[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"article-gemini-turns-googles-ai-stack-into-one-app-zh":3,"article-related-gemini-turns-googles-ai-stack-into-one-app-zh":30,"series-tools-01308889-03ae-47c0-9655-4a563de8597d":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":22,"views":26,"created_at":27,"published_at":28,"topic_cluster_id":29},"01308889-03ae-47c0-9655-4a563de8597d","gemini-turns-googles-ai-stack-into-one-app-zh","Gemini 把 Google AI 變成一個入口","\u003Cp data-speakable=\"summary\">這篇拆 \u003Ca href=\"\u002Ftag\u002Fgemini\">Gemini\u003C\u002Fa> 怎麼把 \u003Ca href=\"\u002Ftag\u002Fgoogle\">Google\u003C\u002Fa> 的聊天、模型、Search 和 Vertex AI 收成一個入口，外加可直接套用的命名與路由模板。\u003C\u002Fp>\u003Cp>我用 Google 那套 \u003Ca href=\"\u002Ftag\u002Fai-工具\">AI 工具\u003C\u002Fa>一陣子了，越用越火大。Bard 一個名字，Duet AI 又一個名字，Gemini 在 Search 裡面，Vertex AI 裡面又是另一套模型說法。每次我想知道自己到底在叫哪個模型，都得先翻頁面、對名詞、再猜一次。這不是產品複雜，這是把開發者的腦容量拿去交稅。\u003C\u002Fp>\u003Cp>後來我才看懂 Gemini 這件事為\u003Ca href=\"\u002Fnews\u002Fwhy-seth-rogen-career-proves-comedy-producer-game-zh\">什麼\u003C\u002Fa>值得拆。不是因為它多炫，而是 Google 終於承認：聊天介面、模型平台、雲端入口分太開，大家根本沒辦法順手用。這次我主要拿 \u003Ca href=\"https:\u002F\u002Fen.wikipedia.org\u002Fwiki\u002FGoogle_Gemini\">Google Gemini 的 Wikipedia 條目\u003C\u002Fa>當骨架，另外對照 \u003Ca href=\"https:\u002F\u002Fgemini.google.com\u002F\">Gemini app\u003C\u002Fa>、\u003Ca href=\"https:\u002F\u002Fcloud.google.com\u002Fvertex-ai\">Vertex AI\u003C\u002Fa>、\u003Ca href=\"https:\u002F\u002Fdeepmind.google\u002Ftechnologies\u002Fgemini\u002F\">Google DeepMind 的 Gemini 頁面\u003C\u002Fa>，看它到底怎麼把一堆東西收斂成一個面。\u003C\u002Fp>\u003Ch2>Google 終於不演了：Bard、Duet、Gemini 本來就該是一家\u003C\u002Fh2>\u003Cblockquote>“In February 2024, the Bard chatbot was renamed Gemini, and the ‘Duet AI’ branding for Google Cloud and Workspace was retired in favor of the Gemini identifier.”\u003C\u002Fblockquote>\u003Cp>翻譯一下就是，Google 不想再讓你背三套名字去理解同一組能力。Bard 是消費端聊天機器人，Duet AI 是企業端品牌，Gemini 變成總稱，把兩邊一起吞掉。這種事我看太多了：平台公司一開始愛切細，最後發現沒人想處理品牌矩陣，大家只想知道「我現在到底該去哪裡用」。\u003C\u002Fp>\n\u003Cfigure class=\"my-6\">\u003Cimg src=\"https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1780700603553-z64z.png\" alt=\"Gemini 把 Google AI 變成一個入口\" class=\"rounded-xl w-full\" loading=\"lazy\" \u002F>\u003C\u002Ffigure>\n\u003Cp>這個改名最實際的地方，不是行銷，而是溝通成本瞬間降下來。你寫文件、帶新人、做內部工具整合時，不用一直補一句「這裡的 Gemini 是 app 還是模型還是雲端產品？」