2026年8月8日 星期六

Google Antigravity 學習筆記 : 安裝 Antigravity IDE 開發工具

本篇旨在紀錄如何在 Windows 安裝 Antigravity IDE, 本系列全部文章索引參考 :


Antigravity 是 Google 在 2025 年 11 月與 Gemini 3 一起推出的 Agent-First (代理人優先) AI 代理開發平台 (Agentic IDE), 基本上可以看成是 Vibe Coding 概念和 Gemini CLI 的 GUI 實現, 這是為 Vibe Coding 代設計的革命性工具, 它不再只是像 Copilot 那樣輔助寫程式, 而是讓 AI 成為一個可以獨立完成任務的代理人 (Agent). Antigravity 最大的特色在於它不只是幫忙補全代碼, 而是幫我們 "把事情做完".   

作為新一代 IDE, Antigravity 與傳統 IDE (例如 VS Code 或 Cursor) 不同, Antigravity 的核心理念是 "擺脫重力", 亦即擺脫繁瑣的底層編碼工作, 讓開發者從碼農升級為指揮家. Antigravity 是基於 VS Code 構建而成, 但它將介面一分為二, 引入了多代理人協作 (Multi-Agent Orchestration) 概念, 將 IDE 從編輯器轉變為任務控制中心 (Mission Control), 這是 Antigravity 最具辨識度的功能, 它讓開發者不再只是面對程式碼編輯器, 而是從編輯者視角 (Editor View) 提升為代理人經理視角 (Agent Manager), 像專案經理一樣發號施令,  例如 "幫我做一個能計分的貪食蛇遊戲", 然後就看著 AI Agent 自動規劃, 建立檔案與編寫程式, 而且還可以同時指揮多個 Agent 平行處理不同任務. 

Antigravity 的 Agent 不只會寫程式, 它還擁有視覺和操作能力, 它超越 VS Code/GitHub Copilot/Cursor 的一大亮點是內建了一個受控的 Chrome 瀏覽器代理, Agent 在寫完網頁 App 會自動打開這個瀏覽器載入此網頁, 點擊按鈕與輸入數據自動進行測試. 如果有錯誤或跑版, Agent 會看到這些錯誤訊息, 然後自動回到編輯器修正程式碼, 形成一個自主的 "編碼 > 測試 > 修正" 閉環. 為了讓開發者敢放手給 AI 做專案, Antigravity 不會馬上丟出一堆程式碼, 而是會先生成所謂的 Artifacts, 裡面包含任務清單 (Task Lists) 與實作計畫 (Implementation Plans), 任務清單是 Agent 打算要採取的步驟, 需要開發者批准. 完成專案後 Antigravity 還會提供測試截圖或瀏覽器操作錄影, 證明它真的跑過且成功了. 

Antigravity IDE 下載網址 :





按 Downlowad 鈕, 選擇自己的作業系統下載安裝檔 : 




Windows 系統會下載 Antigravity-x64.exe 0 檔 (約 134 MB), 點擊安裝首先會出現安全性提醒, 按底下的 Next : 




勾選主題背景, 用預設的 System 即可, 按 Next : 




出現詢問是否要預先安裝 Google 相關開發工具的擴充插件 (Plugins) 頁面, 這些插件包含各種技能 (skills) 與 MCPs (Model Context Protocol), 目的是讓 Antigravity 裡面的 AI Agent 能更好地協助我們使用 Google 的各種開發產品, 保持預設全空即可, 點擊底下的 Finish 完成安裝. 日後如果有需要隨時可以在設定 (Settings) 裡面補充安裝 :




完成後頁面中間顯示預設模型為 Gemini 3.6 flash, 點擊會顯示可選用的模型 : 




右上角有一個 Install IDE 按鈕用來安裝 Antigravity 完整版桌面 IDE 介面 (約需要 1 GB 至 2 GB 的硬碟空間, 包含微軟 VS Code 底層約 300 MB~500 MB, 擴充套件與 AI 依賴組件約 500 MB~1 GB). 目前開啟的是 Antigravity IDE 的輕量圖形化 Agent 控制台交談對話介面, 沒有程式碼編輯器, 須點擊 Install IDE 鈕下載安裝完整版 IDE, 才會有基於 VS Code 核心打造的程式碼編輯器環境. 如果只是要利用 AI Agent 進行對話生成程式碼, 並搭配外部慣用的其它編輯器 (例如 Thonny) 使用, 則不安裝完整版 IDE 也不會影響目前的對話與 Agent 功能. 

