個人知識庫是寫給未來自己的筆記系統，照 Tiago Forte 的 CODE 四步建，整理時用 PARA 按行動性分四格，或用卡片盒一張卡一個想法。我把 2026-10-22 到 11-08 的 196 筆 LINE 交辦串成 92 條任務鏈、分成固定 7 類，關鍵字規則跑完仍有 25 條鏈要人工改判——規則適合當第一輪，不能直接當結果。
Read the essay →先從問題和結論進場，再按需要深入細節。
Andre Creates 的 22 秒 Reel 教人抄兒童頻道、用 ChatGPT 寫童謠、貼進 OpenArt 生成，字幕寫日賺 557 美元，全片卻沒有收益畫面，網址列還帶著 influencer 追蹤參數。用公開 RPM 回推每天要 1,114 萬次觀看起跳；我用本機 ComfyUI 21 分鐘重走流程，影片做得出來，賺錢的部分沒有證據。
Karpathy 的 LLM Wiki 起手包其實只有兩個資料夾、一份 CLAUDE.md 和 ingest／query／lint 三個指令，Obsidian 只負責畫關聯圖。我在 Windows 上用 claude -p 跑 12 份研究報告，632 秒長出 73 頁，lint 再補成 75 頁、207 條連結——前 4 份只建新頁，第 5 份起才開始回頭改舊頁，連結就是這樣變密的。
JaseCreates 的 12.77 秒 Reel 把 AI 兒童卡通講成「AI 想點子、Seedance 2.5 生成、秀出 14,594 美元收益」的副業，但收益畫面看不到頻道名稱，當證據的 7,100 萬觀看影片還早於模型推出。我用本機 ComfyUI 花 26 分鐘照做一次，15 秒試片做得出來，量產賺錢的部分證據不足。
Academic Humanizer 是 MorphMind 團隊開源的 Claude skill（MIT），用一份 261 行的 SKILL.md 改寫 AI 輔助的論文和 NSF、NIH 計畫書，Nature 在 2026 年 7 月報導過。我用 Sonnet 跑三組對照，AI 套話一句 prompt 也清得掉，它多的價值在刪掉沒證據的主張、列出作者要補的 6 條——樣本小，只看方向。
看到 IG 上 15K 讚的「小斗下班啦」，我做了一支原創版：打領帶的橘貓阿橘下班等超商便當十點打折，用 codex CLI 生 3 張寫實關鍵格、edge-tts 配 4 句音、ffmpeg 合成 18 秒 1080×1920 Shorts。帶 -i 參考圖的那張，臉、毛色和店內場景都跟第 1 鏡接得上，只用文字描述的只鎖得住領帶和識別證——但畫面是靜圖推軌，貓還不會動。
huajuan0319 這支 44 秒的 AI 副業 Reel 拿到 1,188 則留言，帳號粉絲才 1,252，片尾要你「留言 AI」拿教程；我用 ffmpeg 加 Whisper 把它拆成時間軸，前 38% 的秒數都在播別人頻道的動畫。它推的 CloneCut 月訂 US$29.99 換 27 次請求、每次最多 15 秒——照片中「每天發幾條」的節奏，一個月額度約撐 9 天。
IG 上「9 個 Claude 動畫 Skill」那種水墨動畫，是 Claude 寫 HTML 與 GSAP 動畫，再由 HeyGen 開源的 HyperFrames 逐格截圖編成 MP4。我用 Claude Code 做了 8 秒、1920×1080 的山水片頭，149 行 HTML、29 秒渲染完——適合片頭與資料動畫，要寫實畫面還是得找影片生成模型。
pinkear.dada 這支羊毛氈兔子送外賣的 AI 短片一週拿到 14.2 萬讚，我用 ffmpeg 切出 37 鏡、中位數 1.83 秒一鏡，主角兔子全片沒有一句台詞。我把七段節拍做成可換角色與職業的 12 鏡分鏡產生器，輸出提示詞、SRT 和 animatic——真的 AI 畫面這次還沒生成，角色一致性要等實際丟進生成工具才驗得到。
Windows 上的 Chrome 和 Edge 開著時會鎖住 cookie 資料庫，yt-dlp 的 --cookies-from-browser 就會報 Could not copy Chrome cookie database。我在 Chrome 156 把四種做法各跑一次——流傳的 LockProfileCookieDatabase 旗標已經沒用，關掉瀏覽器或匯出 cookies.txt 才讀得到。
TradingAgents 是 Tauric Research 開源的 Python 框架（Apache-2.0、12 萬星），讓分析師、多空研究員、交易員、風控和投資組合經理用 LangGraph 開會給出五級評等；我照 README 裝起來，用 173 行轉接程式接上 Claude 訂閱跑台積電。同一檔股票跑兩次，結論從減碼翻成加碼，差別只在財報有沒有被防前視機制擋掉——適合學多代理人設計，不適合照評等下單。
MiroFish 是大四生郭航江開源的群體智能預測引擎（AGPL-3.0、8.3 萬星），把新聞或公告變成一群有人設的 AI 在模擬社群裡互動，再由 ReportAgent 寫推演報告。我用 122 行 Python 做了縮小版，8 個 AI 推演珍奶漲 10 元，平均購買機率從 49% 到 55%——適合預演公告話術，數字是 AI 自評，別當市調。
Kinetograph 是 2026-10-23 才開的 Rust 影片引擎，沿用 Remotion 的 TSX 寫法或純 HTML，由 GPU 算每一格，不開 Chrome，還內建 14 個 MCP 工具讓 AI 代理直接出片。我在 Windows 加 RTX 4070 算 150 格直式短片約 10 秒——拿來批次產短片很順，但 0.2.5 還是 beta，中文字型和 Windows 路徑有坑。
IG 帳號 @lynexaai 在 2026-10-30 整理的 Claude 訂閱 5 個隱藏福利，我在 11-03 逐點對 Anthropic 官方文件查核，並寫了一支只讀腳本檢查自己的帳號適用哪幾項。5 點方向都對，但 ultrareview 指令與價格、API 額度的方案名稱已經變了，Guest Pass 也漏了「收到的人必須沒付費訂閱過」——最值錢的是 Max 每月 100 美元 API 額度，不領每月作廢，但 Console 組織綁了就不能自己改。
IG 上流傳用 Openverse、MMAudio、earshot 三個工具讓 Claude 自己找音效、配上、再自己聽檢，我做了一支撞擊點已知的測試片把三個都跑了一遍。素材直接疊會錯位最多 823 毫秒還爆音，加上量得出來的合格條件讓它自動修一輪，偏差降到 3 毫秒內——關鍵是檢查迴圈，不是工具本身。
awesome-agentic-ai-zh 是 Lehigh 博士研究生 Wenyu Chiou 在 2026-05 開的 MIT 授權 repo，用繁中、英文、簡中三語把 AI Agent 從零排到上線，分「用 CLI Agent 做事」和「自己寫 Agent」兩條路，每題附 mock 測試。半年 8.4k 星，我不帶 API key 跑完 50 支測試 49 支通過——當自學或開課骨架可以直接用，只是 Stage 4 框架要一題一個環境裝。
IG 上「一天發 100 支片、月入 3000 美元」的 Reel 是 AI 切片工具 WayinVideo 的業配，我用 faster-whisper、claude -p 和 ffmpeg 寫了 184 行 Python 重做它的主幹：轉錄、LLM 挑段打分、輸出 9:16 逐字字幕短片。4 分鐘的 NASA 影片跑 3 分 49 秒切出 3 支、全部切在完整段落上——付費工具多的是追臉裁切和排程發文，拿別人的片大量切則有 YouTube 營利政策風險。
antrofrog_ 在 2026-10-30 發到 X 的 47 秒 AI 手繪動畫《Englishman in New York》，不到四天累積 3,583 萬觀看，全片就是同一個黑衣主角用一把傘做 13 件小善舉。我用 ffmpeg 拆片，13 鏡裡有 7 鏡約 4 秒、切點不對齊音樂——剪輯跟著生成長度走，固定造型只換場景是它穩住角色的方法，我也把這套結構做成免費的分鏡規劃器。
NVIDIA 在 2026 年 3 月開源的 Apache-2.0 skill 掃描器，裝 Claude Code、Codex 的 skill 前先找 prompt injection、資料外洩與供應鏈風險。實測 v2.13.2：下毒的 skill 12 秒判 100 分 DO NOT INSTALL，掃我自己 115 個 skill 卻擋下 23 個——適合當裝別人 skill 前的關卡，不適合全量擋自己的。
學長 Ethan 推的 13 個免費 Claude IG skill，原始出處是 4,214 星的 instagram-agent-skill，其中 hook 評分和文案檢查的規則寫死成英文。中文開場丟進去 5 句全判 WEAK、「哈囉大家好」沒被擋，換成繁中規則後排序變成 88.4 到 12.8，爛開場正確墊底——但權重是假設值，只適合刷掉爛開場。
HookAce 是 Capafy 市集上的付費 Agent，上傳影片或腳本就預測第 1–6 秒每秒留存並給改寫建議，商品頁自己寫明數字是 AI 預測、不是平台數據。我用 10 類 regex 訊號做了免費的單檔版 Hook6，5 段開場和 Claude 排名 ρ = 0.8——只改口播稿用免費版就夠，要分析畫面才值得付費。
Harness² 是 Google Research 在 2026-10-09 發表的 Apache-2.0 框架，模型權重不動，讓另一個 LLM 比對執行軌跡後改寫 agent 的 prompt、script、skill，並把附證據的經驗存進 library。我用 claude -p 做了迷你版跑 3 題 18 次全對——分數沒有進步空間，變的是做法被固化成 script，值得搬它的 prompt 設計，不建議直接用官方 repo。
David Ooi 的 IG reel 把「公司自己的 AI」拆成 8 層：模型、提示詞、RAG、工具、權限、護欄、快取路由、可觀測性，我照著用 Claude Haiku 做了虛構家電品牌的客服 Chloe，只接模型的版本 8 題過 1 題，還主動稱讚對手。8 層全開後把提示詞改一行，5 輪重跑使用者看到的分數沒掉，護欄觸發從 8 次變 14 次——沒有可觀測性和回歸測試就看不到，而且判定式和關鍵字護欄本身也會誤判。
Motion（前身 Framer Motion）是網頁動畫函式庫，IG 設計帳號 @chloemakesdesign 示範用 Claude Code 加 Motion 做飲料官網，訣竅是把每個動效「誰動、從哪裡來、怎麼動」寫清楚。我用 claude -p 對同一份品牌描述跑 12 次——「加一點動畫」不只給淡入，但每次由模型自己挑、常帶無限循環；寫清楚的 4 次 10 項規格全中、6 秒後全部停下。
IG 上流傳「5 步用 Claude 剪 Reel」，做法要留言才拿得到；我把它做成一支 178 行的 Python 管線，faster-whisper 產逐字時間軸、ffmpeg 剪空白、燒繁中字幕、配樂自動閃避，全部在本機跑。45.23 秒口播剪成 24.35 秒、停頓 8 段歸零——剪靜音夠用，要剪「嗯、那個」才需要讓 LLM 讀逐字稿的 video-use。
i-have-adhd 是 GitHub 近 6 萬星的 MIT 開源 skill，本體是一份 10 條規則的 SKILL.md，讓 Claude 第一行就給動作、步驟編號、不寫開場白。我用 6 題中文開發題跑 24 次 A/B，平均字數從 1578 降到 910、答案都還在——砍掉的是延伸內容，已經寫過輸出風格 CLAUDE.md 的人挑 3 條抄就好。
照 IG 影片的小恐龍題目，我把自寫的恐龍遊戲用 esbuild 壓縮混淆成 552 bytes 交給 REA 6.8.0，7 秒產出語意圖，初速 6、每幀 +0.001、上限 13 全對上原始碼。但不給證據 Claude 也答得出來，而同一段程式埋進 381KB bundle 時，REA 的語意圖撞到每檔 20,000 節點上限、常數節點 0 個——它的價值在可追溯的證據，大檔要先看 truncated 再下結論。
