水某買的歌林隨行杯使用多年後已故障無法使用, 上 momo 買了兩組, 高雄與鄉下家各放一組 :
扣掉 momo 幣 16 元, 實付 1312 元.
2026年8月29日 星期六
2026年8月28日 星期五
OpenClaw 學習筆記 : 在樹莓派 Pi 4 安裝 OpenClaw (三)
在前面的測試中, 我已在 Pi 4 中安裝好 OpenClaw 與 Ngrok, 接下來就可以啟動 OpenClaw 進行 Onboading 初始設定了. 本系列全部測試文章索引參考 :
1. 取得 LLM 的 API 金鑰 :
由於本地的 AI 代理幾乎都使用 CUDA 函式庫進行推理, 但 CUDA 並未支援樹莓派的 GPU (僅支援 Nvidia 的 GPU), 只能依賴 CPU 推理, 但那速度非常慢且只能使用量化小模型, 因此在樹莓派上跑 OpenClaw 必須仰賴雲端 LLM.
連線雲端大模型可以使用 OAuth 授權與 API key 連線兩種方式. 前者是以網頁登入訂閱方案的方式來使用模型, 用量會計入方案的額度; API Key 則是按 token 使用量計費, 與訂閱方案無關, 適合無訂閱方案者使用. 因 OAuth 授權並非永久有效, 通常每 10 天須重新驗證, 若因 OpenClaw 頻繁呼叫 LLM 被認為違反平台使用條款而使帳號被停用, 以 Gemini 來說會連帶無法存取整個 Google 服務, 因此還是以 API key 連接較為妥當.
為了避免與測試用的金鑰混用, 我新建了專用於 OpenClaw 的 Gemini 與 OpenAI API key :
(1). 建立 Gemini API Key :
Gemini API Key 可在 Google AI Studio 網站按 Dashboard, 在儀表板頁面上按 "Create API Key" 鈕來建立 OpenClaw 專用的金鑰 :
或直接前往 API key 頁面 :
填寫金鑰名稱勾選所屬專案後按 "Create key" :
建立後要立即按後面的複製鈕, 將金鑰儲存到記事本 (只顯示一次) :
參考 :
(2). 建立 OpenAI API Key :
首先登入 OpenAI 帳戶 :
按左邊導覽列的 API keys :
按 Create new secrets key 鈕 :
填寫金鑰名稱後按 Create secret key :
複製金鑰貼到記事本中儲存備用 :
當然建立金鑰的前提示必須先儲值, 登入後切換到帳務頁面 (Billing) 輸入信用卡即可 :
參考 :
(3). 建立 Claude API Key :
首先登入 Claude 帳戶 (Claude 是透過 Email 取得驗證碼) :
按左邊導覽列的 API Keys 顯示目前的金鑰列表, 按右上角的 Create key :
這時會跳出視窗, 詢問是否要使用身分聯邦 (Identity Federation) 功能, 這是可讓雲端平台自動核發幾分鐘內就會過期的短期 Token 的功能, 這種方式比產生永久金鑰更安全, 不用擔心金鑰外洩, 但我們是要在本地主機使用金鑰, 故要按底下的 "Continue with an API key" :
在 Name 欄輸入金鑰名稱後按 Add 鈕 :
按 Copy key 複製金鑰貼到記事本中儲存備用 :
參考 :
2. OpenClaw 初始化設定 (Onboarding) :
以下按照 "OpenClaw 超入門" 這本書建議的最小可行原則 (Minimum Viable), 在初始化設定時跳過頻道, 搜尋引擎, Skills 與 Hooks 等設定, 先建立一個可運行的基本系統配置, 利用 Web UI 代理人與 OpenClaw 對話, 透過視覺化介面了解其核心功能與選項用途, 後續再逐步擴充與優化.
Onboarding 是一個互動式的初始化程序, 透過問答式引導精靈 (Setup Wizard) 介面, 協助完成以下系統初始化所需之核心設定 (只需在第一次使用前或日後想整機重新配置時執行) :
- 選擇並綁定 AI 模型大腦
- 配置對外通訊通道 (Channels)
- 設定預設角色與 Agent 權限
- 自動產生組態設定檔 (config.json 或 .env)
開啟樹莓派 OS 終端機, 輸入 openclaw onboard 指令, 發現與書中描述的大不同, 原來我安裝的是新版 Openclaw, :
pi@pi4b:~ $ openclaw onboard
openclaw crestodian - crestodian local - agent crestodian (Crestodian) -
session main
session agent:crestodian:main
Hi, I'm Crestodian — let's hatch your agent.
