2026年5月24日 星期日
2026年5月23日 星期六
2026年5月20日 星期三
Google 搜尋將擁有全新 AI 搜尋框，迎來 25 年最大升級
Google 搜尋將擁有全新 AI 搜尋框，迎來 25 年最大升級
https://www.koc.com.tw/archives/643174
搜尋的核心使命始終如一：無論你的問題是簡單的事實查詢，還是難以言喻的複雜思考、深刻洞察或高度具體的需求，搜尋都應該能幫助你找到答案。為了實現這個目標，Google 持續重新想像人工智慧在搜尋中的角色。AI 模型推出至今僅一年，月活躍用戶便突破 10 億，搜尋量自上線以來更是每季翻倍成長，隨著更多人理解 AI 搜尋的威力，整體搜尋需求也攀上歷史新高。在今年的 I/O 大會上，Google 公布了下一階段的搜尋藍圖：將搜尋引擎的全球資訊優勢，與人工智慧的理解與生成能力深度融合。 Google 搜尋將擁有全新 AI 搜尋框，迎來 25 年最大升級 強化的 AI，全面融入搜尋體驗 從今天起，搜尋將全面升級至最新、專為代理與編碼任務打造的 Gemini 3.5 Flash，成為全球 AI 模式下的預設模型。同時，Google 推出了 25 年來搜尋框最大幅度的革新，新的智慧搜尋框完全整合 AI 技術，讓你能更自然地描述需求，而不再受限於關鍵字。它會動態擴展、預測你的意圖，並提供超越傳統自動完成的 AI 建議，你也能以文字、圖片、文件、影片或 Chrome 標籤頁作為輸入，跨形式提出問題。全新的智慧搜尋框今日起陸續在所有支援 AI 模式的國家與語言推出。 Google 也讓與搜尋的對話更順暢，你可以直接在 AI 概覽頁面提出後續問題，並在 AI 模式中持續對話，搜尋會保留你的上下文，並在你深入探索時提供更精準的連結與內容。這項體驗已在全球桌面與行動裝置同步上線。 搜尋代理：邁向 AI 代理時代 Google 正進入搜尋代理的新時代，你可以在搜尋介面中建立、管理多個 AI 代理，協助處理不同任務。第一個登場的是「資訊代理」（Information Agent），它會在背景中持續運作，智慧分析網路內容，並在適當時機主動推送你需要的資訊；它會監控部落格、新聞、社群貼文，以及金融、購物、體育等即時資料，並針對你設定的問題提供更新。例如，你可以讓代理持續搜尋符合條件的租屋物件，或在你喜愛的運動員推出聯名鞋款時第一時間通知你。資訊代理將於今年夏季率先提供給 Google AI Pro 與 Ultra 訂閱用戶。 Google 也擴展了搜尋中的代理預訂功能，支援更多本地體驗與服務。只要描述需求，例如週五晚間、六人包廂、可供餐的私人 KTV，搜尋就會整合最新價格與空房資訊，並提供直接預訂連結。對於居家修繕、美容、寵物等類別，你甚至可以讓 Google 代為致電商家，這些功能將於今年夏季在美國推出。此外，Google 也推出新的購物代理功能，讓你能在搜尋中更輕鬆完成購物決策。 搜尋中的代理編碼：從答案到客製化工具 Google 將 Google Antigravity 的能力與 Gemini 3.5 Flash 的編碼實力直接帶入搜尋，搜尋不只提供答案，還能即時生成符合你需求的互動式介面。無論你想理解天文物理概念，或想看懂手錶的運作機制，搜尋都能自動組合互動視覺、表格、圖表或模擬，打造專屬的生成式介面，今年夏季起，所有搜尋用戶都能免費使用這些功能。 而對於需要長期追蹤的任務，例如籌備婚禮、搬家、規劃健身計畫，搜尋甚至能為你建立自訂儀表板或追蹤器，像是專為你打造的迷你應用程式。例如，你可以請搜尋建立一個客製化的健身追蹤器。搜尋會自動撰寫程式碼，並整合用戶評價、地圖、天氣等即時資料，打造真正符合你生活節奏的工具。 未來幾個月，你將能直接在搜尋中使用 Antigravity 建立自訂體驗，首先提供給美國的 Google AI Pro 與 Ultra 訂閱用戶。 搜尋中的擴展個人智慧 最後，為了讓 AI 更貼近你的需求，它不只需要理解世界，也需要理解你。因此，Google 將 AI 模式下的個人智慧功能擴展至近 200 個國家與地區、支援 98 種語言，且不需訂閱。你可以安全地連接 Gmail、Google 相簿，未來也能連接 Google 日曆。個人智慧的核心是透明、選擇與控制，你永遠掌握權限，決定是否、何時連接你的應用程式。
-- gReader Pro
https://www.koc.com.tw/archives/643174
搜尋的核心使命始終如一：無論你的問題是簡單的事實查詢，還是難以言喻的複雜思考、深刻洞察或高度具體的需求，搜尋都應該能幫助你找到答案。為了實現這個目標，Google 持續重新想像人工智慧在搜尋中的角色。AI 模型推出至今僅一年，月活躍用戶便突破 10 億，搜尋量自上線以來更是每季翻倍成長，隨著更多人理解 AI 搜尋的威力，整體搜尋需求也攀上歷史新高。在今年的 I/O 大會上，Google 公布了下一階段的搜尋藍圖：將搜尋引擎的全球資訊優勢，與人工智慧的理解與生成能力深度融合。 Google 搜尋將擁有全新 AI 搜尋框，迎來 25 年最大升級 強化的 AI，全面融入搜尋體驗 從今天起，搜尋將全面升級至最新、專為代理與編碼任務打造的 Gemini 3.5 Flash，成為全球 AI 模式下的預設模型。同時，Google 推出了 25 年來搜尋框最大幅度的革新，新的智慧搜尋框完全整合 AI 技術，讓你能更自然地描述需求，而不再受限於關鍵字。它會動態擴展、預測你的意圖，並提供超越傳統自動完成的 AI 建議，你也能以文字、圖片、文件、影片或 Chrome 標籤頁作為輸入，跨形式提出問題。全新的智慧搜尋框今日起陸續在所有支援 AI 模式的國家與語言推出。 Google 也讓與搜尋的對話更順暢，你可以直接在 AI 概覽頁面提出後續問題，並在 AI 模式中持續對話，搜尋會保留你的上下文，並在你深入探索時提供更精準的連結與內容。這項體驗已在全球桌面與行動裝置同步上線。 搜尋代理：邁向 AI 代理時代 Google 正進入搜尋代理的新時代，你可以在搜尋介面中建立、管理多個 AI 代理，協助處理不同任務。第一個登場的是「資訊代理」（Information Agent），它會在背景中持續運作，智慧分析網路內容，並在適當時機主動推送你需要的資訊；它會監控部落格、新聞、社群貼文，以及金融、購物、體育等即時資料，並針對你設定的問題提供更新。例如，你可以讓代理持續搜尋符合條件的租屋物件，或在你喜愛的運動員推出聯名鞋款時第一時間通知你。資訊代理將於今年夏季率先提供給 Google AI Pro 與 Ultra 訂閱用戶。 Google 也擴展了搜尋中的代理預訂功能，支援更多本地體驗與服務。只要描述需求，例如週五晚間、六人包廂、可供餐的私人 KTV，搜尋就會整合最新價格與空房資訊，並提供直接預訂連結。對於居家修繕、美容、寵物等類別，你甚至可以讓 Google 代為致電商家，這些功能將於今年夏季在美國推出。此外，Google 也推出新的購物代理功能，讓你能在搜尋中更輕鬆完成購物決策。 搜尋中的代理編碼：從答案到客製化工具 Google 將 Google Antigravity 的能力與 Gemini 3.5 Flash 的編碼實力直接帶入搜尋，搜尋不只提供答案，還能即時生成符合你需求的互動式介面。無論你想理解天文物理概念，或想看懂手錶的運作機制，搜尋都能自動組合互動視覺、表格、圖表或模擬，打造專屬的生成式介面，今年夏季起，所有搜尋用戶都能免費使用這些功能。 而對於需要長期追蹤的任務，例如籌備婚禮、搬家、規劃健身計畫，搜尋甚至能為你建立自訂儀表板或追蹤器，像是專為你打造的迷你應用程式。例如，你可以請搜尋建立一個客製化的健身追蹤器。搜尋會自動撰寫程式碼，並整合用戶評價、地圖、天氣等即時資料，打造真正符合你生活節奏的工具。 未來幾個月，你將能直接在搜尋中使用 Antigravity 建立自訂體驗，首先提供給美國的 Google AI Pro 與 Ultra 訂閱用戶。 搜尋中的擴展個人智慧 最後，為了讓 AI 更貼近你的需求，它不只需要理解世界，也需要理解你。因此，Google 將 AI 模式下的個人智慧功能擴展至近 200 個國家與地區、支援 98 種語言，且不需訂閱。你可以安全地連接 Gmail、Google 相簿，未來也能連接 Google 日曆。個人智慧的核心是透明、選擇與控制，你永遠掌握權限，決定是否、何時連接你的應用程式。
-- gReader Pro
--
***************************************************
陳勇汀 Yung-Ting Chen
長欣科技顧問 開源技術工程師
Chang Hsin IT Consulting Corp.
Open Source Technology Engineer
E-mail: pulipuli_chen@ericstar.tw
***************************************************
Re: 法國計畫將部份公部門Windows電腦改成Linux，使用開源IT軟體
陳勇汀 <pulipuli_chen@ericstar.tw> 於 2026年5月20日週三 上午1:23寫道：
法國計畫將部份公部門Windows電腦改成Linux，使用開源IT軟體
https://www.ithome.com.tw/news/175000
法國政府上週宣布，為減少在資訊科技對美國科技公司的依賴，計畫將政府特定部門工作站由Windows改成Linux，也將改用非美國公司開發的數位工具。 在法國總理近期發布指示下，跨部會數位總局（DINUM）上週與法國企業總局（DGE）、國家資訊系統安全局（ANSSI）及國家採購總局（DAE）舉行跨部會會議，以確保數位主權。法國政府計畫結合各部會、大型公共營運機構及民間企業資源，推動使用開源碼與互通標準（如Open-Interop、OpenBuro等），減少對非歐洲技術的依賴。 這是法國推動數位主權的最新宣布。一月法國宣布在2027年前，於所有國家機關全面以Visio取代微軟Teams和其他美國視訊工具如、Zoom、GoTo Meeting或Webex等。 在此大目標下，DINUM也將於6月協調一項跨部會計畫。每個部會（包括其所屬機構）須在秋季前制定自身計畫，涵蓋工作站、協作工具、防毒系統、人工智慧、資料庫、虛擬化與網路設備，以確保可供國家採購。 公務機關工作站方面，DINUM已宣布將淘汰Windows，改用Linux-based工作站。在其他單位中，則有法國國家健保基金（NHF）本月初宣布8萬名員工遷移至法國開發的工具，如即時通訊工具Tchap、視訊會議工具Visio及大檔案傳輸工具FranceTransfert。上個月法國政府也宣布將在2026年底前，將法國健康資料平臺搬移到「可信賴」解決方案。 Tchap、Visio和FranceTransfert是DINUM開發的法國主權生產力套件La Suite的一部份。其他還包含檔案協同平臺Fichiers、語音會議軟體Audioconf、郵件及同步平臺Messagerie＋OpenExchange等。整個平臺架在法國IT業者Dassault子公司Outscale的基礎架構上。到2026年4月，La Suite已有法國政府用戶超過4萬人試用過。 不過法國政府並未指定使用哪個發行版Linux，而各部會也可以自由選擇升級方法。 法國政府IT遷移行動反映在美國總統川普上任後，尤其是去年強徵關稅，歐洲感到數位自主的重要性。除了法國外，德國北部Schleswig-Holstein省也於去年宣布計畫換掉微軟Exchange Server和Outlook，改用Open-Xchange和Mozilla Thunderbird，涉及4萬帳號。
-- gReader Pro
Re: Delivery Status Notification (Failure)
Mail Delivery Subsystem <mailer-daemon@googlemail.com> 於 2026年5月20日週三 上午1:23寫道：
Message blocked
Your message to pulipuli.chen.clip@blogger.com has been blocked. See technical details below for more information. LEARN MORE The response was: Google tried to deliver your message, but it was rejected by the server for the recipient domain. For more information, go to https://support.google.com/mail/answer/69585
2026年5月19日 星期二
Re: 把台灣開源！taiwan.md：AI 回答的時代，讓國家用 README 的方式介紹自己
陳勇汀 <pulipuli_chen@ericstar.tw> 於 2026年5月17日 週日 上午2:08 寫道：
把台灣開源！taiwan.md：AI 回答的時代，讓國家用 README 的方式介紹自己
https://www.inside.com.tw/article/40877-taiwan-md
平常有在接觸 GitHub、開源專案，或只是偶爾看過工程師怎麼整理文件的人，應該都對 README.md 不陌生。這個看起來再普通不過的檔名，幾乎就是每個軟體專案的門面：從專案是什麼、怎麼安裝、怎麼使用，到它想解決什麼問題，第一眼通常都寫在這裡。而 .md，指的就是 Markdown，一種用純文字就能完成排版與結構標記的格式。從 GitHub 上的技術文件，到 OpenAI、Meta 等公司公開的模型與開發者說明，背後很多都是用 Markdown 撰寫、維護與傳播。也因此，當有人把「taiwan.md」變成一個網站時，傳達了一種很精準的訊號：如果 README.md 是一個軟體專案對外介紹自己的方式，那台灣，能不能也有一份屬於自己的 README？用工程師最熟悉的格式，重新介紹台灣taiwan.md 這個名字之所以漂亮，在於它的雙關。一方面，.md 是 Markdown 的副檔名，另一方面，它也是摩爾多瓦的國碼頂級網域。而這個專案背後想處理的問題其實很直接：當外國人想真正理解台灣時，網路上到底有沒有一個足夠完整、夠有系統，也足夠帶著台灣視角的入口？做這件事的人叫做吳哲宇，他是新媒體藝術家、是MONOLAB 創辦人，也是一位用 .md 製造一份屬於台灣的 README 的人。這件事緣起於威尼斯雙年展，當時一位義大利策展人問了他一個簡單的問題：「Where can I learn about Taiwan？Like, really learn？」他愣了三秒鐘，發現自己講得出一百個故事，卻指不出一個地方。維基百科寫事實但不寫故事，觀光局講美好但不講真實，新聞報片段但拼不出全貌。在 Art Basel Miami、巴黎駐村、波蘭演講，不同場合裡都有人問他類似的問題，這個問題短而簡單，回答起來卻極其困難。關於「台灣」的資訊，從來不是不存在，而是分散、零碎，而且往往不是由台灣自己主動整理成一套完整敘事。在 AI 時代，格式本身就是一種話語權如果這件事發生在十年前，taiwan.md 可能會被理解成一個有設計感的文化網站，但放到今天，它的意義其實更深一層，因為在生成式 AI 時代，內容不只要被人看懂，也要被機器讀懂。大型語言模型在吸收、整理與生成資訊時，最容易處理的仍然是結構清楚的純文字內容。Markdown 的優勢就在這裡：它用最簡潔的方式，把標題「#」、粗體「**」、列表「-」全部整理好，既保留人類的閱讀自然感，也方便機器理解內容結構。換句話說，Markdown 不只是工程師寫文件方便，它其實也很適合成為 AI 時代的知識載體，當愈來愈多人透過 ChatGPT、Claude、Gemini 之類的工具理解世界時，AI 最終怎麼回答「台灣是什麼」，某種程度上也取決於它先讀過哪些資料、又是如何讀到這些資料。這也是 taiwan.md 最有意思的地方，它不是單純在做內容網站，而是在嘗試建立一份更容易被人類與 AI 共同理解的台灣知識底稿。當最完整、最有脈絡、也最具有在地觀點的台灣資料，是由台灣人自己整理、自己開源、自己書寫，那麼未來 AI 在回答台灣相關問題時，才比較有機會不是只拼貼零散資料，而是真的接近我們想說的樣子。一個國家，也需要自己的 SSOT在技術圈裡，有個常見概念叫 SSOT，也就是 Single Source of Truth，意指「唯一真相來源」。這個意思不是世界上只能有一份資料，而是你需要有一個最核心、最可信、最可持續更新的版本，讓其他敘事和延伸內容，都可以從這裡同步出去。這個概念放在個人身上很好理解，當你的履歷、LinkedIn、個人網站各寫一套說法，別人很難知道哪個版本才是最準確的你，但如果你有一份最完整的主檔，其餘平台都從這裡延伸，資訊就會一致很多。taiwan.md 某種程度上，就是把這件事放大到國家層次。它不是要取代所有關於台灣的資訊來源，也不是要變成唯一答案，而是試著打造一個由台灣自己整理、自己維護、自己定義的知識起點。這件事之所以重要，不只是因為它提升資訊可讀性，更因為在這個時代，誰先整理好自己，誰就比較不容易被別人搶走話語權。從早餐店、便利商店，到台灣如何被理解taiwan.md 目前並非停留在抽象口號，而是已經嘗試把台灣拆成多個知識面向，去整理歷史、地理、文化、美食、科技、經濟與社會等不同切面，這種做法的有趣之處，在於它不是只講「台灣有什麼」，而是也試著處理「台灣為什麼會長成這樣」。例如寫台灣早餐文化，不只是列出蛋餅、飯糰、蘿蔔糕，而是會進一步寫到早餐店阿姨如何成為地方日常的重要節點，寫便利商店，也不只是說密度高，而是把繳費、取貨、影印、買票、短暫停留等生活功能一起納入。這些看似瑣碎的細節，反而最能組成一個地方的真實感，這也是為什麼 taiwan.md 這類專案特別有價值。一個國家真正的樣子，往往不只存在於政治口號、經濟數字或觀光宣傳裡，而是存在於那些很難被單一句子概括，卻能讓人瞬間理解「原來這就是台灣」的生活經驗裡。它不只是網站，也是開源的國家敘事實驗taiwan.md 採取開源與共享的路線，這個專案使用 CC BY-SA 4.0 授權，允許他人貢獻、引用與改作，網站也透過互動式知識圖譜去呈現不同篇章之間的關係，這代表它是一個可以持續擴充的知識基礎建設。這件事的意義其實很像開源軟體，真正重要的不只是最初版本寫得多完整，而是它有沒有辦法成為一個可被共同維護、持續迭代的基礎。當一個國家的故事不是只能由官方機構、媒體或單一作者來說，而是能被更多人一起補充、修正與豐富，它的敘事才有機會更立體，也更接近真實。從這個角度看，taiwan.md 有點像是一場很工程師式、也很網路原生的國家策展實驗，用 repo、文件格式與知識節點，把「認識台灣」這件事重新做成一個可以被瀏覽、被引用、被擴寫的系統。在 AI 時代，先寫好自己的 README如果把這整件事拉高來看，taiwan.md 最打動人的地方，在於它很準確地看見了一個新問題：在 AI 愈來愈像知識入口的時代，一個地方若沒有整理好自己的數位敘事，最後就很可能只能活在別人替你拼湊的版本裡。而台灣，顯然不該只是那種被零散關鍵字描述的存在。它不只是地緣政治新聞裡的名字，也不只是半導體供應鏈中的座標，它有自己的歷史複雜性、文化層次、日常細節與社會氣味，而這些東西，過去未必有被好好寫進全球可讀的知識系統裡。如果 README.md 是每個專案的入口，那麼 taiwan.md 想做的，或許就是讓台灣第一次擁有一份真正像樣、而且可以持續更新的 README。這不只是技術梗，也不只是創意命名，而是一種屬於這個時代的國家自我介紹方式。吳哲宇貼文全文：相關資料：taiwan.mdhttps://taiwan.mdGitHub 原始碼https://github.com/frank890417/taiwan-md塞掐 Side Chat E375：吳哲宇「AI 生成藝術的靈魂在人類」 責任編輯：Sherlock核稿編輯：Mia本文初稿由 INSIDE 使用 AI 協助編撰，並經人工審校確認；加入 INSIDE 會員，獨享 INSIDE 科技趨勢電子報，點擊立刻成為會員！延伸閱讀：新媒體藝術家/MONOLAB 創辦人 吳哲宇：AI 生成藝術的靈魂在人類【塞掐 Side Chat】E375
-- gReader Pro
Re: Google 更新 Stitch，宣布「氛圍設計」時代來臨：從自然語言直達高保真 UI
陳勇汀 <pulipuli_chen@ericstar.tw> 於 2026年5月17日 週日 上午2:08 寫道：
Google 更新 Stitch，宣布「氛圍設計」時代來臨：從自然語言直達高保真 UI
https://www.techbang.com/posts/128458-google-stitch-ambient-design-nl-to-ui
Google 更新 AI 設計工具 Stitch，推出「氛圍設計」模式。用戶透過自然語言即可生成高保真 UI，並藉由全新 AI 畫布與 DESIGN.md 規範，實現從創意到開發的自動化協作。Google 宣布旗下軟體設計工具 Stitch 迎來重大更新，轉型為「AI 原生軟體設計畫布」。本次更新的核心在於引入「氛圍設計」（Vibe Design）概念，旨在打破傳統從線框圖開始的繁瑣流程，讓開發者與設計師僅憑自然語言描述、情緒感受或商業目標，即可快速生成具備高保真度的使用者介面。 從「結構導向」轉向「意圖導向」 過去一年的 AI 浪潮已改變了軟體開發邏輯，而 Stitch 的演進則進一步將重心移往設計上游。Google Labs 副總裁 Josh Woodward 指出，AI 應作為「創意放大器」，幫助使用者在短時間內探索多樣化的可能性。 在全新的 Stitch 中，使用者不再需要精確的排版知識，而是可以透過說明「希望使用者感受到的情緒」或提供「靈感參考圖」來啟動設計。這種「氛圍設計」模式允許團隊在初期進行大規模的發散思考，再由 AI 協助收斂至最終方案。 新技術亮點：無限畫布與設計代理人 為了支援更靈活的創作過程，Stitch 進行了以下技術升級： AI 原生無限畫布：支援混合輸入，使用者可將圖片、文本甚至程式碼片段直接拖入畫布作為上下文基準。 全新設計代理人（Design Agent）：具備邏輯推理能力，能理解整個專案的演進脈絡。 代理人管理員（Agent Manager）：支援多線並行探索，系統會自動追蹤不同的設計分支，確保在嘗試多種風格時依然保持井然有序。 DESIGN.md 與跨工具協作 針對專業工作流，Google 擴展了設計系統工具集。最受矚目的是名為 DESIGN.md 的新格式，這是一種對 AI 友好的 Markdown 文件。使用者可以從任何網址快速提取設計規範，並透過 DESIGN.md 在不同專案或開發工具之間無縫轉移設計規則，避免重複造輪子。 此外，Stitch 強化了從設計到開發的銜接。藉由新發布的 MCP（Model Context Protocol）伺服器與 SDK，Stitch 的功能可整合至其他開發技能（Skills）中，並支援將設計直接匯出至 AI Studio 或 Antigravity 等開發者工具。 聲控修改與自動原型生成 在互動性方面，Stitch 現在能將靜態設計瞬間轉化為動態原型。 自動路徑生成：AI 能根據點擊動作預測並生成下一個邏輯頁面，自動繪製使用者旅程（User Journey）。 語音氛圍設計：導入語音交互功能，使用者可直接對畫布下令，例如：「生成三種不同的選單配置」或「切換不同的配色方案」，AI 將即時給予反饋與修改建議。 Google 表示，無論是需要快速產出變體的專業設計師，還是試圖將想法具現化的創業家，Stitch 的目標是將「創意到現實」的週期從數天縮短至數分鐘。業界認為，Stitch 的更新標誌著 UI 設計門檻的進一步降低，同時也預示著未來設計流程將更趨向於「人機協作」的對話模式。 延伸閱讀：Google 推出「Stitch」：文字生成介面的工程師AI神器，從點子到 App徹底改變 UI 設計流程 加入T客邦Facebook粉絲團
-- gReader Pro
Re: Google 決定取消 AI 醫療建議功能
陳勇汀 <pulipuli_chen@ericstar.tw> 於 2026年5月17日 週日 上午2:08 寫道：
Google 決定取消 AI 醫療建議功能
https://www.koc.com.tw/archives/635256
