urscos Tech.
今天來看下這篇文章，第一次看的時候沒意識到重要性，後來看某個面試官在闡述 agent 工程師的區別時特地説到這篇文章才想起來
Anthropic building-effective-agents
Anthropic 觀察了幾十個在生產環境落地的 LLM 系統，發現一個反直覺的規律：最成功的實作往往不是用最複雜的框架，而是用最簡單、可組合的模式。
他們把所有涉及 LLM 自主行動的系統統稱為 agentic system，但在這個概念下做了一個關鍵的架構區分——
過度均勻才是真異常，這個看似微妙的論點正是本章節要説明的重點
1936 年，統計學之父 Fisher 質疑遺傳學之父 Mendel 的豌豆實驗造假。
證據不是數據「太不規律」，而是「太完美」。
這個方法後來也用在彩票造
圖裡有 4 個子檢驗：
計算 token 費用、分析工具使用模式、建立 Web Dashboard
新增 lib/costs.mjs：
session保存格式結構如下：
json格式化如下：
Claude Code 沒有使用資料庫，而是選擇了最簡單的格式：每個 session 一個 .jsonl 檔案，每行一條 JSON 訊息。
| 比較面向 | JSONL 格式 | 關聯式資料庫 |
|---|---|---|
| 讀取方式 | 任何文字編輯器、cat |
需要 DB 驅動 |
| 追加速度 | 極快（append-only） | 需要 transaction |
| 查詢能力 | 低（需全掃） | 高（SQL） |
| 跨機器遷移 | 複製檔案即可 | 需要 dump/restore |
| 故障恢復 | 行級別，單行壞掉不影響其他行 | 依賴 transaction log |
| 版本控制 | 可用 git 追蹤 | 不適合 |
結論：AI 對話是只增不改、需要人類可讀、不需要複雜查詢的應用場景，所以JSONL 是最合適的選擇。
先問個問題，彩球從 38 個號碼中抽 6 個，理論上每組會出現「連號對」（兩個相鄰的數字）的機率是多少，平均每期會出現幾對連號？0.5？1？2？
很多人會猜「應該很少，大概 0.2 對左右」。理由很直觀：38 個選 6 個，平均每個號碼之間應該隔 38/6 ≈ 6 格，連號感覺很稀有。
但這個直覺是錯的。連號其實非常常見，平均每期會出現超過 0.8 對。