No menus here: tell me what you want and I'll do the configuring. I looked
around this machine:
- AI: nothing detected yet (no Claude Code or Codex login, no
OPENAI_API_KEY/ANTHROPIC_API_KEY). I'll set up the basics first, then ask
whether you want to configure a model provider with masked credential prompts.
- Workspace: ~/.openclaw/workspace
- Gateway: runs locally, private to this machine (token auth).
Say yes and I'll set all of that up now.
Heads up: your agent gets real access to this machine —
https://docs.openclaw.ai/security
Afterwards: connect discord, connect slack, connect telegram, connect whatsapp
(or channels for the full list), then talk to agent to meet your agent.
local ready | idle
agent crestodian (Crestodian) | session main (Crestodian) | unknown | tokens ?
────────────────────────────────────────────────────────────────────────────────
輸入 yes :
yes
⠧ conjuring… • 3s | local ready
agent crestodian (Crestodian) | session main (Crestodian) | unknown | tokens ?
────────────────────────────────────────────────────────────────────────────────
[crestodian] running: crestodian.setup
Workspace OK: ~/.openclaw/workspace
Sessions OK: ~/.openclaw/agents/main/sessions
Systemd: Linux 安裝預設使用 systemd 使用者服務。沒有 lingering 時，systemd 會在
使用者工作階段退出/閒置後停止工作階段並終止 Gateway。
Enabling lingering now (may require sudo; writes /var/lib/systemd/linger).
Systemd: Enabled systemd lingering for pi.
Gateway 服務執行環境: QuickStart 使用 Node 執行 Gateway 服務（穩定且受支援）。
Gateway 服務
正在準備 Gateway 服務...
正在安裝 Gateway 服務...
Gateway 服務已安裝。
Updated /home/pi/.openclaw/openclaw.json
Workspace: ~/.openclaw/workspace
Gateway: not reachable yet (connect ECONNREFUSED 127.0.0.1:18789) — say gateway
status to check
Default model: not configured yet
[crestodian] done: crestodian.setup
No usable model provider is configured, so the agent cannot answer yet.
Configure a model provider now? Say yes or no.
local ready | idle
agent crestodian (Crestodian) | session main (Crestodian) | unknown | tokens ?
可見 Crestodian 已經自動幫我完成了以下底層配置 :
- 建立工作目錄與工作階段 (~/.openclaw/workspace)
- 啟用了 Linux systemd lingering (確保即便你登出 SSH 終端機, Gateway 服務依然能在背景常駐執行)
- 產生了核心組態檔 ~/.openclaw/openclaw.json。
但系統尚未配置可用的 AI 模型, OpenClaw 目前還無法回答問題, 詢問是否要設定模型來源? 輸入 yes 會列出一份模型清單, 可用上下鍵移動選項後按 Enter 選定, 此處我直接按 Enter 選擇預設的 OpenAI 模型 :
yes
Opening masked model-provider setup in the terminal.
local ready | idle
agent crestodian (Crestodian) | session main (Crestodian) | unknown | tokens ?
