AI 工具
從名詞解釋、工具評比到寫程式與本機模型:把 AI 用在工作與生活裡的每一步,都有一篇可以照著做的文章。
系列與教學中心
照順序讀的系列,各有自己的目錄與學習路線。
Claude Code 完整教學目錄:從入門到自動化
依平台、程度與功能找到需要的教學,從 96 篇文章與共用練習專案逐步完成操作。這個教學中心把 Claude Code 分成 96 個可以獨立閱讀的小題目,從桌面、CLI、網頁與手機開始,再學 MD 規則、常用指令、Skills、MCP 與自動化。你可以依推薦路線循序學習,也可以直接搜尋正在遇到的功能、命令或檔名。目錄依目前公開狀態顯示可閱讀文章。
Codex 學習中心:完整教學目錄
從安裝、第一個任務到 MD 規則與進階整合,規劃 60 篇 Codex 教學、十個單元。依程度、平台、需求或指令搜尋下一篇;尚未公開的教學會標示狀態,方便安排學習路線。
Gemini 完整教學:電腦、手機、CLI 與 Google AI 應用
這裡整理 Gemini、Google AI 與開發工具的教學。可以按分類找功能、按自己的需求走學習路線,也可以搜尋「MD」「手機」「PDF」「/memory」等關鍵字。每篇都提供步驟、可複製範例、結果核對方式與延伸閱讀,不需要從第一篇一路讀到底。
AI 名詞總索引:從 Loop Engineering 到生成式 AI
想看懂 Loop Engineering、Harness Engineering、Context Engineering、RAG、MCP 與其他 AI 名詞,可以從這份總索引開始。依 2026 年 9 月查證範圍,把這些概念分組整理,每個詞連到白話專文,附依任務安排的閱讀路徑、容易混淆的層次,以及原始論文和官方定義的查核方式。
GEO、AEO、AIO 與 SEO 名詞總索引:四個縮寫差在哪
SEO、GEO、AEO、AIO 常被混著用,但它們想換到的東西不同,定義的共識程度也不同。這份索引用一張比較表把四個縮寫分開,連到各篇專文,並逐條列出目前沒有共識的五個地方,包括 GEO 與 AEO 是不是同一件事,以及 llms.txt 有沒有引擎真的在讀。
多模型 AI 工作流教學:從拆任務到串接不同模型
這個系列教的是怎麼把一件工作拆開、交給合適的模型,再把結果接回同一條流程:判斷該不該拆、拆給誰,換供應商不改程式,設計便宜先試的路由與級聯,讓模型之間用結構化輸出交接資料,再到代理式工具怎麼分工、同一套工具怎麼給多個客戶端共用、Claude Code 與 Codex 怎麼搭本機模型,以及上線後怎麼追蹤與防護。一般使用者可以從判斷該不該拆的觀念讀起,已經會寫 Python 的人能直接進到換供應商、寫路由與交接資料的幾篇。

生活分享
Google Cloud 宣布 Spanner queues 正式推出:把訊息佇列放進資料庫交易,瞄準 AI 代理可靠性
Google Cloud 宣布 Spanner queues 正式推出,讓訊息建立成為資料庫交易的一部分,目標是解決 AI 代理「狀態」與「動作」不同步的問題。本文整理官方說法、主要功能與對一般讀者的意義。
- AI 新聞與趨勢

生活分享
GPT-6.1 Sol 推出:新一版 Sol 上 API、Codex 與 ChatGPT Work,Chat 裡沒有
OpenAI 在 2026 年 9 月 29 日推出 GPT-6.1 Sol,API 名稱是 gpt-6.1-sol:Plus、Pro、Business、Enterprise、Edu 方案的 Codex 與 ChatGPT Work 在首發推出範圍內,Enterprise 與 Edu 要管理員啟用,Free 與 Go 首發不含,Chat 裡沒有(2026 年 9 月查證)。
- AI 工具
- 軟體與 App
- AI 新聞與趨勢

