[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"article-six-part-prompt-scoring-turns-vague-prompts-into-usable-ones-zh":3,"article-related-six-part-prompt-scoring-turns-vague-prompts-into-usable-ones-zh":30,"series-tools-dc0b38ea-3f3c-4ec3-83e8-b26692aa54c4":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},"dc0b38ea-3f3c-4ec3-83e8-b26692aa54c4","six-part-prompt-scoring-turns-vague-prompts-into-usable-ones-zh","六項評分把模糊提示變可用","\u003Cp data-speakable=\"summary\">我把六項提示詞檢查表拆開，改成你送出前就能自評、補洞、直接複製的模板。\u003C\u002Fp>\u003Cp>我用 \u003Ca href=\"\u002Ftag\u002Fchatgpt\">ChatGPT\u003C\u002Fa>、\u003Ca href=\"\u002Ftag\u002Fclaude\">Claude\u003C\u002Fa>、\u003Ca href=\"\u002Ftag\u002Fgemini\">Gemini\u003C\u002Fa> 一陣子了，越用越火大。不是它們不會答，是我常常把問題問得太爛。\u003Ca href=\"\u002Fnews\u002Fmistral-model-lineup-specialization-beats-giant-model-zh\">模型\u003C\u002Fa>很有禮貌，講得頭頭是道，結果一落地就歪掉。我要的是可用的方案，它丟給我一段看起來很完整、實際上很難直接拿去做的東西。最煩的是，錯的時候還不容易看出錯在哪，因為表面上每一段都像那麼回事。\u003C\u002Fp>\u003Cp>後來我看到 \u003Ca href=\"https:\u002F\u002Fwww.moreonlinetools.com\u002Fen\u002Fblog\u002Fprompt-engineering-complete-guide\u002F\">MoreOnlineTools 的提示工程指南\u003C\u002Fa>，才比較像把霧撥開。它不是在講玄學，而是把 prompt 拆成六個可檢查的項目：清楚度、角色、上下文、格式、限制、範例。這種拆法我很買單，因為它不是叫你「更會問問題」，而是直接告訴你哪裡漏了、哪裡要補。\u003C\u002Fp>\u003Cp>老實說，市面上很多 prompt 框架都像在賣感覺，標題很大，內容很空。這份不一樣的地方在於，它可以被拿來打分數。你不用猜自己寫得好不好，只要看六項有沒有補齊。這就夠實用了。\u003C\u002Fp>\u003Ch2>別再期待模型讀心，先把問題寫完整\u003C\u002Fh2>\u003Cblockquote>AI models are not mind readers. They respond to exactly what you write. The more precisely you describe what you want — the role, the context, the format, the constraints — the better the result.\u003C\u002Fblockquote>\u003Cp>翻譯一下就是：你給\u003Ca href=\"\u002Fnews\u002Fxiaomi-mimo-1t-model-1000-tokens-per-second-zh\">模型\u003C\u002Fa>的不是靈感，是規格。它不是不聰明，它只是照你寫的字做事。你如果只寫「幫我寫一篇文案」，那它就只能用最常見、最安全、最像樣但最沒用的方式回你。\u003C\u002Fp>\n\u003Cfigure class=\"my-6\">\u003Cimg src=\"https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1781151514776-b3rm.png\" alt=\"六項評分把模糊提示變可用\" class=\"rounded-xl w-full\" loading=\"lazy\" \u002F>\u003C\u002Ffigure>\n\u003Cp>我之前最常踩的雷，就是以為「大概知道我要什麼」就夠了。結果不夠。真的不夠。你腦中有畫面，不代表模型有。你知道自己要給誰看，不代表它知道。你覺得語氣應該要硬一點，不代表它會猜到。\u003C\u002Fp>\u003Cp>實操上，我現在會先問自己四件事：這件事到底要做什麼、給誰看、要長什麼樣、有哪些不能碰。只要其中一個沒寫，模型就有空間亂跑。它一亂跑，你就得多一輪修正，時間直接被吃掉。\u003C\u002Fp>\u003Cul>\u003Cli>先寫任務，不要先寫情緒。\u003C\u002Fli>\u003Cli>先寫對象，不要只寫主題。\u003C\u002Fli>\u003Cli>先寫輸出形狀，不要只說「整理一下」。\u003C\u002Fli>\u003Cli>先寫邊界，不要等它自己懂分寸。