude 這種工具如果要有用，重點是把「找答案」變成「找得到證據」。\u003C\u002Fp>\u003Cp>我自己會參考 Anthropic 的 \u003Ca href=\"https:\u002F\u002Fwww.anthropic.com\u002Fclaude\">Claude\u003C\u002Fa> 產品頁，還有 \u003Ca href=\"https:\u002F\u002Fslack.com\u002Fapps\">Slack App Directory\u003C\u002Fa> 看整合怎麼落地。只要整合像外掛，大家就不會養成習慣；只有當它像團隊記憶的一部分，才會真的被拿來用。\u003C\u002Fp>\u003Ch2>真正的價值不是更快回答，是少問三次同一題\u003C\u002Fh2>\u003Cp>很多 \u003Ca href=\"\u002Ftag\u002Fai-工具\">AI 工具\u003C\u002Fa>都愛把賣點講成「更快得到答案」，我覺得這很偷懶。快一點當然好，但真正痛的是你拿到答案之後，還得再問三次「所以剛剛那個結論是基於什麼？」、「誰拍板的？」、「這個決定還有效嗎？」。如果工具只能把回覆速度加快，卻不能把上下文補齊，那它只是把混亂提早送到你面前。\u003C\u002Fp>\u003Cp>Reuters 沒有提供技術\u003Ca href=\"\u002Fnews\u002Fflux3d-3d-gaussian-generation-diffusion-zh\">細節\u003C\u002Fa>，所以我不會亂編它怎麼做。但這類產品的模式其實很熟：workspace data + retrieval + summarization + tagging。這四個東西缺一個，結果就很容易變成「看起來很聰明，但其實只是把噪音包裝得比較順眼」。\u003C\u002Fp>\u003Cp>我以前試過把整個 channel archive 丟給通用 chatbot。它可以回我訊息內容，甚至還能照著原句引用，但它分不出哪個 thread 是玩笑、哪句是決策、哪條是後來默默變成政策的共識。這就是 search 跟 research 的差別。Search 只會吐文字；research 要能吐出一條可追的路徑。\u003C\u002Fp>\u003Cp>實操寫法很簡單，先別碰工具，先訂團隊規則：\u003C\u002Fp>\u003Cul>\u003Cli>決策一定要有單一摘要訊息。\u003C\u002Fli>\u003Cli>跨團隊問題一定要有 thread summary。\u003C\u002Fli>\u003Cli>客戶原話要標來源與日期。\u003C\u002Fli>\u003Cli>任何會被重複問的內容，都要連回唯一來源。\u003C\u002Fli>\u003C\u002Ful>\u003Cp>這些規則不是為了管人，是為了讓 AI 不要學會你的亂。你如果不先定義什麼叫「可重用的答案」，模型只會把你原本的混沌加速複製。\u003C\u002Fp>\u003Ch2>標籤比塞資料重要，因為檢索才是整件事的骨架\u003C\u002Fh2>\u003Cp>我看到標題裡的 tag，反而覺得這比 Claude 兩個字更重要。直接把 Slack 原始內容倒進模型，這種做法很懶。真正有用的是 tagging，因為標籤才會長出結構；有結構，才可能檢索；能檢索，研究才有辦法規模化，不然永遠只是某個超級能記的人在硬撐。\u003C\u002Fp>\n\u003Cfigure class=\"my-6\">\u003Cimg src=\"https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1782285509340-wzoy.png\" alt=\"Claude 讓 Slack 變研究庫\" class=\"rounded-xl w-full\" loading=\"lazy\" \u002F>\u003C\u002Ffigure>\n\u003Cp>很多團隊會犯同一個錯：先收集全部，再期待智慧幫你自動整理。老實說，不會。模型只能在你給它的邊界裡工作。你如果用 project、customer、incident severity、decision type 這些標籤去切，系統才有抓手；如果沒有抓手，它就只是去一桶噪音裡撈東西，撈到什麼算什麼。\u003C\u002Fp>\u003Cp>我之前在團隊裡做知識整理，最常見的失敗不是內容不夠，而是分類方式跟大家問問題的方式完全對不上。PM 想知道「為什麼改」，工程想知道「誰決定的」，客服想知道「客戶到底怎麼說」。如果標籤跟這些問題無關，整理再漂亮也沒人用。\u003C\u002Fp>\u003Cp>實操上，我會直接用重複出現的問題來設計標籤，不要用組織圖設計。像這樣：\u003C\u002Fp>\u003Cul>\u003Cli>這次改了什麼？\u003C\u002Fli>\u003Cli>為什麼這樣決定？\u003C\u002Fli>\u003Cli>誰核准的？\u003C\u002Fli>\u003Cli>客戶原話是什麼？\u003C\u002Fli>\u003Cli>還有什麼沒解掉？\u003C\u002Fli>\u003C\u002Ful>\u003Cp>如果 Claude Tag Research 讓這件事在 Slack 裡更容易做，那有價值的不是 AI 本身，而是它幫你把檢索路徑固定下來。研究不是把內容堆滿，而是讓下次搜尋的人少走冤枉路。