[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"article-agentic-banking-job-ai-habits-scope-zh":3,"article-related-agentic-banking-job-ai-habits-scope-zh":30,"series-tools-ec67884c-8a1c-4c6e-8f72-eb396868df2d":73},{"id":4,"slug":5,"title":6,"content":7,"summary":8,"source":9,"source_url":10,"author":11,"image_url":12,"cover_image":12,"category":13,"language":14,"translated_content":11,"related_article_id":15,"keywords":16,"key_takeaways":22,"views":26,"created_at":27,"published_at":28,"topic_cluster_id":29},"ec67884c-8a1c-4c6e-8f72-eb396868df2d","agentic-banking-job-ai-habits-scope-zh","Agentic Banking 讓 AI 習慣變範圍","\u003Cp data-speakable=\"summary\">我把 Anchorage Digital 的 agentic banking 職缺拆成一套可直接套用的 AI 輔助產品工作法。\u003C\u002Fp>\u003Cp>我盯這類職缺文很多年了，大多數都像一群人把「想要一個很會做事的人」硬塞成一頁字，結果每句都很空。這份來自 \u003Ca href=\"https:\u002F\u002Fweb3.career\u002Fmember-of-technical-staff-agentic-banking-product-engineer-anchorage\u002F150436\">web3.career\u003C\u002Fa> 的 \u003Ca href=\"https:\u002F\u002Fwww.anchorage.com\u002F\">Anchorage Digital\u003C\u002Fa> 職缺不一樣。它沒在跟你喊口號，反而一直重複同一件事：你要把產品面、後端行為、文件、客戶溝通一起扛起來，還不能等 PM 幫你翻譯。我看完第一反應不是「哇好強」，而是「這根本是在找能自己收爛攤子的人」。\u003C\u002Fp>\u003Cp>更刺的是 AI 那段。它沒在講什麼 AI-native 神話，也沒叫你把決策丟給模型。它要的是 AI 輔助執行的習慣，但判斷力還是你自己的。這才是多數團隊真正卡住的地方：不是太慢，就是太迷信模型。這份職缺其實是在押一條中間路線，而且我覺得這條路才真的能做事。\u003C\u002Fp>\u003Cp>我先講清楚，這篇不是\u003Ca href=\"\u002Fnews\u002Fnvidia-latest-news-ai-demand-rivals-zh\">新聞\u003C\u002Fa>整理。我是拿這份職缺當樣本，拆它背後的工作方法，最後給你一份可以直接抄去改的模板。原始貼文沒有公開提供我能核實的觀看數、書籤數或星數，所以我不亂編。\u003C\u002Fp>\u003Ch2>這不是 full-stack，這是產品 owner 長出來的工程位\u003C\u002Fh2>\u003Cblockquote>“Own the customer-facing product surface, backend business logic, docs, and developer experience.”\u003C\u002Fblockquote>\u003Cp>翻譯一下就是：他們不是要你只會寫前端，也不是只要你會接 \u003Ca href=\"\u002Ftag\u002Fapi\">API\u003C\u002Fa>。它要的是一個人從使用者看得到的東西，一路管到後端邏輯、文件、整合體驗，全部自己收。這種職缺我看過太多次，表面寫工程，骨子裡其實是產品 owner 加工程執行，外加一點 customer engineer 的味道。\u003C\u002Fp>\n\u003Cfigure class=\"my-6\">\u003Cimg src=\"https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1781655511409-1p8k.png\" alt=\"Agentic Banking 讓 AI 習慣變範圍\" class=\"rounded-xl w-full\" loading=\"lazy\" \u002F>\u003C\u002Ffigure>\n\u003Cp>我以前待過一個支付\u003Ca href=\"\u002Fnews\u002Fllama-cpp-release-kernel-tuning-over-features-zh\">功能\u003C\u002Fa>團隊，最常見的爛事就是這樣：工程寫完了，PM 覺得需求有交代，文件交給別人補，support 最後才知道有問題。那種分工一開始看起來很專業，實際上就是把上下文切碎，然後大家一起假裝沒事。