────────────────────────────────────────────────────────────────────────────────
────────────────────────────────────────────────────────────────────────────────
│
◆ Model/auth provider
│ ● OpenAI (ChatGPT/Codex sign-in or API key)
│ ○ Anthropic
│ ○ xAI (Grok)
│ ○ Google
│ ○ OpenRouter
│ ○ Meta
│ ○ More…
│ ○ Skip for now
│ ↑/↓ to navigate • Enter: confirm
└
按向下鍵移動到第二項 OpenAI API Key 後按 Enter :
◇ Model/auth provider
│ OpenAI
│
◆ OpenAI auth method
│ ○ ChatGPT Login
│ ● OpenAI API Key (Use your OpenAI API key directly)
│ ○ Back
│ ↑/↓ to navigate • Enter: confirm
要求輸入 API Key, 將上面專為 OpenClaw 建立的金鑰複製貼上後按 Enter :
◆ Enter OpenAI API key
│ ▪▪▪▪▪▪▪▪▪▪▪▪▪▪▪▪▪▪▪▪▪▪▪▪▪▪▪▪▪▪▪▪▪▪▪▪▪▪▪▪▪▪▪▪▪▪▪▪▪▪▪▪▪▪▪▪▪▪▪▪▪▪▪▪▪▪▪▪▪▪▪▪▪▪▪▪▪
▪▪▪▪▪▪▪▪▪▪▪▪▪▪▪▪▪▪▪▪▪▪▪▪▪▪▪▪▪▪▪▪▪▪▪▪▪▪▪▪▪▪▪▪▪▪▪▪▪▪▪▪▪▪▪▪▪▪▪▪▪▪▪▪▪▪▪▪▪▪▪▪▪▪▪▪▪▪▪▪
▪▪▪▪▪▪▪_
└
這時會顯示 Installing ... 安裝進度, 初始化程序會透過 npm 下載名為 @openclaw/codex 的適配器套件, 負責封裝 API 請求協定與 Token 處理邏輯, 但似乎從伺服器下載 npm 套件時發生卡頓, 超過了預設的 300 秒上限, OpenClaw 會自動切回標準的 @openclaw/openai-provider (此模組在先前的清單中已經預先內建), 並直接採用標準的通用模型 :
◇ 安裝逾時：Codex
│
◇ 插件安裝 ───────────────────────────────────╮
│ │
│ 安裝 @openclaw/codex 逾時，已等待 5 分鐘。 │
│ 返回選擇。 │
│ │
├──────────────────────────────────────────────╯
Plugin install timed out after 300000ms: @openclaw/codex
│
◇ 模型已設定 ──────────────────────╮
│ │
│ 預設模型已設定為 openai/gpt-5.6 │
│ │
├───────────────────────────────────╯
│
◆ 預設模型
│ ● 保留目前值（openai/gpt-5.6）
│ ○ 手動輸入模型
│ ○ 瀏覽所有模型
│ ↑/↓ to navigate • Enter: confirm
└
直接按 Enter 使用 gpt-5.6 即可 :
openclaw crestodian - crestodian local - agent crestodian (Crestodian) -
session main
session agent:crestodian:main
Hi, I'm Crestodian.
- Start me when setup, config, Gateway, model choice, or agent routing feels
off.
- Using: openai/gpt-5.6 — just tell me what you want.
- Config: valid. Default agent: main.
- Gateway: not reachable at ws://127.0.0.1:18789; I already did the first probe.
I can start debugging with gateway status, or queue restart gateway for
approval.
local ready | idle
agent crestodian (Crestodian) | session main (Crestodian) | openai/gpt-5.6 |
tokens ?
這表示目前已經成功完成出初始化設定, 已進入 Crestodian 的互動對話交談模式, AI 大腦已綁定為 openai/gpt-5.6, 並提示目前 Gateway 服務 (連接埠 18789) 尚未啟動連線, 可在底下輸入 restart gateway 後按 Enter, 讓 Crestodian 啟動網關服務 :
restart gateway
The gateway is currently reachable. Restarting is a persistent action and will
briefly interrupt it. Confirm and I’ll restart it.
local ready | idle
agent crestodian (Crestodian) | session main (Crestodian) | openai/gpt-5.6 |
tokens ?
開頭提示代表 Gateway 服務其實已經在背景自動啟動成功並正常連線中, 如果重啟會短暫中斷服務, 它在確認是否要執行, 既然 Gateway 已在執行中, 那就輸入 no 並按 Enter 取消重啟.
no
Understood—no restart. The gateway is reachable, so I’ll leave it running. Tiny
crab, zero unnecessary button-pushing.
這樣便完成初始化設定了.
可以開啟另一個終端機, 輸入 openclaw status 檢視目前狀態 :
pi@pi4b:~ $ openclaw status
OpenClaw 2026.7.1-2 (0790d9f) — Greetings, Professor Falken
│
◇
OpenClaw status
Overview
Security audit
Skipped in fast status. Full report: openclaw security audit
Deep probe: openclaw status --deep
Channels
No channels configured
Sessions
No sessions
FAQ: https://docs.openclaw.ai/faq
Troubleshooting: https://docs.openclaw.ai/troubleshooting
Next steps:
Need to share? openclaw status --all
Need to debug live? openclaw logs --follow
Need to test channels? openclaw status --deep
從 Overview 表格可知, Gateway 儀錶板 (dashboard) 位址為 http://127.0.0.1:18789, 這在後續用 Webui 來瀏覽儀表板時要用到.
