[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"article-huawei-openpangu-20-xiaoyi-tools-zh":3,"article-related-huawei-openpangu-20-xiaoyi-tools-zh":30,"series-tools-7283751c-5256-42e6-9921-ef345e21d4d7":75},{"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},"7283751c-5256-42e6-9921-ef345e21d4d7","huawei-openpangu-20-xiaoyi-tools-zh","openPangu 2.0 讓小藝會用工具","\u003Cp data-speakable=\"summary\">我把華為 openPangu 2.0 的工具調用思路拆成了可直接套用的助手模板。\u003C\u002Fp>\u003Cp>我這幾年看過太多「智能助手」了，名字一個比一個響，實際一用就露餡。最煩的就是那種只會接話的：你問它一個事，它先誇你提得好，再繞半天，最後還是沒幹活。更糟的是，很多系統把「會聊天」當成「會做事」，把「能調用工具」當成「已經有 \u003Ca href=\"\u002Ftag\u002Fagent\">Agent\u003C\u002Fa> 了」。結果就是，demo 看著挺像那麼回事，真放進日常工作流裡，還是一團散沙。\u003C\u002Fp>\u003Cp>我最近重新看華為這條線，感覺它終於不再滿足於「回答問題」這件事了。它想做的是把對話、工具、\u003Ca href=\"\u002Fnews\u002Fwear-os-7-turns-watch-updates-into-live-context-zh\">上下文\u003C\u002Fa>、應用內動作揉成一個能執行\u003Ca href=\"\u002Fnews\u002Fcodex-rang-putongren-waibao-diannao-renwu-zh\">任務\u003C\u002Fa>的系統。這個方向我其實不陌生，\u003Ca href=\"https:\u002F\u002Fopenai.com\u002Findex\u002Fintroducing-operator\u002F\">OpenAI Operator\u003C\u002Fa>、\u003Ca href=\"https:\u002F\u002Fwww.anthropic.com\u002Fclaude-code\">Claude Code\u003C\u002Fa>、還有 \u003Ca href=\"https:\u002F\u002Fdevelopers.googleblog.com\u002Fen\u002Fgemini-2-0-flash-thinking-expanding-the-context-window-and-more\u002F\">Gemini 2.0\u003C\u002Fa> 這類東西都在往這邊走，但華為這次最有意思的點，不是「也做了 Agent」，而是它把系統級能力、應用級 skill、以及上下文管理綁到了一起。這個組合，才是它真正改變交互範式的地方。\u003C\u002Fp>\u003Ch2>它不是在做聊天機器人，而是在做「能接活」的系統\u003C\u002Fh2>\u003Cblockquote>從鴻蒙7開始，小藝終於對之前零散的能力做了各種整合，它終於像一個龍蝦\u002Fclaude code一樣，具備“思考、行動、觀察、重複”的能力，也具備在對話中想起來自己有工具可以調用的能力，也具備了上下文管理的能力。\u003C\u002Fblockquote>\u003Cp>這段話的核心意思很直接：小藝不再只是「答題器」，而是開始像一個真正的任務執行器。你說一句話，它不只是生成一句回覆，而是會判斷這句話是不是要查、要點、要改、要調用某個 App 的能力。然後它會執行，觀察結果，再決定下一步。\u003C\u002Fp>\n\u003Cfigure class=\"my-6\">\u003Cimg src=\"https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1781823803597-lyji.png\" alt=\"openPangu 2.0 讓小藝會用工具\" class=\"rounded-xl w-full\" loading=\"lazy\" \u002F>\u003C\u002Ffigure>\n\u003Cp>我自己最煩的就是那種「假工具調用」。表面上掛了很多 \u003Ca href=\"\u002Ftag\u002Fapi\">API\u003C\u002Fa>，實際模型根本不知道什麼時候該用，或者用完之後不會繼續\u003Ca href=\"\u002Fnews\u002Fethereum-slips-1741-glamsterdam-advances-zh\">推進\u003C\u002Fa>任務。那種系統看著像 Agent，幹起來像客服腳本。華為這裡的思路更像是在補齊閉環：思考、行動、觀察、重複。這個閉環一旦成立，助手才真的開始像助手，而不是像一個會說話的搜尋框。\u003C\u002Fp>\u003Cp>這裡我建議你把重點放在「任務」而不是「對話」上。對話只是入口，任務才是目標。你要問自己：使用者說的這句話，是不是可以拆成幾個動作？這些動作有沒有明確的執行邊界？執行後能不能拿到結果繼續推理？如果答案都是肯定的，那這個系統才值得做 Agent 化。