[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"article-anthropic-partner-list-ecosystem-map-zh":3,"article-related-anthropic-partner-list-ecosystem-map-zh":30,"series-tools-c27dedd0-4751-40b6-9283-23203a13c0da":73},{"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":22,"views":26,"created_at":27,"published_at":28,"topic_cluster_id":29},"c27dedd0-4751-40b6-9283-23203a13c0da","anthropic-partner-list-ecosystem-map-zh","Anthropic 合作夥伴清單變成地圖","\u003Cp data-speakable=\"summary\">這篇把 \u003Ca href=\"\u002Ftag\u002Fanthropic\">Anthropic\u003C\u002Fa> 的合作夥伴清單拆成可用的生態系地圖，讓你直接抄模板做競品研究。\u003C\u002Fp>\u003Cp>我看合作夥伴頁面很多年了，老實說，大多數都長得很像半成品。滿滿 logo、幾個模糊分類，然後你就被丟去自己腦補商業策略。這種東西我以前也信過，後來發現根本不夠用。我看到 \u003Ca href=\"https:\u002F\u002Fwww.partnerbase.com\u002Fanthropic\">Partnerbase 上的 Anthropic 頁面\u003C\u002Fa>，顯示有 210 個合作夥伴，第一反應不是「哇好多」，而是「所以呢？」這是通路、產品整合、還是市場\u003Ca href=\"\u002Fnews\u002Fwhite-house-ai-order-cyber-defense-innovation-zh\">擴張\u003C\u002Fa>？看起來像什麼都有一點，但頁面本身沒有把\u003Ca href=\"\u002Fnews\u002Flibghostty-terminal-substrate-agent-workflows-zh\">工作流\u003C\u002Fa>程講清楚。\u003C\u002Fp>\u003Cp>我後來真正想通的是：合作夥伴清單不要當型錄看，要當診斷工具看。你一旦不再問「他們跟誰合作」，改問「他們在建什麼樣的生態系」，整張圖就活起來了。Partnerbase 這頁不是 Anthropic 自己寫的漂亮故事，而是把外部可見的關係抓成結構化資料，剛好夠我反推它的打法。\u003C\u002Fp>\u003Cp>我這篇要拆的就是這件事：我怎麼讀這頁、這些夥伴組合透露了什麼、還有我會怎麼把同一套方法搬去自己的公司或產品上。\u003C\u002Fp>\u003Ch2>別把合作夥伴頁當宣傳冊\u003C\u002Fh2>\u003Cblockquote>Anthropic 在 Partnerbase 上追蹤到 210 個技術與通路合作夥伴。\u003C\u002Fblockquote>\u003Cp>翻譯一下就是，這個頁面先丟給你規模，再丟給你策略線索。這個 210 很重要，因為它會直接改變我對整份清單的解讀。十個夥伴，可能只是幾個精挑細選的整合；兩百一十個，通常代表更廣的生態系佈局，至少也是被大量追蹤的外部關係。\u003C\u002Fp>\n\u003Cfigure class=\"my-6\">\u003Cimg src=\"https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1782361111802-nv1b.png\" alt=\"Anthropic 合作夥伴清單變成地圖\" class=\"rounded-xl w-full\" loading=\"lazy\" \u002F>\u003C\u002Ffigure>\n\u003Cp>我以前犯過一個很蠢的錯：把合作夥伴目錄當成每一筆都同樣重要。那不對。夥伴清單通常混著真整合、共同行銷、代理商、轉售商，還有一些只是被觀察到的關係。如果你不先分桶，最後看到的只會是一張假圖。\u003C\u002Fp>\u003Cp>在 Anthropic 這頁，Partnerbase 直接標了公司類型，也顯示每個夥伴的觀察次數。這很關鍵。它告訴我，這不是「他們愛誰」的名單，而是「哪些外部關係有足夠可見度，值得被追蹤」。這個差別很救命，因為它可以避免我過度解讀。\u003C\u002Fp>\u003Cp>我會這樣用：\u003C\u002Fp>\u003Cul>\u003Cli>先把總數當成粗略訊號，不要當成策略證據。\u003C\u002Fli>\u003Cli>把技術夥伴、通路夥伴、一般關係分開看。\u003C\u002Fli>\u003Cli>問自己哪些像產品整合、哪些像服務、哪些像分銷。\u003C\u002Fli>\u003C\u002Ful>\u003Cp>如果我是做競品簡報，我絕對不會把這份清單直接貼上去就說分析完成。我要先把每個夥伴按動作類型打標，這樣資料才真的能用。