산사是韓國個人開發者 10 月 28 日上線的 3D 線上寺廟，大家化身小沙彌坐在法堂裡合掌、叩拜，不能聊天，開站一天就湧進數萬人擠爆伺服器。我照它的 Three.js + WebSocket 架構仿做一間壓測 2000 人：全擠一間 p95 延遲 4.2 秒、分成 20 間只要 0.45 秒——同房廣播量跟人數平方成正比，分房才擋得住。
IG Reel「2026 副業排行榜」把 Amazon KDP AI 著色本排 S 級，用 9.99 美元乘 12,500 本算出 12.5 萬美元，但 12,500 是評分數、9.99 是讀者付的定價。照 KDP 官方公式扣掉 40% 與 2.84 美元印刷費，8.5×11 吋每本實拿 3.15 美元，只有影片說法的三成——想做先把這個數字算進去。
instagram-agent-skill 是 Jake Schincariol 9 月開源的 MIT Claude Skill 包，13 個 IG 經營指令加 5 支本機 Python 工具，只產出文字、不幫你發文。英文實測跟 README 一致，中文卻幾乎全失效——137 字腳本被算成 8 個字、2.9 秒，提示詞能照用，工具的數字要換中文補丁才能信。
把 GitHub 網址的 hub 換成 diagram 或 ingest，就能拿到 LLM 畫的架構圖，或整個 repo 攤平成貼給 AI 的純文字，兩個都是 MIT 開源、星數過萬的工具。實測 pallets/click 全抓有 44.3 萬 token，光一個 uv.lock 就占三分之一——改網址很簡單，真正要做的是先過濾再餵 AI。
角色設定表是把四視圖、八種表情、六種姿勢、服裝特寫和色票放在同一張的參考圖，傑森所長在 IG 推薦先做一張再生圖。我自己寫提示詞用 Codex 實測 A/B——服裝靠詳細文字就全對，臉只有附設定表那張沒換人，提示詞已做成免登入產生器。
一支 87 行的 Python：抓英文 YouTube 字幕、用 claude -p 拆成繁中可執行步驟，每條都附逐字原句與秒數，再由程式回字幕前後 90 秒內比對。四支副業案例影片 32 條全部對得回，捏造、改寫、秒數錯的引文都被擋下——但它證明的是「影片真的這樣說」，不是翻譯準或營收數字是真的。
Motion Prompt 是日本創作者 Shohei Ohtaki 在 2026-10-14 開源的動畫名稱庫（MIT），7 包 168 個動作，每個都有編號、會動的示範、規格與參考程式碼，還能裝成 Claude Code skill。我用 Claude Haiku 對照 12 次：說「有質感」4 次都是 1.6～2 秒的模糊淡入，說「Mask reveal 0.6 秒」4 次都停在 0.7 秒左右——但貼完整規格時要講明只要進場。
「Grok bot」現在有兩個意思：X 上標記就公開回覆的 @grok，以及 xAI（現名 SpaceXSI）2026-08-11 推出、有自己雲端電腦、會登入 Gmail 和 CRM 把工作做完的 Grok Bot。前者是問答、出過 MechaHitler 與性化改圖等大爭議；後者是付費 agent 產品——查證用 @grok、派工才輪到 Grok Bot。
IG 上一支「GROK BOT 6 Agent」影片說 $2,500 在 22 小時變 $8,750，面板右上角其實標著 SIMULATED DATA 與 22H REPLAY。我照同樣的 6 步狙擊流程寫了模擬器跑 1 萬次：中位數 $2,102、三分之二虧錢，到 $8,750 的只有 4 次——影片的數字是從分佈最右端挑出來的那一次。
Threads 上自稱「分潤蟑螂」的帳號跑到第 148 天、待撥款 16 萬，蝦皮直接跳出稅籍登記通知：分潤在稅法上算勞務，單月 5 萬元就達營業稅起徵點。反推他的月均只有 3.3 萬，但起徵點看單月不看平均——我把 1%、5% 兩級門檻做成逐月試算頁，填數字就知道哪個月要繳多少。
我把一支 AI 生成的海岸下坡滑板 Reel 做成能玩的網頁遊戲 Coastal Bomb，用的是 OutRun 那一代的偽 3D 道路：路切成 4,360 段，每段記彎度和高度再投影成梯形，單一 HTML 226 行、零依賴。Playwright 實測放手約 500 m 會被彎道甩出、自動駕駛 25 秒滑了 5,579 m——要做第一人稱往前衝的小遊戲，這個技術比 three.js 輕得多。
ASD-STE100 是 1986 年起用來寫飛機維修手冊的受控英文，Karpathy 在 2026-10-02 的 X 長文說他會叫 LLM「80% of the way to ASD-STE100」來寫。我用 Claude Sonnet 和 Haiku 實測 5 題：只加原話違規少 39–55%，加上流傳的擴寫句少 59–69%，字數不變——寫 README、操作步驟這類英文值得加，聊天類不必。
Graphify 是用 tree-sitter 在本機把專案建成知識圖譜的開源工具，IG Reel 宣傳它能讓 Claude Code 省 70% token。我在 62 個 TS 檔的專案量了 3 題：只看查圖確實少 72%，但它只給符號名稱和行號、還得補讀檔案，算進去是少 54%——跟直接附原始碼的 CodeGraph（少 56%）打平。
Elephant-Goldfish Model（EGM）是 Google 開源的 Apache 2.0 外掛，讓看過完整對話的「大象」寫規格、零上下文的「金魚」subagent 挑毛病，可裝進 Claude Code 與 Codex。我埋 8 個缺陷實測，金魚抓到 6 到 8 個，但規格交給全新 session 實作只對 46%，冷卻期 72 小時 3 次都被填成 4 小時——補完值的 v2 才到 100%。
一支 Reels 列出 7 門免費 Agentic AI 課、要留言才給連結；其實全是公開官網，我寫腳本逐一連線，2026-10-27 全部回 200，份量從 54 分鐘到 6 小時。要注意的是 DeepLearning.AI 三門只是平台 beta 期間限時免費、AutoGen 官方 README 已宣告封存——建議從 Hugging Face 或微軟入門，主力上 LangGraph。
Cloudflare 在 2026-06 開源的 security-audit-skill（MIT、近 5 萬星）是一組給 coding agent 讀的資安稽核提示詞，讓一批 AI 找漏洞、另一批全新的 AI 專門推翻。我用埋了 11 個漏洞的小站實測，quick 模式花 $2.92、8 分鐘指出 10 個，單一 agent 花 $0.11、29 秒抓到 11 個——日常審單一 agent 就夠，這個 skill 留給上線前在 Linux 跑多輪。
Threads 上「一份 PDF 丟進 Claude Opus 5.5 就出動畫」的橘色方塊影片，抽格看是 Blender 3D 渲染：PDF 是分鏡規格，Claude 寫的是 Blender Python 腳本。我照做一次，1 頁分鏡加 275 行腳本，RTX 4070 渲染 72 秒出 8 秒 720p MP4——不用會 Blender 介面，但一定要裝 Blender。
Archify 是 tt-a1i 開源的 agent skill（Apache-2.0、約 9 萬星）：AI 讀程式碼寫成 JSON，它驗過後輸出可點擊、可匯出 PNG／SVG／WebM 的單檔架構圖。我拿 14 個元件的 line-talk 實測，4 分鐘出圖、每個方塊都對回 commit 與行號——但它是快照，私有 repo 公開前要另外去敏。
soft_respawn 這支 4.3 萬讚的賽博龐克溜冰 Reel，貼文寫明流程是 GPT-Image 生關鍵幀、Seedance 2.5 圖生影片、Topaz 放大，三步在 SYNTX 上跑，是業配。我用 Codex 加 ffmpeg 在本機 5.8 秒重現一次——關鍵幀決定八成畫面，但 ffmpeg 只能動鏡頭，角色要動還是得接每秒約 0.13–0.47 美元的圖生影片 API。
香港獨立開發者零零花一週讓遊戲角色走樓梯時每步都踩在階上，Threads 貼文 1.9 萬次瀏覽。我把腳步 IK 拆成射線、踏板吸附、兩段骨 IK、骨盆下沉四步，做成瀏覽器對照實驗：階高 22 時腳底誤差從 4.22 px 降到 0.32 px——其中骨盆下沉的效果要有下樓場景才量得出來。
Threads 上有人說一人公司用 Claude Code、n8n、Supabase、Vercel、Cloudflare、Gumroad 免費版，月費約 4 千出頭；我照 2026-10-26 官網牌價拆開算，並做成成本計算器。起步規模約 NT$3,456，Claude Max 5x 就佔 3,230——開始收錢後 Vercel、Supabase 得升 Pro，約 NT$4,910。
Motion 是 Mosaic 在 2026 年 6 月發表的動態設計影片 agent，透過 MCP 接進 ChatGPT、Claude，點數制 6 美金 200 點起。我用 Claude Code 加 Playwright、ffmpeg 自建一套，一句話做出 9 秒 1080×1920 MP4——短片頭和數據動畫夠用，要配音或工程檔再付費。
Higgsfield Genjutsu 是影片轉影片功能，上傳一段普通影片就能保留動作、把場景換成豪車豪宅，15 秒 1080p 約 7.2 美元。我用 ELA 和 C2PA 實測 AI 炫富圖：拼貼區誤差 1.75 倍、AI 生成區也有 1.65 倍，標記轉存一次 JPEG 就全部消失——看圖抓不準，看對方行為才準。
Folia 是 GitHub 上 9.4k 星的 AGPL-3.0 開源音樂播放器，Windows、Mac、Linux 都有安裝包，主打把歌詞做成像文字 PV 的全螢幕排版動畫。我在本機用它的探針頁跑完 15 種模式、頁面錯誤 0——自己聽歌直接裝 v0.7.22，AGPL 加非官方音源不適合放進公司產品。
〈溪山晚照〉是我用 Claude Code 寫的單檔 HTML 水彩動畫：Canvas 2D、368 行、沒有一張 AI 生成圖，宣紙暈開、遠山疊色、乾筆飛白都是演算法一筆一筆畫出來，起點是 Threads 作者 @jelenaaigc 用 Codex 做的同類作品。同一個 seed 每次畫出同一幅（兩次 md5 相同），逐格算成 32 秒 MP4——代價是只能畫演算法寫得出來的東西。
ClaudeAnimationBase 是 JohnHeibel 在 2026 年 9 月開源的 MIT 模板，讓 Claude 寫 p5.js 程式逐格畫出手繪水彩風動畫，再輸出 MP4。我照它 461 行的指南做了 9 秒原創短片〈楓葉帽子〉——先分鏡、看縮圖自審兩輪，RTX 4070 渲染 327 秒，沒有獨顯會慢 12 倍。
bywind_art 的 AI 短片〈開明獸・奔山而來〉三週拿到 9.5 萬讚，我拆出的關鍵是巨獸對小人的比例反差，加上一句「它不是來攔路的，它是來見你的」。我把它拆成 6 鏡 20 秒的公式，做成可選 6 隻山海經神獸的分鏡產生器——要注意原典的開明獸是九首人面虎，Reel 畫的是白毛巨獸。
關卡拓撲是先決定區域怎麼連、玩家怎麼走，再畫地圖外觀的設計方法，源自《Unexplored》的 cyclic generation。我把它做成網頁產生器，和「只給數量」的隨機地圖對照：拓撲版 1,500 組測試 0 失敗，隨機版 500 張有 211 張走不到 Boss——給 AI 地圖要先給連線，不是只給數量。
角色設定圖（character sheet）是把角色的轉面、表情、動作、色票和禁止清單畫在同一張的參考圖，生圖時附上，模型就照圖畫。我盤點部落格 52 張封面，吉祥物有 1 張畫成別的角色、三張封面量到三種圍巾黃——原因是提示詞只固定兩個特徵，所以我改成每次附設定圖生封面。
OmniRoute 是 2026 年 2 月開源、MIT 授權的本機 AI 閘道，8 萬多星，提供 OpenAI 與 Anthropic 相容 API，把 Claude Code 的請求轉給你自己接上的供應商。我在 Windows 接本機 Ollama 實測：協定和工具呼叫轉換都正確，但 8B 模型撐不住 Claude Code 一萬多 token 的請求——免費額度要自己註冊各家帳號，接上去跑的也不是 Claude。