自 2024 年初起，Google 便積極推動其 AI 搜尋改革，尤其是「AI 概覽」（AI Overview）功能。這項功能原本被視為搜尋體驗的下一個階段，甚至取代了沿用多年的詞義釋義與摘要呈現方式。然而，隨著使用者反彈聲浪升高，Google 近期悄悄撤下其中一項與健康資訊相關的 AI 功能，引發不少討論。 Google 決定取消 AI 醫療建議功能 這項被終止的功能，是 Google 在搜尋中測試的「用戶建議」（User Recommendations）AI 插件。它的設計理念，是在使用者搜尋健康症狀時，自動彙整來自網路論壇、社群平台與其他公開討論區的「群眾智慧」，並以 AI 生成的方式呈現成一段易讀的健康建議摘要。換句話說，當你搜尋「喉嚨痛怎麼辦」或「頭暈原因」時，Google 會主動整理陌生網友的經驗談，並以看似專業的格式呈現給你。 乍看之下，這樣的功能似乎相當便利，畢竟許多人在面對不明症狀時，第一步往往不是看醫生，而是上網搜尋，並瀏覽其他人分享的經驗。Google 的想法是：既然大家都會看這些內容，那不如由 AI 幫你整理成更清晰的版本，然而，問題也正是從這裡開始浮現。 根據《The Guardian》的報導，Google 已悄悄停止這項功能的測試。Android Authority 也指出，雖然「彙整網友經驗」聽起來很貼心，但它同時帶來一個根本性的疑問：搜尋引擎是否應該替陌生人的醫療建議背書，甚至將其包裝成看似可靠的資訊來源。 這項功能的初衷，是希望讓使用者能快速看到其他有類似症狀者的經驗，尤其是那些罕見疾病或難以診斷的狀況，然而，這些內容本質上仍是「網路留言」，並非醫療專業意見。AI 在彙整時也無法判斷留言者的背景、健康狀況、年齡、病史，甚至無法確認資訊是否正確。這些缺乏脈絡的建議，一旦被 AI 以正式語氣呈現，便可能讓使用者誤以為它具有某種可信度。 更重要的是，Google 近期在醫療資訊領域的 AI 表現已受到外界高度質疑。先前已有調查指出，Google 的 AI 健康摘要有時會提供不完整、誤導甚至危險的建議。例如，有些建議缺乏必要的背景說明，有些則與醫療機構的正式指引相牴觸。即使內容本身沒有錯誤，AI 也可能忽略「健康建議需要因人而異」這件事，而這正是醫療領域最重要的原則之一。此外，Google 雖然會在 AI 回答中加入「請諮詢專業醫療人員」的免責聲明，但這段文字並不總是被放在醒目位置，對某些使用者而言，AI 的語氣與呈現方式反而讓它看起來比實際上更具權威性，這也加深了外界的擔憂。 面對這些批評，Google 表示，移除「用戶建議」功能並非因為準確性問題，而是公司正在進行更大規模的搜尋體驗簡化計畫。換言之，Google 認為這項功能並不符合其未來的搜尋方向，因此選擇終止測試。 目前，Google 搜尋中的 AI 將不再自動彙整網路上的群眾醫療建議。使用者若仍想查看論壇或社群上的討論，當然可以自行搜尋，但 Google 不會再以 AI 的方式替你整理，也不會再把這些內容包裝成「健康建議摘要」。這項變動反映出一個更大的趨勢：AI 在醫療資訊領域的應用仍然充滿挑戰。雖然 AI 能快速整理大量資料，但醫療資訊牽涉到個人差異、專業判斷與高度風險，遠非單純的文字彙整能解決。Google 的取消，某種程度上也提醒了科技公司，在健康領域，速度與創新永遠不能凌駕於安全與準確之上。
-- gReader Pro
2026年5月17日 星期日
FlowMouse 心流鼠标手势 - 比 CrxMouse 更流畅好用的开源浏览器插件 (超级拖拽)
FlowMouse 心流鼠标手势 - 比 CrxMouse 更流畅好用的开源浏览器插件 (超级拖拽)
https://www.iplaysoft.com/flowmouse.html
如果你习惯使用「鼠标手势」功能，估计是这辈子也很难戒掉了。因为只需右键随手一划，就能迅速流畅执行各种操作，如浏览器的后退、刷新、关闭标签页，全都单手搞定，超省心。尤其对长期和电脑办公的人来说，日积月累下来能节省大量精力消耗。而最近 Chrome 上老牌的鼠标手势插件 CrxMouse 居然“不安分”地弹窗，要求读取用户的浏览历史记录权限，甚至因兼容性导致部分网站无法登录，这就过分了！所以很多人都想找一款更放心的开源替代品……「传送门：“全局鼠标手势工具”推荐」WGestures 全局鼠标手势Quicker 效率增强启动器FlowMouse 给浏览器装上更好用流畅的鼠标手势/超级拖拽扩展！ 正是因为 CrxMouse 的骚操作，让吾爱的大佬 Hmily 坐不住了。一气之下，干脆自己动手开发一个！这就是今天要推荐的 FlowMouse —— 心流鼠标手势。它完全免费开源，核心理念就两个字：流畅和隐私安全；功能上主要包含鼠标手势和超级拖拽。现在「心流鼠标手势」已在 GitHub 上开源，并支持多款浏览器：Chrome、Edge、Firefox 等。特点就是跟手流畅、功能全面，不仅代码透明，而且“完全本地”化——完全没有任何偷偷上传数据的后台逻辑，适合对隐私敏感，又想提升浏览操作效率的人。FlowMouse 在谷歌 Chrome 应用商店上也获得到了精选认证。相比同类插件，不仅手感流畅、设置界面直观，关键是再也不会有那种“我的浏览记录是不是被谁盯着”的隐隐不安感了。安装插件扩展之后，通过鼠标右键滑动，画出指定的手势，就能快速完成各种对应的浏览器操作，比如前进后退、切换标签页、刷新、关闭页面等等，完全不需要点按钮、记快捷键，非常的好用。全局鼠标手势 - 对整个系统生效！由于 FlowMouse 心流鼠标手势仅仅是一款「浏览器扩展插件」，它的作用仅限在 Chrome、Edge、FireFox 等浏览器里内部使用。如果你希望整个 Windows 或 macOS 的任意 APP 上都能使用“全局鼠标手势”，那么强烈推荐看看 WGestures、Quicker 等增强工具。WGestures 全局鼠标手势Quicker 效率增强启动器鼠标手势导航：内置 16 种默认手势，覆盖了日常浏览的绝大多数操作场景。比如划出下右则可以关闭当前的标签页；常用的如下：手势功能手势功能←后退→前进↑向上滚动↓向下滚动↑←切换到左侧标签页↑→切换到右侧标签页→↑新建标签页→↓刷新当前页面↓←停止加载↓→关闭当前标签页←↑恢复关闭的标签页←↓关闭所有标签页↑↓滚动到底部↓↑滚动到顶部←→关闭当前标签页→←恢复关闭的标签页所有手势都可以在设置页面自由修改，也支持自定义添加更多手势，完全按自己的习惯来。超级拖拽功能：这个功能说实话挺卷的，用上了就觉得以前的操作方式有点浪费时间：拖拽文字：选中一段文字直接拖拽，就能触发搜索，还支持自定义搜索引擎拖拽图片：可以新标签页查看、保存图片、复制图片地址，甚至以图搜图拖拽链接：后台新标签页打开，或者复制链接，不用右键菜单了滚轮手势和特殊手势这两个是后来加入的功能，很实用：滚轮手势：按住右键的同时滚动滚轮，可以快速切换标签页特殊手势：按住右键点左键，或者按住左键点右键，实现前进 / 后退导航，一个动作就搞定命令链（专家模式）这个功能有点意思——一个手势可以连续执行多个操作。比如你可以设置一个手势，同时完成“关闭当前标签页 + 切换到指定标签页”，效率直接拉满。隐私这件事，FlowMouse 是认真的因为 FlowMouse 本来就是“因为受不了别的插件不尊重隐私”才做出来的，所以在隐私这块是真的做到位了：不收集浏览历史、书签、操作习惯，一条都没有不内嵌任何第三方分析代码或广告代码不向任何第三方服务器上传数据代码完全开源，放在 GitHub 上，随时可以去审阅设置数据会保存在浏览器本地存储里，如果你开了 Chrome 同步或者 Firefox Sync，也只是通过浏览器自己的加密同步服务来同步，整个过程浏览器说了算，FlowMouse 不参与。和 CrxMouse 或同类鼠标手势插件比，区别在哪？很多人用鼠标手势插件的第一选择就是 CrxMouse，毕竟它做了那么多年。但 FlowMouse 在这几个地方明显更好：隐私上：CrxMouse 频繁索要访问网址权限，FlowMouse 零权限索取、零数据收集兼容性上：CrxMouse 曾经的 JavaScript 注入问题影响了大量 Discuz！论坛，FlowMouse 针对这类问题做了专项修复浏览器支持上：FlowMouse 同时支持 Chrome、Edge、Firefox ，CrxMouse 主要面向 Chrome开源透明度：FlowMouse 代码全部开源，想查就查，没有黑盒安装心流鼠标手势插件方法：推荐方式：直接去这里获取浏览器插件的官方商店地址，在 Chorme、Edge、FireFox 浏览器上均可以一键完成安装。如果你使用基于 Chrome 的第三方浏览器，那么可以从 Github 下载 crx 插件包，进行「离线安装」。安装完成后，首次使用会有新手引导，会手把手教你怎么画手势、怎么配置，完全零门槛。进入设置界面的方式也很简单，在插件图标上右键点“选项”就能打开设置页，里面可以自定义手势轨迹的颜色、线条宽度、操作提示等等，一目了然。装上 FlowMouse 之后，最明显的感受就是浏览网页变得“安静”了。不需要总想着去按 Ctrl + W 关标签，或者 Ctrl + T 开新页。鼠标右键一划，一切搞定。尤其是“超级拖拽”功能，查资料时看到一段想搜索的文字，直接拖拽就行，比复制粘贴再打开搜索页面快太多了。它的手势识别很准确，我几乎没遇到过误操作。轨迹的视觉反馈也很舒服，不会太突兀。因为所有数据都在本地，心理上也完全没有负担，不用担心它在背后做什么。从 CrxMouse 切换到 FlowMouse，过渡也非常平滑。我保留了几个最常用的核心手势，其他的参考了 Edge 浏览器原生手势的设定进行补充，很快就适应了。小结FlowMouse (心流鼠标手势) 是一个很典型的“开发者自用需求驱动”的项目——因为受不了现有工具的隐私问题，干脆自己写了一个更好的。这类项目往往反而是最值得信任的，因为作者本身就是最挑剔的用户。完全免费、完全开源、谷歌商店精选认证，支持 Chrome / Edge / Firefox ，手势流畅、设置直观，还有超级拖拽和命令链这些进阶功能。如果你还在用 CrxMouse 或者其他手势插件，真的可以考虑换过来感受一下。相关文件下载地址官方网站：访问 软件性质：开源免费 推荐软件：Fences 桌面图标整理 | Listary 文件快速定位 | 更多精选 全局鼠标手势软件：WGestures | Quicker下载 FlowMouse 心流鼠标手势插件 (Chrome/Edge/Firefox) | 更多效率相关 | 更多插件
-- gReader Pro
https://www.iplaysoft.com/flowmouse.html
如果你习惯使用「鼠标手势」功能，估计是这辈子也很难戒掉了。因为只需右键随手一划，就能迅速流畅执行各种操作，如浏览器的后退、刷新、关闭标签页，全都单手搞定，超省心。尤其对长期和电脑办公的人来说，日积月累下来能节省大量精力消耗。而最近 Chrome 上老牌的鼠标手势插件 CrxMouse 居然“不安分”地弹窗，要求读取用户的浏览历史记录权限，甚至因兼容性导致部分网站无法登录，这就过分了！所以很多人都想找一款更放心的开源替代品……「传送门：“全局鼠标手势工具”推荐」WGestures 全局鼠标手势Quicker 效率增强启动器FlowMouse 给浏览器装上更好用流畅的鼠标手势/超级拖拽扩展！ 正是因为 CrxMouse 的骚操作，让吾爱的大佬 Hmily 坐不住了。一气之下，干脆自己动手开发一个！这就是今天要推荐的 FlowMouse —— 心流鼠标手势。它完全免费开源，核心理念就两个字：流畅和隐私安全；功能上主要包含鼠标手势和超级拖拽。现在「心流鼠标手势」已在 GitHub 上开源，并支持多款浏览器：Chrome、Edge、Firefox 等。特点就是跟手流畅、功能全面，不仅代码透明，而且“完全本地”化——完全没有任何偷偷上传数据的后台逻辑，适合对隐私敏感，又想提升浏览操作效率的人。FlowMouse 在谷歌 Chrome 应用商店上也获得到了精选认证。相比同类插件，不仅手感流畅、设置界面直观，关键是再也不会有那种“我的浏览记录是不是被谁盯着”的隐隐不安感了。安装插件扩展之后，通过鼠标右键滑动，画出指定的手势，就能快速完成各种对应的浏览器操作，比如前进后退、切换标签页、刷新、关闭页面等等，完全不需要点按钮、记快捷键，非常的好用。全局鼠标手势 - 对整个系统生效！由于 FlowMouse 心流鼠标手势仅仅是一款「浏览器扩展插件」，它的作用仅限在 Chrome、Edge、FireFox 等浏览器里内部使用。如果你希望整个 Windows 或 macOS 的任意 APP 上都能使用“全局鼠标手势”，那么强烈推荐看看 WGestures、Quicker 等增强工具。WGestures 全局鼠标手势Quicker 效率增强启动器鼠标手势导航：内置 16 种默认手势，覆盖了日常浏览的绝大多数操作场景。比如划出下右则可以关闭当前的标签页；常用的如下：手势功能手势功能←后退→前进↑向上滚动↓向下滚动↑←切换到左侧标签页↑→切换到右侧标签页→↑新建标签页→↓刷新当前页面↓←停止加载↓→关闭当前标签页←↑恢复关闭的标签页←↓关闭所有标签页↑↓滚动到底部↓↑滚动到顶部←→关闭当前标签页→←恢复关闭的标签页所有手势都可以在设置页面自由修改，也支持自定义添加更多手势，完全按自己的习惯来。超级拖拽功能：这个功能说实话挺卷的，用上了就觉得以前的操作方式有点浪费时间：拖拽文字：选中一段文字直接拖拽，就能触发搜索，还支持自定义搜索引擎拖拽图片：可以新标签页查看、保存图片、复制图片地址，甚至以图搜图拖拽链接：后台新标签页打开，或者复制链接，不用右键菜单了滚轮手势和特殊手势这两个是后来加入的功能，很实用：滚轮手势：按住右键的同时滚动滚轮，可以快速切换标签页特殊手势：按住右键点左键，或者按住左键点右键，实现前进 / 后退导航，一个动作就搞定命令链（专家模式）这个功能有点意思——一个手势可以连续执行多个操作。比如你可以设置一个手势，同时完成“关闭当前标签页 + 切换到指定标签页”，效率直接拉满。隐私这件事，FlowMouse 是认真的因为 FlowMouse 本来就是“因为受不了别的插件不尊重隐私”才做出来的，所以在隐私这块是真的做到位了：不收集浏览历史、书签、操作习惯，一条都没有不内嵌任何第三方分析代码或广告代码不向任何第三方服务器上传数据代码完全开源，放在 GitHub 上，随时可以去审阅设置数据会保存在浏览器本地存储里，如果你开了 Chrome 同步或者 Firefox Sync，也只是通过浏览器自己的加密同步服务来同步，整个过程浏览器说了算，FlowMouse 不参与。和 CrxMouse 或同类鼠标手势插件比，区别在哪？很多人用鼠标手势插件的第一选择就是 CrxMouse，毕竟它做了那么多年。但 FlowMouse 在这几个地方明显更好：隐私上：CrxMouse 频繁索要访问网址权限，FlowMouse 零权限索取、零数据收集兼容性上：CrxMouse 曾经的 JavaScript 注入问题影响了大量 Discuz！论坛，FlowMouse 针对这类问题做了专项修复浏览器支持上：FlowMouse 同时支持 Chrome、Edge、Firefox ，CrxMouse 主要面向 Chrome开源透明度：FlowMouse 代码全部开源，想查就查，没有黑盒安装心流鼠标手势插件方法：推荐方式：直接去这里获取浏览器插件的官方商店地址，在 Chorme、Edge、FireFox 浏览器上均可以一键完成安装。如果你使用基于 Chrome 的第三方浏览器，那么可以从 Github 下载 crx 插件包，进行「离线安装」。安装完成后，首次使用会有新手引导，会手把手教你怎么画手势、怎么配置，完全零门槛。进入设置界面的方式也很简单，在插件图标上右键点“选项”就能打开设置页，里面可以自定义手势轨迹的颜色、线条宽度、操作提示等等，一目了然。装上 FlowMouse 之后，最明显的感受就是浏览网页变得“安静”了。不需要总想着去按 Ctrl + W 关标签，或者 Ctrl + T 开新页。鼠标右键一划，一切搞定。尤其是“超级拖拽”功能，查资料时看到一段想搜索的文字，直接拖拽就行，比复制粘贴再打开搜索页面快太多了。它的手势识别很准确，我几乎没遇到过误操作。轨迹的视觉反馈也很舒服，不会太突兀。因为所有数据都在本地，心理上也完全没有负担，不用担心它在背后做什么。从 CrxMouse 切换到 FlowMouse，过渡也非常平滑。我保留了几个最常用的核心手势，其他的参考了 Edge 浏览器原生手势的设定进行补充，很快就适应了。小结FlowMouse (心流鼠标手势) 是一个很典型的“开发者自用需求驱动”的项目——因为受不了现有工具的隐私问题，干脆自己写了一个更好的。这类项目往往反而是最值得信任的，因为作者本身就是最挑剔的用户。完全免费、完全开源、谷歌商店精选认证，支持 Chrome / Edge / Firefox ，手势流畅、设置直观，还有超级拖拽和命令链这些进阶功能。如果你还在用 CrxMouse 或者其他手势插件，真的可以考虑换过来感受一下。相关文件下载地址官方网站：访问 软件性质：开源免费 推荐软件：Fences 桌面图标整理 | Listary 文件快速定位 | 更多精选 全局鼠标手势软件：WGestures | Quicker下载 FlowMouse 心流鼠标手势插件 (Chrome/Edge/Firefox) | 更多效率相关 | 更多插件
-- gReader Pro
别再傻傻订阅一堆AI了！这个工具1个顶5个，帮你省下$1000月 | Skywork实测 | 零度解说
别再傻傻订阅一堆AI了！这个工具1个顶5个，帮你省下$1000月 | Skywork实测 | 零度解说
https://www.youtube.com/watch?v=S5CF--dRwws
https://www.youtube.com/watch?v=S5CF--dRwws值得閱讀的理由大幅降低 AI 訂閱成本：作者介紹了如何透過 Skywork 一站式平台，取代 ChatGPT、Canva、Gamma 等多種昂貴工具，省下每月數千美金的費用。打破 Token 限制的無限使用模式：詳細說明了該平台取消積分體系，付費後可無限次生成與修改，解決了 AI Agent 工具因按量收費導致的高成本痛點。自動化操作電腦的 SkyClaw 技術：展示了 AI 如何透過虛擬機技術像真人一樣操作電腦，完成市場調查、數據監控與自動報表等複雜工作流。摘要一站式 AI 工作空間：解決工具分散與高昂成本作者指出，目前的 AI 使用者常面臨工具過於分散且訂閱費用高昂的問題。為了應對這一挑戰，作者推薦了 Skywork，這是一個整合了各種頂級模型的一站式 AI 工作區。它不僅內建了 GPT-4、Claude 和 Gemini 等頂尖模型，更重要的是其取消了傳統的積分與 Token 計費體系，訂閱後即可享受無限次生成與修改。這對於需要頻繁測試內容的行銷或內容創作者來說，是一個極具競爭力的優勢。從創意到專業：深度研究與多媒體生成在功能實測中，作者展示了 Skywork 在製作 PPT、平面設計與影片 上的強大能力。其 PPT 模式分為創意與專業兩種，專業模式具備 Deep Research 功能，能深入全網搜尋 400 多個資料庫，確保資訊權威且具備溯源連結。此外，Skywork 也是首個將影片生成、音樂生成與編輯器結合的工具，讓使用者能在一站式環境內完成從腳本到成品的所有物料，極大提升了行銷活動的準備效率。SkyClaw 智能助理：雲端自動化執行複雜任務影片的重頭戲是升級版的 SkyClaw（俗稱小龍蝦）。作者強調這是一套無需程式碼部署、在雲端運行的 MacBook 虛擬機，能真正模擬真人操作電腦。透過內建的六大 Skills（涵蓋 PPT、Excel、文件、設計等），SkyClaw 可以自動抓取網路數據、監控業務異常並主動預警，甚至能設定定時任務，在使用者關機時自動完成每週的數據報表，實現真正的 AI 自動化工作流。高階方案與投資回饋：為深度用戶量身打造最後，作者分析了 Skywork 的訂閱方案。除了適合新手的免費版與平價版，針對深度使用者推出的 Ultra 會員 提供了價值遠超訂閱價的 Token 用量回饋。作者認為，Skywork 不僅是一個工具，更像是一個全天候在線的 AI 員工，能協助法律、醫療、管理等各行各業的專業人士解決繁瑣的行政與專案管理工作，讓使用者能專注於任務的完成而非成本的計算。================================================大家好 這裡是零度解說。如果你現在還在這樣用AI。寫內容用ChatGPT。做PPT用Gamma。設計用Canva。做影片用Kling或Veo。那你每個月。至少在AI上花上百。甚至上千美金。貴不說關鍵是還很分散。但今天我們要測試這款工具。就有些不一樣了。它就是這個Skywork。是一個一站式的AI Workspace。它裡面內建了各種頂級模型的滿血版。可以直接取代你現在用的這些AI工具。每個月至少幫你省下幾千美金的訂閱費。而且更離譜的是。它取消了積分體系。付費訂閱以後。就可以無限使用。無限次生成無限次修改。更強的是它的升級版SkyClaw。這是一個使用者體驗優化版的小龍蝦。可以真的像人一樣。直接讓AI幫你操作電腦。全自動把整套工作流程跑完。這一視頻。我不僅要教你如何用它。來節省每年幾千美金的訂閱費。也要展示它如何用幾分鐘。就可以自動幫你幹完一天的活。連結就在影片下方。建議先點開註冊。跟著我的實測一起跑。我們先不講高級功能。我們先來看看Skywork的免費版。到底能做什麼。當你註冊好Skywork以後。你就可以直接用它來寫文案。做報告。做PPT。做設計。AI聊天。文檔編輯。例如現在我輸入一個要求。就做一個關於AI如何改變工作的PPT。它會自動幫你產生結構。內容和排版。整個過程只需要幾秒鐘。就能完成。而且產生出來的結果。是可以直接修改下載。繼續編輯的。如果你只是日常辦公或學習的話。那麼無論寫報告做作業。做方案。其實免費版就完全夠用了。這點對於新手學生。以及一般辦公室民眾來說。是非常友善的。但如果你開始用AI做更複雜的事情。那麼就會發現一個問題。那就成本。我之前試用過這個Manus。還有Genspark等Agent類別的工具。但發現它們跟市面上很多的。大多數的AI工具一樣。都是按token收費的。或是按次數或積分制來收費。用的越多成本越高。尤其是做行銷或做內容。做投放的人來說。這一點會非常明顯。因為你需要不斷測試。不斷生成。也意味著你需要不斷消耗token。這也是為什麼我會覺得。Skywork與眾不同的地方。因為最大差別在於。它付費之後是可以無限使用的。不需要算token。也不需要擔心積分消耗。這一點在目前主流的AI Agent的產品裡。它是一個非常大的優勢。同時它也支援全球主流AI模型。自由切換。比如像這個Claude。適合邏輯規劃。GPT-4代碼能力很強。而GoogleGemini前端展示。和視覺效果是最好的。你可以根據不同的任務。選擇不同的模型。也就意味著不論是寫內容。做分析做設計。用這套系統。它就可以把這些能力全部整合起來。而且在它最新版本的Skywork 2.0。它的核心目標就是讓生產力。不再受限制。如果你是做行銷銷售。投放或經營的話。這段你會非常有感受。例如第一個場景。我們還是從這個剛剛講的PPT說起。訂閱Skywork以後。可以解鎖更強的PPT製作能力。我們以一個行銷。創意營運人員常見的場景為例。大家一定都會遇到市場調查。產業研究。競對研究等相關場景。然後現在我們讓這個Skywork來產生一個。精美好看邏輯清晰。資訊豐富的研究報告的PPT。比如我們輸入。2026年全能基地台掃地機競對分析。接下來它就會自動提供像這個。AI自動生成結構。自動拆分結構。選擇模板。最後產生完整的PPT。整個過程是不需要我介入的。而且這裡面有多個模板可供我們選擇。我們可以看到它產生的結果。內容完整。排版已經幫我們做好。圖示都有。如果是以前的話。那麼這個工作量。至少需要一到兩個小時才能完成。但現在。十來分鐘就可以全部搞定了。而且Skywork的PPT Agent。它擁有創意模式和專業模式可供選擇。在創意模式下。你可以使用最新進的。Nano Banana 2 模型。無限次生成PPT。無限次修改。它的編輯功能是非常強大的。不僅在線上就能修改文字。而且可以把它下載成PPT格式以後。改起來會更加方便。而在專業模式下的話。這Skywork生成的PPT。它擁有Deep Research功能。可深入搜尋全網資訊。所有事實性內容均可溯源。你也可以引用400多個專業資料庫。保證資訊來源權威可靠無幻覺。雖然說現在市面上能做PPT的產品很多。在任務簡單的時候看不出差距。但在資訊量很大的時候。需要同時兼顧外部搜尋情況下。很多的AI PPT產品是經不起細看的。這也是Skywork最核心的能力上限體現。而且以上這兩種模式。在訂閱以後。都是可以無限次使用的。無限次修改。簡直就是牛馬福音。例如做行銷營運的同學。自然也少不了做圖片需求。在這方面。Skywork也可以賦能廣告素材。和視覺設計。假如現在你需要做一個。追覓食X60系列掃地機器人的活動推廣。需要製作海報。電商上架圖。社媒封面圖。直播間貼片圖等。那麼這一大堆做圖片需求。足以把設計師搞崩潰。像以前的話你需要找設計師溝通需求。然後反覆修改。整個流程可能需要幾天時間。但現在你可以直接讓這個Skywork。生成整套活動物料。包括海報橫幅。社群媒體圖片等。甚至像是線下活動用到的這個。筆記本封面。易拉寶。紙袋幾分鐘就可以完成。而且你可以快速修改文案。調整風格產生多個版本。對於做投放的人來說。這意味可以更快的測試素材。從而找到轉換率更高的版本。當然Skywork的強大之處。還遠遠不止這些。做完設計物料。你也可以直接用它來產生產品宣傳視頻。我們還是以追尋X60系列掃地機器人為例。你可以讓這個Skywork。產生廣告影片。目前Skywork是第一個。將影片生成音樂生成。