[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"article-doubao-one-hour-flash-game-collection-zh":3,"article-related-doubao-one-hour-flash-game-collection-zh":29,"series-tools-24f805e3-546a-4f39-90ea-2253d8846165":74},{"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":11},"24f805e3-546a-4f39-90ea-2253d8846165","doubao-one-hour-flash-game-collection-zh","豆包1小時把摸魚遊戲做成合集","\u003Cp data-speakable=\"summary\">我拆解了用豆包大模型快速搭出仿4399小游戏合集的做法，順手整理成你能直接改寫的提示詞模板。\u003C\u002Fp>\u003Cp>我自己折騰 AI 編程這兩年，最煩的不是寫程式，是看模型自己加戲。需求還沒講完，它已經開始補 UI、補動畫、補一堆你根本沒要的東西。你讓它做一個遊戲合集頁，它會很熱情地端出一套“現代感介面”，然後把重點玩法做得像樣板屋，能看，\u003Ca href=\"\u002Fnews\u002Fdutch-government-llm-benchmark-values-zh\">不能\u003C\u002Fa>用。\u003C\u002Fp>\u003Cp>更煩的是，很多人把會寫 code 的模型當萬能鑰匙，結果就是一輪輪返工：先叫模型讀需求，再叫模型重寫需求，再叫模型照新需求寫程式，最後還得人工把它拉回來。我現在越來越相信一個很土但很有效的做法：先找擅長整理文字的模型，把需求壓成結構化 Prompt，再丟給寫 code 的模型。看起來只是多一步，實際上是少掉一堆廢話。\u003C\u002Fp>\u003Cp>這篇我拿知乎這篇 \u003Ca href=\"https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F2069733955432079942\">《再造童年：用豆包大模型，一個小時搭了仿4399摸魚小遊戲集合》\u003C\u002Fa> 來拆。原文的核心很直接：先把需求整理成清楚的 Prompt，再交給 code 模型。我對這套路很有感，因為我自己也踩過同樣的坑，尤其在做頁面、活動頁、輕量小工具時，輸入不清楚，輸出就一定發散。\u003C\u002Fp>\u003Ch2>先別寫程式，先把需求壓扁\u003C\u002Fh2>\u003Cblockquote>我自己的習慣是，先讓一個擅長文本處理的大模型（比如 DeepSeek）幫我把需求整理成結構清晰的 Prompt，再喂給寫代碼的模型。\u003C\u002Fblockquote>\u003Cp>這句話很朴素，但我覺得很多人就是卡在這裡。翻譯一下就是：不要把原始想法直接丟給 code 模型，而是先把它整理成一份機器更好執行的任務單。\u003C\u002Fp>\n\u003Cfigure class=\"my-6\">\u003Cimg src=\"https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1786437237945-awlu.png\" alt=\"豆包1小時把摸魚遊戲做成合集\" class=\"rounded-xl w-full\" loading=\"lazy\" \u002F>\u003C\u002Ffigure>\n\u003Cp>我以前也愛偷懶，腦子裡有個大概就直接開寫 prompt。結果模型常常把“仿4399遊戲合集”理解成“做一個像 4399 的首頁”，而不是“做一個能容納多個遊戲入口、帶統一外殼、能快速切換、最好還有點懷舊味道的合集頁”。差一個字，差一整套實作。\u003C\u002Fp>\u003Cp>我現在會先把需求拆成四塊：頁面目標、模組結構、互動邊界、視覺約束。這個過程像先把一團線頭捋順，不然你讓模型自己解，它只會越解越亂。\u003C\u002Fp>\u003Cul>\u003Cli>頁面目標：這是合集頁、入口頁，還是單一遊戲頁。\u003C\u002Fli>\u003Cli>模組結構：遊戲卡片、導覽列、排行榜、說明區要不要。\u003C\u002Fli>\u003Cli>互動邊界：能不能切換、能不能暫停、要不要音效。\u003C\u002Fli>\u003Cli>視覺約束：懷舊像素風、童年感、輕量化、不要重設計。\u003C\u002Fli>\u003C\u002Ful>\u003Cp>如果你直接把這些句子丟給 code 模型，它通常會比你更懂你到底要什麼。這一步不是浪費時間，是在替後面的返工買保險。\u003C\u002Fp>\u003Cp>我建議你把“整理需求”當正式工序，不要當臨時補丁。尤其你要做的東西越像產品雛形，這一步越值錢。因為產品雛形最怕的不是程式寫不出來，而是做出來後才發現方向不對。\u003C\u002Fp>\u003Ch2>先用文本模型，不是矯情，是省返工\u003C\u002Fh2>\u003Cp>原文提到的是 DeepSeek 這類擅長文本處理的模型。