line-talk 把家裡桌機的 Claude Code 接上 LINE：每則訊息開一個新的 claude -p 程序，帶 --resume 接回同一個 session，服務只在 state.json 記下該接哪個 id。訊息進來先交給 Claude（Sonnet）判讀——排任務、聊天還是問進度，新開還是接哪張舊卡，屬於哪個分類——分類存進任務卡，「上次那個」才找得回來；判讀沒回來才退回網址規則與 Haiku。
Graphify 是 Graphify-Labs 2026 年 4 月開源（Apache-2.0）的程式碼知識圖譜工具，在 Claude Code 打 /graphify 就用 tree-sitter 在本機把專案解析成「符號 + 關係」的圖，讓 AI 查圖而不是一個一個檔案 grep。半年 13 萬星、PyPI 累計約 900 萬下載；我拿 80 多個檔的部落格 repo 實測 12 秒建好、0 token——多跳路徑明顯贏 grep，單跳查詢差不多，安裝會改 CLAUDE.md 和 hooks。
write-swift 是 Emil Kowalski 收在 MIT 授權 emilkowalski/skills 裡的 AI agent skill，用 16 節規則教 AI 照 Swift 6.2 之後的並行模型寫 Swift。我讓 Claude Code 寫同一個 SwiftUI 列表做 5 次對照，沒裝 skill 也會用 @concurrent，裝了才 3 次都補上取消檢查與 Mutex——但它把 6.3 當目前版本，swift.org 已是 6.4.1。
review-animations 是 Emil Kowalski 以 MIT 開源的動畫審查 skill，拿 10 條標準比對 diff、一定判 Block 或 Approve，只能打 /review-animations 點名。我拿它審部落格剛上線的動畫 commit，8 條意見 3 條在正式站重現、0 條誤報——但漏了 3 個量得到的問題，適合當第二雙眼睛。
prototype 是 Emil Kowalski 開源的 Claude Code skill，把一個 UI 元件做成幾版不同原型，放進切換器讓你挑。repo 有 48.2k stars（15 支共用）；我實測點名時做出 4 版卡片 hover、沒碰正式程式，但 1 版全黑沒自驗，不點名不載入。
pick-ui-library 是 Emil Kowalski 收在 MIT 授權 emilkowalski/skills 裡的 Claude Code skill，用 85 行清單把 19 種前端任務對到 20 個函式庫，要手打 /pick-ui-library 才載入。我跑 6 個情境，它會先看 package.json、不亂換依賴，但一次給了已棄用的套件名——清單值得用，安裝前自己核對 npm。
mobile-native 是 Emil Kowalski 以 MIT 開源的 AI agent skill，專抓網頁在手機上露餡的 11 種症狀，例如 hover 黏住、100vh 與輸入框放大。我點名它審自己的部落格，19 列抓出 14 個問題、修完再審又找到一個新坑，但模擬器只能證明 CSS 上線，iOS 實機仍要拿手機驗。
improve-animations 是 Emil Kowalski 開源的 Claude Code skill，掃整個 repo 的動畫程式碼，只把修法寫成 plans/ 底下的自足計畫、不動原始碼。我拿剛修完動畫的部落格前端跑一次，約 9 分鐘、US$2.04 產出 8 條發現與 4 份計畫，挑 3 條到正式站量測全部成立，其中一條就是當天新加的 ease-in。
find-animation-opportunities 是 Emil Kowalski 收在 MIT 授權 emilkowalski/skills 裡的 Claude Code skill，用頻率、目的、速度、功能四題 Gate 篩出介面上該加與不該加動畫的地方，只出報告、不改程式碼。我拿部落格前端跑了兩次，點名那次抓到有 class 沒樣式的目錄箭頭，兩次對篩選動畫卻給出相反結論——箭頭與篩選動畫後來都修進正式站，附 diff 與 Playwright 實測。
emil-design-eng 是 Emil Kowalski 收在 MIT 授權 emilkowalski/skills 裡最長的一支 skill（674 行），把他對 easing、動畫時長、何時不該動畫與 UI 細節的判斷寫給 AI agent 看。我實測同一個下拉選單，點名後開啟 102ms 就接近不透明、關閉比開啟快，截圖卻幾乎一樣——而且不點名 3 次只觸發 1 次，載入一次約多 9.9k tokens。
break-ui 是 Emil Kowalski 收在 MIT 授權 emilkowalski/skills 裡的 Claude Code skill，用長名字、空清單、只有 1 筆這類真實會出現的最壞資料壓 UI，先回報、等你點頭才修。我拿自己的部落格前端給它測，33 條問題到正式站逐條驗證，12 條重現、6 條是 Broken——值得裝，但它標「推論」的項目一定要開瀏覽器確認。
ask-sonner 是 Sonner 作者 Emil Kowalski 寫的 skill，教 AI 設定與排查 React toast。它教的 getActiveToasts() 不在 Sonner 2.0.8 公開 API，5 組實測唯一編譯失敗的就是照抄那組，用時要叫 AI 跑 tsc。
animation-vocabulary 是 Emil Kowalski 的反查型 skill，用 91 個術語把「彈一下」翻成 Pop in 這類標準詞。24 次 claude -p 對照中，問名稱的題目全部自動觸發，只描述感覺則 0/3——要穩就直接點名。
animation-performance 是 Emil Kowalski 以 MIT 開源的 Claude Code skill，專門診斷網頁動畫為什麼掉幀，裝了會自動觸發。我實測有無 skill 的審查，問題清單差不多，但有 skill 的 4 次都把動 width 的進度條排第 1；改成 scaleX 後 layout 從約 250 次降到 0——桌機幀率卻沒變，要實機錄影才算數。
animate 是 Emil Kowalski 在 2026 年 8 月放進 emilkowalski/skills（MIT）的 Claude Code skill，用一份 SKILL.md 加 14 份元件食譜，把「加個動畫」拆成先問該不該動、再挑工具與曲線的 7 步流程。同一句需求實測，沒裝 skill 的 3 次都替 Ctrl+K 面板加了動畫、1 次還弄壞，有 skill 的 4 次全部拒絕，下拉選單也統一用 0.95 縮放與同一條曲線——它最有價值的是會說「這不該動」。
animate-expo 是 Emil Kowalski 寫給 AI 的 Expo 動效規範，管手勢、sheet 與觸覺回饋。同一句需求跑 5 組 Claude Code，裝了的 3 組都用上 spring 與減少動態，沒裝的 2 組是 0，點名版還拒做分頁滑動。
我的個人知識庫是一個 258 張卡片的 Obsidian vault，由 Claude Code 的 Stop hook 排隊、每晚用 claude -p 整理成卡片，再由 UserPromptSubmit hook 用 BM25 在每次提問時撈出相關卡片注入 context。六週 51 封日報共寫入 142 張卡，檢索每次約 0.5 到 0.9 秒——字面比對撈得準，換個說法就撈不到，是目前最大的缺口。
我把每天反覆在做的工作流寫成 8 支 Claude Code 旗艦 skill：開案的 /wez-cms-scaffold、/springboot-init，開發的 /spec-flow、/plan、/review-and-clean，驗收部署的 /screenshot-review、/jenkins-docker，還有發文的 /blog-create。共通點是完成要從輸出端驗、沒驗過就標沒驗過——想要可以寫信跟我拿。
apple-design 是 Emil Kowalski（Linear、前 Vercel）收在 MIT 授權 emilkowalski/skills 裡的 AI agent skill，把 Apple WWDC 的動效、手勢與材質原則改寫成 17 節給網頁用的規範。repo 有 47.8k stars（15 支 skill 共用）；我實測點名使用時，Claude Code 寫的 bottom sheet 多了彈簧、動量投射與橡皮筋——但沒點名時 3 次只觸發 1 次。
Strata 是 Niko1221 在 2026-09-24 開源的 MIT 推論引擎，靠把 24,576 個 expert 分層放在顯卡、RAM 和 SSD，讓 12GB 顯卡加 32GB 以上 RAM 就能跑 125B 的 Qwen3.8-Flash-Next，並開出 OpenAI／Anthropic 相容 API。三週 2.5 萬星、已發到 0.1.44.1，幾乎天天出版——能用但還在快速變動，Mac 版更是 10/12 才加進來的新功能。
Orca 是 Stably AI 開源的 MIT 桌面 app，每個任務開一個 git worktree，讓 Claude Code、Codex 這些 agent 各自在自己的資料夾裡改檔，改完在同一個視窗看 diff、開 PR。七個月 9.3 萬星、十天發 4 個正式版——功能更新很快，我的部落格就在它開的 worktree 裡寫，但截圖與選單位置以官方文件為準。
herdr 是 Rust 寫的 Apache-2.0 終端機多工器，像 tmux 一樣切 workspace 和 pane，但認得裡面跑的 Claude Code、Codex，標出每個 agent 在工作、卡住還是閒著。我在 Windows 實測 v0.9.5，server 重啟後版面回來、執行中的程式不會——還在 0.x，適合平常就住在終端機裡的人。
一份 21 篇、154 頁的「給設計師的 Claude Code」繁中筆記，摘要 Nick Babich 的英文文章再加上作者自己的補充。它好讀的原因是固定骨架、原文與補充分開標、範例貼完就拆結構——但 AI 工具筆記保存期限只有幾個月，我對官方文件找出 3 處已經不一樣。
REA 是 morluto 在 2026 年 4 月開源的 MIT 專案，用 MCP 把 Hopper、Ghidra、IDA、JADX 等逆向工具接給 Claude Code、Codex，讓 agent 帶著證據分析 App 怎麼運作。我用 6.5.0 實測 Electron 範例，兩條 IPC 呼叫鏈全部配對正確、還會標出哪些只是候選——但要 Node 22.19+、setup 會改全域設定，原生二進位還得另裝反組譯引擎。
find-skills 是 Vercel 開源的 skill：問 Claude「有沒有 skill 能做 X」，它就搜 skills.sh、照安裝數與來源篩選，問過你才裝，已有 380 萬次安裝。我實測它不會擅自安裝，但 CLI 只按安裝數排序——相關性要靠 Claude 讀結果判斷。
screenshot-to-code 是 Abi Raja 開源的 MIT 專案：丟網站截圖、Figma 稿或 30 秒內的螢幕錄影，用你自己的 OpenAI／Claude／Gemini key 生成 HTML、React、Vue 前端程式碼，目前 8 萬顆星。我在 Mac 上把前後端裝起來並讀過原始碼——一次 Create 會同時打 4 次模型、影片模式只認 Gemini，自架前先把 key 和預算準備好。
Claude Code mod 是 v2.1.287 起支援的外掛形態：一組跑在 Claude Code 行程裡的 JS／TS 函式，能畫介面、攔 tool call，以你的權限執行、沒有沙箱。我用 claude plugin validate 審過 Let's Write 開源的兩支 mod，再寫一支 13 行的 mod 擋下 force push——4 支測試全綠、實機載入真的擋住。
chaseai-yt 在 2026-06 開的 Claude Code skill，把 Claude 與 Codex 配成對手：Claude 寫計畫、Codex 帶證據反駁，不通過不准動工，寫完 code 再換人檢查。我丟一份 Acceptance 只驗單一 happy path 的計畫進去，兩輪獨立實測都在 33 到 41 秒回 REVISE 並指到同一行——真的會抓，但每輪吃掉四萬多 input tokens，不是免費午餐。