\u003C\u002Fli>\u003C\u002Ful>\u003Cp>這種寫法很無聊，但我反而覺得無聊才對。因為 AI 最吃的不是花俏，而是具體。你越具體，它越少瞎猜。\u003C\u002Fp>\u003Ch2>清楚度不是加分項，是最低門檻\u003C\u002Fh2>\u003Cblockquote>Replace vague words with precise descriptions.\u003C\u002Fblockquote>\u003Cp>這句很直白：把模糊詞換成可執行的描述。像「短一點」、「專業一點」、「有說服力一點」這些詞，對模型來說幾乎等於空話。它不知道你心裡的短是 80 字還是 300 字，不知道你要的專業是像顧問報告還是像工程文件。\u003C\u002Fp>\u003Cp>我以前很愛下這種模糊指令，然後怪模型不懂我。其實不是它不懂，是我沒給目標。你要它寫標題，就直接說幾個、幾字內、給誰看、要偏什麼風格。你要它改寫，就說保留什麼、刪掉什麼、強化什麼。這些都是清楚度，不是裝飾。\u003C\u002Fp>\u003Cp>實操寫法很簡單：盡量把抽象詞換成數字、名詞、情境。不要寫「簡短」，改成「120 字內」。不要寫「給創辦人看」，改成「給第一次募資的 SaaS 創辦人看」。不要寫「更有力」，改成「每段都要有動詞和結果」。\u003C\u002Fp>\u003Cul>\u003Cli>能量化的就量化。\u003C\u002Fli>\u003Cli>能指名受眾的就指名。\u003C\u002Fli>\u003Cli>能指定輸出長相的就指定。\u003C\u002Fli>\u003C\u002Ful>\u003Cp>我現在看 prompt，第一眼就先抓這件事：到底有沒有把話講清楚。沒有的話，後面再多角色、多格式都只是補妝。\u003C\u002Fp>\u003Ch2>角色不是裝扮，是讓回答有立場\u003C\u002Fh2>\u003Cblockquote>Assigning the AI a specific role dramatically shifts the tone, depth, and perspective of its response.\u003C\u002Fblockquote>\u003Cp>也就是說，角色不是叫模型穿制服演戲，而是讓它從某個專業視角講話。你叫它「幫我解釋」，它會很平均、很安全、很像百科全書。你叫它「你是資深技術編輯，請直接挑毛病」，它就會開始有判斷、有取捨、有刀感。\u003C\u002Fp>\n\u003Cfigure class=\"my-6\">\u003Cimg src=\"https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1781151505281-59oi.png\" alt=\"六項評分把模糊提示變可用\" class=\"rounded-xl w-full\" loading=\"lazy\" \u002F>\u003C\u002Ffigure>\n\u003Cp>我最常用角色的場景，是我要它不要太客氣。像產品文案、首頁文案、功能介紹，模型很容易給你一堆溫吞句。這時候我不會只說「幫我潤稿」，我會說「你是很挑剔的轉換率編輯，專門刪掉空話」。角色一換，答案常常立刻變得比較像能用的東西。\u003C\u002Fp>\u003Cp>這裡有個重點：角色要有觀點，不只是頭銜。寫「writer」太空了，寫「討厭廢話的技術編輯」就有方向。寫「engineer」太泛，寫「會做 \u003Ca href=\"\u002Ftag\u002Fapi\">API\u003C\u002Fa> 設計、在意可維護性的 staff engineer」就比較有用。模型吃的是這個角度，不是名片。\u003C\u002Fp>\u003Cp>實操上，我會把角色寫成「身份 + 立場 + 目標」。例如：你是嚴格的產品經理，目標是找出需求漏點；你是資深 DevOps，目標是找出部署風險；你是冷血編輯，目標是刪掉所有沒必要的字。\u003C\u002Fp>\u003Cul>\u003Cli>身份要具體。\u003C\u002Fli>\u003Cli>立場要明確。\u003C\u002Fli>\u003Cli>目標要可驗收。\u003C\u002Fli>\u003C\u002Ful>\u003Cp>這樣寫，模型比較不會只會講道理，卻沒有判斷。\u003C\u002Fp>\u003Ch2>上下文補不夠，答案就只能猜\u003C\u002Fh2>\u003Cblockquote>The AI does not know your situation unless you tell it.\u003C\u002Fblockquote>\u003Cp>這句我很有感。很多 prompt 失敗，不是因為題目難，而是因為背景沒補。你以為「幫我寫一封回信」很簡單，但對象是客戶、主管、供應商、還是已經冷掉三天的人，寫法完全不同。模型不知道你的局，它只能猜。\u003C\u002Fp>\u003Cp>我之前讓模型整理專案摘要，結果它寫得像內部週報。問題不是內容錯，而是讀者錯了。它不知道那份摘要是給主管看、給工程團隊看，還是要直接貼到客戶簡報裡。這種上下文沒補齊，答案再順都沒用。\u003C\u002Fp>\u003Cp>實操寫法不是把所有背景都倒進去，而是只給會改變答案的資訊。你不需要寫整個公司歷史，你只要寫這次任務會影響什麼、誰會看、目前卡在哪、已經試過什麼。這就夠了。\u003C\u002Fp>\u003Cul>\u003Cli>誰是讀者。\u003C\u002Fli>\u003Cli>目標是什麼。\u003C\u002Fli>\u003Cli>之前做過什麼。