金融產品最怕這個，因為每個 handoff 都可能變成錯誤來源。\u003C\u002Fp>\u003Cp>這份職缺真正要你做的，是把整條鏈收回來。UI 的文案怎麼寫、API 回傳什麼狀態、後端怎麼轉移、異常怎麼顯示、文件怎麼讓客戶自己上手，這些不是附屬品，是同一個產品的一部分。你如果做過一次「功能本體已上線，但每週還在答同一個 onboarding 問題」就知道，產品沒做完不是因為 code 沒合，而是因為使用者還是卡在你沒想清楚的地方。\u003C\u002Fp>\u003Cp>實操寫法很簡單：以後不要只說自己是 full-stack。你要能講的是「我能把一個產品流程從需求、狀態、API、UI 到文件全串起來」。履歷上至少放一個例子，\u003Ca href=\"\u002Fnews\u002Ffedora-june-security-wave-operational-discipline-zh\">證明\u003C\u002Fa>你真的做過端到端，而不是只碰過其中一段。\u003C\u002Fp>\u003Cul>\u003Cli>先寫產品行為，不要先寫畫面。\u003C\u002Fli>\u003Cli>每個使用者動作都對應一個後端狀態。\u003C\u002Fli>\u003Cli>文件先寫失敗情境，再寫成功流程。\u003C\u002Fli>\u003C\u002Ful>\u003Ch2>AI 不是幫你做決定，是幫你把瑣事做快\u003C\u002Fh2>\u003Cblockquote>“Apply strong AI-assisted execution habits while maintaining judgment over critical product decisions.”\u003C\u002Fblockquote>\u003Cp>這句我很喜歡，因為它把 AI 的邊界劃得很清楚。它要你用模型加速，但不是叫你把腦袋外包。模型很會幫你把事情鋪平：草擬 spec、整理條件、產生測試骨架、把文件改順。但它不會替你判斷一個付款流程該不該可逆，也不會替你決定風險邊界要畫在哪裡。\u003C\u002Fp>\u003Cp>也就是說，AI 可以幫你把「怎麼做」變快，但不能替你決定「該不該做」。這在一般 SaaS 可能還好，在金融、支付、\u003Ca href=\"\u002Ftag\u002F穩定幣\">穩定幣\u003C\u002Fa>、合規敏感系統裡就很要命。你一旦把決策也交出去，速度看起來變快，實際上只是把風險延後，最後一次炸更大。\u003C\u002Fp>\u003Cp>我自己用 AI 最有感的地方，是寫那些我本來就知道答案、只是很煩的東西。像是 state machine 初稿、測試案例列表、docs 的第一版、把客戶回饋整理成條列。最沒用的地方，是叫它幫我「想想這個流程該怎麼設計」。如果我自己都還沒想清楚，模型只會給我一段看起來很像答案的廢話。\u003C\u002Fp>\u003Cp>實操寫法：你可以把 AI 分成四種用途，只有前兩種常態使用。第一種是草擬，第二種是整理，第三種是比較，第四種是決策。前兩種交給它，第三種要你看，第四種永遠留在人腦。這樣你才不會把「我有用 AI」誤認成「我有判斷力」。\u003C\u002Fp>\u003Cul>\u003Cli>讓 AI 幫你寫，不要讓 AI 幫你定義政策。\u003C\u002Fli>\u003Cli>讓 AI 幫你找 edge case，不要讓它決定 edge case 的處理原則。\u003C\u002Fli>\u003Cli>凡是牽涉資金、合規、可逆性，最後都要人簽字。\u003C\u002Fli>\u003C\u002Ful>\u003Ch2>這份工作其實在考 state machine，不是在考 UI 美感\u003C\u002Fh2>\u003Cblockquote>“Design and implement backend state machines and customer-facing status models for payment and stablecoin flows.”\u003C\u002Fblockquote>\u003Cp>翻譯一下就是：他們最在乎的不是畫面漂不漂亮，而是狀態轉換有沒有講清楚。金融系統裡，狀態就是產品。你如果把 initiated、pending、settled、failed、reversed、under review 混成一團，客戶只會覺得你不可靠，support 也會被打爆。\u003C\u002Fp>\n\u003Cfigure class=\"my-6\">\u003Cimg src=\"https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1781655506089-bvni.png\" alt=\"Agentic Banking 讓 AI 習慣變範圍\" class=\"rounded-xl w-full\" loading=\"lazy\" \u002F>\u003C\u002Ffigure>\n\u003Cp>我以前接手過一個付款流程，最白癡的地方就是 UI 顯示 success，但後端其實只是 queued。功能看似能跑，實際上客戶以為錢已經過了，結果後面補帳、對帳、客服全都要陪葬。那種 bug 不只是技術問題，是信任問題。你一旦把狀態設錯，後面每個說明都會變成補洞。