我拿 6 發 prompt injection 打自己做的醫療衛教 RAG 機器人，5 發擋住、1 發吐出 467 字系統提示詞原文——而破防的是網路上人人會抄的老掉牙開頭，偽造系統標記那發反而失敗。有效的防護只有四件事：算清楚攻擊成功能拿到什麼、把外部資料與指令劃界、在輸出端做決定性攔截、把攻擊固化成測試。
Max Bain 的 BSD-2-Clause 開源專案,在 faster-whisper 的逐字稿之上多接 wav2vec2 強制對齊與 pyannote 語者分離,把時間戳細到每一個字。我在 M2 / 8GB 的 MacBook 純 CPU 實測 17.66 秒中文:base 加對齊 35 秒,86 個字全部拿到 start / end / score——但 NLTK 的 punkt_tab 沒補裝的話,對齊那步會跑完什麼都不輸出。
兩套本機語音轉文字工具,我在同一台 M2 MacBook(8GB)上都裝過都跑過:whisper.cpp 贏在形態,clone 加兩行 cmake、零個坑;WhisperX 贏在設計,用 wav2vec2 強制對齊把時間戳磨到字級還附信心分數。裝 WhisperX 我踩了三個坑——結論是先裝 whisper.cpp,真需要字級時間戳再加 WhisperX,兩個不衝突。
純 C/C++ 寫成的 Whisper 實作,MIT 授權、無 Python 依賴,clone 完 cmake 一下就能跑,Apple Silicon 走 Metal 加速。我在 M2 / 8GB 的 MacBook 上實測三種模型:base 系列約 6-7 倍即時速度但中文會寫錯人名,large-v3-turbo 全對且仍有 1.5 倍即時——8GB 記憶體跑 1.5G 模型無壓力。
OpenAI 在 2026-07-13 開的 Apache-2.0 專案，把 codex agent 包成本機資安掃描 CLI + TypeScript SDK，直接在你機器上跑 agent 讀程式碼找漏洞。三週 160 commits、還在 0.1.x、README 自己標明 1.0 前 API 隨時會變——功能活躍但別當穩定品。
OpenAI 在自己的 GitHub organization 下開源了給 Claude Code 用的官方外掛 codex-plugin-cc（Apache-2.0，撰文當下 30,993 顆星），裝上去就能在 Claude Code 裡直接叫 Codex 審 code 或把任務丟給它跑。我裝了 v1.0.6 並拿一段故意寫壞的批次退款程式碼實測：/codex:review 花 41 秒抓出 2 個 P1；同一份程式碼換 /codex:adversarial-review 抓出 4 個，多的兩個是「刪訂單摧毀稽核軌跡」與「完全沒有退款授權邊界」，標準 review 完全沒提。這篇把安裝步驟、7 個指令的實際差別，以及那個預設關閉、逾時或失敗都會 block 你 session 的 review gate 寫透。
Anthropic 2025-08-04 開的 MIT / Python 專案，做成 GitHub Action 在 PR diff 上跑資安審查，另附一個 /security-review slash command 可在本機 Claude Code 直接用。prompt 設計紮實（>80% 可利用性門檻、三階段方法論、結構化 JSON 輸出），但最後 push 停在 2026-02-11、79 個 open issue，而且那層 AI 誤判過濾因為寫死已退役的模型早就靜默停用了。
「這個 AI 推論服務能不能上線」不能用「最多幾個 client」回答:連線數只描述掛得住幾條連線,不告訴你「在使用者能接受的延遲下,每秒服務得動幾個成功請求」。這篇把容量改寫成一句可驗收的話——在指定 workload 與流量模型下,仍同時滿足成功率、TTFT/TPOT/E2E、且零 OOM/restart 的最大 offered load,以及對應的 SLO-qualified goodput——並做成一個能跑的 skill。內容含:goodput vs completed throughput 差在哪、串流式 LLM 要量哪四個指標、為什麼 HTTP 2xx 不等於合格、coordinated omission 怎麼藏掉壅塞、穩定性缺 probe 為何標 UNKNOWN 不標 PASS。附一次真實 smoke 的樣本:reasoning 模型 TTFT 從 0.9 秒抖到 85 秒、max_tokens 被推理和答案一起吃掉。
mattpocock/skills(183k star)裡的 grilling 系列 skill,把「AI 動手前先逼問使用者」拆成三代演化:一次一題、一次一輪、邊問邊產文件。拆開三份 SKILL.md 原始碼,對照人類需求訪談「一次一題 vs 一次一輪」的老權衡,附今天這篇文章寫作過程本身當真實案例。
想讓 AI 操作瀏覽器順便錄成教學影片,結果撞到作業系統層級的限制:單一視窗的錄影裡,滑鼠游標不可能出現。macOS `screencapture -l <windowid>` 能在視窗被完全蓋住時照錄乾淨內容(讀 window server backing store),但同樣的機制決定了它永遠沒有游標——游標是系統畫在所有視窗「之上」的獨立圖層,不屬於任何視窗。這篇記錄我怎麼查清這條物理限制、然後換掉前提:用 Playwright 錄自己起的瀏覽器,在頁面注入一顆 DOM 假游標(CSS transform 平滑移動 + 點擊漣漪),一次解掉「要游標/要畫面乾淨/要能同時做別的事」三難。最花時間的不是畫游標,是驗證它真的有出現——抽影片畫格檢查害我對著幻覺改了三輪程式碼。已開源成 MIT 授權的 Claude Code skill。
claude agents(官方叫 agent view）是 Claude Code 新的背景 agent 控制台:把原本開一堆終端分頁、靠腦子記「哪個 agent 在跑什麼」的混亂,收進一個看板畫面。實測 2.1.212 拆解:看板三分組(等你輸入/執行中/完成)實際怎麼運作、一次派三個 agent 的完整並行工作流、自動 worktree 隔離 + 自動開 draft PR、跟 tmux / subagent 差在哪,以及三個一定要知道的限制。附 Anthropic 官方介紹影片。
gnhf(good night, have fun)是把 coding agent 包成自動迴圈的 orchestrator,GitHub 3.2k star。實測安裝、7 種 agent 支援、小步 commit + 失敗回滾 + 連續失敗中止機制,以及它跟 ralph-loop / 手寫 while 迴圈差在哪。
GitHub 166k star 個人 Skill 庫實際拆解:6 個核心 skill 對應 4 個 AI agent 常見失控問題,Matt Pocock 怎麼用 vertical slice 逼 agent 先問清楚再動手。
HumanLayer 的 12-Factor Agents 有 24.2k star，我對照自己寫 Splendor 網頁版時踩出的工程紀律，發現其中 3 條原則我半年前就已經做對，這是實測後的對照筆記。
看到好用的 skill,大部分人裝來用;如果你有自己的產線,更值錢的做法是拆它的零件焊進你的流程。我原本有一套截圖審查+手冊產線(/screenshot-review),但手冊圖是「乾圖」沒有圖上標註——這正是 app-screenshots 的 annotate.js 補得上的洞。本文覆盤:我怎麼把它拆進產線,過程撞到一個架構級的坑(標註截不進圖=OVERLAY GONE:agent-browser 每個 CLI 指令是獨立 CDP 呼叫,eval 注入的 overlay 下一指令就蒸發),查根因、用 batch 把 open→eval→screenshot 綁進同一 session 解掉、封裝成 annotate-shot.sh、寫回自己的 skill。全程真的跑真的驗,附 batch 解法的真實成果圖與踩坑總表。
Nesma 是荷蘭軟體度量協會(Netherlands Software Metrics Association),主推功能點分析(FPA):不看程式碼行數、只數軟體對使用者做了幾件事,來量一套系統多大。這篇講清楚它是什麼、資料功能(ILF/EIF)+交易功能(EI/EO/EQ)在數什麼、三種計數層級(detailed/estimated/indicative 荷蘭法),以及跟 IFPUG、COSMIC、敏捷 Story Point 差在哪——功能點波動不到 5%、Story Point 團隊間差異可達 400%。對一個 2026 年同時教課又接案的開發者,功能點最實用的價值不是精算,是當一把「客觀的尺」。
AI 能做可編輯的 PPT 早不是問題,難的是「好看」。python-pptx 本身很樸素——沒圓角、沒陰影、內建模板還很醜,質感不是工具給的,是設計出來的。這篇拆解我用 Claude Code 官方 pptx skill 把樸素預設做成專業簡報的四個支柱:配色系統(60-30-10、十組現成調色盤)、字型層次(type scale、襯線配無襯線)、版型與留白(對齊網格 + 重複視覺母題)、配圖(codex 生圖),外加最決定好看的 render 驗收 loop(把 .pptx 逐頁 render 成圖用眼睛抓醜),以及四個踩坑。截圖都是真的用 python-pptx 產、真的 render 出來的。
app-screenshots 是 Alexander Opalic 寫的 Claude Code skill:你只要說「幫我截圖這個網站做文件」,AI 就自己開頁、找元素、在截圖上畫好帶編號的語意標註(紅框圈按鈕、藍圈標連結)、產出圖文對照的 Markdown。底層靠 agent-browser 驅動 Chrome + 一支 298 行純前端 SVG 注入腳本 annotate.js。本文拆解它的六階段工作流、那支沒被作者講清楚的標註引擎(canvas 量測字寬、六候選點避讓、失敗大聲回報)、三種標註類型(box/click/circle)怎麼選、實際跑出來長怎樣、安裝使用、以及適合誰不適合誰。附我用它底層引擎跑出來的真實標註圖。
CodeGraph 把整個 codebase 預先建成一張「程式碼知識圖譜」（symbol 節點 + call 邊），讓 Claude Code、Codex、Cursor 這類 AI agent 不用一個一個檔案爬，一次 codegraph_explore 就拿到相關 source、call path 跟改動波及範圍。官方在 7 個真實開源專案實測：VS Code 少 81% tool call、少 64% token，Alamofire 便宜 40%、快 33%。這篇把它是什麼、三層架構（tree-sitter + SQLite + file watcher）、安裝三件套、跟 grep / LSP 的差別、以及我接的時候要注意的點寫一遍。100% 本機跑、MIT、支援 23 種語言、8 個 agent。
想在純靜態部落格旁加一個「自己的後端」——能存資料、能驗身分,又不想養 server、不想付月費。最後選了 Cloudflare Workers + D1,全程用 AI 協作從零架到線上。這篇只記三件事:怎麼一個下午搭好骨架並部署、workerd 沒有 Node 怎麼用 WebCrypto 手刻密碼與 JWT、以及最實用的——Cloudflare 免費方案額度怎麼算、什麼時候撞牆(Workers 每天 10 萬請求、D1 每天讀 500 萬列寫 10 萬列、5GB 儲存)。
Claude Code Teams Plugin 永遠不更新的根因：version string 兩端相等。3 步修法：git SHA 比對 + GitHub Action 自動 bump + Managed Settings 推 SessionStart hook，session 啟動自動拉最新。
