臺灣 AI Workshop、meetup 與黑客松為何突然密集？從模型公司、在地 Organizer 到跨職能參與者，看見 AI 如何透過社群走進每個人的工作流程。

Luma 活動頁上自動吃光點的貪食蛇，不只是 Canvas 裝飾。從公開 JavaScript bundle 逆向出主題、演算法與可由訪客接管的完整互動系統。

Luma 看起來只是一張簡潔的活動頁，卻把報名、通知、收款與推廣串成完整流程。從它的設計選擇，看見真正的簡單不是功能少。

釐清 Google Search Console 的 redirect 報表、HTTP→HTTPS 導向，以及 Cloudflare 與 GitHub Pages 之間的兩段 TLS 驗證。

照文件執行遞迴 chmod 後，Mac 的 CPU 飆高、風扇持續運轉。這次從 Spotlight 索引排查，到一次排除所有 Git 開發專案。

從 Threads 認識 Digital Garden 後，我發現自己未必需要反覆修改同一篇文章。用系列文把一個個小問題串起來，也能讓知識持續生長成一片森林。

手機遠端控制不只能接手既有工作。把 Remote Control 放進 summon script 後，我能直接從手機召喚新 Agent，並立即接手工作。

當我已經知道要叫誰、用哪個帳號時，不必再讓 Skill 一題一題問。把 cmux 啟動流程抽成 summon script 後，能直接使用，也能讓 Skill 少帶一大段操作細節。

我把「開一個新 AI、套上指定 Agent、選帳號與工作位置」做成 summon-agent Skill，讓 Claude 透過 cmux CLI 建立一個真正可長駐協作的工作現場。

Agent 需要的是角色與 routing，不是每一份 Skill 的完整手冊。把 Skill 留在共同來源、讓 Agent 按需 reference，才能避免多帳號與多 Agent 的規則慢慢分岔。

把 CLAUDE.md 與 AGENTS.md 當成自己能控制的最高常駐 instruction layer 後，我用 Token Diet 重新判斷哪些規則該留下、哪些該延後讀取。

Skill 不是裝得越多越好。我用 Claude Code 內建的 /doctor 健檢盤點裝了什麼，再從 subagent 啟動時的 context 成本出發，重新分辨預載、按需讀取、共同 reference 與移除四種去處。

Claude 與 Codex 的 Agent 格式不同，是否就得維護兩套？我用 shared contract、registry 與 runtime adapter，把角色設定拆成各自只有一份權威來源。

同時使用個人 Claude、company 帳號與 Codex，不必維護三套工作環境。把登入與額度分開後，Skills、MCP、規則與 Agent 都能維持各自的單一來源。

升級 macOS 26 後 Mac 常常發燙？這次實測發現 BetterDisplay 4.3.4 的 App menu caching 持續吃掉 43% CPU；關閉後立即回到 0%。

Mac 外接 2K 螢幕字太小，直接降解析度又變模糊？用 BetterDisplay 開啟 HiDPI 縮放，讓桌面變大、文字仍維持原生 2K 的銳利度。

手機已連上 Tailscale，卻打不開 Mac 上的本機網站？這次實測發現，關鍵通常不是 DNS，而是 dev server 是否監聽所有網卡。

我為了 GPT-5.6 更新一路追到舊 ChatGPT App，才看懂 Codex App 如何變成新的 ChatGPT、舊 ChatGPT 為何成為 Classic，以及左欄 Chat／Work 到底怎麼分類。

Oysterun 不是另一條 SSH 管線，而是一套自帶手機對話、檔案瀏覽與通知的本機 AI Host。它以 Tailscale 打通手機與電腦，也換來一套新的工作介面。

Claude Dispatch 不再只是綁定一個 Cowork session 的獨立介面。它現在像一個持久的派工中樞，依任務類型分流到 Cowork 或 Claude Code。

實際用手機接手 AI 工作後，我發現 Codex Remote 對我的 workflow 更順：隨時回到任一專案或對話，而不是只能接住一條預先開放的 session。

手機已經能透過 Tailscale SSH 回 Mac 之後，Termius、Attach、Reattach、Moshi 的差別不在能不能連線，而在 terminal、tmux 與弱網操作的摩擦。

第一次用 Claude Code Remote Control 從手機接手 Mac 上的工作，才發現遠端控制最重要的前提：真正執行工作的電腦不能睡著。

想從手機 SSH 回自己的 Mac，不一定要處理公網 IP、路由器或 port forwarding。先用 Tailscale 把手機和 Mac 放進同一個私有網路，再開啟 SSH。

Agent 能去另一個 repo 工作，卻不一定會讀專案規則。這篇整理原因，以及用全域規則補上的做法。

一張 Spokenly Dashboard 的 WPM 卡片，讓我從中英混雜字數、打字機時代留下的 Standard Word 慣例，一路追問到「節省時間」究竟該怎麼算。

