[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"article-cursor-spacex-ai-coding-productization-zh":3,"article-related-cursor-spacex-ai-coding-productization-zh":30,"series-tools-05f9fc54-03f5-456e-9afb-68bcde52f3d9":76},{"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},"05f9fc54-03f5-456e-9afb-68bcde52f3d9","cursor-spacex-ai-coding-productization-zh","Cursor把AI編程寫成產品","\u003Cp data-speakable=\"summary\">我拆解\u003Ca href=\"\u002Ftag\u002Fcursor\">Cursor\u003C\u002Fa>這條消息裡，AI編程為什麼先變現，以及怎麼把它寫成產品模板。\u003C\u002Fp>\u003Cp>我盯 AI 編程工具已經有一陣子了。補全、\u003Ca href=\"\u002Ftag\u002Fagent\">Agent\u003C\u002Fa>、修 bug、改檔案，看起來都很熱鬧，但我一直覺得哪裡怪怪的：大家都在賣「更聰明的寫程式」，卻很少把它講成一門真的能收錢的生意。開發者會試，團隊也願意掏錢，可一進企業採購，問題馬上\u003Ca href=\"\u002Fnews\u002Fcdns-stock-page-turns-noise-into-watchlist-zh\">變成\u003C\u002Fa>權限、審計、整合、責任邊界。說白了，Demo 很順，落地很拧巴。\u003C\u002Fp>\u003Cp>這次我看到的是 \u003Ca href=\"https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F2051608428288668598\" target=\"_blank\" rel=\"noopener noreferrer\">這篇知乎 AI 周報\u003C\u002Fa> 轉述的消息：SpaceX 要以 600 億美元收購 Cursor 的開發商 Anysphere。數字夠大，噪音也夠大，但我真正想拆的不是誰買了誰，而是它把 AI 編程直接推到企業產品、工作流入口、算力供給這三件事的交叉口。我想把這套路徑拆清楚，因為很多團隊現在都在學 Cursor，卻只學到界面，沒學到它背後那套先把開發者用順、再讓企業買單的方法。\u003C\u002Fp>\u003Ch2>先別迷信會寫，先看它怎麼收錢\u003C\u002Fh2>\u003Cblockquote>AI編程已成為人工智能企業最早實現商業化落地的領域之一。\u003C\u002Fblockquote>\u003Cp>這句話不性感，但很對。AI 寫程式之所以比很多別的 AI 場景更快收錢，不是因為模型突然懂了軟體工程，而是因為開發者本來就有明確任務、明確輸入、明確驗收標準。你要的是一個 PR、一段修復、一組測試、一個腳手架，不是抽象的「智能」。\u003C\u002Fp>\n\u003Cfigure class=\"my-6\">\u003Cimg src=\"https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1782277401593-t9xx.png\" alt=\"Cursor把AI編程寫成產品\" class=\"rounded-xl w-full\" loading=\"lazy\" \u002F>\u003C\u002Ffigure>\n\u003Cp>我自己的體感也一樣。聊天機器人能讓我覺得它有點聰明，但編程代理能不能讓我今天少寫 200 行樣板、少翻 5 個檔案、少踩 3 個測試坑，這才是真錢。企業買單也更直接：如果工具能把一個小組的吞吐量抬上去，採購就有理由。反過來，如果只是讓人覺得「未來到了」，預算會瞬間冷掉。\u003C\u002Fp>\u003Cp>所以 Cursor 這類產品比純聊天產品更容易形成付費閉環。它不是在爭誰更會說，而是在爭誰能更快把開發流程變成可計費的生產力。\u003C\u002Fp>\u003Cp>我會先問三個問題：\u003C\u002Fp>\u003Cul>\u003Cli>你的 AI 能不能綁定一個明確產物，而不是模糊結果？\u003C\u002Fli>\u003Cli>用戶能不能在 5 分鐘內看到節省時間，而不是聽你講 20 分鐘願景？\u003C\u002Fli>\u003Cli>付費點是不是和工作流直接掛鉤，而不是和「模型有多強」掛鉤？