Google DeepMind 的 Gemma 4 31B 在 Arena AI 開源模型榜排第 3，AIME 2026 數學推理 89.2%、Codeforces ELO 2150。Ollama 的 gemma4:31b-cloud 把計算搬到雲端——一行 ollama run gemma4:31b-cloud 就能用，不用下載 20GB 模型、不需要 GPU。本文完整介紹三條免費取得路線（Ollama Cloud、Google AI Studio、OpenRouter）、256K context 與 thinking mode 的用法、以及實際踩過的 4 個坑。
Claude Code Teams 的 Plugin Webhook 設定路徑是 claude.ai/admin-settings/plugins，前置條件是 Claude GitHub App 必須安裝在 repo 上、沒有被 Suspend、且批准過 Webhooks 讀寫權限。5 步啟用自動同步，含「Cannot access repository」踩坑排查。
PixelMotion AI（pixelmotion.art）是一個像素動畫生成器：上傳一張靜止角色圖、選個動作，30 秒左右就生出透明 PNG Sprite Sheet 和 GIF。內建 14 種預設動作、5 種匯出格式，底層用 Google Gemini，1 積分一次生成、失敗不扣積分。本文實測完整流程、定價、踩坑與適配對象，並釐清它跟同名的 pixelmotion.io 是兩個不同產品。
DevSpace 是開源的 self-hosted MCP server，把 ChatGPT 接到你本機 repo，讓它像 Codex 一樣讀寫、搜尋、跑指令。社群的賣點是「ChatGPT 跟 Codex 額度分開算＝額度翻倍」，但這是副作用、不是官方功能。本文實測：修正 Threads 原貼錯誤的安裝指令（@waishnav/devspace）、tunnel 接法、403／Windows 要 Bash 等踩坑，以及 ToS 風險的誠實面。
ANNsmemory（外掛名 cognitive-memory）是 Claude Code 的認知記憶外掛，用 Go 寫的 memctl 當唯一寫入者，提供跨專案結構化記憶。本文拆解安裝、recall/remember/consolidate 四指令、episode/semantic/procedural 三種節點與單一寫入架構，附實測踩坑與 FAQ。
pyJianYingDraft 是用 Python 自動生成剪映草稿的開源庫。實測安裝、模板模式與批量導出，並把剪映 6+ 加密、Mac 不能導出等 4 個版本限制一次講清楚。
爆紅 AI 插件 Ponytail 用一條 YAGNI 決策階梯，逼 AI Agent 能不寫就不寫。實測程式碼少 80-94%、速度快 3-6 倍、成本降四成，5 天衝 2.7 萬星，本文含安裝與實測。
Firebase 的 .web.app 是免費內建網域，連 HTTPS 憑證都自動簽好。本文用 5 個步驟教你從零申請，並回答一個帳號到底能開幾個（單一專案最多 36 個 site）。
額度撞 rate limit 最痛的不是要等刷新，是對話脈絡斷掉。ccs 這套把這個痛點直接做掉——一鍵切到第二個帳號，把同一串對話搬過去用它的額度繼續跑，脈絡完全不斷。核心原理 provider-agnostic：每一場對話其實是一個 .jsonl 檔躺在硬碟上，用 CLAUDE_CONFIG_DIR / CODEX_HOME 環境變數隔離兩個帳號身份，撞 limit 時把那場對話檔複製到第二個帳號目錄、再用它 resume 就好，額度算第二個帳號的、歷史一字不差。支援 Claude Code 與 Codex，連 Codex 斷了用 Claude 接的跨工具接力都涵蓋。安全上用「按需複製單一對話檔」而非 symlink 整個資料夾（後者雙開會 corrupt），token 永遠留在你自己的 Keychain、不被搬移。本文最後一段可以直接複製貼給 Claude Code，它會自己 git clone + 跑 install.sh 幫你裝好——唯一要你自己按的只有第二個帳號的 login。
agent-browser 能在截圖上畫圖、寫字——不是給人塗鴉的小畫家，而是自動把 AI 看得懂的標記畫進截圖像素裡。這篇接續上一篇純文字流，實測它在截圖上畫東西的三種畫法——screenshot --annotate（在每個可互動元素上畫編號 [1][2][3] 並寫出對照清單，每個對應 @eN ref，截完可直接 click @e2）、highlight（在指定元素外畫高亮框做聚焦驗證）、diff screenshot（把畫面差異畫成像素級比對圖，抓「長相變了」，配合 diff snapshot 抓「結構變了」）——把只能讀純文字 snapshot（一頁 200-400 tokens）的 agent 升級成「看著畫面操作」，補上 icon 按鈕、canvas、純視覺狀態這些純文字抓不到的盲區。核心是 annotate 把視覺感知跟動作指令對齊：畫上去的 @eN 編號文字流跟視覺流共用同一套 ref，多模態模型看圖推理完直接產生跟純文字流一樣的指令。踩坑含 annotate 只支援 CDP 後端（Chrome/Lightpanda）Safari 不行、ref 會過期、diff threshold 不調會一直假警報。版本 v0.27.2，全程 Mac 實測。
Claude Fable 5 是 Anthropic 在 2026-06-09 公開放出的最強模型（model ID claude-fable-5），預設 1M token context、最高 128k 輸出，定價 $10/$50 per M token 剛好是 Opus 4.8 的兩倍。它跟限定釋出的 Mythos 5 是同一顆底層模型，差別只在安全層——Fable 5 內建 safety classifier，平均 <5% 的 session 會在 cybersecurity/biology 等高風險領域被攔下、改由 Opus 4.8 回答（refusal 回 HTTP 200、不計費、可帶 fallbacks 參數自動重試）。它是 Covered Model，30 天資料保留、不支援 ZDR。這篇拆解規格與定價、安全閘門 fallback 機制、在 Claude Code 用 /model claude-fable-5 怎麼切（只有 adaptive thinking、用 effort 控深度），最後給三種人三種升級決策——長 horizon agentic 工作該升、日常任務 Opus 4.8 才是甜蜜點、有 ZDR 需求別升。
LLM token 計量沒有單一正解，而是一條從輕到重的光譜：啟發式估算（字數÷4）、本機 tokenizer（tiktoken）、provider 官方 count API（Anthropic count_tokens 免費）、跨模型計價庫（liteLLM / tokencost）、線上 observability（Langfuse / Helicone）。關鍵是分清「事前估」還是「事後對帳」——前者用本機 tokenizer，後者直接讀 API response 的 usage。最大的坑是 tokenization 不跨 provider 標準化：我本機實測同一段 66 字中文，GPT-4 的 cl100k_base 算 62 token、GPT-4o 的 o200k_base 只算 42——差 47%。這篇把 5 種方案逐個拆、做成優劣總表與決策流程圖，附本機 tiktoken 實測指令。
Dense 模型每個字都用上全部參數,誠實但耗算力;MoE(Mixture of Experts)靠一個「領班」每個字只派一小撮專家上工,帳面參數很大但實際算力很省。最反直覺的一點:MoE 省的是算力跟速度,不是記憶體——所有專家還是得全部載進 VRAM。VRAM 不夠時該砍的是「總參數量」,不是無腦選 Dense。這篇從我在單機 dev 機換本地 LLM 卡到的真實問題出發,用餐廳出餐比喻講透 router 怎麼運作,再拿 Mixtral 8x7B(46.7B/13B)、DeepSeek-V3(671B/37B)、Gemma 4 12B(純 Dense)三顆真模型把數字釘死,最後給出 VRAM 受限時該怎麼選的決策表。
agent-browser 是 Vercel Labs 出的 AI agent 專用瀏覽器自動化 CLI，用 Chrome 跑、不依賴 Playwright。它最大的差別是「snapshot + refs」——回傳精簡的可訪問性元素清單（每頁約 200-400 tokens），而不是整坨 HTML。我今天把它裝到 Mac、跑通一個登入流程、再裝成 Claude Code skill，全程實測。這篇是覆盤：安裝怎麼裝、登入流程怎麼跑（snapshot→fill→click→截圖 round-trip）、踩了哪些坑（Hacker News 被反爬擋、ref 會過期、nvm 路徑可攜性），以及怎麼用「薄存根 + CLI 動態供給」把它接進 Claude Code 對話直接調用。
我讓 Claude Code 一條龍把一個 React 遊戲(戰旗 J7 Reborn)部署上 Firebase Hosting、再接自己的網域 j7.yanchen.app,全程只下一句「上架到這個網域」。關鍵不是 `firebase deploy` 那 30 秒,是「怎麼判斷真的上線了」:Deploy complete!、Console 顯示「已連結」、單次 curl 回 200,三個都不算數。這篇把 build → deploy → 接 custom domain → DNS → 等 SSL → round-trip 驗證整條寫透,重點放在那個卡了幾小時的坑:custom domain 顯示「已連結」卻一直 404 —— 以及為什麼那其實不是設定錯,是邊緣節點內容還沒收斂,該等不該動。附 openssl 驗 SAN、curl 連打、SPA rewrite 的實際做法。
Arize Phoenix 是開源、單容器自架的 LLM observability 工具（不像 Langfuse 還要外接 ClickHouse + Redis + S3）。我把它接進一個醫療 CDSS 的 LangGraph 8-step agent，目的不是看 latency，是要回答醫師那句「它為什麼開這個藥」。這篇記錄安裝三件套、三個讓我 debug 半天的踩坑（langchain 自動 instrument 散 trace、phoenix-client 預設讀錯 env、自家工具 OpenInference 抓不到），以及真正值錢的那段——把醫師回饋以 annotation 回掛到對應 trace，做成 human-in-the-loop 的評估閉環。附完整 code。
open-slide 是台灣開發者 Yiwei Ho（@1weiho）做的開源簡報框架，定位是「給 AI coding agent 用的」：你在對話框講想要什麼，Claude Code 幫你把每一頁寫成 React 投影片，框架負責 canvas、縮放、導航、hot reload、演講模式這些雜事。上線沒多久 GitHub star 就從 4 千衝破 4.6k，repo 卡片已顯示 5k。這篇拆解它跟 Slidev / reveal.js 的根本差異（每頁是任意 React component、跑在固定 1920×1080 canvas）、npx 一行安裝、三個內建 agent skill（/create-slide、/slide-authoring、/apply-comments）怎麼配合，以及 inspector 點一下留 comment 讓 agent 改稿的工作流，附可直接抄的指令。
Pollinations 是我看過門檻最低的生圖 API —— 不用註冊、不用 API key、不用綁信用卡,把 prompt 塞進一個 URL、curl 一下就回一張圖。這篇把它「URL 即 API」的設計、實測坑(/models 清單跟文件對不上、傳不存在的 model 不報錯而是靜默 fallback)、seed 決定性、匿名與註冊 tier 的差別、2025 之後的 watermark 政策、Referrer / Bearer 兩種認證都寫清楚,附可直接抄的 curl 與 Node.js 範例。本文 2 張配圖全是用 Pollinations 匿名 API 當場生的。