上面所安裝的輕量版 Antigravity IDE 可以看成是 Antigravity CLI 的 GUI 版本, 兩者底層都呼叫相同的 Antigravity Agent 與模型, 都能對專案資料夾進行讀寫, 執行指令, 建立檔案, 與重構程式碼. 兩者核心運作邏輯幾乎一樣, 最主要的差別在於 GUI 介面與 CLI 文字終端機的互動體驗而已, 不過  IDE 還多了幾項便利功能 : 
  • 專案與對話管理 :
    GUI 提供視覺化的專案清單 (Projects), 歷史對話紀錄 (Conversation History), 在切換專案或歷史對話方面 IDE 比 CLI 更直觀. 
  • 視覺化互動 :
    在 GUI 中可以隨時用滑鼠切換模型 (例如畫面中的 Gemini 3.6 Flash), 點選工具選項或直接用麥克風語音輸入, 不用像 CLI 一樣記指令或參數. 
  • 擴充與 IDE 整合 :
    按 GUI 版右上角的 Install IDE 按鈕能一鍵升級成完整的 VS Code 開發環境, CLI 則主要是搭配現有的編輯器 (如 Thonny, VS Code, Cursor 等) 在背景或終端機旁運作.
  • 內建 Terminal 終端機 :
    按 GUI 版右上角的 Install IDE 按鈕安裝完整版 IDE 後, 按快捷鍵 Ctrl + ~ 即可開啟與系統完全同步的 Terminal, 可隨時手動輸入 curl, python, git 等任何系統命令.  
總之, 習慣直接在視窗介面上看歷史紀錄, 點選專案進行 Vibe Coding, 用 GUI 會更方便; 若習慣在 Terminal 開著腳本直接批次跑, 則 CLI 比較輕巧好用. 

張貼者： 於 沒有留言 :
標籤： ,

OpenClaw 學習筆記 : 在樹莓派 Pi 4 安裝 OpenClaw (二)

在前一篇測試中, 我已在 Pi 4B 上順利安裝好 OpenClaw, 但執行 OpenClaw 時產生的網址為 localhost:18789 的內網網址, 無法作為 LINE 或 Telegram 的 webhook 網址 (因為 LINE 或 Telegram 需要 https 網址才能找到位於內網的 OpenClaw). 

解決方案之一是安裝 ngrok,  它可以為內網應用程式提供 https 網址, 但免費版提供是動態隨機 https 網址, 每次主機重開機或重新執行 ngrok 網址就會改變, 如此一來就必須去修改 LINE/Telegram Bot 的 Webhook 網址與 OpenClaw 的 .env  設定檔, 要付費版才會提供靜態網址. 在測試階段使用免費版 ngrok 即可, 如果要在本地端要打造全自動無人值守的龍蝦 AI 助理就需要買付費版 (另一個付費方案是使用 Cloudflare)

本系列之前的文章參考 : 



1. 申請 Ngrok 帳號 :

首先到 Ngrok 官網 : 


按右上角的 SIGN UP 鈕 : 




可以用 GitHub 或 Gmail 帳戶快速註冊, 也可以用 Email 註冊 (密碼至少需 10 個字元), 我這次使用 Yahoo 信箱 : 




它會寄一封認證信到郵箱 : 




開啟認證信, 按下認證連結會登入並開啟 Ngrok 儀錶板的安裝設定頁面 :




按 Copy 複製認證金鑰 (AuthToekn) 貼到記事本存檔備用 :




2. 安裝 Ngrok : 

接下來開啟 Pi 4 終端機, 使用 apt install 來安裝 Ngrok, 但在正式安裝之前, 有些前置作業須先完成後才能順利安裝 :


(1). 將 Ngrok 數位簽章加入信任 CPG 金鑰庫 : 

此步驟是要將 Ngrok 數位簽章 (金鑰) ngrok.asc 放到系統的 trusted.gpg.d (信任金鑰庫), 這樣後面執行 apt install ngrok 安裝指令時, 樹莓派會用它來比對下載下來的檔案簽章, 如果中途被駭客調包或檔案毀損將導致簽章比對不符, 系統就會拒絕安裝, 這樣便能保證所安裝的 ngrok 是官方原廠發行的 : 

curl -s https://ngrok-agent.s3.amazonaws.com/ngrok.asc | sudo tee /etc/apt/trusted.gpg.d/ngrok.asc

pi@pi4b:~ $ curl -s https://ngrok-agent.s3.amazonaws.com/ngrok.asc | sudo tee /etc/apt/trusted.gpg.d/ngrok.asc   
-----BEGIN PGP PUBLIC KEY BLOCK-----

mQINBGFGa/IBEAC0pgrns33QSiSipIKRnUCLeXX8d8WQjeqOqVEA6QlavAW54hKn
uHbbf151LFp0eGGaTp5ppJih2u9geiE8GxVACMuCHdlI0d35wAkucr+15qG+rfxm
qLkGGWARsRni3RJwg9R6/MwBgG ...
... (略) ...
FHIT8wNII9bhe7NvXBG7RcA6hvjcRO3gp+usaO1MzRDnbmosRQoeGSjh9txMQVIQ
HiRXcKdw6yyrtu12KMD/nJwgbEomikgPfEqRPtTTKYGjwV0/BQcMvJ/3u3AQCDYd
asvZu3xH2Cn0aoGMg+jqPVzyC0vY/SQQqmTHjz+msFu3OUsnXsJ6zQaxfGle5O4o
9zWY/VMfdn2r9I7sHNk2Sxu3ZALyorHHqeuHBKnM6Ui6ISrWr/9SAPaHN14IR/Le
/7JXRqfXsWxyTbOUVnmRWIXPXHU=
=ghCR
-----END PGP PUBLIC KEY BLOCK-----


(2). 將 Ngrok 下載網址加入套件庫 (軟體源清單) : 

