[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"article-openhuman-private-personal-ai-local-setup-zh":3,"article-related-openhuman-private-personal-ai-local-setup-zh":30,"series-tools-38356be5-0705-44e3-a2bb-36437b5e1276":75},{"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},"38356be5-0705-44e3-a2bb-36437b5e1276","openhuman-private-personal-ai-local-setup-zh","OpenHuman 讓私有 AI 變本機版","\u003Cp data-speakable=\"summary\">OpenHuman 把私有個人 AI 的說法，拆成可以直接照抄的\u003Ca href=\"\u002Fnews\u002Fopenhuman-private-personal-ai-local-stack-zh\">本機\u003C\u002Fa>部署框架。\u003C\u002Fp>\u003Cp>我最近一直在看各種「個人 AI」提案，老實說，十個有九個都像同一份雲端簡報換封面。它們嘴上說私有，資料卻還是往別人的伺服器跑；嘴上說簡單，實際安裝流程像在陪你過一個會後悔的週末；嘴上說很強，最後只是 demo 很會演，真要上手就開始卡。\u003C\u002Fp>\u003Cp>所以我看到 \u003Ca href=\"https:\u002F\u002Faitoolly.com\u002Fai-news\u002Farticle\u002F2026-05-17-openhuman-project-debuts-on-github-a-new-vision-for-private-and-simple-personal-ai-superintelligence\">AIToolly 那篇 OpenHuman 文章\u003C\u002Fa>時，第一個反應不是「哇好猛」，而是「這組字很會抓痛點」。它把 \u003Ca href=\"https:\u002F\u002Fgithub.com\u002Ftinyhumansai\">tinyhumansai\u003C\u002Fa> 的專案包成三個詞：private、simple、extreme power，還掛上 \u003Ca href=\"https:\u002F\u002Fgithub.com\u002Ftrending\">GitHub Trending\u003C\u002Fa> 的語境。這不代表它已經證明\u003Ca href=\"\u002Fnews\u002Fwhy-google-will-win-the-ai-war-zh\">什麼\u003C\u002Fa>，但很適合拿來拆：如果一個本機 AI 想讓開發者願意信，它就得先把這三件事講清楚。\u003C\u002Fp>\u003Ch2>別再把雲端 AI 包裝成個人 AI\u003C\u002Fh2>\u003Cblockquote>“OpenHuman is defined as a ‘personal AI superintelligence’ ... built on three foundational pillars: privacy, simplicity, and extreme power.”\u003C\u002Fblockquote>\u003Cp>翻譯一下就是：它想把「個人」這個詞，從一堆 SaaS 廢話裡搶回來。我看過太多工具自稱 personal，結果還是要登入帳號、走遠端推理、吃不透明的保留政策，然後每季再漲一次價，逼你陪它演完訂閱制人生。\u003C\u002Fp>\n\u003Cfigure class=\"my-6\">\u003Cimg src=\"https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1779625593073-b8to.png\" alt=\"OpenHuman 讓私有 AI 變本機版\" class=\"rounded-xl w-full\" loading=\"lazy\" \u002F>\u003C\u002Ffigure>\n\u003Cp>OpenHuman 這個框架有用的地方，在於它逼你先回答一個很現實的問題：模型、資料、執行環境到底誰在管？如果答案還是某家廠商，那它就不是 personal。它只是租來的智慧，外面貼了比較好看的標籤。\u003C\u002Fp>\u003Cp>我之前幫一個小團隊做內部助理時就踩過這個坑。團隊要的是速度，但也不想把客戶筆記、草稿、程式片段丟到外面。雲端 demo 很順，私有性故事卻很虛。那種落差就是我會在意 OpenHuman 這種說法的原因。它不是在比誰更會吹，而是在逼你把 ownership 講完整。\u003C\u002Fp>\u003Cp>實操寫法很簡單：你在產品文案裡不要先講「聰明」，先講控制權。\u003C\u002Fp>\u003Cul>\u003Cli>資料放哪裡？\u003C\u002Fli>\u003Cli>哪些東西在本機跑？\u003C\u002Fli>\u003Cli>哪些東西真的會離開裝置？\u003C\u002Fli>\u003Cli>使用者能不能看懂、替換、關掉？\u003C\u002Fli>\u003C\u002Ful>\u003Cp>如果這四題答不乾淨，就不要叫 personal。叫 hosted，比較誠實。\u003C\u002Fp>\u003Ch2>私有不是功能開關，是預設架構\u003C\u002Fh2>\u003Cp>AIToolly 那篇一直強調 privacy，我覺得這次不是空話，因為它其實就是整個論點的地基。OpenHuman 被包裝成 private system，這代表它至少在概念上要往本機執行、使用者自管儲存，或是把資料外流壓到最低。