一款 Splendor 網頁版要 90 張發展卡 + 10 張貴族卡插圖,預算 $0、手上沒綁信用卡,不能讓任何一步不小心被扣款。最後用 Hugging Face 的 FLUX.1-schnell 當主力(免費帳號每月 $0.10 額度)、額度用完自動 fallback 到完全免費的 Pollinations,再用 sharp 後製依寶石色染色,100 張圖一次跑完、整副風格一致、總花費 $0。這篇把 token 怎麼拿、額度怎麼算、bash 怎麼封裝、批次 seed 怎麼固定保證可重現、schnell 不吃顏色怎麼用後製補色,全寫清楚,附可直接抄的 bash / Node.js 程式碼。
我用 Claude Code 從零做了一款 Splendor(璀璨寶石)網頁版 —— 規則引擎、React UI、單元測試、E2E、連 100 張卡牌插圖都生好,全程沒手寫幾行 code。但能跑得順的關鍵不是 prompt 寫得好,而是三件工程紀律:規則引擎跟 UI 徹底分離、用「不變量測試 + fuzzing」逼出 AI 看不到的暗 bug、E2E 走完整 round-trip 而不是繞過引擎。這篇拆解這套協作方法,附這個專案的真實程式碼。
系列番外。我這套醫療決策 pipeline 最早不是用 LangGraph,是用 Hermes Agent CLI(NousResearch 2026 年初開源的自主 agent 框架)。Hermes 很強,但強在通用對話助理、會自我學習、接 20+ 平台;而我要的是確定性步驟為主、流程可畫成圖、每步可審計、出錯能精準退件的決策管線。方向不對再強也是錯的工具。這篇覆盤這個選型決策:Hermes 哪裡好、為什麼對我的場景不對、換到 LangGraph 解決了什麼。「用真實專案學 LangGraph」系列 EP6(完結)。
Claude Code Teams 比個人 Pro 貴 7.5 倍($150/seat 月),願意付這筆錢的 owner 一定有「多人管理」需求。這篇從 owner 視角盤點後台 4 個會真的拿來用的管理動作:座位管理(誰當 Primary Owner 是治理大事)、Skills 集中派送(把公司 SOP 變成全員 day1 工具)、Tool permission 與 MCP enforce(收斂風險邊界)、ZDR(Enterprise 限定,法遵核選項)。每條能力背後引官網原文,告訴你什麼時候用、不適用什麼場景、踩到會痛的地方。
Claude Code 透過 MCP 可以直接呼叫本機 Codex 跑子任務——我下 prompt、Codex 在同一台機器讀檔/跑指令/回報。但這是「結構化輪流問答」(one-shot + threadId 延續),不是兩個 AI 自由聊起來。這篇紀錄我接通的全程:怎麼用三題本機驗證確認「真的接通而不是腦補」(它回傳 commit hash 6cf8254 我去對)、怎麼用 tmux pane 即時看 Codex 的推理與指令、以及最能說明「對等有限度」的坑——MCP 接過去的 Codex 預設 read-only sandbox,嘴上能聊手上卻寫不了檔。結論:接通 ≠ 協作,能聊 ≠ 能動手。
前四篇的零件——state、node、edge、conditional edge、reducer、LLM 結構化輸出——這篇全部組起來,串成一條完整的醫療 AI 決策 pipeline:載入資料 → 補衍生指標 → 載入規則 → 組 few-shot → LLM 出建議 → 業務驗證 → 適配輸出 → 持久化,中間帶分流重試。然後加上 LangGraph 的殺手級功能 human-in-the-loop:用 interrupt() 在高風險決策點暫停整張 graph,等人點頭才繼續,靠 durable state 讓這件事變簡單。「用真實專案學 LangGraph」系列 EP5。
KKTerm 是 Windows-first 的 Tauri 終端機，把 PowerShell、SSH、SFTP、RDP、VNC、Serial、Telnet 收進同一個 app，內建 Dashboard 看 CPU / Claude Code 用量，還附 MCP server 讓外部 AI agent 直接呼叫終端機。v0.1.46（2026-05-30）MIT 開源。含安裝、踩坑、vs Windows Terminal / Tabby / Warp 比較。
ultrawork 是 OpenCode 社群造的詞,Anthropic 2026-05-29 推出的 dynamic workflows + /effort ultracode(v2.1.154)才是官方答案,最多召喚 1,000 個 subagents。社群兩個 Claude Code plugin(TechDufus 157★、zephyrpersonal 0★)都源自 oh-my-opencode,2026/01 Anthropic ToS 行動之後才大量移植。本文釐清詞源、列三柱對照、給選擇建議。
把真正的 LLM 接進 LangGraph node,三個關鍵:結構化輸出(用 Pydantic schema 強制 LLM 吐固定格式,不要 parse 自由文字)、few-shot(在 prompt 裡塞範例把輸出品質拉穩)、業務驗證(LLM 吐的東西不能照單全收,過一道規則檢查)。這篇示範怎麼用 with_structured_output 在決策 node 裡把這三件事兜起來,並講最容易出事的地方:LLM 的結構對了不代表內容對。「用真實專案學 LangGraph」系列 EP4。
線性 graph 不夠用時你需要兩個東西:Conditional Edge(跑完一個 node 看結果決定下一步去哪——過了往前、沒過退回重試、重試太多次直接退件)跟 Reducer(讓某個 state 欄位累加而不是覆蓋,最典型就是 retry 計數器)。這篇用 add_conditional_edges + router 函式 + Annotated[int, operator.add] 把這兩件事講透,並解釋一個關鍵設計決策:MAX_RETRY 該設多少、為什麼很多嚴肅場景答案是 0。「用真實專案學 LangGraph」系列 EP3。
ultracode 跟 ultrathink 名字像、做的事完全不同。ultrathink 是 prompt 關鍵字,只讓模型這一回合想更深(最高 31999 thinking token);ultracode 是 /effort 設定,把整個 session 切成 xhigh 推理 + 自動 dynamic workflow 編排,替每個任務派出一隊 agent(最多 16 並行 / 單次上限 1000)。附本機 Claude Code binary 實測字串為證。
LangGraph 的核心只有三個概念:State(跨步驟共用的狀態)、Node(收 state 回傳要改的欄位的函式)、Edge(把 node 串起來的線)。這篇用血脂決策 pipeline 的真實場景,帶你從 StateGraph 定義、add_node、add_edge 一路到 compile 與 invoke,給一個複製貼上就能跑的最小範例,並講三個新手最常踩的坑:回傳整份 state、忘記接 START/END、在 node 裡 mutate state。「用真實專案學 LangGraph」系列 EP2。
每次系統改版都要重截一遍操作手冊、還老是截圖跟說明對不上？我把這件苦差事做成 Claude Code skill：/screendoc。一句指令偵測前端框架、跑 Playwright 截圖、用 UI/UX + 系統分析 + 新手 + 開發者 4 個視角逐張比對「截圖 vs 說明 vs 原始碼」、不一致就局部重截迭代到全過，最後產一份對外可發表的離線 HTML 手冊。本文拆它在幹嘛、Phase 0–5 跑了什麼、為什麼要 4 視角不是過度設計，以及怎麼透過 yc-plugin 一鍵裝起來用。附我在一個無關的 React + Vite 專案上 round-trip 跑通的實測。
LangChain 跟 LangGraph 不是二選一,是上下層:LangGraph 是底層 runtime(管 state、流程、重試),LangChain 是建在它上面的高階 API。2025-10-22 兩者都上 1.0 正式版。這篇用比較表、三個情境判斷、三個真實踩坑,講清楚標準 agent loop 該用 LangChain、要精細控制流程分流與重試該用 LangGraph,以及完全新手該從哪個開始學。「用真實專案學 LangGraph」系列第一篇。
每次 git push 完都要手動切到 GitHub Actions 頁面盯著部署跑完，綠了放心、紅了回來修——這件事重複到讓人煩。我用 Claude Code 的 PostToolUse hook 把它自動化：hook 攔到 git push 成功就注入一段任務指示，叫 Claude 排程約 70 秒後查 Actions 結果，全綠回報、紅了抓 log 修。關鍵是一次性驗證（ScheduleWakeup 而非無限輪詢），而且改版後不綁特定 workflow 名、用 commit SHA 對齊，任何有 push-triggered Actions 的 repo 都通用。本文把實作三段、additionalContext 機制、從寫死 deploy.yml 到通用的兩刀改法，以及踩到的欄位名坑（tool_response 才是對的）全寫下來。
5 分鐘前在我 Mac 上 `ollama run gemma4:31b-cloud` 真的回我訊息——本機完全沒吃 GPU,模型在 Ollama 雲端跑、token 從終端機流出來。然後我發現 hermes-agent 的 .env 半年前就把 Ollama Cloud 預埋好了,去掉註解填 key 就能切過去。本文記錄整套 round-trip:Ollama Cloud Free 額度怎麼算、Gemma4 31b-cloud 實測、接到 hermes 三步驟、LangChain 兩種接法 (ChatOpenAI vs ChatOllama) 的差別、Embedding 走 cloud 還是本機、跟 Claude/OpenAI 怎麼選、5 個踩過的真實坑。
LLM 給的醫療建議怎麼讓醫師敢用?「ChatGPT 看一下」這種等級在臨床決策上不夠。本文拆我跟合作醫院做的血脂治療二級預防 CDSS 全套架構:Hermes Agent + skill 兩層 schema + 沙盒公式 + RAG MCP + JSONL trace,讓每個決策都有「skill 定義 → 公式回傳值 → RAG 引用 chunk → LLM 最終 JSON」四段證據鏈。從第一版 ChatGPT API 砍掉重做的教訓、為什麼選 Hermes、8-step pipeline、範例 round-trip 全紀錄、踩過的三個坑(LLM 漏列現用藥 / RAG cross-bleed / hermes timeout)、四大 agent 框架在醫療場景的比較。寫給做領域 AI(醫療 / 法務 / 金融 / 工控)的工程師。
訂了 Claude Pro($20/月)但不知道怎麼把它用回本?2026/05/16-19 我開了四堂小班,全程錄影 + 整理成文章公開,完整看完約 2 小時、實作約 4-6 小時。四堂順序「看見 → 馴服 → 自動化 → 接生態」:1️⃣ 4 demo + permission mode 4 種 + 邊界、2️⃣ CLAUDE.md 兩層 + 十大 prompt 定義 + Ultra Think、3️⃣ Skill/Subagent/Slash Command + /loop + Hook + Remote、4️⃣ obra superpowers + MCP + GitHub + Headless。這頁是完整索引 + FAQ,適合一次看完或當回顧工具箱。
2026-05-19 Pro 版第四堂——但實際發生跟教學計畫完全不一樣。原本要教 Git 三動作,現場改成「我們自己寫一定不是最優解,要如何使用別人寫的」。實際走了 4 件事:Superpowers plugin 安裝(卡關 3 次:`/plugins` 沒搜到、Skill 沒生效、hook 把 build 卡死)、Twinkle Hub MCP 接政府開放資料(查 2024 國防部決標 12 筆)、GitHub 註冊 + gh CLI auth(CAPTCHA 卡 5 分鐘、學員 chien chang 救場)、headless `claude -p` 半夜跑 100 個檔案翻譯 batch。Pro 訂閱者照做完整路徑。