\u003C\u002Fp>\u003Cul>\u003Cli>先定義任務，而不是先堆模型。\u003C\u002Fli>\u003Cli>把每個任務拆成可執行動作。\u003C\u002Fli>\u003Cli>讓模型在動作結果回來後繼續決策。\u003C\u002Fli>\u003C\u002Ful>\u003Cp>如果你要照著這個方向做，我會先從 3 類場景下手：搜尋、下單、修改狀態。它們最容易驗證「會做事」是不是成立，因為每一步都有明確結果，最適合做閉環。\u003C\u002Fp>\u003Ch2>skill 不是裝飾品，是應用把能力交給系統的接口\u003C\u002Fh2>\u003Cp>原文裡最關鍵的一句其實是這個：\u003C\u002Fp>\u003Cblockquote>一方面允許開發者給自己的App定義skill，讓系統小藝Agent能夠輕鬆調用應用內邏輯執行各類操作\u003C\u002Fblockquote>\u003Cp>這句話的意思很大，但我得說得更白一點：華為不是想讓模型去「猜」你的 App 怎麼用，而是讓 App 主動把能力暴露出來。這個差別非常大。前者靠模型瞎摸索，後者靠開發者提供明確入口。前者脆，後者可控。\u003C\u002Fp>\u003Cp>我見過太多團隊把「讓模型操作 App」理解成「把介面丟給模型看」。這條路不是不能走，但太容易失控。UI 會變，按鈕會改，頁面結構會抖，模型每次都像在做陌生環境導航。skill 的價值就在這裡：它把操作從 UI 裡抽出來，變成穩定接口。模型不用猜「點哪兒」，只要知道「這個能力叫什麼、輸入是什麼、輸出是什麼」。\u003C\u002Fp>\u003Cp>如果你是開發者，這其實是一種很現實的分工。模型負責意圖理解和決策，App 負責業務邏輯和權限邊界。這樣一來，系統就不會把所有責任都壓在模型身上。說句難聽的，很多失敗的 Agent 項目，都是因為團隊想讓模型同時當產品經理、前端、後端、測試和客服，最後誰都不像。\u003C\u002Fp>\u003Cp>我跑過一個內部原型時就踩過這個坑。我們一開始想讓模型直接操作頁面，結果只要文案一改，整條鏈路就抖。後來改成內部 action schema，模型只選 action，不碰頁面細節，穩定性立刻上來了。華為這個 skill 思路，本質上就是把這個經驗產品化了。\u003C\u002Fp>\u003Cp>怎麼落地？我會這麼做：\u003C\u002Fp>\u003Cul>\u003Cli>把高頻業務動作抽成 skill，不要一上來全量開放。\u003C\u002Fli>\u003Cli>每個 skill 明確輸入、輸出、錯誤碼。\u003C\u002Fli>\u003Cli>做權限校驗，不要讓模型替你決定安全邊界。\u003C\u002Fli>\u003Cli>給 skill 起業務名，不要起「tool_001」這種沒人看得懂的名字。\u003C\u002Fli>\u003C\u002Ful>\u003Cp>如果你做的是消費級 App，這一步尤其重要。因為使用者根本不在乎你是不是「用了大模型」，使用者只在乎它能不能替我把事辦完。\u003C\u002Fp>\u003Ch2>上下文管理才是 Agent 能不能長期可用的分水嶺\u003C\u002Fh2>\u003Cp>很多人一提 Agent，就只盯著「會不會調用工具」。我覺得這太淺了。真正拉開差距的，往往是上下文管理。因為工具調用只是單次動作，上下文管理決定它能不能連續做事。\u003C\u002Fp>\n\u003Cfigure class=\"my-6\">\u003Cimg src=\"https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1781823800123-lzq2.png\" alt=\"openPangu 2.0 讓小藝會用工具\" class=\"rounded-xl w-full\" loading=\"lazy\" \u002F>\u003C\u002Ffigure>\n\u003Cp>原文裡說小藝也具備了上下文管理能力，這點我非常認同。沒有上下文管理，Agent 每一步都像失憶。你剛讓它查完比價，它下一句又忘了剛才看的是什么；你剛讓它訂餐，它下一步又要你重複地址和偏好。使用者體驗會非常爛，爛到你根本不想再用第二次。\u003C\u002Fp>\u003Cp>我把上下文管理分成三層看：\u003C\u002Fp>\u003Cul>\u003Cli>短上下文：當前這輪對話裡剛說過什麼。\u003C\u002Fli>\u003Cli>任務上下文：這次任務的目標、約束、當前進度。\u003C\u002Fli>\u003Cli>長期上下文：使用者偏好、常用地址、歷史選擇，但必須可控、可刪除、可解釋。\u003C\u002Fli>\u003C\u002Ful>\u003Cp>這三層裡，最容易被忽略的是任務上下文。很多系統只記聊天歷史，不記任務狀態。結果就是模型能「聊得像人」，卻「做事像魚」。華為這條線如果真把任務上下文做穩了，那它就不只是一個語音助手，而是一個可以持續推進事務的系統入口。\u003C\u002Fp>\u003Cp>怎麼應用到你自己的產品裡？我建議你別先想著「記住使用者一切」，先想「這次任務要記住什麼」。比如點外賣這個場景，你至少要記住：預算、口味、地址、是否要發票、是否允許替代。把這些做成結構化狀態，比把整段聊天丟給模型可靠得多。\u003C\u002Fp>\u003Cp>還有一點我想強調：上下文不是越多越好。上下文越多，污染也越多。你得有清理機制，有過期機制，有優先級。否則模型會被一堆歷史廢話拖死。