加編輯器結合在一起的AI video工具。把編輯時間軸引入工作區。一站式完成AI影片產生和編輯。不僅可以幫你完成腳本和素材生成。甚至還可以做多個版本。如果選擇訂閱價格是每月19.9美金。這個比較便宜的會員的話。就可以無限次使用。像這個Seedance 1.5 Pro。Pixverse 5.5等平價模型。想用多少就用多少。當然如果你訂閱的是每月249.9美金。這位Ultra會員的話。那麼就可以獲得同等官方平台售價5倍的。高階機種的token用量。也就是說。價值每個月1250美金的。Veo 3.1模型的token。通通贈送給你。這哪裡是消費。分明就是理財。這樣從研究到腳本到圖片。最後到視頻。在Skywork裡。你可以一站式完成這些工作。不需要再花多份錢。除此之外。如果你還想繼續製作。比如像電商獨立站。線上活動的落地頁。訂閱Skywork以後。也是可以無限次使用的。接下來是這次升級最關鍵的一部分。就是SkyClaw。也就是大家最近常聽到的小龍蝦。最近這個OpenClaw非常火。但很多人卡在一個問題。就是不會部署門檻比較高。很多人是想用。但實際卻用不起來。而Skywork的SkyClaw。已經把這一整套能力。直接集成進來了。而且關鍵是你不用部署。不用買伺服器。不用寫程式碼。這一點對小白來說非常友好。對於SkyClaw你可以把它理解為這個。AI在雲端。啟動一台你可以親眼看見。親手操作的MacBook的虛擬機。它完全可以幫你操作一台電腦。例如如果你需要每週調查。50家掃地機器人競賽的最新價格。並做成表格。像以前的話。你每週都要操作一天時間去搜索。複製貼上。但現在完全不一樣了。有了SkyClaw以後。你可以在雲端同時開啟50個網頁。幫你整理資訊並產生結果。而且它可以啟動一個計時任務。例如在每週五的晚上。幫你把同樣表格產生一份最新的。整個過程是可視化的。你可以看到它在做什麼。也可以隨時接管。因為它是在雲端運行。所以你的電腦關機它還在運作。例如晚上讓它整理資料。第二天直接出結果。甚至你還可以在手機。在Telegram。WhatsApp. 或Skywork App上。直接看到結果進行遠端操作。這基本就是一個全天在線的AI員工。當然熟悉小龍蝦的同學都知道。龍蝦好不好用。配置和模型是一方面。關鍵是要看Skills。裝的多不多。好不好。為了解開市面上的Skills。做PPT 寫文件做表格太醜。以及多模態創作能力不夠的問題。Skywork一口氣推出了6個Skills。涵蓋了PPT。Excel. 文件。設計。音樂製作與搜尋領域。並把它們都內建到SkyClaw裡面。以前用龍蝦跑出來的東西。聰明是聰明。但那排版啊。真的是只能自用。發給老闆分分鐘退回。但現在。Skywork把網頁版的頂級美學。直接搬進了Skills裡。我們先來看這個Skywork PPT技能。它不是簡單的套模板。而是自帶深度研究。你只需要給個主題。它就會自己去全網搜尋論據。產生的PPT邏輯硬核。排版精美。最絕的是。它可以實現週報自動化。路徑設定好以後。龍蝦每週會自動抓取數據。更改這個圖表。當你週一早上打開電腦的時候。一份完整的報告就躺在那裡了。還有那個Skywork Excel。它可能是目前市面上美學最線上的。表格工具了。不管能夠幫你分析上傳的文件。還能主動監控業務數據。不再是幫我算數。而是數據異常時。主動彈跳窗叫你。這種監控加預警的自動化。才叫真正的AI助手。當然這6個Skills它不僅支持OpenClaw。也支援Claude Code的調用。它的下載連結我已經放到影片下方了。你可以自己去下載並調用。當然除了小白。SkyClaw也適合早就用慣了小龍蝦的大拿。這是我覺得它比起它龍蝦產品。最有競爭力的地方。如果你是從未嘗試過小龍蝦的小白。那你可以免費試用5小時。可以先體驗一下。如果你是龍蝦的深度用戶。以及Claude Opus 4.6。GPT-5.4 Pro等高階機型的深度使用者的話。那麼Skywork的Ultra會員。可能會更加適合你。它定價是每個月是249.9美金。一年的話是2549.9美金。重點是你可以自訂頂級模型來使用。例如像GPT-5.4。克勞德作品 4.6。還有Gemini 3.1 Pro版本。而且它也贈送價值官方售價5倍的token用量。買249美金的月卡。贈送價值1250美金的這個token。買2549美金年卡的話。就贈送價值15,000美金的token。換句話說。如果你本來就是用這些模型跑龍蝦的。那麼用SkyClaw反而更加省錢。最後總結一下。為什麼我會不再訂閱很多工具。因為Skywork它做到了一站式工作流程。一個頂N個。而且是免費就能用。付費無限用成本更低。同時可以實現AI自動化執行任務。更簡單。也就意味著如果你是從事行銷。銷售營運業的同學。或者是企業管理。專案管理。產品。人力資源。行政職業的朋友。甚至是醫生。教師。法律從業人員。你就會發現。這Skywork AI。能一站式解決你的全部問題。基於你的任何角色。都可以在Skywork裡面找到對應的用法。它簡直就是你身邊的AI COO。如果你需要高頻使用AI。那麼Skywork真正解決一個核心問題。因為不需要再為這個使用次數付費。而是專注把事情做完。它的連結我已經放到影片下方了。可以免費註冊體驗。透過我的連結的話。前面500個人可以獲得年費20%的折扣。需要的話要抓緊了。千萬別錯過。好今天影片所用的全部資料。它們的連結。我都放到影片下方還有零度部落格上。 ============= https://www.youtube.com/watch?v=S5CF--dRwws1.SkyWork优惠注册链接：https://skywork.ai/p/gYAsot2. Skywork skills 的 clawhub下载地址：ppt：https://clawhub.ai/gxcun17/skywork-pptmusic maker：https://clawhub.ai/gxcun17/skywork-music-maker excel：https://clawhub.ai/gxcun17/skywork-exceldesign：https://clawhub.ai/gxcun17/skywork-designdocument：https://clawhub.ai/gxcun17/skywork-documentsearch：https://clawhub.ai/gxcun17/skywork-search【更多资源】▶https://bittly.cc/lingdu【零度博客】▶https://www.freedidi.com【加入会员】▶https://www.youtube.com/channel/UCvijahEyGtvMpmMHBu4FS2w/join【高级会员】▶https://bittly.cc/JsLAn-------------------------------------🔔零度博客：https://www.freedidi.com🔰 安全VPN推荐（最高优惠链接）：1.SurfsharkVPN：https://get.surfshark.net/aff_c?offer_id=390&aff_id=48902.ProtonVPN：https://go.getproton.me/aff_c?offer_id=26&aff_id=1905&source=youtube3.ExpressVPN：https://go.expressvpn.com/c/2612933/1645830/160634.PureVPN： https://billing.purevpn.com/aff.php?aff=44074🚀VPS 推荐：1.https://bandwagonhost.com/aff.php?aff=58794 （搬瓦工 CN2）🦞AI 生成对口型视频（支持多语言）：https://bittly.cc/heygen💰比特币交易平台1.火币官网 : https://www.htx-kol.com/invite/zh-cn/1g?invite_code=48tr72.欧易官网: https://bittly.cc/okx=======================其它更多精彩内容推荐：😍https://youtu.be/-VrgBEz-EZ4https://youtu.be/bowzVW93pighttps://youtu.be/uFHtS_kJAUEhttps://youtu.be/dNsxnuAIIdwhttps://youtu.be/q1qCzx3sakAhttps://youtu.be/swafOCGzmowhttps://youtu.be/5eA7-gWH_2ohttps://youtu.be/HAXed-ZYEZQhttps://youtu.be/nc-EQHtx2W8https://youtu.be/LQwD0x1Z8akhttps://youtu.be/T4eLUtIRy_Mhttps://youtu.be/5XrayNHLWrghttps://youtu.be/b_NTQEWJLxwhttps://youtu.be/lzb5bJS4XtIhttps://youtu.be/cHIyeTdKB4ghttps://youtu.be/p8KTaBv7nxwhttps://youtu.be/UWelKj2LkIUhttps://youtu.be/JBv-thjmVP8https://youtu.be/QCvF8mCPwdQhttps://youtu.be/NLO0nx4EN24https://youtu.be/r351ngmDL3Qhttps://youtu.be/IIcAe2AlROEhttps://youtu.be/kCrX3Dm4_cYhttps://youtu.be/UhMim4G79Oohttps://youtu.be/xzBiF8TJ_t4https://youtu.be/Q-FUmOtysyghttps://youtu.be/MEZnK8ZOSVw=========================零度电报群：https://t.me/lingdujie1.SkyWork优惠注册链接：https://skywork.ai/p/gYAsot2. Skywork skills 的 clawhub下载地址：ppt：https://clawhub.ai/gxcun17/skywork-pptmusic maker：https://clawhub.ai/gxcun17/skywork-music-maker excel：https://clawhub.ai/gxcun17/skywork-exceldesign：https://clawhub.ai/gxcun17/skywork-designdocument：https://clawhub.ai/gxcun17/skywork-documentsearch：https://clawhub.ai/gxcun17/skywork-search【更多资源】▶https://bittly.cc/lingdu【零度博客】▶https://www.freedidi.com【加入会员】▶https://www.youtube.com/channel/UCvijahEyGtvMpmMHBu4FS2w/join【高级会员】▶https://bittly.cc/JsLAn-------------------------------------🔔零度博客：https://www.freedidi.com🔰 安全VPN推荐（最高优惠链接）：1.SurfsharkVPN：https://get.surfshark.net/aff_c?offer_id=390&aff_id=48902.ProtonVPN：https://go.getproton.me/aff_c?offer_id=26&aff_id=1905&source=youtube3.ExpressVPN：https://go.expressvpn.com/c/2612933/1645830/160634.PureVPN： https://billing.purevpn.com/aff.php?aff=44074🚀VPS 推荐：1.https://bandwagonhost.com/aff.php?aff=58794 （搬瓦工 CN2）🦞AI 生成对口型视频（支持多语言）：https://bittly.cc/heygen💰比特币交易平台1.火币官网 : https://www.htx-kol.com/invite/zh-cn/1g?invite_code=48tr72.欧易官网: https://bittly.cc/okx=======================其它更多精彩内容推荐：😍https://youtu.be/-VrgBEz-EZ4https://youtu.be/bowzVW93pighttps://youtu.be/uFHtS_kJAUEhttps://youtu.be/dNsxnuAIIdwhttps://youtu.be/q1qCzx3sakAhttps://youtu.be/swafOCGzmowhttps://youtu.be/5eA7-gWH_2ohttps://youtu.be/HAXed-ZYEZQhttps://youtu.be/nc-EQHtx2W8https://youtu.be/LQwD0x1Z8akhttps://youtu.be/T4eLUtIRy_Mhttps://youtu.be/5XrayNHLWrghttps://youtu.be/b_NTQEWJLxwhttps://youtu.be/lzb5bJS4XtIhttps://youtu.be/cHIyeTdKB4ghttps://youtu.be/p8KTaBv7nxwhttps://youtu.be/UWelKj2LkIUhttps://youtu.be/JBv-thjmVP8https://youtu.be/QCvF8mCPwdQhttps://youtu.be/NLO0nx4EN24https://youtu.be/r351ngmDL3Qhttps://youtu.be/IIcAe2AlROEhttps://youtu.be/kCrX3Dm4_cYhttps://youtu.be/UhMim4G79Oohttps://youtu.be/xzBiF8TJ_t4https://youtu.be/Q-FUmOtysyghttps://youtu.be/MEZnK8ZOSVw=========================零度电报群：https://t.me/lingdujie
-- gReader Pro
https://www.youtube.com/watch?v=S5CF--dRwws
https://www.youtube.com/watch?v=S5CF--dRwws值得閱讀的理由大幅降低 AI 訂閱成本：作者介紹了如何透過 Skywork 一站式平台，取代 ChatGPT、Canva、Gamma 等多種昂貴工具，省下每月數千美金的費用。打破 Token 限制的無限使用模式：詳細說明了該平台取消積分體系，付費後可無限次生成與修改，解決了 AI Agent 工具因按量收費導致的高成本痛點。自動化操作電腦的 SkyClaw 技術：展示了 AI 如何透過虛擬機技術像真人一樣操作電腦，完成市場調查、數據監控與自動報表等複雜工作流。摘要一站式 AI 工作空間：解決工具分散與高昂成本作者指出，目前的 AI 使用者常面臨工具過於分散且訂閱費用高昂的問題。為了應對這一挑戰，作者推薦了 Skywork，這是一個整合了各種頂級模型的一站式 AI 工作區。它不僅內建了 GPT-4、Claude 和 Gemini 等頂尖模型，更重要的是其取消了傳統的積分與 Token 計費體系，訂閱後即可享受無限次生成與修改。這對於需要頻繁測試內容的行銷或內容創作者來說，是一個極具競爭力的優勢。從創意到專業：深度研究與多媒體生成在功能實測中，作者展示了 Skywork 在製作 PPT、平面設計與影片 上的強大能力。其 PPT 模式分為創意與專業兩種，專業模式具備 Deep Research 功能，能深入全網搜尋 400 多個資料庫，確保資訊權威且具備溯源連結。此外，Skywork 也是首個將影片生成、音樂生成與編輯器結合的工具，讓使用者能在一站式環境內完成從腳本到成品的所有物料，極大提升了行銷活動的準備效率。SkyClaw 智能助理：雲端自動化執行複雜任務影片的重頭戲是升級版的 SkyClaw（俗稱小龍蝦）。作者強調這是一套無需程式碼部署、在雲端運行的 MacBook 虛擬機，能真正模擬真人操作電腦。透過內建的六大 Skills（涵蓋 PPT、Excel、文件、設計等），SkyClaw 可以自動抓取網路數據、監控業務異常並主動預警，甚至能設定定時任務，在使用者關機時自動完成每週的數據報表，實現真正的 AI 自動化工作流。高階方案與投資回饋：為深度用戶量身打造最後，作者分析了 Skywork 的訂閱方案。除了適合新手的免費版與平價版，針對深度使用者推出的 Ultra 會員 提供了價值遠超訂閱價的 Token 用量回饋。作者認為，Skywork 不僅是一個工具，更像是一個全天候在線的 AI 員工，能協助法律、醫療、管理等各行各業的專業人士解決繁瑣的行政與專案管理工作，讓使用者能專注於任務的完成而非成本的計算。================================================大家好 這裡是零度解說。如果你現在還在這樣用AI。寫內容用ChatGPT。做PPT用Gamma。設計用Canva。做影片用Kling或Veo。那你每個月。至少在AI上花上百。甚至上千美金。貴不說關鍵是還很分散。但今天我們要測試這款工具。就有些不一樣了。它就是這個Skywork。是一個一站式的AI Workspace。它裡面內建了各種頂級模型的滿血版。可以直接取代你現在用的這些AI工具。每個月至少幫你省下幾千美金的訂閱費。而且更離譜的是。它取消了積分體系。付費訂閱以後。就可以無限使用。無限次生成無限次修改。更強的是它的升級版SkyClaw。這是一個使用者體驗優化版的小龍蝦。可以真的像人一樣。直接讓AI幫你操作電腦。全自動把整套工作流程跑完。這一視頻。我不僅要教你如何用它。來節省每年幾千美金的訂閱費。也要展示它如何用幾分鐘。就可以自動幫你幹完一天的活。連結就在影片下方。建議先點開註冊。跟著我的實測一起跑。我們先不講高級功能。我們先來看看Skywork的免費版。到底能做什麼。當你註冊好Skywork以後。你就可以直接用它來寫文案。做報告。做PPT。做設計。AI聊天。文檔編輯。例如現在我輸入一個要求。就做一個關於AI如何改變工作的PPT。它會自動幫你產生結構。內容和排版。整個過程只需要幾秒鐘。就能完成。而且產生出來的結果。是可以直接修改下載。繼續編輯的。如果你只是日常辦公或學習的話。那麼無論寫報告做作業。做方案。其實免費版就完全夠用了。這點對於新手學生。以及一般辦公室民眾來說。是非常友善的。但如果你開始用AI做更複雜的事情。那麼就會發現一個問題。那就成本。我之前試用過這個Manus。還有Genspark等Agent類別的工具。但發現它們跟市面上很多的。大多數的AI工具一樣。都是按token收費的。或是按次數或積分制來收費。用的越多成本越高。尤其是做行銷或做內容。做投放的人來說。這一點會非常明顯。因為你需要不斷測試。不斷生成。也意味著你需要不斷消耗token。這也是為什麼我會覺得。Skywork與眾不同的地方。因為最大差別在於。它付費之後是可以無限使用的。不需要算token。也不需要擔心積分消耗。這一點在目前主流的AI Agent的產品裡。它是一個非常大的優勢。同時它也支援全球主流AI模型。自由切換。比如像這個Claude。適合邏輯規劃。GPT-4代碼能力很強。而GoogleGemini前端展示。和視覺效果是最好的。你可以根據不同的任務。選擇不同的模型。也就意味著不論是寫內容。做分析做設計。用這套系統。它就可以把這些能力全部整合起來。而且在它最新版本的Skywork 2.0。它的核心目標就是讓生產力。不再受限制。如果你是做行銷銷售。投放或經營的話。這段你會非常有感受。例如第一個場景。我們還是從這個剛剛講的PPT說起。訂閱Skywork以後。可以解鎖更強的PPT製作能力。我們以一個行銷。創意營運人員常見的場景為例。大家一定都會遇到市場調查。產業研究。競對研究等相關場景。然後現在我們讓這個Skywork來產生一個。精美好看邏輯清晰。資訊豐富的研究報告的PPT。比如我們輸入。2026年全能基地台掃地機競對分析。接下來它就會自動提供像這個。AI自動生成結構。自動拆分結構。選擇模板。最後產生完整的PPT。整個過程是不需要我介入的。而且這裡面有多個模板可供我們選擇。我們可以看到它產生的結果。內容完整。排版已經幫我們做好。圖示都有。如果是以前的話。那麼這個工作量。至少需要一到兩個小時才能完成。但現在。十來分鐘就可以全部搞定了。而且Skywork的PPT Agent。它擁有創意模式和專業模式可供選擇。在創意模式下。你可以使用最新進的。Nano Banana 2 模型。無限次生成PPT。無限次修改。它的編輯功能是非常強大的。不僅在線上就能修改文字。而且可以把它下載成PPT格式以後。改起來會更加方便。而在專業模式下的話。這Skywork生成的PPT。它擁有Deep Research功能。可深入搜尋全網資訊。所有事實性內容均可溯源。你也可以引用400多個專業資料庫。保證資訊來源權威可靠無幻覺。雖然說現在市面上能做PPT的產品很多。在任務簡單的時候看不出差距。但在資訊量很大的時候。需要同時兼顧外部搜尋情況下。很多的AI PPT產品是經不起細看的。這也是Skywork最核心的能力上限體現。而且以上這兩種模式。在訂閱以後。都是可以無限次使用的。無限次修改。簡直就是牛馬福音。例如做行銷營運的同學。自然也少不了做圖片需求。在這方面。Skywork也可以賦能廣告素材。和視覺設計。假如現在你需要做一個。追覓食X60系列掃地機器人的活動推廣。需要製作海報。電商上架圖。社媒封面圖。直播間貼片圖等。那麼這一大堆做圖片需求。足以把設計師搞崩潰。像以前的話你需要找設計師溝通需求。然後反覆修改。整個流程可能需要幾天時間。但現在你可以直接讓這個Skywork。生成整套活動物料。包括海報橫幅。社群媒體圖片等。甚至像是線下活動用到的這個。筆記本封面。易拉寶。紙袋幾分鐘就可以完成。而且你可以快速修改文案。調整風格產生多個版本。對於做投放的人來說。這意味可以更快的測試素材。從而找到轉換率更高的版本。當然Skywork的強大之處。還遠遠不止這些。做完設計物料。你也可以直接用它來產生產品宣傳視頻。我們還是以追尋X60系列掃地機器人為例。你可以讓這個Skywork。產生廣告影片。目前Skywork是第一個。將影片生成音樂生成。加編輯器結合在一起的AI video工具。把編輯時間軸引入工作區。一站式完成AI影片產生和編輯。不僅可以幫你完成腳本和素材生成。甚至還可以做多個版本。如果選擇訂閱價格是每月19.9美金。這個比較便宜的會員的話。就可以無限次使用。像這個Seedance 1.5 Pro。Pixverse 5.5等平價模型。想用多少就用多少。當然如果你訂閱的是每月249.9美金。這位Ultra會員的話。那麼就可以獲得同等官方平台售價5倍的。高階機種的token用量。也就是說。價值每個月1250美金的。Veo 3.1模型的token。通通贈送給你。這哪裡是消費。分明就是理財。這樣從研究到腳本到圖片。最後到視頻。在Skywork裡。你可以一站式完成這些工作。不需要再花多份錢。除此之外。如果你還想繼續製作。比如像電商獨立站。線上活動的落地頁。訂閱Skywork以後。也是可以無限次使用的。接下來是這次升級最關鍵的一部分。就是SkyClaw。也就是大家最近常聽到的小龍蝦。最近這個OpenClaw非常火。但很多人卡在一個問題。就是不會部署門檻比較高。很多人是想用。但實際卻用不起來。而Skywork的SkyClaw。已經把這一整套能力。直接集成進來了。而且關鍵是你不用部署。不用買伺服器。不用寫程式碼。這一點對小白來說非常友好。對於SkyClaw你可以把它理解為這個。AI在雲端。啟動一台你可以親眼看見。親手操作的MacBook的虛擬機。它完全可以幫你操作一台電腦。例如如果你需要每週調查。50家掃地機器人競賽的最新價格。並做成表格。像以前的話。你每週都要操作一天時間去搜索。複製貼上。但現在完全不一樣了。有了SkyClaw以後。你可以在雲端同時開啟50個網頁。幫你整理資訊並產生結果。而且它可以啟動一個計時任務。例如在每週五的晚上。幫你把同樣表格產生一份最新的。整個過程是可視化的。你可以看到它在做什麼。也可以隨時接管。因為它是在雲端運行。所以你的電腦關機它還在運作。例如晚上讓它整理資料。第二天直接出結果。甚至你還可以在手機。在Telegram。WhatsApp. 或Skywork App上。直接看到結果進行遠端操作。這基本就是一個全天在線的AI員工。當然熟悉小龍蝦的同學都知道。龍蝦好不好用。配置和模型是一方面。關鍵是要看Skills。裝的多不多。好不好。為了解開市面上的Skills。做PPT 寫文件做表格太醜。以及多模態創作能力不夠的問題。Skywork一口氣推出了6個Skills。涵蓋了PPT。Excel. 文件。設計。音樂製作與搜尋領域。