此指令會在系統的軟體源目錄中建立一個 ngrok.list 檔案, 裡面紀錄 Ngrok 官方下載伺服器的網址, 這樣當執行 sudo apt update 時, 樹莓派就會根據此網址去查看 ngrok 目前有哪些最新版本可以下載 : 

echo "deb https://ngrok-agent.s3.amazonaws.com buster main" | sudo tee /etc/apt/sources.list.d/ngrok.list  

pi@pi4b:~ $ echo "deb https://ngrok-agent.s3.amazonaws.com buster main" | sudo tee /etc/apt/sources.list.d/ngrok.list
deb https://ngrok-agent.s3.amazonaws.com buster main


(3). 更新套件庫清單 & 安裝 ngrok : 

完成前置步驟後, 用下列指令更新軟體源清單, 便能順利從 Ngrok 倉庫下載安裝 ngrok : 

sudo apt update
sudo apt install ngrok -y

pi@pi4b:~ $ sudo apt update  
已有:1 http://deb.debian.org/debian bookworm InRelease
下載:2 http://deb.debian.org/debian-security bookworm-security InRelease [34.8 kB]
下載:3 http://deb.debian.org/debian bookworm-updates InRelease [55.4 kB]       
下載:4 https://ngrok-agent.s3.amazonaws.com buster InRelease [20.3 kB]         
下載:5 http://deb.debian.org/debian-security bookworm-security/main arm64 Packages [323 kB]
下載:6 http://archive.raspberrypi.com/debian bookworm InRelease [55.0 kB]
下載:7 https://ngrok-agent.s3.amazonaws.com buster/main arm64 Packages [12.9 kB]
下載:8 http://deb.debian.org/debian-security bookworm-security/main armhf Packages [300 kB]
下載:9 https://ngrok-agent.s3.amazonaws.com buster/main armhf Packages [12.9 kB]
下載:10 http://archive.raspberrypi.com/debian bookworm/main armhf Packages [580 kB]
下載:11 http://archive.raspberrypi.com/debian bookworm/main arm64 Packages [580 kB]
取得 1,974 kB 用了 5s (403 kB/s)   
正在讀取套件清單... 完成
正在重建相依關係... 完成
正在讀取狀態資料... 完成  
218 packages can be upgraded. Run 'apt list --upgradable' to see them.

安裝 ngrok : 

pi@pi4b:~ $ sudo apt install ngrok -y  
正在讀取套件清單... 完成
正在重建相依關係... 完成  
正在讀取狀態資料... 完成  
下列【新】套件將會被安裝：
  ngrok
升級 0 個，新安裝 1 個，移除 0 個，有 218 個未被升級。
需要下載 7,431 kB 的套件檔。
此操作完成之後，會多佔用 0 B 的磁碟空間。
下載:1 https://ngrok-agent.s3.amazonaws.com buster/main arm64 ngrok arm64 3.39.10 [7,431 kB]
取得 7,431 kB 用了 8s (959 kB/s)                                               
選取了原先未選的套件 ngrok。
（讀取資料庫 ... 目前共安裝了 131151 個檔案和目錄。）
正在準備解包 .../ngrok_3.39.10_arm64.deb……
Unpacking ngrok (3.39.10) ...
設定 ngrok (3.39.10) ...

完成安裝後檢視 ngrok 版本 : 

ngrok version

pi@pi4b:~ $ ngrok version  
ngrok version 3.39.10   


(4). 綁定 Ngrok 帳號 : 

ngrok 軟體必須與 Ngrok 帳號綁定才能開通安全隧道, 複製上面註冊 Ngrok 帳號時取得之認證金鑰 (AuthToekn), 貼到下面指令最後面 : 

ngrok config add-authtoken 我的Token  

若出現 "Authtoken saved to configuration file" 表示綁定成功. 


(5). 啟動 ngrok 外網穿透服務 : 

接下來要啟動樹莓派上的 ngrok 程式連線到 Ngrok 雲端伺服器, 透過雙方握手建立起一條專屬加密虛擬隧道, 並且為位於內網的 OpenClaw 網頁與通訊埠 18789 建立一個 https 公網網址, 這樣所有連到該網址的流量都會透過隧道安全地引導到樹莓派本地端正在執行的 OpenClaw 服務中, 指令如下 : 

ngrok http 18789

可見 Ngrok 已為 OpenClaw 建立一個 https://xxxx.ngrok-free.app 網址, 把這網址設定為 LINE/Telegram 的 Webhook, 當用這兩個通訊軟體向 OpenClaw 下達指令時, 訊息會先到達 Ngrok 的雲端伺服器, Ngrok 會透過與樹莓派之間已建立的隱形隧道將訊息傳給樹莓派上的 ngrok 程式, ngrok 接收到後立刻轉交給正在 localhost:18789 待命的 OpenClaw. 


