[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"article-ai-cookbook-practical-llm-code-for-developers-zh":3,"article-related-ai-cookbook-practical-llm-code-for-developers-zh":28,"series-tools-df3d3f58-f0d2-4362-b41f-b657d067bd21":82},{"id":4,"slug":5,"title":6,"content":7,"summary":8,"source":9,"source_url":10,"author":11,"image_url":12,"cover_image":12,"category":13,"language":14,"translated_content":11,"related_article_id":15,"keywords":16,"key_takeaways":11,"views":25,"created_at":26,"published_at":27,"topic_cluster_id":11},"df3d3f58-f0d2-4362-b41f-b657d067bd21","ai-cookbook-practical-llm-code-for-developers-zh","AI Cookbook 讓 Python 開發更快上手","\u003Cp>\u003Ca href=\"https:\u002F\u002Fgithub.com\u002Fdaveebbelaar\u002Fai-cookbook\" target=\"_blank\" rel=\"noopener\">AI Cookbook\u003C\u002Fa> 這個 GitHub 倉庫，真的很像開發者的速食櫃。它有 3,887 顆星、1,390 次 fork。重點是，它不是在賣概念，而是直接給你能跑的 \u003Ca href=\"https:\u002F\u002Fwww.python.org\u002F\" target=\"_blank\" rel=\"noopener\">Python\u003C\u002Fa> 範例。\u003C\u002Fp>\u003Cp>講白了，很多 AI 教學都太愛講理論。你看完還是要自己補一大堆坑。這個專案主打 agents、\u003Ca href=\"https:\u002F\u002Fwww.anthropic.com\u002F\" target=\"_blank\" rel=\"noopener\">Anthropic\u003C\u002Fa>、\u003Ca href=\"https:\u002F\u002Fopenai.com\u002F\" target=\"_blank\" rel=\"noopener\">OpenAI\u003C\u002Fa> 和 LLM 工作流。對工程師來說，這種東西才實際。\u003C\u002Fp>\u003Cp>你可能會想問，這種 repo 為什麼會紅。答案很簡單。因為它把「先做出來」放前面。不是先寫一堆長文，再叫你腦補程式碼。這種做法很土，但很有效。\u003C\u002Fp>\u003Ch2>為什麼它會吸引這麼多人\u003C\u002Fh2>\u003Cp>先看數字。3,887 顆星，對一個偏教學型的 AI repo 來說，算很有存在感。它不是框架，也不是雲端服務。它只是範例集合，卻能拉到這種熱度，代表很多人真的拿去用。\u003C\u002Fp>\u003Cp>作者 \u003Ca href=\"https:\u002F\u002Fgithub.com\u002Fdaveebbelaar\" target=\"_blank\" rel=\"noopener\">Dave Ebbelaar\u003C\u002Fa> 的定位也很明確。他把這個專案說成給開發者用的實作教材。這點很重要。因為很多 AI 資源只會講 prompt 原理，卻不管你怎麼接 API、怎麼處理例外、怎麼把結果塞進產品。\u003C\u002Fp>\u003Cp>Dave 也經營 \u003Ca href=\"https:\u002F\u002Fwww.youtube.com\u002F@daveebbelaar?sub_confirmation=1\" target=\"_blank\" rel=\"noopener\">YouTube 頻道\u003C\u002Fa>，而且是 \u003Ca href=\"https:\u002F\u002Fwww.datalumina.com\u002F\" target=\"_blank\" rel=\"noopener\">Datalumina\u003C\u002Fa> 的創辦人。這代表他的內容不是紙上談兵。比較像是做過案子後，把踩過的坑整理成範例。\u003C\u002Fp>\u003Cul>\u003Cli>GitHub stars：3,887\u003C\u002Fli>\u003Cli>Forks：1,390\u003C\u002Fli>\u003Cli>主要語言：Python\u003C\u002Fli>\u003Cli>主題：agents、ai、anthropic、llm、openai、python\u003C\u002Fli>\u003Cli>形式：可直接複製的範例與教學\u003C\u002Fli>\u003C\u002Ful>\u003Cp>這種數字組合很有意思。