[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"article-k2-6-turns-kimi-into-a-better-default-zh":3,"article-related-k2-6-turns-kimi-into-a-better-default-zh":30,"series-tools-123c803c-9721-4f9b-b0b7-51d32d2afb60":83},{"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},"123c803c-9721-4f9b-b0b7-51d32d2afb60","k2-6-turns-kimi-into-a-better-default-zh","K2.6 讓 Kimi 變預設解","\u003Cp data-speakable=\"summary\">我拆 Kimi K2、K2.5、K2.6 的差別，順手給你一份可直接貼進專案的模型選擇模板。\u003C\u002Fp>\u003Cp>我這陣子一直在用 Kimi 系列做 \u003Ca href=\"\u002Ftag\u002Fagent\">agent\u003C\u002Fa> workflow，最煩的不是接工具，也不是寫 prompt，而是模型到底該選哪個。K2 能跑、K2.5 會看圖、K2.6 又明顯更像正解，但你一換模型，整個流程就像換了腦袋。你本來以為只是升級，結果變成重新調參、重寫規則、重跑測試。最討厭的是，很多\u003Ca href=\"\u002Fnews\u002Fclarity-act-floor-vote-prep-crypto-teams-zh\">團隊\u003C\u002Fa>會卡在「先用便宜的」這種自我安慰，最後省到的是 \u003Ca href=\"\u002Ftag\u002Ftoken\">token\u003C\u002Fa>，浪費掉的是整週的工程時間。\u003C\u002Fp>\u003Cp>我後來把這件事看清楚，是因為 Moonshot 自己把比較講得很直白。原始來源是 \u003Ca href=\"https:\u002F\u002Fkimi-ai.chat\u002Fblog\u002Fkimi-k2-vs-k2-5-vs-k2-6\u002F\">Kimi K2 vs K2.5 vs K2.6\u003C\u002Fa>，再搭配 \u003Ca href=\"https:\u002F\u002Fplatform.moonshot.ai\u002Fdocs\u002Fguide\u002Fstart-with-kimi-k2-6\">K2.6 quickstart\u003C\u002Fa>、\u003Ca href=\"https:\u002F\u002Fplatform.moonshot.ai\u002Fdocs\u002Fguide\u002Fmodel-list\">官方 model list\u003C\u002Fa>、\u003Ca href=\"https:\u002F\u002Fhuggingface.co\u002Fmoonshotai\u002FKimi-K2-Instruct\">Kimi K2\u003C\u002Fa> 跟 \u003Ca href=\"https:\u002F\u002Fhuggingface.co\u002Fmoonshotai\u002FKimi-K2.5\">Kimi K2.5\u003C\u002Fa> 的 model card，我才敢把結論講死一點：新專案先上 K2.6，預算敏感就看 K2.5，K2 只留給舊相容性。\u003C\u002Fp>\u003Ch2>我會先把 K2.6 當預設，不會先想太多\u003C\u002Fh2>\u003Cblockquote>Direct answer: For most new projects, Kimi K2.6 is the best default in the Moonshot AI Kimi family because it is the current flagship API model with stronger long-horizon coding, multimodal input, thinking and non-thinking modes, and 256K context support.\u003C\u002Fblockquote>\u003Cp>翻譯一下就是：Moonshot 自己已經在暗示你，別再把 K2 當新案子的起手式了。K2.6 才是他們現在要你站的地方。這種事情我很在意，因為 \u003Ca href=\"\u002Ftag\u002Fapi\">API\u003C\u002Fa> 家族的「預設值」通常比宣傳文更誠實。公司把最好的行為、最完整的 docs、最少的怪脾氣放在哪裡，答案常常就在預設模型上。\u003C\u002Fp>\n\u003Cfigure class=\"my-6\">\u003Cimg src=\"https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1781186619419-n7n3.png\" alt=\"K2.6 讓 Kimi 變預設解\" class=\"rounded-xl w-full\" loading=\"lazy\" \u002F>\u003C\u002Ffigure>\n\u003Cp>我之前做過一個 code-assist 工具，要同時讀 repo、看 screenshot、再把前端 bug 修掉。