最新

這 10 個提示詞的共通點是：不是拿來要答案，是拿來要「一套方法」——把 ChatGPT 當成學習教練、研究助理、腦力激盪夥伴，而不是單純問一句答一句的搜尋引擎。整理起來直接複製貼上就能用，把方括號裡的內容換成你自己的主題就好。 1. 用 80/20 法則加速學習 想學新東西但時間有限的時候，先抓出最關鍵的那一小部分，比想著要學完全部更有效率。 我想學習【主題】。請找出最關鍵的 20% 核心知識，讓我能理解其餘 80% 的內容。請依重要性排序，並用簡單例子說明。 2. 讓 ChatGPT 幫你修改文章 寫完初稿之後，與其自己反覆讀來讀去抓錯字，直接丟給它校對加潤飾。 以下是我的文章：【貼上內容】。請校對錯字、文法與語句，並提出讓內容更清楚、精簡、有說服力的修改建議。最後提供一份完整的修訂版本。 3. 把 ChatGPT

這支影片的說法很直接：沒裝這 5 個外掛之前，先別急著說自己會用 Claude Code。查證過後，這 5 個確實都是真實存在、有一定社群規模的外掛/技能，這篇把它們一個一個講清楚，順便老實提醒一下裡面一個數字誇大的地方。 OmniRoute：額度見底自動換模型 OmniRoute 讓 Claude Code 接上 200 多個免費 AI 服務商，額度用完的瞬間，自動幫你切到下一個可用的模型，中間不用你手動介入。這是本站之前已經完整介紹過、實測過的工具（見〈我把 Claude Code 接上 250 多個免費 AI 服務商〉一文），4 層自動容錯機制、還內建提示詞壓縮功能。 老實說一句：影片裡提到「每月最多 16 億免費 token」

【免費資源】 「被動收入」「財富自由」這些詞聽起來很遠,但其實就是一道數學題——本金多少、每月投入多少、報酬率多少、放多久,四個數字一組合,答案就出來了。不用猜,自己算一次就知道。 下面這個工具,填你自己的數字進去,馬上算出照這個速度,幾年後每個月大概能有多少被動收入。全部用你自己輸入的假設計算——不是任何形式的報酬保證,也不是投資建議,純粹是數學。 目前已投入本金(元) 每月投入金額(元) 預期年化報酬率(%)・這是你自己的假設,不是本站建議 投資年數 重新計算 預估資產總額 -- 其中你自己投入的本金 -- 複利滾出來的部分 -- 照這個資產總額,用你輸入的年化報酬率估算,每個月大約可以產生 -- 的被動收入(前提是本金不動用,只領報酬) 年數 累積投入 資產總額 這是純數學複利試算,不是投資建議、不保證任何報酬。年化報酬率是你自己輸入的假設,實際投資結果會因市場狀況、費用、稅務等因素而不同,歷史或假設報酬率不代表未來實際表現。

Google 最近一口氣推出了 15 款完全免費的 AI 工具，功能涵蓋行銷、設計、寫程式、做研究，很多原本要花錢訂閱其他服務才能做到的事，現在直接免費用。這些工具大多放在 Google Labs（Google 的實驗性產品部門）底下，屬於還在測試階段的免費實驗性功能，不是正式定價的產品——這點要先說清楚，免費期限跟功能範圍都可能隨時調整。 這篇把 15 款工具全部整理出來，前 5 款是目前討論度最高、被拿出來介紹的，後面 10 款是市面上比較少人完整寫過的部分，一起補上。 先講最多人在討論的 5 款 Pomelli：貼一個網址，直接生出整套社群行銷內容 Pomelli 是 Google 的免費 AI 行銷工具，你只要貼上自己品牌的網址，它就會分析網站內容跟品牌調性，直接生成一整套符合品牌風格的社群貼文素材——包括圖片、標題、

Claude 用久了常會卡在同一個問題：功能其實一直都在，但沒人告訴你該從哪裡學起。Anthropic 自己出了一系列免費課程（Claude Courses），從最基礎的「怎麼開始用」一路教到「怎麼串進自己的產品」。這篇把 10 堂課的重點整理出來，照學習順序排，你可以照著自己現在卡在哪一步，直接跳去對應的課。 Claude 基礎使用法（Claude 101） 「Claude 到底該從哪裡開始？」的第一堂課。 * 這堂課專門解決「Claude 該先摸什麼」的問題，適合完全新手 * 帶你搞懂「專案（Projects）」「artifact」這些功能到底是什麼 * 教你怎麼把自己的工具（信箱、雲端硬碟等）連接起來一起用 打造我的 AI 助手（用 Claude API 開發） 從聊天視窗畢業，開始用 API 自己搭東西的入門課。

很多人已經在用 Claude Code，但只用了最基本的功能——沒設定好偏好語言、不知道有自動模式，更沒裝任何 Skill 或 MCP。這篇把從安裝到順手使用該做的事，一次整理清楚：基礎安裝 → 必做設定 → 優先裝的 Skills → 進階 MCP 串接。 兩種安裝方式，該選哪一種 桌面版 App：點幾下就完成。如果今天才開始接觸 Claude Code，先從這裡入門。 終端機（CLI）：真正的效能在這裡。一次讀取、修改與執行數十個檔案，只有終端機做得到。 結論：先用 App 入門，熟悉之後再轉用終端機——不用一開始就逼自己啃指令列，先建立手感比較重要。 裝好之後，開啟前必做的 4 項設定 安裝完成還不夠，這四項設定沒做，等於只用了 Claude Code