\u003C\u002Fli>\u003C\u002Ful>\u003Cp>如果這三個問題答不出來，別急著做「AI 編程平台」。先做一個能被團隊天天用的窄功能。\u003C\u002Fp>\u003Ch2>Cursor 真正賣的不是補全，是少切上下文\u003C\u002Fh2>\u003Cblockquote>這些公司利用AI實現代碼自動生成。\u003C\u002Fblockquote>\u003Cp>這句看起來像在說「自動寫程式」，但我更願意把它翻譯成：Cursor 賣的是上下文連續性。開發者最煩的不是少打幾個字，而是腦子裡的上下文被打斷。你剛看完一個檔案，切去另一個模組，回來時已經忘了剛才那個邊界條件。\u003Ca href=\"\u002Ftag\u002Fai-工具\">AI 工具\u003C\u002Fa>如果只是幫你補幾行碼，價值有限；如果它能跟著你的專案結構、命名習慣、測試約束一起工作，價值就完全不一樣了。\u003C\u002Fp>\u003Cp>我之前試過一堆所謂的 AI 編程助手，最大問題不是不夠聰明，而是太像外人。它們知道局部，卻不理解專案的整體語氣。然後你就得不停解釋：這個目錄怎麼分層、這個介面為什麼不能改、這個測試為什麼必須保留。解釋本身就是成本。Cursor 這類工具真正厲害的地方，是把解釋成本往下壓。\u003C\u002Fp>\u003Cp>如果你在做產品，我建議你別先問「模型能不能生成程式碼」，先問「它能不能記住這個團隊的工作方式」。\u003C\u002Fp>\u003Cul>\u003Cli>它能不能讀取倉庫結構並保持一致的改動風格？\u003C\u002Fli>\u003Cli>它能不能把測試、lint、review 這些約束一起帶進生成過程？\u003C\u002Fli>\u003Cli>它能不能在用戶切換任務時繼續維持上下文，而不是每次重來？\u003C\u002Fli>\u003C\u002Ful>\u003Cp>這就是從補全工具到工作流工具的分界線。前者是功能，後者是黏性。\u003C\u002Fp>\u003Ch2>大交易買的不是技術，是入口\u003C\u002Fh2>\u003Cblockquote>SpaceX预计这项并购交易将在2026年第三季度完成。\u003C\u002Fblockquote>\u003Cp>我不想假裝自己知道這筆交易最後會不會按這個節奏落地，但只要它被放到這個量級，邏輯就已經很清楚了：買一個 AI 編程產品，不只是買技術，還在買入口、用戶習慣和分發位置。Cursor 已經站在開發者日常工作流裡了，這比單純拿到一個模型更值錢。\u003C\u002Fp>\n\u003Cfigure class=\"my-6\">\u003Cimg src=\"https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1782277402877-93k0.png\" alt=\"Cursor把AI編程寫成產品\" class=\"rounded-xl w-full\" loading=\"lazy\" \u002F>\u003C\u002Ffigure>\n\u003Cp>我見過太多團隊一上來就想做「大模型應用平台」，結果死在分發。你有模型、有推理、有 demo，但沒有人每天打開你。Cursor 這種產品可怕的地方在於，它不是靠「去看看」獲客，而是直接嵌進開發者每天都要打開的地方。入口一旦穩，後面的商業化就好談很多。\u003C\u002Fp>\u003Cp>這也解釋了為什麼企業級 AI 市場裡，工具層比模型層更容易形成護城河。模型會被追平，\u003Ca href=\"\u002Ftag\u002Fapi\">API\u003C\u002Fa> 會被替代，價格會被打下來，但工作流入口、團隊協作習慣、權限和審計體系，這些東西沒那麼容易抹掉。\u003C\u002Fp>\u003Cp>如果你想把這個思路搬到自己的項目裡，我會建議你先占住一個高頻入口，而不是先追「能力全」。\u003C\u002Fp>\u003Cul>\u003Cli>做 IDE 外掛，就別先想做全家桶；先把一個高頻動作做到極致。\u003C\u002Fli>\u003Cli>做企業工具，就別先堆一堆模型能力；先把採購、權限、日誌、可追蹤性做順。\u003C\u002Fli>\u003Cli>做消費級 AI，就別先講抽象智能；先想用戶每天在哪個界面會自然打開你。\u003C\u002Fli>\u003C\u002Ful>\u003Cp>入口這件事很現實，甚至有點無聊，但無聊的地方往往最賺錢。\u003C\u002Fp>\u003Ch2>聊天做得好，不代表能進 IDE\u003C\u002Fh2>\u003Cblockquote>xAI开发了聊天机器人Grok，但在AI编程领域迄今仍落后于竞争对手。