星數高，代表很多人收藏。fork 數高，代表不少人直接複製下去改。這兩個指標放一起看，比單看星數更有用。\u003C\u002Fp>\u003Cp>我覺得，這類 repo 之所以受歡迎，還有一個原因。AI 開發現在太多碎片化資訊。官方文件一份，社群教學一份，部落格又一份。你很容易卡在整合。Cookbook 型 repo 則是把常見路徑先排好。\u003C\u002Fp>\u003Ch2>這個 repo 真正有用在哪裡\u003C\u002Fh2>\u003Cp>最直接的用途，就是省時間。你如果已經會 Python，想做一個 LLM 功能，這種範例可以直接當起點。你不用從空白檔案開始猜 API 寫法。這點很現實，也很有感。\u003C\u002Fp>\u003Cp>AI 開發常見的麻煩，不是模型本身，而是周邊雜事。像是 prompt 怎麼切、工具怎麼接、回傳格式怎麼 parse、失敗要怎麼重試。這些東西每個都不難，但加起來很煩。\u003Ca href=\"https:\u002F\u002Fgithub.com\u002Ftopics\u002Fagents\" target=\"_blank\" rel=\"noopener\">agents\u003C\u002Fa> 類範例，正好就是在處理這種多步驟流程。\u003C\u002Fp>\u003Cp>它的另一個價值，是讓你看見「模型外面的程式碼」長什麼樣。很多人只關心模型輸出，卻忽略整個應用層。實際上，真正讓產品能上線的，常常是那堆看起來不性感的處理邏輯。\u003C\u002Fp>\u003Cblockquote>“In the end, all technology expands the space, the scope, and the volume of human concern, human enterprise, and human power.” — \u003Ca href=\"https:\u002F\u002Fwww.britannica.com\u002Fbiography\u002FMarshall-McLuhan\" target=\"_blank\" rel=\"noopener\">Marshall McLuhan\u003C\u002Fa>\u003C\u002Fblockquote>\u003Cp>這句話放在 AI 開發上很貼切。工具本身不會替你做產品。它只是讓你能做更多事。AI Cookbook 的價值，也正是在這裡。它不是神兵利器，它是讓你少走彎路的工具箱。\u003C\u002Fp>\u003Cp>如果你是團隊裡負責導入 AI 的人，這種 repo 還有一個好處。你可以快速做內部 demo。先驗證流程，再決定要不要重寫成正式架構。這比一開始就砸時間做完整系統，風險低很多。\u003C\u002Fp>\u003Ch2>跟其他 AI 資源比，差在哪裡\u003C\u002Fh2>\u003Cp>跟文章或影片相比，GitHub repo 的優勢很直接。你可以看程式、跑程式、改程式。學習迴圈更短。影片講得再好，你還是要自己把內容重打一遍。這件事很耗精神。\u003C\u002Fp>\u003Cp>跟大型框架比，這個 cookbook 又輕很多。像 \u003Ca href=\"https:\u002F\u002Fwww.langchain.com\u002F\" target=\"_blank\" rel=\"noopener\">LangChain\u003C\u002Fa> 和 \u003Ca href=\"https:\u002F\u002Fwww.llamaindex.ai\u002F\" target=\"_blank\" rel=\"noopener\">LlamaIndex\u003C\u002Fa> 都是完整工具箱。它們適合做比較複雜的應用，但學習成本也高。Cookbook 則像食譜。先讓你把菜炒出來，再決定要不要買更大的廚具。\u003C\u002Fp>\u003Cp>如果把常見資源放一起看，差異其實很明顯。你會發現，每種工具都對應不同階段。不是誰比較高級，而是誰比較適合現在的你。\u003C\u002Fp>\u003Cul>\u003Cli>\u003Cstrong>AI Cookbook：\u003C\u002Fstrong> 範例導向，適合學習、改寫、快速原型\u003C\u002Fli>\u003Cli>\u003Cstrong>LangChain：\u003C\u002Fstrong> 適合需要抽象層、流程編排、工具整合的專案\u003C\u002Fli>\u003Cli>\u003Cstrong>LlamaIndex：\u003C\u002Fstrong> 適合檢索、文件查詢、資料連接較重的場景\u003C\u002Fli>\u003Cli>\u003Cstrong>官方文件：\u003C\u002Fstrong> 最準，但通常分散，還要自己拼圖\u003C\u002Fli>\u003C\u002Ful>\u003Cp>3,887 星和 1,390 forks 也透露一件事。