Claude Code v2.1.80 起，statusline JSON 新增 rate limits 資料。把以下腳本存成 .sh 檔，在 settings.json 的 statusLine 設定中指定即可即時顯示 5 小時 / 7 天用量百分比與重置時間。

#!/bin/sh
# Claude Code status line - displays rate limit usage + 5h reset time
input=$(cat)

five=$(echo "$input" | jq -r '.rate_limits.five_hour.used_percentage // empty')
five_reset=$(echo "$input" | jq -r '.rate_limits.five_hour.resets_at // empty')
week=$(echo "$input" | jq -r '.rate_limits.seven_day.used_percentage // empty')

out=""
if [ -n "$five" ]; then
  out="5h: $(printf '%.0f' "$five")%"
  if [ -n "$five_reset" ]; then
    reset_time=$(date -r "$five_reset" +"%H:%M")
    out="$out (reset $reset_time)"
  fi
fi
[ -n "$week" ] && out="$out  7d: $(printf '%.0f' "$week")%"

echo "$out"

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

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）：

1. 在 BotFather 建立 Telegram Bot，取得 token
2. 安裝 plugin：/plugin install telegram@claude-plugins-official
3. 設定 token：/telegram:configure <token>
4. 啟動：claude --channels plugin:telegram@claude-plugins-official
5. 在 Telegram 發訊息給 bot 取得配對碼，回 Claude Code 執行 /telegram:access pair <code>

使用場景：

• CI 結果推送：建置完成或失敗時通知 Claude 自動處理
• 聊天訊息轉發：人不在電腦前也能透過手機指派任務
• 監控告警：伺服器事件觸發 Claude 自動修復

注意事項：

• 需要 Claude Code v2.1.80 以上
• 需要 claude.ai 登入（不支援 API key）
• Team / Enterprise 需管理員手動啟用
• 安全機制：sender allowlist，只有配對過的帳號才能推送訊息
• Session 必須持續運行，建議用背景進程或持久終端

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：

• 比 OpenClaw 更安全（Noct）
• 是 Claude 官方推出的功能，不會有帳號被封的風險
• 目前開放給 Claude Max 方案用戶使用
• Claude Code 可以用 remote-control，Pro 方案就能使用（Eric Li 1111）

自 2026/03/25 起，Gemini CLI 將有以下重大變更：

1. 第三方限制：針對將 Gemini CLI OAuth 跟其他第三方軟體一起使用的行為，將實施更強大的偵測機制
2. 模型限制：一般用戶只能使用 Gemini Flash 模型，Gemini Pro 僅開放給 Google AI Pro / Ultra 用戶
3. API 金鑰替代方案：要完整控制配額和計費，請從 AI Studio 或 Vertex AI 取得付費 API 金鑰

社群討論重點：

• 使用 OpenCode 等第三方工具串接 Gemini CLI OAuth 可能違反使用條款（P.H）
• OAuth 目前只有 Codex 和 GitHub Copilot 被允許使用
• Claude 和 Google 都會封帳號，建議謹慎使用

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：

• Gemini CLI OAuth 目前僅允許 Codex 和 GitHub Copilot 使用
• OpenCode 串接 Gemini CLI OAuth 可能違反使用條款

風險：

• Claude 和 Google 都會封帳號
• Claude Max 方案被封的案例較少，但風險依然存在

建議：

• 商務開發使用 API 付費，每個開發者一個月數千元是基本開銷（Edward）
• 不確定的話可以寄信問官方，但大概率會被告知不要這樣使用
• 真要用第三方工具，建議開新帳號避免主帳號風險

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：

• 在 Gemini CLI 中輸入 /stats 即可查看使用量
• 注意是 /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：

1. 開啟控制台 → 地區
2. 進入「系統管理」分頁 → 「變更系統區域設定」
3. 勾選「Beta: 使用 Unicode UTF-8 提供全球語言支援」
4. 重新開機後，再次啟動 Gemini CLI 即可生效

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：

• 目前門檻最低的 AI Agent（Pan）
• 可以簡單串接 Telegram Bot 直接互動
• 缺點是很燒點數

Genspark：

• 推出自己的龍蝦（CLI Agent）
• 與 Manus 類似的定位

Perplexity：

• 最近推出的 Computer 功能不錯
• 可以操作電腦完成任務

Nvidia 推出的 AI Agent 平台 NemoClaw。

使用條件：

• 目前需要 Linux 環境才能使用
• 如果有 VPS 可以裝在上面
• 尚未正式發布，仍在預覽階段

注意事項：

• 比自己架設貴蠻多，偏向企業需求
• 非企業用戶其實不需要特別關注
• 小心認證官方帳號，避免走錯到仿冒頁面

中文 vs 英文 Prompt：

• 理論上英文比較精準，但中文描述力也足夠
• 重點不在語言，而是把話講清楚，不給 AI 誤會空間
• 人事時地物數都交代清楚
• 專有名詞（如 git commit）用英文原文即可