生活分享
Claude Sonnet 5.5 推出:牌價與 Sonnet 5 相同,API、雲端平台與 Claude.ai 都能用
Anthropic 在 2026 年 9 月 28 日推出 Claude Sonnet 5.5,API 牌價與 Sonnet 5 相同(每百萬 tokens 輸入 2 美元、輸出 10 美元);Claude.ai、API 與多個雲端平台可用,較高風險的資安請求會退回 Sonnet 5 處理(2026 年 9 月查證)。
- AI 工具
- 軟體與 App
- AI 新聞與趨勢

生活分享
Claude Code 推出 mods:用 TypeScript 改寫行為與介面,裝在 plugin 裡
Anthropic 在 2026 年 10 月 1 日發表 Claude Code mods:裝在 plugin 裡、在 Claude Code 行程內執行的 TypeScript 或 JavaScript 函式,可改寫提示、管工具呼叫、畫新介面。Anthropic 說 CLI 與 desktop app 能用、mods 沒有沙盒,文件寫要 v2.1.287 以上(2026 年 10 月查證)。
- AI 工具
- 軟體與 App
- AI 新聞與趨勢

生活分享
Claude Code|建立第一個 mod:在 Claude Code 行程內數工具呼叫
寫一個三檔案的 mod,用驗證器與測試確認它掛上的事件。文件把 mod 定義成多了入口檔的 plugin:入口檔叫 hooks module,Claude Code 在事件發生時呼叫裡面的函式,函式可以觀察、改寫或接手事件。
- AI 工具
- 教學
- Claude Code

生活分享
Claude Code、Codex 搭本機模型:兩種接法怎麼選
Claude Code 與 Codex 搭配本機模型有兩種接法:代理照常連雲端、把大量雜務交給腳本或 MCP 工具去問本機模型,或是把代理的模型整個換成本機模型。這篇用資料能不能出門、上下文開得夠不夠長、工作的類型三個問題幫你選,並對照 Ollama、LM Studio、Anthropic 與 OpenAI 的官方文件,分清楚本機權重、Ollama 的 cloud 標籤與供應商端點是三種不同的東西。
- AI 工具
- 教學
- AI 寫程式與本機模型

生活分享
把本機模型包成 MCP 工具,Claude Code 與 Codex 共用一支伺服器
用官方 Python SDK 寫一支 stdio 的 MCP 伺服器,把本機的 Ollama 模型包成工具,Claude Code 與 Codex 就能共用:工具只收 inbox 底下的路徑,只回分類結果與結果檔路徑,不回信件原文。文中列出兩邊的登記指令、逾時與輸出上限的官方預設值,以及換成別家本機模型只改環境變數 LOCAL_MODEL 的做法,步驟都來自官方文件。
- AI 工具
- 教學
- AI 寫程式與本機模型

生活分享
把 Claude Code、Codex 整個換成本機模型:Ollama 與 LM Studio 設定與還原
Ollama、LM Studio 與 Codex 的文件寫了把 Claude Code、Codex 整個換成本機模型的接法:Ollama 用 ollama launch 一行指令或手動設定,LM Studio 先開本機伺服器再設環境變數或加 --oss。這篇把四種組合的指令、兩家文件建議的上下文長度、Claude Code 用 /status 確認連到誰的方法,以及用完怎麼還原整理在一起;需要先裝好 Ollama 或 LM Studio,並且已有 Claude Code 或 Codex。
- AI 工具
- 教學
- AI 寫程式與本機模型

生活分享
Claude Code、Codex 搭本機模型的注意事項:開工前的檢查清單
Claude Code 或 Codex 搭本機模型之前,先照一張表逐項核對:代理讀不讀得到原始檔、現在連的是誰、標籤是不是 :cloud、上下文實際開多長、逾時與輸出量、怎麼驗收。每一項寫怎麼檢查,並指出詳見同組哪一篇,另外收進供應商端點、條款與授權、繁體中文用字檢查;檢查方法取自 Anthropic、OpenAI、Ollama 與 DeepSeek 的官方文件。
- AI 工具
- 教學
- AI 寫程式與本機模型