如果一個 stack 要先解釋自己才能被用，那它就是在偷你的時間。\u003C\u002Fp>\u003Cp>我之前在整理一個小團隊的 AI 使用方式時就踩過這坑。有人只會用消費端 app，有人只碰 Vertex AI，有人還以為 Gemini 只是模型家族名。結果半天時間都在對齊詞彙，根本沒開始做事。Google 這次的收斂，我反而覺得很誠實：命名不是裝飾，是產品能不能落地的前提。\u003C\u002Fp>\u003Cp>實操上，我會這樣做：\u003C\u002Fp>\u003Cul>\u003Cli>對外只留一個主品牌，別讓用戶猜。\u003C\u002Fli>\u003Cli>模型名稱只拿來做技術區分，不拿來做行銷炫技。\u003C\u002Fli>\u003Cli>把 app、API、platform 的差異寫在同一頁文件裡。\u003C\u002Fli>\u003C\u002Ful>\u003Cp>如果你自己的 AI 產品也有聊天頁、\u003Ca href=\"\u002Ftag\u002Fapi\">API\u003C\u002Fa>、後台三套稱呼，先別急著加功能，先把名字收斂。很多團隊不是做不出來，是名字太散，散到最後沒人知道自己在用\u003Ca href=\"\u002Fnews\u002Fwhy-anthropic-ipo-proves-ai-needs-wall-street-zh\">什麼\u003C\u002Fa>。\u003C\u002Fp>\u003Ch2>多模態不是 demo 技巧，是 Gemini 真正的底盤\u003C\u002Fh2>\u003Cblockquote>“The Gemini architecture is trained natively on multiple data types, allowing the models to process and generate text, computer code, images, audio, and video simultaneously.”\u003C\u002Fblockquote>\u003Cp>也就是說，Gemini 不是先做文字模型，再補圖片、音訊、影片支援；它的設計一開始就把不同資料型態當成主菜。這差很多。很多系統說自己支援圖片，實際上只是後面掛一個上傳按鈕，真要用到時就開始延遲、亂答、或 UI 看起來很厲害但一碰就碎。\u003C\u002Fp>\u003Cp>Google 的說法比較狠：模型本身就是為多種輸入一起推理而設計。這代表它不是「可以上傳圖片」，而是「文字、程式碼、圖像、音訊、影片都進同一個 reasoning layer」。對開發者來說，這才是有用的地方，因為真實世界的問題本來就不是單一格式。需求在文件裡，bug 在截圖裡，產品回饋在語音裡，架構圖又在另一份簡報裡。\u003C\u002Fp>\u003Cp>我以前做過一個內部支援工具，最煩的就是大家把截圖丟 Slack，然後還要再打三段文字描述那張圖在幹嘛。不是因為人懶，是工具不吃圖，大家只好自己補腦。只要模型能直接吃進截圖，這種低效率儀式就能少很多。這不是魔法，這叫少做白工。\u003C\u002Fp>\u003Cp>實操寫法我會建議：\u003C\u002Fp>\u003Cul>\u003Cli>能收原始檔就收原始檔，不要逼人轉文字。\u003C\u002Fli>\u003Cli>先叫模型分別整理每種輸入，再做總結。\u003C\u002Fli>\u003Cli>每個結論都標明它是根據哪個輸入來的。\u003C\u002Fli>\u003C\u002Ful>\u003Cp>這樣做的好處很現實：答案比較不會飄，出錯也比較好查。你不是在追求模型看起來很聰明，你是在追求它可用。\u003C\u002Fp>\u003Ch2>模型分層不是包裝詞，是部署策略\u003C\u002Fh2>\u003Cblockquote>“Google distributes the technology in varying capacities, ranging from efficient on-device versions (‘Nano’) and cost-effective, high-throughput variants (‘Flash’) to high-compute models designed for complex reasoning (‘Pro’ and ‘Ultra’).”\u003C\u002Fblockquote>\u003Cp>翻譯一下就是，Google 終於比較像系統公司在思考了。不是每個請求都值得丟最大模型，也不是每個互動都需要同一個延遲預算。Nano、Flash、Pro、Ultra 這種分層，\u003Ca href=\"\u002Fnews\u002F5-things-to-know-about-the-littlest-hobo-remake-zh\">重點\u003C\u002Fa>不是名字好不好聽，而是讓你可以按成本、速度、任務難度去選，而不是把一個模型當萬用解。\u003C\u002Fp>\n\u003Cfigure class=\"my-6\">\u003Cimg src=\"https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1780700602463-tnsy.png\" alt=\"Gemini 把 Google AI 變成一個入口\" class=\"rounded-xl w-full\" loading=\"lazy\" \u002F>\u003C\u002Ffigure>\n\u003Cp>這段我特別有感。