\u003C\u002Fp>\u003Ch2>夥伴組合其實在講 Anthropic 想卡在哪些工作流\u003C\u002Fh2>\u003Cblockquote>Anthropic 的部分夥伴包含 Happenstance、Wispr AI、Softr、Social Intents 與 Heartex。\u003C\u002Fblockquote>\u003Cp>翻譯一下就是，這個夥伴組合夠廣，已經不像單一整合路線，而比較像在多個工作流裡擴散。你會看到工作工具、AI 周邊產品、無程式碼工具、客服軟體、資料標註與模型營運基礎設施混在一起。這不是亂塞，這是在告訴我：Anthropic 很可能想出現在很多不同的使用情境裡。\u003C\u002Fp>\u003Cp>我不是在硬說每一筆都是深度技術整合，Partnerbase 沒這樣講，我也不會自己補戲。但類型很有意思。\u003Ca href=\"https:\u002F\u002Fwww.wispr.ai\u002F\">Wispr AI\u003C\u002Fa> 比較像生產力與語音；\u003Ca href=\"https:\u002F\u002Fwww.softr.io\u002F\">Softr\u003C\u002Fa> 指向無程式碼應用；\u003Ca href=\"https:\u002F\u002Fwww.socialintents.com\u002F\">Social Intents\u003C\u002Fa> 指向客服與對外互動；\u003Ca href=\"https:\u002F\u002Fheartex.com\u002F\">Heartex\u003C\u002Fa> 則碰到資料標註與模型流程。這些放在一起，很像一張「AI 會被嵌進哪裡」的地圖。\u003C\u002Fp>\u003Cp>我以前看這種頁面，常常只會記 logo。後來我才發現，真正有用的是看它覆蓋了哪些買家工作。因為這會透露公司想怎麼被接進去，而不是只想賣給誰。這跟「只跟前五大工具合作」那種窄打法差很多。\u003C\u002Fp>\u003Cp>我會這樣用：\u003C\u002Fp>\u003Cul>\u003Cli>不要先看公司名氣，先看它對應哪個工作任務。\u003C\u002Fli>\u003Cli>把夥伴按客服、內容、自動化、資料、無程式碼這些類別分群。\u003C\u002Fli>\u003Cli>用這些群組去猜分發重點在哪裡。\u003C\u002Fli>\u003C\u002Ful>\u003Cp>如果我是創辦人，我會很直接地問自己：我的產品到底值不值得被別人拿來做生態系？如果夥伴清單很長，但每一筆都很薄，那跟真正有黏性的合作是兩回事。\u003C\u002Fp>\u003Ch2>觀察次數才是很多人漏看的重點\u003C\u002Fh2>\u003Cblockquote>Wispr AI 有 4 次觀察，Bounteous 有 11 次觀察，Dagster Labs 有 4 次觀察。\u003C\u002Fblockquote>\u003Cp>翻譯一下就是，Partnerbase 不只是列名字，它還在暗示證據密度。觀察次數多，通常代表這段關係被找到的訊號比較多。這不等於合作更深，但至少表示它在公開資料裡更顯眼。\u003C\u002Fp>\n\u003Cfigure class=\"my-6\">\u003Cimg src=\"https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1782361108623-v63l.png\" alt=\"Anthropic 合作夥伴清單變成地圖\" class=\"rounded-xl w-full\" loading=\"lazy\" \u002F>\u003C\u002Ffigure>\n\u003Cp>我現在看這種資料，已經不太會只盯著 logo 牆。我更在意後面的 metadata。因為 11 次觀察跟 1 次觀察完全不是同一種東西。可能是公司大、可能是公開程度高、可能是合作真的很多，也可能只是比較容易被抓到。不管哪一種，這個數字都能幫我排優先順序。\u003C\u002Fp>\u003Cp>我自己做內部夥伴研究時踩過這坑。如果我只看名字，常常會把時間浪費在沒下文的項目。後來我改成先按觀察次數排序， triage 直接好很多。重複出現的夥伴，通常比較值得先去找官網、整合文件、市集頁或聯合公告。\u003C\u002Fp>\u003Cp>我會這樣用：\u003C\u002Fp>\u003Cul>\u003Cli>先按觀察次數排序，再開始人工看。\u003C\u002Fli>\u003Cli>把高觀察次數的夥伴當成深挖起點。\u003C\u002Fli>\u003Cli>不要因為次數低就直接判死刑，只是先當弱證據。\u003C\u002Fli>\u003C\u002Ful>\u003Cp>這裡還有一個很實際的好處：如果你要做自己的夥伴追蹤表，觀察次數可以直接變成排序規則，不用先搞很複雜的模型。至少在你還對著試算表發呆時，它很管用。\u003C\u002Fp>\u003Ch2>技術夥伴和通路夥伴根本不是同一種東西\u003C\u002Fh2>\u003Cblockquote>Partnerbase 把 Anthropic 的生態系標成 210 個技術與通路合作夥伴。\u003C\u002Fblockquote>\u003Cp>翻譯一下就是，這頁把兩種完全不同的關係混在一起了。技術夥伴通常代表產品鄰接；通路夥伴通常代表分銷、服務、導入或 go-to-market 支援。你如果把它們混成一坨，就會得到一個很假的公司理解。\u003C\u002Fp>\u003Cp>我看過團隊在盡職調查時犯這個錯。