\u003C\u002Fp>\u003Ch2>「思考、行動、觀察、重複」不是口號，是執行循環\u003C\u002Fh2>\u003Cp>這一段我其實最想單獨拎出來，因為很多團隊把它說得太玄了。其實它一點都不玄，就是一個非常樸素的控制循環。\u003C\u002Fp>\u003Cblockquote>具備“思考、行動、觀察、重複”的能力\u003C\u002Fblockquote>\u003Cp>這句話翻成工程語言就是：先規劃下一步，執行動作，讀回結果，再決定下一步。聽起來簡單，但真正難的是每一步都要有明確的狀態切換。沒有狀態機，Agent 就會在「我想一下」和「我再試試」之間無限打轉。\u003C\u002Fp>\u003Cp>我以前做過一個內部自動化助手，最開始也很自信，想著模型能自己推理。結果一上線，最常見的問題不是不會答，而是會重複調用同一個動作，或者在失敗後亂改方向。後來我們加了執行狀態、重試限制、失敗分支、人工接管點，系統才像樣。\u003C\u002Fp>\u003Cp>如果你想把這個循環做實，我建議你至少設計這幾個狀態：\u003C\u002Fp>\u003Cul>\u003Cli>Plan：模型決定下一步做什麼。\u003C\u002Fli>\u003Cli>Act：調用 skill 或工具。\u003C\u002Fli>\u003Cli>Observe：讀取返回值、錯誤和副作用。\u003C\u002Fli>\u003Cli>Reflect：判斷是否繼續、改道或結束。\u003C\u002Fli>\u003C\u002Ful>\u003Cp>注意，Reflect 這一步不是讓模型寫長篇大論，而是讓它做決策。別把 Agent 變成作文比賽。你要的是可執行的判斷，不是漂亮的自我感動。\u003C\u002Fp>\u003Cp>華為這次的價值就在於，它把這個循環放進系統層，而不是只停留在某個 demo 裡。系統級入口一旦成立，使用者就不需要知道背後到底是哪个模型、哪條鏈路、哪種 prompt。使用者只會覺得：它真的開始替我幹活了。\u003C\u002Fp>\u003Ch2>真正該學的不是模型大小，是系統邊界怎麼劃\u003C\u002Fh2>\u003Cp>很多人看到「開源盤古 2.0」就會下意識問：參數多少？能力多強？榜單多少分？我倒覺得這些問題都太快了。先別急著比模型，先看系統邊界怎麼劃。因為一旦進入 Agent 場景，模型強不強只是其中一環，邊界設計才決定它能不能上線。\u003C\u002Fp>\u003Cp>華為這套思路裡，我最在意的是它把哪些能力留給系統，哪些留給 App，哪些留給模型。這個分層如果清楚，產品就容易收斂；如果不清楚，最後就會變成「誰都能做一點，誰都做不完整」。\u003C\u002Fp>\u003Cp>我通常會這麼切：\u003C\u002Fp>\u003Cul>\u003Cli>模型：理解意圖、生成計劃、選擇動作。\u003C\u002Fli>\u003Cli>系統：權限、會話、路由、審計、回退。\u003C\u002Fli>\u003Cli>App skill：業務執行、資料讀寫、結果返回。\u003C\u002Fli>\u003C\u002Ful>\u003Cp>這個切法的好處是很現實的。模型出錯了，系統還能兜底；App 接口變了，只要 skill 適配層還在，模型不用重訓；權限出問題，系統層直接擋住，不讓模型亂來。你不這樣切，最後就會把所有風險都壓到 prompt 上。那不是工程，那是祈禱。\u003C\u002Fp>\u003Cp>如果你要做類似產品，我建議你先問三個問題：第一，哪些動作必須可審計？第二，哪些動作必須使用者確認？第三，哪些動作必須支援回滾？這三個問題答清楚，系統邊界就有了。\u003C\u002Fp>\u003Ch2>這類助手最值錢的地方，是把應用變成可被調用的能力池\u003C\u002Fh2>\u003Cp>我覺得華為這次最值得開發者注意的，不是「小藝變聰明了」，而是「應用終於可以被系統級助手調用了」。這意味著 App 不再只是一個孤立介面，而是一個能力提供者。這個變化很大，真的很大。\u003C\u002Fp>\u003Cp>以前 App 的價值主要體現在使用者自己點進去用。現在如果系統層能直接調用你的 skill，那你的 App 就多了一個入口，而且這個入口不是選單，不是按鈕，是意圖。使用者甚至不需要知道 App 裡具體怎麼走流程，只要說一句「幫我比價並下單」，系統就能把多個 App 的能力串起來。\u003C\u002Fp>\u003Cp>對開發者來說，這意味著你要重新思考產品設計：\u003C\u002Fp>\u003Cul>\u003Cli>哪些能力適合暴露給系統？\u003C\u002Fli>\u003Cli>哪些能力需要合併成更高層的 task skill？\u003C\u002Fli>\u003Cli>哪些關鍵步驟必須保留使用者確認？\u003C\u002Fli>\u003C\u002Ful>\u003Cp>我不建議一上來就把所有功能都做成 skill。那樣只會把複雜度炸開。先挑高頻、低風險、可驗證的動作做。比如搜尋、篩選、預填、草稿生成、狀態查詢。這些動作一旦跑通，後面再往深處擴。\u003C\u002Fp>\u003Cp>如果你想參考更通用的工具協議，可以看看 \u003Ca href=\"https:\u002F\u002Fplatform.openai.com\u002Fdocs\u002Fguides\u002Ffunction-calling\">OpenAI function calling\u003C\u002Fa>、\u003Ca href=\"https:\u002F\u002Fdocs.anthropic.com\u002Fen\u002Fdocs\u002Fbuild-with-claude\u002Ftool-use\">Anthropic tool use\u003C\u002Fa>，以及 \u003Ca href=\"https:\u002F\u002Fai.google.dev\u002Fgemini-api\u002Fdocs\u002Ffunction-calling\">Google Gemini function calling\u003C\u002Fa>。