[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"article-open-generative-ai-github-studio-breakdown-zh":3,"article-related-open-generative-ai-github-studio-breakdown-zh":29,"series-tools-9cbd8e8a-df48-4e25-a950-2a8552a11c1e":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},"9cbd8e8a-df48-4e25-a950-2a8552a11c1e","open-generative-ai-github-studio-breakdown-zh","Open-Generative-AI 讓 GitHub 變工作室","\u003Cp>我怎麼從 \u003Ca href=\"\u002Ftag\u002Fgithub\">GitHub\u003C\u002Fa> 自架一個 AI 圖像和影片工作室？\u003C\u002Fp>\u003Cp data-speakable=\"summary\">Open-Generative-AI 是一個可自架、可改名、可直接拿來跑的 AI 工作室。\u003C\u002Fp>\u003Cp>我盯這類 AI studio repo 很久了，老實說，大多數都讓我很煩。截圖看起來很猛，真的要拿來做事就開始露餡：不是把你鎖在某個雲端服務裡，就是把流程藏得像魔術，還一直暗示你「要省事就去用我們的 hosted 版」。Open-Generative-AI 一開始也有那種「這東西到底能不能活」的味道，但它至少不是裝小清新。它想做的是一個完整的圖像和影片工作室，還把桌面版、hosted 版、\u003Ca href=\"\u002Fnews\u002Ftest-time-harnesses-weak-model-transfer-zh\">模型\u003C\u002Fa>整合一起塞進同一個 repo。這種東西要嘛很野心，要嘛很會製造維護地獄。\u003C\u002Fp>\u003Cp>我會被它拉進來，主要是這個定位：\u003Ca href=\"https:\u002F\u002Fgithub.com\u002Fanil-matcha\u002FOpen-Generative-AI\">Anil-matcha\u002FOpen-Generative-AI\u003C\u002Fa> 想做一個不受限的開源 AI 影片平台替代品。repo 頁面我看到的是 \u003Ca href=\"https:\u002F\u002Fgithub.com\u002Fanil-matcha\u002FOpen-Generative-AI\">26.2k stars、4.6k forks\u003C\u002Fa>。我不把星星當真理，但這種數字通常代表兩件事：有人真的在碰它，或者至少很多人想把它改造成自己的東西。兩種都值得看。\u003C\u002Fp>\u003Ch2>它不是一個 app，它是一整包工作流\u003C\u002Fh2>\u003Cblockquote>Generate AI images and videos using 400+ state-of-the-art models across 14 studios — no content filters, no closed ecosystem, no subscription fees.\u003C\u002Fblockquote>\u003Cp>翻譯一下就是：它不是只想解一個單點問題，它想把一堆原本散在不同產品裡的生成流程，全部收進同一個入口。這件事很重要，因為多數團隊根本不是缺「一個模型」，而是缺一個能把 prompt、模型、輸出、重試、匯出放在一起的地方。\u003C\u002Fp>\n\u003Cfigure class=\"my-6\">\u003Cimg src=\"https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1786622603725-o8ad.png\" alt=\"Open-Generative-AI 讓 GitHub 變工作室\" class=\"rounded-xl w-full\" loading=\"lazy\" \u002F>\u003C\u002Ffigure>\n\u003Cp>我之前做過一個小型媒體管線，最麻煩的從來不是模型本身。麻煩的是\u003Ca href=\"\u002Fnews\u002Fagent-plugins-1-0-0-ship-tool-packs-zh\">工具\u003C\u002Fa>之間一直跳來跳去，prompt 沒統一，輸出也不知道是哪個模型產的，最後一堆檔案散在不同資料夾，像在找失蹤人口。工作室型介面解決的是這種混亂，不是只幫你按下生成鍵。\u003C\u002Fp>\u003Cp>實操上我會這樣用：先別問哪個模型最強，先把「從 prompt 到成品」這條路畫出來。只要這個 repo 能讓你在同一個地方送出輸入、看結果、匯出資產，它就已經在省時間了，還沒開始挑模型就先賺到。\u003C\u002Fp>\u003Cul>\u003Cli>把 studio 當工作流層，不要只當模型啟動器。\u003C\u002Fli>\u003Cli>先統一 prompt 格式，再談輸出品質。\u003C\u002Fli>\u003Cli>把模型分成發想、正式產出、測試三類。