(6). 備份樹莓派 TF 卡映像 : 

完成上面後先關機取出 TF 卡, 用 Win32DiskImager 備份映像檔, 避免以後 TF 卡異常要從頭重建系統很花時間, 直接從映像檔復原最快 (換新卡也可以). 在這一步做是因為要保留系統復原後綁定其它 Ngrok 帳號的彈性. 關於 Win32DiskImager 備份映像檔作法參考 :


張貼者： 於 沒有留言 :
標籤： , ,

2026年8月7日 星期五

OpenClaw 學習筆記索引

上週三從日本岡山旅行回來後發現要做的事情很多, 首要之務是把停頓已久的 OpenClaw 學習進度盡快推進, 出國前的已在樹莓派 Pi 4 上安裝好 OpenClaw, 接下來就從 Pi 4 著手建構自己的龍蝦吧! 為了查考方便, 我把相關測試文章索引如下 :

上周又從母校借到兩本 OpenClaw 的書, 總計手上目前有三本了 :

# OpenClaw 超入門 (旗標, 母校圖書館)
# 養成你的 AI 龍蝦管家 (博碩, 自購)

另外最近兩個月也有兩本 OpenClaw 新書上市 :


張貼者： 於 沒有留言 :
標籤： ,

OpenClaw 學習筆記 : 佈署方式評估

阿亮老師的大作 "養成你的 AI 龍蝦管家" 已看完前五章, 對 OpenClaw 的運作原理算是有了基本的了解. 所謂的 "養龍蝦" 可以從兩個層面來理解 : 部署位置與推理模型來源. 在部署層面, OpenClaw 可以安裝在本地設備 (如 PC, Mac Mini, 樹莓派等), 也可以部署於雲端平台 (如 GitHub Codespaces, Zeabur 等); 在推理層面, Agent 所使用的模型同樣可分為本地模型與雲端模型兩種 :
  • 本地模型 :
    適用於涉及機敏資料, 需要低延遲回應, 物聯網控制場景, 或希望降低 API 成本的情境.
  • 雲端模型 :
    適用於複雜推理, 長文件分析, 高精度任務, 或處理可公開資料的場景.
透過這種部署層與推理層分離的設計, OpenClaw 可以靈活地在本地與雲端之間切換與整合, 形成混合式 (Hybrid) AI Agent 架構. OpenClaw 在結構上主要由 Channel 與 Gateway 組成, Channel 是它與外部聯繫的 UI 介面, Gateway 則是其控制中心, 但整個 AI 系統還要加上 Agent Runtime 構成一個三層架構, 如下圖所示 : 




此架構圖展示了 OpenClaw 的三層設計, 使用者透過 Channel (如 Telegram, CLI, Web UI) 發送指令, 先進入 Gateway 進行驗證, 路由與狀態管理, 判斷此訊息要交給哪個 Agent 處理, 再交由 Agent Runtime 組裝提示並呼叫模型進行推理, 系統可彈性地選擇本地或雲端 LLM 作為推理引擎, 並透過 Tools 與 Nodes 執行實際操作 (例如 API 呼叫, 檔案處理或設備控制), 最終將結果回傳給使用者. Gateway 會把 Agent 的回應結果同步到所有裝置, 例如在手機問問題, 也可以在電腦 Web UI 看到 AI 的回應. 

OpenClaw 主要負責對話處理, 工具調度與任務執行, 並同時管理會話狀態 (Session) 與整體工作流程的編排. 相較於 LLM 推理本身, 其 CPU 使用量通常較低, 屬於偏 I/O 與控制流的系統. 在記憶體使用方面, OpenClaw 本身為長駐服務, 閒置時大約需要數百 MB, 但實際用量會隨會話數量與工具調用而增加, 本地部署至少應配置 2~4GB RAM 以確保系統穩定運作. 

以下整理關於 OpenClaw 佈署方式的比較 : 


1. 本地佈署 : 

本地佈署 OpenClaw 所需的機器等級取決於 LLM 是使用本地模型還是雲端模型, 如果採用雲端模型, 則對電腦等級的要求較低, 使用一般文書型 PC (例如 N100 CPU 的迷你電腦), 舊款 Mac Mini, 甚至樹莓派 Pi 4/Pi 400 都可以, 只要 DRAM 有 4GB 就綽綽有餘. 反之, 採用本地模型的電腦等級就要提高, 還要配備顯卡, 且顯示記憶體 (VRAM) 也不能太小, 最大好處是能確保資訊安全. 


(1). Mac Mini :

在本機佈署 OpenClaw + 本地模型的首選是蘋果 Mac Mini, 它的 M4 晶片並不是傳統的純 CPU, 而是一顆 SoC (系統單晶片), 把 CPU, GPU, 神經網路引擎 (Neural Engine), 與頻寬高達 150 GB/s的高速記憶體通通封裝在同一個晶片內, 而且 Ollama 原生即支援 M4 GPU, 因此不必像 PC 那樣還需要獨立顯卡. Ollama 啟動時會主動偵測這顆 10 核心 GPU 並自動透過蘋果的 Metal API (類似 NVIDIA 的 CUDA) 將模型矩陣運算完全交給 GPU 處理, 不需要做任何複雜的驅動程式安裝或手動設定. 

由於 Mac Mini 採用統一記憶體架構 (Unified Memory), CPU 與 GPU 共用記憶體, 扣除 macOS 運行需要的 4~6 GB 系統開銷, 如果要在 Mac Mini 跑本地中等模型 (16GB~18GB 以下), Mac Mini 的 DRAM 至少需要 24GB 以上, 這樣才能至少有 16GB 的顯示記憶體給模型使用. 