這不是大家只看過就算了。很多人是直接把它 clone 下來，拿去改成自己的專案。這種使用方式，比單純收藏更有價值。\u003C\u002Fp>\u003Cp>再來，這個 repo 的內容風格也比較務實。它沒有故意做得很炫。很多 AI 專案喜歡展示華麗 demo，結果一碰到登入、記憶、錯誤處理，就整個散掉。Cookbook 反而老實，先把基本骨架交給你。\u003C\u002Fp>\u003Ch2>競品和替代方案怎麼看\u003C\u002Fh2>\u003Cp>如果你想找替代方案，最先想到的通常是官方範例。像 \u003Ca href=\"https:\u002F\u002Fplatform.openai.com\u002Fdocs\" target=\"_blank\" rel=\"noopener\">OpenAI docs\u003C\u002Fa> 或 \u003Ca href=\"https:\u002F\u002Fdocs.anthropic.com\u002F\" target=\"_blank\" rel=\"noopener\">Anthropic docs\u003C\u002Fa>。它們的優點是最新、最準。缺點也很明顯，內容分散，而且常常只講單點功能。\u003C\u002Fp>\u003Cp>另一種替代方案，是直接看框架官方教學。這條路適合想快速進入完整生態的人。但問題是，框架會帶你走它自己的路。你學到的是框架，不一定是 LLM 應用的底層邏輯。\u003C\u002Fp>\u003Cp>AI Cookbook 比較像中間地帶。它不是只給你 API 參考，也不是把你綁死在某個抽象層。對想把 AI 功能塞進既有產品的人，這種中間路線很實用。\u003C\u002Fp>\u003Cul>\u003Cli>\u003Cstrong>官方 docs：\u003C\u002Fstrong> 更新快，但不一定好串起來\u003C\u002Fli>\u003Cli>\u003Cstrong>框架教學：\u003C\u002Fstrong> 容易上手，但抽象層較重\u003C\u002Fli>\u003Cli>\u003Cstrong>AI Cookbook：\u003C\u002Fstrong> 範例清楚，適合拿來改成產品程式\u003C\u002Fli>\u003Cli>\u003Cstrong>影片課程：\u003C\u002Fstrong> 有脈絡，但不容易直接複製到專案\u003C\u002Fli>\u003C\u002Ful>\u003Cp>如果你看過很多 AI repo，就會知道「能跑」和「能用」差很遠。這個專案至少在第一步做對了。它把可執行的範例放在前面，讓開發者先動手，再慢慢理解背後設計。\u003C\u002Fp>\u003Cp>我自己的判斷是，這類資源最適合當參考標準。你不一定照抄，但你可以拿來對照自己的寫法。很多時候，你會發現自己其實繞遠路了。\u003C\u002Fp>\u003Ch2>放到台灣開發現場來看\u003C\u002Fh2>\u003Cp>台灣很多團隊現在都在碰 AI 功能。客服、知識庫、內部助理、文件摘要，幾乎每一類產品都有人在試。問題是，大家常常先問模型選哪個，卻忘了先看程式怎麼接。\u003C\u002Fp>\u003Cp>這就是 cookbook 類資源的意義。它比較像工程現場的備忘錄。你不用每次都從零想一遍。先把常見模式抄起來，再依照自己的資料和伺服器環境調整。\u003C\u002Fp>\u003Cp>還有一點很現實。很多團隊人少、時間少、預算也少。這時候，能少寫 200 行重複程式，就很有感。尤其是 Python 團隊，這種範例庫比空談架構更有幫助。\u003C\u002Fp>\u003Cp>如果你在做 PoC，我會建議先拿一個範例跑起來。再測三件事：延遲、錯誤率、維護成本。這三個數字，比「看起來很厲害」重要多了。\u003C\u002Fp>\u003Ch2>下一步該怎麼用\u003C\u002Fh2>\u003Cp>如果你是 Python 開發者，這個 repo 值得收藏。不是因為它神，而是因為它夠務實。你可以把它當成 AI 工作流的參考書，遇到問題先翻一下。\u003C\u002Fp>\u003Cp>最實際的做法很簡單。挑一個範例，改一個參數，跑到壞掉，再修回來。你會比只看文章學得快很多。真的，這種學法比較土，但效果通常比較好。\u003C\u002Fp>\u003Cp>我對這類專案的預測也很直接。接下來 6 到 12 個月，能被大量 fork 的 AI repo 會越來越吃香。原因不是大家突然愛收藏，而是開發者需要更快把 LLM 功能接進產品。你如果正在做 AI 專案，現在就該先找一份能直接改的範例庫。別等到需求來了，才開始從零找路。