AI 寫程式與本機模型
用 AI 寫程式的工具與工作流，以及在自己電腦上跑模型的做法。
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。
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
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
Vibe coding：不會寫程式也能做出第一個網站
完全不會寫程式，也能靠做網站 AI 用對話做出一頁個人網站。這篇示範怎麼把需求寫成一段話、選一個能直接預覽的 AI 工具、把產出的單一 HTML 檔在瀏覽器打開來看、用三組提示詞改配色與手機版排版，最後用 GitHub Pages 或 Cloudflare Pages 的免費方案放上網，並列出圖片版權、個資與金鑰、廣告追蹤這幾個最常踩的坑。
- AI 工具
- 教學
- AI 寫程式與本機模型
生活分享
GitHub Copilot 入門：VS Code 裡的補全、Chat 與代理
在 VS Code 裡把 GitHub Copilot 裝起來用起來：安裝與登入、用 Tab 接受補全、在 Chat 用 /explain 與 /fix、分清編輯器裡的代理模式與在 GitHub 指派任務的 Copilot cloud agent。並以 2026 年 9 月官網為準整理方案：Free 每月 2,000 次補全與 50 次 chat，Pro 10 美元、Pro+ 39 美元、Max 100 美元，AI credits 怎麼算，學生、教師與熱門開源維護者怎麼免費用，以及訓練資料設定在哪裡關掉。
- AI 工具
- 軟體與 App
- AI 寫程式與本機模型
生活分享
把 AI 幫你寫的網站放上網：VPS、網域與 HTTPS 一次搞定
AI 幫你生出網站之後，最後一哩是放到自己的機器上。這篇走完通用流程：挑 VPS、用 SSH 金鑰登入並關掉密碼登入、開 ufw 與自動更新、用 rsync 或 git clone 送檔案、靜態站用 Caddy 或 Nginx 加 certbot 開 HTTPS、應用程式交給 systemd 跑並由反向代理轉發、設好 A 與 AAAA 記錄與 TTL，最後照檢查清單驗收。
- 教學
- 軟體與 App
- AI 寫程式與本機模型
生活分享
Cursor 編輯器入門：Tab 補全、Chat 與代理模式
Cursor 是以 VS Code 程式碼為基礎的編輯器，裝好後主要有三種用法：Tab 補全、Chat 問答與代理模式。這篇說明安裝與系統需求、一鍵匯入 VS Code 的設定與擴充功能、Tab 怎麼接受或拒絕、Agent 與 Ask、Plan、Debug 四種模式怎麼切換與審核、規則檔放在哪裡，也整理方案價格與隱私模式，依 2026 年 9 月官網查證。
- AI 工具
- 軟體與 App
- AI 寫程式與本機模型
生活分享
AI 寫程式工具總覽：Claude Code、Codex、Gemini CLI、Cursor、Copilot
五個常一起出現的寫程式 AI 工具，差別在跑在哪裡：終端機代理、編輯器內建、雲端代理。依 2026 年 9 月官網資料，整理 Claude Code、OpenAI Codex、Gemini CLI、Cursor 與 GitHub Copilot 各自要什麼帳號、有沒有免費額度、入門要多少錢、適合誰，最後給一個「你是哪種人就先裝哪個」的決策，並回答信用卡、中文與 Windows 三個常見問題。
- AI 工具
- 軟體與 App
- AI 寫程式與本機模型
生活分享
給程式代理的提示模式：先規劃、再實作、最後驗證
和程式代理合作，關鍵不是把需求丟出去，而是把一次任務拆成規劃、實作、驗證三段。這篇依 Anthropic、OpenAI 與 Google 三家官方文件，說明一則好提示詞的四個要素（目標、背景、限制、完成條件）、規劃階段的 Plan Mode 與 /plan、實作階段怎麼限制範圍並要它自己跑測試、驗證階段怎麼看 diff 與逐條核對，附五則可直接複製的範本、常見失敗的追問方式與一張三段式流程圖。
- AI 工具
- 教學
- AI 寫程式與本機模型
生活分享
用 AI 寫程式前該懂的 Git：分支、提交與還原
讓 AI 代理改你的專案之前，先有一個回得去的檢查點。這篇依 Git 與 GitHub 官方文件，只教「還原得回來」用得到的那一小套：安裝與第一次設定、init 到 commit 的最小循環、用 git diff 看代理改了什麼、開分支再放手，以及 restore、reset、revert 三種還原分別會不會丟掉東西，附 .gitignore 與推上 GitHub 的步驟。
- 教學
- 軟體與 App
- AI 寫程式與本機模型
生活分享
AI 寫程式代理操作步驟比較：同一個需求在三個工具怎麼做
沒有三家的付費帳號就跑不出可信的跑分，所以這篇比的是操作步驟：同一個匯率換算小工具的需求，在 Claude Code、Codex CLI 與 Gemini CLI 上各自怎麼安裝登入、動手前怎麼確認權限、產出從哪裡看、規則寫在 CLAUDE.md、AGENTS.md 還是 GEMINI.md、非互動模式與費用怎麼算。全部依三家官方文件於 2026 年 9 月 14 日查證，附一套自己在家測的方法。
- AI 工具
- AI 寫程式與本機模型
生活分享
AI 寫的程式能信嗎：審查、測試與安全檢查清單