\u003C\u002Fblockquote>\u003Cp>這句很直白，也很刺耳。很多公司一開始把編程能力當成聊天機器人的附屬功能，覺得「能寫點程式就行」。但市場已經在用真金白銀告訴你：編程代理不是聊天產品的彩蛋，它是單獨的戰場。會聊天，不等於會進 IDE；會總結，不等於會改倉庫；會生成文字，不等於會處理工程約束。\u003C\u002Fp>\u003Cp>我自己最大的教訓就是，別把「能演示」誤判成「能交付」。一個 AI 助手在會議裡說得頭頭是道，和它能不能穩定改動一個真實倉庫，是兩回事。後者需要權限、檔案\u003Ca href=\"\u002Fnews\u002Fdometrain-advanced-system-design-ops-template-zh\">系統\u003C\u002Fa>理解、差異比較、回滾機制、測試執行，甚至還要知道什麼時候別動。很多團隊在這裡會低估工程複雜度。\u003C\u002Fp>\u003Cp>所以如果真要在這個方向追上來，靠的不是把聊天能力再磨一點，而是補齊工程化能力。反過來說，這也是所有做 AI 編程產品的人該記住的：你不是在做一個會說話的模型，你是在做一個能被工程團隊信任的執行器。\u003C\u002Fp>\u003Cp>我會把能力拆成四層：\u003C\u002Fp>\u003Cul>\u003Cli>理解層：讀懂倉庫、依賴、測試和約束。\u003C\u002Fli>\u003Cli>生成層：輸出可用的程式碼、補丁和說明。\u003C\u002Fli>\u003Cli>執行層：能跑測試、能改檔、能回滾。\u003C\u002Fli>\u003Cli>治理層：權限、審計、批准、責任歸屬。\u003C\u002Fli>\u003C\u002Ful>\u003Cp>少一層，產品就少一層可信度。企業買單時，這些層次比「模型參數更大」重要得多。\u003C\u002Fp>\u003Ch2>算力不是背景板，它是產品的一部分\u003C\u002Fh2>\u003Cblockquote>該交易也將為Cursor提供更多算力資源，用於開發AI模型。\u003C\u002Fblockquote>\u003Cp>這句對我來說特別關鍵。很多人總把算力當基礎設施，像電一樣，默認它在後面。可一旦你做的是 AI 編程，算力就不只是成本項，它直接決定產品體驗。回應速度、並發、上下文長度、模型迭代頻率，全部都吃算力。你想讓用戶把整個倉庫交給你，結果你連穩定吞吐都做不到，那就別談企業級。\u003C\u002Fp>\u003Cp>我以前做過一個內部代碼助手，最開始大家都覺得先把功能做出來再說。後來才發現，功能只是開始。真正的痛點是：高峰期慢、\u003Ca href=\"\u002Ftag\u002F長上下文\">長上下文\u003C\u002Fa>截斷、複雜任務失敗率高、模型更新後行為漂移。最後一統計，算力預算和工程預算幾乎是綁在一起的。你不是在買 GPU，你是在買可預測性。\u003C\u002Fp>\u003Cp>這也是為什麼大交易會發生在這個賽道。誰能持續給產品餵算力，誰就能持續改善體驗；誰能持續改善體驗，誰就更容易拿下企業客戶。邏輯很樸素，但很好用。\u003C\u002Fp>\u003Cp>如果你要把這件事落地，我建議你在產品設計時就把算力約束寫進去，而不是後補。\u003C\u002Fp>\u003Cul>\u003Cli>限制每次任務的預設上下文範圍，避免無意義的長推理。\u003C\u002Fli>\u003Cli>把高成本操作和低成本操作分層，別所有請求都走同一條最貴路徑。\u003C\u002Fli>\u003Cli>給用戶明確的失敗回饋和重試策略，別讓模型默默卡死。\u003C\u002Fli>\u003C\u002Ful>\u003Cp>很多 AI 產品死在「看起來聰明，實際不穩定」。算力規劃做不好，聰明也沒用。\u003C\u002Fp>\u003Ch2>企業最後買的是信任，不是炫技\u003C\u002Fh2>\u003Cblockquote>擴大在企業級人工智能市場的布局。\u003C\u002Fblockquote>\u003Cp>這句聽起來像公關稿，但背後意思很實在：企業客戶買的不是一段程式碼生成能力，而是一套能進生產環境的信任機制。你要讓他們相信，工具不會亂改關鍵邏輯，不會洩露程式碼，不會把審計鏈條搞斷，不會在關鍵時刻失控。\u003C\u002Fp>\u003Cp>我一直覺得，AI 編程產品最容易犯的錯，就是太想證明自己能做很多。其實企業更在意的是你能不能穩定做對少數幾件事。如果你能穩定生成測試、穩定重構局部模組、穩定解釋改動理由，價值就已經很大了。別一上來就想接管整個開發生命週期，那通常只會把自己做死。\u003C\u002Fp>\u003Cp>所以如果你現在也在做類似產品，我的建議很簡單：先把信任做成產品的一部分。