3. 用 Web UI 開啟 OpenClaw 儀表板 :
開啟樹莓派瀏覽器, 在網址列輸入 http://localhost:18789 或 http://127.0.0.1:18789 會開啟 OpenClaw 儀錶板頁面 :
但由於沒有 token 導致無法連線, 連線 token 寫在 ~/.openclaw/openclaw.json 設定檔中, 用 cat 輸出此檔, 從 gateway/auth/token 屬性即可取得 :
pi@pi4b:~ $ cat ~/.openclaw/openclaw.json
將 token 填入 "網關令牌" 欄位後按 "連接" 鈕即可進入儀表板頁面了 :
左上角區域的功能說明 :
左下角區域的功能說明 :
右上角區域的功能說明 :
中間區域的功能說明 :
下方區域的功能說明 :
2026年8月27日 星期四
製做 MSI 桌機的系統映像檔
晚上在 MSI 桌機上安裝完 Antigravity 後做 Windows Update 系統更新, 然後進行系統備份~製做系統映像檔, 作法如下 :
首先按 Win + R 開啟執行視窗, 輸入 control 按 Enter 開啟控制台 :
按右上角的檢視方式選單, 勾選 "大圖示" 或 "小圖示" :
點選 "備份與還原 (Windows 7)" :
點擊左上角的 "建立系統映像" :
系統會去搜尋 C 碟以外的硬碟 (包含外接應碟), 列在下拉式選單裡供選擇, 我選擇 D 碟按下一步 :
顯示將會在 D 碟產生 79 GB 的系統映像檔, 按 "開始備份" :
完成後會詢問是否建立還原光碟, 按否關閉視窗即可 :
檢視 D 碟會發現多了一個 WindowsImageBackup 資料夾 :
注意, 此資料夾名稱不要去修改, 因為從映像檔還原時會固定搜尋此資料夾. 如果要保存多份映像檔, 可在資料夾後面加後綴, 但要從它還原時要去除, 恢復 WindowsImageBackup 名稱.
MSI 桌機安裝 Antigravity CLI 與 IDE
上回換新 C 碟 SSD 重新安裝系統與開發環境後一直沒時間做系統映像檔, 在這之前先把 Antigravity 開發環境安裝起來, 參考 :
1. 安裝 Antigravity CLI :
開啟 PS 視窗, 輸入如下指令 :
irm https://antigravity.google/cli/install.ps1 | iex
PS C:\WINDOWS\system32> irm https://antigravity.google/cli/install.ps1 | iex
ERROR: logging before google.Init: I0827 21:36:41.135667 1 installer.go:27] Running Antigravity CLI setup...
ERROR: logging before google.Init: I0827 21:36:41.148669 1 installer_windows.go:45] Configuring Windows user PATH registry environment...
ERROR: logging before google.Init: I0827 21:36:41.149196 1 installer_windows.go:117] Successfully added %LOCALAPPDATA%\agy\bin to User PATH registry variable.
ERROR: logging before google.Init: I0827 21:36:41.149196 1 installer_windows.go:148] Broadcasting environment update system-wide...
ERROR: logging before google.Init: I0827 21:36:41.276256 1 installer_windows.go:167] Environment update broadcast completed.
Warning: C:\Users\tony1\AppData\Local\agy\bin is not present in your active Environment PATH.
Please restart your active terminal session, or add it manually if needed.
✅ Antigravity CLI binary placed successfully at C:\Users\tony1\AppData\Local\agy\bin\agy.exe
Note: The binary is installed, but it is not in your active PATH. Please follow the instructions above to add it, then restart your terminal session.
看到一堆 ERROR 會以為安裝失敗, 其實這些 ERROR : logging before google.Init... 是 Go 語言安裝程式在初始化內部日誌系統前的標準除錯輸出 (Info-level log), 並非真正的錯誤. 安裝腳本已經自動將路徑寫入 Windows 註冊表的 User PATH, 但當前這個已開啟的 PowerShell 視窗尚未載入最新的環境變數, 所以才會報出中間的 Warning. 最後的勾勾顯示 Antigravity CLI 已成功安裝. 只要關掉目前的 PS 視窗重開一個新的, 輸入 agy --version 若顯示版本號就能確認已安裝完成 :
PS C:\WINDOWS\system32> agy --version
1.1.22
比我 LG Gram 上的 v1.0.12 還新哩.