\u003C\u002Fp>\u003Cp>我會再看兩個官方入口：\u003Ca href=\"https:\u002F\u002Fwww.anthropic.com\u002Fpricing\">Anthropic pricing\u003C\u002Fa> 跟 \u003Ca href=\"https:\u002F\u002Fslack.com\u002Fhelp\">Slack help center\u003C\u002Fa>。不是為了看行銷話術，是為了確認權限、限制、管理員控制到底怎麼跑。這種東西沒先弄清楚，後面一定出事。\u003C\u002Fp>\u003Ch2>權限不是小事，權限就是部署本身\u003C\u002Fh2>\u003Cp>這段最容易被忽略，但我覺得它其實是整個功能能不能用的核心。只要 AI 能讀 Slack，權限就不是附屬細節，而是產品的一部分。它看得到哪些 channel？私訊算不算？管理員能不能限制範圍？使用者能不能退出？輸出會不會被記錄？資料會留多久？這些沒先講清楚，你就是把合規問題包成 productivity 工具。\u003C\u002Fp>\u003Cp>Reuters 這篇沒把這些細節講滿，所以我只會很務實地說：在我決定要不要碰這功能前，我先看 admin story，不看 feature story。這不是疑神疑鬼，是我踩過坑。第一個版本通常都很順，直到某次它把不該出現的 thread 撈出來，信任就直接掉地上。\u003C\u002Fp>\u003Cp>我以前看過一個內部 knowledge bot，接進聊天系統時沒把權限切乾淨。前一週大家覺得它很神，後一週它開始吐出過期資訊、半私人筆記，甚至還有一段本來不該被搜尋到的內容。那之後沒人想用。工具沒有壞，是信任模型壞掉了。\u003C\u002Fp>\u003Cp>實操寫法我會直接列清單：\u003C\u002Fp>\u003Cul>\u003Cli>哪些 channels 在範圍內。\u003C\u002Fli>\u003Cli>哪些 channels 排除。\u003C\u002Fli>\u003Cli>DM 是否預設排除。\u003C\u002Fli>\u003Cli>誰可以查詢。\u003C\u002Fli>\u003Cli>輸出是否留 log。\u003C\u002Fli>\u003Cli>資料保留多久。\u003C\u002Fli>\u003C\u002Ful>\u003Cp>如果供應商答不清楚，就先停。真的。不要急著上線。你如果是自己做整合，先去看 \u003Ca href=\"https:\u002F\u002Fapi.slack.com\u002F\">Slack API docs\u003C\u002Fa> 和 \u003Ca href=\"https:\u002F\u002Fdocs.anthropic.com\u002F\">Anthropic docs\u003C\u002Fa>，不然很容易把測試環境的方便，直接帶進 production 的麻煩。\u003C\u002Fp>\u003Ch2>研究流程要的是笨操作模型，不是神奇 prompt\u003C\u002Fh2>\u003Cp>我最不信的就是「丟一個很強的 prompt 就能解決研究問題」。這種說法很像在說只要買好刀，廚房就會自己煮飯。不是。真正有用的是 prompt 外面的 operating model。Claude Tag Research 如果真的有用，不是因為它會講漂亮話，而是它能塞進一套可重複的流程：有人提問、有人標記、有人摘要、有人回寫、有人連回來源。\u003C\u002Fp>\u003Cp>我試過很多 AI research 流程，最後都變成同一種劇本：一個人扛全部工作，chatbot 看起來像有在幫忙，實際上只是那個人更累。這種東西不會因為模型變強就自動變好。只要那個人請假、離職、忙別的案子，整個流程就斷了。\u003C\u002Fp>\u003Cp>實操上，我喜歡這條很土但很穩的鏈：\u003C\u002Fp>\u003Cul>\u003Cli>Capture：抓到相關 Slack thread 或 channel excerpt。\u003C\u002Fli>\u003Cli>Tag：標 topic、owner、status。\u003C\u002Fli>\u003Cli>Summarize：寫成短的白話摘要。\u003C\u002Fli>\u003Cli>Store：放到單一 canonical note。\u003C\u002Fli>\u003Cli>Link back：保留原始 Slack permalink。\u003C\u002Fli>\u003C\u002Ful>\u003Cp>\u003Ca href=\"\u002Fnews\u002Fstochastic-subgradient-last-iterate-bounds-zh\">最後一\u003C\u002Fa>點很重要。沒有原始連結，我不信摘要。研究工具的責任不是讓內容看起來比較完整，而是讓你一眼能回到證據。回不去，就只是生成比較順的版本而已。\u003C\u002Fp>\u003Ch2>我會怎麼把它放進團隊裡\u003C\u002Fh2>\u003Cp>如果是我明天要上，我不會先做「讓 AI 讀全部」。那是找死。我會先選一個團隊、一個問題、一組 channel。最適合的通常是產品發版，因為那裡本來就吵、跨部門、而且上下文掉得最快。launch 結束後，很多決策就像從沒發生過一樣。\u003C\u002Fp>\u003Cp>接著我會先定義問題集，不是定義「要很聰明」，而是定義它要回答什麼。像這些：\u003C\u002Fp>\u003Cul>\u003Cli>剛剛決定了什麼？\u003C\u002Fli>\u003Cli>為什麼選這條路？