純文字模型前半段都還行，一碰到「把這張圖對回哪段程式」就開始飄，講得很像有答案，其實都在猜。K2.6 給我的感覺比較像是原生就知道這種混合工作不是例外，而是日常。\u003C\u002Fp>\u003Cp>實操寫法很簡單：新專案先直接用 K2.6。只有在成本、供應商支援、或你真的遇到相容性問題時，才往下退到 K2.5。至於 K2，我會把它當 migration debt，不會當長期策略。\u003C\u002Fp>\u003Cul>\u003Cli>新案：先選 K2.6，再看有沒有理由降級。\u003C\u002Fli>\u003Cli>舊案：先盤點是不是還卡在 K2 的 hosted ID。\u003C\u002Fli>\u003Cli>團隊共識：把「預設模型」寫進 README，不要靠口耳相傳。\u003C\u002Fli>\u003C\u002Ful>\u003Ch2>K2.5 是我會拿來省錢的多模態底線\u003C\u002Fh2>\u003Cblockquote>Moonshot says K2.5 was built through continued pretraining on about 15T mixed visual and text tokens on top of Kimi-K2-Base, with image\u002Fvideo understanding, visual coding, thinking\u002Finstant modes, and a self-directed Agent Swarm paradigm.\u003C\u002Fblockquote>\u003Cp>也就是說，K2.5 不是「K2 小改版」這麼無聊。它比較像是 Kimi 家族正式把多模態吃進去的那一版。這件事很實際，因為一旦模型真的能看圖、看影片，很多原本很煩的 prompt 補丁就可以收掉。你不用再把 screenshot 描述成一大串中文，像在跟一個很累的 QA 解釋 UI。\u003C\u002Fp>\u003Cp>我自己最常拿 K2.5 來做的是 UI review、視覺除錯、以及那種「要看圖，但不一定要最強推理」的工作。它的定位很清楚：夠用、便宜、而且比老的純文字模型更像現代工具。官方價格頁面也確實把 K2.5 放在 K2.6 下面，這種差距在高頻任務裡不是小錢，跑久了會很有感。\u003C\u002Fp>\u003Cp>實操寫法：如果你的產品大多是圖片、螢幕截圖、影片幀加上一點 code 生成，先試 K2.5。只要你的需求不是長時間、多步驟、又很吃工具協作，K2.5 很可能就夠了。不要一開始就把最貴的模型丟進去，然後再抱怨成本失控。\u003C\u002Fp>\u003Cul>\u003Cli>適合：UI 檢查、截圖轉 code、影片摘要、簡單 agent 任務。\u003C\u002Fli>\u003Cli>不適合：長鏈路 refactor、複雜 tool loop、需要穩定收斂的工作。\u003C\u002Fli>\u003Cli>原則：先看輸入型態，再看推理深度，最後才看價格。\u003C\u002Fli>\u003C\u002Ful>\u003Ch2>K2 我只會留給舊相容，不會拿來開新坑\u003C\u002Fh2>\u003Cblockquote>The current Kimi API model list marks the kimi-k2 hosted series as discontinued as of May 25, 2026, including kimi-k2-0905-preview, kimi-k2-0711-preview, kimi-k2-turbo-preview, kimi-k2-thinking, and kimi-k2-thinking-turbo.\u003C\u002Fblockquote>\u003Cp>翻譯一下就是：如果你還把 K2 當成 hosted API 的主力，那你其實是在踩一個遲早要補的坑。K2 本身不是爛，它當年在 coding 跟 tool use 上也很能打；但現在的問題不是它能不能跑，而是它是不是還適合拿來開新專案。答案很明顯，不是。\u003C\u002Fp>\n\u003Cfigure class=\"my-6\">\u003Cimg src=\"https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1781186611174-u1nj.png\" alt=\"K2.6 讓 Kimi 變預設解\" class=\"rounded-xl w-full\" loading=\"lazy\" \u002F>\u003C\u002Ffigure>\n\u003Cp>我很常看到一種工程習慣：老模型用順了，就覺得比較安全，於是新 prompt 也照著舊模型的脾氣寫。短期看起來很穩，長期就是一場搬家。等 provider 改了 hosted ID，或新模型把同樣任務做得更好，舊 prompt 就會開始露餡，最後又得重做一次。\u003C\u002Fp>\u003Cp>實操寫法：如果你現在 codebase 裡還有 K2 的 ID，先做清點。不是把它刪掉就好，而是標記哪些地方是 legacy、哪些地方是 regression baseline。新功能直接用 K2.6 或 K2.5，K2 只保留在你真的需要相容舊行為的地方。\u003C\u002Fp>\u003Cul>\u003Cli>保留 K2：舊 prompt 回歸測試。