因為我自己做過那種「一開始先用最強模型，之後再說」的方案，結果帳單很快就像在嘲笑我。更糟的是，快慢不穩，使用者體感也爛。後來把工作拆成不同層級：簡單問題走快路，複雜問題才往上送，成本和延遲才終於正常。\u003C\u002Fp>\u003Cp>我會建議你先定路由規則，再挑模型。不要反過來。先想清楚什麼是便宜任務、什麼是中階任務、什麼是高成本任務，再把每一類對應到不同 tier。否則你只是在浪費最貴的模型，順便養成團隊的壞習慣。\u003C\u002Fp>\u003Cp>我自己會這樣切：\u003C\u002Fp>\u003Cul>\u003Cli>本地或私有：分類、抽取、摘要。\u003C\u002Fli>\u003Cli>快速雲端：改寫、草稿、一般問答。\u003C\u002Fli>\u003Cli>重型雲端：長上下文、多步推理、研究型任務。\u003C\u002Fli>\u003C\u002Ful>\u003Cp>這種切法聽起來很工程味，但真的好用。你一旦把任務類型定清楚，後面才有辦法談成本控制、SLA、和 fallback。\u003C\u002Fp>\u003Ch2>長上下文讓 Gemini 變強，但也更容易讓人偷懶\u003C\u002Fh2>\u003Cblockquote>“The 1.5 and 3 model generations introduced extended context windows, enabling the analysis of large datasets such as entire codebases, long-form videos, or extensive document archives in a single prompt.”\u003C\u002Fblockquote>\u003Cp>也就是說，Google 想把「多丟一點資料進來」變成真正的工作流，而不是噱頭。\u003Ca href=\"\u002Ftag\u002F長上下文\">長上下文\u003C\u002Fa>很有用，因為你不用把東西切得很碎，再祈禱模型還記得前面講了什麼。你可以直接丟更大一塊現實給它，讓它先看全貌，再往下挖。\u003C\u002Fp>\u003Cp>但這裡也最容易出事。很多人一看到上下文變長，就以為模型自然會懂得更多。沒有。它只是看得比較多，不代表理解得比較好。你如果 prompt 本身很爛，長上下文只會讓它產出一篇更長的爛答案。\u003C\u002Fp>\u003Cp>我用長上下文做過 codebase review，差別是真的有。以前像在玩找文件遊戲，現在比較像先看地圖再問路。可即使如此，你還是得把問題收斂，不然把整個 repo 丟進去問「哪裡有問題」，通常只會得到一個很自信的模糊答案。\u003C\u002Fp>\u003Cp>實操上我會這樣設計：\u003C\u002Fp>\u003Cul>\u003Cli>先請模型畫出系統地圖，再問局部問題。\u003C\u002Fli>\u003Cli>給 repo tree、文件結構、或章節目錄，先讓它定位。\u003C\u002Fli>\u003Cli>要求它先列風險，再給結論，別直接跳答案。\u003C\u002Fli>\u003C\u002Ful>\u003Cp>你可以把長上下文想成放大鏡，不是自動閱讀器。它能幫你看得更廣，但不能替你定義問題。\u003C\u002Fp>\u003Ch2>Gemini 真正厲害的地方，是它躲在 Google 既有分發裡\u003C\u002Fh2>\u003Cblockquote>“The models integrate into the Google ecosystem through the Gemini mobile app, which functions as an overlay assistant on Android devices, and through the Vertex AI platform for third-party developers.”\u003C\u002Fblockquote>\u003Cp>翻譯一下就是，Google 沒把 Gemini 當成一個孤零零的聊天 app 在賣。它是鋪在 Google 原本就有的分發路徑上：Android、Search、Workspace、雲端。這件事很現實，也很難忽視。因為如果你本來就在 Google 生態裡，Gemini 不需要你搬家，它直接出現。\u003C\u002Fp>\u003Cp>我對那種「請先打開另一個 AI app 再開始工作」的產品一直很懷疑。開發者不是沒耐心，是沒空。你要嘛把模型放在工作發生的地方，要嘛就等著它被冷落。Google 比較聰明的地方就在這裡：Gemini app 是前門，但真正可怕的是它能塞進 Android 和 Vertex AI，直接進到日常工作流。\u003C\u002Fp>\u003Cp>我一直拿這件事跟實際工作比。沒人會說「我去 AI app 想一下再回來」。大家是在瀏覽器、repo、文件、手機裡遇到問題，然後順手問。模型如果離工作太遠，使用率一定掉。反過來，離得越近，越像工具，而不是要人特地學會的玩具。\u003C\u002Fp>\u003Cp>實操寫法很簡單：不要把 AI 功能藏到獨立角落。