\u003C\u002Fli>\u003Cli>有哪些反對意見？\u003C\u002Fli>\u003Cli>review 後改了什麼？\u003C\u002Fli>\u003Cli>下一步誰負責？\u003C\u002Fli>\u003C\u002Ful>\u003Cp>如果工具能從 Slack 把這些問答整理出來，它就不是玩具了。再來我會加上幾個硬規則：先只開 public channels、摘要一定附來源、每週 review 一次 accuracy 跟 permission、只有真的會被重用的摘要才往外推。不要看處理了多少訊息，要看有多少內容被別人拿去重用而且不用再重問一次。那才是有沒有用的差別。\u003C\u002Fp>\u003Cp>我也會把這件事做得很保守：先 pilot 一個 channel cluster，跑兩週看誤差，再決定要不要擴。很多團隊死在「先全開再修」。我比較喜歡先縮小，再把流程磨順。AI 工具不是不能大規模用，是你得先知道它在哪裡會亂。\u003C\u002Fp>\u003Ch2>可抄的模板\u003C\u002Fh2>\u003Cpre>\u003Ccode># Slack Research Workflow for Claude-style Tagging\n\n## Goal\nTurn Slack threads into searchable research notes that survive handoffs.\n\n## Scope\n- Include: public channels related to product, launches, incidents, and customer feedback\n- Exclude: DMs, private channels, and anything sensitive unless explicitly approved\n- Start with one team and one topic area\n\n## Required tags\n- topic: what the discussion is about\n- owner: who is responsible\n- status: open | decided | blocked | archived\n- source: Slack permalink\n- confidence: high | medium | low\n\n## Capture rules\n1. Save the original Slack permalink.\n2. Summarize the thread in 3-5 bullets.\n3. Call out any decision separately.\n4. Note unresolved questions separately.\n5. Add a one-line \"why this matters\" note.\n\n## Summary format\n### Topic\n### Decision\n### Context\n### Open questions\n### Next step\n### Source\n\n## Review checklist\n- Is the summary faithful to the thread?\n- Did we include only approved content?\n- Can someone find the original context in one click?\n- Would this answer the same question next week?\n\n## Team rule\nIf a decision is important enough to repeat, it must be summarized in one canonical note and linked back to the Slack thread.\n\n## Rollout plan\n- Week 1: pilot in one channel cluster\n- Week 2: review accuracy and permission behavior\n- Week 3: expand only if summaries are being reused\n- Week 4: archive anything that isn't helping retrieval\n\u003C\u002Fcode>\u003C\u002Fpre>\u003Cp>這段是我真的會丟給團隊用的版本。它把 AI 關在範圍裡，因為在你還沒信任它之前，這才是正確姿勢。你之後要換成別的 assistant 也行，Claude 只是工具名，結構才是重點。\u003C\u002Fp>\u003Cp>原始來源是 Reuters 的報導：\u003Ca href=\"https:\u002F\u002Fwww.reuters.com\u002Ftechnology\u002Fanthropic-launches-claude-tag-research-preview-slack-users-2026-06-23\u002F\">https:\u002F\u002Fwww.reuters.com\u002Ftechnology\u002Fanthropic-launches-claude-tag-research-preview-slack-users-2026-06-23\u002F\u003C\u002Fa>。