蘋果網站上基本款的 Mac Mini (M4 + 16GB RAM + 256GB SSD) 售價是 26900 元, 16GB RAM 無法跑中等模型 (例如 Qwen2.5 14B 約 10GB 左右), 只要將 RAM 升級為 24GB 即可, 但需加價 7000 元, 價格來到 26900 + 7000 = 33900 元, 與買 PC + 顯卡比較起來是更經濟的方案, 參考 :  


大專院校學生, 教職員或家長可以到蘋果教育商店購買 Mac Mini, 享有 3410 元折價優惠, 只要 30490 元即可 (會跳轉 UNiDAYS 網頁進行認證, 須提供學校網域的信箱) : 





(2). PC 桌機 + 顯卡 :

跑模型的桌機 CPU 不需要太高檔, i5 以上即可, 但 DRAM 記憶體不要太低, 至少要 16GB 以上, 最好是 32GB 以上. 顯卡最好是 RTX 等級, 關鍵是 VRAM 不要低於 8GB, 最好是 12GB 以上才能跑中小型模型. 我兩年前買的 MSI 主機規格是 i5 CPU, 48GB RAM, 顯卡是 RTX3060 12GB VRAM. 


(3). 樹莓派 :

Pi 4 或 Pi 5 都可以, 重點是 RAM 至少要 4GB 以上, OpenClaw 屬於 Agent (代理), 主要工作是邏輯調度, 瀏覽器自動化操作與記憶管理, 主要運算是發送請求給雲端模型的 API, 因此 Pi 4B 的效能是絕對夠用的. 但要注意, 由於 OpenClaw 擁有操作檔案ㄝ甚至執行終端機指令的權限, 強烈建議不要用 root 權限執行 OpenClaw, 並確保 .env 金鑰檔案隱密, 不可暴露在公網中 (要列入 .gitignore 避免上傳到 GitHub). 


2. 雲端佈署 : 

如果不想自備主機 (PC+顯卡, Mac Mini, 或樹莓派), 也可以考慮把 OpenClaw 佈署在雲端, 免費方案可使用 GitHub CodeSpace, 每個月有 120 小時使用時間, 分配下來平均每天可使用 4 小時. 此外它還提供 15GB 儲存空間, 搭配雲端模型 Qwen (千問, 每月 2000 次呼叫), 對於學習 OpenClaw 或一般使用來說, 此免費方案算是夠用了. 注意, 不使用 OpenClaw 時可將 CodeSpace 手動暫停, 否則超過每月 120 小時配額後會被暫停使用. 

另外也可以選擇付費的雲端託管業者例如 Zeabur 來佈署, OpenClaw 官方有提供佈署範本, 可以一鍵讓 OpenClaw 在雲端跑起來. Zeabur 採按量計費制 (Pay As You Go), 讓 OpenClaw 可以 24 小時不間斷地在雲端運行, 參考 :


張貼者： 於 沒有留言 :
標籤：

2026年8月6日 星期四

PCHome 購買兒童手錶 CW-36 Plus

最近我的 DW100Pro+ 插卡手錶有點兩光, 電源鍵變得不靈敏, 關閉頁面或開機都按好久才會感應到, 今天早上按老半天硬是開不了機, 從一月買來到現在也才用七個月而已, 大陸貨真的 ... (當然也有還不錯的啦, 例如小米). 查看當時購買紀錄是有一年保固的, 但蝦皮中國貨的保固看看就好啦, 不要抱太多希望. 還是尋找替代品較實在. 

上網搜尋時發現小米也有推出兒童安卓手表 (中國版叫米兔), 而且 momo 也有賣, 型號是 "米兔  C7A, 它真的是兒童手表, 只能打電話傳簡訊, 因為不是完整安卓, 所以也沒有 PLAY 市場, 不能安裝 LINE 或 IG 等, 而且只有簡體中文介面 (似乎是水貨) :


momo 商場還有一款 "愛思 CW-20 Pro", 它有繁體中文介面與內建 LINE, 但螢幕僅 1.4 吋 : 


它的後續版本 CW-36 Plus 則有 2 吋螢幕, 雅虎商場賣 2490 元, momo 賣 1890 元, PCHome 價格才 1742 元, PCHome 比 momo 便宜了 148 元, 所以這次向 PCHome 買 : 





使用說明書下載 :



2026-08-08 補充 :

昨天收到貨了, 打開一看盒子上寫 IS 是日本品牌耶 :




盒內上層是手錶本體, 黑色看來蠻高雅, 完全掩蓋了塑料外殼本質 : 




下層有磁吸充電線, 螢幕保護貼, 以及 SIM 卡夾撥片, 未付使用說明書 : 




SIM 卡槽旁有一個貼紙, 警告勿用針戳旁邊的小孔, 否則會失去保固 (也會使內建喇叭受損) :




裝入 SIM 卡時要注意平整貼平卡槽再慢慢推入, 若無法完全推入表示 SIM 卡不平整卡住, 不要硬推, 應抽出重新擺平, 可用撥片協助在推入時保持平整 : 

貼好螢幕保護貼後開機, 發現裡面如商品頁說明已內建 LINE 與 Telegram, 也可以分享手機熱點, 預設 SSID 是 AndroidAP_8903, 由於輸入表非常難精確選字符, 所以我只改了密碼而已 :



張貼者： 於 沒有留言 :
標籤： ,

2026年8月3日 星期一

好書 : AI 超神應用術

前陣子從母校圖書館借到下面這本碁峰出版的好書 (文淵閣工作室) :





此書聚焦在 Google 的 AI 生態系, 附學習地圖網站 :


或 :


可惜被預約須先還, 下次再回借.