他們看到夥伴很多，就以為產品成熟。但通路夥伴多，可能只是公司很會做生態系銷售，這很有價值，可是跟深度整合不是同一件事。反過來，技術夥伴多，也不代表每一筆都很深。\u003C\u002Fp>\u003Cp>對 Anthropic 來說，這個切法特別重要，因為 AI 市場最愛過度解讀訊號。通路型生態系會讓公司看起來更「被很多地方用到」；技術型生態系會讓公司看起來更「被很多地方接上」。兩者都可能是真的，但不能混著講。\u003C\u002Fp>\u003Cp>我會這樣用：\u003C\u002Fp>\u003Cul>\u003Cli>追蹤表直接分兩欄：技術、通路。\u003C\u002Fli>\u003Cli>對技術夥伴問的是整合做了什麼；對通路夥伴問的是誰在賣、誰在導入、誰在支援。\u003C\u002Fli>\u003Cli>不要把兩種關係硬塞進同一個分數，除非你還保留子類型。\u003C\u002Fli>\u003C\u002Ful>\u003Cp>如果你在做競品研究，這會是我第一個加上的篩選器。它可以把分析拉回現實，不會一路滑進自嗨。\u003C\u002Fp>\u003Ch2>這頁本質上是在幫你找鄰近公司\u003C\u002Fh2>\u003Cblockquote>想要追蹤 Anthropic，或大量找相似公司，可以用 Trace 做儲存清單、公司監測，以及更細的 firmographic 和 technographic 篩選。\u003C\u002Fblockquote>\u003Cp>翻譯一下就是，Partnerbase 不只是想告訴你 Anthropic 有哪些夥伴，它其實在引你進一個清單工作流。這頁像是在說：把這張夥伴圖當種子，拿去做監測、分群、找相似公司。\u003C\u002Fp>\u003Cp>這點我其實滿買單。原始清單有用，但真正有價值的是清單外面的工作流程。Partnerbase 連到 \u003Ca href=\"https:\u002F\u002Ftrace.so\u002F\">Trace\u003C\u002Fa>，而 Trace 做的是儲存清單與持續追蹤。這代表公開頁只是漏斗上層，不是終點。\u003C\u002Fp>\u003Cp>我做過夠多內部工具了，知道這件事為什麼重要。靜態頁面很快就過期；可監測的清單，才能回答更好的問題：哪些夥伴是新的？哪些消失了？哪些類別正在長？哪些公司跟 Anthropic 的生態模式相像？\u003C\u002Fp>\u003Cp>我會這樣用：\u003C\u002Fp>\u003Cul>\u003Cli>先把公開夥伴頁當成種子清單。\u003C\u002Fli>\u003Cli>把有意思的項目搬進可監測的追蹤表。\u003C\u002Fli>\u003Cli>加上 firmographic 與 technographic 篩選，讓清單變得可搜尋，不只是好看。\u003C\u002Fli>\u003C\u002Ful>\u003Cp>如果是我自己的產品，我會直接把這份夥伴清單拿去做 account targeting。不是因為每個夥伴都是潛在客戶，而是因為這些生態關係會告訴我，產品在哪些地方已經有重力。\u003C\u002Fp>\u003Ch2>如果明天就要我動手，我會這樣做\u003C\u002Fh2>\u003Cblockquote>Partnerbase 顯示 Anthropic 有 210 個被追蹤的夥伴，等於有一張公開的生態系圖。\u003C\u002Fblockquote>\u003Cp>翻譯一下就是，我可以把公開合作夥伴頁變成一套真的能跑的研究系統。我不需要完美資料，我需要的是一套可重複的分類、排序、回訪方法。\u003C\u002Fp>\u003Cp>如果我從零開始，我會這樣做。第一步，把看得到的夥伴名稱抓下來。第二步，按動作打標：技術、通路、服務、一般關係。第三步，按產品鄰接打標：客服、無程式碼、資料、生產力、安全、基礎設施。第四步，按觀察次數排序。第五步，標記那些有明確公開證據的項目，例如市集頁、整合文件或合作公告。\u003C\u002Fp>\u003Cp>這樣得到的就不是一份原始名單，而是一張可以工作的地圖。等我有了這張圖，我還可以拿 Anthropic 跟其他 AI 公司比，而不用假裝每段合作都一樣重要。\u003C\u002Fp>\u003Cp>我會這樣落地：\u003C\u002Fp>\u003Cul>\u003Cli>先用試算表，不要一開始就上資料庫，先把流程做對。\u003C\u002Fli>\u003Cli>欄位至少放：夥伴類型、證據數、鄰接類別、公開證據、備註。\u003C\u002Fli>\u003Cli>先看前 20 筆，再決定要不要擴大分析。\u003C\u002Fli>\u003C\u002Ful>\u003Cp>如果要我濃縮成一句話，就是：不要膜拜夥伴數量，要拿它來逼自己問出更好的問題。\u003C\u002Fp>\u003Ch2>可抄的模板\u003C\u002Fh2>\u003Cpre>\u003Ccode># 夥伴生態系追蹤模板\n\n公司名稱：[目標公司]\n來源：[公開合作夥伴頁 URL]\n檢視日期：[YYYY-MM-DD]\n\n## 第 1 步：抓原始清單\n- 夥伴名稱\n- 來源網址\n- 列出的公司類型\n- 觀察次數\n- 可見備註\n\n## 第 2 步：逐筆打標\n- 動作：技術 \u002F 通路 \u002F 服務 \u002F 一般\n- 鄰接：客服 \u002F 無程式碼 \u002F 資料 \u002F 生產力 \u002F 安全 \u002F 基礎設施 \u002F 其他\n- 證據等級：高 \u002F 中 \u002F 低\n- 公開證據：文件 \u002F 市集 \u002F 公告 \u002F 案例 \u002F 無\n\n## 第 3 步：排序檢視\n- 依觀察次數排序\n- 先看高證據項目\n- 標出重複類別\n\n## 第 4 步：轉成可執行動作\n- 哪些夥伴看起來像真整合？