我不是讓你照搬，而是讓你看清一個事實：工具調用不是附加功能，它已經是現代助手的基本工作方式了。\u003C\u002Fp>\u003Ch2>你可以直接照著做的模板\u003C\u002Fh2>\u003Cp>下面這個模板不是「通用大而全方案」，而是我會拿去做原型的最小閉環。它的目標很明確：讓一個系統級助手能夠理解使用者意圖、選擇 skill、執行動作、讀取結果、繼續推進任務。你可以把它改成你自己的 App skill 規範、Agent prompt，或者任務編排協議。\u003C\u002Fp>\u003Cpre>\u003Ccode>## 系統角色定義（System Prompt \u002F Orchestrator Spec）\n\n你是一個任務執行型助手。你的目標不是閒聊，而是把使用者請求拆成可執行步驟，並在需要時調用可用的 skill 完成任務。\n\n### 核心原則\n1. 先理解任務，再決定是否調用 skill。\n2. 只在有明確收益時調用 skill，不要為了調用而調用。\n3. 每次 skill 返回後，都要根據結果決定下一步。\n4. 如果資訊不足，先問最少量的問題。\n5. 涉及支付、刪除、發布、下單、授權等操作時，必須先獲得使用者確認。\n6. 任何時候都要維護任務上下文，不要重複問已經確認過的資訊。\n\n### 可用 skill 示例\n- search_items(query, filters)\n- compare_items(item_ids)\n- create_order(item_id, address_id, coupon_id)\n- get_user_profile()\n- get_task_state(task_id)\n- update_task_state(task_id, patch)\n- request_user_confirmation(action_summary)\n\n### 決策流程\n1. 解析使用者目標\n2. 判斷是否需要 skill\n3. 選擇最合適的 skill\n4. 執行 skill\n5. 觀察返回結果\n6. 更新任務狀態\n7. 繼續執行或結束\n\n### 輸出格式\n- 如果需要調用 skill：輸出結構化調用請求\n- 如果需要向使用者提問：只問最必要的一句\n- 如果任務完成：總結結果，說明下一步\n\n---\n\n## Skill 設計模板\n\n### Skill 名稱\nsearch_items\n\n### 作用\n根據關鍵詞和條件搜尋商品或服務。\n\n### 輸入\n{\n  \"query\": \"string\",\n  \"filters\": {\n    \"price_max\": \"number|null\",\n    \"category\": \"string|null\",\n    \"delivery_time_max\": \"string|null\"\n  }\n}\n\n### 輸出\n{\n  \"results\": [\n    {\n      \"id\": \"string\",\n      \"title\": \"string\",\n      \"price\": \"number\",\n      \"score\": \"number\"\n    }\n  ],\n  \"count\": \"number\"\n}\n\n### 失敗處理\n- 無結果：返回空陣列，並提示可放寬條件\n- 參數缺失：返回缺失欄位列表\n- 介面錯誤：返回錯誤碼和可重試建議\n\n---\n\n## 任務上下文模板\n{\n  \"task_id\": \"task_123\",\n  \"goal\": \"幫使用者找到並下單晚餐\",\n  \"constraints\": {\n    \"budget_max\": 50,\n    \"delivery_address\": \"已確認\",\n    \"must_confirm_payment\": true\n  },\n  \"state\": {\n    \"step\": \"compare_items\",\n    \"selected_item_id\": null,\n    \"waiting_for_confirmation\": false\n  },\n  \"history\": [\n    {\n      \"role\": \"user\",\n      \"content\": \"幫我點外賣，預算 50 以內\"\n    },\n    {\n      \"role\": \"assistant\",\n      \"content\": \"我先幫你篩選可選項\"\n    }\n  ]\n}\n\n---\n\n## 執行示例\n使用者：幫我找 50 元以內、30 分鐘能送到的晚餐\n\n助手：調用 search_items\n{\n  \"query\": \"晚餐\",\n  \"filters\": {\n    \"price_max\": 50,\n    \"category\": \"food\",\n    \"delivery_time_max\": \"30m\"\n  }\n}\n\nskill 返回結果後，助手：\n1. 