你也可以用別的，像 \u003Ca href=\"https:\u002F\u002Fwww.deepseek.com\u002F\">DeepSeek\u003C\u002Fa>、\u003Ca href=\"https:\u002F\u002Fwww.doubao.com\u002F\">豆包\u003C\u002Fa>，或你手上更順手的文本模型。重點不是品牌，重點是它得會“整理”，而不是只會“生成”。\u003C\u002Fp>\u003Cp>我自己最明顯的體感是：文本模型特別適合做需求歸納、欄位提煉、步驟排序、語氣統一。這些事看起來不起眼，但它們決定了後面 code 模型收到的是不是一份能執行的說明書。\u003C\u002Fp>\u003Cp>比如你說“我想做一個摸魚遊戲合集，像 4399 那種感覺”，文本模型可以幫你補成：這是一個單頁 Web 應用，首頁展示多個遊戲卡片，每個卡片包含標題、簡介、難度、時長和入口按鈕；整體風格偏復古、輕鬆、低壓力；優先保證首屏載入快、互動簡單、適合手機瀏覽。\u003C\u002Fp>\u003Cp>這和你隨口一句“做個遊戲合集”不是一個量級。後者像聊天，前者像任務單。\u003C\u002Fp>\u003Cul>\u003Cli>文本模型負責把想法變成規格。\u003C\u002Fli>\u003Cli>code 模型負責把規格變成實作。\u003C\u002Fli>\u003Cli>你負責判斷它們有沒有跑偏。\u003C\u002Fli>\u003C\u002Ful>\u003Cp>我見過太多人把這兩步混在一起，最後模型寫了一堆看上去很完整的東西，卻沒有一個真正貼合需求。說白了，模型不是讀心術，它需要上下文。你給它的是模糊願望，它回你的是模糊程式。\u003C\u002Fp>\u003Cp>所以我現在的習慣很固定：先讓文本模型把需求縮成一頁紙，再讓 code 模型按這一頁紙幹活。這個動作很機械，但很有效。\u003C\u002Fp>\u003Ch2>“仿4399”抄的是結構，不是外觀\u003C\u002Fh2>\u003Cp>很多人一聽“仿 4399”，腦子裡先想到配色、按鈕、像素風。其實真正值錢的不是那層皮，是它的結構：入口清楚、分類直白、點開就玩、切換成本低。這套思路也適合很多輕量內容產品。\u003C\u002Fp>\n\u003Cfigure class=\"my-6\">\u003Cimg src=\"https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1786437236206-ypcu.png\" alt=\"豆包1小時把摸魚遊戲做成合集\" class=\"rounded-xl w-full\" loading=\"lazy\" \u002F>\u003C\u002Ffigure>\n\u003Cp>原文標題裡有“摸魚遊戲集合”，這類項目最怕兩個極端：一個是做成大而全的遊戲站，另一個是只做成一個孤零零的頁面。前者太重，後者太薄。你要的是中間那個狀態：看起來像一個集合，實際上每個遊戲都能快速進入。\u003C\u002Fp>\u003Cp>如果我自己來做，我會先把結構定死：\u003C\u002Fp>\u003Cul>\u003Cli>頂部：品牌感標題 + 一句輕鬆文案。\u003C\u002Fli>\u003Cli>中部：遊戲卡片網格，突出入口。\u003C\u002Fli>\u003Cli>側邊或底部：規則、提示、最近玩過。\u003C\u002Fli>\u003Cli>底層：統一外殼，切換不同遊戲內容。\u003C\u002Fli>\u003C\u002Ful>\u003Cp>這套結構比“做個好看的頁面”更重要。因為“好看”是結果，結構才是骨架。沒有骨架，模型再會寫樣式也救不回來。\u003C\u002Fp>\u003Cp>我以前做活動頁時吃過這個虧。前端效果做得很花，結果使用者根本不知道從哪裡開始點。後來我學乖了，先把入口、路徑、回饋這三件事寫清楚，再談視覺。遊戲合集也是一樣，入口必須比裝飾更先成立。\u003C\u002Fp>\u003Cp>如果你要用 AI 快速搭這種頁面，先別糾結動畫多不多、圖示漂不漂亮。先問自己：使用者第一眼看到什麼？第二步點哪裡？切換後會發生什麼？這三個問題答不清，code 模型只會幫你把混亂放大。\u003C\u002Fp>\u003Ch2>一小時能做出來，靠的不是快，是少改\u003C\u002Fh2>\u003Cp>標題裡說“一個小時搭了”，我不太喜歡把這種說法神化成“AI 太強了”。真相通常沒那麼戲劇化。能快，不是因為模型突然開竅，而是因為前期浪費少了、返工少了、改動也少了。\u003C\u002Fp>\u003Cp>我自己做原型時，最怕第一版就開始追求完美。那樣你會在樣式、動效、文案、結構之間來回橫跳，最後一個小時能幹完的事拖成半天。AI 編程尤其容易這樣，因為模型會順著你的每一個小念頭繼續發散。\u003C\u002Fp>\u003Cp>所以我現在會把任務切得很硬：先做最小可用版本，再補細節。比如遊戲合集頁，第一版只要能展示卡片、能點開、能切換、能返回。音效、動效、排行榜、收藏夾，這些都放後面。\u003C\u002Fp>\u003Cp>這和人寫程式一樣，先把主流程跑通，再補邊角。差別只是模型會把邊角提前寫出來，所以你得先告訴它：先別管那些。\u003C\u002Fp>\u003Cp>我建議你在 Prompt 裡明確寫這類約束：\u003C\u002Fp>\u003Cul>\u003Cli>優先實現核心互動，不要擴展額外功能。\u003C\u002Fli>\u003Cli>先輸出可執行版本，再單獨列增強項。\u003C\u002Fli>\u003Cli>如果有歧義，先假設最簡單方案。