張貼者： 於 沒有留言 :
標籤： ,

2026年8月2日 星期日

2026 年第 28 & 29 周記事 (日本岡山之旅 & Cross)

上週五與阿中前往日本岡山自助旅行, 上週日忘記寫周記了, 與本周合併寫. 上上周出國前我已準備好爸周末的便當放在冷凍, 7/22 週三下班回鄉下又打掃檢查一遍, 7/23 週四早上回高雄上班一天, 7/24 週五 9 點多坐捷運前往小港與阿中會合, 順利搭乘虎航 IT262 班機前往日本岡山, 展開六天的教學旅行, 詳見每日行程記事 :


阿中的初次自助旅行每天都很嗨, 買得非常高興, 看他記事本密密麻麻的歐蜜呀給統計 (人情債哈哈), 難怪兩個 28 吋行李箱合計都超出預購的 40KG, 連我回程預購的 30KG 剩下 6 KG 給他用都不夠, 我乾脆再買 10KG 送他, 為了表示感謝我解決超重問題, 他跑去唐吉訶德買了一個 28 吋上開式行李箱送我, 所以我去程一個, 回程變兩個. 

總結此次岡山之旅, 除了 Day 5 瀨戶內海周遊船 (當日因故停駛) 與鷲羽山展望台 (因修路公車改道) 沒去到外, 其餘都達標, 景點完成率 95% 以上, 還不錯. 感謝阿中請我吃大餐, 我的基礎日文還可以, 但點菜就完全靠他苦讀兩個月背誦日文菜名來撐場, 這部分我完全不行 (我在台灣連中文點菜都亂點哈哈, 上館子都靠水某與小狐狸們). 回來後要加強餐點日文啦! 希望下次造訪日本時可以自在地點菜! 

週六下午拿戶口名簿與身分證 (我與菁菁) 去龍華國中更改鄰編號 (44 改為 27) 後才回鄉下, 傍晚拿歐咪呀給去小舅家, 剛好安安與婷婷有回來, 聊到我最近打算買 RAV4, 安安說何不買 Corolla Cross (CC)? 回家後問 Gemini 意見, 它認為還是 RAV4 較好, 主要論點如下 :
  • CC 尺寸與空間比 RAV4 小一號 : 
    CC 的車長 (約 4.46 米) 比 RAV4 (約 4.6 米) 短了近 15 公分, 車寬與軸距也較小. 後座空間與後行李廂容量 (CC 約 487 公升 vs RAV4 的 580 公升), 都明顯小一號. CC 的後座傾倒後平整度與長度不如 RAV4, 車室高度與車寬也較窄, 車宿體驗會打折許多.
  • 組裝與產地 :
    CC 是台灣國產車 (國都/高都等經銷商組裝生產), 而 RAV4 是日本原裝進口, 在車體剛性與組裝組件品質, 隔音靜肅性上, 進口的 RAV4 都高出一個層次, RAV4 明顯勝出.
  • 後懸吊結構與煞車底盤控制 :
    CC 採用扭力樑後懸吊 + 基礎循跡系統, 後懸吊結構較簡單 (跳動感較明顯), RAV4 則是獨立雙 A 臂 + ACA 彎道轉向輔助 (後座舒適度, 過彎穩定度好很多). RAV4 在彎道中過彎時, 電腦對煞車與內側輪的分配控制更細緻, 車身側傾與後座晃動感比 CC 小很多.
  • 平均油耗 : 
    CC 約 21.9~22.2 Km/L, 而 RAV4 約 24 Km/L, RAV4 車身雖大, 但油電技術更先進反而更省油.
  • 馬力 : 
    CC 引擎 98 匹馬力, 綜效馬力 122匹, RAV4 綜效馬力 218 匹 (比 CC 多了 96 匹馬力), RAV4 動力非常充沛, CC 滿載登高或高速超車會比較吃力, 且引擎容易發出較高亢的咆哮聲 (運轉負擔較重). 
  • 引擎與馬達規格 : 
    CC 與 RAV4 都採用相同的 E-CVT 電子無段變速系統, 但 CC 是 1.8L自然進氣 + 較小功率馬達, 而 RAV4 則是 2.5L 阿特金森循環 + 高功率馬達, RAV4 純電行駛 (EV) 能維持的最高車速更高, 加速時動力的貼背感與平順度明顯好上許多.
  • 乘坐品質 : 
    RAV4 的進口車隔音, 底盤吸震能力 (獨立懸吊) 與 218 匹的平順大馬力, 在跑國道長途或山路時能帶來遠高於 CC 的高級感與舒適度.
雖然 CC 車價較低 (約 85~90 萬), 比 RAV4 便宜近 35~40 萬元, 且每年牌照稅 + 燃料稅共 $11,920 元 (1.8L)比 RAV4 的 $22410 元 (2.5L) 省下約 $10,490 元稅費, 但綜合比較後還是覺得 RAV4 較合乎我的需求. 參考之前的評估 :


張貼者： 於 沒有留言 :
標籤：

2026年8月1日 星期六

高科大還書 4 本 (AI超神應用術 + Vibe Coding 聖經等)

由於有四本預約書到館 : 




額度已經滿檔, 拿下面四本書去換 :
No.1 與 No.2 屬於基礎書籍目前較少看, 且市圖可借到; No.3 與 No.4 被預約須還, 但還沒看完, 下次再回借 (尤其是 No.4 這本雖然市圖也有, 但是超熱門). 