並把它們都內建到SkyClaw裡面。以前用龍蝦跑出來的東西。聰明是聰明。但那排版啊。真的是只能自用。發給老闆分分鐘退回。但現在。Skywork把網頁版的頂級美學。直接搬進了Skills裡。我們先來看這個Skywork PPT技能。它不是簡單的套模板。而是自帶深度研究。你只需要給個主題。它就會自己去全網搜尋論據。產生的PPT邏輯硬核。排版精美。最絕的是。它可以實現週報自動化。路徑設定好以後。龍蝦每週會自動抓取數據。更改這個圖表。當你週一早上打開電腦的時候。一份完整的報告就躺在那裡了。還有那個Skywork Excel。它可能是目前市面上美學最線上的。表格工具了。不管能夠幫你分析上傳的文件。還能主動監控業務數據。不再是幫我算數。而是數據異常時。主動彈跳窗叫你。這種監控加預警的自動化。才叫真正的AI助手。當然這6個Skills它不僅支持OpenClaw。也支援Claude Code的調用。它的下載連結我已經放到影片下方了。你可以自己去下載並調用。當然除了小白。SkyClaw也適合早就用慣了小龍蝦的大拿。這是我覺得它比起它龍蝦產品。最有競爭力的地方。如果你是從未嘗試過小龍蝦的小白。那你可以免費試用5小時。可以先體驗一下。如果你是龍蝦的深度用戶。以及Claude Opus 4.6。GPT-5.4 Pro等高階機型的深度使用者的話。那麼Skywork的Ultra會員。可能會更加適合你。它定價是每個月是249.9美金。一年的話是2549.9美金。重點是你可以自訂頂級模型來使用。例如像GPT-5.4。克勞德作品 4.6。還有Gemini 3.1 Pro版本。而且它也贈送價值官方售價5倍的token用量。買249美金的月卡。贈送價值1250美金的這個token。買2549美金年卡的話。就贈送價值15,000美金的token。換句話說。如果你本來就是用這些模型跑龍蝦的。那麼用SkyClaw反而更加省錢。最後總結一下。為什麼我會不再訂閱很多工具。因為Skywork它做到了一站式工作流程。一個頂N個。而且是免費就能用。付費無限用成本更低。同時可以實現AI自動化執行任務。更簡單。也就意味著如果你是從事行銷。銷售營運業的同學。或者是企業管理。專案管理。產品。人力資源。行政職業的朋友。甚至是醫生。教師。法律從業人員。你就會發現。這Skywork AI。能一站式解決你的全部問題。基於你的任何角色。都可以在Skywork裡面找到對應的用法。它簡直就是你身邊的AI COO。如果你需要高頻使用AI。那麼Skywork真正解決一個核心問題。因為不需要再為這個使用次數付費。而是專注把事情做完。它的連結我已經放到影片下方了。可以免費註冊體驗。透過我的連結的話。前面500個人可以獲得年費20%的折扣。需要的話要抓緊了。千萬別錯過。好今天影片所用的全部資料。它們的連結。我都放到影片下方還有零度部落格上。 ============= https://www.youtube.com/watch?v=S5CF--dRwws1.SkyWork优惠注册链接：https://skywork.ai/p/gYAsot2. Skywork skills 的 clawhub下载地址：ppt：https://clawhub.ai/gxcun17/skywork-pptmusic maker：https://clawhub.ai/gxcun17/skywork-music-maker excel：https://clawhub.ai/gxcun17/skywork-exceldesign：https://clawhub.ai/gxcun17/skywork-designdocument：https://clawhub.ai/gxcun17/skywork-documentsearch：https://clawhub.ai/gxcun17/skywork-search【更多资源】▶https://bittly.cc/lingdu【零度博客】▶https://www.freedidi.com【加入会员】▶https://www.youtube.com/channel/UCvijahEyGtvMpmMHBu4FS2w/join【高级会员】▶https://bittly.cc/JsLAn-------------------------------------🔔零度博客：https://www.freedidi.com🔰 安全VPN推荐（最高优惠链接）：1.SurfsharkVPN：https://get.surfshark.net/aff_c?offer_id=390&aff_id=48902.ProtonVPN：https://go.getproton.me/aff_c?offer_id=26&aff_id=1905&source=youtube3.ExpressVPN：https://go.expressvpn.com/c/2612933/1645830/160634.PureVPN： https://billing.purevpn.com/aff.php?aff=44074🚀VPS 推荐：1.https://bandwagonhost.com/aff.php?aff=58794 （搬瓦工 CN2）🦞AI 生成对口型视频（支持多语言）：https://bittly.cc/heygen💰比特币交易平台1.火币官网 : https://www.htx-kol.com/invite/zh-cn/1g?invite_code=48tr72.欧易官网: https://bittly.cc/okx=======================其它更多精彩内容推荐：😍https://youtu.be/-VrgBEz-EZ4https://youtu.be/bowzVW93pighttps://youtu.be/uFHtS_kJAUEhttps://youtu.be/dNsxnuAIIdwhttps://youtu.be/q1qCzx3sakAhttps://youtu.be/swafOCGzmowhttps://youtu.be/5eA7-gWH_2ohttps://youtu.be/HAXed-ZYEZQhttps://youtu.be/nc-EQHtx2W8https://youtu.be/LQwD0x1Z8akhttps://youtu.be/T4eLUtIRy_Mhttps://youtu.be/5XrayNHLWrghttps://youtu.be/b_NTQEWJLxwhttps://youtu.be/lzb5bJS4XtIhttps://youtu.be/cHIyeTdKB4ghttps://youtu.be/p8KTaBv7nxwhttps://youtu.be/UWelKj2LkIUhttps://youtu.be/JBv-thjmVP8https://youtu.be/QCvF8mCPwdQhttps://youtu.be/NLO0nx4EN24https://youtu.be/r351ngmDL3Qhttps://youtu.be/IIcAe2AlROEhttps://youtu.be/kCrX3Dm4_cYhttps://youtu.be/UhMim4G79Oohttps://youtu.be/xzBiF8TJ_t4https://youtu.be/Q-FUmOtysyghttps://youtu.be/MEZnK8ZOSVw=========================零度电报群：https://t.me/lingdujie1.SkyWork优惠注册链接：https://skywork.ai/p/gYAsot2. Skywork skills 的 clawhub下载地址：ppt：https://clawhub.ai/gxcun17/skywork-pptmusic maker：https://clawhub.ai/gxcun17/skywork-music-maker excel：https://clawhub.ai/gxcun17/skywork-exceldesign：https://clawhub.ai/gxcun17/skywork-designdocument：https://clawhub.ai/gxcun17/skywork-documentsearch：https://clawhub.ai/gxcun17/skywork-search【更多资源】▶https://bittly.cc/lingdu【零度博客】▶https://www.freedidi.com【加入会员】▶https://www.youtube.com/channel/UCvijahEyGtvMpmMHBu4FS2w/join【高级会员】▶https://bittly.cc/JsLAn-------------------------------------🔔零度博客：https://www.freedidi.com🔰 安全VPN推荐（最高优惠链接）：1.SurfsharkVPN：https://get.surfshark.net/aff_c?offer_id=390&aff_id=48902.ProtonVPN：https://go.getproton.me/aff_c?offer_id=26&aff_id=1905&source=youtube3.ExpressVPN：https://go.expressvpn.com/c/2612933/1645830/160634.PureVPN： https://billing.purevpn.com/aff.php?aff=44074🚀VPS 推荐：1.https://bandwagonhost.com/aff.php?aff=58794 （搬瓦工 CN2）🦞AI 生成对口型视频（支持多语言）：https://bittly.cc/heygen💰比特币交易平台1.火币官网 : https://www.htx-kol.com/invite/zh-cn/1g?invite_code=48tr72.欧易官网: https://bittly.cc/okx=======================其它更多精彩内容推荐：😍https://youtu.be/-VrgBEz-EZ4https://youtu.be/bowzVW93pighttps://youtu.be/uFHtS_kJAUEhttps://youtu.be/dNsxnuAIIdwhttps://youtu.be/q1qCzx3sakAhttps://youtu.be/swafOCGzmowhttps://youtu.be/5eA7-gWH_2ohttps://youtu.be/HAXed-ZYEZQhttps://youtu.be/nc-EQHtx2W8https://youtu.be/LQwD0x1Z8akhttps://youtu.be/T4eLUtIRy_Mhttps://youtu.be/5XrayNHLWrghttps://youtu.be/b_NTQEWJLxwhttps://youtu.be/lzb5bJS4XtIhttps://youtu.be/cHIyeTdKB4ghttps://youtu.be/p8KTaBv7nxwhttps://youtu.be/UWelKj2LkIUhttps://youtu.be/JBv-thjmVP8https://youtu.be/QCvF8mCPwdQhttps://youtu.be/NLO0nx4EN24https://youtu.be/r351ngmDL3Qhttps://youtu.be/IIcAe2AlROEhttps://youtu.be/kCrX3Dm4_cYhttps://youtu.be/UhMim4G79Oohttps://youtu.be/xzBiF8TJ_t4https://youtu.be/Q-FUmOtysyghttps://youtu.be/MEZnK8ZOSVw=========================零度电报群：https://t.me/lingdujie
-- gReader Pro
2026年5月16日 星期六
Google 推出 Lyria 3 Pro 模型，你現在可以在 Gemini 生成長達 3 分鐘的音樂
Google 推出 Lyria 3 Pro 模型，你現在可以在 Gemini 生成長達 3 分鐘的音樂
https://www.koc.com.tw/archives/636649
上個月 Google 推出 Lyria 3 音樂生成模型時，其生成品質可說令許多人都驚艷，而且還能直接在 Gemini 生成，透過文字描述就能產出帶有人聲、歌詞、涵蓋多種曲風的 AI 音樂。經過大約一個月的時間，Google 再度升級，稍早推出進階版的「Lyria 3 Pro」模型，不僅大幅延長生成時間，從原本的 30 秒一口氣拉到最長 3 分鐘，還加入更細緻的歌曲結構控制功能，現在只要付費訂閱用戶就能在 Gemini 玩到。 Google 再升級！Lyria 3 Pro 音樂生成模型登場，最長可產出 3 分鐘完整歌曲，Gemini 用戶也能用 相較於 Lyria 3，這次進階版 Lyria 3 Pro 最大的升級，就是把生成長度直接拉到 3 分鐘，等於是原本的 6 倍。3 分鐘已經接近一般流行歌曲的長度，用來做完整的背景音樂或 Demo 歌曲都綽綽有餘。 除了時間變長之外，Lyria 3 Pro 還加入歌曲結構控制的能力。簡單來說，你可以在提示詞中直接指定這首歌要有前奏、主歌、副歌、橋段等段落，模型會根據你的描述去安排整首歌走向，而不是像以前那樣只是生成一段連續的旋律。對有音樂創作需求的人來說，這功能非常實用，你可以更精確地控制歌曲的起承轉合。 人聲方面也有更多自訂選項，你可以指定聲音的性別、音色質感和音域範圍，甚至能自己寫好歌詞，搭配結構標記讓 AI 照著你的歌詞來唱。 Lyria 3 Pro 目前在 Gemini、Google Vids、ProducerAI、Vertex AI、Gemini API 和 AI Studio 都能使用。 Gemini 部分，先在選單中選擇「創建音樂」，然後模型記得選擇「思考型」或「Pro」，接著就能用文字描述你想要什麼樣的歌曲： 送出後就會開始生成，比較可惜是不會顯示調用哪一個模型，但只要是 3 分鐘音樂長度，就是 Lyria 3 Pro： 生成速度還蠻快的，幾十秒就完成。除了音樂，也會將封面和歌詞都一併生成好： 歌詞字幕可以按上方的功能打開： 這是我用 Lyria 3 Pro 生成的歌曲，有興趣的人可以聽聽看： 不過要注意的是，Lyria 3 Pro 的額度更少，Google AI Plus 訂閱用戶每天可生成 10 首、Pro 方案每天 20 首、Ultra 方案最多每天 50 首： 免費用戶想玩的話，可以使用我們之前介紹過的「Producer.ai」，這是 Google 專門針對音樂創作者所打造的 AI 輔助工具，主打讓歌手、製作人和詞曲創作者能更完整地疊代和修改歌曲，有提供免費點數讓你體驗。 Google 這次將 Lyria 3 Pro 整合到 Gemini 後，對 Suno、Udio 這些平台來說壓力應該不小，不過預計也會讓 AI 音樂的普及速度再加快。
-- gReader Pro
I fine-tuned a 7B model to write my Home Assistant automations, and it actually works
I fine-tuned a 7B model to write my Home Assistant automations, and it actually works
https://www.xda-developers.com/fine-tuned-7b-model-home-assistant-automations/
Home Assistant is one of the most powerful smart home platforms you can run, but writing automations for it has always been a friction point. There have been numerous attempts to improve this process, but for some, the YAML editor is the only way to accurately and quickly build a more complex automation. With that said, YAML's syntax is particular, action calls need exact entity IDs, and Jinja2 templates for anything beyond basic triggers can get messy fast. I've seen people try to use cloud LLMs to varying degrees of success over the years, but from what I've seen, more complex LLMs can still struggle to create a working configuration at times. For this article, I tested out Claude's generative capabilities for Home Assistant automations, and it was more or less spot on, though with some quirks that were easily fixed (if you know Home Assistant, anyway). However, I decided to try and overcome that limitation. Using the Lenovo ThinkStation PGX (the same device I used for Qwen3 Coder Next), I fine-tuned Qwen2.5-Coder-7B-Instruct, a 7-billion-parameter open-weight model, to actually understand Home Assistant. The 128GB of unified memory on the GB10 made it possible to train a model that generates valid, pasteable automations from plain English, and the whole process took less than a day. It's not perfect, and there are rough edges I'll get into, but it works. The automations it produces are structurally correct, use real action calls, and actually run in Home Assistant with very little modification required. While fine-tuning a model takes a lot of VRAM, running a model as small as this doesn't. Even a GPU with 8GB of VRAM could run the 4-bit quantized version of this model with ease, as the full, Q8_0 GGUF came out to be 8.1GB in size. The Q4_K_M variant, which you can download and try out yourself, is just over 4.5 GB in size. Fine-tuning isn't as scary as it sounds It can be quite simple The model I started with is Qwen 2.5 Coder 7B Instruct, which already has strong YAML and code generation capabilities out of the box for a model of its size. It performs well on HumanEval, and compared favourably to other similarly-sized models for structured code tasks. The "Instruct" part matters too, as it's already trained to follow instructions in a conversational format, so it has a solid foundation for the kind of "create an automation that does X" interactions I wanted. It's also a well-documented, well-supported model when it comes to fine-tuning, so it was easier to figure out when compared to Qwen-3.5-9B, for example. I also started this project before Unsloth's guide to fine-tuning Qwen3.5 was released. The ThinkStation PGX's 128GB of unified memory meant I could conduct LoRA training in BF16 precision rather than falling back to QLoRA with 4-bit quantization. On a consumer GPU with 12GB or 24GB of VRAM, you'd likely have to compress the model weights just to fit them in memory, which introduces quantization artifacts that can hurt training quality. With 128GB, the entire 7B model sits in memory at BF16 precision alongside the LoRA adapters and their training overhead, with plenty of room to spare. I used Unsloth inside Nvidia's official PyTorch Docker container for the DGX Spark platform. The setup was straightforward: pull the container, install Unsloth and its dependencies, and point the training script at my dataset. Nvidia has an official playbook for a similar workflow, which took most of the guesswork out of the process and put me on the right track to resolve any issues that I ran into. The training data is what makes or breaks it Teaching it the basics of Home Assistant I trained the model in two stages, and the distinction between both of them turned out to be the most important decision in the entire project. It kind of happened at first because I was unsure of the best process, but I accidentally stumbled across one that works very well. Stage one combined some Home Assistant documentation, Blueprints I found on the Home