\u003C\u002Fli>\u003Cli>現在有哪些限制。\u003C\u002Fli>\u003C\u002Ful>\u003Cp>我自己的習慣是，先用一句話交代任務，再用三行背景補差異。這樣模型比較不會把我當成任何一個平均使用者。\u003C\u002Fp>\u003Ch2>格式不是排版，是你要它怎麼想\u003C\u002Fh2>\u003Cblockquote>Requesting a specific format saves editing time.\u003C\u002Fblockquote>\u003Cp>很多人以為格式只是最後拿來好看，錯了。格式本身就是指令。你要表格，它就得比較；你要條列，它就得排序；你要 JSON，它就得結構化；你要標題層級，它就得分主次。格式不是外觀，是限制模型思考的方式。\u003C\u002Fp>\u003Cp>我現在只要知道輸出要貼到哪裡，就一定會先定格式。要丟 Notion，我會要標題加條列；要給工程同事，我會要表格加欄位；要接其他工具，我會直接要 JSON。因為我真的懶得把一坨文字再手工整理一次，這種事很浪費命。\u003C\u002Fp>\u003Cp>實操上，你不能只說「請用表格」。你要直接講欄位。不能只說「請輸出 JSON」。你要講 key 是什麼。格式越明確，模型越不會把內容寫成一篇散文，然後假裝那叫整理。\u003C\u002Fp>\u003Cul>\u003Cli>比較類任務用表格。\u003C\u002Fli>\u003Cli>步驟類任務用編號。\u003C\u002Fli>\u003Cli>機器要吃的內容用 JSON。\u003C\u002Fli>\u003Cli>人要看的內容用標題分段。\u003C\u002Fli>\u003C\u002Ful>\u003Cp>我後來發現，很多時候不是模型不會，而是我沒告訴它「你要交作業的樣子」。\u003C\u002Fp>\u003Ch2>限制一加，垃圾答案就少一半\u003C\u002Fh2>\u003Cblockquote>Constraints dramatically reduce the chance of the AI going off in an unhelpful direction.\u003C\u002Fblockquote>\u003Cp>限制這件事很煩，但很有效。因為模型最愛做的事之一，就是把你的需求往外擴，擴到一個看起來完整、其實跟你要的東西不太一致的方向。你不先設邊界，它就會自己補戲。\u003C\u002Fp>\u003Cp>我以前最常犯的錯，是只寫「幫我想個方案」，卻沒說不能太貴、不能依賴外部服務、不能太長、不能有行話。結果它會給我一個很漂亮但根本不能落地的方案。後來我才懂，限制不是在限制創意，是在限制廢話。\u003C\u002Fp>\u003Cp>實操上，我會至少放一個正向限制和一個負向限制。正向限制是必須包含什麼，負向限制是不能出現什麼。這樣模型比較不會自作主張。\u003C\u002Fp>\u003Cul>\u003Cli>字數上限。\u003C\u002Fli>\u003Cli>禁用詞。\u003C\u002Fli>\u003Cli>不能用付費工具。\u003C\u002Fli>\u003Cli>一定要附一個例子。\u003C\u002Fli>\u003C\u002Ful>\u003Cp>這些限制越早寫，越省後面的修改工。你不寫，它就幫你補；你寫清楚，它才知道哪裡不能亂來。\u003C\u002Fp>\u003Ch2>範例是最快的教法，不是偷懶\u003C\u002Fh2>\u003Cblockquote>Even one good example can transform the quality of the output.\u003C\u002Fblockquote>\u003Cp>很多人對範例有偏見，覺得那是在偷懶。其實不是。範例是最快的壓縮說明。你講十句「要像這樣」，不如直接貼一個像樣的樣本。模型看得懂樣子，比看得懂形容詞多太多了。\u003C\u002Fp>\u003Cp>我自己最常用範例的場景，是要固定風格、固定格式、固定標註方式。像摘要、分類、標題、產品描述，這些都很適合放一個或兩個範例。只要範例夠好，模型通常會開始模仿那個結構，\u003Ca href=\"\u002Fnews\u002Fwindows-agent-runtime-not-human-desktop-zh\">而不是\u003C\u002Fa>亂猜。\u003C\u002Fp>\u003Cp>實操上，範例不用多，兩三個通常就夠。重點不是教它所有情況，而是讓它看到你要的答案長什麼樣。當然，範例如果爛，模型也會跟著學爛，所以你貼的 sample 本身要先像樣。\u003C\u002Fp>\u003Cul>\u003Cli>用在有固定樣式的任務。\u003C\u002Fli>\u003Cli>用在分類、改寫、摘要特別有效。\u003C\u002Fli>\u003Cli>範例要乾淨，不要半吊子。\u003C\u002Fli>\u003C\u002Ful>\u003Cp>我現在只要遇到模型老是寫歪，就會先想：是不是我根本沒給它樣子看。\u003C\u002Fp>\u003Ch2>六項打分，比瞎改 prompt 實際多了\u003C\u002Fh2>\u003Cp>MoreOnlineTools 還提到他們有一個 \u003Ca href=\"https:\u002F\u002Fwww.moreonlinetools.com\u002Fen\u002Fblog\u002Fprompt-engineering-complete-guide\u002F\">free AI Prompt Optimizer\u003C\u002Fa>，會根據六個標準幫 prompt 打分並給建議。