\u003C\u002Fp>\u003Cp>這就是為什麼這種職缺會一直提 state machine。它要你先想「系統現在在哪個狀態、能不能轉、誰能觸發、客戶看到什麼」，再去寫 endpoint。不要反過來。很多工程師很會做 happy path，但一碰到 partial failure 就開始閃爍，因為腦中根本沒有完整的狀態圖。\u003C\u002Fp>\u003Cp>實操寫法：你做任何跟錢有關的流程，先把 state machine 寫在紙上。每個 state 都要有名字，每個 transition 都要有觸發條件，每個 terminal state 都要有明確定義。然後拿給 support 或 ops 看，問他們：「如果客戶卡在這裡，你要怎麼解釋？」如果他們講不出來，你的模型還沒完成。\u003C\u002Fp>\u003Ch2>文件不是收尾，它是客戶能不能自己活下去的關鍵\u003C\u002Fh2>\u003Cblockquote>“Create integration docs and onboarding examples that allow customers to self-serve without requiring support intervention.”\u003C\u002Fblockquote>\u003Cp>這句很直接，也很殘酷。很多團隊都把文件當成最後再補的東西，好像只要 API 寫得夠漂亮，客戶自然會懂。屁啦。客戶不懂你的內部假設，他只知道自己能不能在第一天接通、第二天不出包、第三天不用來找你哭。\u003C\u002Fp>\u003Cp>這份職缺把 docs 拉到跟產品一樣重要，是因為它知道文件其實在幫你省 support 成本，也在幫你縮短導入時間。你如果做的是 agentic banking，文件不是「教人怎麼呼叫 endpoint」而已，而是要教人什麼叫正常、什麼叫異常、什麼狀態代表要等、什麼狀態代表要重試、什麼狀態代表要找人。\u003C\u002Fp>\u003Cp>我看過太多「API 很直覺」的自嗨說法。那通常是寫文件的人自己太熟了，根本不知道外部第一次看會多痛。真正好的 docs，會把 onboarding、範例、錯誤碼、失敗情境、下一步都講清楚，而且最好能讓客戶不需要先開一個 support ticket 才知道自己卡在哪。\u003C\u002Fp>\u003Cp>實操寫法很簡單：每個重要流程都至少寫一個真實情境範例，不要用太理想化的 demo。再補一段「如果卡住怎麼辦」。如果你的文件不能降低客服壓力，那它只是裝飾品，不是產品的一部分。\u003C\u002Fp>\u003Cul>\u003Cli>文件先寫客戶第一天要做什麼。\u003C\u002Fli>\u003Cli>把錯誤碼翻成白話，而不是只丟代碼。\u003C\u002Fli>\u003Cli>每個狀態都要對應一個可執行的下一步。\u003C\u002Fli>\u003C\u002Ful>\u003Ch2>能不能直接跟客戶講話，決定你是不是只會轉述\u003C\u002Fh2>\u003Cblockquote>“Comfort talking directly to customers and using that signal to shape the product.”\u003C\u002Fblockquote>\u003Cp>這種要求看起來普通，實際上很挑人。很多工程師不是不能跟客戶講話，是一講就想立刻承諾功能，或者只會把問題轉回 PM。那樣不叫收訊號，那叫把噪音再包裝一次。\u003C\u002Fp>\u003Cp>翻譯一下就是：你要能從客戶抱怨裡抓出真正的產品訊號。不是每個 complaint 都是需求，有些只是訓練問題，有些是 edge case，有些是真的流程有洞。你要做的是把它拆開，判斷哪個值得改 API、哪個要補文件、哪個要改狀態顯示、哪個其實是客戶操作方式錯了。\u003C\u002Fp>\u003Cp>我自己最常在客戶 call 裡問的一句話是：「你當時想完成什麼？」這句超有用，因為它會把抽象抱怨拉回真實工作流。很多時候客戶不是要一個新功能，他只是想在某個節點得到更清楚的回饋。你一旦聽懂這個，很多產品調整會變得很準。\u003C\u002Fp>\u003Cp>實操寫法：每次跟客戶聊完，自己寫一則三行筆記。第一行寫客戶目標，第二行寫卡點，第三行寫你認為應該改哪裡。這樣你不是在記錄情緒，而是在累積產品訊號。久了你會發現，最有價值的不是客戶說了什麼，而是你有沒有把它翻成可執行的改動。\u003C\u002Fp>\u003Ch2>這種系統不能只追快，還要能被審、被救、被解釋\u003C\u002Fh2>\u003Cblockquote>“Balance shipping velocity with the correctness and reliability required for financial systems handling real customer funds.”\u003C\u002Fblockquote>\u003Cp>這句是整份職缺最誠實的地方。很多團隊嘴上說要快，其實是把測試、觀測、rollback、責任邊界都外包給未來的自己。金融系統不能這樣玩。你可以快，但不能亂；你可以用 AI 提速，但不能讓它幫你把責任模糊掉。\u003C\u002Fp>\u003Cp>也就是說，你做的每個變更都要能被審、能被回溯、能被救回來。這裡沒有什麼神奇捷徑。