\u003C\u002Fli>\u003C\u002Ful>\u003Cp>這幾句很土，但很管用。模型最怕你一邊說“簡單點”，一邊又暗示“要高級感”。它會認真把這兩個矛盾同時滿足，然後生成一個誰都不滿意的版本。\u003C\u002Fp>\u003Ch2>我最推薦的工作流：文本模型先洗稿，code 模型再動手\u003C\u002Fh2>\u003Cp>原文作者的經驗，其實可以抽成一個很穩定的工作流：先用文本模型把原始需求洗成可執行 Prompt，再把這個 Prompt 交給 code 模型。這條流程適合做頁面、遊戲、活動頁、後台小工具，甚至適合你寫技術方案。\u003C\u002Fp>\u003Cp>我自己會把這條鏈路拆成三步：\u003C\u002Fp>\u003Cp>第一步，收集原始想法。可以很亂，像聊天記錄一樣也行。第二步，讓文本模型輸出結構化需求，最好帶目標、模組、限制、驗收標準。第三步，把結構化需求交給 code 模型，並要求它按模組輸出。\u003C\u002Fp>\u003Cp>這裡最關鍵的是第二步。因為它決定了後面的輸出品質。你可以把它理解成翻譯層：把人話翻成機器更容易執行的話。\u003C\u002Fp>\u003Cp>如果你手裡有 \u003Ca href=\"https:\u002F\u002Fwww.deeplearning.ai\u002F\">偏文本處理的工具\u003C\u002Fa>，或你習慣用 \u003Ca href=\"https:\u002F\u002Fplatform.openai.com\u002Fdocs\">OpenAI API\u003C\u002Fa>、\u003Ca href=\"https:\u002F\u002Fwww.anthropic.com\u002F\">Anthropic\u003C\u002Fa> 這類模型，也沒問題。關鍵不是誰更強，而是誰更適合做當前這一步。\u003C\u002Fp>\u003Cp>我不太喜歡把所有任務都丟給同一個模型。那樣看起來省事，實際上常常是把複雜度藏起來。分工明確一點，反而更穩。文本模型負責“說清楚”，code 模型負責“做出來”。\u003C\u002Fp>\u003Cp>如果你做的是團隊協作，這個流程還可以順手\u003Ca href=\"\u002Fnews\u002Fmmdiff-multimodal-feature-discovery-control-zh\">變成\u003C\u002Fa>文件流程。文本模型產出的結構化 Prompt，直接就是產品說明、開發任務單和驗收清單的雛形。AI \u003Ca href=\"\u002Fnews\u002Ftts-evaluators-miss-more-than-naturalness-zh\">不只\u003C\u002Fa>是在寫 code，也能幫你少寫很多廢話文件。\u003C\u002Fp>\u003Ch2>怎麼把這套方法用到你自己的項目\u003C\u002Fh2>\u003Cp>如果你也想用這個方法，我建議別從大項目開始。先拿一個很小的東西練手，比如工具頁、遊戲外殼、活動入口頁。小項目最適合驗證“先整理，再編碼”到底有沒有用。\u003C\u002Fp>\u003Cp>我會建議你直接照這個順序來：\u003C\u002Fp>\u003Col>\u003Cli>先寫一段很亂的原始需求，不用修飾。\u003C\u002Fli>\u003Cli>丟給文本模型，讓它整理成結構化 Prompt。\u003C\u002Fli>\u003Cli>檢查這個 Prompt 有沒有漏掉目標、邊界和限制。\u003C\u002Fli>\u003Cli>把整理後的 Prompt 交給 code 模型。\u003C\u002Fli>\u003Cli>只改一輪錯誤，不要邊改邊加需求。\u003C\u002Fli>\u003C\u002Fol>\u003Cp>你會很快發現，最耗時間的不是編碼，而是需求漂移。今天想要卡片，明天想要排行榜，後天又想加登入。模型最喜歡跟著你漂，最後版本就會越來越不像最初那個東西。\u003C\u002Fp>\u003Cp>我自己的經驗是，越是想快速出東西，越要克制。把需求收緊，模型才跑得快。你給它一個清晰邊界，它才不會自己加戲。\u003C\u002Fp>\u003Cp>還有一點我覺得很實用：把“不要做什麼”寫清楚。很多人只會寫“要什麼”，但模型更需要知道“別碰什麼”。比如別引入複雜狀態管理，別做多餘動畫，別拆成過多元件，別加登入彈窗。這些限制能直接減少偏航。\u003C\u002Fp>\u003Ch2>你真正要學的，不是豆包，是拆任務\u003C\u002Fh2>\u003Cp>這篇原文表面上是在講用豆包大模型做一個仿 4399 的摸魚遊戲集合，但我覺得真正有價值的，不是某個模型本身，而是那種拆任務的思路。模型會變，工具會變，但“先整理，再執行”這件事不會變。\u003C\u002Fp>\u003Cp>我現在越來越少問“哪個模型最強”，更多問“哪個模型適合當前這一步”。這個問題一變，很多選擇就清楚了。文本整理交給文本模型，code 生成交給 code 模型，最後由人來兜底方向。\u003C\u002Fp>\u003Cp>這也是我為什麼願意反覆強調前處理。因為大多數 AI 編程翻車，不是寫不出來，而是輸入就錯了。輸入錯了，後面全錯。輸入清楚了，模型至少會沿著正確方向跑。\u003C\u002Fp>\u003Cp>如果你一直覺得 AI 編程不穩定，我猜你多半也踩過這個坑：把一坨模糊需求直接喂給模型，然後指望它自動幫你補齊上下文。