這個思路我覺得比「你要多練習」有用太多。因為打分代表你可以檢查，而不是只靠感覺。\u003C\u002Fp>\u003Cp>翻成白話就是：prompt 寫得好不好，不用靠玄學。你可以直接問自己，這句有沒有清楚、角色有沒有定、上下文夠不夠、格式有沒有說、限制有沒有寫、範例有沒有給。少一項，就補一項。這比看心情改 prompt 有效率多了。\u003C\u002Fp>\u003Cp>我也很喜歡這種方法可以拿來做團隊共用標準。因為大家寫 prompt 的習慣本來就不一樣，有人愛寫長篇大論，有人只丟一句話。沒有共同檢查表，最後只會變成「誰比較會講話誰就比較像對的」。那很煩，也很浪費時間。\u003C\u002Fp>\u003Cp>實操上，我會把 prompt 當草稿，而不是成品。送出前先打分，低分先改最弱的地方。不要追求一次寫神作，先追求不漏洞。這樣比較實際。\u003C\u002Fp>\u003Ch2>可抄的模板\u003C\u002Fh2>\u003Cpre>\u003Ccode>Prompt 自評版（送出前先跑一次）\u003C\u002Fcode>\u003C\u002Fpre>\u003Cpre>\u003Ccode>請先幫我檢查下面這個 prompt，依照六項標準打分並修正：清楚度、角色、上下文、格式、限制、範例。每項 0-10 分，總分 100 分。先指出最弱的 3 項，再直接改寫成可複製版本。\u003C\u002Fcode>\u003C\u002Fpre>\u003Cpre>\u003Ccode>【我的原始 prompt】\n[貼上你的 prompt]\u003C\u002Fcode>\u003C\u002Fpre>\u003Cpre>\u003Ccode>【你要輸出的格式】\n1. 總分：__ \u002F 100\n2. 六項分數：\n- 清楚度：__\n- 角色：__\n- 上下文：__\n- 格式：__\n- 限制：__\n- 範例：__\n3. 最需要修的地方：\n- ...\n4. 直接可用的改寫版：\n[請完整重寫 prompt]\u003C\u002Fcode>\u003C\u002Fpre>\u003Cpre>\u003Ccode>可直接拿去送模型的完整模板：\n\n[角色]\n你是[具體角色]，你的立場是[立場]，目標是[目標]。\n\n[任務]\n請幫我完成[具體任務]，對象是[受眾]。\n\n[上下文]\n背景如下：\n- 情境：[目前狀況]\n- 目標：[成功長相]\n- 已嘗試：[之前做過什麼]\n- 限制：[不能做什麼 \u002F 必須遵守什麼]\n\n[清楚度]\n請聚焦在[主題]，特別是[子主題]，避免泛泛而談。\n\n[格式]\n請用[表格 \u002F 編號清單 \u002F JSON \u002F 分段標題 \u002F Email]輸出。\n必須包含以下欄位或段落：\n- [欄位 1]\n- [欄位 2]\n- [欄位 3]\n\n[限制]\n- 字數控制在[範圍]\n- 不要使用[行話 \u002F 廢話 \u002F 付費工具 \u002F 多餘內容]\n- 不要包含[不想出現的內容]\n\n[範例]\n輸入範例：\n[貼一個簡短範例]\n輸出範例：\n[貼一個你要的好樣本]\n\n現在請根據以上內容，完成這個任務：\n[貼上你的實際需求]\u003C\u002Fcode>\u003C\u002Fpre>\u003Cp>這份模板我自己會先拿來審 prompt，再拿去補 prompt。它不是很潮，但很省事，這點就夠了。\u003C\u002Fp>\u003Cp>原始來源是 \u003Ca href=\"https:\u002F\u002Fwww.moreonlinetools.com\u002Fen\u002Fblog\u002Fprompt-engineering-complete-guide\u002F\">MoreOnlineTools 的完整指南\u003C\u002Fa>。我這篇是把它的六項結構拆成\u003Ca href=\"\u002Ftag\u002F台灣開發者\">台灣開發者\u003C\u002Fa>比較好直接用的版本，模板與語氣是我重寫的，核心框架則來自原文。\u003C\u002Fp>","我把六項提示詞檢查表拆開，改成你送出前就能自評、補洞、直接複製的模板。","www.moreonlinetools.com","https:\u002F\u002Fwww.moreonlinetools.com\u002Fen\u002Fblog\u002Fprompt-engineering-complete-guide\u002F",null,"https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1781151514776-b3rm.png","tools","zh","2d7d46e9-e387-449c-97d9-2e99eddb3496",[17,18,19,20,21],"prompt engineering","prompt checklist","LLM","few-shot prompting","AI workflow",[23,24,25],"先補清楚度、角色、上下文，模型才不會自己亂猜。","格式和限制不是裝飾，是把輸出鎖進可用範圍的工具。","用六項打分檢查 