不是口頭承諾，是機制。\u003C\u002Fp>\u003Cul>\u003Cli>把每次改動都變成可審計的 diff。\u003C\u002Fli>\u003Cli>把模型輸出和執行結果分開記錄。\u003C\u002Fli>\u003Cli>把高風險操作放進批准流程，不要預設自動執行。\u003C\u002Fli>\u003C\u002Ful>\u003Cp>企業願意為這種確定性付費。開發者也願意，因為沒人喜歡把倉庫交給一個會亂來的黑盒。\u003C\u002Fp>\u003Ch2>我會怎麼復刻這條消息背後的產品邏輯\u003C\u002Fh2>\u003Cp>如果把這條消息從巨額收購裡抽出來，我看到的是一條很清楚的產品路徑：先拿下開發者工作流，再把能力做成企業採購，再用算力和治理把規模撐起來。這個順序很重要。反著來，通常會卡死在演示階段。\u003C\u002Fp>\u003Cp>我會把它總結成一句話：AI 編程產品不是先做大，再找用戶；而是先讓用戶離不開，再把規模做大。\u003C\u002Fp>\u003Cp>這也是我最想提醒團隊的一點。別被「AI 會寫程式」這種說法帶跑偏。真正值錢的不是寫程式本身，而是寫程式這件事被重新組織之後，能省掉多少上下文切換、多少重複勞動、多少協作摩擦。Cursor 之所以被放到這麼高的位置，就是因為它碰到了這個核心。\u003C\u002Fp>\u003Cp>如果你要照著做，我建議你別從功能清單開始，而是從一個開發者每天最煩的動作開始。然後把它做成可重複、可審計、可計費的產品。\u003C\u002Fp>\u003Ch2>可抄的模板\u003C\u002Fh2>\u003Cpre>\u003Ccode># AI 編程產品拆解模板（可直接改成你的文章 \u002F PRD \u002F 方案）\n\n## 1. 我先寫下我自己的不爽\n我一直在用 [產品名]。功能不少，演示也順，但總有個地方不對。\n\n我最煩的是：\n- 上下文切換\n- 解釋成本\n- 響應慢\n- 不穩定\n- 不敢交給團隊\n\n我想要的不是「更聰明」，而是：\n- 更少的來回解釋\n- 更少的手動複製貼上\n- 更少的工程摩擦\n- 更少的試錯成本\n\n## 2. 這條消息真正說了什麼\n原文裡最重要的一句是：\n> [貼上原文中的關鍵句]\n\n我把它翻譯成白話就是：\n[用一句話說清楚商業含義]\n\n## 3. 這件事為什麼先能賺錢\n- 它綁定了明確任務，而不是抽象智能\n- 它能嵌進高頻工作流\n- 它能讓用戶立刻看到時間節省\n- 它有機會進入企業採購鏈路\n\n## 4. 它真正賣的是什麼\n不是「會生成程式碼」。\n而是：\n- 上下文連續性\n- 工作流入口\n- 團隊協作效率\n- 可審計、可回滾、可控的執行\n\n## 5. 如果我要做同類產品，我會怎麼做\n### 第一步：鎖定一個高頻動作\n例如：\n- 生成測試\n- 修復單個函數\n- 解釋 diff\n- 重構局部模組\n\n### 第二步：把它做成閉環\n輸入 → 生成 → 執行 → 驗證 → 回滾 \u002F 提交\n\n### 第三步：補齊企業能力\n- 權限\n- 審計日誌\n- 變更記錄\n- 批准流程\n- 成本控制\n\n## 6. 我會怎麼評價它值不值錢\n看這幾個指標：\n- 用戶是否每天打開\n- 是否減少上下文切換\n- 是否能進入團隊協作\n- 是否能被採購\n- 是否能在高峰期穩定運行\n\n## 7. 我最後的判斷\n如果它只是「更會說話」，那不值錢。\n如果它能穩定進入開發者工作流，並且讓企業願意付費，那就是另一回事。\n\u003C\u002Fcode>\u003C\u002Fpre>\u003Cp>你可以把上面這套模板直接換成任何 AI 編程工具、Agent 產品、IDE 外掛，甚至企業內部自動化系統。\u003Ca href=\"\u002Fnews\u002Fun-open-source-week-2026-ai-priorities-zh\">重點\u003C\u002Fa>不是詞彙，而是順序：先痛點，再原話，再白話，再落地。別反著寫，反著寫就容易變成宣傳稿。\u003C\u002Fp>\u003Cp>原始來源是 \u003Ca href=\"https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F2051608428288668598\" target=\"_blank\" rel=\"noopener noreferrer\">知乎專欄這篇 AI 周報\u003C\u002Fa>，我這篇是基於其中轉述的交易信息和正文內容做的拆解，不是原文復述。