生活分享
讓 Claude Code、Codex 把大量雜務交給本機模型:一支 Python 腳本
要讓雲端代理處理一批含個資的文字檔又不讓它讀原始檔,可以把這件事交給一支不到 80 行的 Python 腳本:腳本逐封問本機的 Ollama 模型,用 JSON schema 要求固定欄位,結果寫成 out 資料夾,代理只讀結果。Claude Code 讓代理自己執行腳本,Codex 這一路由你先執行;文中寫清楚 deny 規則與 Codex 的 permission profile(beta)各擋得住什麼,以及逾時、分批與失敗標記;換模型只改 LOCAL_MODEL。
- AI 工具
- 教學
- AI 寫程式與本機模型

生活分享
GLM、Qwen、DeepSeek 接上 Claude Code 與 Codex:哪些在本機、哪些其實在雲端
同一個模型名字有三種跑法:權重下載到自己電腦、Ollama 的 :cloud 標籤、供應商自己的端點,只有第一種的提示詞由自己的電腦處理。這篇照 2026 年 10 月 3 日重讀的官方頁,逐家寫 Qwen、GLM、DeepSeek 在 Ollama 有哪些標籤能下載、哪些只有 :cloud,並整理 Z.ai、DeepSeek、阿里雲百鍊接 Claude Code 與 Codex 的端點設定,每一處都標明資料會送到哪裡。
- AI 工具
- 教學
- AI 寫程式與本機模型

生活分享
世界模型(World Model)是什麼:讓 AI 預測「接下來會怎樣」
世界模型指 AI 內部用來預測「這樣做之後會怎樣」的模型,但這個詞至少有三種用法:強化學習代理在想像中練習用的環境模型、LeCun 主張預測抽象表示的架構路線,以及能隨操作即時生成畫面的互動環境。內容用示例說明怎麼在想像中規劃,並列出大型語言模型有沒有世界模型的正反研究,附讀新聞時的檢查問題。
- AI 工具
- 教學
- AI 名詞解釋

生活分享
視覺語言模型(VLM)是什麼:讓 AI 讀圖片、再用文字回答
視覺語言模型(VLM)能同時接收圖片與文字,再用文字回答。內容拆解視覺編碼器、連接層與語言模型三段結構,說明 CLIP、Flamingo、LLaVA 三篇論文各補上哪一塊,並和多模態 AI、文字生圖分清楚;也整理它常犯的錯:數錯數量、搞混位置、說出圖裡沒有的東西,附上讀收據時逐行核對的步驟。
- AI 工具
- 教學
- AI 名詞解釋

生活分享
溫度(Temperature)是什麼:AI 回答變化程度的取樣參數
溫度(temperature)是文字生成時調整取樣的參數,讓模型從下一個 token 的機率分布裡抽得更集中或更分散。用假想的台南早餐示例算出低溫與高溫的差別,說明 top-p 的來源和它與 top-k 的差別,並依官方文件與論文指出:調低溫度不代表更準,設成 0 也不保證每次相同,部分模型還不開放調整。
- AI 工具
- 教學
- AI 名詞解釋

生活分享
合成資料(Synthetic Data)是什麼:兩種用途、品質控管與模型崩潰
合成資料是由演算法或模型產生、模仿真實資料特徵的資料,常見用途有兩種:訓練模型,以及在隱私需求下替代真資料。內容依 Self-Instruct、模型崩潰研究(替換與累積資料的差別)與 NIST、ICO 的隱私文件,說明做法、抽查流程,以及它不能保證的事。
- AI 工具
- 教學
- AI 名詞解釋

生活分享
迎合(Sycophancy)是什麼:AI 為什麼順著你說,怎麼問才不被帶著走
迎合(Sycophancy)指 AI 順著使用者的立場改變答案,犧牲正確性。內容依 Perez、Sharma、Cheng 等人的論文與 OpenAI 對 2025 年 4 月事件的公開檢討,說明研究怎麼量測、可能的成因、它與幻覺的差別,並用同一題問三次的示例,教你判讀差異與降低被帶著走的機率。
- AI 工具
- 教學
- AI 名詞解釋