張貼者： 於 沒有留言 :
標籤： ,

好書 : Vibe Coding 聖經

此書前陣子從母校圖書館借得, 樂讀中. 作者 Steve Yegge 與 Gene Kim 都是具有程式設計背景的老程式人, Steve 曾在 Google 與 Amazon 服務, 是典型的軟體業老兵; 而 Gene 則是在十餘年的技術職涯後轉職主管, 從此離開技術圈, 後來成為華爾街暢銷書作者. 兩人都在接觸 Vibe Coding 後重回軟體開發之路, 但這回不再有老程式人的磨難記憶, 而是從廚師晉身為行政主廚, 此書正是他們運用 Vibe Coding 重拾軟體開發樂趣的經驗之談. 





以下是我的閱讀札記 :

第一章 : 未來已經來臨, 程式設計的重大轉變正在發生
  • Vibe coding 的好處 : 讓你的創作更快速, 更具野心, 更自主, 也更有趣, 也能探索更多選項. 這就是所謂的 FAAFO (Fast, Ambitious, Fun, Optionality). AI 的速度與知識力讓原本依靠人力看似不可能的專案變得有希望實現, 使我們對開發更具有野心; 獨自與 AI 一起工作顯著地減少了兩項昂貴的成本 : 協調成本 & 溝通成本. 
  • 以往的軟體工程師花了太多時間與新框架新套件, 無暇解決那些真正有趣的問題. Vibe coding 能讓你跳過這些繁雜的事物, 專注處理重要的事情. 你從此可以透過 AI 寫出各式各樣的出色軟體, 也終於可以展開那些在 "有空來做" 清單上目標遠大的專案. 
  • Vibe coding 可以讓你跳過冗長的教學和基礎設定, AI 會處理所有麻煩的阻礙, 包括建置環境. 你再一次有能力做出一些有用的東西, 不會被複雜的實作細節給活埋. 有了 Vibe coding 後, 這世界有一整個世代的退休工程師正帶著復仇的決心歸來, 準備向全世界展現他們的實力. 
  • AI 輔助的程式設計不只是線性成長, 更像是指數級飛躍的革命.
  • Vibe coding 能讓你解決過去認為不可行的專案, 一個人完成以往需要團隊才能辦到的創舉, 重新找回軟體開發的樂趣. 借助 LLM 我們能進行複雜而深層的討論, 用自然語言對話解決複雜問題, 這曾經完全是科幻的情節, 如今則是日常的現實.
  • 不論是聊天式或代理式的程式設計都能從 LLM 獲得強大無比的能力, 在未來的世界, 只要能清楚解釋自己的需求, 這些自然語言就能成為可運行的軟體. 在 AI 時代, 最需要培養的能力是敘事力 (narrative ability). 
  • AI 做的並非只是產出程式碼而已, 它是一個溝通成本極低的合作夥伴, 它會幫助你集思廣益, 評估選項, 管理專案與團隊, 應對挑戰, 以及制定策略來實現你的目標與抱負. 
  • AI 程式設計工具正在重塑軟體開發的基礎, 工程師的角色會更像是產品工程師, 根本性的角色變化是從寫程式碼轉換至音引導 AI. 軟體工程師必須體認到, 該是時候放棄手刻每一行程式碼了, 要完全擁抱這的打造軟體的新方法. 在這個新世界中, 你就是世界級廚房的主廚, 你不需要親自切菜, 煎肉, 與洗盤子, 你有 AI 這個副主廚與一整個團隊來處理這些事. 
  • 用 AI 寫程式有一個原則 : 你必須概括承受一切責任, 交給 AI 實作不代表交給 AI 負責. 在 Vibe coding 中你必須負責 :
    • 管理平行開發
    • 處理複雜的整合問題
    • 制定標準
    • 建立導入程序
    • 協調大型專案
第二章 : 程式設計只有贏家, 沒有倖存者
  • Vibe coding 會大大提升我們的抽象層級, 將我們從無關緊要的底層細節 (函式庫, 框架, 語法 ...) 中解放出來, 讓我們能更自然地表達想法, 專注在更高階的問題. 但這並不表示 Vibe coding 很簡單, 你的判斷力與經驗比以往更加重要了. 太空人 Frank Borman 曾說 : "優秀的飛行員會用卓越的判斷力來避開應用到卓越飛行技術的情況", 這正是軟體工程師的過往訓練在 AI 時代的價值所在. 此外, 你還需要培養液種新的直覺, 才能理解 LLM 和程式碼之間發生了甚麼事. 
  • 如果把軟體製作比喻為拍電影, 我們以前是編劇, 現在則是負責指引畫面的導演, 讓協作的 AI 負責處理實作的細節.
第三章 : Vibe coding 的價值