文中提到的 \u003Ca href=\"https:\u002F\u002Fwww.cursor.com\u002F\" target=\"_blank\" rel=\"noopener noreferrer\">Cursor\u003C\u002Fa>、\u003Ca href=\"https:\u002F\u002Fwww.spacex.com\u002F\" target=\"_blank\" rel=\"noopener noreferrer\">SpaceX\u003C\u002Fa>、\u003Ca href=\"https:\u002F\u002Fx.ai\u002F\" target=\"_blank\" rel=\"noopener noreferrer\">xAI\u003C\u002Fa> 和 \u003Ca href=\"https:\u002F\u002Fopenai.com\u002F\" target=\"_blank\" rel=\"noopener noreferrer\">OpenAI\u003C\u002Fa> 都是拿來說產品和市場結構，不是我在替任何一方背書。\u003C\u002Fp>","我拆解Cursor相關消息，整理出AI編程先變現的路徑，以及能直接套用的產品模板。","zhuanlan.zhihu.com","https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F2051608428288668598",null,"https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1782277401593-t9xx.png","tools","zh","d3c7fdba-5905-4bbc-884c-8767dd4f3f69",[17,18,19,20,21],"Cursor","AI編程","工作流","企業級AI","算力",[23,24,25],"AI編程最先變現，靠的是明確任務與可驗收產物，不是抽象智能。","Cursor這類工具真正賣的是上下文連續性、工作流入口和團隊信任。","做同類產品時，先鎖高頻動作，再補企業治理與算力約束。",0,"2026-06-24T05:02:57.192238+00:00","2026-06-24T05:02:57.173+00:00","c3c88dd2-a940-438a-b359-0e5a24562273",{"tags":31,"relatedLang":35,"relatedPosts":39},[32,34],{"name":17,"slug":33},"cursor",{"name":21,"slug":21},{"id":15,"slug":36,"title":37,"language":38},"cursor-spacex-ai-coding-productization-en","Cursor让SpaceX式AI编程更像产品","en",[40,46,52,58,64,70],{"id":41,"slug":42,"title":43,"cover_image":44,"image_url":44,"created_at":45,"category":13},"197a41a1-b4c2-43de-920f-26ccea9ab860","dometrain-advanced-system-design-ops-template-zh","Dometrain 把系統設計變成營運模板","https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1782270211960-bo9a.png","2026-06-24T03:03:02.800408+00:00",{"id":47,"slug":48,"title":49,"cover_image":50,"image_url":50,"created_at":51,"category":13},"8100f1b0-a28b-4860-86fb-6c73a41ecd6c","cdns-stock-page-turns-noise-into-watchlist-zh","CDNS 頁面變成監控清單","https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1782268390133-iy9j.png","2026-06-24T02:32:49.699794+00:00",{"id":53,"slug":54,"title":55,"cover_image":56,"image_url":56,"created_at":57,"category":13},"684ec799-a705-4a79-b0fe-e48f759adf46","github-open-source-music-topic-shortlist-zh","GitHub 