\u003C\u002Fp>\u003Cul>\u003Cli>在文件旁邊放摘要與改寫。\u003C\u002Fli>\u003Cli>在 diff 旁邊放 code review。\u003C\u002Fli>\u003Cli>在 ticket 旁邊放客服建議。\u003C\u002Fli>\u003C\u002Ful>\u003Cp>你越靠近 artifact，使用者越不需要被教育。這種事很土，但有效。\u003C\u002Fp>\u003Ch2>信任才是產品，不是模型參數\u003C\u002Fh2>\u003Cblockquote>“The product launch faced criticism regarding the reliability of its outputs.”\u003C\u002Fblockquote>\u003Cp>這句很直白：模型再強，只要大家不信，它就很難真的被用起來。Wikipedia 也提到 Google 曾因為影像生成出現歷史錯誤與偏誤，而暫停生成人物圖像。這不是枝節，是產品在公開場合翻車，然後你就會看到信任掉得比功能還快。\u003C\u002Fp>\u003Cp>我真的覺得很多團隊太迷信「能力」這件事，卻不肯正面處理「信任」。如果助手老是把日期搞錯、把政策說歪、或看不懂截圖，使用者很快就不會再認真檢查它。接著工具就變成裝飾品。更糟的是，大家會開始用旁路流程，把真正重要的事搬回人工處理。\u003C\u002Fp>\u003Cp>我自己看過很多內部 assistant 走到這一步。只要模型一次亂編規則，整個團隊的態度就變了。大家不再問它難題，只拿它做低風險文案。這不是 adoption，這是昂貴的 autocomplete。\u003C\u002Fp>\u003Cp>實操上，我會硬塞幾個信任閘門：\u003C\u002Fp>\u003Cul>\u003Cli>先讓模型起草，再要求引用來源或內部文件。\u003C\u002Fli>\u003Cli>對外輸出前一定要有人審。\u003C\u002Fli>\u003Cli>低信心答案要明講，不要裝懂。\u003C\u002Fli>\u003C\u002Ful>\u003Cp>如果你真的想讓 AI 進工作流，信任機制要先設，不然後面只會一直補洞。\u003C\u002Fp>\u003Ch2>Gemini 3 的意思其實很簡單：Google 想一次把門打開\u003C\u002Fh2>\u003Cblockquote>“On November 18, 2025, Google launched Gemini 3 Pro, describing it as its most intelligent model to date and marking a departure from the company’s previous staged release patterns, with the model made immediately available across the Gemini app, Google Search, Google AI Studio, and Vertex AI.”\u003C\u002Fblockquote>\u003Cp>翻譯一下就是，Google 這次不想再慢慢放水。以前那種 staged release 比較像公司還在猶豫；現在直接丟到 app、Search、AI Studio、Vertex AI，代表它想把模型變成預設面，而不是實驗角落。這種做法很重要，因為模型公告和開發者真的能碰到它，中間那段空窗最容易讓熱度死掉。\u003C\u002Fp>\u003Cp>我很吃這一套。因為我不想聽完一個模型發布後，還要等它慢慢開放、慢慢測試、慢慢輪到我。開發者很忙，沒空陪產品做心理建設。你要嘛給我一個能試的入口，要嘛就別把它包成大事卻拖半天才讓人碰。\u003C\u002Fp>\u003Cp>這也回到 Gemini 整體故事：Google 花了很久才把品牌、產品面、模型面收乾淨。Gemini 3 看起來像是那個整理開始回本的地方。現在比較像一個系統了，不再是四五個團隊各自講各自的話。\u003C\u002Fp>\u003Cp>實操上，如果你也在發 AI 功能，我會建議你別把入口切太碎：\u003C\u002Fp>\u003Cul>\u003Cli>給使用者一個最明顯的試用入口。\u003C\u002Fli>\u003Cli>給開發者一個最明顯的整合入口。\u003C\u002Fli>\u003Cli>給管理者一個最明顯的設定入口。\u003C\u002Fli>\u003C\u002Ful>\u003Cp>入口太多，只會讓人懷疑你自己都還沒想清楚。\u003C\u002Fp>\u003Ch2>可抄的模板\u003C\u002Fh2>\u003Cpre>\u003Ccode># Gemini-style AI stack template\n\n## 命名規則\n- Consumer app: [One name]\n- Developer platform: [One name]\n- Model family: [One name]\n- Tier names: [Local \u002F Fast \u002F Pro \u002F Heavy]\n\n## 路由規則\n1. 任務短、重複、私密，走本地 tier。\n2. 