\u003C\u002Fli>\u003Cli>保留 K2：自架或歷史比較。\u003C\u002Fli>\u003Cli>不要做的事：新的 hosted integration 硬上 discontinued model ID。\u003C\u002Fli>\u003C\u002Ful>\u003Ch2>真正的差別不是數字，是它能不能扛混合工作\u003C\u002Fh2>\u003Cblockquote>K2.5 added native multimodality, and K2.6 kept that direction while improving long-horizon coding, coding-driven design, and proactive autonomous execution.\u003C\u002Fblockquote>\u003Cp>這句話我會直接翻成白話：Kimi 這一家不是單純在比誰更會聊天，而是在比誰更像一個能幹活的 agent。K2 是文字和工具導向；K2.5 把圖像、影片這些輸入正式接進來；K2.6 則是在這個基礎上，把長流程 coding 跟自主執行再往前推。這條路線比單看 \u003Ca href=\"\u002Ftag\u002Fbenchmark\">benchmark\u003C\u002Fa> 分數更重要，因為它解釋了為什麼你在真實工作裡會感覺到差異。\u003C\u002Fp>\u003Cp>我測模型最在意的不是單題答對，而是它能不能撐住一整串任務。repo context 會不會丟、tool call 失敗後會不會自己收斂、截圖和程式碼能不能對起來，這些才是工程裡真正會痛的地方。K2.6 的優勢，就是它看起來比較像是為這種混雜場景設計的，不是只在 demo 裡漂亮。\u003C\u002Fp>\u003Cp>實操寫法：先把工作拆成輸入型態。純文字、純 code 的任務，K2.5 可能就夠；只要有 screenshot、mockup、影片幀，就直接進多模態；一旦任務還很長、很吃工具協作，K2.6 優先。\u003C\u002Fp>\u003Ch2>Agent Swarm 不是拿來炫，是拿來驗證它會不會亂掉\u003C\u002Fh2>\u003Cblockquote>Its K2.5 launch post says K2.5 can coordinate up to 100 sub-agents and 1,500 tool calls in Agent Swarm beta, while the K2.6 blog says that expanded to 300 sub-agents and 4,000 coordinated steps.\u003C\u002Fblockquote>\u003Cp>翻譯一下就是：Moonshot 想賣你的不只是更聰明的聊天模型，而是 orchestration 能力。它希望模型能協調一堆子任務，而不是只會回答單一問題。這件事我很買單，因為真正的 agent 系統，最先壞掉的通常不是語言能力，而是協調能力。\u003C\u002Fp>\u003Cp>我對很多「agent demo」的耐心很低。畫面上看起來很猛，一進到真實工具鏈就開始碎裂，最後變成一串 retry 和希望。K2.5 的 Agent Swarm 數字已經夠讓人注意，K2.6 又把上限往上推，這代表它至少在訓練和產品方向上，是真的在意多步驟協作，而不是只做表面文章。\u003C\u002Fp>\u003Cp>實操寫法：不要一看到「可以開很多 sub-agent」就亂開。先把你的 agent loop 監控起來，記錄 tool call 數、失敗率、重試次數、完成時間。小任務少開，能省就省；只有在平行化真的會縮短 wall-clock time 的時候，才放大 orchestration。\u003C\u002Fp>\u003Cul>\u003Cli>先測：planning、retrieval、draft generation。\u003C\u002Fli>\u003Cli>再測：長鏈路 tool use 是否穩定。\u003C\u002Fli>\u003Cli>最後才放大：多子代理協作，不要先上來就灑滿。\u003C\u002Fli>\u003C\u002Ful>\u003Ch2>我不信 benchmark 數字，但我會看它指向哪裡\u003C\u002Fh2>\u003Cblockquote>Moonshot’s K2.6 table reports stronger results than K2.5 on rows like SWE-Bench Pro, SWE-Bench Verified, Terminal-Bench 2.0, LiveCodeBench v6, BrowseComp, and DeepSearchQA.\u003C\u002Fblockquote>\u003Cp>翻譯一下就是：K2.6 在開發者會真的痛的地方，像 coding、tool use、search、長流程 agent 任務，整體都比 K2.5 更強。這個訊號我會收，但我不會跪著看。因為供應商的 benchmark 表永遠有條件，溫度、輸出長度、評測腳本、資料切法，全部都可能影響結果。\u003C\u002Fp>\u003Cp>不過方向很清楚。K2.6 比較像是往「能扛真實工作」那邊走；K2.5 則是夠好、夠便宜、而且多模態已經\u003Ca href=\"\u002Fnews\u002Finstitutional-defi-middle-layer-compliance-zh\">能上線\u003C\u002Fa>；K2 就是舊時代的參照物。