音樂主題頁把搜尋變名單","https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1782243211683-rnqs.png","2026-06-23T19:33:00.766925+00:00",{"id":59,"slug":60,"title":61,"cover_image":62,"image_url":62,"created_at":63,"category":13},"582fd0b3-550d-43e4-8d68-746f7f701f29","ling-jichu-yong-ai-bianxian-shicao-muban-zh","零基础用AI变现的实操模板","https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1782201813046-h6lm.png","2026-06-23T08:03:03.372395+00:00",{"id":65,"slug":66,"title":67,"cover_image":68,"image_url":68,"created_at":69,"category":13},"2b878a5d-02b0-466e-8a4f-a6993b7f6a7c","microsoft-copilot-studio-april-2026-updates-zh","Copilot Studio 4 月更新：治理與工作流升級","https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1782192760962-c2dx.png","2026-06-23T05:32:15.322963+00:00",{"id":71,"slug":72,"title":73,"cover_image":74,"image_url":74,"created_at":75,"category":13},"1c790be3-fbbb-4ebd-b485-d1c1913043f9","n8n-mcp-workflows-ai-tool-hubs-zh","n8n MCP 把工作流變工具庫","https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1782191904804-spby.png","2026-06-23T05:17:56.108259+00:00",[77,82,87,92,97,102,107,112,117,122],{"id":78,"slug":79,"title":80,"created_at":81},"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":83,"slug":84,"title":85,"created_at":86},"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":88,"slug":89,"title":90,"created_at":91},"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":93,"slug":94,"title":95,"created_at":96},"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":98,"slug":99,"title":100,"created_at":101},"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":103,"slug":104,"title":105,"created_at":106},"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":108,"slug":109,"title":110,"created_at":111},"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":113,"slug":114,"title":115,"created_at":116},"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":118,"slug":119,"title":120,"created_at":121},"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":123,"slug":124,"title":125,"created_at":126},"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"]