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」

• AI 會先整理一次你的原始想法
• 如果整理內容 OK，後面 AI 會參考自己整理的內容做事，大都不會歪掉
• 如果整理內容不 OK，可以根據 AI 整理的內容反查原始需求哪裡有歧義

其他建議：

• 在 agent.md / rules 設定「永遠使用繁體中文回答問題」
• 上下文一長出現英文回應時，正好提醒自己該切對話了

MiniMax M2.1：

• 適合對話和情感支援
• 設定好 prompt 可以當人生導師
• 搭配 INTJ 人格設定，回答很中肯（winter 實測）

MiniMax M2.5：

• 適合 coding，但需要好的 prompt 才能發揮
• 如果覺得笨，可能是 prompt 不夠具體

使用 M2.5 的建議：

1. 明確指定角色（如資深工程師）
2. 給出具體範例
3. 設定輸出格式

其他推薦：

• GLM5 在大陸模型中 coding 能力稍強（Ben）
• 期待 DeepSeek 4 發布
• Codex 5.4 表現不錯（Ben）

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：

• Opus 4.6 負責調度和拆解任務
• Codex 5.3 專心寫 code
• 每個 sub agent 依照模型特性分配角色

優點：

• Token 消耗比單一模型少
• 不用像 Antigravity 一直按下一步，會確實完成任務
• 搭配 GitHub Copilot、GLM5、GPT 5.4 等多模型使用

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）：

• 實際上沒人會去學它的語法，都是叫 AI 讀文件然後部署
• 如果他們出 CLI，AI 可以直接控制 CLI 部署，甚至不需要寫 Vite code
• 關鍵在於他們的雲是否夠穩、夠便宜

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：

• 先有需求再養：不然養到最後只是吃 token 的聊天怪獸
• 門先裝上：什麼資訊都往裡面丟，你家就變成垃圾堆
• 優化記憶功能：每天把對談挑重點歸類，重要的寫入深度記憶
• 控制上下文長度：依需求調度，避免上下文過長

實際應用案例：

• 經營 YouTube：自動生成腳本 → 自動製作影片 → 自動上傳 → 自動回覆留言
• 寫程式、剪片、處理日常瑣事

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）：

• 審查出不少不合格的 UX 細節
• 改完後風格沒跑掉，沒大改是好事
• 已安排 Claude Code 每週自動用 GoodUX Skills 審查 UX
• 讓 CC 自己判斷該用哪個 Skill，每個都能正常運作
• 使用過程流暢，沒有卡頓

Joseph 開源的 OpenClaw 工作流，分為三個階段：

1. 搜集階段：做成想法靈感、webclip 搜集器，讓龍蝦幫你抓住想法
2. 延伸階段：已建好的 skill 會提示你延伸思考
3. 產出階段：等可以出成產品文件或文章，再請龍蝦呼叫 openspec/opencode/claude 等工具做出成品

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：

• 定義商業目標後，「雇用」一整支 AI 團隊（CEO、CTO、工程師、設計師、行銷）
• 每個角色可以是不同的 AI Agent（OpenClaw、Claude Code、Codex、Cursor 等）
• 組織架構圖：Agent 有主管、職稱、彙報關係
• 目標對齊：每個任務都能追溯到公司使命
• 預算控制：按月設定每個 Agent 的 token 預算
• Heartbeat 排程：Agent 按排程自動醒來執行任務
• 治理機制：你是「董事會」，可以批准招聘、覆寫策略

社群實測回饋（學不完）：

• 概念很潮，但結果是否更好還需觀察
• Token 消耗極快，全力跑一小時約 30 USD
• 可以外掛 Claude Code 降低消耗
• 適合在 Claude Code 雙倍期嘗試

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

• 用 Router 依照需求去調用不同的 agent
• 每個步驟寫成獨立的 agent 再串起來
• 可以大量節省成本，也能依需求微調

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 Samba 掛載後讓 Claude Code 直接處理
• 或透過 SSH 進入
• Home Assistant 官方也有 MCP 可以當作控制 channel

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：

• 每日自動工作匯報、Gmail 草稿、合作案建檔
• 每週自動復盤優化、Status Dashboard
• 家庭記帳財務管理系統（Discord 記帳）
• 智能家庭 Home Assistant 管家
• 內容創作工作流 ver1