生活分享
結構化輸出(Structured Outputs)是什麼:讓 AI 照固定格式交資料
結構化輸出讓模型依 JSON Schema 產生固定欄位的資料,程式才能直接讀取。內容區分提示詞要求 JSON、JSON 模式與 schema 限制三種做法,用虛構報名信示範缺值與拒答的處理,整理三家官方文件列出的限制,並說明格式合法不等於內容正確。
- AI 工具
- 教學
- AI 名詞解釋

生活分享
縮放定律(Scaling Laws)是什麼:規模變大,損失與能力怎麼變
縮放定律是從訓練實驗擬合出的經驗規律:在特定設定下,語言模型的損失隨參數量、資料量與訓練計算量近似冪律下降。內容說明 Kaplan 與 Chinchilla 對預算分配的不同結論與成因、損失與任務表現的落差、湧現能力的兩種說法、推論時計算的縮放,以及如何閱讀「縮放撞牆」的新聞。
- AI 工具
- 教學
- AI 名詞解釋

生活分享
獎勵駭客(Reward Hacking)是什麼:AI 拿到高分,卻沒做到你要的事
獎勵駭客(Reward Hacking)指 AI 找到讓獎勵或評分變高、卻沒達成設計者目的的做法。內容依原始論文與官方研究,說明它和規格鑽漏洞、古德哈特定律的關係,拆解強化學習、RLHF 與寫程式代理三個實例,並整理評測、多種訊號、人工抽查與推理監看各自的限制,以及它和對齊、迎合的關聯。
- AI 工具
- 教學
- AI 名詞解釋

生活分享
強化學習(Reinforcement Learning)是什麼:靠獎勵一步步試出做法
強化學習讓代理在環境中採取動作,依環境回饋的獎勵數字調整策略,目標是長期累積的回報最大。內容用格子世界示例說明狀態、動作、獎勵、策略與回報,對照監督式與非監督式學習,解釋探索與利用的取捨,再談語言模型裡的偏好獎勵與可驗證獎勵,以及獎勵設計不良時為什麼會被鑽漏洞。
- AI 工具
- 教學
- AI 名詞解釋

生活分享
速率限制(Rate Limit)是什麼:API 為什麼回你 429
速率限制是 API 在一段時間內允許的請求數或 token 數上限,超過時通常回 HTTP 429,也可能附 Retry-After 告訴你等多久。依 RFC 與 OpenAI、Anthropic、Google 官方文件,說明 RPM、TPM 怎麼算、哪些 429 不該重試、退避加抖動的示例流程,並分清配額、花費上限與上下文視窗,最後談代理迴圈與批次工作的節流。
- AI 工具
- 教學
- AI 名詞解釋

生活分享
過度擬合(過擬合,Overfitting)是什麼:考古題全對、新題卻答錯
過度擬合是模型連訓練資料裡的雜訊與特例都學進去:訓練時幾乎全對,遇到沒看過的資料就失準。用示例誤差曲線說明訓練集、驗證集、測試集的分工,對照低度擬合,整理更多資料、正則化、dropout、提早停止等對策,並解讀深度網路能背下隨機標籤的研究,以及基準測試題目外洩造成的「看起來會」。
- AI 工具
- 教學
- AI 名詞解釋

生活分享
神經網路(Neural Network)是什麼:由層與權重組成、能從資料學習的函數
神經網路是由多層簡單單元組成的函數:單元做加權加總,多半再經非線性轉換,權重由資料調整。用雙開關走廊燈的手算示例,說明前向計算、損失、反向傳播與梯度下降,區分訓練與推論,並釐清參數數量、神經元數量與能力的差別,以及它與深度學習、Transformer 的關係。
- AI 工具
- 教學
- AI 名詞解釋

生活分享
本機推論(Local Inference)是什麼:在自己的裝置上跑模型
本機推論是把模型權重下載到自己的電腦或手機,由這台裝置完成計算,提示詞不必送進雲端。內容說明哪些東西真的留在本機、哪些仍可能連網,記憶體需求如何由權重、量化與 KV 快取決定,作業系統內建的裝置端模型怎麼運作,並比較本機與雲端推論在隱私、成本、速度與維護上的取捨。
- AI 工具
- 教學
- AI 名詞解釋