\u003C\u002Fli>\u003C\u002Ful>\u003Ch2>「不加內容過濾」很好用，也很容易把團隊搞爛\u003C\u002Fh2>\u003Cp>README 直接寫沒有 content filters。這句話很吸睛，我懂。你如果曾經被某個 hosted 平台擋掉一個在你情境裡完全正常的 prompt，就會知道這種自由有多誘人。自己架，規則就自己訂，不用看供應商臉色。\u003C\u002Fp>\u003Cp>但沒有過濾不代表可以亂來，只是責任從平台轉到你身上。只要你打算把它放進公司流程，就得補上自己的政策、權限和紀錄。不然你只是把「有審核」換成「沒審核」。\u003C\u002Fp>\u003Cp>實操寫法很簡單：先決定這套東西是給內部創作、客戶交付，還是公開內容生成。這三種風險完全不同。我也會把 prompt 自由和操作自由分開，讓使用者可以玩，但管理員要能控模型權限、輸出保存、發佈權限。\u003C\u002Fp>\u003Cp>我很建議你另外拉一層很薄的政策文件，不用寫得像法務教科書。哪幾種用途能用、哪幾種不能用、哪些輸出要人工看過，先寫死。這種東西平常看起來很煩，出事時它就是救命繩。\u003C\u002Fp>\u003Cul>\u003Cli>先定義誰能生成、誰能審核、誰能發佈。\u003C\u002Fli>\u003Cli>如果碰到客戶工作，prompt 和輸出最好留紀錄。\u003C\u002Fli>\u003Cli>模型權限別靠大家自律，靠角色控管。\u003C\u002Fli>\u003C\u002Ful>\u003Ch2>自架才是重點，hosted 只是方便入口\u003C\u002Fh2>\u003Cp>這個 repo 是 MIT 授權，而且能自架。這才是我最在意的地方。因為對開發者來說，可不可以看、可不可以改、可不可以跑在自己的基礎設施上，差很多。前者叫工具，後者才叫能接進你的系統。\u003C\u002Fp>\n\u003Cfigure class=\"my-6\">\u003Cimg src=\"https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1786622602606-5ksw.png\" alt=\"Open-Generative-AI 讓 GitHub 變工作室\" class=\"rounded-xl w-full\" loading=\"lazy\" \u002F>\u003C\u002Ffigure>\n\u003Cp>README 也有指向 hosted 版 \u003Ca href=\"https:\u002F\u002Fmuapi.ai\u002Fopen-generative-ai?utm_source=github&utm_medium=readme&utm_campaign=open-generative-ai\">muapi.ai\u002Fopen-generative-ai\u003C\u002Fa>，還有 macOS、Windows、Linux 的桌面安裝包。這代表它其實是兩邊都想吃：想快速試的人可以直接用，想控制環境的人可以自己架。我不討厭這種做法，因為大多數開源專案都太愛假設使用者願意一開始就自己編譯。\u003C\u002Fp>\u003Cp>我自己做過不少內部工具，最常被低估的\u003Ca href=\"\u002Fnews\u002Fanthropic-riot-deal-ai-compute-billions-zh\">成本\u003C\u002Fa>就是部署。你會以為自架很便宜，直到團隊開始問認證、更新、模型路由、\u003Ca href=\"\u002Ftag\u002Fapi\">API\u003C\u002Fa> 變更誰來扛。那時候才知道，真正的工作是把這些細節接起來。\u003C\u002Fp>\u003Cp>實操寫法：先回答四個問題，再決定要不要上。更新怎麼進來？狀態存哪？模型怎麼配置？某個 provider API 改版時誰負責修？這四題答不清楚，這 repo 對你來說還只是原型，不是平台。\u003C\u002Fp>\u003Ch2>模型數量很多，但沒篩選就會變成決策垃圾場\u003C\u002Fh2>\u003Cp>README 一下寫 500+ models，一下又寫 400+ models。數字不完全一致，我也不會假裝這很乾淨，因為快節奏 repo 本來就常這樣。重點還是很清楚：整合很多，像 Flux、Midjourney、Kling、\u003Ca href=\"\u002Ftag\u002Fsora\">Sora\u003C\u002Fa>、Veo 這些名字都在它的敘事裡。\u003C\u002Fp>\u003Cp>我看到這種大模型清單，反應通常都一樣：好，現在給我短名單。選項多不等於好用，很多時候只會增加決策疲勞。你如果讓團隊在 40 個差不多的影片模型裡面挑，最後得到的不是彈性，是混亂。\u003C\u002Fp>\u003Cp>這個 repo 真正好用的地方，其實是模型路由和實驗場。你可以比較輸出、測 prompt 行為、找出可重複的預設值。那才是它的價值。其他那些模型名單，沒有評估流程就只是噪音。\u003C\u002Fp>\u003Cp>實操上我會做一個超小的內部矩陣，欄位放成本、延遲、真實感、動作品質、prompt 遵從度、失敗模式。然後每種工作只留一個預設模型。我寧願有三個穩定選項，也不要五十個沒人信的選項。\u003C\u002Fp>\u003Cul>\u003Cli>發想、正式產出、特殊案例，各放一個模型。\u003C\u002Fli>\u003Cli>用同一組 benchmark prompt 比較模型。\u003C\u002Fli>\u003Cli>把哪些能做客戶案、哪些只是測試，寫清楚。