Assistant forums, and some open repositories on GitHub. Alongside all of this, I also used the acon96 Home-Assistant-Requests-V2 dataset from HuggingFace, which contains thousands of instruction-response pairs specifically designed for Home Assistant device control. Each example provides a system prompt listing available actions and devices, a natural language command like "turn off the kitchen light," and the correct JSON action call to execute it. This dataset was created for the home-llm project, which fine-tunes small models to act as local voice assistants for Home Assistant, and it's well-structured for that purpose. I trained on 30,000 of these examples for one epoch, which took about four hours on the ThinkStation PGX at roughly 16 seconds per training step. The loss dropped from 2.1 to 0.47 and the eval loss tracked it closely, which told me the model was learning the patterns without overfitting. After exporting the checkpoint to GGUF format and loading it through llama.cpp, the results were immediate. I could give it a list of devices and actions in the system prompt, ask it to "turn off the kitchen light," and it would respond with a properly formatted action call targeting the correct entity. It understood the domain. But when I asked it to generate a full YAML automation, it fell apart. The exact prompt I used was this: Write an automation that will turn on and off the living room light, light.living_room_main, at random intervals throughout the day Instead of YAML, it gave me numbered step-by-step instructions for using the Home Assistant GUI, complete with pseudocode that bore no resemblance to how HA actually works. The model had learned to control devices through action calls, but it had never seen what an automation YAML file looks like. The training data didn't really include that, given that the small number of samples I would have introduced were vastly outnumbered by the 30,000 from acon96's repository. Even a simpler prompt where I said "Write an automation that will check if the window is open at 8am every day. If it is, then notify the user through the Home Assistant app" gave me a completely broken response that was totally unusable. Stage two saved this project Synthesizing conversations using a local LLM For the second stage, I put together roughly 1,400 training pairs that specifically targeted YAML automation generation, mostly pulled from Home Assistant's own documentation, and automated it using my local LLM. It essentially synthesized over 1,000 conversations based on the documentation, which contains automations, to create realistic-enough conversations where the user requests an automation to do X, and the model responds with a YAML block containing a response. I could have done a lot more of them, but it was taking quite a long time to create and verify them, and I wanted to see how it did with a smaller subset of training pairs. Those generated synthetic conversations look like this: { "conversations": [ { "role": "system", "content": "You are a Home Assistant expert. Generate valid YAML automations from user requests. Wrap YAML in ```yaml code blocks." }, { "role": "user", "content": "Turn on the living room light at sunset" }, { "role": "assistant", "content": "```yaml alias: Living room light on at sunset trigger: - platform: sun event: sunset action: - action: light.turn_on target: entity_id: light.living_room ```" } ] } These covered lighting automations with motion triggers and time conditions, climate control with presence detection, security workflows with camera snapshots and actionable notifications, complex multi-step automations using choose blocks and wait templates, and Jinja2 template-heavy examples for dynamic notifications. I also included reference pairs covering Home Assistant's service parameters, trigger types, condition formats, and entity ID conventions. The key part of this process was that training this as a second stage on top of the existing checkpoint rather than mixing it into the original 33,000 examples meant it retained significantly more knowledge. If I'd combined 1,400 YAML pairs with 33,000 action call pairs, the YAML examples would have been outnumbered again, and the model would have treated them as noise. By training sequentially, the model retained everything it learned about Home Assistant's domain in stage one and layered YAML generation capabilities on top. I used a lower learning rate for stage two: 5e-5 compared to 2e-4 in stage one, in order to avoid catastrophic forgetting of the action call knowledge. The training finished in about 15 minutes, which says a lot about how quickly the GB10 can iterate on smaller datasets. Loss dropped from 1.18 to well below 0.5 within the first few steps, which told me the model was picking up the YAML patterns quickly because it already understood the underlying domain. I tested it with the prompts that broke the stage one model It worked perfectly After exporting the stage two model and loading it in llama.cpp, I tested the same two prompts that had previously produced nonsense, and it passed the test with flying colors. It also mostly passed the random on-off light test that the model had previously failed miserably. It messed up the Jinja2 templating, as the random calculation should be done using {{ range(10,250) | random }}, and the time pattern will run every two hours and every thirty minutes, but otherwise, it's close enough that it clearly learned from the training data and produces a mostly usable automation. Especially when compared to what the first-stage model did. I was kind of surprised, so I pushed it further, expecting it to fall apart. I asked it for a doorbell automation that checks whether anyone is home, announces on speakers if someone is, and sends a camera snapshot notification if nobody is. The model produced a properly structured automation using a choose block, tts.speak for the announcement path, and a camera snapshot URL in the notification for the away path. There are still rough edges. I noticed the model occasionally picking a slightly unconventional trigger type, like using an event trigger where a state trigger would be more standard. And the Jinja2 templates, while syntactically correct, sometimes list entities by name instead of counting them when you asked for a count. These are the kinds of things you'd catch in a quick review, and they're far less work to fix than starting from scratch or debugging a hallucinated automation from a cloud model that confidently made up an entire automation flow that doesn't even resemble the real thing. If you want to check this model out, it's available on Hugging Face! There are likely to be blind spots in its training given that it doesn't contain the full automation dataset that could have been used to train it, but it should serve as a good starting point for any automation you want to write. Plus, it demonstrates just how powerful a simple fine-tune of a small model can be.
-- gReader Pro
Re: 律师滥用 AI 生成虚假案例的事件激增
律师滥用 AI 生成虚假案例的事件激增
https://www.solidot.org/story?sid=83961
律师滥用 AI 生成虚假的不存在案例的情况屡禁不止，而法庭对相关律师的惩罚并没有起到威慑作用。2025 年此类事件的数量出现了激增。巴黎高等商学院 (HEC Paris) 研究员 Damien Charlotin 建立了一个全球数据库，跟踪律师对 AI 的滥用。他说最近一天内收到来自 10 个不同法院的 10 起此类案件。他至今记录到了逾 1200 起滥用 AI 生成虚构案例的事件，其中美国最多，高达 831 起，香港记录到了 2 起。Damien Charlotin 说，法庭最近也开始加大了惩罚力度，俄勒冈州一名律师因滥用 AI 被勒令支付 109,700 美元的罚款和诉讼费用。 https://www.npr.org/2026/04/03/nx-s1-5761454/penalties-stack-up-ai-spreads-through-legal-system https://www.damiencharlotin.com/hallucinations/ https://https://www.damiencharlotin.com/hallucinations/
-- gReader Pro
Fwd: [Gemini API] Build multimodal RAG with new Gemini Embedding
[Gemini API] Build multimodal RAG with new Gemini Embedding
https://sub-google-production-2021.blogspot.com/2026/03/gemini-api-build-multimodal-rag-with.html
One model for text, image, video, & audio search. ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ Email not displaying correctly? View it online New multimodal Gemini Embedding model 🚀 Try in Gemini API Hi 布丁, We just launched Gemini Embedding 2 in the Gemini API with a new multimodal input to make it easier to build advanced RAG and semantic search systems. It now natively maps text, image, video, audio, and PDF inputs into a single, unified embedding space. Why you'll like multimodal embeddings Simplified tech stack: Replace multiple models with one that processes multimodal content natively. Multimodal RAG: Improve accuracy and performance by retrieving information from different file types simultaneously. Cross-modal search: Match a text query to a relevant image, video clip, or audio segment, all in one index. Get started in minutes Start using the newest embeddings with this embed_content method: from google import genai from google.genai import types client = genai.Client() with open("example.png", "rb") as f: image_bytes = f.read() with open("sample.mp3", "rb") as f: audio_bytes = f.read() # Here we embed text, image, and audio result = client.models.embed_content( model="gemini-embedding-2-preview", contents=[ "What is the meaning of life?", types.Part.from_bytes( data=image_bytes, mime_type="image/png", ), types.Part.from_bytes( data=audio_bytes, mime_type="audio/mpeg", ), ], ) print(result.embeddings) We support commonly used vector databases such as Vertex AI, Weaviate, Qdrant, and ChromaDB to efficiently store, index, and retrieve high-dimensional embeddings. Happy building, The Google AI Studio team Prompt models Manage API keys Read the docs Get product updates Join global events Prompt models Manage API keys Read the docs Get product updates Join global events © 2026 Google LLC 1600 Amphitheatre Parkway, Mountain View, CA 94043, USA This email was sent to pulipuli.chen@gmail.com because you signed up to receive emails about Google AI. If you do not wish to receive these emails, please unsubscribe.
-- gReader Pro
https://sub-google-production-2021.blogspot.com/2026/03/gemini-api-build-multimodal-rag-with.html