任務要快、品質中等，走 fast tier。\n3. 任務需要長上下文、多步推理、較高準確度，走 pro tier。\n4. 任務是高風險或對外輸出，強制人工審核。\n\n## Prompt 模板\nYou are helping with [task].\nUse the attached inputs directly.\nFirst summarize the relevant facts.\nThen identify gaps, risks, and contradictions.\nThen produce the final answer in [format].\nIf confidence is low, say so.\nCite which input supports each claim.\n\n## 多模態輸入\n- Text: accepted\n- Images\u002Fscreenshots: accepted\n- Audio\u002Ftranscripts: accepted\n- Documents\u002FPDFs: accepted\n- Code\u002Frepo context: accepted\n\n## 輸出格式\nReturn:\n1. Summary\n2. Evidence used\n3. Risks or unknowns\n4. Final recommendation\n5. Confidence level\n\n## 信任控制\n- Show source snippets for factual claims\n- Log model version and tier\n- Flag uncertain answers\n- Require approval for external publication\n\n## Launch checklist\n- One user-facing entry point\n- One developer entry point\n- One internal admin entry point\n- Clear model naming\n- Clear fallback behavior\n- Clear review policy\u003C\u002Fcode>\u003C\u002Fpre>\u003Cp>這段我會直接偷去用。它把 Gemini 這篇故事翻成可操作的規格：一套命名、一套路由、一套信任層、一套 prompt contract。這才是 AI 產品不會越做越散的關鍵。\u003C\u002Fp>\u003Cp>原始材料主要來自 \u003Ca href=\"https:\u002F\u002Fen.wikipedia.org\u002Fwiki\u002FGoogle_Gemini\">https:\u002F\u002Fen.wikipedia.org\u002Fwiki\u002FGoogle_Gemini\u003C\u002Fa>，我也對照了 \u003Ca href=\"https:\u002F\u002Fgemini.google.com\u002F\">gemini.google.com\u003C\u002Fa>、\u003Ca href=\"https:\u002F\u002Fcloud.google.com\u002Fvertex-ai\">cloud.google.com\u002Fvertex-ai\u003C\u002Fa>、\u003Ca href=\"https:\u002F\u002Fdeepmind.google\u002Ftechnologies\u002Fgemini\u002F\">deepmind.google\u002Ftechnologies\u002Fgemini\u003C\u002Fa>。上面這份拆解和模板是我自己的整理，衍生自來源，但不是原文照抄。","拆 Gemini 怎麼把 Google 的聊天、模型、Search 和 Vertex AI 收進同一個入口，順便給你可直接套用的命名與路由模板。","en.wikipedia.org","https:\u002F\u002Fen.wikipedia.org\u002Fwiki\u002FGoogle_Gemini",null,"https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1780700603553-z64z.png","tools","zh","6d035ac9-0dc7-48bd-b888-161a30e1b9f8",[17,18,19,20,21],"Gemini","Vertex AI","multi-modal","long context","AI stack",[23,24,25],"Google 這次不是只改名，而是把聊天、模型、雲端和 Search 收成同一個入口。","模型分層、長上下文與多模態，重點都在讓 AI 變成可部署的系統，不只是 