用 Skill 自動將部落格文章轉成社群貼文
透過觸發 Claude Code Skill，可以自動將部落格文章轉換成社群媒體貼文格式。
工作流概念：
- 撰寫完部落格文章後，觸發對應的 Skill
- Skill 自動讀取文章內容，產出適合社群平台的貼文格式
- 省去手動改寫、調整格式的時間
___ ___ __ ___ ___ _ _ ___
/ _ ||_ _| / \ / __|| __|| \| ||_ _|
| __ | | | / /\ \ (_ || _| | \\ | | |
|_||_||___|_/ \_\___||___||_|\_| |_|
透過觸發 Claude Code Skill，可以自動將部落格文章轉換成社群媒體貼文格式。
工作流概念：
Claude Code 推出 Channels 功能（Research Preview），讓你從 Telegram、Discord 等外部平台推送訊息到正在運行的 Claude Code session，Claude 會即時反應並回覆。
核心概念： Channel 是一個 MCP server，負責將外部事件注入你的 Claude Code session。訊息到達時會以 <channel> event 注入，Claude 可以執行程式碼、跑測試、修 bug，再透過同一個 channel 回覆。
支援平台： Telegram、Discord（Research Preview 階段）
快速開始（以 Telegram 為例）：
/plugin install telegram@claude-plugins-official/telegram:configure <token>claude --channels plugin:telegram@claude-plugins-official/telegram:access pair <code>使用場景：
注意事項：
Anthropic 在 Claude Cowork 推出 Dispatch 功能，使用者可以用手機指派任務給電腦上的 Claude，它會在背景完成工作。
特點：
自 2026/03/25 起，Gemini CLI 將有以下重大變更：
社群討論重點：
重要警告： 將 AI 服務的 OAuth 認證用於未授權的第三方工具，可能導致帳號被封。
目前已知的 OAuth 允許範圍：
風險：
建議：
Noct 製作的 Agent Skills 正體中文版，幫助想學習如何撰寫 Skills 的朋友更快上手。適合中文使用者參考學習 Agent Skills 的寫法。
Gemini CLI 更新後，用量顯示邏輯改為顯示「已使用量」而非「剩餘量」。
查看方式：
/stats 即可查看使用量/stats 不是 /status（/status 會顯示專案配置）在 Windows 上使用 Gemini CLI 時，繁體中文可能會顯示為亂碼。
解決方法：
這是一勞永逸的設定，將系統編碼從 Big-5 改成 UTF-8。
Kai 分享的龍蝦（Antigravity）詳細安裝步驟文件，以 PDF 格式提供，適合新手從零開始安裝。
Manus：
Genspark：
Perplexity：
Nvidia 推出的 AI Agent 平台 NemoClaw。
使用條件：
注意事項：
中文 vs 英文 Prompt：
防止 AI 跑偏的技巧（Edward）：
在 rules 中加入天條：「將我的提問用你的理解說明一次，等我審核」
其他建議：
MiniMax M2.1：
MiniMax M2.5：
使用 M2.5 的建議：
其他推薦：
oh-my-openagent 讓各個 AI 模型各自負責專長的項目，比單一模型更省 token。
分工範例：
優點：
成本： 多模型訂閱下來大概一個月 1000 台幣左右
Void Cloud 是一個用 JavaScript（基於 Vite）來寫 Infrastructure as Code 的雲端平台。
社群討論觀點（Edward）：
養 AI Agent（龍蝦）就像買到毛坯屋，要看你家想變成什麼樣子，開始幫它裝技能、寫架構，最後形成穩定工作流。
關鍵原則：
實際應用案例：
Noct 開發的 UX 技巧庫，可以搭配 Claude Code 使用來審查網站的 UX 品質。
社群使用回饋（Hank）：
Joseph 開源的 OpenClaw 工作流，分為三個階段：
Paperclip 是一個開源的 AI 公司編排（orchestration）框架，MIT 授權，GitHub 已有 17.8k stars。
核心概念： 如果 OpenClaw 或 Claude Code 是「一個員工」，Paperclip 就是「整間公司」。
主要功能：
社群實測回饋（學不完）：
針對多步驟的 AI Agent workflow，使用單一 agent 很容易 token 爆炸。
建議架構：Router 混合架構
適用場景： 例如批次產出 Dev Specs → 生成 UI 代碼 → 並列評選的 workflow，不需要把所有步驟塞進同一個 agent。
起步建議： 可以先用 GPT 按照自己的 workflow 規劃 Router 架構，再逐步實作。
Claude 宣佈 context 長度變成 1M 且價格不變。
用 Claude Code 養了 21 天的 AI 分身助理，適合非工程師的老闆與工作者：