它當然會補，但補出來的不一定是你要的。\u003C\u002Fp>\u003Cp>所以我更願意把這套方法理解成一種協作習慣，而不是某個技巧。先讓文本模型幫你把事情說清楚，再讓 code 模型去實作。聽起來很普通，但它真的能少掉很多返工。\u003C\u002Fp>\u003Ch2>可抄的模板\u003C\u002Fh2>\u003Cpre>\u003Ccode>你是需求整理助手，不要直接寫程式。請把我下面的原始想法，整理成一份適合交給 code 模型執行的結構化 Prompt。請遵守以下規則：\n\n1. 先提煉專案目標，用 1-2 句話說清楚這個項目要解決什麼問題。\n2. 再拆成模組列表，至少包含：頁面結構、核心互動、視覺風格、資料內容、限制條件。\n3. 把模糊描述改寫成可執行要求，避免空話。\n4. 明確寫出「優先實作什麼」與「暫時不要做什麼」。\n5. 最後輸出一份可以直接複製給 code 模型的 Prompt，語言簡潔、結構清楚。\n\n原始想法：\n【把你的需求貼在這裡】\n\n輸出格式：\n- 專案目標\n- 模組拆分\n- 關鍵約束\n- 不做事項\n- 可直接交給 code 模型的最終 Prompt\n\n如果原始想法有歧義，請先按最簡單可落地的方案補全，不要發散，不要自行增加無關功能。\u003C\u002Fcode>\u003C\u002Fpre>\u003Cp>如果你想更進一步，我建議把這段模板再拆成兩個版本：一個給文本模型做整理，一個給 code 模型做實作。前者強調“整理清楚”，後者強調“按結構寫程式”。這兩個版本分開後，效果通常比一個萬用 prompt 好很多。\u003C\u002Fp>\u003Cp>我自己用下來，最舒服的地方就在這裡：你不需要每次都從零開始跟模型吵架。你只要把需求塞進這個框架裡，模型就會更像一個能幹活的同事，而不是一個滿腦子自由發揮的實習生。\u003C\u002Fp>\u003Cp>原始來源是知乎文章 \u003Ca href=\"https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F2069733955432079942\">zhuanlan.zhihu.com\u002Fp\u002F2069733955432079942\u003C\u002Fa>。上面這套拆解和模板是我根據原文思路重新整理的，不是逐字照抄。\u003C\u002Fp>","我拆解了用豆包大模型快速搭出仿4399小游戏合集的做法，并给你一份可直接改写的提示词模板。","zhuanlan.zhihu.com","https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F2069733955432079942",null,"https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1786437237945-awlu.png","tools","zh","c24a9808-1757-4971-9b9c-83c9be09b6bf",[17,18,19,20,21],"豆包","prompt engineering","AI 編程","需求整理","多模型工作流",[23,24,25],"先把原始需求壓成結構化 Prompt，再交給 code 模型，返工會少很多。","遊戲合集這類產品，先定結構與入口，再談視覺與動效。","把“不要做什麼”寫清楚，能有效降低模型發散。",1,"2026-08-11T08:33:17.309085+00:00","2026-08-11T08:33:17.299+00:00",{"tags":30,"relatedLang":33,"relatedPosts":37},[31],{"name":18,"slug":32},"prompt-engineering",{"id":15,"slug":34,"title":35,"language":36},"doubao-turns-game-prompt-into-mini-arcade-en","Doubao turns a game prompt into a mini arcade","en",[38,44,50,56,62,68],{"id":39,"slug":40,"title":41,"cover_image":42,"image_url":42,"created_at":43,"category":13},"98e7c6dd-38f6-4740-bb79-20985bff3f9a","benchmark-scores-dont-predict-your-bill-zh","Benchmark 分數不等於帳單","https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1786496578340-z656.png","2026-08-12T01:02:41.398372+00:00",{"id":45,"slug":46,"title":47,"cover_image":48,"image_url":48,"created_at":49,"category":13},"f78a22c7-f366-42a7-bd2e-95e281ad5e67","mcp-servers-8-developer-workflow-gains-2026-zh","MCP Servers 讓開發流程少切 5 