你需要測試，你需要 observability，你需要清楚的 failure mode，你需要 rollback 路徑，你還需要 support 看得懂的說明。說白一點，這種系統最值錢的不是 clever，而是可預期。\u003C\u002Fp>\u003Cp>我現在反而比較怕那種很會秀技巧的人。金融基礎設施裡，太聰明常常等於太難維護。清楚、穩、可解釋，才是真的省錢。這也是為什麼這份職缺一直繞回 docs、state、customer signal、AI judgment，因為它們其實都在服務同一件事：讓系統不只會跑，還要能長期活著。\u003C\u002Fp>\u003Cp>實操寫法：你每次 review 自己的功能，問三個問題。第一，客戶看得懂嗎？第二，半夜出事我能不能查？第三，這個改動會不會讓錢的流向變得不確定？如果三題有一題答不出來，就先別急著上線。\u003C\u002Fp>\u003Ch2>可抄的模板\u003C\u002Fh2>\u003Cpre>\u003Ccode># AI 輔助金融產品工作法：把「會用 AI」變成「做得出東西」\n\n## 1. 決策邊界\nAI 可以做：\n- 草擬 spec\n- 整理客戶回饋\n- 產生測試骨架\n- 改寫文件\n- 列出 edge cases\n\n人要保留：\n- 資金流向決策\n- 合規判斷\n- 狀態定義\n- 可逆性規則\n- 上線門檻\n- 客戶承諾\n\n## 2. Feature 流程\n1. 用一句話寫出客戶想完成的事\n2. 定義系統目標\n3. 列出所有 backend state\n4. 把每個 state 對應到客戶看得懂的名稱\n5. 寫出 allowed \u002F blocked transitions\n6. 定義 API、webhook、error state\n7. 補一個真實 onboarding 範例\n8. 寫 happy path、partial failure、recovery tests\n9. 跟 engineering、ops、support 一起 review\n10. 只有在 failure mode 可解釋時才上線\n\n## 3. 客戶訊號筆記\n- 客戶目標：\n- 卡點：\n- 可能原因：\n- 建議修改：\n- 負責人：\n- 下一步：\n\n## 4. State machine checklist\n- 每個 state 都有名字\n- 每個 transition 都有觸發條件\n- 每個 terminal state 都明確\n- 每個 error state 都有白話說明\n- 每個 support 問題都能對回某個 state\n- 每個 state 都能在 log 或 metric 找到\n\n## 5. 文件 checklist\n- 這個產品是做什麼的\n- 客戶先準備什麼\n- 怎麼完成第一筆成功流程\n- 每個 status 代表什麼\n- 失敗時會長什麼樣\n- 卡住時下一步做什麼\n- 一個可直接複製的範例\n- 一段 troubleshooting\n\n## 6. AI review prompt\n你正在協助我交付一個金融敏感的付款流程。\n\n請幫我：\n- 草擬 feature spec\n- 列出 edge cases\n- 建議測試\n- 改善文件\n\n規則：\n- 不要替我決定政策\n- 不要捏造合規規則\n- 不要改變資金流動行為\n- 不確定就明講\n- 優先選擇保守、正確、可解釋的行為\n\n輸出格式：\n1. Spec draft\n2. Edge cases\n3. Test ideas\n4. Doc improvements\n5. 需要人決定的問題\n\n## 7. Release gate\n我不會上線，除非：\n- state machine 已 review\n- 文件新客戶看得懂\n- error states 已測過\n- rollback 路徑已知\n- support 團隊能解釋行為\n- 我能說清楚每個接受的 AI 建議\u003C\u002Fcode>\u003C\u002Fpre>\u003Cp>這份模板不是從天上掉下來的，是我把這份職缺的要求翻成可執行的版本。核心就一句：AI 幫你提速，但範圍、狀態、文件、決策邊界都還是你要扛。你如果想套用，先挑你自己產品裡最麻煩的那條流程，照這份模板重寫一次。\u003C\u002Fp>\u003Cp>原始來源是 \u003Ca href=\"https:\u002F\u002Fweb3.career\u002Fmember-of-technical-staff-agentic-banking-product-engineer-anchorage\u002F150436\">web3.career 的 Anchorage Digital 職缺頁\u003C\u002Fa>，公司背景可參考 \u003Ca href=\"https:\u002F\u002Fwww.anchorage.com\u002F\">Anchorage Digital\u003C\u002Fa>。我這篇是根據原文做的方法論拆解，模板與白話翻譯是我的原創整理，不是原文照抄。