2. 安裝 Antigravity IDE :
從谷歌 Antigravity 網站下載 .exe 檔執行安裝 :
登入 Google 帳號經驗證後成功安裝 IDE :
2026年8月23日 星期日
2026 年第 32 周記事
本周工作突然變得很忙, 開會不斷又要檢視之前寫的專案的原始碼, 使用 Vibe Coding 後發覺程式能力似乎衰退了, 要重新手刻在心態上變得猶豫不前. 最後礙於資安阻礙無法安裝開發工具, 被我果斷地拒絕再開發, 順勢把這業外工作外包出去省得麻煩. 最近要找個適當機會跟上面說明我的情況 (爸的失智前期問題), 甚麼儲備主管訓練以後就免了 (把機會留給還有十年才要退休的後進), 後續再提報主管訓練我將明確拒絕, 我對升職並無興趣, 而且隨時可能申請提早退休, 請上面及早準備我離開崗位後的工作接替問題. Only one 狀況是上級的責任, 我已盡職地在每次完成任務後詳盡寫下備忘錄, 隨時可準備移交.
在 momo 買的電腦椅周四到貨, 週五載回鄉下, 晚上花了 20 分鐘組裝完成, 坐起來還不錯, 電腦打累了往後一仰就能小憩一下 (要對自己好一點哈哈) :
老同事阿中準備十月底再次前往日本岡山旅行, 但這次是長達 11 天的獨旅, 以岡山為中心往東到姬路路, 往西到廣島, 往南到高松, 希望借助我上個月帶他去熟悉岡山交通與環境之便, 趁記憶猶新自己嚐試一下自助旅行. 這兩周已完成自己訂票與訂房, 前天教他安裝 klook 訂好 JR 廣島關西周遊券, 昨天完成 VJW 填寫取得 QR 碼, 完成旅行必要準備, 接下來本周開始要幫他做行程規劃, 因為廣島與高松我自己也沒去過, 需要花更多時間規劃. 水某下月初也要跟菁菁與姊姊去岡山玩, 水某已有初步規劃好行程, 本周也要幫她們做細部規劃. 另外, 預計 11 月下旬要帶爸去京都賞楓, 這個也要同步進行規劃了.
我的 OpenClaw 學習進度本周略有推進, Pi 4 已完成 OpenClaw 與 Ngrok 安裝, 並做階段性的映像檔備份, 接下來要進行 onboarding 初始設定與 Telegram/LINE 頻道啟用. 等樹莓派測試完成再往 雲端 GitHub Space 推進, 最後是 MSI 主機.
最近雲雨帶籠罩, 下了好幾天雨, 下周沙德爾即將來襲, 鄉下家有很多待辦之事都要順延了 :
- 車庫採光罩浪板漏水問題 : Silicon 補強
- 廚房水龍頭更換
- 組裝爸的三輪腳踏車
- 整理車庫 : 檜木椅搬到頂樓 + 雜物整理清除
- 組裝衣櫥
下周起要來消化我之前購買的線上課程了 :
- MasterTalk
- HiSKIO
- Hahow
- SiFu
想學的東西很多, 就是時間不夠用啊!
momo 買書一本 : OpenClaw超級龍蝦煉金術
前陣子從母校借到兩本 OpenClaw 的好書, 這一周都在一邊讀一邊在我的 Pi 4 上進行測試. 今天上 momo 買了第二本 OpenClaw 的書 (因為不想等圖書館進書了, 要用到時自己買比較快) :
用掉 momo 幣 64 元, 實付 473 元.
2026年8月22日 星期六
市圖還書 3 本 : PHP + VTuber + DeepSeek
下面三本書被預約, 今天拿去河堤還 :
No.1 是為了重構舊的投資決策系統而借的; No.2 與 No.3 目前都沒時間看, 先還了.
2026年8月19日 星期三
湯姆益的 YT 旅遊頻道
昨天吃晚飯時水某在看 YT 上的廣島旅遊影片, 其中這個湯姆益 (應該是位年長 Youtuber) 的頻道主打一個寫實全紀錄, 沒有歷史迷的上窮碧落, 也沒有文青的典雅詞藻, 就是全程錄影加上 AI 旁白介紹這是哪裡而已, 對於要了解如何搭車, 到站怎麼走很有參考價值 :
看了他的介紹, 才知道廣島車站蠻大的啊 (雖然還沒有大阪那麼複雜)! 相對來說岡山車站在規模上就小得多了, 好處就是絕對不迷路. 另外, 從廣島前往岡山這影片我才知道岡山站前桃太郎大道路面電車站對面 Lawson 進去的巷子有很多居酒屋, 以及我最愛的吉野家, 這次去岡山都匆匆走過沒繞進去逛.