One model for text, image, video, & audio search. ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ Email not displaying correctly? View it online New multimodal Gemini Embedding model 🚀 Try in Gemini API Hi 布丁, We just launched Gemini Embedding 2 in the Gemini API with a new multimodal input to make it easier to build advanced RAG and semantic search systems. It now natively maps text, image, video, audio, and PDF inputs into a single, unified embedding space. Why you'll like multimodal embeddings Simplified tech stack: Replace multiple models with one that processes multimodal content natively. Multimodal RAG: Improve accuracy and performance by retrieving information from different file types simultaneously. Cross-modal search: Match a text query to a relevant image, video clip, or audio segment, all in one index. Get started in minutes Start using the newest embeddings with this embed_content method: from google import genai from google.genai import types client = genai.Client() with open("example.png", "rb") as f: image_bytes = f.read() with open("sample.mp3", "rb") as f: audio_bytes = f.read() # Here we embed text, image, and audio result = client.models.embed_content( model="gemini-embedding-2-preview", contents=[ "What is the meaning of life?", types.Part.from_bytes( data=image_bytes, mime_type="image/png", ), types.Part.from_bytes( data=audio_bytes, mime_type="audio/mpeg", ), ], ) print(result.embeddings) We support commonly used vector databases such as Vertex AI, Weaviate, Qdrant, and ChromaDB to efficiently store, index, and retrieve high-dimensional embeddings. Happy building, The Google AI Studio team Prompt models Manage API keys Read the docs Get product updates Join global events Prompt models Manage API keys Read the docs Get product updates Join global events © 2026 Google LLC 1600 Amphitheatre Parkway, Mountain View, CA 94043, USA This email was sent to pulipuli.chen@gmail.com because you signed up to receive emails about Google AI. If you do not wish to receive these emails, please unsubscribe.
-- gReader Pro
[2026比較] Ollama vs LM Studio vs Jan — 在自己電腦跑 AI，哪個最好用？
[2026比較] Ollama vs LM Studio vs Jan — 在自己電腦跑 AI，哪個最好用？
https://pcrookie.com/ollama-vs-lmstudio-vs-jan/
「阿正老師，我想在自己電腦跑 AI，但看到 Ollama、LM Studio、Jan 這三個工具，完全不知道要選哪個！」 所以今天阿正老師就直接把這三款工具拆開來比，讓你一次搞清楚：它們各自適合什麼人、有什麼差異，以及你的電腦到底適不適合跑本機 AI。 先說結論（懶人版） 想要最簡單、圖形介面、用滑鼠點就好 → 選 LM Studio 想要最高彈性、可整合自己的程式或應用 → 選 Ollama 想要完全開源、隱私優先、介面也不差 → 選 Jan 文章目錄 為什麼要在自己電腦跑 AI？ 先確認你的電腦夠不夠格 Ollama 介紹與評測 LM Studio 介紹與評測 Jan 介紹與評測 三款工具完整比較表 阿正老師的最終建議 常見問題 FAQ 為什麼要在自己電腦跑 AI？ 在介紹工具之前，阿正老師想先幫大家釐清一個問題：既然有 ChatGPT、Gemini 這些免費雲端 AI 可以用，為什麼還要大費周章在自己電腦跑 AI？ 答案很簡單，主要有三個理由： ① 隱私安全 — 你輸入到 ChatGPT 的內容，理論上都會經過 OpenAI 的伺服器。如果你在處理公司機密文件、客戶資料、NDA 合約，這是個法律風險。本機跑 AI 的話，資料完全不離開你的電腦。 ② 完全免費、無限使用 — 不用擔心每 5 小時訊息用完、不用付月費、不用等排隊。跑多少用多少，沒有任何限制。 ③ 斷網也能用 — 出差、在飛機上、網路不穩定的環境，本機 AI 照樣能用。 當然，本機跑 AI 也有缺點：需要一定的電腦硬體規格，而且模型品質不一定比得上 ChatGPT-5 或 Gemini。這些我們後面會講清楚。 先確認你的電腦夠不夠格 在介紹工具之前，這是最重要的一步。本機跑 AI 對硬體有一定要求，如果電腦太弱，跑起來像在烤麵包，體驗很差。 ▌最低需求（可以跑，但只能用小模型） 硬體 最低需求 建議規格 RAM（記憶體） 8GB 16GB 以上 GPU 顯示卡（VRAM） 4GB VRAM（或無獨顯用 CPU 跑） 8GB VRAM 以上（NVIDIA / AMD） 儲存空間 20GB 可用空間 50GB 以上（模型很肥） Mac（Apple Silicon） M1 / 8GB RAM M2 / M3 + 16GB RAM 以上 ⚠️ 阿正老師提醒：一般 7B（70億參數）的模型大約需要 4～5GB 空間，跑起來需要 8GB RAM（純 CPU）或 4GB VRAM（GPU 加速）。沒有獨顯也可以用 CPU 跑，但速度會比較慢（約 3~8 tokens/秒 vs GPU 的 15~50 tokens/秒）。 ▌各種硬體的實際跑速參考 硬體配置 推薦模型大小 大約速度 體驗感受 M2 MacBook Pro 16GB 7B～8B 30～50 tokens/秒 ✅ 流暢好用 RTX 4070（12GB VRAM） 7B～13B 40～80 tokens/秒 ✅ 非常流暢 一般筆電（無獨顯，16GB RAM） 3B～4B 5～10 tokens/秒 ⚠️ 可以用但慢 低規筆電（8GB RAM） 1B～3B 2～5 tokens/秒 ❌ 非常慢，不建議 ※ tokens/秒 = AI 每秒輸出幾個字，15 tokens/秒以上就算流暢，低於 8 tokens/秒會覺得在等。 如果你不確定自己電腦夠不夠格，可以先試試看阿正老師之前介紹的 llmfit 這個小工具，一鍵掃描你的電腦硬體，幫你推薦合適的模型！（請參考本站文章：《我的電腦到底能跑哪個 AI 模型？免費小工具llmfit幫你一鍵掃描硬體，精準推薦最佳本機 LLM！》） Ollama — 開發者的最愛，指令列控制 官方網站 https://ollama.com 支援平台 macOS、Windows、Linux 費用 完全免費、開源 操作方式 指令列（CLI）為主，也提供Windows/macOS的圖形介面 適合對象 開發者、想要整合到自己程式或工具的進階使用者 ▌Ollama 是什麼？ Ollama 就像 AI 界的 Docker——你只要打一行指令，就可以下載並執行一個 AI 模型： ollama run llama3.2 ollama run gemma3 ollama run qwen3 一行指令搞定：下載模型 + 啟動 + 可以開始對話。Ollama 同時會在背景啟動一個 REST API（預設 port 11434），讓你可以把它整合到任何應用程式裡。 ▌Ollama 的優點 安裝超簡單：一個指令或下載一個安裝檔，幾分鐘搞定 效能最佳化：底層用 llama.cpp，推理速度比同硬體下的 LM Studio 快約 10~20% API 整合最方便：OpenAI 相容 API，現有的 Python/Node.js 程式幾乎不用改就能用 可同時管理多個模型：不像 LM Studio 一次只能跑一個，Ollama 可以切換多個模型 支援自訂 Modelfile：可以改 system prompt、設定模型行為，打包成自己的客製模型 可跨機器存取：設定 OLLAMA_HOST=0.0.0.0 後，區域網路內其他設備都能連 ▌Ollama 的缺點 模型庫較小：只能用 ollama.com/library 上的打包模型，不能直接用 Hugging Face 上的任意模型（可以用 Modelfile 手動匯入，但稍複雜） 沒有中文操作界面：電腦版及命令列模式目前都只有英文版界面，對於不擅長英文的使用者來說稍微不友善。 請參考本站文章：《自己的 AI 自己養！阿正老師推這款「Ollama」：一鍵在你的電腦跑超強 AI，斷網也能用、資料不外洩！》 LM Studio — 圖形介面最完整，新手首選 官方網站 https://lmstudio.ai 支援平台 macOS（僅 Apple Silicon）、Windows（x64 / ARM）、Linux（x64 / ARM64） 費用 個人使用完全免費（商業使用需授權） 操作方式 圖形介面（GUI）為主，也有 CLI 工具（lms） 適合對象 一般使用者、想快速試用各種模型的人、不熟悉指令列的人 ▌LM Studio 是什麼？ LM Studio 是目前圖形介面最完整的本機 AI 工具。打開程式後你會看到一個乾淨的介面，左邊可以搜尋、下載模型，右邊直接開始聊天，完全不需要打任何指令。 目前版本（0.4.x）已加入相當多功能： 直接搜尋並下載 Hugging Face 上的模型，還會顯示這個模型你的電腦能不能跑（VRAM 估算） 內建聊天介面，可以用滑鼠調整 Temperature、Context Length 等參數 內建 local server，開啟後可以用 OpenAI API 格式連線（port 1234） 支援 MCP（Model Context Protocol），可以讓 AI 連接外部工具 內建 RAG（檢索增強生成），可以把自己的文件丟進去讓 AI 參考 可以並排比較兩個模型的回答 ▌LM Studio 的優點 新手最友善：完全圖形化操作，下載到用只需要幾分鐘 模型庫最大：直接串接 Hugging Face，幾千個模型任你選 硬體設定最直觀：介面上就能看到每個模型需要多少 VRAM，避免踩雷 功能最豐富：內建 RAG、MCP、多模型比較，一個工具全包 Apple Silicon 優化好：Mac M1/M2/M3/M4 跑起來效能很好 ▌LM Studio 的缺點 非完全開源：程式本體是閉源的（proprietary），只有個人使用免費，商業用途需要授權 不支援 Intel Mac：只支援 Apple Silicon（M1 以後），舊款 Intel Mac 無法使用 一次只能跑一個模型：Local server 同時間只能服務一個模型，需要切換的場景較麻煩 程式本體較肥：安裝檔約 500MB 起，開程式也比較吃資源 阿正老師補充：很多開發者的用法是「用 LM Studio 找模型、測試模型，然後把模型丟進 Ollama 跑」。兩個工具搭配使用，不一定要二選一！ Jan — 完全開源、隱私第一 官方網站 https://jan.ai 支援平台 macOS、Windows、Linux 費用 完全免費、Apache 2.0 授權開源 操作方式 圖形介面（GUI），類似 ChatGPT 的聊天視窗 適合對象 重視隱私的使用者、想要完全掌控的人、企業或特殊行業需求 ▌Jan 是什麼？ Jan 的定位是「完全本機、完全開源的 ChatGPT 替代品」。它跟 LM Studio 一樣有圖形介面，但最大的差異是： 程式碼 100% 開源（Apache 2.0），你可以自己審查它在做什麼 預設零遙測：不會收集任何使用資料、不需要帳號 對話記錄、模型、設定全部存在你的電腦上 除了跑本機模型，也可以連接 OpenAI、Claude、Groq 等雲端服務（方便需要切換的使用者） 支援 MCP（Model Context Protocol），可以接 GitHub、Google Drive 等外部工具 有 OpenAI 相容 API（port 1337），可以當作 Ollama 的替代後端 ▌Jan 的優點 隱私保護最完整：零遙測、無帳號、資料不離機，適合有資安要求的場景 完全開源：Apache 2.0 授權，企業商用也沒有授權問題 介面直覺好上手：長得很像 ChatGPT，轉換門檻低 本機 + 雲端混用：需要的時候可以切到 OpenAI、Claude，不用裝兩個程式 MCP 支援：可以讓 AI 連接外部工具，做更複雜的任務 ▌Jan 的缺點 社群規模較小：相比 Ollama 和 LM Studio，使用者社群和教學資源較少 偶爾有穩定性問題：更新速度很快，但有時候新版本會有一些小 bug 模型管理較陽春：模型搜尋和管理功能不如 LM Studio 完整 效能略遜於 Ollama：底層引擎（Cortex）整體表現接近，但不如 Ollama 優化成熟 三款工具完整比較表 比較項目 Ollama LM Studio Jan 費用 完全免費 個人免費，商用需授權 完全免費 開源 ✅ 開源（MIT） ❌ 閉源 ✅ 開源（Apache 2.0） 操作介面 CLI（指令列）/GUI（圖形） GUI（圖形）⭐ GUI（圖形） 新手友善度 ⭐⭐⭐⭐ ⭐⭐⭐⭐⭐ ⭐⭐⭐⭐ 推理速度 ⭐⭐⭐⭐⭐（最快） ⭐⭐⭐⭐ ⭐⭐⭐⭐ 模型庫大小 中等（ollama.com/library） 最大（Hugging Face 全庫）⭐ 中等（Hugging Face） API 整合 最強 ⭐（port 11434） 支援（port 1234） 支援（port 1337） 同時跑多模型 ✅ 支援 ❌ 一次一個 ❌ 一次一個 隱私保護 ✅ 本機 ✅ 本機（閉源） ✅ 本機（可審計）⭐ MCP 支援 需搭配前端工具 ✅ 內建（0.3.17+） ✅ 內建 內建 RAG ❌（需搭配工具） ✅（0.3.0+） ❌（需搭配工具） 連接雲端 AI ✅ ❌ ✅（OpenAI、Claude 等） macOS Intel 支援 ✅ ❌（僅 Apple Silicon） ✅ 跨網路存取 ✅（設定後） ✅（設定後） ✅（設定後） 社群活躍度 ⭐⭐⭐⭐⭐（最大） ⭐⭐⭐⭐ ⭐⭐⭐ 阿正老師的最終建議 看完以上的比較，你可能還是很困惑。所以阿正老師直接按照不同情境給你建議： 情境 1：我只是想在自己電腦用 AI 聊天，不碰指令 → 選 LM Studio。圖形介面，下載→跑，五分鐘搞定，最無腦。 情境 2：我是工程師，想把 AI 整合進自己的程式或工作流程 → 選 Ollama。API 整合最順暢，搭配 LangChain / LlamaIndex 開箱即用，OpenAI 相容格式讓你幾乎不用改程式碼。 情境 3：我在處理機密資料，要求完全可稽核 → 選 Jan。Apache 2.0 開源授權，程式碼可審計，企業用也無授權疑慮，零遙測設計。 情境 4：我想探索各種模型，找到最適合自己的 → 先用 LM Studio 找模型、試模型，確定喜歡哪個之後，再用 Ollama 當主力跑。兩個工具搭配用，不衝突。 ️ 情境 5：我用的是舊版 Intel Mac → 選 Ollama 或 Jan（LM Studio 不支援 Intel Mac）。 常見問題 FAQ Q：這三款工具可以同時安裝嗎？ 可以！它們各自使用不同的 port（Ollama 11434、LM Studio 1234、Jan 1337），互不干擾，同時安裝沒問題。但同時啟動多個工具跑模型會搶 VRAM，記得一次只跑一個。 Q：有哪些模型可以用？ 目前最主流的免費開源模型包括： Llama 3.2（Meta）— 綜合能力強，繁中表現不錯 Gemma 3（Google）— 輕量但品質高，適合低規硬體 Qwen 3（阿里巴巴）— 繁中能力最好，推薦台灣用戶使用 DeepSeek-R1（DeepSeek）— 推理能力強，適合需要邏輯分析的任務 Phi-4（Microsoft）— 輕量但強大，小電腦也能跑 Q：跑本機 AI 電費高嗎？ 有 GPU 加速的情況下，7B 模型跑 1 小時大約多耗 50~100W，電費影響很小。純 CPU 的話功耗更低，但速度慢很多。 Q：本機 AI 的品質跟 ChatGPT 差多少？ 老實說差距還是有的。ChatGPT-4o / Gemini 3 Pro 等頂級雲端 AI 的綜合能力目前仍優於大多數本機可跑的模型。但如果是日常問答、寫作輔助、文件整理，7B～13B 的本機模型其實已經很夠用了，而且速度不輸雲端（網路慢的時候本機甚至更快）。 Q：我想用中文，哪個模型最好？ 阿正老師的建議是：Qwen 3（阿里巴巴出品）的繁體中文理解能力目前是本機模型裡最好的，其次是 DeepSeek 系列。Llama 的中文能力在 3.2 版之後也有顯著進步。 結 語 本機跑 AI 已經從極客的玩具，變成一般人也能輕鬆使用的工具了。硬體夠用的話，阿正強烈建議你試試看——自己跑的 AI，沒有訊息上限、沒有隱私疑慮、還完全免費。 不知道從哪開始？就從 LM Studio 開始吧，下載→安裝→下載 Gemma 3 或 Qwen 3 模型→開始聊天，整個流程 10 分鐘搞定！ 有任何問題，歡迎在下面留言～～
-- gReader Pro
https://pcrookie.com/ollama-vs-lmstudio-vs-jan/
「阿正老師，我想在自己電腦跑 AI，但看到 Ollama、LM Studio、Jan 這三個工具，完全不知道要選哪個！」 所以今天阿正老師就直接把這三款工具拆開來比，讓你一次搞清楚：它們各自適合什麼人、有什麼差異，以及你的電腦到底適不適合跑本機 AI。 先說結論（懶人版） 想要最簡單、圖形介面、用滑鼠點就好 → 選 LM Studio 想要最高彈性、可整合自己的程式或應用 → 選 Ollama 想要完全開源、隱私優先、介面也不差 → 選 Jan 文章目錄 為什麼要在自己電腦跑 AI？ 先確認你的電腦夠不夠格 Ollama 介紹與評測 LM Studio 介紹與評測 Jan 介紹與評測 三款工具完整比較表 阿正老師的最終建議 常見問題 FAQ 為什麼要在自己電腦跑 AI？ 在介紹工具之前，阿正老師想先幫大家釐清一個問題：既然有 ChatGPT、Gemini 這些免費雲端 AI 可以用，為什麼還要大費周章在自己電腦跑 AI？ 答案很簡單，主要有三個理由： ① 隱私安全 — 你輸入到 ChatGPT 的內容，理論上都會經過 OpenAI 的伺服器。如果你在處理公司機密文件、客戶資料、NDA 合約，這是個法律風險。本機跑 AI 的話，資料完全不離開你的電腦。 ② 完全免費、無限使用 — 不用擔心每 5 小時訊息用完、不用付月費、不用等排隊。跑多少用多少，沒有任何限制。 ③ 斷網也能用 — 出差、在飛機上、網路不穩定的環境，本機 AI 照樣能用。 當然，本機跑 AI 也有缺點：需要一定的電腦硬體規格，而且模型品質不一定比得上 ChatGPT-5 或 Gemini。這些我們後面會講清楚。 先確認你的電腦夠不夠格 在介紹工具之前，這是最重要的一步。本機跑 AI 對硬體有一定要求，如果電腦太弱，跑起來像在烤麵包，體驗很差。 ▌最低需求（可以跑，但只能用小模型） 硬體 最低需求 建議規格 RAM（記憶體） 8GB 16GB 以上 GPU 顯示卡（VRAM） 4GB VRAM（或無獨顯用 CPU 跑） 8GB VRAM 以上（NVIDIA / AMD） 儲存空間 20GB 可用空間 50GB 以上（模型很肥） Mac（Apple Silicon） M1 / 8GB RAM M2 / M3 + 16GB RAM 以上 ⚠️ 阿正老師提醒：一般 7B（70億參數）的模型大約需要 4～5GB 空間，跑起來需要 8GB RAM（純 CPU）或 4GB VRAM（GPU 加速）。沒有獨顯也可以用 CPU 跑，但速度會比較慢（約 3~8 tokens/秒 vs GPU 的 15~50 tokens/秒）。 ▌各種硬體的實際跑速參考 硬體配置 推薦模型大小 大約速度 體驗感受 M2 MacBook Pro 16GB 7B～8B 30～50 tokens/秒 ✅ 流暢好用 RTX 4070（12GB VRAM） 7B～13B 40～80 tokens/秒 ✅ 非常流暢 一般筆電（無獨顯，16GB RAM） 3B～4B 5～10 tokens/秒 ⚠️ 可以用但慢 低規筆電（8GB RAM） 1B～3B 2～5 tokens/秒 ❌ 非常慢，不建議 ※ tokens/秒 = AI 每秒輸出幾個字，15 tokens/秒以上就算流暢，低於 8 tokens/秒會覺得在等。 如果你不確定自己電腦夠不夠格，可以先試試看阿正老師之前介紹的 llmfit 這個小工具，一鍵掃描你的電腦硬體，幫你推薦合適的模型！（請參考本站文章：《我的電腦到底能跑哪個 AI 模型？免費小工具llmfit幫你一鍵掃描硬體，精準推薦最佳本機 LLM！》） Ollama — 開發者的最愛，指令列控制 官方網站 https://ollama.com 支援平台 macOS、Windows、Linux 費用 完全免費、開源 操作方式 指令列（CLI）為主，也提供Windows/macOS的圖形介面 適合對象 開發者、想要整合到自己程式或工具的進階使用者 ▌Ollama 是什麼？ Ollama 就像 AI 界的 Docker——你只要打一行指令，就可以下載並執行一個 AI 模型： ollama run llama3.2 ollama run gemma3 ollama run qwen3 一行指令搞定：下載模型 + 啟動 + 可以開始對話。Ollama 同時會在背景啟動一個 REST API（預設 port 11434），讓你可以把它整合到任何應用程式裡。 ▌Ollama 的優點 安裝超簡單：一個指令或下載一個安裝檔，幾分鐘搞定 效能最佳化：底層用 llama.cpp，推理速度比同硬體下的 LM Studio 快約 10~20% API 整合最方便：OpenAI 相容 API，現有的 Python/Node.js 程式幾乎不用改就能用 可同時管理多個模型：不像 LM Studio 一次只能跑一個，Ollama 可以切換多個模型 支援自訂 Modelfile：可以改 system prompt、設定模型行為，打包成自己的客製模型 可跨機器存取：設定 OLLAMA_HOST=0.0.0.0 後，區域網路內其他設備都能連 ▌Ollama 的缺點 模型庫較小：只能用 ollama.com/library 上的打包模型，不能直接用 Hugging Face 上的任意模型（可以用 Modelfile 手動匯入，但稍複雜） 沒有中文操作界面：電腦版及命令列模式目前都只有英文版界面，對於不擅長英文的使用者來說稍微不友善。 請參考本站文章：《自己的 AI 自己養！阿正老師推這款「Ollama」：一鍵在你的電腦跑超強 AI，斷網也能用、資料不外洩！》 LM Studio — 圖形介面最完整，新手首選 官方網站 https://lmstudio.ai 支援平台 macOS（僅 Apple Silicon）、Windows（x64 / ARM）、Linux（x64 / ARM64） 費用 個人使用完全免費（商業使用需授權） 操作方式 圖形介面（GUI）為主，也有 CLI 工具（lms） 適合對象 一般使用者、想快速試用各種模型的人、不熟悉指令列的人 ▌LM Studio 是什麼？ LM Studio 是目前圖形介面最完整的本機 AI 工具。打開程式後你會看到一個乾淨的介面，左邊可以搜尋、下載模型，右邊直接開始聊天，完全不需要打任何指令。 目前版本（0.4.x）已加入相當多功能： 直接搜尋並下載 Hugging Face 上的模型，還會顯示這個模型你的電腦能不能跑（VRAM 估算） 內建聊天介面，可以用滑鼠調整 Temperature、Context Length 等參數 內建 local server，開啟後可以用 OpenAI API 格式連線（port 1234） 支援 MCP（Model Context Protocol），可以讓 AI 連接外部工具 內建 RAG（檢索增強生成），可以把自己的文件丟進去讓 AI 參考 可以並排比較兩個模型的回答 ▌LM Studio 的優點 新手最友善：完全圖形化操作，下載到用只需要幾分鐘 模型庫最大：直接串接 Hugging Face，幾千個模型任你選 硬體設定最直觀：介面上就能看到每個模型需要多少 VRAM，避免踩雷 功能最豐富：內建 RAG、MCP、多模型比較，一個工具全包 Apple Silicon 優化好：Mac M1/M2/M3/M4 跑起來效能很好 ▌LM Studio 的缺點 非完全開源：程式本體是閉源的（proprietary），只有個人使用免費，商業用途需要授權 不支援 Intel Mac：只支援 Apple Silicon（M1 以後），舊款 Intel Mac 無法使用 一次只能跑一個模型：Local server 同時間只能服務一個模型，需要切換的場景較麻煩 程式本體較肥：安裝檔約 500MB 起，開程式也比較吃資源 阿正老師補充：很多開發者的用法是「用 LM Studio 找模型、測試模型，然後把模型丟進 Ollama 跑」。