\u003C\u002Fp>","我把 Anchorage Digital 的 agentic banking 職缺拆成可直接套用的 AI 輔助產品工作流程。","web3.career","https:\u002F\u002Fweb3.career\u002Fmember-of-technical-staff-agentic-banking-product-engineer-anchorage\u002F150436",null,"https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1781655511409-1p8k.png","tools","zh","7e50b74d-275a-4ef3-8c74-9b7952572ddb",[17,18,19,20,21],"agentic banking","AI-assisted execution","state machine","financial workflows","product engineering",[23,24,25],"這份職缺要的不是單純工程師，而是能把產品、後端、文件和客戶訊號一起扛起來的人。","AI 在這裡是加速器，不是決策者；真正值錢的是你對狀態、風險和可逆性的判斷。","最可抄的做法是先寫 state machine 和文件，再去做 UI 和 endpoint。",0,"2026-06-17T00:18:01.185844+00:00","2026-06-17T00:18:01.177+00:00","c3c88dd2-a940-438a-b359-0e5a24562273",{"tags":31,"relatedLang":32,"relatedPosts":36},[],{"id":15,"slug":33,"title":34,"language":35},"agentic-banking-job-ai-habits-scope-en","Agentic Banking job post turns AI habits into scope","en",[37,43,49,55,61,67],{"id":38,"slug":39,"title":40,"cover_image":41,"image_url":41,"created_at":42,"category":13},"6c40b201-8e6d-4b48-a988-791936798713","opencode-terminal-ai-coding-loop-zh","OpenCode 讓終端編碼變成迴圈","https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1781693320715-b9x5.png","2026-06-17T10:47:58.3922+00:00",{"id":44,"slug":45,"title":46,"cover_image":47,"image_url":47,"created_at":48,"category":13},"2830e8de-b146-4dd7-b1f6-1b61c223e9ea","open-source-ai-software-infrastructure-wins-zh","開源 AI 軟體贏在基礎設施，不贏在話題","https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1781691476387-1uwa.png","2026-06-17T10:17:26.854039+00:00",{"id":50,"slug":51,"title":52,"cover_image":53,"image_url":53,"created_at":54,"category":13},"137212d6-7843-4f65-b19f-f0db62e1929b","wazero-turns-go-wasm-into-plain-go-zh","Wazero 讓 Go Wasm 變回純 Go","https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1781681649267-d64h.png","2026-06-17T07:33:30.509996+00:00",{"id":56,"slug":57,"title":58,"cover_image":59,"image_url":59,"created_at":60,"category":13},"c849204c-8427-4af7-9662-60aa9e1f5524","ffmpeg-webcli-browser-video-editor-zh","ffmpeg-webCLI 把剪片搬進瀏覽器","https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1781680695836-cdup.png","2026-06-17T07:17:40.422494+00:00",{"id":62,"slug":63,"title":64,"cover_image":65,"image_url":65,"created_at":66,"category":13},"b599d760-7066-4299-b304-3ae189fcd6e4","newcore-turns-ai-agents-into-managed-identities-zh","NewCore 把 AI agent 