這跟我實際選模型的方式很一致，我不是在問誰拿滿分，而是在問誰可以撐過兩小時的 coding session，不要中途開始裝懂。\u003C\u002Fp>\u003Cp>實操寫法：自己做一份小型 eval set，不用大張旗鼓。放一個 repo 修 bug、放一個 screenshot-to-code、放一個 tool-calling、放一個 long-context refactor。K2.5 和 K2.6 直接對跑，最後選「最便宜但有過門檻」的那個。\u003C\u002Fp>\u003Ch2>我會怎麼寫進團隊規則裡\u003C\u002Fh2>\u003Cblockquote>Use kimi-k2.6 for the latest model and kimi-k2.5 for the lower-cost current alternative. Do not start new hosted API projects on deprecated K2 IDs.\u003C\u002Fblockquote>\u003Cp>翻譯一下就是：這一家現在其實有一條很乾淨的選擇路徑，不需要搞得像哲學辯論。大部分團隊只要回答三個問題就夠了：要不要看圖、要不要長流程 agent、要不要把成本壓低。答案一出來，模型也就差不多定了。\u003C\u002Fp>\u003Cp>我的規則很土，但很好用。新而且重要的工作，先上 K2.6。多模態但預算敏感，先試 K2.5。真的卡舊 prompt、舊部署、舊 hosted 行為，K2 只當過渡，不當主角。這不是追求最漂亮的理論，而是\u003Ca href=\"\u002Fnews\u002Feu-defi-review-vagueness-into-policy-zh\">把模\u003C\u002Fa>型選擇變成一個可以被團隊重複執行的規則。\u003C\u002Fp>\u003Cp>實操寫法：把這個決策寫進 README、service config，或你們內部的 model policy。不要把選型留在聊天紀錄裡，因為下個月一定又有人重問一次，然後大家一起浪費時間。\u003C\u002Fp>\u003Ch2>可抄的模板\u003C\u002Fh2>\u003Cpre>\u003Ccode># Kimi 模型選擇模板（可直接貼進專案 README \u002F 內部規格）\n\n## 預設選擇\n- 新專案預設用 `kimi-k2.6`\n- 只有在成本、供應商支援或相容性明顯更重要時，才退到 `kimi-k2.5`\n- `kimi-k2` 只保留給 migration、regression testing、或舊系統相容\n\n## 選型規則\n1. 如果任務包含圖片、截圖、影片幀、UI 視覺除錯：\n   - 先用 `kimi-k2.6`\n   - 預算緊再降到 `kimi-k2.5`\n\n2. 如果任務是長流程 coding、多檔案 refactor、或 tool-heavy agent work：\n   - 先用 `kimi-k2.6`\n\n3. 如果任務主要是文字 \u002F code，而且你要壓成本：\n   - 先試 `kimi-k2.5`\n\n4. 如果任務依賴舊 prompt 或舊 hosted 行為：\n   - 只把 `kimi-k2` 當相容目標\n   - 同時排 migration 到 `kimi-k2.5` 或 `kimi-k2.6`\n\n## Prompt 模式\n- 快速回答模式：\n  - 要求直接答案，少推理\n- 深度工作模式：\n  - 要求分析、規劃、工具使用\n  - 只保留當前任務需要的 context\n\n## Agent workflow checklist\n- 先用一句話定義任務\n- 只有需要時才附 repo context、截圖或影片\n- 小任務限制 tool calls\n- 只有平行化真的省時間時，才放大 orchestration\n- 追蹤 failure rate、retry count、time-to-completion\n\n## 內部 eval set\n每個模型都測這些：\n- repo bug fix\n- screenshot-to-code\n- long-context refactor\n- tool-calling workflow\n- search \u002F retrieval task\n\n## 上線規則\n- 讀視覺輸入 -> `kimi-k2.6`\n- 要省錢但還要多模態 -> `kimi-k2.5`\n- 要保留舊行為 -> `kimi-k2`\n\n## API 備註\n- 上線前先確認官方文件，因為 model ID、價格、deprecated endpoint 都可能變\n\n## 來源\n- Kimi 比較文：https:\u002F\u002Fkimi-ai.chat\u002Fblog\u002Fkimi-k2-vs-k2-5-vs-k2-6\u002F\n- 官方 model list：https:\u002F\u002Fplatform.moonshot.ai\u002Fdocs\u002Fguide\u002Fmodel-list\n- K2.6 quickstart：https:\u002F\u002Fplatform.moonshot.ai\u002Fdocs\u002Fguide\u002Fstart-with-kimi-k2-6\n- Kimi K2 model card：https:\u002F\u002Fhuggingface.co\u002Fmoonshotai\u002FKimi-K2-Instruct\n- Kimi K2.5 model card：https:\u002F\u002Fhuggingface.co\u002Fmoonshotai\u002FKimi-K2.5\u003C\u002Fcode>\u003C\u002Fpre>\u003Cp>這份模板不是原創研究，是我把 Moonshot 的比較文、官方 docs、model card，整理成一份可以直接貼進團隊文件的版本。