\u003C\u002Fp>","AI Cookbook 收錄 3,887 星的 Python 範例，涵蓋 agents、Anthropic、OpenAI 與 LLM 工作流，適合想直接抄來改的開發者。","github.com","https:\u002F\u002Fgithub.com\u002Fdaveebbelaar\u002Fai-cookbook",null,"https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Fcover-1774595866498-425oei.png","tools","zh","230429a8-0f35-4989-983f-09522be025c0",[17,18,19,20,21,22,23,24],"AI Cookbook","Python","LLM","agents","Anthropic","OpenAI","GitHub","AI 開發",11,"2026-03-27T07:17:47.09377+00:00","2026-03-27T13:52:02.779+00:00",{"tags":29,"relatedLang":41,"relatedPosts":45},[30,32,34,35,37,39],{"name":18,"slug":31},"python",{"name":22,"slug":33},"openai",{"name":20,"slug":20},{"name":23,"slug":36},"github",{"name":21,"slug":38},"anthropic",{"name":19,"slug":40},"llm",{"id":15,"slug":42,"title":43,"language":44},"ai-cookbook-practical-llm-code-for-developers-en","AI Cookbook Packs Practical LLM Code for Developers","en",[46,52,58,64,70,76],{"id":47,"slug":48,"title":49,"cover_image":50,"image_url":50,"created_at":51,"category":13},"cdfe98b4-cfc9-4266-ba45-4b892e8214b0","codex-deepseek-v4-pro-moark-setup-zh","Codex 接入 DeepSeek-V4-Pro，三步可用","https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1782738175563-wcfd.png","2026-06-29T13:02:24.814293+00:00",{"id":53,"slug":54,"title":55,"cover_image":56,"image_url":56,"created_at":57,"category":13},"37ef32c4-b40c-4d2e-822a-d41678837de1","devin-ai-alternatives-real-workflows-zh","Devin 替代工具先看工作流","https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1782732810886-up7s.png","2026-06-29T11:32:58.321746+00:00",{"id":59,"slug":60,"title":61,"cover_image":62,"image_url":62,"created_at":63,"category":13},"d98bcfa9-686a-4465-8371-ba06d04b9799","claude-code-turns-agent-setup-into-terminal-work-zh","Claude Code 讓代理設定變終端工作","https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1782731910840-j284.png","2026-06-29T11:18:01.715271+00:00",{"id":65,"slug":66,"title":67,"cover_image":68,"image_url":68,"created_at":69,"category":13},"054589c7-78d8-4835-a5e4-4413a6146970","best-ai-coding-agent-2026-ranked-benchmarks-zh","2026 最佳 AI 寫碼代理排名","https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1782730985842-v7mt.png","2026-06-29T11:02:38.646028+00:00",{"id":71,"slug":72,"title":73,"cover_image":74,"image_url":74,"created_at":75,"category":13},"f1ea1e37-c8c4-4b45-828a-b120c781bd6f","openclaw-bailian-qwen37-max-config-template-zh","OpenClaw 接百炼 Qwen3.7-Max 