把 paulkuo.tw 變成一個自己進化的網站

摘要

Paul Kuo 受 Karpathy 的 autoresearch 啟發，將個人網站 paulkuo.tw 改造成 AI 可讀取、可測試、可持續優化的知識實體。透過建立四層評分系統、發現並修正封閉迴圈問題、導入外部 AI 交叉驗證，逐步打造 agentic 架構。核心洞察是：可持續優化不在於高頻修改，而在於建立能區分有效訊號與雜訊波動的研究制度。文章記錄了從架構設計、實驗反覆到系統性優化的完整演進，展示個人知識系統如何為 AI agent 自主學習與迭代做準備。

重點

• 建立四層評分系統，量化內容質量與 AI 可讀取程度
• 發現自我反饋的封閉迴圈問題，導入外部 AI 驗證機制
• 設計 agentic 架構使 AI agent 能自主測試與優化內容
• 區分有效訊號與無效波動，建立可持續的優化研究制度
• 個人網站轉型為 AI-ready 知識實體，支持持續進化

章節

1. Autoresearch 與 AI-Ready 網站的願景

   Paul 受 Karpathy autoresearch 概念啟發，將個人網站改造成 AI 可讀取、可測試的知識實體

2. 四層評分系統的建立與反覆

   設計量化內容質量的評分框架，逐步發現系統缺陷與自我反饋的封閉迴圈

3. 封閉迴圈問題的發現與外部驗證

   導入外部 AI 交叉驗證機制，破除自我反饋迴圈，確保評分信號的有效性

4. Agentic 架構的設計與優化流程

   實現 AI agent 自主讀取、測試、迭代內容的能力，建立可持續優化的研究制度

5. 可持續優化的核心洞察

   強調優化在於區分訊號與雜訊，而非高頻修改，建立長期可驗證的改進制度

金句