prompt，比靠感覺改稿省時間。",0,"2026-06-11T04:17:59.935435+00:00","2026-06-11T04:17:59.914+00:00","bb4bffc0-f018-43e1-b1fd-a4d779f08369",{"tags":31,"relatedLang":42,"relatedPosts":46},[32,34,36,38,40],{"name":18,"slug":33},"prompt-checklist",{"name":17,"slug":35},"prompt-engineering",{"name":20,"slug":37},"few-shot-prompting",{"name":19,"slug":39},"llm",{"name":21,"slug":41},"ai-workflow",{"id":15,"slug":43,"title":44,"language":45},"6-part-prompt-scoring-turns-vague-prompts-into-usable-ones-en","6-part prompt scoring turns vague prompts into usable ones","en",[47,53,59,65,71,77],{"id":48,"slug":49,"title":50,"cover_image":51,"image_url":51,"created_at":52,"category":13},"e515b195-1a6e-4cc0-a2eb-452e918d8859","deep-research-prompt-framework-ai-reports-zh","AI 研究報告要先寫好提示詞","https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1781155089710-c0cp.png","2026-06-11T05:17:39.878284+00:00",{"id":54,"slug":55,"title":56,"cover_image":57,"image_url":57,"created_at":58,"category":13},"c16aef24-e638-468b-b959-03b3dd311ba2","last30days-skill-best-reason-stop-trusting-search-alone-zh","last30days-skill 是停止只靠搜尋的最佳理由","https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1781122670213-wroe.png","2026-06-10T20:17:22.229493+00:00",{"id":60,"slug":61,"title":62,"cover_image":63,"image_url":63,"created_at":64,"category":13},"396b3184-2feb-400c-a7f2-bc133bec889d","15-ai-coding-assistant-tools-2026-zh","2026 AI 程式助理工具選配指南","https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1781114581485-154k.png","2026-06-10T18:02:27.477751+00:00",{"id":66,"slug":67,"title":68,"cover_image":69,"image_url":69,"created_at":70,"category":13},"dd0deb29-30f9-47af-91a1-dc966fff3fa2","cuda-oxide-rust-ptx-kernels-zh","cuda-oxide 把 Rust 變成 PTX 核心","https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1781110154542-ttd2.png","2026-06-10T16:48:43.64696+00:00",{"id":72,"slug":73,"title":74,"cover_image":75,"image_url":75,"created_at":76,"category":13},"279c8306-f41d-4bcc-a87a-2d3c0a905d39","gpu-programming-core-software-skill-zh","GPU 編程正在成為核心軟體技能","https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1781109180204-axgz.png","2026-06-10T16:32:18.403171+00:00",{"id":78,"slug":79,"title":80,"cover_image":81,"image_url":81,"created_at":82,"category":13},"1a577d27-7d0b-428a-a3df-ee0ae39c5d5f","devin-pricing-turns-agents-into-seats-zh","Devin 定價把 agents 變 seats","https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1781096620398-19a8.png","2026-06-10T13:03:10.4842+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"]