\u003C\u002Fli>\u003C\u002Ful>\u003Ch2>桌面版很重要，因為大多數人真的討厭安裝\u003C\u002Fh2>\u003Cp>它有 Electron 打包和一鍵安裝包。這聽起來很普通，但你只要看過多少開源工具死在安裝門檻上，就知道這件事其實很值錢。很多工具不是不好，是大家不想先裝 Node、修依賴、跑本地 build 才能試。\u003C\u002Fp>\u003Cp>我看過太多團隊卡在這一步。你如果要別人花 45 分鐘把 repo 跑起來，他們最後通常還是會回去用 hosted 產品，哪怕那個產品比較爛。包裝本身就是產品設計，開發者很愛忘記這件事。\u003C\u002Fp>\u003Cp>實操寫法：內部導入時，桌面版拿來試流程，自架版拿來上正式環境。這樣大家先有低摩擦的試用路徑，你又保留真正部署的控制權。比起一開始就逼所有人 \u003Ca href=\"\u002Ftag\u002Fdocker\">Docker\u003C\u002Fa> 起手，這條路乾淨很多。\u003C\u002Fp>\u003Cp>做 demo 也很實用。你要給客戶或非技術同事看，桌面安裝包一定比「clone 下來自己跑 \u003Ca href=\"\u002Ftag\u002Fnpm\">npm\u003C\u002Fa> install」有效。少一個藉口，你就少一輪等待。\u003C\u002Fp>\u003Ch2>MuAPI hosted 版是商業出口，也是你該拆開看的部分\u003C\u002Fh2>\u003Cp>README 一直把 MuAPI 當作 hosted 層和 white-label 路徑。這不是意外。它其實在做兩件事：一邊把開源工作室放出來，一邊提供代管版本給不想碰基礎設施的人。我不反感，因為這很誠實，也很像一個專案要活下去的正常方式。\u003C\u002Fp>\u003Cp>README 裡還有 white-label 的說法，包含品牌、價格、免維運，起價是每月 49 美元。我不是在幫它賣，但這至少讓 repo 的形狀變得合理。很多周邊文件、prompt 和相關專案，都是在讓整個生態更黏。這很正常，開源搭商業模式通常就是 code、文件、分發一起來。\u003C\u002Fp>\u003Cp>實操寫法：如果你要拿它做自己的產品，先把開源核心和代管便利層拆開看。你到底需要 repo 裡的哪一部分？哪些只是 hosted 服務附帶的方便？這樣你估工時才不會失真。\u003C\u002Fp>\u003Cp>如果你想做產品，white-label 是最快的路；如果你要控制權，就 fork 下去自己扛。兩條路別混在一起，不然你會把預算和期待都算錯。\u003C\u002Fp>\u003Ch2>我會怎麼把它接進自己的團隊\u003C\u002Fh2>\u003Cp>我不會一上來就把它當成「最終解」。我會先把它當成工作流骨架：能不能統一入口、能不能比較模型、能不能把輸出收乾淨。這三件事過了，才值得談要不要長期用。\u003C\u002Fp>\u003Cp>我也會先看團隊規模。如果只有一兩個人，桌面版配 hosted 版就夠了；如果是多人的內容團隊，就要直接把權限、審核、輸出保存和模型白名單拉起來。工具一旦進了多人協作，最先壞掉的通常不是生成品質，是協作秩序。\u003C\u002Fp>\u003Cp>實操上我會先跑兩週試用：第一週只看安裝和基本流程，第二週固定同一組 prompt 比較 3 到 5 個模型。等你有了自己的短名單，再考慮要不要正式導入。這樣比直接全量上線安全很多。\u003C\u002Fp>\u003Cul>\u003Cli>先驗證流程，再驗證模型。\u003C\u002Fli>\u003Cli>先做短名單，再做全面導入。\u003C\u002Fli>\u003Cli>先管權限，再管創作自由。\u003C\u002Fli>\u003C\u002Ful>\u003Ch2>可抄的模板\u003C\u002Fh2>\u003Cpre>\u003Ccode># Open-Generative-AI 導入模板\n\n## 目標\n我想用一個可自架的 AI 圖像／影片工作室，集中管理 prompt、模型、輸出和審核流程。\n\n## 我會拿它來做什麼\n- 比較多個圖像與影片模型\n- 把生成流程集中在同一個介面\n- 需要時做品牌化或 white-label\n- 把模型權限和輸出控制留在自己手上\n\n## 我先決定這些事\n- 哪些人可以用\n- 哪些模型可以給哪個角色\n- 輸出要不要先審核才能匯出或發佈\n- prompt、輸出、紀錄要存哪裡\n- 我要用 hosted 版，還是自己架 repo\n\n## 導入檢查清單\n1. 先看 GitHub repo，確認目前安裝方式。\n2. 決定要用桌面版、Docker，還是本地 build。\n3. 如果有多人使用，先在 app 外面補認證和權限控管。\n4. 建一組固定 benchmark prompt，專門拿來比模型。\n5. 每個工作類型只留一個預設模型：\n   - 概念圖\n   - 正式出圖\n   - 短片測試\n   - 實驗用途\n6. 把每個模型的成本、延遲、品質記錄下來。\n7. 定義輸出審核流程，避免內容直接外流。