原始資訊主要來自 \u003Ca href=\"https:\u002F\u002Fkimi-ai.chat\u002Fblog\u002Fkimi-k2-vs-k2-5-vs-k2-6\u002F\">Kimi AI 的比較文章\u003C\u002Fa>、\u003Ca href=\"https:\u002F\u002Fplatform.moonshot.ai\u002Fdocs\u002Fguide\u002Fmodel-list\">官方 model list\u003C\u002Fa>、\u003Ca href=\"https:\u002F\u002Fplatform.moonshot.ai\u002Fdocs\u002Fguide\u002Fstart-with-kimi-k2-6\">K2.6 quickstart\u003C\u002Fa>，以及 \u003Ca href=\"https:\u002F\u002Fhuggingface.co\u002Fmoonshotai\u002FKimi-K2-Instruct\">Kimi K2\u003C\u002Fa>、\u003Ca href=\"https:\u002F\u002Fhuggingface.co\u002Fmoonshotai\u002FKimi-K2.5\">Kimi K2.5\u003C\u002Fa> 的 model card；上面那份模板和選型規則是我自己的整理。\u003C\u002Fp>","我拆 Kimi K2、K2.5、K2.6 的差別，順手給你一份可直接貼進專案的模型選擇模板。","kimi-ai.chat","https:\u002F\u002Fkimi-ai.chat\u002Fblog\u002Fkimi-k2-vs-k2-5-vs-k2-6\u002F",null,"https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1781186619419-n7n3.png","tools","zh","27008ea7-4536-4cbe-8d47-436e9369eca0",[17,18,19,20,21],"Kimi K2.6","Kimi K2.5","agent workflow","multimodal","model selection",[23,24,25],"新專案先用 K2.6，別把 K2 當預設。","K2.5 是便宜的多模態底線，適合視覺任務。","把模型選擇寫成團隊模板，避免每次重想一次。",2,"2026-06-11T14:02:59.676402+00:00","2026-06-11T14:02:59.664+00:00","0c64eda0-d76f-4e13-bd85-d085ff6d151e",{"tags":31,"relatedLang":42,"relatedPosts":46},[32,34,37,38,40],{"name":17,"slug":33},"kimi-k26",{"name":35,"slug":36},"Kimi-K2.5","kimi-k25",{"name":20,"slug":20},{"name":19,"slug":39},"agent-workflow",{"name":21,"slug":41},"model-selection",{"id":15,"slug":43,"title":44,"language":45},"k2-6-turns-kimi-into-a-better-default-en","K2.6 turns Kimi into a better default","en",[47,53,59,65,71,77],{"id":48,"slug":49,"title":50,"cover_image":51,"image_url":51,"created_at":52,"category":13},"9947d432-419a-4fb2-b63e-2df73e5503f0","vibe-coding-lets-you-ship-a-tiny-app-fast-zh","Vibe coding 讓你先把小工具做出來","https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1781254115147-lr0c.png","2026-06-12T08:47:56.34535+00:00",{"id":54,"slug":55,"title":56,"cover_image":57,"image_url":57,"created_at":58,"category":13},"f7cfd9fc-4795-40e6-9ccf-8d1d320d8560","what-vibe-coding-means-for-developers-zh","Vibe Coding 