速報
ATWZ 登場：用檔案系統解決 Claude Code 長期代理工作流程痛點
大型語言模型代理（LLM Agent）在程式開發領域展現強大潛力，但長期運作下存在多項瓶頸。Claude Code 雖然是業界頂尖的編碼代理之一，其 Agent Teams 功能卻因工作狀態無法在程序中斷後復原、對話壓縮（Compaction）導致細節遺失、代理技術債累積以及提示詞撰寫繁重等問題，影響長期工作流程效率。
速報
大型語言模型代理（LLM Agent）在程式開發領域展現強大潛力，但長期運作下存在多項瓶頸。Claude Code 雖然是業界頂尖的編碼代理之一，其 Agent Teams 功能卻因工作狀態無法在程序中斷後復原、對話壓縮（Compaction）導致細節遺失、代理技術債累積以及提示詞撰寫繁重等問題，影響長期工作流程效率。
深度分析
隨著大型語言模型在時間序列預測的應用日增，傳統一次性生成方式受限於模式抽取與特徵取得。CastFlow以規劃、行動、預測、反思四階段的代理工作流程，結合記憶模組與多觀點工具箱，支援多輪特徵蒐集與迭代修正。該框架採用凍結LLM負責規劃與反思，微調領域LLM執行數值預測，透過兩階段工作流程訓練提升穩定性。實驗顯示其在多項基準上優於現有模型，提升預測準確度。