Claude Code 裝好之後，很多人卡關的地方不是「它不會用」，而是「原生功能就是有些事做不到」——看不了影片、每次開新對話都要重新搜尋一次專案脈絡、做研究把對話容量燒光、生出來的畫面千篇一律很有 AI 味、寫出來的程式碼又臭又長。這 5 款免費工具，各自針對一個痛點，裝上去就是解法。 claude-video：讓 Claude 直接看影片 以前 Claude 只能看標題跟字幕，猜測影片內容，YouTube 教學這類東西摘要出來準確度很有限。裝了這個工具之後，一行 /watch 指令，下載影片、擷取音訊、抽關鍵幀全部自動完成，Claude 是根據畫面實際出現的內容回答問題，不是用猜的。 安裝： /plugin marketplace add bradautomates/claude-video/plugin install watch@

用 Claude 用到一定程度，一定會聽過「外掛」「技能」「MCP」這幾個詞，但很多人分不清楚三者差在哪，也不知道該從哪裡開始裝。這篇先把觀念講清楚，再把目前最多 Claude 高手在用的 24 個工具整理成清單，最後給一個「太多不知道先裝哪個」的解答。 外掛、技能、MCP，差在哪 * 外掛（Plug-in）：安裝一次，就能加入整套相關工具，感覺就像直接聘請一支開發或行銷團隊。 * 技能（Skill）：就像快捷指令，把原本冗長的操作，濃縮成一個簡短指令執行。 * MCP 伺服器：它是連接器，讓 Claude 串接 Notion、Slack 等實際應用程式，直接讀取與寫入資料。 簡單說，外掛是「整組工具包」，技能是「單一個快捷指令」，MCP

排程貼文、追蹤成效、生腳本、生輪播文案，這些事平常要嘛分散在好幾個工具裡各自訂閱，要嘛乾脆手動土法煉鋼。這篇紀錄的是另一條路：不買現成 SaaS，直接用 AI 把自己要的工具生出來（也就是這陣子常聽到的「vibe coding」）。 六段提示詞，一段接一段丟給 AI 編碼工具（Claude、v0、Lovable 這類都能用同一套提示詞跑），從一個空白畫面，長成一整套自己專屬的內容管理系統。每一階段都是在前一階段的基礎上疊加功能，不是六個獨立的東西。 階段 1｜完整內容管理 App 先給 AI 一個總體樣貌，讓它知道要做的是什麼調性的東西： 我想建立一個管理所有社群內容的網頁 App。需要一個深色主控台，搭配藍色重點色，集中查看 Instagram、TikTok 與 YouTube 的排程貼文。每篇貼文以卡片呈現圖片、標題、排程日期與狀態（草稿、就緒、

最近如果你有在關注AI工具，應該很難不注意到，Codex這個名字討論度很高。它是OpenAI推出的AI Agent，桌面版、網頁版、CLI版本都有，主打的定位，是讓非技術背景的人也能上手。 很多人第一次看到它，會以為是桌面版的ChatGPT，長得差不多，用起來應該也差不多。但這兩者差別很大。 ChatGPT vs Codex：一個回答你，一個替你做完 ChatGPT是網頁對話視窗，你把檔案丟上去，它改完，你還要自己下載，自己整理，動手的人始終是你。 Codex不一樣，它直接裝在你電腦裡，能讀你的檔案，改你的檔案，幫你做表格，做簡報，甚至幫你架一個網站。一個是線上回答你，一個是直接替你做完事情。 這篇文章，我會把Codex拆解一遍：它跟ChatGPT差在哪裡，跟Claude Code這類工具又有什麼不同，新手一定要懂的幾個基本規則，還有它實際能幫你處理哪些日常工作。 先搞懂最根本的差異 現在的AI工具，大致分成兩種。第一種是網頁對話機器人，像ChatGPT，還有Claude網頁版，你問一句，它答一句，

最近滑到不少人在聊 Higgsfield（higgsfield.ai）——一個 AI 影像/影片生成平台，特色是不用自己一家一家申請帳號，直接在同一個介面裡切換用 Kling、Seedream、Nano Banana 這些現在最紅的模型。這篇整理它到底是什麼、能拿來做什麼，以及影片裡那個「24 小時無限生成」是怎麼一回事。 Higgsfield 是什麼 簡單說，它是一個整合了 30 多個生成模型的創作平台，涵蓋圖片、影片、語音，官方數據顯示平台每天處理 450 萬次影片生成請求。你不用分別申請 Kling、即夢（Seedream/Seedance）、Google 的 Nano Banana 這些各自獨立的服務，在 Higgsfield 一個介面裡就能切換使用。 目前串接的主要模型包括： * 影片：Kling 3.

過去這幾個月，「MCP」這個詞在 AI 圈子裡出現的頻率越來越高，但大部分人聽到都是一頭霧水——它到底是什麼，跟我平常用 Claude 寫東西、查資料有什麼關係？ MCP，說白了就是 AI 的 USB-C MCP 全名 Model Context Protocol（模型情境協定）。把它想成 AI 界的 USB-C 接口就對了：一套標準，接上各種工具。 在 MCP 出現之前，每個 AI 工具想串接一個外部服務（比如讀取你的 GitHub、串接 Slack），都要各自寫一套專屬的串接方式。工具 A 串 Slack 的做法，工具 B 串