2026年8月18日 星期二
高 CP 值的 Debian Linux 微型電腦 MP520-20
前陣子在評估適合跑 OpenClaw 的機器時, 找到下面這塊開發板 MP520-20 :
這是我的 Mapleboard MP-510 的升級版, 性能強大許多 (價格近兩倍), 搭載了 Rockchip RK3588S 八核處理器 (4× Cortex-A76 @ 2.4GHz + 4× Cortex-A55 @ 1.8GHz), 8GB LPDDR4X 與 128GB NVMe SSD, 出廠預裝了中文環境的 Debian Linux, 產品定位主要是做為高效能的微型電腦 (Mini PC/Linux 工作站), 低功耗桌機, 或邊緣伺服器 (配備 26-pin 擴充 I/O 與 UART 介面).
此微型電腦非常適合跑 OpenClaw, 作為開源的個人 AI 代理 (Agent) 網關, CPU 運算力約為 Pi 4 的 3~4 倍, 8GB RAM 對於運行 OpenClaw 及相關工具 (如網頁爬蟲, 檔案讀寫, 自動化腳本) 來說綽綽有餘, 而內建 128GB NVMe SSD 高速低功耗, 很適合作為全年無休 (24/7) 的龍蝦伺服器, 性能上完全輾壓 Pi 4. 雖然 Pi 4 裸板較便宜, 但加購散熱外殼, 變壓器與 128GB 高速 MicroSD 後價差其實不大, 比起一體成型的 MP520-20 來說 CP 值不高.
總之, 與 Pi 4 相比, MP520-20 強悍的 RK3588S (4大核A76 + 4小核A55) 與板載 128GB NVMe SSD 不僅解決了樹莓派 MicroSD 卡容易因頻繁讀寫損壞的痛點 (NVMe 隨機讀寫速度遠勝 MicroSD, 在 OpenClaw 頻繁讀寫本地記憶時會較順暢且不易讀寫錯誤); 兩者在執行網頁爬蟲, 無頭瀏覽器與多工 Agent 任務時的效能差距非常巨大.
不過, MP520-20 的 GPU 為 ARM Mali-G610 MP4, 支援 OpenCL / Vulkan / OpenGL 但不支援 CUDA, 而主流的開源 LLM 生態如 vLLM 與 llama.cpp 等 GPU 加速高度依賴 NVIDIA CUDA, 因此 Mali GPU 派不上用場, 無法支援本地大模型推論, 只能使用 CPU 推論, 其 8 核 CPU 跑 llama.cpp 運行 1.5B~3B 的小型量化模型還可以, 跑 7B 模型生成速度會很慢 (約 4~6 tokens/s).
如果用 MP520-20 來跑 OpenClaw 養龍蝦的話, 最好是將 MP520-20 作為 OpenClaw Agent 閘道與執行端, 大模型思考推理部分就串接雲端 API (例如 OpenAI, Claude, 或 Gemini), 如果用 CPU 去跑本地的小型量化模型效能不佳.
安裝 Gemini 的資料夾擴充元件 : Voyager
隨著我與 Gemini 的交談越積越多, 對話紀錄已經是一長串了, 每次要找較早之前的歷史對話都要透過頁面搜尋, 且看起來雜亂無章. 大概是兩三周前忘記是在哪個內訓課程裡學到一招 : 安裝 Chrome 擴充套件 Voyager 就可以讓 Gemini 增加建立資料夾功能, 可以將對話歷史分門別類收藏, Voyager 在 Chrome 線上應用程式商店網址如下 :
按右上角的安裝鈕即可.
安裝完後按 Chrome 右上角的三個小點點按鈕, 點選 "擴充功能/管理擴充功能" :
找到 Voyager 並開啟此元件即可, 原來 Voyager 不只可用在 Gemini, 還可以用在 Claude 與 ChatGPT :
開啟 Gemini 網站, 這時在左邊導覽列的筆記本下方就會多出資料夾相關按鈕, 按右邊的 + 就可以新增資料夾 :
輸入資料夾名稱 (例如 "日本旅遊規劃") 後按右邊的打勾 :
這樣底下就會生出一個資料夾 "日本旅遊規劃" :
例如, 按對話 "岡山之旅" 右邊的三個小點點, 點選 "移動道資料夾" :
勾選要放的資料夾 :
此對話 "岡山之旅" 就被收納到 "日本旅遊規劃" 資料夾下面了 :
訂閱：
文章
(
Atom
)