# Justin Huang

> Justin Huang blog：一個個人技術部落格，用因果鏈閱讀 AI 論文、Agent 系統和軟體基礎設施。

## About

Justin Huang blog：一個個人技術部落格，用因果鏈閱讀 AI 論文、Agent 系統和軟體基礎設施。

- Site: https://justinhuangai.github.io/zh-TW
- RSS: https://justinhuangai.github.io/zh-TW/rss.xml
- Full content: https://justinhuangai.github.io/zh-TW/llms-full.txt
- Individual posts: append .md to any post URL (e.g. /zh-TW/posts/hello-world.md)
- JSON API: https://justinhuangai.github.io/api/posts.json

## Blog Posts

- [《Externalization in LLM Agents》：LLM Agent 的認知外部化](https://justinhuangai.github.io/zh-TW/posts/externalization-in-llm-agents-memory-skills-protocols-and-harness-engineering/): 這篇綜述把 memory、skills、protocols 和 harness engineering 放進同一個視角：Agent 的進步越來越像是在模型外部重寫任務，而不只是讓模型權重更強。
- [《AutoCodeBench》：當大語言模型自動生成程式碼基準](https://justinhuangai.github.io/zh-TW/posts/autocodebench-large-language-models-are-automatic-code-benchmark-generators/): AutoCodeBench 論文裡，為什麼 Elixir 這一語言欄值得注意，以及它如何引出自動生成多語言程式碼 benchmark 的難度等價討論
- [《Attention Residuals》：讓殘差連接也注意力化](https://justinhuangai.github.io/zh-TW/posts/attention-residuals/): Kimi Team 的 Attention Residuals 技術報告：為什麼殘差連接也該「注意力化」，以及 Full AttnRes / Block AttnRes 如何把這個想法做成可訓練、可部署的系統
- [《Training Compute-Optimal Large Language Models》：Chinchilla 改變了什麼](https://justinhuangai.github.io/zh-TW/posts/training-compute-optimal-large-language-models/): Chinchilla 論文：為什麼大多數大模型其實訓練不足，以及如何聰明地分配算力預算，附真實 Python 核心程式碼
- [《Scaling Laws for Neural Language Models》：規模的數學](https://justinhuangai.github.io/zh-TW/posts/scaling-laws-for-neural-language-models/): 規模的數學：為什麼更大的模型可預測地更好，附真實 Python 核心程式碼
- [OpenClaw 架構：自託管 AI 助手的工程骨架 🦞](https://justinhuangai.github.io/zh-TW/posts/openclaw-architecture/): 基於 v2026.3.8 原始碼，拆解一個自託管 AI 助手的工程骨架
- [《Language Models are Few-Shot Learners》：GPT-3 與上下文學習](https://justinhuangai.github.io/zh-TW/posts/language-models-are-few-shot-learners/): 更大的模型，更善於從上下文中誘發能力，附真實 Python 程式碼
- [OpenClaw 生態：從開源專案到 AI 助手平台 🦞](https://justinhuangai.github.io/zh-TW/posts/openclaw-ecosystem/): 重新看 OpenClaw：星標不是生態，能持續降低供給和使用摩擦的結構才是生態。
- [《BERT》：語言理解預訓練範式的確立](https://justinhuangai.github.io/zh-TW/posts/bert/): 預訓練範式的確立，附真實 Python 程式碼
- [《Sequence to Sequence Learning with Neural Networks》：編碼器-解碼器範式的起點](https://justinhuangai.github.io/zh-TW/posts/sequence-to-sequence-learning-with-neural-networks/): 編碼器-解碼器範式的確立，附真實 Python 程式碼
- [Clawdbot：個人 AI 主權的早期樣本](https://justinhuangai.github.io/zh-TW/posts/clawdbot/): 從 Clawdbot 看自託管 AI Agent 的真正問題：不是模型有多聰明，而是控制權、上下文和執行權限歸誰。
- [《Neural Machine Translation by Jointly Learning to Align and Translate》：Transformer 之前的注意力](https://justinhuangai.github.io/zh-TW/posts/neural-machine-translation-by-jointly-learning-to-align-and-translate/): 注意力機制的起源，附真實 Python 程式碼
- [《Attention Is All You Need》：Transformer 的設計原點](https://justinhuangai.github.io/zh-TW/posts/attention-is-all-you-need/): 拆解 Transformer 論文，附真實 Python 程式碼
- [歡迎來到 Justin Huang Blog](https://justinhuangai.github.io/zh-TW/posts/hello-world/): 一個個人技術部落格：讀論文、看系統、追問 AI 與軟體工程背後的因果鏈。