標籤：AI
-
Grok 訂閱制度深度解析：當USD $30 方案在 24 小時內用完，你的預算該抓多少？
越來越多重度使用者反映，xAI 的入門付費方案SuperGrok（每月 $30 美元）在啟用後不到一天便觸及用量上限。這個現象背後，牽涉到 Grok 訂閱制度的核心設計邏輯：所有付費方案共用同一套「週度用量池」（Week…
閱讀全文 → -
餵資料給 AI 前，我會先過這道去識別閘門
不想把敏感資料餵給 public AI？我會先做這一道去識別關卡 最近幾個朋友問我，會不會把公司文件、客戶資料，甚至自己的醫療或財務紀錄貼進 ChatGPT 一類的 public AI 做分析。我的答案很簡單：不是不能用…
閱讀全文 → -
Salesforce 賣的不是 CRM，而是不會被開除的共識：AI 時代小公司如何繞開功能戰
Salesforce 的介面用過的人都知道，不算好相與，價格也讓人卻步。但奇怪的是，身邊大大小小的公司討論 CRM 時，最後總會繞回同一句：「不如用 Salesforce？」 我看了這麼多年，結論不是它技術特別神，而是它…
閱讀全文 → -
AI 會像石油，還是像雲端？一桶智能比價法的盲點
前幾天群組裡有人傳來一張截圖，內容是 All-In Podcast 主持 Chamath Palihapitiya 把 AI 比喻成石油，說一百萬個 AI token 就是一桶「智能」，還列出各家的每桶售價：Anthro…
閱讀全文 → -
AI Agent 重構不再迷路：我如何用「漸進式揭露」讓 repo 少燒 token 又更準確
我最近整理一個用了好幾年的 side project，想讓 AI agent 幫手做重構。開頭幾次，我發現它一時讀完 root prompt，一時在不同 folder 之間跳來跳去，token 花得多，回應又常常偏離重點…
閱讀全文 → -
與 AI 協作開發的資料夾結構：把規則寫進 .claude，把草稿關進 scratch
File/Folder Structure for Projects Co-Developed with AI Agents 開始跟 AI agent 一起寫 code 之後，我發現最累人的不是寫不出功能，而是每次開新 …
閱讀全文 → -
當個個都叫 AI 做工具，點樣令人願意付費？
最近用 AI 做咗幾個專門服侍自己嘅小工具，由想法到可以落地，快嘅時候一個下午都唔使。效率令人上癮，但擺喺市場面前嗰陣，我停咗一停：如果人人都可以叫 AI 寫一個同類嘅工具，我寫出嚟嘅作品仲有咩值錢？有咩係用戶會願意付費…
閱讀全文 → -
離開電腦後繼續問 Claude：Telegram wrapper 為何離不開 tmux，OpenCode 又如何擺脫它
從手機遙控 Claude Code：為甚麼 Telegram wrapper 幾乎都離不開 tmux 有時候人已經離開電腦，腦裡還在跑一個未完成的問題。放工路上想追問 Claude 一個 follow-up，或者出門後才…
閱讀全文 → -
用中文問 AI，帳單為什麼反而更貴？從 token 計費看語言成本
先說結論：用中文問 AI，多數時候不會比較慳 自從把 ChatGPT、Claude 和 Gemini 納入日常 workflow，我間中會想：如果我用中文問問題，會不會比用英文慳啲 tokens、慳啲錢？畢竟中文幾個字就…
閱讀全文 → -
別再當 AI 的審閱者：我如何把三個問題變成系統升級的把關 workflow
最近在規劃一個規模不小的系統升級時，我發現自己一直重複做同一件事：AI 丟出一堆方案，我卻要從頭問它三個老問題——這會不會幫到核心目標？會不會讓系統真的往前走？會不會把卡住的點解開，而不是製造新摩擦？ 問到第三次，我開始…
閱讀全文 → -
約束先於判斷：如何設計讓 AI 自主運作、又不敢偏離願景的系統開發工作流
AI 工作流設計：如何在系統開發中維持願景對齊，同時最小化人工介入 核心張力：自主性 vs 願景對齊 在 AI 時代，讓 AI 在軟體開發各階段主動提出方案是合理的目標。但真正的挑戰不是「讓 AI 做多做少」，而是如何在…
閱讀全文 → -
AI 個人品牌變現藍圖：4 週內從定位、流量、信任到建立可持續收入系統
AI 精準流量系統：W1-W4 完整執行指南 本指南以四週為週期，將個人品牌從「定位」到「變現」拆解成可執行的步驟。核心原則：AI 處理重複性工作，你專注真實故事、獨特觀點與深度連結。 目錄 W1：精準定位 — 找到你的…
閱讀全文 → -
台灣到石垣島的方法和時間
台灣到石垣島的四種方法總覽 石垣島是離台灣很近的日本離島，有白沙海灘、藍灣和慢節奏的市場。我在規劃下一次去沖繩離島的時候，發現由台灣出發到石垣主要有四種方法：直飛、基隆夜船、經日本轉機、還有郵輪。重點不是哪一個最好，而是…
閱讀全文 → -
當執行變得免費，我們該如何選擇？
當「做得到」不再是問題 這陣子和 AI 工具相處得愈久，我愈常撞上一個念頭：當技術讓「做出來」變得毫不費力，我們真正的考驗其實才剛開始。過去無論是寫程式、做設計還是開展任何計畫，最花心神的地方往往在於「能不能完成」——有…
閱讀全文 → -
在 Windows 上將 Claude Code 連接 Kimi Code API（2026 實測版）：npm 安裝、settings.json 設定與方案對照
過去寫過一篇同主題的設定指南，最近重裝時發現流程已經簡化不少。這篇是 2026 年 8 月在 Windows 11 上的實測記錄，依據 Kimi 官方文件的最新寫法，從安裝到驗證大約十分鐘走完。實測環境：Claude C…
閱讀全文 → -
LLM 排行榜可信嗎？我怎樣自建測試找到對的模型
排行榜上的第一名，不一定適合你的 workflow 前陣子為一個內部項目挑選語言模型，我打開幾個 LLM Leaderboard，看到排名頂端的模型，直覺以為「選第一名就對了」。結果落地測試才發現，它在處理我手頭的長文件…
閱讀全文 → -
Claude CLI 六種權限模式完整比較
Claude CLI 提供六種權限模式，從完全手動到完全自動化。核心差異在於「哪些操作無需詢問即可執行」。 六種模式總覽 模式 CLI 參數 自動執行範圍 適用情境 default --permission…
閱讀全文 → -
當真實照片被誤標為 AI：Meta 的「AI Info」標籤到底點運作
近排在整理街拍相簿，準備上載幾張相片去 Instagram 時，我開始認真想一件事：如果張相曾經用過 Photoshop 的 Generative Fill 清走雜物，平台會唔會當成 AI 生成？Meta 的「AI In…
閱讀全文 → -
當同一張圖表遇上同一個 AI：從測試結果看交易系統的技術真相
將同一張 K 線圖、同樣的 Prompt 丟給同一個 AI Agent，每次都會得到截然不同的分析結果。這個現象，直接引出一個關鍵問題：現有技術，是否真的能支撐「AI 輔助交易決策系統」的設計？ 實驗發現：五份分析，異同…
閱讀全文 → -
人類圖 AI Prompt
# Role (角色設定) 你是一位擁有超過20年實踐經驗的資深人類圖分析師與生命教練，深度融合 Ra Uru Hu 的原典教學、榮格原型心理學、以及正面心理學（Positive Psychology）的實用框架。你的…
閱讀全文 →