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：

• 丟連結就自動摘要
• 聊出好點子，一鍵生成永久卡片 + 雙向連結
• 分類規則不順手？直接用對話叫龍蝦改寫入規則即可

GPT 5.4 在提示詞輸入超過 272K token 後：

• 輸入 token 變成 2 倍計價
• 輸出 token 變成 1.5 倍計價
• 搭配 Fast Mode 的疊加效應：1.3 (GPT 5.4) × 2 (Fast Mode) × (Large Context) = 5.2 倍 token 消耗

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：

• 處理 Spec 的時間多過寫 Code：這是正常的，先花時間在規格上可以省下大量 debug 的 token
• AI 在 Spec 上也會犯錯：要求 AI 提出問題來釐清需求，通常會來回好幾次才發現很多細節沒完善
• AI 不一定照 Spec 寫：但有了 Spec 做 review 時就能抓出偏差
• 定期讓不同 AI 檢查產出成果：不管 Skills、Rules、Workflow 寫得多好，都會發現一堆沒按規矩的成品

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：

• Plan Mode：規劃模式，可以先產出計畫再執行
• Hooks：事件鉤子
• Commands：自定義命令
• Agents：Agent 支援

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：

• Gemini：寫網頁視覺方面一直是最強的（自 Gemini 3 以來），但很常偷懶
• Claude / Codex：程式邏輯、後端處理較強
• GPT：邏輯能力排第二

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：

1. 應用 RTK：適當使用 retrieval toolkit 減少不必要的 context
2. 活用 Skills：寫好的 Skill 可以減少來回溝通的 token 消耗
3. 挑便宜的雲端方案：不同平台的 token 計價差異大
4. 切換雲端/本地端模型使用：簡單任務用本地模型，複雜任務才上雲端（類似 OpenCode 的做法）

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：

• 方法一：Claude Code 內建 /remote-control 功能（需更新到最新版 CLI）
• 方法二：設定 Tailscale，用 Termius SSH 連線回家裡電腦
• iPad 畫面較大，體驗比手機好
• 終端機不關掉就可以一直保持連線（網路不穩可能斷線）

社群成員的慘痛經驗：

• 可愛貓貓：讓 Codex 自動跑整天，結果晚上一個刪除指令出錯，整個磁碟槽被清空
• 金乘五：安裝 Skill 沒仔細檢查，不小心洩漏了金鑰

防護措施：

• rm 的 permission 一定設成 ask，不讓任何模型自動執行刪除
• 每一步都用 git 存檔，以防萬一
• 安裝第三方 Skill 前先檢查有沒有惡意代碼（如回傳 API key）
• 重要檔案另外備份到 S3 / Cloudflare R2，連飛彈打爆資料中心都不怕

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：

• 在 Claude Code 寫 Command 呼叫 Gemini CLI
• Gemini CLI 預先載入寫好的 Skill 來產生 commit log
• Gemini CLI 額度與 Antigravity 獨立計算，等於免費用

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：

1. Gemini Pro 負責規劃：context 長度較大，適合掃過整個專案並產出實作計畫
2. Claude 負責實作：程式碼修改的精準度和良率較高，依照計畫逐項實現

好處：

• 避免 Claude 一路跑到底導致 context 不夠，看後忘前
• 節省 token 消耗，避免額度耗光時重構才做一半
• 避免中途換模型導致程式碼風格或邏輯跑掉

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：

• 透過 Explore Agent 切出去探索程式碼，再 merge 回來主 Agent
• Plan 主 Agent 負責規劃，執行前 Claude 會問你要不要 clean and apply
• 這樣可以處理大型專案的重構需求，不必一次塞進 200K context

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）：

• 適合：Review 程式碼、比較架構、翻譯文件、創意寫作
• 不適合：直接寫新程式碼（資料截止日期較舊，會混用舊方法、舊版本）
• 一天可以用 2000 回
• 注意：千萬不能做 NSFW、政治等敏感內容，英文比中文更敏感

多台電腦共用 Skills 的做法：

• 用 Git 管理 Skill 檔案，推到私有 Git Repo 同步
• 使用 ln -s (softlink) 或捷徑，讓各 AI 工具引用同一份 Skills
• 來源資料夾用 repo 管理，目的地放在各工具要求的路徑（如 .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：

1. 用 Claude/Codex/Antigravity 去讀最新版本，做成 Skill
2. 在 Claude/Codex/Antigravity 用 Agent Chat 請它更新
3. 如果有錯，請 IDE Agent 做 doctor fix，其他錯誤訊息再貼給 Agent 修正

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：

• Q4：速度快，適合純聊天，但精度不足以做精確描述或寫作
• Q8：平衡選擇，模型標示多少 B 大約就佔多少 GB RAM，再加 1/2 作為運行空間
• FP16/32：學術/研究用，容量更大

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。