  • 把 FAAFO 當成你新的超能力, 你可以更快地產出程式碼, 而且能大膽嘗試那些過去只能一笑置之的專案. 你可以一個人自主完成過去需要一個團隊才能處理的工作. Vibe coding 會重塑我們能力可及的範圍, 讓我們能懷抱更大的野心. 以前覺得太不實際的點子, 現在可以毫不猶豫地丟進待辦清單裡. 
  • 速度 (Fast) 是 Vibe coding 最明顯的一項價值, 可說是最表面的好處, 但速度的真正價值在於它放大了 FAAFO 其他面向的價值. 
  • 注意. Vibe coding 的優點 FAAFO 裡面並不包括品質 (Quality), 那是你自己的責任. 
  • 使用 Vibe coding 時需要學會觀察 AI 是不是充滿自信地走錯了路, 以決定是否該換個方向, 或是放棄成效不佳的專案. 
  • 傳統的程式設計包含很多沒甚麼人會喜歡的瑣碎工作, 例如修改語法錯誤, 檢查型別, 與不熟悉的套件管理工具纏鬥, 寫樣板程式碼, 以及翻找文件等. Vibe coding 能排除這些痛苦, 讓注意力從實做細節回到發揮創意上. 程式設計師使用 Vibe coding 後會感到比以往更有開發的熱情, 壓力驟減. 
  • Vibe coding 降低了平行探索各種路徑的成本, 你可以任意挑選一個程式語言來開發專案, 本來需要數天的評估研究, 現在 AI 能擠壓到幾分鐘就能提供每個選項的利弊, 而且不必寫任何一行程式碼. 這是程式設計師以往從未擁有的奢侈能力, 可同時嘗試多種不同做法, 而且是零成本. Vibe coding 改變了軟體設計的經濟學.
第四章 : 黑暗面-Vibe coding 的大失誤
  • 用 AI 寫程式可能帶來系統性風險, 造成的問題也會比傳統軟體開發更嚴重. 最常見的問題是, AI 可能會在遵循指示上出現困難, 尤其是當 contex window 滿了之後. 如果缺乏適當的監督, AI 可能從強大的生產設備變成最可怕的噩夢. 
第五章 : AI 正在改變所有知識型工作
  • AI 對軟體業帶來的改變正如漣漪般擴散到所有知識型工作, 研究顯示最容易被影響的是高薪職業, 例如數學家, 稅務師, 金融分析師, 作家, 以及網頁設計師等等. 掌握大局觀是在其中找到自身出路的關鍵.
  • 專家研究指出只有 34 種 "以原子移動為主" 的職業在 AI 時代是安全的, 例如 : 機車技師, 快餐廚師, 地板打磨工等, 這些職業需要靈巧的手工與即時的反應操作, LLM 無法提供這方面協助. 
  • 軟體工程師是 AI 海嘯的第一排受害者, 我們可能是最後一代手刻程式碼的開發者, 但 ... 至少玩得開心! 
  • AI 時代的職場新面貌是, 在公司裡本來需要等待工程師幫忙的地方都會開始自行 Vibe coding, 過去的選擇只有苦等或外包, 或是找上層介入, 而現在所有人都可以自己製作軟體了: 建立原型, 修復問題, 甚至開發新功能. 
  • 在所有知識工作者都開始自己 Vibe coding 時, 軟體工程師依舊扮演著非常重要的角色, 只是和過去扮演的不同而已. 在特別需要穩定性, 安全性, 或器爺及擴展性的領域, 專業的軟體工程師依然不可或缺. 
  • 只要門檻夠低, 軟體開發將成為另一種表現創意的形式, 會有更多人利用 AI 不寫任何一航程式碼而創作出新軟體. 軟體開發的速度從一年降低為一周後, 能源, 製造, 醫療, 教育的成本都會同時下降, 新的產品與服務會快速出現, 新的創新發明刺激更多需求, 經濟產出也會一飛沖天. 
第八章 : 歡迎來到 Vibe coding 廚房
  • Vibe coding 不需要記憶成是語法或深奧指令, 真正關鍵的能力是和你的 AI 夥伴有效溝通. 
第十章 :
  • 使用 AI 的工作空間時要注意的關鍵技巧 : 
    • 留意 AI 的上下文窗口
    • 及早發現上下文飽和
    • 使用重點式或完整式的上下文
    • 尋找工具支持
    • 相信直覺


~進行中~

PS : 此書被預約須還, 目前已看到第 12 章, 以後回借再繼續看完. 

張貼者： 於 沒有留言 :
標籤： ,

2026年7月31日 星期五

台灣雲端書庫電子書

我在台灣雲端書庫@高雄市立圖書館找到下列不錯的電子書 : 
這些用瀏覽器開啟台灣雲端書庫, 登入市圖帳號即可借閱 :


下面這本要在 HyRead 才有 :

# AI 投資賺錢術


張貼者： 於 沒有留言 :
標籤：
訂閱： 文章 ( Atom )