這方向對。私有性不是 demo 成功後再補的一個選項。\u003C\u002Fp>\u003Cp>我被「private mode」這種話術騙過太多次了。公司說聊天有加密，結果 app 還是把 prompt 上傳去做 safety review、analytics、model improvement，反正每個月都能換一個比較好聽的名詞。表面上介面很乾淨，底層信任模型卻亂成一團。\u003C\u002Fp>\u003Cp>所以我喜歡 OpenHuman 把 privacy 綁在產品身份上，而不是當合規註記。這會逼架構設計的人不能裝死。只要你說自己是 private，那預設就得私有，不然就是自打臉。\u003C\u002Fp>\u003Cp>你可以直接照這樣做：\u003C\u002Fp>\u003Cul>\u003Cli>敏感資料預設存在本機或自管儲存。\u003C\u002Fli>\u003Cli>任何遠端呼叫都要明講，不要藏。\u003C\u002Fli>\u003Cli>紀錄哪些內容會被 log、留多久，寫清楚。\u003C\u002Fli>\u003Cli>把 telemetry 和使用者內容分開。\u003C\u002Fli>\u003C\u002Ful>\u003Cp>如果你在做本機模型，我會建議先看 \u003Ca href=\"https:\u002F\u002Follama.com\u002F\">Ollama\u003C\u002Fa>、\u003Ca href=\"https:\u002F\u002Fgithub.com\u002Fggml-org\u002Fllama.cpp\">llama.cpp\u003C\u002Fa>，再看 \u003Ca href=\"https:\u002F\u002Fwww.openwebui.com\u002F\">Open WebUI\u003C\u002Fa> \u003Ca href=\"\u002Fnews\u002Fplan-date-night-at-la-county-fair-zh\">怎麼\u003C\u002Fa>把 local-first 介面做得像樣。重點不是抄某個 stack，而是把 privacy 做成結構，不是口號。\u003C\u002Fp>\u003Ch2>簡單不是裝飾，是能不能活下來\u003C\u002Fh2>\u003Cp>OpenHuman 另一個我覺得值得拆的點，是它很敢講 simplicity。這件事其實超容易被低估。很多 AI 專案死掉，不是因為模型不夠新，而是卡在「有趣的 repo」和「我真的會跑起來」中間。README 很熱血，安裝步驟卻像在處理一場依賴地獄，最後你不是在用工具，是在修環境。\u003C\u002Fp>\n\u003Cfigure class=\"my-6\">\u003Cimg src=\"https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1779625589288-8ojd.png\" alt=\"OpenHuman 讓私有 AI 變本機版\" class=\"rounded-xl w-full\" loading=\"lazy\" \u002F>\u003C\u002Ffigure>\n\u003Cp>所謂 simple，不是 UI 看起來乾淨而已，是 adoption friction 真的低。你如果要使用者先搞定五個服務、兩把 \u003Ca href=\"\u002Ftag\u002Fapi\">API\u003C\u002Fa> key、三種 runtime，再來跟你談體驗，那不叫簡單，那叫技術炫技。\u003C\u002Fp>\u003Cp>我在內部工具上也看過一模一樣的事情。demo 的時候大家都說很棒，兩週後沒人碰，因為 setup 太煩。簡單不是美學，是續命。\u003C\u002Fp>\u003Cp>實操上，我會把第一次啟動設計成像在幫一個很累的開發者裝工具，時間是週五晚上九點。\u003C\u002Fp>\u003Cul>\u003Cli>只有一條安裝路徑。\u003C\u002Fli>\u003Cli>只有一個明確預設模型。\u003C\u002Fli>\u003Cli>只有一個最先要做的任務。\u003C\u002Fli>\u003Cli>只有一個重置方式。\u003C\u002Fli>\u003C\u002Ful>\u003Cp>如果你需要 wizard，就把它縮短；如果你需要文件，就讓人能直接複製貼上；如果你需要設定，就把預設值調到不會害人。真正能留下來的本機 AI，通常都很尊重使用者的時間。\u003C\u002Fp>\u003Ch2>強大不是喊出來，是在本機還跑得動\u003C\u002Fh2>\u003Cp>OpenHuman 的第三個詞是 extreme power，這裡我會先皺眉。因為「強大」這種詞最便宜。每個 AI 專案都說自己能推理、摘要、規劃，順便再幫你處理一些很像魔法的東西。真正難的是：你要怎麼在不把機器搞成實驗室專案的前提下，還保住可用性。\u003C\u002Fp>\u003Cp>也就是說，它不是在比誰的宣傳詞更大聲，而是在比誰能把能力塞進限制裡。若要同時維持私有和簡單，那 power 就得服從硬體、記憶體、延遲、工作流。這通常意味著模型選擇要精準、推理要有效率、記憶體管理要克制，UI 也不能亂長。\u003C\u002Fp>\u003Cp>我之前把一個雲端助理換成本機方案時也遇過這種落差。寫草稿沒問題，但一碰到\u003Ca href=\"\u002Ftag\u002F長上下文\">長上下文\u003C\u002Fa>、檔案引用、多步編輯，裂縫就出來了。那不是「本機 AI 不行」，而是你不能拿雲端的期待去壓一台本地機器。\u003C\u002Fp>\u003Cp>實操寫法我會這樣排：\u003C\u002Fp>\u003Cul>\u003Cli>先選最小、但還能完成任務的模型。\u003C\u002Fli>\u003Cli>能快取就快取，不要硬塞上下文。