術語速查

HumanLayer

003講者正在打造的平台，做軟體工廠的基礎建設；講者說軟體品質的驗證工具是接下來要做的東西。

005講者所屬公司，替關鍵系統打造 agent 基礎設施。

AI Switzerland

004Notion 的模型不可知策略，同時提供多家 Frontier Lab 模型並讓客戶自選，避免供應商鎖定。

Adam Huda

007講者，Uber 工程師，接續介紹如何用這些元件端到端交付一個功能。

Agent Optimizer

002Foundry 提供的元件，以山丘攀爬法自動評估並優化 agent 的指令、工具定義與技能組合。

Agentic Retrieval

002一種在回傳結果前先反思資訊需求是否已滿足的智慧型檢索方式，在困難場景下顯著優於單次簡單查詢。

Auto Model

004Notion 產品裡放在最上面的預設選項，承接約 75% 的流量，由系統決定實際用哪個模型。

BAML

006Boundary 打造的程式語言，設計目標是讓 agent 能安全大量生成程式碼，同時保有型別安全與可證明的錯誤處理。

Boris Turney

005本場引用的業界人物，Claude Code 的創建者，說寫 loop 現在就是工程師的全部工作。

Boundary

006講者所屬公司，過去三年在沒有傳統 code review 的流程下打造程式語言 BAML。

Control Loop

005借自控制理論的框架：sensor 量測現狀、setpoint 定義目標、controller 依落差算出修正信號、actuator 執行，家用溫控器與 Kubernetes 的 auto scaling 都是常見的例子。