上面這篇拆解是我根據該報導延伸出的工作流觀點與可抄模板，原創的是方法整理，衍生的是對產品方向的解讀。\u003C\u002Fp>","我把 Reuters 對 Claude Tag Research 的報導拆成可落地的 Slack 研究流程，重點是標籤、權限、摘要與可複製模板。","www.reuters.com","https:\u002F\u002Fwww.reuters.com\u002Ftechnology\u002Fanthropic-launches-claude-tag-research-preview-slack-users-2026-06-23\u002F",null,"https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1782285516725-yjy9.png","ai-agent","zh","61c1e05c-ea78-4f0a-b389-3f09eeabf7e3",[17,18,19,20,21],"Claude","Slack","tagging","retrieval","research workflow",[23,24,25],"Slack 不是聊天工具而已，它其實已經是團隊的證據堆。","真正有價值的不是更快回答，而是少問三次同一題。","先定權限、標籤與摘要規則，再談 AI 工具要怎麼上線。",0,"2026-06-24T07:18:02.774232+00:00","2026-06-24T07:18:02.758+00:00","e3b68196-9e64-4c18-a3b6-a73e73bfb367",{"tags":31,"relatedLang":34,"relatedPosts":38},[32],{"name":17,"slug":33},"claude",{"id":15,"slug":35,"title":36,"language":37},"anthropic-claude-tag-research-slack-search-en","Anthropic’s Claude Tag Research turns Slack into search","en",[39,45,51,57,63,69],{"id":40,"slug":41,"title":42,"cover_image":43,"image_url":43,"created_at":44,"category":13},"8fe481ef-010f-431b-a837-22ccafa68438","benchmark-harness-quality-beats-model-hype-coding-zh","這個 coding benchmark 證明：harness 品質勝過模型光環","https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1782253062596-f192.png","2026-06-23T22:17:21.208723+00:00",{"id":46,"slug":47,"title":48,"cover_image":49,"image_url":49,"created_at":50,"category":13},"bd553163-18b3-46ba-b285-2a87d2ebbb71","glm-5-kill-vibe-coding-agent-engineering-zh","GLM-5 對了：該殺掉 vibe coding，改做 agent engin…","https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1782223378474-8fp8.png","2026-06-23T14:02:23.769355+00:00",{"id":52,"slug":53,"title":54,"cover_image":55,"image_url":55,"created_at":56,"category":13},"c615cb9a-1006-4f70-ae81-c0bc61b85dee","loop-engineering-claude-code-workflow-zh","Loop Engineering：Claude Code 的新工作法","https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1782205389495-3rvj.png","2026-06-23T09:02:37.400033+00:00",{"id":58,"slug":59,"title":60,"cover_image":61,"image_url":61,"created_at":62,"category":13},"b3231c66-e646-4d3c-8e7a-54e761e9b891","fable-5-ban-model-routing-race-zh","Fable 5 封鎖暴露模型路由賽局","https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1782145076193-i2y3.png","2026-06-22T16:17:25.211477+00:00",{"id":64,"slug":65,"title":66,"cover_image":67,"image_url":67,"created_at":68,"category":13},"cffe7c8f-87e9-4b0f-8846-bab013c737ff","myseum-scanon-privacy-first-moderation-bet-zh","Myseum 