\u003C\u002Fli>\u003Cli>先做檢索，再做暴力拼字串。\u003C\u002Fli>\u003Cli>在真實硬體上量 latency，不要只看 dev machine。\u003C\u002Fli>\u003C\u002Ful>\u003Cp>如果你想看兩端差異，可以對照 \u003Ca href=\"https:\u002F\u002Fgithub.com\u002Fopen-webui\u002Fopen-webui\">Open WebUI\u003C\u002Fa> 的 local-first 介面思路，和 \u003Ca href=\"https:\u002F\u002Fwww.anthropic.com\u002Fclaude\">Anthropic Claude\u003C\u002Fa> 那種很強但不本機的路線。OpenHuman 想站在中間，難歸難，但也正因為難，才值得拆。\u003C\u002Fp>\u003Ch2>GitHub Trending 只是訊號，不是證據\u003C\u002Fh2>\u003Cp>AIToolly 說 OpenHuman 上了 \u003Ca href=\"\u002Ftag\u002Fgithub\">GitHub\u003C\u002Fa> Trending，這我會記一下，但不會把它當成熟度證明。Trending 不等於能用。這種事我看多了：repo 會爆，常常只是名字夠準、概念夠辣、時間點剛好踩到大家對資料控制的焦慮。\u003C\u002Fp>\u003Cp>但 trending 也不是完全沒意義。它代表這個說法有打到人。開發者真的受夠了把 privacy 當附加題、把 simplicity 當行銷字的 AI 產品。只要一個 repo 同時講這兩件事，注意力就會來。\u003C\u002Fp>\u003Cp>翻譯一下就是：你要把興趣和證據分開看。有人關注，不代表東西已經穩了、能擴展了、能扛真實使用了。\u003C\u002Fp>\u003Cp>如果你自己也在做類似東西，我會建議這樣處理：\u003C\u002Fp>\u003Cul>\u003Cli>把 GitHub 熱度當回饋，不要當驗證。\u003C\u002Fli>\u003Cli>先丟最小 demo，不要先畫大架構圖。\u003C\u002Fli>\u003Cli>早點把本機路徑秀出來。\u003C\u002Fli>\u003Cli>限制和缺點先寫出來，不要藏。\u003C\u002Fli>\u003C\u002Ful>\u003Cp>這種誠實，才不會把專案做成另一個過度包裝的 AI wrapper。老實說，這個圈子真的不缺 wrapper，缺的是願意尊重使用者機器的工具。\u003C\u002Fp>\u003Ch2>OpenHuman 真正踩中的，是開發者現在的情緒\u003C\u002Fh2>\u003Cp>我覺得 OpenHuman 最強的地方，不是它講了多厲害，而是它很懂現在開發者對 AI 的情緒。大家越來越保守了。想要有用，但不想被偷看；想要方便，但不想把資料交出去；想要能檢查、能自架、能改流程。\u003C\u002Fp>\u003Cp>OpenHuman 的詞彙剛好戳中這個點：private、simple、powerful。這三個詞短、好懂、也好驗證。這很重要，因為現在的 AI 使用者早就被一堆誇張說法操到沒耐心了，沒人想再看一個只會講自己很聰明的助理。\u003C\u002Fp>\u003Cp>我會把這件事翻成產品定位的原則：不要先講泛用生產力，先講邊界。資料在哪、誰能碰、哪裡會跑、哪裡不會跑，這些才是開發者在意的。\u003C\u002Fp>\u003Cp>實操上，你可以這樣排文案順序：\u003C\u002Fp>\u003Cul>\u003Cli>先講 ownership。\u003C\u002Fli>\u003Cli>如果真的是本機，就先講 local execution。\u003C\u002Fli>\u003Cli>再講安裝要多簡單。\u003C\u002Fli>\u003Cli>最後才講模型有多能打。\u003C\u002Fli>\u003C\u002Ful>\u003Cp>這個順序很重要，因為它符合開發者真的會做的判斷：先看能不能信，再看能不能跑，最後才看值不值得留下。\u003C\u002Fp>\u003Ch2>可抄的模板\u003C\u002Fh2>\u003Cpre>\u003Ccode># 私有個人 AI README \u002F Landing Page 模板\n\n## 一句話定位\n[產品名稱] 是一個私有、簡單的個人 AI 系統，運行在 [本機 \u002F 自管環境]，幫你完成 [主要任務]。\n\n## 三個承諾\n- 私有：使用者資料由使用者控制。\n- 簡單：安裝只需要幾分鐘，不是週末專案。\n- 強大：能處理 [摘要 \u002F 規劃 \u002F 寫作 \u002F 搜尋 \u002F 編輯] 這些日常任務。\n\n## 什麼叫私有\n- 資料儲存：[本機裝置 \u002F 自管伺服器 \u002F 加密儲存]\n- 模型執行：[本機 \u002F 自管 \u002F 混合]\n- Telemetry：[預設關閉 \u002F 最小化 \u002F 文件化]\n- 保留政策：[存什麼、存多久、為什麼]\n\n## 什麼叫簡單\n- 單一安裝路徑：[command \u002F installer \u002F container]\n- 單一預設模型：[模型名稱]\n- 單一首要流程：[使用者第一次要做的事]\n- 單一重置方式：[如何清除並重來]\n\n## 什麼叫強大\n- 支援：[摘要、規劃、程式、搜尋等]\n- 可跑硬體：[目標硬體]\n- 典型延遲：[實際數字]\n- 明確限制：[context、檔案大小、工具數量等]\n\n## 可直接放到 README \u002F 首頁的文案\n[產品名稱] 是一個私有、簡單的個人 AI 系統，適合想要強力 AI 協助，但不想把資料交給雲端廠商的人。它設計成由你自己控制、快速啟動，並且能在日常硬體上完成真正的工作。