更新 task_state\n2. 選出最優 3 個結果\n3. 詢問使用者是否要比較或直接下單\n4. 若使用者確認，則調用 create_order\n5. 完成後總結訂單資訊\u003C\u002Fcode>\u003C\u002Fpre>\u003Cp>我把這個模板故意寫得偏工程化，因為我不想再看到那種「把 prompt 調一調就能上線」的幻覺。你要真想做成可用系統，就得把 skill、狀態、確認、回退都寫清楚。模型只是中間的大腦，不是全部。\u003C\u002Fp>\u003Cp>如果你後面要繼續擴，我建議你再補三塊：一是審計日誌，二是權限策略，三是失敗恢復。沒有這三塊，Agent 很容易從「聰明」滑向「危險」。\u003C\u002Fp>\u003Ch2>來源和邊界：我拆的是這條知乎回答，不是官方白皮書\u003C\u002Fh2>\u003Cp>這篇拆解的直接來源是知乎問題「\u003Ca href=\"https:\u002F\u002Fwww.zhihu.com\u002Fquestion\u002F2048823351049707836\">6月12日華為發布開源盤古 2.0 模型，如何評價 openPangu 2.0 ？\u003C\u002Fa>」下的這段回答。原文重點放在鴻蒙 7、小藝 Agent、skill 暴露和上下文管理上，我這裡做的是工程化拆解和可複製模板，不是對華為官方技術細節的逐條復述。\u003C\u002Fp>\u003Cp>如果你要繼續追原始材料，我建議把這條回答和華為相關開發文檔一起看，再對照 \u003Ca href=\"https:\u002F\u002Fopenai.com\u002Findex\u002Ffunction-calling-and-other-api-updates\u002F\">function calling 思路\u003C\u002Fa>、\u003Ca href=\"https:\u002F\u002Fdocs.anthropic.com\u002Fen\u002Fdocs\u002Fbuild-with-claude\u002Ftool-use\">tool use 文檔\u003C\u002Fa>，你會更容易看出這類系統到底在往哪裡走。\u003C\u002Fp>\u003Cp>上面關於系統切分、模板化寫法和實操建議，是我根據原文延伸出來的工程整理；原始觀點來自來源連結，其他部分是我自己的拆法。\u003C\u002Fp>","我拆開華為 openPangu 2.0 的工具調用思路，整理成一份可直接套用的助手模板。","www.zhihu.com","https:\u002F\u002Fwww.zhihu.com\u002Fquestion\u002F2048823351049707836",null,"https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1781823803597-lyji.png","tools","zh","47c76490-75a2-4e63-8b3d-443aff0da6da",[17,18,19,20,21],"openPangu 2.0","工具調用","skill","上下文管理","Agent",[23,24,25],"真正有用的助手不是會聊天，而是能把任務拆成可執行動作並跑完閉環。","skill 的價值在於把 App 能力從 UI 裡抽出來，讓模型用穩定接口做事。","上下文管理、狀態機、確認與回退，才是 Agent 能不能上線的核心。",0,"2026-06-18T23:02:57.869909+00:00","2026-06-18T23:02:57.848+00:00","c3c88dd2-a940-438a-b359-0e5a24562273",{"tags":31,"relatedLang":34,"relatedPosts":38},[32],{"name":33,"slug":33},"agent",{"id":15,"slug":35,"title":36,"language":37},"huawei-openpangu-20-xiaoyi-tools-en","华为 openPangu 2.0 让小艺会用工具","en",[39,45,51,57,63,69],{"id":40,"slug":41,"title":42,"cover_image":43,"image_url":43,"created_at":44,"category":13},"d2a143b9-efa1-4ffd-adcb-7a315ae6344e","renesas-acquires-altium-pcb-design-tool-update-zh","瑞萨全资收购 Altium，PCB 教程更新","https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1781859766720-ow6s.png","2026-06-19T09:02:23.113145+00:00",{"id":46,"slug":47,"title":48,"cover_image":49,"image_url":49,"created_at":50,"category":13},"1e47b8fc-1eab-4342-83bd-a270d59a41f9","rust-forum-week-25-turns-ideas-into-shipping-work-zh","Rust 