兩個工具搭配使用，不一定要二選一！ Jan — 完全開源、隱私第一 官方網站 https://jan.ai 支援平台 macOS、Windows、Linux 費用 完全免費、Apache 2.0 授權開源 操作方式 圖形介面（GUI），類似 ChatGPT 的聊天視窗 適合對象 重視隱私的使用者、想要完全掌控的人、企業或特殊行業需求 ▌Jan 是什麼？ Jan 的定位是「完全本機、完全開源的 ChatGPT 替代品」。它跟 LM Studio 一樣有圖形介面，但最大的差異是： 程式碼 100% 開源（Apache 2.0），你可以自己審查它在做什麼 預設零遙測：不會收集任何使用資料、不需要帳號 對話記錄、模型、設定全部存在你的電腦上 除了跑本機模型，也可以連接 OpenAI、Claude、Groq 等雲端服務（方便需要切換的使用者） 支援 MCP（Model Context Protocol），可以接 GitHub、Google Drive 等外部工具 有 OpenAI 相容 API（port 1337），可以當作 Ollama 的替代後端 ▌Jan 的優點 隱私保護最完整：零遙測、無帳號、資料不離機，適合有資安要求的場景 完全開源：Apache 2.0 授權，企業商用也沒有授權問題 介面直覺好上手：長得很像 ChatGPT，轉換門檻低 本機 + 雲端混用：需要的時候可以切到 OpenAI、Claude，不用裝兩個程式 MCP 支援：可以讓 AI 連接外部工具，做更複雜的任務 ▌Jan 的缺點 社群規模較小：相比 Ollama 和 LM Studio，使用者社群和教學資源較少 偶爾有穩定性問題：更新速度很快，但有時候新版本會有一些小 bug 模型管理較陽春：模型搜尋和管理功能不如 LM Studio 完整 效能略遜於 Ollama：底層引擎（Cortex）整體表現接近，但不如 Ollama 優化成熟 三款工具完整比較表 比較項目 Ollama LM Studio Jan 費用 完全免費 個人免費，商用需授權 完全免費 開源 ✅ 開源（MIT） ❌ 閉源 ✅ 開源（Apache 2.0） 操作介面 CLI（指令列）/GUI（圖形） GUI（圖形）⭐ GUI（圖形） 新手友善度 ⭐⭐⭐⭐ ⭐⭐⭐⭐⭐ ⭐⭐⭐⭐ 推理速度 ⭐⭐⭐⭐⭐（最快） ⭐⭐⭐⭐ ⭐⭐⭐⭐ 模型庫大小 中等（ollama.com/library） 最大（Hugging Face 全庫）⭐ 中等（Hugging Face） API 整合 最強 ⭐（port 11434） 支援（port 1234） 支援（port 1337） 同時跑多模型 ✅ 支援 ❌ 一次一個 ❌ 一次一個 隱私保護 ✅ 本機 ✅ 本機（閉源） ✅ 本機（可審計）⭐ MCP 支援 需搭配前端工具 ✅ 內建（0.3.17+） ✅ 內建 內建 RAG ❌（需搭配工具） ✅（0.3.0+） ❌（需搭配工具） 連接雲端 AI ✅ ❌ ✅（OpenAI、Claude 等） macOS Intel 支援 ✅ ❌（僅 Apple Silicon） ✅ 跨網路存取 ✅（設定後） ✅（設定後） ✅（設定後） 社群活躍度 ⭐⭐⭐⭐⭐（最大） ⭐⭐⭐⭐ ⭐⭐⭐ 阿正老師的最終建議 看完以上的比較，你可能還是很困惑。所以阿正老師直接按照不同情境給你建議： 情境 1：我只是想在自己電腦用 AI 聊天，不碰指令 → 選 LM Studio。圖形介面，下載→跑，五分鐘搞定，最無腦。 情境 2：我是工程師，想把 AI 整合進自己的程式或工作流程 → 選 Ollama。API 整合最順暢，搭配 LangChain / LlamaIndex 開箱即用，OpenAI 相容格式讓你幾乎不用改程式碼。 情境 3：我在處理機密資料，要求完全可稽核 → 選 Jan。Apache 2.0 開源授權，程式碼可審計，企業用也無授權疑慮，零遙測設計。 情境 4：我想探索各種模型，找到最適合自己的 → 先用 LM Studio 找模型、試模型，確定喜歡哪個之後，再用 Ollama 當主力跑。兩個工具搭配用，不衝突。 ️ 情境 5：我用的是舊版 Intel Mac → 選 Ollama 或 Jan（LM Studio 不支援 Intel Mac）。 常見問題 FAQ Q：這三款工具可以同時安裝嗎？ 可以！它們各自使用不同的 port（Ollama 11434、LM Studio 1234、Jan 1337），互不干擾，同時安裝沒問題。但同時啟動多個工具跑模型會搶 VRAM，記得一次只跑一個。 Q：有哪些模型可以用？ 目前最主流的免費開源模型包括： Llama 3.2（Meta）— 綜合能力強，繁中表現不錯 Gemma 3（Google）— 輕量但品質高，適合低規硬體 Qwen 3（阿里巴巴）— 繁中能力最好，推薦台灣用戶使用 DeepSeek-R1（DeepSeek）— 推理能力強，適合需要邏輯分析的任務 Phi-4（Microsoft）— 輕量但強大，小電腦也能跑 Q：跑本機 AI 電費高嗎？ 有 GPU 加速的情況下，7B 模型跑 1 小時大約多耗 50~100W，電費影響很小。純 CPU 的話功耗更低，但速度慢很多。 Q：本機 AI 的品質跟 ChatGPT 差多少？ 老實說差距還是有的。ChatGPT-4o / Gemini 3 Pro 等頂級雲端 AI 的綜合能力目前仍優於大多數本機可跑的模型。但如果是日常問答、寫作輔助、文件整理，7B～13B 的本機模型其實已經很夠用了，而且速度不輸雲端（網路慢的時候本機甚至更快）。 Q：我想用中文，哪個模型最好？ 阿正老師的建議是：Qwen 3（阿里巴巴出品）的繁體中文理解能力目前是本機模型裡最好的，其次是 DeepSeek 系列。Llama 的中文能力在 3.2 版之後也有顯著進步。 結 語 本機跑 AI 已經從極客的玩具，變成一般人也能輕鬆使用的工具了。硬體夠用的話，阿正強烈建議你試試看——自己跑的 AI，沒有訊息上限、沒有隱私疑慮、還完全免費。 不知道從哪開始？就從 LM Studio 開始吧，下載→安裝→下載 Gemma 3 或 Qwen 3 模型→開始聊天，整個流程 10 分鐘搞定！ 有任何問題，歡迎在下面留言～～
-- gReader Pro
不用再怕 AI 幻覺！其實 Gemini 內建有「查證回覆內容」功能
不用再怕 AI 幻覺！其實 Gemini 內建有「查證回覆內容」功能
https://www.techbang.com/posts/127342-how-to-verify-gemini-response-accuracy
Gemini 內建有「查證回覆內容」的功能，會透過 Google 搜尋網路上是否有相似說法作為佐證，以提升回應準確性。現在越來越多人會利用 AI 查詢資料，但「AI 幻覺」仍是常見且令人困擾的問題。其實，Gemini 內建有「查證回覆內容」的功能，會透過 Google搜尋網路上是否有相似說法作為佐證，以提升回應準確性。不過仍需注意，由於查詢的是網路內容，建議還是要點進來源網站確認可信度，並進行多方驗證，確保資訊正確。 步驟 1：不論是電腦版或手機版，在 Gemini 回答下方都可以看到「查證回覆內容」的圖示。 步驟 2：點擊後，Gemini 會開始進行 Google 搜尋，當畫面出現「查看結果」時，即表示查詢完成。 步驟 3：Gemini 會以顏色標示查證結果：綠色代表網路有相似資訊，點擊即可查看具體來源與出處。 步驟 4：若搜尋結果與 Gemini 的回應不符，或查無相關說法，系統則會以橘色標示提醒。 本文同步刊載於 PC home 雜誌 歡迎加入 PC home 雜誌粉絲團！ 延伸閱讀：如何用 Gemini 辨識圖片並生成 Apps Script 程式碼，一鍵完成午茶團購小幫手 延伸閱讀：Google 翻譯導入 Gemini，並可透過耳機進行「即時翻譯」、美墨等地率先推出 加入T客邦Facebook粉絲團
-- gReader Pro
https://www.techbang.com/posts/127342-how-to-verify-gemini-response-accuracy
Gemini 內建有「查證回覆內容」的功能，會透過 Google 搜尋網路上是否有相似說法作為佐證，以提升回應準確性。現在越來越多人會利用 AI 查詢資料，但「AI 幻覺」仍是常見且令人困擾的問題。其實，Gemini 內建有「查證回覆內容」的功能，會透過 Google搜尋網路上是否有相似說法作為佐證，以提升回應準確性。不過仍需注意，由於查詢的是網路內容，建議還是要點進來源網站確認可信度，並進行多方驗證，確保資訊正確。 步驟 1：不論是電腦版或手機版，在 Gemini 回答下方都可以看到「查證回覆內容」的圖示。 步驟 2：點擊後，Gemini 會開始進行 Google 搜尋，當畫面出現「查看結果」時，即表示查詢完成。 步驟 3：Gemini 會以顏色標示查證結果：綠色代表網路有相似資訊，點擊即可查看具體來源與出處。 步驟 4：若搜尋結果與 Gemini 的回應不符，或查無相關說法，系統則會以橘色標示提醒。 本文同步刊載於 PC home 雜誌 歡迎加入 PC home 雜誌粉絲團！ 延伸閱讀：如何用 Gemini 辨識圖片並生成 Apps Script 程式碼，一鍵完成午茶團購小幫手 延伸閱讀：Google 翻譯導入 Gemini，並可透過耳機進行「即時翻譯」、美墨等地率先推出 加入T客邦Facebook粉絲團
-- gReader Pro
Google 發表 Gemini 3.1 Flash Live：原生語音引擎實現 300 毫秒極速對話，AI 助理邁向「擬人化」新紀元
Google 發表 Gemini 3.1 Flash Live：原生語音引擎實現 300 毫秒極速對話，AI 助理邁向「擬人化」新紀元
https://www.koc.com.tw/archives/636932
Google 在近日推出了專為即時互動設計的旗艦級模型：Gemini 3.1 Flash Live。這款被官方定調為「Google 史上最高品質的音訊與語音模型」的新作，不僅標誌著語音優先（voice-first）應用分支的獨立發展，更透過底層架構的根本變革，解決了過往 AI 助理最令使用者詬病的延遲與失憶問題。相較於專注於文字處理的 Gemini 3.1 Flash，Flash Live 則是在音訊處理與即時反應上達到了前所未有的高度。 告別傳統四步流程：原生音訊處理將延遲壓低至感官極限 在 Gemini 3.1 Flash Live 問世之前，幾乎所有的語音 AI 助理都受限於一種「串聯式」的工作流程。當使用者說話時，系統必須依序經過：語音活動檢測（VAD）以確認說話結束、語音轉文字（STT）將波形轉化為 tokens、大型語言模型（LLM）生成文字回覆，最後再由文字轉語音（TTS）將回覆讀出來。這種多層轉譯的過程，不可避免地會產生明顯的等待空窗，讓對話顯得生硬且不連貫。 Gemini 3.1 Flash Live 實現了關鍵的技術突破：原生音訊處理（audio-to-audio），透過將上述所有環節整合為單一的多模態處理流程，該模型能夠直接理解原始音訊輸入，並即時生成音訊輸出。這使得理論延遲大幅縮減至 300 毫秒左右，這已經逼近人類在自然對話中的語音感知門檻。這意謂著當你對著手機說話時，AI 的反應幾乎是即時的，不再有那種令人尷尬的「機器思考時間」。 不只是快：細膩的情緒捕捉與雙倍的「長效記憶」 除了速度提升，Gemini 3.1 Flash Live 在對話的「深度」與「質感」上也展現了顯著進化。首先是語調理解能力的飛躍，新模型不僅能辨識字面意義，更能精準偵測使用者語音中的語氣、節奏與情緒。例如，當使用者語帶急促時，模型能動態調整回覆的長度與語氣，以更簡短、高效的方式回應；反之，若在閒聊情境下，模型則能展現更溫暖、擬人的共情能力。 另一個令開發者與使用者驚艷的突破是對話記憶能力，過去的 AI 助理常在長時間交談後忘記初衷，或在切換話題後無法銜接先前的脈絡。Gemini 3.1 Flash Live 將思路延續能力提升至先前的兩倍，有效解決了傳統助理常見的「失憶」問題。配合強化的工具觸發準確率，AI 可以在即時對話中精準呼叫外部工具（如行事曆、智慧家居控制等），即使是複雜的多步驟指令也能應對自如。 此外，針對現實生活中的複雜應用場景，Google 強化了模型的噪音過濾技術。無論是在喧鬧的交通背景聲中，還是在有多人交談的環境裡，Flash Live 都能有效分離出目標使用者的語音，確保指令接收的準確度不受環境音干擾。 您的瀏覽器不支援影片播放。 開發者福音：Multimodal Live API 開啟視聽雙模態連線 為了讓這項技術快速落地，Google 同步在 Google AI Studio 開放了 Multimodal Live API 的預覽存取。這套 API 採用了有狀態、雙向的 WebSocket 連線技術，允許應用程式與模型之間建立穩定的數據流。開發者可以直接傳送 16kHz 的原始 PCM 音訊，模型也會以同樣格式直接回傳音訊，完全跳過了獨立的 TTS 環節，從根本上確保了低延遲表現。 值得注意的是，這套 API 不僅限於音訊。它同時支援每秒約 1 幀（fps）的影像輸入，這意謂著未來的 AI 助理可以透過攝影機鏡頭「看見」世界，並與使用者進行視訊對話。API 還具備「打斷」（barge-in）功能，使用者不需要等 AI 講完所有話，隨時可以插話修正或提出新問題，讓互動更貼近真實的人類交流。 針對不同場景需求，Google 為開發者提供了「可配置的思考等級」。以下是不同模式下的效能表現： 思考模式 Big Bench Audio 準確率 平均反應時間 高思考模式 95.9% 約 2.98 秒 最小思考模式 70.5% 約 0.96 秒 這項設定讓開發者可以在「回答品質」與「反應速度」之間取得平衡。例如，處理複雜科學問題時可切換至高思考模式，而日常簡單對答則可使用最小思考模式以追求極致速度。[ Benchmark 數據：傲視群雄的音訊推理能力 在多項嚴苛的基準測試中，Gemini 3.1 Flash Live 展現了其作為語音旗艦模型的實力。在 Big Bench Audio（高思考模式）測試中，其準確率達到驚人的 95.9%。針對多步驟函式呼叫的 ComplexFuncBench Audio 測試，該模型也拿下了 90.8% 的高分，顯示其在即時對話中執行複雜任務的穩定性。 即便是在極具挑戰性的 Scale AI Audio MultiChallenge（測試即時複雜指令遵循與推理）中，Flash Live 仍取得了 36.1% 的成績。雖然數字看似不高，但在目前即時音訊推理領域中已是領先群倫。這些數據說明了 Google 不僅在追求反應快，更在追求「聽得懂」與「做得對」。 落地應用：從個人手機到企業客服的全方位布局 Gemini 3.1 Flash Live 技術正迅速進入終端市場。首先受益的是 Android 與 iOS 平台上的 Gemini Live，使用者將體驗到回覆更快、停頓更少且能根據語境動態調整風格的全新互動體驗。 搜尋功能也迎來了重大變革。全新的 Search Live 搭配 AI Mode，支援語音與相機鏡頭的即時對話式搜尋。這項功能即日起已向超過 200 個國家與地區擴展，支援超過 90 種語言，徹底改變了使用者尋找資訊的方式。使用者只需開啟相機對著物體發問，AI 就能在觀看畫面的同時提供即時解答。 在企業市場方面，Google 推出了 Gemini Enterprise for Customer Experience 企業客服套件。目前已與 Home Depot、Verizon 以及語音技術公司 LiveKit 等展開合作測試。這項技術有望讓自動化客服系統不再冰冷死板，而是能像真人專員一樣進行有溫度、高效率的溝通。 安全防護：SynthID 音訊浮水印捍衛真實邊界 隨著 AI 生成語音變得越來越難以區分，社會各界對於 AI 濫用、語音詐騙的擔憂也日益增加。為了應對這一風險，Google 宣布所有由 Gemini 3.1 Flash Live 輸出的音訊都將內嵌 SynthID 數位浮水印。這種浮水印技術對人耳而言完全不可察覺，不會影響聽覺體驗，但專門的偵測工具卻能輕易識別。 此舉旨在防止 AI 生成語音被惡意偽裝成人類語音進行欺詐或傳播不實資訊。Google 強調，隨著 AI 對話能力的增強，確保內容可追溯與身分可辨識是技術發展中不可或缺的安全責任。 定價策略與未來展望 對於開發者而言，Gemini 3.1 Flash Live 的定價策略顯得相當明確。音訊輸入定價為每小時 0.35 美元，而音訊輸出則為每小時 1.40 美元。相較於其提供的高品質即時互動能力，這樣的定價顯示出 Google 推廣這項技術的野心。 總體而言，Gemini 3.1 Flash Live 不僅是模型參數的升級，更是從「靜態輸入輸出」轉向「動態即時流」的範式轉移。當 AI 不再需要經過文字轉譯的中介，能夠直接感知與回饋聲音的頻率與情緒時，我們與機器的界線正變得前所未有的模糊。這不僅提升了工具的易用性，更為未來具備視覺與聽覺意識的 AI 代理程式（AI Agents）奠定了堅實的基礎。 Source
-- gReader Pro
https://www.koc.com.tw/archives/636932
Google 在近日推出了專為即時互動設計的旗艦級模型：Gemini 3.1 Flash Live。這款被官方定調為「Google 史上最高品質的音訊與語音模型」的新作，不僅標誌著語音優先（voice-first）應用分支的獨立發展，更透過底層架構的根本變革，解決了過往 AI 助理最令使用者詬病的延遲與失憶問題。相較於專注於文字處理的 Gemini 3.1 Flash，Flash Live 則是在音訊處理與即時反應上達到了前所未有的高度。 告別傳統四步流程：原生音訊處理將延遲壓低至感官極限 在 Gemini 3.1 Flash Live 問世之前，幾乎所有的語音 AI 助理都受限於一種「串聯式」的工作流程。當使用者說話時，系統必須依序經過：語音活動檢測（VAD）以確認說話結束、語音轉文字（STT）將波形轉化為 tokens、大型語言模型（LLM）生成文字回覆，最後再由文字轉語音（TTS）將回覆讀出來。這種多層轉譯的過程，不可避免地會產生明顯的等待空窗，讓對話顯得生硬且不連貫。 Gemini 3.1 Flash Live 實現了關鍵的技術突破：原生音訊處理（audio-to-audio），透過將上述所有環節整合為單一的多模態處理流程，該模型能夠直接理解原始音訊輸入，並即時生成音訊輸出。這使得理論延遲大幅縮減至 300 毫秒左右，這已經逼近人類在自然對話中的語音感知門檻。這意謂著當你對著手機說話時，AI 的反應幾乎是即時的，不再有那種令人尷尬的「機器思考時間」。 不只是快：細膩的情緒捕捉與雙倍的「長效記憶」 除了速度提升，Gemini 3.1 Flash Live 在對話的「深度」與「質感」上也展現了顯著進化。首先是語調理解能力的飛躍，新模型不僅能辨識字面意義，更能精準偵測使用者語音中的語氣、節奏與情緒。例如，當使用者語帶急促時，模型能動態調整回覆的長度與語氣，以更簡短、高效的方式回應；反之，若在閒聊情境下，模型則能展現更溫暖、擬人的共情能力。 另一個令開發者與使用者驚艷的突破是對話記憶能力，過去的 AI 助理常在長時間交談後忘記初衷，或在切換話題後無法銜接先前的脈絡。Gemini 3.1 Flash Live 將思路延續能力提升至先前的兩倍，有效解決了傳統助理常見的「失憶」問題。配合強化的工具觸發準確率，AI 可以在即時對話中精準呼叫外部工具（如行事曆、智慧家居控制等），即使是複雜的多步驟指令也能應對自如。 此外，針對現實生活中的複雜應用場景，Google 強化了模型的噪音過濾技術。無論是在喧鬧的交通背景聲中，還是在有多人交談的環境裡，Flash Live 都能有效分離出目標使用者的語音，確保指令接收的準確度不受環境音干擾。 您的瀏覽器不支援影片播放。 開發者福音：Multimodal Live API 開啟視聽雙模態連線 為了讓這項技術快速落地，Google 同步在 Google AI Studio 開放了 Multimodal Live API 的預覽存取。這套 API 採用了有狀態、雙向的 WebSocket 連線技術，允許應用程式與模型之間建立穩定的數據流。開發者可以直接傳送 16kHz 的原始 PCM 音訊，模型也會以同樣格式直接回傳音訊，完全跳過了獨立的 TTS 環節，從根本上確保了低延遲表現。 值得注意的是，這套 API 不僅限於音訊。它同時支援每秒約 1 幀（fps）的影像輸入，這意謂著未來的 AI 助理可以透過攝影機鏡頭「看見」世界，並與使用者進行視訊對話。API 還具備「打斷」（barge-in）功能，使用者不需要等 AI 講完所有話，隨時可以插話修正或提出新問題，讓互動更貼近真實的人類交流。 針對不同場景需求，Google 為開發者提供了「可配置的思考等級」。以下是不同模式下的效能表現： 思考模式 Big Bench Audio 準確率 平均反應時間 高思考模式 95.9% 約 2.98 秒 最小思考模式 70.5% 約 0.96 秒 這項設定讓開發者可以在「回答品質」與「反應速度」之間取得平衡。例如，處理複雜科學問題時可切換至高思考模式，而日常簡單對答則可使用最小思考模式以追求極致速度。[ Benchmark 數據：傲視群雄的音訊推理能力 在多項嚴苛的基準測試中，Gemini 3.1 Flash Live 展現了其作為語音旗艦模型的實力。在 Big Bench Audio（高思考模式）測試中，其準確率達到驚人的 95.9%。針對多步驟函式呼叫的 ComplexFuncBench Audio 測試，該模型也拿下了 90.8% 的高分，顯示其在即時對話中執行複雜任務的穩定性。 即便是在極具挑戰性的 Scale AI Audio MultiChallenge（測試即時複雜指令遵循與推理）中，Flash Live 仍取得了 36.1% 的成績。雖然數字看似不高，但在目前即時音訊推理領域中已是領先群倫。這些數據說明了 Google 不僅在追求反應快，更在追求「聽得懂」與「做得對」。 落地應用：從個人手機到企業客服的全方位布局 Gemini 3.1 Flash Live 技術正迅速進入終端市場。首先受益的是 Android 與 iOS 平台上的 Gemini Live，使用者將體驗到回覆更快、停頓更少且能根據語境動態調整風格的全新互動體驗。 搜尋功能也迎來了重大變革。全新的 Search Live 搭配 AI Mode，支援語音與相機鏡頭的即時對話式搜尋。這項功能即日起已向超過 200 個國家與地區擴展，支援超過 90 種語言，徹底改變了使用者尋找資訊的方式。使用者只需開啟相機對著物體發問，AI 就能在觀看畫面的同時提供即時解答。 在企業市場方面，Google 推出了 Gemini Enterprise for Customer Experience 企業客服套件。目前已與 Home Depot、Verizon 以及語音技術公司 LiveKit 等展開合作測試。這項技術有望讓自動化客服系統不再冰冷死板，而是能像真人專員一樣進行有溫度、高效率的溝通。 安全防護：SynthID 音訊浮水印捍衛真實邊界 隨著 AI 生成語音變得越來越難以區分，社會各界對於 AI 濫用、語音詐騙的擔憂也日益增加。為了應對這一風險，Google 宣布所有由 Gemini 3.1 Flash Live 輸出的音訊都將內嵌 SynthID 數位浮水印。這種浮水印技術對人耳而言完全不可察覺，不會影響聽覺體驗，但專門的偵測工具卻能輕易識別。 此舉旨在防止 AI 生成語音被惡意偽裝成人類語音進行欺詐或傳播不實資訊。Google 強調，隨著 AI 對話能力的增強，確保內容可追溯與身分可辨識是技術發展中不可或缺的安全責任。 定價策略與未來展望 對於開發者而言，Gemini 3.1 Flash Live 的定價策略顯得相當明確。音訊輸入定價為每小時 0.35 美元，而音訊輸出則為每小時 1.40 美元。相較於其提供的高品質即時互動能力，這樣的定價顯示出 Google 推廣這項技術的野心。 總體而言，Gemini 3.1 Flash Live 不僅是模型參數的升級，更是從「靜態輸入輸出」轉向「動態即時流」的範式轉移。當 AI 不再需要經過文字轉譯的中介，能夠直接感知與回饋聲音的頻率與情緒時，我們與機器的界線正變得前所未有的模糊。這不僅提升了工具的易用性，更為未來具備視覺與聽覺意識的 AI 代理程式（AI Agents）奠定了堅實的基礎。 Source
-- gReader Pro
Meta 称上传盗版电子书属于合理使用
Meta 称上传盗版电子书属于合理使用
https://www.solidot.org/story?sid=83727