變成可管身份","https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1781676209869-hmt9.png","2026-06-17T06:02:59.513643+00:00",{"id":68,"slug":69,"title":70,"cover_image":71,"image_url":71,"created_at":72,"category":13},"b8952293-f38b-41ae-90ee-a1d244ae4738","kimi-k27-review-copyable-coding-playbook-zh","Kimi K2.7 把評測變可抄流程","https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1781673555614-b695.png","2026-06-17T05:18:37.659209+00:00",[74,79,84,89,94,99,104,109,114,119],{"id":75,"slug":76,"title":77,"created_at":78},"855cd52f-6fab-46cc-a7c1-42195e8a0de4","surepath-real-time-mcp-policy-controls-zh","SurePath 推出即時 MCP 政策控管","2026-03-26T07:57:40.77233+00:00",{"id":80,"slug":81,"title":82,"created_at":83},"9b19ab54-edef-4dbd-9ce4-a51e4bae4ebb","mcp-in-2026-the-ai-tool-layer-teams-use-zh","2026 年 MCP：團隊真的在用的 AI 工具層","2026-03-26T08:01:46.589694+00:00",{"id":85,"slug":86,"title":87,"created_at":88},"af9c46c3-7a28-410b-9f04-32b3de30a68c","prompting-in-2026-what-actually-works-zh","2026 提示工程，真正有用的是什麼","2026-03-26T08:08:12.453028+00:00",{"id":90,"slug":91,"title":92,"created_at":93},"05553086-6ed0-4758-81fd-6cab24b575e0","garry-tan-open-sources-claude-code-toolkit-zh","Garry Tan 開源 Claude Code 工具包","2026-03-26T08:26:20.068737+00:00",{"id":95,"slug":96,"title":97,"created_at":98},"042a73a2-18a2-433d-9e8f-9802b9559aac","github-ai-projects-to-watch-in-2026-zh","2026 必看 20 個 GitHub AI 專案","2026-03-26T08:28:09.619964+00:00",{"id":100,"slug":101,"title":102,"created_at":103},"a5f94120-ac0d-4483-9a8b-63590071ac6a","claude-code-vs-cursor-2026-zh","Claude Code 與 Cursor 深度對比：202…","2026-03-26T13:27:14.279193+00:00",{"id":105,"slug":106,"title":107,"created_at":108},"0975afa1-e0c7-4130-a20d-d890eaed995e","practical-github-guide-learning-ml-2026-zh","2026 機器學習入門 GitHub 實用指南","2026-03-27T01:16:49.712576+00:00",{"id":110,"slug":111,"title":112,"created_at":113},"bfdb467a-290f-4a80-b3a9-6f081afb6dff","aiml-2026-student-ai-ml-lab-repo-review-zh","AIML-2026：像課綱的學生實驗 Repo","2026-03-27T01:21:51.467798+00:00",{"id":115,"slug":116,"title":117,"created_at":118},"80cabc3e-09fc-4ff5-8f07-b8d68f5ae545","ai-trending-github-repos-and-research-feeds-zh","AI Trending：把 AI 資源收成一張表","2026-03-27T01:31:35.262183+00:00",{"id":120,"slug":121,"title":122,"created_at":123},"3ce6e6e2-bac5-463e-9f8d-45caabcc61f7","awesome-ai-for-science-research-tools-map-zh","AI 科研工具清單，開始像地圖了","2026-03-27T01:46:50.521945+00:00"]