\n- 哪些夥伴看起來像分銷？\n- 哪些類別重複最多？\n- 哪些公司像這個生態系？\n\n## 試算表欄位範例\n夥伴名稱｜動作｜鄰接類別｜觀察次數｜公開證據｜備註｜後續追查\n\n## 檢視問題\n每個夥伴都回答這 5 題：\n1. 這是什麼關係？\n2. 影響哪個產品工作流？\n3. 有沒有公開證據？\n4. 這是一次性還是可重複模式？\n5. 下一步要驗證什麼？\n\n## 簡單計分\n- 3 分：有明確公開證據\n- 2 分：觀察次數重複出現\n- 2 分：產品鄰接明確\n- 1 分：可能有通路價值\n- 1 分：符合重複的生態模式\n\n## 輸出\n- 前 10 個最值得追的夥伴\n- 前 3 個夥伴類別\n- 3 個生態系假設\n- 1 份相似公司清單\u003C\u002Fcode>\u003C\u002Fpre>\u003Cp>這版我會直接拿去用。它不華麗，也不會讓簡報看起來很厲害，但它真的能幫我把一堆零散資料變成能追的東西。\u003C\u002Fp>\u003Cp>原始來源是 \u003Ca href=\"https:\u002F\u002Fwww.partnerbase.com\u002Fanthropic\">Partnerbase 的 Anthropic 頁面\u003C\u002Fa>，以及 \u003Ca href=\"https:\u002F\u002Ftrace.so\u002F\">Trace\u003C\u002Fa> 的相關導流頁。我上面這篇是根據公開資料做的拆解與延伸，不是 Anthropic \u003Ca href=\"\u002Fnews\u002Frustplus-desktop-unofficial-tools-safer-open-source-zh\">官方\u003C\u002Fa>說法。\u003C\u002Fp>","我把 Anthropic 的合作夥伴清單拆成生態系地圖，教你怎麼看數量、類型、證據密度，最後直接抄模板做自己的競品研究。","www.partnerbase.com","https:\u002F\u002Fwww.partnerbase.com\u002Fanthropic",null,"https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1782361111802-nv1b.png","tools","zh","844187ce-c03f-4ce3-9c36-0b7d4b4dad76",[17,18,19,20,21],"合作夥伴生態系","競品研究","通路策略","技術整合","資料標註",[23,24,25],"合作夥伴清單要先分成技術、通路、服務，不能直接當成一張 logo 牆。","觀察次數是優先級訊號，能幫你先找到值得深挖的夥伴。","把公開夥伴頁當種子清單，再接到可監測追蹤表，才真的能用。",0,"2026-06-25T04:18:06.789835+00:00","2026-06-25T04:18:06.779+00:00","c3c88dd2-a940-438a-b359-0e5a24562273",{"tags":31,"relatedLang":32,"relatedPosts":36},[],{"id":15,"slug":33,"title":34,"language":35},"anthropic-partner-list-ecosystem-map-en","Anthropic’s partner list turns into a map","en",[37,43,49,55,61,67],{"id":38,"slug":39,"title":40,"cover_image":41,"image_url":41,"created_at":42,"category":13},"07c518b2-227f-40d6-9990-04018ef74448","cccl-runtime-makes-cuda-safer-by-making-state-explicit-zh","CCCL Runtime 不是包裝層，是把 CUDA 隱性狀態改成顯性契約","https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1782364674604-o7eb.png","2026-06-25T05:17:25.530308+00:00",{"id":44,"slug":45,"title":46,"cover_image":47,"image_url":47,"created_at":48,"category":13},"4c48f0a8-e999-4d0c-8ab6-c710f14d6675","35-nvidia-ai-supercomputers-turn-europe-into-a-lab-zh","35台NVIDIA超算把歐洲變實驗室","https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1782363801851-zr5v.png","2026-06-25T05:02:57.878612+00:00",{"id":50,"slug":51,"title":52,"cover_image":53,"image_url":53,"created_at":54,"category":13},"e60761a1-aaab-4bde-9c2b-03450ba9056c","devin-ai-review-2026-benchmarks-pricing-tests-zh","Devin