claude-code on 林協霆醫師

agentic-holdem：以德州撲克為示範的多 Agent Claude Code 編排框架

Sat, 09 May 2026 00:00:00 +0000

# Introduction（引言）

多 Agent 系統已成為 AI 工程的關鍵研究方向，但多數討論仍停留在抽象架構或工作流圖示，缺乏直觀的場域可供觀察其行為。德州撲克因其資訊不完全、需要心理博弈、且具備明確賽制與輪次規則，是檢驗多 Agent 推理、決策與互動的理想實驗場。本專案以撲克為載體，建構一個可觀察 Agent 行為的最小編排框架。

研究問題在於：當 N 個獨立、不共享內部狀態的 LLM Agent 必須在同一個遊戲狀態之下競爭時，如何確保每個 Agent 僅能取得其應該知道的資訊（手牌、籌碼、歷史下注），並讓整體系統的推理過程可被外部觀察與審計。

# Methods（方法）

框架以 TypeScript 撰寫，並深度整合 Claude Code 作為 Agent 後端。每個 Agent 為獨立進程或對話 session，遊戲狀態以中央化資料結構維護，並透過明確的訊息協定向各 Agent 廣播其視角下的狀態切片。Agent 的決策過程（包含思考鏈）會被結構化記錄，產生可重播、可分析的牌局逐手紀錄。

設計重點包括：嚴格的資訊隔離（避免 Agent 跨界讀取他人手牌）、可插拔的決策策略、以及將 LLM 的不確定性轉化為可分析的訊號。整體架構接近 actor model，便於後續擴充至其他多 Agent 場景，例如臨床決策模擬或多科會診。

# Results（結果）

目前實作可支援多個 AI Agent 同桌進行德州撲克，並完整輸出每位 Agent 的內部推理。研究者得以觀察 LLM 在面對虛張聲勢、跟注、加注等情境下的決策模式，並在不同模型版本之間比較其風險偏好與穩定性。框架本身與遊戲規則弱耦合，撲克僅是初始示範，可被替換為其他規則性博弈。

# Discussion（討論）

本專案的價值不在於打造強撲克 AI，而在於以撲克為「可控的多 Agent 觀測平台」，使我們能以較低成本研究 LLM 的協作與對抗行為。限制方面，目前的決策完全依賴 LLM 即時推理，缺乏 Monte Carlo 等傳統博弈論優化；資訊隔離雖然嚴格，但 LLM 在多回合下仍可能因 prompt 工程不慎而洩漏線索。未來可擴充為臨床多科決策模擬，例如多位 LLM 分別扮演主治醫師、住院醫師與藥師，於同一虛擬病案中協作。

# 連結

GitHub：htlin222/agentic-holdem
主要語言：TypeScript
最後更新：2026-05-09

hemonc-daily-case：以 Claude Code Routine 自動產出 Q1 血液腫瘤每日病例摘要

Sat, 09 May 2026 00:00:00 +0000

# Introduction（引言）

對於專科醫師而言，持續閱讀並消化高品質期刊病例報告是維持臨床敏銳度的重要途徑，但臨床工作繁忙下要每日抽空閱讀並做筆記並不容易。Q1 期刊（如 NEJM、Blood、Lancet 系列）的病例報告字數密度極高，若僅以閱讀器被動瀏覽，難以形成可索引的個人知識資產。本專案以 Claude Code Routine 為自動化引擎，每日定時產出一篇結構化病例摘要，將被動閱讀轉換為主動可搜尋的個人題庫。

# Methods（方法）

系統以 Claude Code 提供的 Routine 機制建立排程任務，每日於固定時間執行：依據預設來源篩選新發表的血液腫瘤學病例報告，呼叫 LLM 依固定模板（病史、檢驗、鑑別診斷、治療、結果與學習重點）萃取結構化摘要，並寫入版本控制的 Markdown 檔案。Markdown 設計刻意對 Anki、Obsidian 與 Quarto 友善，便於後續轉換為複習卡或教學素材。

整體流程強調無人值守：當日若無新案例則跳過或注記；若 LLM 輸出失敗則重試並紀錄錯誤。所有產出存入 Git 倉庫，形成具備時間軸的學習日誌。

# Results（結果）

每日累積的病例摘要構成一個個人化、可搜尋的血液腫瘤學病例資料庫。透過 Git 歷史可追蹤每日學習軌跡；透過 Markdown 檔案可快速 grep 找出特定疾病或治療藥物相關案例；透過 Routine 化執行確保學習頻率不依賴人為意志力。對於正在準備內科或專科考試的住院醫師、研究員，本系統提供穩定的高品質題材來源。