問題：在 Multi-agent 架構中，負責產品開發的 Agent 和對話主 Agent 的上下文會互相衝突（金乘五也遇到「龍蝦跟 LLM 有衝突無法解決」的問題）。
解法：直接跟龍蝦討論，明確點出「不希望兩邊的上下文互相打架」，龍蝦就會自動幫產品 Agent 開設獨立的 workspace 和 memory，讓各 Agent 各司其職。
每個 Section 都有獨立的對話記憶，同類型任務用同一個 Section 處理即可。可以選擇 “Previous Section” 來延續之前的上下文。（需要新版擴充功能）
整理了 UX Skill 資源庫，提供產品設計流程的具體參考指標。
建議使用流程：先用此工具定義 IA（資訊架構），再轉出給 Stitch，Stitch 就會更清楚你要做的流程，產出品質更好。
痛點：用龍蝦兩個多月，筆記庫像資源回收場——每天狂存最新消息和 Prompt，要用時根本找不到。討論太長時容易忘了叫龍蝦存資料，過了第 3 天回頭找就容易失焦，浪費人類時間來回溝通。
解法：結合龍蝦與「卡片盒筆記法」打造全自動知識管理流程：
GPT 5.4 在提示詞輸入超過 272K token 後：
建議：使用龍蝦或 Codex 時要定時 compact 或 /new，避免 context 越滾越大導致 5 小時額度消耗極快。
SDD（規格驅動開發）的實戰經驗分享：
結論：直接寫 Code 再修改、除錯會浪費超多 token，先寫好 Spec 才是正途。
Gemini CLI 持續更新，現在已對標 Claude Code 的功能：
Gemini CLI 額度與 Antigravity 獨立計算，對 Google AI Pro 用戶來說是 Antigravity 被鎖額度時的替代方案。
不同 AI 模型在網頁開發上的分工建議：
實用技巧：先用 Gemini 網頁版 Canvas 做完風格定調，下載後再到 Antigravity 或其他 IDE 繼續開發。這樣可以避免 Antigravity 內的 Gemini 偷懶問題。
寫程式用 Codex 或 Claude Code 比 Gemini 好，Gemini 做完 Spec 或計畫後一定要給 Claude 看過，每次都會抓到問題。
在各家 AI 都在縮減額度的時代，省 token 變得很重要：
以 UI/UX Designer 視角打造的整合型 Skill Agent，讓 AI 讀取 Workflow 時更具結構化、減少溝通成本。有社群成員反饋用了之後 AI 產出的 UI 比自己手動調的好，頂多微調即可。
搭配使用心得：善用 Skill 後工作效率大幅提升，甚至可以同時多開處理多個任務。
用手機或 iPad 遠端操控 Claude Code 開發的方案：
/remote-control 功能（需更新到最新版 CLI）社群成員的慘痛經驗：
防護措施：
rm 的 permission 一定設成 ask，不讓任何模型自動執行刪除Spec-Driven Development (SDD) 是一種先定義規格再讓 AI 實作的開發方法。透過 OpenSpec 等工具，先把需求寫成明確的規格文件，再交給 AI 按照規格逐步實現。
適合用在：老闆直接丟需求（Word、Figma、Google Sheet），需要你用 AI 做出來的場景。
善用多個訂閱的物盡其用策略：
延伸思路：就像龍蝦可以用大腦支配 Agent，你也可以用類似方式支配不同模型併行開發。CLI 就是 Agent 的溝通媒介。
Clother 可以讓 Claude Code 轉接其他 LLM，換裝平價替換品。適合想要用 CC 的開發體驗但不想全部燒 Claude token 的使用者。
善用不同模型的長處來完成大型開發任務：
好處：
進階技巧：每次 session 做完 task list 就結束，另開 session 專心執行，也可順便切換模型的 effort 參數。
Claude 的 200K context 限制不夠用時的解法：
相比之下，Gemini 宣稱的超長 context 在實測中並沒有宣傳的那麼大。
Qwen 3.5 更新後推出的 Qwen Code，搭載企業版 Qwen 3.5 Plus（上下文 1M，非開源）：
多台電腦共用 Skills 的做法：
ln -s (softlink) 或捷徑，讓各 AI 工具引用同一份 Skills.claude/、.agent/）也有人將 .agent 和 .claude 兩個目錄都指向同一個原始資料夾，讓 Antigravity 和 Claude Code 共用 Skills。
直接讓龍蝦自己更新到最新版容易出問題（有多位社群成員踩雷）。較安全的更新方法：
推薦給 Claude Code 使用者的 StatusLine 工具，介面清晰易懂，可在終端機即時顯示 Claude Code 的運行狀態。
本地跑模型時，量化後的大參數模型通常優於小參數的全精度模型：
經驗法則：140B FP8 模型通常比 70B BF16 模型效果好，但記憶體使用相同。MoE 架構（如 Qwen 3.5 35B A3B）實際啟動參數少，RAM 需求更低。
有國外網友發現 Antigravity 額度消耗飛快，排查後發現是 MCP 中的 Stitch 在背景偷用 AI 額度。關閉 Stitch 後，額度消耗速度恢復正常。Google 官方人員也已確認此問題。
建議：如果覺得 Antigravity 額度異常消耗，檢查已安裝的 MCP 擴充功能是否有在背景呼叫 AI 模型。