AI 測試與採購判讀指南","https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1782362875481-0ddh.png","2026-06-25T04:47:27.097641+00:00",{"id":56,"slug":57,"title":58,"cover_image":59,"image_url":59,"created_at":60,"category":13},"f7631e97-79fa-4b17-9b0f-0b3bf56806b0","rustplus-desktop-unofficial-tools-safer-open-source-zh","Rust+ Desktop 證明：非官方工具也能比封閉方案更安全","https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1782357469351-zhmb.png","2026-06-25T03:17:24.763453+00:00",{"id":62,"slug":63,"title":64,"cover_image":65,"image_url":65,"created_at":66,"category":13},"5b9c3c80-19f0-44e0-8240-1aae5aa06412","libghostty-terminal-substrate-agent-workflows-zh","Libghostty 正在成為 agent 工作流的終端底座","https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1782356569690-4fyk.png","2026-06-25T03:02:19.662125+00:00",{"id":68,"slug":69,"title":70,"cover_image":71,"image_url":71,"created_at":72,"category":13},"19a8d7e5-f125-4428-a617-21d67818b33b","openai-pre-ipo-access-ipo-club-zh","OpenAI 私募進場檢查清單","https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1782350266531-wz8z.png","2026-06-25T01:17:24.829926+00:00",[74,79,84,89,94,99,104,109,114,119],{"id":75,"slug":76,"title":77,"created_at":78},"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":80,"slug":81,"title":82,"created_at":83},"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":85,"slug":86,"title":87,"created_at":88},"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":90,"slug":91,"title":92,"created_at":93},"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":95,"slug":96,"title":97,"created_at":98},"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":100,"slug":101,"title":102,"created_at":103},"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":105,"slug":106,"title":107,"created_at":108},"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":110,"slug":111,"title":112,"created_at":113},"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":115,"slug":116,"title":117,"created_at":118},"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":120,"slug":121,"title":122,"created_at":123},"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"]