想每天早上打開信箱就看到昨天的 SEO 狀況？跟 Claude Code 講一段話，1 小時後我收到第一封信。完整 pipeline：launchd cron → bash → GSC API + Firestore → Python 組信 → SMTP TLS → Gmail。人類只做 3 件事：建 Gmail App Password、貼一行 launchctl、第一次手動跑驗證。本文公開完整腳本。
你寫了一堆 CLAUDE.md 原則,Claude 還是每次重蹈覆轍 — 不是它記憶不好,是你寫的規則「沒辦法照著做」。大部分人寫的是「描述性原則」(該做什麼、不該做什麼),但 AI 真正會跟的是「程序性 SOP」(動手前必跑的步驟、自我糾正的條件)。本文拆兩種寫法的差異、給改寫公式 「描述狀態 → 觸發條件 + 強制動作 + 違規判斷」、附 CLAUDE.md before/after 實際 diff,以及解釋為什麼 LLM 對程序性指令反應特別好。
Skill、Sub-agent、Slash Command 三個東西長得像、其實完全不同:Skill 是觸發式的小教學文件(主 agent 自己決定要不要讀)、Sub-agent 是有獨立 context 的小弟(平行跑、回精簡結論)、Slash Command 是你定義的快捷指令。本文是 2026-05-12 Pro 版第三堂的完整紀錄——加上 `/loop` 連續迭代、Hook 任務跑超 5 分鐘自動 Line 通知、Remote Control 手機掃 QR 操控你電腦、跟 ralph-wiggum 死磕迴圈工具(來自辛普森家庭那個 Ralph)。
上週寫過「我請 AI 每天早上 9 點寄 SEO 報告給我」 — 但信內容是 raw 數字,我每天還是要花 10 分鐘自己腦補解讀。這篇是第二階段:在原本 cron 腳本裡加 35 行 bash,用 claude -p stateless 模式呼叫 Claude(走 Max 訂閱 0 額外成本),把昨天的 GSC + Firestore 數字翻成「總評 / 需要注意 / 今天可以做」三段繁體中文解讀,放在信最上面。完整實作 + prompt 設計關鍵點 + 5 個踩坑 + 抄回家自己用 + 順手澄清「這跟 claude.ai 接 Gmail connector 完全不同」常見誤會。
切完 NS 後 `dig @1.1.1.1` 整整 30 分鐘都跟我說『還沒生效』，差點回 Porkbun 重設 — AI 多打了 8.8.8.8 / 9.9.9.9 / 208.67.222.222 三家對驗才抓到：三家都回新 NS，只有 1.1.1.1 自己 stale cache。本文是 30 分鐘時間軸還原、Cloudflare cache 為什麼那麼激進、多解析器驗證 SOP。
用 Claude Code 半年,memory 從 10 個檔長到 76 個,以為自己在養 AI 大腦,結果用 Obsidian Graph View 一打開全是花朵狀:所有檔只連中心的 MEMORY.md,檔跟檔之間幾乎沒連線。三胞胎重疊 70% 的 feedback、9 個全局/專案級同名檔、cross-link 趨近 0。本文拆三個結構性根因:同主題開新檔不擴充既有、寫完不加 [[link]]、全局 vs 專案級沒判準,以及整理之後做的三件事(合併三胞胎、重寫 MEMORY.md 成 cluster、CLAUDE.md 加程序性 SOP)。
Claude Code 預設每次開啟都是失憶的,但只要你寫好 `~/.claude/CLAUDE.md`(全域) + 專案 `CLAUDE.md`,它就會在每次對話開頭把這兩份檔讀進去當作永遠的指令。本文是 2026-05-05 Pro 版第二堂的完整紀錄——十大 prompt 定義對照表(指令/上下文/人設/輸出格式/約束/範例/評估/迭代/護欄/記憶)、`/compact /resume` 救命指令、pwd/ls/cd 在 Claude 內的座標系、Ultra Think 馬力全開、最後用一個「每天早上 7 點 Line 通知前一天踩坑」的 `/schedule` 收尾。
部落格累積到 44 篇後，每篇單獨 SEO 都做了，GSC 曝光卻一直撞牆。盤點才發現 28/44 都歸類在「AI 工具」、tags 一團亂、系列文沒 topic hub。本文覆盤這次「狠狠改一次」的全過程：6 個 category 收斂、tags 受控詞彙、17 個 duplicate 清理、批次 PATCH Firestore 踩到 timestampValue schema 雷、開 4 個 topic hub。AI 跑 1.5 小時、人類 10 分鐘決策。
我把舊站 yanchen184.github.io/ai-lecturer-bob 搬到自有網域 yanchen.app，整個流程交給 Claude Code 跑。人類負責的事只有 15 分鐘：刷卡、改 nameserver、按 GSC verify、按 Bing 匯入。AI 負責的 1.5 小時包含：跨來源比價、17 個檔案批次改 URL、跑 CI/CD 自我除錯、寫 SEO 設定、監看 SSL 簽發。本文拆解 8 步驟、AI 該做 vs 你該做對照表、整個流程踩到的 5 個坑（1.1.1.1 stale cache、GSC Change of Address 灰掉的真相⋯⋯），給「想搬家但被 DNS / SSL / redirect / SEO 嚇到」的人一條完整路徑。
想用手機跑本地 LLM，但不知道要裝什麼 app、能跑多大的模型、能不能進開發工作流？本文拆解 2026 年 5 月最熱門的三個 on-device LLM app（PocketPal AI / LLMFarm / MLC Chat）怎麼選、iPhone 15 Plus 真實能跑哪些模型（1B-2B 是甜蜜點，3B 卡頓、4B+ 跑不動）、PocketPal AI 從 0 開始安裝、5 個踩坑（記憶體爆掉、發燙降頻、context window 太短、token/秒掉到不能用、Apple Intelligence 跟本地 LLM 的關係），最後解釋為什麼「手機算力幫電腦」是死路、什麼情境真的值得在手機跑 LLM。
chromadb 1.5.x 在 macOS 26.4 ARM64 必 SIGSEGV,所有 mempalace CLI 指令全死、只剩 MCP server 苟活。MemPalace 3.3.5 用兩個機制救回來:HNSW segment quarantine 自動隔離壞索引,repair --mode from-sqlite 從 sqlite3 直接撈 (id, document, metadata) 重灌新 palace。本文記錄完整升級路徑、3.3.5 兩個救命機制原理、外加我寫的 180 行 Python claude-p-openai-proxy.py——把 claude -p CLI 包成 OpenAI 相容 HTTP 端點,讓 mempalace compress 走 Max 訂閱、零 API 成本。
2026 年 4 月 Karpathy 在 gist 丟了一份 200 行 markdown,一週後全網炸開、12 個社群 implementation。一句話講:讓 LLM 把你丟的所有資料「編譯」成一個結構化的 markdown 知識庫,以後問問題不查原始檔、查這個被整理過的 wiki。本文拆解 RAG vs LLM Wiki 的編譯式/解釋式之差、三層架構、30 分鐘上手路徑、我把 7 場教學逐字稿 + 200 則 Discord QA 丟進去跑兩週的實測(token 降 87%)、5 個踩坑、什麼情境裝了反而是負擔。
訂閱 Claude Pro($20/月)、想裝 Claude Code 但還沒動手?這是我 2026-04-28 第一堂 Pro 版小班的完整紀錄。4 個 demo:一句話讀 CSV、整理 24 個亂檔案、SQLite 查 4 月營收、從零部署網站——每個都 5 分鐘內看到結果。然後拆 4 種 permission mode(default/acceptEdits/plan/bypassPermissions)、`.claudeignore` 防憑證外洩、跟我自創的「Claude 邊界」觀念——不要讓 AI 做你也不懂的事情,它犯錯時會極度自信。
產業內叫它 distributional convergence、purple problem、AI slop——每個 LLM 寫的前端都是紫色漸層 + Inter + 三欄卡片。本文做歷史考古（Instagram 2015 → Tailwind UI 2020 → 訓練資料污染），拆解 Anthropic 四維度框架（typography / color / motion / spatial），並公開那份反 AI 味的 system prompt 全文。
我在企業內訓教 4 堂 AI Claude Code 概論初級班，把簡報全寫成 HTML 而不是 Keynote / Slidev / Reveal.js，丟在 GitHub Pages 上跑。本文拆解：為什麼放棄 Keynote、為什麼不用 Slidev、設計系統（深色 + 黃金 accent + 襯線標題）、部署用一條 push 指令、學生 clone 下來雙擊就能看（沒有 npm install）。Repo 全開源，歡迎 fork 改成你的教學內容。
AI 寫的前端九成是紫色漸層 + Inter + 三欄卡片（業界叫 AI slop / purple problem）。Anthropic 官方 frontend-design plugin 兩行指令裝起來，鎖住 4 個維度（typography / color / motion / spatial composition）擋掉 AI 味。含安裝、prompt 範例、Cursor / Codex workaround。
obra/superpowers 7 個月 121k stars、2026/01 進 Anthropic 官方 plugin marketplace,14 個內建 skill 把資深工程師工作流(brainstorm/TDD/debug)強行套到 Claude Code 上,token -14%、首次成功率 +40%。但我自己跑兩週發現:小任務反而 +20% token、demo 前急著修 bug 被 brainstorming 拖住、Haiku 跑不動。本文拆 14 個 skill 各自解什麼、5 個踩坑、跟自己手寫 skill 的對照表(從適用任務、學習曲線、客製化彈性、維護成本四個維度比較)、Jesse Vincent 的設計哲學(讓 Claude 暫停,不是變聰明)。
/powerup 是 Claude Code CLI 內建的互動教學命令，10 堂課掃過最常被忽略的進階功能：subagents、hooks、output styles、permissions、worktrees⋯⋯本文用本機 binary 為 source of truth 逐堂拆解真實內容，附完整指令對照表，新手 1 小時跑完。
AI Agent 最怕的就是「它把我電腦搞壞了」。Hermes Agent 內建 7 種沙盒後端:本機、Docker、SSH、Singularity、Modal、Daytona、Vercel Sandbox,涵蓋從「完全不隔離」到「跑在別人雲端、跟你電腦完全無關」。本文拆解每一種的隔離強度、適用場景、實際 docker 設定範例,讓你知道哪種任務該選哪個後端。
不用懂 Python、不用買 GPU、不用 Docker。三步驟:裝 uv → 裝 hermes-cli → 給它一把 API key。本文是 Hermes Agent 最簡安裝路徑,專為「完全沒裝過 AI CLI 工具」的新手寫,附 Anthropic / OpenAI / Ollama 三家 provider 比較、API key 取得步驟、第一句話 hermes -z 範例,15 分鐘從 0 跑起來。想接公司內網 LLM 看實戰篇,這篇先學會「能跑」。