Cortana

007Uber 內部 AI 助理，整合技能、MCP 與 context graph，可在 Slack、CLI、網頁上使用。

Dark Factory

001暗黑工廠，原指高度自動化無須開燈的無人工廠，本場比喻幾乎不需逐行人工審核的大規模 agent 軟體生產線。

Dex Horthy

003講者，HumanLayer 的打造者，講的是如何在複雜程式庫中安全使用 AI coding agent。

Effect

005TypeScript 函式庫，HumanLayer 用來處理容易出現 race condition 的程式碼，並逐步把 RPC API 遷移過去。

Extrinsic Knowledge

002組織外部提供給 agent 的知識，包括文件、資料庫、網路等，透過 RAG 與 context engineering 整合。

Foundry IQ

002Microsoft Foundry 中的知識管理模組，支援分層控制，每個知識庫自動成為 MCP Server。

Frontier Code

003Cognition 推出的多 PR 任務基準，加入測試誠信檢查與法官模型評審程式品質。

Frontier Lab

004指頂尖模型實驗室，一邊把 Frontier 模型賣給應用層公司，一邊自己做下游產品競爭；講者刻意沒有點名。

Golden Pattern

005HumanLayer 內部說法，指事先手寫的典範範例，讓 actuator agent 照著模仿，而不是憑空生成。

IntelliSense

0021996 年 Microsoft 推出的程式碼輔助功能，講者用以標記 AI 輔助程式碼的起點。

Intrinsic Knowledge

002模型訓練時存入參數的知識，是驅動 GitHub Copilot、ChatGPT 等工具的核心能力。

Jeff Huntley

005本場引用的業界人物，Ralph 這個 loop 技巧的提出者。

Kyle Mistele

005講者，HumanLayer 共同創辦人，本場分享 HumanLayer 打造 agentic coding control loop 的實務做法。

Learned Knowledge

002agent 從實際使用 trace 中不斷反思與改善所積累的能力，體現在 agent optimizer 的迭代中。

Lethal Trifecta

004安全風險框架：私有資料存取 + 暴露於不可信內容 + 對外通訊能力三者並存時形成的高風險組合，講者說是 Simon Willison 提出的。

Lights-Off Software Factory

003完全不讀程式碼、不做人工審查的全自動軟體工廠模式，由 Dentsu Bureau 率先推廣。

MCP Gateway

007統一收斂內部 API 與 SaaS 工具的閘道，讓 agent 透過同一個入口取用所有工具。

Microsoft IQ

002提供 agent 統一接入組織環境知識的能力集合，分 Work IQ、Fabric IQ、Foundry IQ、Web IQ 四層。

Minion

007Uber 的雲端 coding agent，可互動或自主模式運作，靠 devpod 提供跨程式庫的建置環境。

Model Gateway

007統一收斂所有內部與外部模型呼叫的閘道，做身分驗證、PII 遮蔽與安全防護。

Nemo Claw

001Nvidia 團隊正在打造的專案，講者到現場協助開發。

Notion Workers

004Notion 推出的確定性運算服務，用 CPU 處理不需要 LLM 的任務（如 SQL 查詢、CSV 轉換）。

Omni MCP

007單一入口 MCP，可探索並呼叫閘道內任何其他 MCP，用來省下逐一安裝的成本。

OpenClaw

001講者參與維護的知名開源專案，以極高出貨速度與 agent 並行開發聞名。

Pablo Castro

002講者，Microsoft Distinguished Engineer 兼 CVP for AI Knowledge，負責推動 AI 與企業知識整合。

Peter

001OpenClaw 維護者，講者的共事對象，另有正職在 OpenAI。

Peter Steinberger

005本場引用的業界人物，主張不該再手動 prompt agent，而該設計 loop 去 prompt agent。

Ralph

005Jeff Huntley 提出的 loop 技巧，靠一個簡單的 bash loop 驅動 coding agent，適合單人開發、非關鍵系統的場景。

Ripgrep

006被講者拿來當「還是要讀程式碼」的比較基準，用來對比後面展示的 agent 專用查詢工具。

SWE-bench

003主流 coding agent 基準，使用二元獎勵（測試通過/失敗），無法評估程式設計品質。

Sarah Sachs

004講者，Notion AI 工程負責人，負責 AI 合約談判與模型策略。

Shotgun Surgery

003Martin Fowler 定義的程式碼壞味道：修改一個功能需要同時更動許多不相關的地方，說明程式庫的模組邊界已崩解。

Slop

006這場演講對「你沒讀過的程式碼」的定義，也是團隊自嘲要用 slop 打敗 slop 的核心概念。

Slop Sue

006講者口中教他「要打敗 slop 就得先變成 slop」的導師，演講裡的玩笑角色。

Spire

007用於身分驗證與授權的中介層，是 Model Gateway 諸多防護措施之一。

Sweep Marathon

003Abundant AI 推出的長任務基準（約 400 小時），嘗試用較複雜的獎勵機制評估程式品質。

Swim Lanes

001泳道，講者用於並行管理 5 到 20 個 agent 程式碼 session 的分工機制。

TypeScript

006演講中被拿來當反例的主流語言，講者認為它的設計目標是討好會寫程式的人類，而非替 agent 設計，因此天生帶著 slop。

Uday Kiran Medisetty

007講者，Uber 工程師，本場負責介紹六大建構元件。

Vaibhav Gupta

006講者，在 Boundary 工作，主導這場「用 slop 打 slop」的內部工程實驗。

Vertical Slices

003垂直切片規劃法，將實作拆成有序的跨系統小增量，確保每次 PR 範圍清晰、易於審查。

Vincent Koc

001講者，OpenClaw 核心維護者，正職從事模型評估（Evals）相關工作。

architecture.md

006團隊用來取代 Claude.md 的極簡規範檔，只放幾個月、幾年都不會變的架構分層資訊。

ast-grep

005語言無關的語法樹比對工具，本場用它當 sensor，找出程式碼中未遷移或不符規則的模式。

context graph

007把 Uber 各系統的服務、依賴與規範整合成一張圖的知識庫，供 agent 快速查找脈絡。

devpod

007Uber 原有的雲端開發環境，被升級成預先建置好、可讓 agent 立即使用的執行環境。

dot skills

001講者提出比照 dotfiles 的 agent 技能管理模式，將編寫技術文件等 agent prompt 與流程模組化。

token maxing

001盲目狂跑 agent 循環與燃燒 token 的開發方式，講者指出 2026 年已轉向注重 token 效率。