論壇週報把想法變交付","https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1781857111111-md5g.png","2026-06-19T08:18:04.893117+00:00",{"id":52,"slug":53,"title":54,"cover_image":55,"image_url":55,"created_at":56,"category":13},"300d082a-4df5-4a26-8b5b-7dff73dd0da3","claude-code-rust-native-terminal-interface-zh","Claude Code Rust 把終端機變輕了","https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1781854439295-lkeg.png","2026-06-19T07:33:29.722095+00:00",{"id":58,"slug":59,"title":60,"cover_image":61,"image_url":61,"created_at":62,"category":13},"819930d2-f83c-42e1-be18-fc65eb212184","open-source-tools-vibe-coding-cybersecurity-zh","開源工具把 vibe coding 變安全","https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1781852614083-gnj4.png","2026-06-19T07:03:08.602553+00:00",{"id":64,"slug":65,"title":66,"cover_image":67,"image_url":67,"created_at":68,"category":13},"60a23c5e-d9df-4186-a30e-5d2c123a0ed6","model-triage-coding-tests-cost-win-zh","模型分流把測試成本壓下來","https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1781840895287-vp1r.png","2026-06-19T03:47:51.801299+00:00",{"id":70,"slug":71,"title":72,"cover_image":73,"image_url":73,"created_at":74,"category":13},"79548e00-424f-482a-81c2-4a64d29e011c","fine-tuning-llms-locally-sft-lora-dpo-zh","本地微調 LLM：SFT、LoRA、DPO","https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1781839069344-gzrv.png","2026-06-19T03:17:21.792772+00:00",[76,81,86,91,96,101,106,111,116,121],{"id":77,"slug":78,"title":79,"created_at":80},"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":82,"slug":83,"title":84,"created_at":85},"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":87,"slug":88,"title":89,"created_at":90},"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":92,"slug":93,"title":94,"created_at":95},"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":97,"slug":98,"title":99,"created_at":100},"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":102,"slug":103,"title":104,"created_at":105},"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":107,"slug":108,"title":109,"created_at":110},"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":112,"slug":113,"title":114,"created_at":115},"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":117,"slug":118,"title":119,"created_at":120},"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":122,"slug":123,"title":124,"created_at":125},"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"]