次工具","https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1786478563429-55iv.png","2026-08-11T20:02:16.492009+00:00",{"id":51,"slug":52,"title":53,"cover_image":54,"image_url":54,"created_at":55,"category":13},"df203653-afe2-4c37-9d70-af6d94461423","coding-plan-bailian-developer-subscription-zh","Coding Plan把百炼变订阅","https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1786435438230-esg2.png","2026-08-11T08:03:27.012167+00:00",{"id":57,"slug":58,"title":59,"cover_image":60,"image_url":60,"created_at":61,"category":13},"7c5f393f-e45a-45d0-98fe-28abc173ba11","baidu-wenxin-search-to-agent-template-zh","百度文心把搜索底子变成Agent能力","https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1786365239713-gwqo.png","2026-08-10T12:33:19.194341+00:00",{"id":63,"slug":64,"title":65,"cover_image":66,"image_url":66,"created_at":67,"category":13},"4a2a7043-32f7-4520-9f3c-820d19f00b74","opcode-supports-deepseek-glm-qwen-gpt-models-zh","OpenCode 支援多家模型，切換更省事","https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1786363377470-lo30.png","2026-08-10T12:02:30.043727+00:00",{"id":69,"slug":70,"title":71,"cover_image":72,"image_url":72,"created_at":73,"category":13},"fc9bd7b8-542f-4c91-9965-60ecb3ae417e","deepseek-codex-ai-coding-costs-reset-zh","DeepSeek 接入 Codex 後，AI 編程成本必須重算","https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1786321973140-5qz2.png","2026-08-10T00:32:32.710718+00:00",[75,80,85,90,95,100,105,110,115,120],{"id":76,"slug":77,"title":78,"created_at":79},"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":81,"slug":82,"title":83,"created_at":84},"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":86,"slug":87,"title":88,"created_at":89},"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":91,"slug":92,"title":93,"created_at":94},"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":96,"slug":97,"title":98,"created_at":99},"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":101,"slug":102,"title":103,"created_at":104},"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":106,"slug":107,"title":108,"created_at":109},"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":111,"slug":112,"title":113,"created_at":114},"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":116,"slug":117,"title":118,"created_at":119},"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":121,"slug":122,"title":123,"created_at":124},"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"]