demo。","真正能落地的做法，是先定命名、路由和信任控制，再談功能擴張。",0,"2026-06-05T23:02:59.580372+00:00","2026-06-05T23:02:59.571+00:00","2280f033-e3ad-4cc4-8f0e-10a6d08600f5",{"tags":31,"relatedLang":41,"relatedPosts":45},[32,34,35,37,39],{"name":21,"slug":33},"ai-stack",{"name":19,"slug":19},{"name":20,"slug":36},"long-context",{"name":17,"slug":38},"gemini",{"name":18,"slug":40},"vertex-ai",{"id":15,"slug":42,"title":43,"language":44},"gemini-turns-googles-ai-stack-into-one-app-en","Gemini turns Google’s AI stack into one app","en",[46,52,58,64,70,76],{"id":47,"slug":48,"title":49,"cover_image":50,"image_url":50,"created_at":51,"category":13},"68b2b111-c4b6-4d5e-a073-43fc188227c7","open-source-mcp-gateways-2026-governance-zh","5 個開源 MCP Gateway 怎麼選","https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1780708700534-qvgd.png","2026-06-06T01:17:52.493298+00:00",{"id":53,"slug":54,"title":55,"cover_image":56,"image_url":56,"created_at":57,"category":13},"f8de6238-b95e-4c3c-a49b-a996ebd434eb","kubernetes-github-repo-123k-stars-zh","Kubernetes GitHub 星星破 12.3 萬","https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1780705091582-9uod.png","2026-06-06T00:17:50.242207+00:00",{"id":59,"slug":60,"title":61,"cover_image":62,"image_url":62,"created_at":63,"category":13},"af6cfa19-1991-42bb-a65a-52409ec61a1a","113-ai-entities-tracked-ai-weekly-dashboard-zh","113 個 AI 實體被 AI Weekly 追蹤","https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1780688876697-ieow.png","2026-06-05T19:47:26.53926+00:00",{"id":65,"slug":66,"title":67,"cover_image":68,"image_url":68,"created_at":69,"category":13},"6bded3dc-c3ec-4688-bd4c-0e955f0ba8e0","codeium-windsurf-cascade-cursor-competition-zh","1.5億美元後，Codeium推Windsurf搶Cursor","https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1780687074307-ua8q.png","2026-06-05T19:17:24.447407+00:00",{"id":71,"slug":72,"title":73,"cover_image":74,"image_url":74,"created_at":75,"category":13},"a8e55ad4-b3b6-4549-88b4-3018f592fc98","ai-coding-agents-2026-practical-roadmap-zh","2026 AI 程式代理怎麼變","https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1780677193915-bb5p.png","2026-06-05T16:32:41.380799+00:00",{"id":77,"slug":78,"title":79,"cover_image":80,"image_url":80,"created_at":81,"category":13},"6ef273f0-b81e-440b-a793-4a94af6c6682","60305-rule-editing-first-ai-products-zh","60\u002F30\u002F5 讓 AI 產品先會改稿","https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1780667335434-pczk.png","2026-06-05T13:48:02.197355+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"]