\n\n## 上線檢查清單\n- [ ] README 用白話講清楚私有模型\n- [ ] 安裝步驟能塞進一個畫面\n- [ ] Demo 在乾淨環境可跑\n- [ ] 預設值安全\n- [ ] 限制先講，不要藏\n- [ ] 本機優先行為一眼看得出來\n- [ ] 第一次成功任務少於 5 分鐘\n\n## 簡短 FAQ\n**真的私有嗎？**\n如果預設架構讓資料留在本機或使用者可控環境，就是。\n\n**真的簡單嗎？**\n如果開發者不用長流程就能安裝和使用，就是。\n\n**真的強大嗎？**\n如果它在目標硬體上，能穩定完成目標任務，就是。\u003C\u002Fcode>\u003C\u002Fpre>\u003Cp>你可以把這段直接貼進你的 repo，再依產品實際情況改名詞。這不是最華麗的版本，但它夠誠實，也夠能用。我寧可一個專案把限制講清楚，也不要它假裝自己解掉所有問題。這種誠實，才會讓人願意回來。\u003C\u002Fp>\u003Cp>OpenHuman 至少從 AIToolly 的描述來看，把 AI 的敘事順序翻過來了：先私有，再簡單，最後才談強大。這個順序，比起常見的「先吹能力」老實很多，也更像真的會落地的東西。\u003C\u002Fp>\u003Cp>來源：\u003Ca href=\"https:\u002F\u002Faitoolly.com\u002Fai-news\u002Farticle\u002F2026-05-17-openhuman-project-debuts-on-github-a-new-vision-for-private-and-simple-personal-ai-superintelligence\">AIToolly OpenHuman 文章\u003C\u002Fa>。我這篇是原創拆解，衍生參考了 \u003Ca href=\"https:\u002F\u002Fgithub.com\u002Ftinyhumansai\">tinyhumansai\u003C\u002Fa>、\u003Ca href=\"https:\u002F\u002Fgithub.com\u002Ftrending\">GitHub Trending\u003C\u002Fa>、\u003Ca href=\"https:\u002F\u002Follama.com\u002F\">Ollama\u003C\u002Fa>、\u003Ca href=\"https:\u002F\u002Fgithub.com\u002Fggml-org\u002Fllama.cpp\">llama.cpp\u003C\u002Fa>、\u003Ca href=\"https:\u002F\u002Fgithub.com\u002Fopen-webui\u002Fopen-webui\">Open WebUI\u003C\u002Fa>、\u003Ca href=\"https:\u002F\u002Fwww.anthropic.com\u002Fclaude\">Claude\u003C\u002Fa> 的公開資訊。","我拆 OpenHuman 的私有個人 AI 玩法，順手給你一份可直接貼進 README 的本機部署模板。","aitoolly.com","https:\u002F\u002Faitoolly.com\u002Fai-news\u002Farticle\u002F2026-05-17-openhuman-project-debuts-on-github-a-new-vision-for-private-and-simple-personal-ai-superintelligence",null,"https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1779625593073-b8to.png","tools","zh","9e2f264d-963b-4db9-8c96-147413022abf",[17,18,19,20,21],"local AI","private AI","personal AI","Ollama","llama.cpp",[23,24,25],"私有個人 AI 要先講控制權，不要先講聰明。","簡單不是 UI 好看，是安裝和首次使用真的低摩擦。","強大必須服從本機硬體，否則只是雲端話術換皮。",9,"2026-05-24T12:26:03.212125+00:00","2026-05-24T12:26:02.977+00:00","c3c88dd2-a940-438a-b359-0e5a24562273",{"tags":31,"relatedLang":34,"relatedPosts":38},[32],{"name":21,"slug":33},"llamacpp",{"id":15,"slug":35,"title":36,"language":37},"openhuman-private-personal-ai-local-setup-en","OpenHuman turns private AI into a local setup","en",[39,45,51,57,63,69],{"id":40,"slug":41,"title":42,"cover_image":43,"image_url":43,"created_at":44,"category":13},"769444fb-48a3-41d5-8383-f6867ff53232","openclaw-v2026-7-1-control-ui-workspace-zh","OpenClaw v2026.7.1 把控制台變工作區","https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1784358229254-0dil.png","2026-07-18T07:03:25.506405+00:00",{"id":46,"slug":47,"title":48,"cover_image":49,"image_url":49,"created_at":50,"category":13},"7bed70e8-39cf-45bb-8f71-6ddd31ad2317","openai-screenless-speaker-turns-chatgpt-companion-zh","OpenAI 