對開發者的真正意義","https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1781253188911-llz7.png","2026-06-12T08:32:32.032314+00:00",{"id":60,"slug":61,"title":62,"cover_image":63,"image_url":63,"created_at":64,"category":13},"6371d809-9372-4a40-bf34-09ca516bf1c5","product-hunt-vibe-coding-tools-2026-zh","Product Hunt 的 vibe-coding 堆疊怎麼配","https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1781252320426-k29l.png","2026-06-12T08:18:03.871398+00:00",{"id":66,"slug":67,"title":68,"cover_image":69,"image_url":69,"created_at":70,"category":13},"048fe239-c575-457f-87b3-7a11dcc92b45","copilot-keeps-old-amd-linux-gpus-alive-zh","Copilot 讓舊 AMD GPU 活下來","https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1781242402748-dls4.png","2026-06-12T05:32:53.912906+00:00",{"id":72,"slug":73,"title":74,"cover_image":75,"image_url":75,"created_at":76,"category":13},"851e075c-b22f-4425-a5c8-28132574da25","fine-tune-slm-emotion-recognition-zh","情緒辨識 SLM 微調實作指南","https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1781231575451-p3g5.png","2026-06-12T02:32:23.646134+00:00",{"id":78,"slug":79,"title":80,"cover_image":81,"image_url":81,"created_at":82,"category":13},"5c8150a0-bd9a-4b69-bba3-09548f5dcc84","midjourney-pricing-guide-2026-plans-costs-zh","Midjourney 2026 訂閱費用與方案判讀","https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1781230674954-vf1u.png","2026-06-12T02:17:24.385566+00:00",[84,89,94,99,104,109,114,119,124,129],{"id":85,"slug":86,"title":87,"created_at":88},"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":90,"slug":91,"title":92,"created_at":93},"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":95,"slug":96,"title":97,"created_at":98},"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":100,"slug":101,"title":102,"created_at":103},"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":105,"slug":106,"title":107,"created_at":108},"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":110,"slug":111,"title":112,"created_at":113},"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":115,"slug":116,"title":117,"created_at":118},"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":120,"slug":121,"title":122,"created_at":123},"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":125,"slug":126,"title":127,"created_at":128},"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":130,"slug":131,"title":132,"created_at":133},"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"]