为训练大模型，社交巨人 Meta 从 Z-Library 和 LibGen 等影子图书馆平台通过 BitTorrent 下载了逾百 TB 的电子书。在正在进行的由图书作者提起的诉讼中，Meta 律师辩称，通过 BitTorrent 将盗版电子书上传给陌生人属于合理使用。Meta 还强调，这些数据帮助美国确立了其在全球 AI 领域的领先地位。法庭去年裁决，使用盗版电子书训练大模型属于合理使用，但 Meta 仍然需要为通过 BitTorrent 下载和分享电子书的行为承担责任。图书作者认为，Meta 参与了侵权行为。Meta 在上周递交的补充书面询问中表示，在下载 BT 文件过程中共享文件也属于合理使用，理由是这是 BT 协议的固有特性，上传不是选择而是技术本身的工作方式。Meta 还辩称，使用 BitTorrent 共享文件是获取这些宝贵（但盗版）数据的必要手段。以 Anna’s Archive 为例，这些数据集只能通过 BT 下载获取，因此 BitTorrent 是唯一的选择。 https://torrentfreak.com/uploading-pirated-books-via-bittorrent-qualifies-as-fair-use-meta/ https://https://torrentfreak.com/uploading-pirated-books-via-bittorrent-qualifies-as-fair-use-meta/
-- gReader Pro
https://www.solidot.org/story?sid=83727
为训练大模型，社交巨人 Meta 从 Z-Library 和 LibGen 等影子图书馆平台通过 BitTorrent 下载了逾百 TB 的电子书。在正在进行的由图书作者提起的诉讼中，Meta 律师辩称，通过 BitTorrent 将盗版电子书上传给陌生人属于合理使用。Meta 还强调，这些数据帮助美国确立了其在全球 AI 领域的领先地位。法庭去年裁决，使用盗版电子书训练大模型属于合理使用，但 Meta 仍然需要为通过 BitTorrent 下载和分享电子书的行为承担责任。图书作者认为，Meta 参与了侵权行为。Meta 在上周递交的补充书面询问中表示，在下载 BT 文件过程中共享文件也属于合理使用，理由是这是 BT 协议的固有特性，上传不是选择而是技术本身的工作方式。Meta 还辩称，使用 BitTorrent 共享文件是获取这些宝贵（但盗版）数据的必要手段。以 Anna’s Archive 为例，这些数据集只能通过 BT 下载获取，因此 BitTorrent 是唯一的选择。 https://torrentfreak.com/uploading-pirated-books-via-bittorrent-qualifies-as-fair-use-meta/ https://https://torrentfreak.com/uploading-pirated-books-via-bittorrent-qualifies-as-fair-use-meta/
-- gReader Pro
llmfit 一秒就能檢測出電腦能順暢運行哪些 AI 模型！支援超過 500 個開源模型
llmfit 一秒就能檢測出電腦能順暢運行哪些 AI 模型！支援超過 500 個開源模型
https://www.koc.com.tw/archives/633992
很多人都會想在電腦本地運行 AI 模型，不過不是每個人都知道自己的電腦，適合運行多少參數的模型，參數太高速度會變慢，太低使用起來又會顯得有點笨，也不知該怎麼測試比較準確。如果你正被這個所困擾，這篇就要推薦一個「llmfit」開源工具，只需一秒就能辨識出你電腦硬體能順暢運行哪些 AI 模型，Windows、Mac 都能用，而且支援市面上絕大多數的開源模型。 llmfit 介紹和操作教學 llmfit 是一款終端機工具，會自動偵測你的電腦硬體規格，包括 CPU 核心數、系統記憶體、GPU 型號與 VRAM，接著將這些資訊與資料庫中的數百個 AI 模型進行比對，計算出哪些模型最適合在你的電腦上運行。 與一般單純列出模型清單的工具不同，llmfit 會針對每個模型進行多維度評分，例如模型品質、推理速度、記憶體使用效率以及上下文長度等，最後整合成一個綜合分數，並依照適合程度排序，因此你可以很快知道該選擇哪些模型，大幅降低挑選模型的時間成本。 此外，llmfit 還提供互動式 TUI（Terminal UI）介面，能像操作應用程式一樣瀏覽模型資訊、搜尋模型、排序或篩選條件，甚至直接下載模型。它同時支援 Ollama、llama.cpp、MLX 等本地 AI 執行環境，讓模型管理與部署變得更加方便。 主要特色 自動偵測硬體環境：會自動分析 CPU、RAM、GPU 型號與 VRAM，判斷電腦可運行的模型範圍。 智慧推薦 AI 模型：內建數百個 AI 模型資料庫，根據硬體條件推薦最適合的模型。 多維度模型評分系統：依照品質、速度、記憶體使用效率與上下文能力進行綜合評分。 互動式終端機介面（TUI）：在終端機中提供類似 GUI 的操作體驗，可搜尋、排序與查看模型細節。 支援多種本地 AI 執行環境：可與 Ollama、llama.cpp、MLX 等常見本地 AI 平台整合使用。 支援模型下載與安裝：直接從工具內下載模型並整合到本地 AI 執行環境。 取得 llmfit 按上方連結進到 llmfit 的下載頁面後，選擇適合你作業系統的版本，我是用 M 系列 Mac，因此選擇第一個。ARM 架構的 Windows 選 aarch64 開頭，Intel 或 AMD 則是 x86 開頭： 解壓縮後會有這三個檔案，點兩下打開 llmfit： Mac 版可能會出現無法驗證所以不能打開的提示： 這時請打開設定 -> 隱私權與安全性，右側滑到安全性的欄位，就會看到「強制打開」的按鈕： 接著再按強制打開，並輸入你的登入密碼： 就能正常打開了。介面看起來似乎有點複雜，但其實蠻簡單的。下方列出的就是所有支援模型，目前有 536 個，每個模型都會註明提供者、參數大小、分數、Tok/s、推出日期、Fit 程度、以及用途（Use Case）等等： 由於數量太多，找起來會有些困難，如果你有特定喜歡的模型，建議直接搜尋最快。 按鍵盤的 / 後，就能在左上角的 Search 欄位輸入關鍵字，像我輸入 qwen3.5，下方就會顯示符合的結果，這時我就能透過右側的分數、Fit 程度和用途來快速找出哪個參數的 AI 模型運行起來順暢。以 qwen3.5 來說，參數最大的 64.4B 也沒問題（Qwen3.5-122B-A10B-NVFP4），分數有到 96，Fit 為 Perfect。而再往上達 125.1B 參數的 Qwen3.5-122B-A10B 就不行，Fit 用紅色標示 Too Tight： 如果你沒有任何感興趣的模型，想從大參數模型開始找的話，可以按 s 來切換排列，切換到 Params 就是從最大參數模型往下排列，且會自動排除那些完全無法運行的模型： 按 s 把排列設定成日期，再按 f 切換成只顯示 Perfect 的 LLM 模型，這時下方就會列出，所有在你電腦裡能順暢運行的模型： 按 P 可以查看該模型的細節和規格要求：
-- gReader Pro
https://www.koc.com.tw/archives/633992
很多人都會想在電腦本地運行 AI 模型，不過不是每個人都知道自己的電腦，適合運行多少參數的模型，參數太高速度會變慢，太低使用起來又會顯得有點笨，也不知該怎麼測試比較準確。如果你正被這個所困擾，這篇就要推薦一個「llmfit」開源工具，只需一秒就能辨識出你電腦硬體能順暢運行哪些 AI 模型，Windows、Mac 都能用，而且支援市面上絕大多數的開源模型。 llmfit 介紹和操作教學 llmfit 是一款終端機工具，會自動偵測你的電腦硬體規格，包括 CPU 核心數、系統記憶體、GPU 型號與 VRAM，接著將這些資訊與資料庫中的數百個 AI 模型進行比對，計算出哪些模型最適合在你的電腦上運行。 與一般單純列出模型清單的工具不同，llmfit 會針對每個模型進行多維度評分，例如模型品質、推理速度、記憶體使用效率以及上下文長度等，最後整合成一個綜合分數，並依照適合程度排序，因此你可以很快知道該選擇哪些模型，大幅降低挑選模型的時間成本。 此外，llmfit 還提供互動式 TUI（Terminal UI）介面，能像操作應用程式一樣瀏覽模型資訊、搜尋模型、排序或篩選條件，甚至直接下載模型。它同時支援 Ollama、llama.cpp、MLX 等本地 AI 執行環境，讓模型管理與部署變得更加方便。 主要特色 自動偵測硬體環境：會自動分析 CPU、RAM、GPU 型號與 VRAM，判斷電腦可運行的模型範圍。 智慧推薦 AI 模型：內建數百個 AI 模型資料庫，根據硬體條件推薦最適合的模型。 多維度模型評分系統：依照品質、速度、記憶體使用效率與上下文能力進行綜合評分。 互動式終端機介面（TUI）：在終端機中提供類似 GUI 的操作體驗，可搜尋、排序與查看模型細節。 支援多種本地 AI 執行環境：可與 Ollama、llama.cpp、MLX 等常見本地 AI 平台整合使用。 支援模型下載與安裝：直接從工具內下載模型並整合到本地 AI 執行環境。 取得 llmfit 按上方連結進到 llmfit 的下載頁面後，選擇適合你作業系統的版本，我是用 M 系列 Mac，因此選擇第一個。ARM 架構的 Windows 選 aarch64 開頭，Intel 或 AMD 則是 x86 開頭： 解壓縮後會有這三個檔案，點兩下打開 llmfit： Mac 版可能會出現無法驗證所以不能打開的提示： 這時請打開設定 -> 隱私權與安全性，右側滑到安全性的欄位，就會看到「強制打開」的按鈕： 接著再按強制打開，並輸入你的登入密碼： 就能正常打開了。介面看起來似乎有點複雜，但其實蠻簡單的。下方列出的就是所有支援模型，目前有 536 個，每個模型都會註明提供者、參數大小、分數、Tok/s、推出日期、Fit 程度、以及用途（Use Case）等等： 由於數量太多，找起來會有些困難，如果你有特定喜歡的模型，建議直接搜尋最快。 按鍵盤的 / 後，就能在左上角的 Search 欄位輸入關鍵字，像我輸入 qwen3.5，下方就會顯示符合的結果，這時我就能透過右側的分數、Fit 程度和用途來快速找出哪個參數的 AI 模型運行起來順暢。以 qwen3.5 來說，參數最大的 64.4B 也沒問題（Qwen3.5-122B-A10B-NVFP4），分數有到 96，Fit 為 Perfect。而再往上達 125.1B 參數的 Qwen3.5-122B-A10B 就不行，Fit 用紅色標示 Too Tight： 如果你沒有任何感興趣的模型，想從大參數模型開始找的話，可以按 s 來切換排列，切換到 Params 就是從最大參數模型往下排列，且會自動排除那些完全無法運行的模型： 按 s 把排列設定成日期，再按 f 切換成只顯示 Perfect 的 LLM 模型，這時下方就會列出，所有在你電腦裡能順暢運行的模型： 按 P 可以查看該模型的細節和規格要求：
-- gReader Pro
2026年5月9日 星期六
2026年5月4日 星期一
對話式搜尋引擎 Ask.com 宣告關閉：走過 30 年歷史，Jeeves 管家不敵現代AI Agent | T客邦
https://www.techbang.com/posts/129157-ask-com-closes-jeeves-vs-ai
--
***************************************************
陳勇汀 Yung-Ting Chen
長欣科技顧問 開源技術工程師
Chang Hsin IT Consulting Corp.
Open Source Technology Engineer
E-mail: pulipuli_chen@ericstar.tw
***************************************************
2026年5月3日 星期日
Gemini 全新「檔案生成」功能：一鍵轉 PDF、Word 不亂碼，工作效率大升級
Gemini 全新「檔案生成」功能：一鍵轉 PDF、Word 不亂碼，工作效率大升級
https://free.com.tw/generate-files-in-gemini/
Google Gemini 近期於官方部落格宣布一項全新「檔案生成」功能，使用者可直接在聊天視窗中生成可下載、分享的文件檔案，只需要輸入提示詞，AI 會將內容建立為 PDF、Microsoft Word、Excel、Google Docs、Sheets 和 Slides 等格式，大幅減少使用者手動編輯的時間，整個流程都不需要離開 Gemini 應用程式，大幅提高生產力和效率。 擺脫手動複製貼上，解決格式跑掉問題 以往如果要將 AI 生成的內容製作成文件，使用者必須要手動複製、將內容貼上特定的文件編輯器，還要調整格式和重新格式化樣式，而且可能會遇到格式跑掉的問題。 透過 Gemini 這項功能可將生成的內容快速轉為特定格式，例如將預算提案匯出為 Microsoft Excel（.xlsx），將手寫的想法轉為文件草稿，或是將會議內容合併為 PDF 或 Microsoft Word（.docx）格式， 目前 Gemini 公告的格式超過十種，雖然還不支援 Microsoft PowerPoint（.pptx），但它可以直接產生 Google Slides，為使用者生成所需的簡報初稿。 支援的檔案格式整理 類別 支援格式 文件 Google 文件、PDF、Microsoft Word（.docx）、RTF、TXT 試算表 Google 試算表、Microsoft Excel（.xlsx）、CSV 程式開發與學術 Markdown（.md）、LaTeX 簡報 Google 簡報 這項功能現已開放全球所有 Gemini 使用者，免費版或付費升級 Google AI Plus、Google AI Pro 皆可使用，只需要在提示詞部分說明具體的檔案需求，AI 就會完成文件製作任務。 Gemini 檔案生成使用教學 操作步驟 輸入具體檔案需求指令 在官方範例中，例如將課堂筆記上傳到 Gemini，然後輸入提示詞：「根據我的課堂筆記，使用 LaTeX 格式建立一份深入的 PDF 學習指南。內容須包含圖表、圖形與方程式。」 隨即就會將內容生成為 PDF 格式，使用者可直接下載檔案。 靜候 AI 處理與生成文件 我也試著讓 Gemini 參考官方連結撰寫介紹並轉為 PDF，只要接收到明確要求，Gemini 就會開始處理，整個過程需要一些時間。 Gemini 生成的文件效果相當不錯，繁體中文部分表現理想，不會出現亂碼或錯誤問題。即便處理複雜度較高的請求，整體來說依然是非常方便的功能。 本資訊最後檢核於 2026 年 5 月。 探索更多來自 免費資源網 的內容 訂閱即可透過電子郵件收到最新文章。
-- gReader Pro
https://free.com.tw/generate-files-in-gemini/
Google Gemini 近期於官方部落格宣布一項全新「檔案生成」功能，使用者可直接在聊天視窗中生成可下載、分享的文件檔案，只需要輸入提示詞，AI 會將內容建立為 PDF、Microsoft Word、Excel、Google Docs、Sheets 和 Slides 等格式，大幅減少使用者手動編輯的時間，整個流程都不需要離開 Gemini 應用程式，大幅提高生產力和效率。 擺脫手動複製貼上，解決格式跑掉問題 以往如果要將 AI 生成的內容製作成文件，使用者必須要手動複製、將內容貼上特定的文件編輯器，還要調整格式和重新格式化樣式，而且可能會遇到格式跑掉的問題。 透過 Gemini 這項功能可將生成的內容快速轉為特定格式，例如將預算提案匯出為 Microsoft Excel（.xlsx），將手寫的想法轉為文件草稿，或是將會議內容合併為 PDF 或 Microsoft Word（.docx）格式， 目前 Gemini 公告的格式超過十種，雖然還不支援 Microsoft PowerPoint（.pptx），但它可以直接產生 Google Slides，為使用者生成所需的簡報初稿。 支援的檔案格式整理 類別 支援格式 文件 Google 文件、PDF、Microsoft Word（.docx）、RTF、TXT 試算表 Google 試算表、Microsoft Excel（.xlsx）、CSV 程式開發與學術 Markdown（.md）、LaTeX 簡報 Google 簡報 這項功能現已開放全球所有 Gemini 使用者，免費版或付費升級 Google AI Plus、Google AI Pro 皆可使用，只需要在提示詞部分說明具體的檔案需求，AI 就會完成文件製作任務。 Gemini 檔案生成使用教學 操作步驟 輸入具體檔案需求指令 在官方範例中，例如將課堂筆記上傳到 Gemini，然後輸入提示詞：「根據我的課堂筆記，使用 LaTeX 格式建立一份深入的 PDF 學習指南。內容須包含圖表、圖形與方程式。」 隨即就會將內容生成為 PDF 格式，使用者可直接下載檔案。 靜候 AI 處理與生成文件 我也試著讓 Gemini 參考官方連結撰寫介紹並轉為 PDF，只要接收到明確要求，Gemini 就會開始處理，整個過程需要一些時間。 Gemini 生成的文件效果相當不錯，繁體中文部分表現理想，不會出現亂碼或錯誤問題。即便處理複雜度較高的請求，整體來說依然是非常方便的功能。 本資訊最後檢核於 2026 年 5 月。 探索更多來自 免費資源網 的內容 訂閱即可透過電子郵件收到最新文章。
-- gReader Pro
--
***************************************************
陳勇汀 Yung-Ting Chen
長欣科技顧問 開源技術工程師
Chang Hsin IT Consulting Corp.
Open Source Technology Engineer
E-mail: pulipuli_chen@ericstar.tw
***************************************************
amCharts 提供各式免費 SVG 地圖下載，內建線上產生器可自訂顏色與投影
amCharts 提供各式免費 SVG 地圖下載，內建線上產生器可自訂顏色與投影
https://free.com.tw/amcharts-free-svg-maps/
amCharts 是一家 2004 年成立於立陶宛的「資料視覺化」技術服務平台，主要為網頁開發者提供功能強大的 JavaScript 圖表庫，透過這項服務，開發者可以在網頁上建立各種動態、具備互動功能的圖表，也有為股票、加密貨幣等交易數據設計的專業金融圖表，比較特別的是還能呈現世界與各國地圖。 免費下載向量地圖資源：Free SVG Maps 本文要介紹的是 amCharts 旗下的「Free SVG Maps」項目，收錄各種可縮放向量地圖（SVG）資源與工具，最主要功能是有各式地圖檔案免費下載！依照各大洲、國家顯示的行政區域地圖，或是各種視角的世界地圖，也有時區圖、聯合國區域（UN Regions）、英屬印度洋領地等地圖，在瀏覽器內進行預覽，下載時可選擇低細節或是高解析度版本。 內建 SVG 地圖產生器，自由客製化投影與顏色 值得一提的是，amCharts 還提供線上的「SVG 地圖產生器」，如果想針對地圖進行客製化，在產生器中能自由調整地圖與投影、顏色、簡化和填充工具、要顯示或隱藏的區域等，最後將製作出來的地圖下載、保存為 SVG 或 PNG 格式，類似工具比較少看到，印象中我也很少在網站介紹，有興趣的朋友不妨加入書籤收藏。 網站資訊 網站名稱：Free SVG Maps – amCharts網站連結：https://www.amcharts.com/svg-maps/ 使用教學 操作步驟 瀏覽並選擇所需的地圖區域 開啟 amCharts 的 Free SVG Maps 頁面，依照各大洲、國家名稱進行彙整，點選後就能查看國家的所有行政區地圖。 在網站上的所有地圖都是採用「姓名標示─非商業性 4.0」（CC BY-NC 4.0）授權釋出，可免費用於非商業用途，如果需要商業使用就要購買 amCharts 授權。 預覽並下載不同解析度的地圖 進入地圖頁面可直接預覽 SVG 地圖，透過右下角放大、縮小或是滑鼠來調整顯示區域。 上方會有兩個下載按鈕，分別可下載低細節或是高解析度版本，兩種都是 SVG 向量圖格式。 使用地圖產生器進行深度客製化 若需要自訂投影或顏色，可以使用 amCharts「SVG 地圖產生器」功能。 開啟編輯器會看到完整的自訂選項，其中有地圖與投影、顏色、簡化方法、填充工具、顯示區域等，進行任何編輯操作都會即時出現在右側預覽。 細節調整與配色設定 選擇要顯示的地圖範圍，接著調整一下顏色，顏色有填充、邊線、寬度、背景等各種項目可自訂。 匯出為向量或圖檔格式 自訂完成後點選左下角的按鈕，即可將地圖下載為 SVG、PNG 兩種格式，或是產生分享連結。 本資訊最後檢核於 2026 年 5 月。 探索更多來自 免費資源網 的內容 訂閱即可透過電子郵件收到最新文章。
-- gReader Pro
https://free.com.tw/amcharts-free-svg-maps/
amCharts 是一家 2004 年成立於立陶宛的「資料視覺化」技術服務平台，主要為網頁開發者提供功能強大的 JavaScript 圖表庫，透過這項服務，開發者可以在網頁上建立各種動態、具備互動功能的圖表，也有為股票、加密貨幣等交易數據設計的專業金融圖表，比較特別的是還能呈現世界與各國地圖。 免費下載向量地圖資源：Free SVG Maps 本文要介紹的是 amCharts 旗下的「Free SVG Maps」項目，收錄各種可縮放向量地圖（SVG）資源與工具，最主要功能是有各式地圖檔案免費下載！依照各大洲、國家顯示的行政區域地圖，或是各種視角的世界地圖，也有時區圖、聯合國區域（UN Regions）、英屬印度洋領地等地圖，在瀏覽器內進行預覽，下載時可選擇低細節或是高解析度版本。 內建 SVG 地圖產生器，自由客製化投影與顏色 值得一提的是，amCharts 還提供線上的「SVG 地圖產生器」，如果想針對地圖進行客製化，在產生器中能自由調整地圖與投影、顏色、簡化和填充工具、要顯示或隱藏的區域等，最後將製作出來的地圖下載、保存為 SVG 或 PNG 格式，類似工具比較少看到，印象中我也很少在網站介紹，有興趣的朋友不妨加入書籤收藏。 網站資訊 網站名稱：Free SVG Maps – amCharts網站連結：https://www.amcharts.com/svg-maps/ 使用教學 操作步驟 瀏覽並選擇所需的地圖區域 開啟 amCharts 的 Free SVG Maps 頁面，依照各大洲、國家名稱進行彙整，點選後就能查看國家的所有行政區地圖。 在網站上的所有地圖都是採用「姓名標示─非商業性 4.0」（CC BY-NC 4.0）授權釋出，可免費用於非商業用途，如果需要商業使用就要購買 amCharts 授權。 預覽並下載不同解析度的地圖 進入地圖頁面可直接預覽 SVG 地圖，透過右下角放大、縮小或是滑鼠來調整顯示區域。 上方會有兩個下載按鈕，分別可下載低細節或是高解析度版本，兩種都是 SVG 向量圖格式。 使用地圖產生器進行深度客製化 若需要自訂投影或顏色，可以使用 amCharts「SVG 地圖產生器」功能。 開啟編輯器會看到完整的自訂選項，其中有地圖與投影、顏色、簡化方法、填充工具、顯示區域等，進行任何編輯操作都會即時出現在右側預覽。 細節調整與配色設定 選擇要顯示的地圖範圍，接著調整一下顏色，顏色有填充、邊線、寬度、背景等各種項目可自訂。 匯出為向量或圖檔格式 自訂完成後點選左下角的按鈕，即可將地圖下載為 SVG、PNG 兩種格式，或是產生分享連結。 本資訊最後檢核於 2026 年 5 月。 探索更多來自 免費資源網 的內容 訂閱即可透過電子郵件收到最新文章。
-- gReader Pro
--
***************************************************
陳勇汀 Yung-Ting Chen
長欣科技顧問 開源技術工程師
Chang Hsin IT Consulting Corp.
Open Source Technology Engineer
E-mail: pulipuli_chen@ericstar.tw
***************************************************
訂閱：
文章 (Atom)
-
Wispr Flow AI 語音輸入有夠強！徹底解放雙手，目前地球上最強的語音輸入法 https://ahui3c.com/141866/wispr-flow-ai 你是否也曾感到雙手在鍵盤上飛舞的速度，永遠追不上腦中思緒奔騰的腳步？或是長時間打字導致手腕痠痛，卻又不得不繼續工作...
-
https://www.managertoday.com.tw/articles/view/70929