與 Scanon 的合作，是隱私優先審核的合理押注","https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1782029864265-gmjj.png","2026-06-21T08:17:20.167199+00:00",{"id":70,"slug":71,"title":72,"cover_image":73,"image_url":73,"created_at":74,"category":13},"98c0c178-9d3c-42d6-b4c9-afee24f127db","ai-code-review-rollout-with-human-oversight-zh","AI 程式碼審查落地且不降品質","https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1782025372703-pyzb.png","2026-06-21T07:02:25.569045+00:00",[76,81,86,91,96,101,106,111,116,121],{"id":77,"slug":78,"title":79,"created_at":80},"4ae1e197-1d3d-4233-8733-eafe9cb6438b","claude-now-uses-your-pc-to-finish-tasks-zh","Claude 開始幫你操作電腦","2026-03-26T07:20:48.457387+00:00",{"id":82,"slug":83,"title":84,"created_at":85},"5bede67f-e21c-413d-9ab8-54a3c3d26227","googles-2026-ai-agent-report-decoded-zh","Google 2026 AI Agent 報告解讀","2026-03-26T11:15:22.651956+00:00",{"id":87,"slug":88,"title":89,"created_at":90},"2987d097-563f-46c7-b76f-b558d8ef7c2b","kimi-k25-review-stronger-still-not-legend-zh","Kimi K2.5 評測：更強，但還不是神作","2026-03-27T07:15:55.277513+00:00",{"id":92,"slug":93,"title":94,"created_at":95},"95c9053b-e3f4-4cb5-aace-5c54f4c9e044","claude-code-controls-mac-desktop-zh","Claude Code 也能操控 Mac 了","2026-03-28T03:01:58.58121+00:00",{"id":97,"slug":98,"title":99,"created_at":100},"dc58e153-e3a8-4c06-9b96-1aa64eabbf5f","cloudflare-100x-faster-ai-agent-sandbox-zh","Cloudflare 的 AI 沙箱跑超快","2026-03-28T03:09:44.142236+00:00",{"id":102,"slug":103,"title":104,"created_at":105},"1c8afc56-253f-47a2-979f-1065ff072f2a","openai-backs-isara-agent-swarm-bet-zh","OpenAI 挺 Isara 的 agent swarm …","2026-03-28T03:15:27.513155+00:00",{"id":107,"slug":108,"title":109,"created_at":110},"7379b422-576e-45df-ad5a-d57a0d9dd467","openai-plan-automated-ai-researcher-zh","OpenAI 想做自動化 AI 研究員","2026-03-28T03:17:42.090548+00:00",{"id":112,"slug":113,"title":114,"created_at":115},"48c9889e-86df-450b-a356-e4a4b7c83c5b","harness-engineering-ai-agent-reliability-2026-zh","駕馭工程：從「馬具」到「作業系統」，AI Agent 可靠性的終極密碼","2026-03-31T06:42:53.556721+00:00",{"id":117,"slug":118,"title":119,"created_at":120},"96d8e8c8-1edd-475d-9145-b1e7a1b02b65","mcp-explained-from-prompts-to-production-zh","MCP 怎麼把提示詞變工作流","2026-04-01T09:24:39.321274+00:00",{"id":122,"slug":123,"title":124,"created_at":125},"f2ca7720-b471-4ce5-9336-2a9ac2a876fd","amazon-bedrock-agents-multi-agent-workflows-zh","Amazon Bedrock Agents 進入多代理工作流","2026-04-01T09:30:29.945429+00:00"]