Typeless 讓我開始用口述時間、字數和節省時間觀察自己的 workflow。換到 Spokenly 後，我從本機 History log 做了一個靜態 Dashboard，讓後續調校有資料可看。

Spokenly 的 History 同時留下原始轉寫與 AI 潤飾結果。我把這些紀錄交給 LLM 分析，找出固定誤辨，再把 Typeless 的閱讀感拆成三個可持續調校的旋鈕。

把 Spokenly 的 STT 從雲端搬到本地 Whisper：不需要額外 GPU，加入本地 Prompt 與 Word Replacements 後，雲端 API 成本再降超過 90%，只剩約 $0.3／月。

從 Typeless 的固定訂閱改成 Spokenly BYOK：建立兩把 OpenAI API key、拆開 STT 與 LLM 成本，並用實際 Usage 判斷哪種計價適合自己。

Vibe Coding 不只是寫好 prompt。當長時間和 AI 討論，口說能保留容易被鍵盤壓縮的意圖與脈絡；這是我從 macOS Dictation 到 Typeless 的起點。

昨天插圖才發現 Astro blog 沒有內建圖片燈箱。我從候選套件、GitHub stars 與官網 demo 開始比較，最後選了支援手指縮放的方案，並把圖片說明文字整理成可維護的 figure/figcaption 結構。

OpenMemory 裝好後，真正的問題不是會不會存，而是怎麼把記憶策略寫進 System Prompt。這篇整理我怎麼收斂查詢時機、寫入準則，和三層記憶分工。

OpenMemory 本地自架怎麼設定？這篇接續說明 Docker 啟動、MCP 串接與 OpenAI API key 的選擇，拆解 API、Qdrant、Dashboard 三個服務、記憶寫入與語意搜尋流程，並用跨對話、跨帳號、跨 AI 的水果清單 DEMO 驗證記憶如何被找回。

AI 工具能記住使用者輪廓，卻常遺漏跨 session 的專案決策與協作細節。這篇從 GitHub 社群方案出發，依本地／雲端、AI 接入、寫入與搜尋方式比較 OpenMemory、claude-mem 等工具，再與 Notion、Obsidian 對照，說明我為何選擇可自架、跨 LLM 共用的 OpenMemory。

跟 AI 一起完成任務後，最有價值的不是最後產物，而是那段被調整出來的流程。這篇整理為什麼要趁 session 還在，把任務沉澱成下次可直接呼叫的 Skill / SOP。

AI 對話框裡常常藏著解法、試錯和判斷理由。這篇整理我為什麼會在 session 結束前請 AI 匯出 Markdown，把一次對話保存成未來可以搜尋、引用和再加工的知識材料。

從數位分身圖片生成的踩坑經驗出發，整理生圖 Prompt 的寫法：先定義意圖，再處理風格、主體、場景和限制，並對照 OpenAI、Google、Midjourney 的官方建議。

從工程角度打造數位分身，記錄圖片生成 AI 如何在 Prompt、參考照片、風格一致性和模型美學之間失控，最後理解用文字駕馭圖片為什麼這麼難。

Blog 的 layout 從開始就決定了：跟 Claude、ChatGPT、Cursor 長一樣。不是巧合，是刻意的——既然內容是 AI cowork 記錄，形式本身就應該呼應這件事。

LINE 分享截圖有圖才驚覺 OG image 必做。從規格研究、設計工具、safe zone 思路，到 Canvas API 踩的三個坑——build-time 自動生成的完整過程。

搭建個人識別系統，從 favicon 延伸 AuthorCard 再到 About 頁。AI 生成圖選圖、About 文案怎麼寫，還有 iOS Safari 的 100dvh bug 一次說完。

Markdown 插圖的兩個痛點：1. 路徑太長：用資料夾結構 + 相對路徑解決管理；2. 體積太重：用 macOS 內建 sips 解決壓縮，一行指令壓掉 90%，不用裝任何東西。

Dark Mode 切好了，但 code block 還是黑的。從 CSS class-based 架構、防閃爍 FOUC，到換掉手刻 code block——讓整個 blog 讀起來真正舒服。

寫了文章沒人看等於白做。RSS 讓讀者訂閱、GSC 送給 Google 索引、AEO 讓 AI crawler 讀懂你——三種設定，一次說清楚。

從框架選擇表到孤島架構、Vue 式語法、CSS scoping，一篇說清楚我為什麼不選 Next.js 的文章。

從 GitHub Pages 出發到個人品牌 domain 架設過程，還有那些走過才會遇到的坑。

測試所有 Markdown 元素的渲染效果