模板","https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1782715688788-y9u4.png","2026-06-29T06:47:44.371703+00:00",{"id":77,"slug":78,"title":79,"cover_image":80,"image_url":80,"created_at":81,"category":13},"b45a451c-fbd8-4b47-8f0c-0c91c8d1c77c","mistral-ocr-4-citation-ready-structured-output-zh","Mistral OCR 4 把掃描檔變可引用資料","https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1782702195883-gjig.png","2026-06-29T03:02:47.250472+00:00",[83,88,93,98,103,108,113,118,123,128],{"id":84,"slug":85,"title":86,"created_at":87},"855cd52f-6fab-46cc-a7c1-42195e8a0de4","surepath-real-time-mcp-policy-controls-zh","SurePath 推出即時 MCP 政策控管","2026-03-26T07:57:40.77233+00:00",{"id":89,"slug":90,"title":91,"created_at":92},"9b19ab54-edef-4dbd-9ce4-a51e4bae4ebb","mcp-in-2026-the-ai-tool-layer-teams-use-zh","2026 年 MCP：團隊真的在用的 AI 工具層","2026-03-26T08:01:46.589694+00:00",{"id":94,"slug":95,"title":96,"created_at":97},"af9c46c3-7a28-410b-9f04-32b3de30a68c","prompting-in-2026-what-actually-works-zh","2026 提示工程，真正有用的是什麼","2026-03-26T08:08:12.453028+00:00",{"id":99,"slug":100,"title":101,"created_at":102},"05553086-6ed0-4758-81fd-6cab24b575e0","garry-tan-open-sources-claude-code-toolkit-zh","Garry Tan 開源 Claude Code 工具包","2026-03-26T08:26:20.068737+00:00",{"id":104,"slug":105,"title":106,"created_at":107},"042a73a2-18a2-433d-9e8f-9802b9559aac","github-ai-projects-to-watch-in-2026-zh","2026 必看 20 個 GitHub AI 專案","2026-03-26T08:28:09.619964+00:00",{"id":109,"slug":110,"title":111,"created_at":112},"a5f94120-ac0d-4483-9a8b-63590071ac6a","claude-code-vs-cursor-2026-zh","Claude Code 與 Cursor 深度對比：202…","2026-03-26T13:27:14.279193+00:00",{"id":114,"slug":115,"title":116,"created_at":117},"0975afa1-e0c7-4130-a20d-d890eaed995e","practical-github-guide-learning-ml-2026-zh","2026 機器學習入門 GitHub 實用指南","2026-03-27T01:16:49.712576+00:00",{"id":119,"slug":120,"title":121,"created_at":122},"bfdb467a-290f-4a80-b3a9-6f081afb6dff","aiml-2026-student-ai-ml-lab-repo-review-zh","AIML-2026：像課綱的學生實驗 Repo","2026-03-27T01:21:51.467798+00:00",{"id":124,"slug":125,"title":126,"created_at":127},"80cabc3e-09fc-4ff5-8f07-b8d68f5ae545","ai-trending-github-repos-and-research-feeds-zh","AI Trending：把 AI 資源收成一張表","2026-03-27T01:31:35.262183+00:00",{"id":129,"slug":130,"title":131,"created_at":132},"3ce6e6e2-bac5-463e-9f8d-45caabcc61f7","awesome-ai-for-science-research-tools-map-zh","AI 科研工具清單，開始像地圖了","2026-03-27T01:46:50.521945+00:00"]