\n\n## 內部政策區塊\n- 允許用途：\n  - 發想\n  - 行銷草稿\n  - 內部創意測試\n- 限制用途：\n  - 違反公司政策的內容\n  - 未審核的客戶交付\n  - 未經批准就公開發佈\n- 紀錄規則：\n  - 依需求保存 prompt\n  - 保存輸出 metadata\n  - 管理員操作要留 audit trail\n\n## 模型選擇矩陣\n| 模型 | 工作類型 | 我為什麼選它 | 成本 | 延遲 | 備註 |\n|------|----------|---------------|------|------|------|\n| Model A | 概念發想 | 出圖快 | 低 | 快 | 適合 rough draft |\n| Model B | 正式產出 | 穩定性高 | 中 | 中 | 用在最終資產 |\n| Model C | 影片測試 | 動作品質好 | 高 | 慢 | 只在必要時用 |\n\n## rollout 計畫\n- 第 1 週：安裝並確認工作室能正常啟動\n- 第 2 週：用同一組 prompt 測 3 到 5 個模型\n- 第 3 週：定義團隊權限和審核規則\n- 第 4 週：把選定的設定搬到正式環境\n\n## 可直接複製的 prompt 結構\n每次都用同一種 prompt 格式：\n- 主體\n- 風格\n- 鏡頭或構圖\n- 動作或節奏\n- 限制條件\n- 最終輸出目標\n\n## 成功標準\n- 我能不用特殊手續就啟動工作室\n- 我能從同一個地方比較模型\n- 我能說清楚每個模型負責哪種工作\n- 我能把輸出和權限留在自己手上\n- 我能把這套流程交給另一個工程師，不用長篇口頭說明\n\u003C\u002Fcode>\u003C\u002Fpre>\u003Cp>原始來源是 GitHub repo：\u003Ca href=\"https:\u002F\u002Fgithub.com\u002Fanil-matcha\u002FOpen-Generative-AI\">https:\u002F\u002Fgithub.com\u002Fanil-matcha\u002FOpen-Generative-AI\u003C\u002Fa>，以及其 hosted 頁面 \u003Ca href=\"https:\u002F\u002Fmuapi.ai\u002Fopen-generative-ai?utm_source=github&utm_medium=readme&utm_campaign=open-generative-ai\">muapi.ai\u002Fopen-generative-ai\u003C\u002Fa>。我這篇的拆解是根據 README、repo metadata 和我自己的工作流判讀寫的，模板和導入建議則是我整理出來的可抄版本。","我拆解 Open-Generative-AI 的工作流、部署與模型選擇，順手給你一份可直接拿去自架的 AI 圖像／影片工作室模板。","github.com","https:\u002F\u002Fgithub.com\u002Fanil-matcha\u002Fopen-generative-ai",null,"https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1786622603725-o8ad.png","tools","zh","0861bbdf-be3f-4201-85e0-b7aed5d0e01f",[17,18,19,20,21],"open-source","self-hosted","AI studio","image generation","video generation",[23,24,25],"Open-Generative-AI 的價值在工作流整合，不只是在模型清單。","自架能拿回控制權，但你得自己補權限、審核與紀錄。","先做模型短名單和 benchmark，再談全面導入。",0,"2026-08-13T12:02:47.120311+00:00","2026-08-13T12:02:47.105+00:00",{"tags":30,"relatedLang":33,"relatedPosts":37},[31],{"name":21,"slug":32},"video-generation",{"id":15,"slug":34,"title":35,"language":36},"open-generative-ai-github-studio-breakdown-en","Open-Generative-AI turns GitHub into a studio","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},"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","https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1786437237945-awlu.png","2026-08-11T08:33:17.309085+00:00",{"id":57,"slug":58,"title":59,"cover_image":60,"image_url":60,"created_at":61,"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":63,"slug":64,"title":65,"cover_image":66,"image_url":66,"created_at":67,"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":69,"slug":70,"title":71,"cover_image":72,"image_url":72,"created_at":73,"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",[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"]