# Discussion（討論）

本專案實踐了「將學習任務自動化為 routine」的觀念：當醫師專注於品質而非紀律時，學習的可持續性將顯著提升。其限制在於：摘要品質受 LLM 模型版本與 prompt 工程影響，且需確保來源符合著作權規範；過度依賴自動摘要也可能弱化讀者自身的批判性閱讀。未來可結合主動學習，根據使用者答題正確率動態調整摘要難度，並串接至 Anki MCP 自動產出複習卡。

# 連結

GitHub：htlin222/hemonc-daily-case
後端：Claude Code Routine
最後更新：2026-05-09

session-collection：個人 Claude Code 會話歷史的彙整與檢索倉庫

Tue, 05 May 2026 00:00:00 +0000

# Introduction（引言）

長期使用 Claude Code 之後，個人會累積大量會話檔案：每段對話都可能包含對特定問題的思考過程、可重用的 prompt 模式與最終解法。然而 Claude Code 預設的 session 儲存以時間為主軸，難以從主題或專案視角檢索。當使用者想找回「上次處理 NGS 報告時用過的提示詞」或「某段 R 程式碼的演進過程」時，往往需要逐一翻閱資料夾。本專案旨在建立一個個人化的會話倉庫，將散落於不同機器的紀錄集中後，提供更高層次的檢索與利用。

# Methods（方法）

倉庫以 Python 為主要語言，搭配版本控制將會話檔案結構化保存。透過約定的命名規則（日期、專案、議題標籤）與 metadata 標頭，使每筆會話皆具備可被 grep、可被索引的關鍵字。後續以 Python 腳本進行統計與摘要，例如統計常用 prompt 結構、抽取共通設計模式，或產生可重用的 prompt 模板庫。

設計刻意保持輕量：不引入向量資料庫等複雜架構，先以純文字加 SQLite 形式累積，待資料量超過閾值再考慮升級。此一決策呼應「先讓資料穩定，再選工具」的原則，避免過度工程化。

# Results（結果）

目前倉庫已能集中管理跨機器的會話紀錄，並支援按專案或議題快速回顧。對於從事多專案、需要在不同 LLM 工作流間切換的使用者，本系統提供了個人化「外部記憶」，補足模型本身上下文有限的缺陷。倉庫亦可作為實證資料，分析使用者自身的提示工程演化軌跡。

# Discussion（討論）

本專案的價值在於把「會話」視為長期可分析的資料而非一次性消耗品。限制方面，會話內容可能含敏感資訊，需嚴格控管權限；不同 Claude Code 版本的紀錄格式變動亦需要維護兼容層。未來可考慮加入語意搜尋、跨會話的代理人記憶整合，並將高品質模式自動回灌為 Skill。

# 連結

GitHub：htlin222/session-collection
主要語言：Python
最後更新：2026-05-05

csession：以 fzf 為核心的 Claude Code 會話瀏覽與恢復 TUI 工具

Sat, 28 Mar 2026 00:00:00 +0000

# Introduction（引言）

長期使用 Claude Code 的工程師往往同時持有大量會話：不同專案、不同實驗、不同對話階段。原生的會話切換介面在會話數量上升時並不直觀，使用者需要手動翻找或記住長 ID。本專案以最熟悉的命令列工具 fzf 為基底，提供快速 TUI 瀏覽與恢復會話的工具，符合工程師日常工作流。

# Methods（方法）

工具以 TypeScript 撰寫並包裝為 CLI，啟動後即列出本機所有 Claude Code 會話：含建立時間、初始 prompt、上次互動時間等 metadata。fzf 的模糊搜尋使使用者能以關鍵字快速定位特定會話；選定後即執行 claude code resume 恢復該會話。設計刻意保持輕量，無多餘 GUI、無外部依賴（除 fzf）。

整體實作呼應 Unix 哲學：做一件事並做好（會話列表瀏覽與恢復），與其他工具搭配使用而非取而代之。命令列輸出可被 grep、sort、xargs 進一步加工，便於使用者依個人偏好擴展。

# Results（結果）

工具大幅縮短「想起某個會話 → 重新進入該會話」的時間，使長期保留的對話真正可被反覆利用。對於以 Claude Code 為主要工作介面的工程師，本工具是日常工作流的關鍵小齒輪。fzf 的學習曲線雖存在，但對命令列重度使用者並非問題。

# Discussion（討論）

本專案展現了「為高頻動作打造專屬工具」的工程哲學：當某個動作每天執行數十次，即使每次節省數秒亦顯著影響整體效率。限制方面，工具與 Claude Code 內部會話格式耦合，需在版本變動時維護；fzf 並非所有使用者熟悉。未來可加入會話標籤、會話摘要快取（避免每次重讀大量 JSON）與雲端同步。

# 連結

GitHub：htlin222/csession
主要語言：TypeScript
最後更新：2026-03-28