無螢幕喇叭把 ChatGPT 變陪伴","https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1784289800548-z10g.png","2026-07-17T12:02:53.189236+00:00",{"id":52,"slug":53,"title":54,"cover_image":55,"image_url":55,"created_at":56,"category":13},"2151fdfb-10ca-419c-b4f6-ce36d6ff435f","scale-turns-cuda-code-into-portable-gpu-builds-zh","SCALE 讓 CUDA 變可攜 GPU 編譯","https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1784210602836-wqlf.png","2026-07-16T14:02:55.366575+00:00",{"id":58,"slug":59,"title":60,"cover_image":61,"image_url":61,"created_at":62,"category":13},"194cb6f2-9263-4fe4-93f5-20f44ca1bdeb","2027-ai-ml-internship-jobs-daily-zh","2027 AI\u002FML 實習職缺每天更新","https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1784192579088-va17.png","2026-07-16T09:02:31.951176+00:00",{"id":64,"slug":65,"title":66,"cover_image":67,"image_url":67,"created_at":68,"category":13},"a4781236-56a1-4b87-b223-df328fd3a0e9","mimo-code-free-trial-not-production-ready-zh","MiMo Code 免費不等於生產力：先試用，再決定是否上車","https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1784169179259-qkyr.png","2026-07-16T02:32:25.375192+00:00",{"id":70,"slug":71,"title":72,"cover_image":73,"image_url":73,"created_at":74,"category":13},"44eead66-c13e-48e9-919e-2dede91d44aa","ollama-raises-65m-14-people-8-9m-users-zh","Ollama 拿下 6500 萬美元，14 人撐起 890 萬用戶","https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1784167385501-huif.png","2026-07-16T02:02:29.250726+00:00",[76,81,86,91,96,101,106,111,116,121],{"id":77,"slug":78,"title":79,"created_at":80},"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":82,"slug":83,"title":84,"created_at":85},"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":87,"slug":88,"title":89,"created_at":90},"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":92,"slug":93,"title":94,"created_at":95},"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":97,"slug":98,"title":99,"created_at":100},"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":102,"slug":103,"title":104,"created_at":105},"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":107,"slug":108,"title":109,"created_at":110},"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":112,"slug":113,"title":114,"created_at":115},"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":117,"slug":118,"title":119,"created_at":120},"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":122,"slug":123,"title":124,"created_at":125},"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"]