代理寫完程式、按下合併之前先做完這張清單：讀 diff 確認改動沒有超出你交代的、跑測試並檢查斷言是不是真的在驗行為、確認相依套件存在且授權可用並鎖定版本、把金鑰與 .env 擋在 repo 外、檢查輸入驗證與注入、把代理的權限縮到最小，最後用 PR 範本、CI 與 Dependabot 固定成流程。依 OWASP、GitHub 官方文件與三家代理的官方安全說明整理，並說明什麼時候該找人審。
- AI 工具
- 教學
- AI 寫程式與本機模型
生活分享
統一 API 層：OpenRouter 與 LiteLLM 換模型不改程式
OpenAI 相容端點是供應商提供的 REST 介面，形狀和 OpenAI 的 Chat Completions 端點相同，程式只要換 base_url、金鑰與 model 字串就能連到別家模型，不必重寫呼叫邏輯。這篇示範同一段 Python 用 openai 套件連上 OpenRouter 與 Groq 兩個相容端點，再用 LiteLLM 的 completion() 換三個 model 字串連到三家供應商，並比較 OpenRouter 這個託管閘道，跟 LiteLLM 的 SDK 與自架 Proxy，在「相容」範圍上的限制。
- AI 工具
- 教學
- AI 寫程式與本機模型
生活分享
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。
- AI 工具
- 教學
- AI 寫程式與本機模型
生活分享
追蹤、評測與可觀測性：知道流程哪一步出錯
多模型工作流串起幾個步驟後，一步答錯或變慢，只看最後輸出看不出問題在哪，必須每一步都留下可查的紀錄。本篇示範只用 Python 標準函式庫自寫一支 JSONL 追蹤器，記下每次呼叫的輸入雜湊、模型、token 數、延遲與結果，再用離線評測集把新舊兩版流程跑過同一批題目，比較分數與退步清單，也對照 OpenTelemetry 的 GenAI 語意慣例命名，讀完能不接追蹤 SaaS 就看出哪一步出錯、哪一版更好。
- AI 工具
- 教學
- AI 寫程式與本機模型
生活分享
模型之間交接資料：JSON Schema 與結構化輸出
把交接寫成 JSON Schema，上游模型的輸出先驗證再送下游，是讓多模型流程穩定下來的做法。本篇對照 OpenAI、Anthropic、Google 三家結構化輸出參數放在請求的哪個欄位，再用 jsonschema 套件示範驗證、失敗重試，以及下游只讀取驗證過欄位的完整流程，附兩段可以直接改寫的 Python 程式。
- AI 工具
- 教學
- AI 寫程式與本機模型
生活分享
一件事拆給多個模型：依步驟、能力、風險、資料敏感度四種切法
把一件工作拆給多個模型分工，可以讓便宜的模型分擔簡單的部分，也更容易看出是哪一步出了問題，但不保證變快。這篇整理依步驟、依能力、依風險、依資料敏感度四種常見切法，每種配一個判斷依據與一個生活或工作例子，最後併成一張決策流程圖。四種切法不互斥，同一件工作常常同時用上兩三種，重點是先想清楚不拆會怎樣，能一個模型做完的步驟就不必拆。
- AI 工具
- 教學
- AI 寫程式與本機模型
生活分享
模型路由與級聯：便宜先試、貴的兜底
多模型級聯（cascade）讓便宜的輕量模型先答，模型自己評估的信心不夠、逾時或呼叫失敗才升級到更貴的模型，藉此把大多數請求的成本壓低，同時對少數困難的請求保留品質。這篇說明規則路由怎麼依長度、語言與任務類型決定起點，信心怎麼觸發升級，逾時、重試與 fallback 三者有什麼不同，以及每次請求的成本上限怎麼擋住最壞情況；範例是一段純 Python 程式，OpenRouter 與 LiteLLM 內建的路由功能只做對照。
- AI 工具
- 教學
- AI 寫程式與本機模型
生活分享
一個 MCP 伺服器，同時接上 Claude Code、Codex、Gemini CLI 三個客戶端
同一支用官方 Python SDK 寫成的 MCP 伺服器，不必改一行程式碼就能同時登記進 Claude Code、Codex 與 Gemini CLI：三邊的設定檔位置與加入指令都不一樣，Codex 寫成 TOML、另外兩邊是 JSON，但讀到的是同一份工具名稱、輸入 Schema 與回傳格式。這篇列出三邊的設定檔與加入指令，並說明 Codex 的 enabled_tools、Gemini CLI 的 --include-tools 與 Claude Code 的權限規則，要怎麼分別把工具收窄到剛好夠用。
- AI 工具
- 教學
- AI 寫程式與本機模型
生活分享
本機去識別化、雲端收尾：用 Ollama 打造混合式 AI 工作流
這篇教你用 Ollama 的 OpenAI 相容端點，把分類與去識別化這類會碰到原始個資的步驟留在本機執行，換成代號的乾淨文字才送進雲端模型收尾，同一支 Python 程式靠 base_url 切換兩端。本機範例只用 Ollama 模型庫查得到的 gemma4、qwen3.6 與 gpt-oss，標籤大小、上下文視窗與硬體提示照官方頁當天的數字寫，本機和雲端實際跑起來差多少本站沒有實測；哪些資料留在機器裡、哪些會送出去，也逐條對照官方文件寫清楚。
- AI 工具
- 教學
- AI 寫程式與本機模型
生活分享
失敗案例與防護：迴圈、費用爆炸與代理間注入
多模型工作流常見的三種失控，是無限重試迴圈、fan-out 呼叫的費用爆炸，以及上游模型的輸出被下游模型當成指令，三種情況各自可以配一種對應的防護。這篇用虛構情境說明步數與預算上限、schema 驗證、把輸出當資料而非指令三種做法怎麼運作，並附兩段可以離線執行的 Python，示範步驟計數與資料包裝的寫法，同時把 OWASP、OpenAI 與 Anthropic 官方文件裡對應的定義與緩解建議逐字引用歸因。
- AI 工具
- 教學
- AI 寫程式與本機模型