從已收錄的影片整理、面試時可以拿來講的重點。
Orca、Reason Network：人負責分派、追蹤狀態、決定交接點，agent 之間有明確溝通管道。
agentplay：審查不只看 diff，也看 agent 的過程；git-ai：小批次提交，CI 與測試自動把關。
Graphify、ai-memory：給 agent 正確的程式碼結構和規範（如 AGENTS.md），從源頭少寫錯。
video-to-game：agent 寫完遊戲後自己用鍵盤玩、錄影、對照原始影片截圖，把「跑起來看結果」變成流程的一部分，而不是只看程式碼。
n8n 工單流程：能用明確規則判斷的就不丟給 AI，結果可預測、可測試；寫入用 idempotent（ON CONFLICT）處理重試，這也是控管 AI 產出流程的基本功。
TokenEconomizer 與 Claude Code vs Blender 梗：agent 不是萬用解，要量化成本與成效。
影片 16：密碼、裝置、核准人都對，決策者仍可能被 AI 仿聲或假訊息騙；agent 流程的高風險動作要做意圖驗證與帶外核准，不能只靠身分驗證。