Hermes Agent 在 Mac 的完整安裝與內網 LLM proxy 接法。hermes -z 跑完 exit 0、stdout 完全空白？根因是 OpenAI-compatible wrapper 缺 4 件事：/v1/models、usage 欄位、SSE streaming 格式、system_fingerprint。本文從 0 安裝 Hermes 到真正接通，每個坑附症狀與修法，最後附完整 wrapper 檢查清單。
我有 ChatGPT 了為什麼還要裝 Hermes Agent?簡單講:ChatGPT 只會回字、要你自己動手;Hermes Agent 會幫你動手——查檔、改檔、跑指令、上網查資料,做完才回報。本文用「人肉接線生 vs 工讀生」的比喻、5 個日常情境、跟 ChatGPT/Claude Code/Cursor 的對照表,讓完全不會寫 code 的人也能搞懂這工具能幫你做什麼、安不安全、怎麼開始。
2026 上半年 OpenRouter App & Agent Rankings 公布,Hermes Agent (NousResearch 維護的開源 CLI agent) 排名第 2,僅次於 ChatGPT、把 Kilo Code / Claude Code / Cline 全壓在身後。本文拆解三個結構性原因:provider-agnostic 直接吃 OpenRouter 紅利、開源 CLI 的 long-tail 採用、NousResearch 的開源信任資本。並提供 v0.13.0 release 訊號分析、跟主流 agent 的真實差異對照、反方論點。
剛把 5 篇 Hermes Agent 系列發到 GitHub Pages,踩兩個坑被自己抓到。第一個技術:Astro 的 base path 設定不會自動套到 markdown 連結,本機 dev 看不出來、production 全 404,Astro issue #3626 從 2022 年開到現在,官方文件明文寫「developer responsibility」要自己加前綴。第二個流程:跨多檔案多步驟任務該開 TaskCreate 追進度,不是儀式是斷線保險。兩個共通點:該查不查、該開不開。
把部落格架構圖從『開 Figma 拖拉 5 分鐘』改成『markdown 寫 5 行 Mermaid、build 時自動產 SVG』。本文教你自架 Kroki：為什麼公服務不能用、Astro markdown parser 怎麼攔截、GitHub Actions 怎麼開 service container。兩小時建置，每篇文章省 10 分鐘繪圖時間。
musubi-tuner 在 Windows + RTX 4070 訓練 Wan 2.2 i2v LoRA 的完整避雷 SOP：5 次 BSOD、19 次訓練失敗換來 8 個地雷區。含 dataset 準備、訓練參數、每個地雷的症狀與解法，最後把訓好的卡通形象 LoRA 做成 scroll-aware 浮動角色掛上個人網站。
Ralph Loop 不是新模型也不是黑科技，本質就是 Claude Code Stop hook 攔住 exit + 同 prompt 重餵。本文拆解機制、實戰場景、4 個踩坑、2 個進階組合，以及一份可複製貼上的 TDD 收斂 prompt 模板。配合 ralph-loop-skill 那篇一起讀。
社群瘋傳的 RuFlow 真的能省 75% API 費用嗎？本文比對 IG 文案 / TikTok / dev.to / 官方 GitHub README 四個來源，逐項拆解：哪些是真的、哪些被放大過、實測 7 個 agent 同時跑的真實成本。Multi-Agent 編排新手必看。
上課中、騎車紅燈、躺床滑手機，順手叫 Mac 跑一個 task。Claude Code 在 2026/02 推出的 Remote Control 把這件事做成五分鐘設定的標配。本文從零教到推播，包含一個官方文件沒寫的隱藏設定。
想自己做 Claude Code Plugin 開源給朋友？做 yc-plugin 路上踩過的 4 個坑：marketplace.json 的 source 寫法、plugin cache 為什麼不更新、python vs python3 跨平台問題、credentials 加密 zip 分享給朋友。每個坑附完整解法跟可貼上指令。
把自製 YouTube 上傳腳本包成 Claude Code Plugin。一行指令上傳影片，自動偵測字幕、自動建播放清單、支援排程發布。OAuth 設一次終身用，朋友也能裝。
明明 UI 看得到 toggle 但官方文件就是沒寫對應的 settings.json key？本文教 5 步驟通用方法論：用 strings 從 CLI binary 撈字串、用 grep 比對 UI 文字、推回 config key。最近用這招從 Claude Code 挖出兩個 hidden key，附完整實戰指令。
想做 Claude Code Plugin 但不知道架構怎麼設計？本文翻完 zenbu-powers（一個 0 star、沒人注意的 Plugin），直接把兩個設計搬進自己的 CLAUDE.md。拆解值得偷的 5 個架構模式：Hook 鏈、Skill 命名、credentials 隔離、跨 plugin 共享 state、版本控制。
把 ~/.claude/commands/sync.md 內嵌的 271 行 bash 抽出來變成獨立 sync.sh、推到 GitHub、寫 README、發 release。本文記錄整個過程踩到的 6 個 macOS / bash / rsync 雷，以及怎麼用 Ralph Loop + Claude Code 把它從草稿迭代到可用。
Claude Code 把 backend 從 Anthropic 換成本地 Ollama，三條 env var 搞定。但內建 WebSearch 工具是伺服器端服務，改接本地後直接失效。本文把兩條官方路徑、四種 backend、Web Search 三解法、6 個踩坑、模型選型一次寫完，文章 URL 餵給 Claude Code 它能照著裝。
三台機器 ~/.claude 設定怎麼同步？Dropbox / iCloud 都會把 chat history 撞壞。claude-self-sync 是一個開源 bash 腳本，把 ~/.claude 拆成公開 config + 私密 secrets 兩個 git repo，三條指令解決多機同步。本文記錄 6 個 macOS / bash / rsync 踩坑與完整安裝步驟。
想用 Claude Code 自動產出 SEO 達標的部落格？blog-create Skill 把整個寫作流程做成一條龍：P0 量化驗收 → P1 AEO 結構化資料 → P2 防數字過時 → P3 風格防漂移。本文是 4 個升級的優先順序、互補關係、新手照寫滿幾篇對照升級的完整導讀。
12GB VRAM 跑得動 14B 影片模型嗎？跑得動。從本地 LoRA 訓練撞牆三天、改用 ComfyUI + lightx2v 4-step LoRA、5 分鐘出 8 秒影片、再用 WanFirstLastFrameToVideo 做出無縫 loop 的全紀錄。
AI 寫的文章一眼看穿？Brand Voice Profile 是一個 Claude Code Skill：用禁用詞表擋詞、voice profile 擋句。從舊文抽 6 個維度的個人指紋（句長、開頭模式、口語比例⋯⋯），寫完新文章對照打 voice match 分數，< 70 分必重寫。
文章半年後被截圖嘲諷？版本號、價錢、GitHub stars 寫的當下就要查、發文前再 grep 全文掃一次。Live Search Injection 是一個雙閘 Skill：寫作中 WebFetch 即時抓數字、發文前 fact check 補刀。本文公開完整 Skill 設計、prompt 範本、Claude Code hook 設定。
兩個指令名字都像排程，但本質完全不同。/loop 是 session 內計時器，關 terminal 就停；/schedule 是雲端 Routine，電腦關機照跑。完整對照、最小間隔、適用情境一次講清楚。
AEO（AI 搜尋優化）是 2026 比 SEO 還重要的流量入口。本文教你用 FAQPage JSON-LD schema 一個結構化資料兩邊賺：被 ChatGPT / Perplexity 引用 + 撈 Google People Also Ask 流量。含 Astro 整合範本、JSON-LD 寫法、實測被引用的證據。
部落格 SEO 怎麼自我驗收？本文公開 12 條 100 分量化計分表（標題長度、H2 密度、內鏈數、TL;DR、關鍵字命中⋯⋯），把 Surfer SEO 核心邏輯做成 Claude Code skill，零月費對抗 SEO 玄學。寫完文章 < 80 分必補完，附完整公式跟自動評分腳本。
Andrej Karpathy 觀察 LLM 寫 code 五大坑，被整理成 70 行 CLAUDE.md，repo 衝到 108k stars。本文拆解四條規則、跟 Anthropic 官方 Claude Code 預設行為的重疊度，並推薦只抄那兩條真正空白的規則。新手照做不用整包搬。
用桌面 15 張截圖在 fal.ai 訓練 Wan 2.2 角色 LoRA。實測花費 $9、耗時 131 分鐘，含資料準備、踩坑、雙 transformer 架構解析、與其他平台比較。
OpenAI 2026/04/21 發佈 gpt-image-2：Image Arena 榜首 +242 分、中日韓文字原生支援、Thinking Mode 推理能力、API 價格完整拆解。
想裝 Claude Code 但不知道從哪開始？本文是企業內訓現場逐字稿整理，10 分鐘從零到第一個真實任務跑完。一行 curl 指令、不用 Node.js、不用 Docker。含 macOS 沒裝 Xcode CLT、Windows PowerShell ExecutionPolicy、proxy 環境、企業憑證攔截 4 大常見坑解法。
別再用 ChatGPT 做簡報。Anthropic 官方開源的 pptx Skill 可以在 Claude Code 裡一句話從逐字稿生 .pptx 檔，內建設計指南、自動視覺 QA。本文實測 12 分鐘完成 30 頁簡報，含安裝、模板、emoji 踩坑、跟 Slidev / Marp 的對照。
企業內訓第一堂前 10 分鐘逐字稿整理：Claude Pro vs Claude Code 的差別、為什麼 AI 從回答問題進化到動手做事、日報 30 分鐘變 5 分鐘的實戰案例。
Claude Talk to Figma MCP 是什麼？怎麼接？本文用 Claude Code + Figma MCP server，一句話產出點餐系統流程圖 + API 循序圖，實測 16 分鐘完成兩張圖。含 0 入手安裝步驟、座標公式、5 個踩坑解法，新手照做就出圖。
Claude Code 偷偷 exit 0 收工？Ralph Loop 是一個用 Stop hook 攔截 AI 提早下班、強制重新進入 prompt 的 Skill。本文拆解 Ralph Loop 機制（Stop hook + 同 prompt 重餵）、為什麼它讓 TDD 收斂更快、5 行 settings.json 設定範本、跟 /loop 的差別，新手 5 分鐘上手。
按照閱讀順序集中露出 — 從第一篇開始讀更順
NousResearch 開源的 OpenAI-compatible CLI agent。從「為什麼要用」到 macOS 安裝、學術用法、Sandbox 安全、接內網 LLM。
專為 Claude Pro 訂閱者($20/月)寫的四堂實戰課:Spec 思維與資安、CLAUDE.md 馴服、Skill/Agent/Loop 自動化、Plugin/MCP/GitHub 接生態系。
Anthropic 的官方 CLI agent。Plugin、Hook、Remote Control、Skill、Ralph Loop... 25+ 篇實戰筆記。
完全沒碰過 K8s 的新手向。每一課對應一個搜尋意圖，從「為什麼需要 K8s」一路講到上線、Probe、HPA。
更多主題（HPA、Probe、Helm、RBAC、StatefulSet…）持續補上中。
我輩修行之人，以 聖 的標準要求自己，以 凡 的眼光理解別人。
不怕死，只怕不過癮。