[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"article-microsoft-agentic-stack-linux-ai-infra-zh":3,"article-related-microsoft-agentic-stack-linux-ai-infra-zh":31,"series-tools-e9bdb899-df99-4ed7-8c0d-032a2a0c20b7":81},{"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":23,"views":27,"created_at":28,"published_at":29,"topic_cluster_id":30},"e9bdb899-df99-4ed7-8c0d-032a2a0c20b7","microsoft-agentic-stack-linux-ai-infra-zh","微軟把 Linux 變成 AI 基礎設施","\u003Cp data-speakable=\"summary\">我拆微軟這套 agentic stack，重點不是模型，是把 Linux、開源標準與治理一起當成 \u003Ca href=\"\u002Ftag\u002Fai-\">AI 基礎設施\u003C\u002Fa>。\u003C\u002Fp>\u003Cp>我最近一直在看各種 agent 架構，越看越煩。很多團隊都很會講「讓 AI 幫你做事」，Demo 也都漂亮，結果一進到真實環境就開始露餡：底層作業系統不一致、容器映像來源說不清楚、代理彼此講不同語言、出了事又沒人能追。說白了，大家很愛把聰明的那層做很花，卻把最該穩的那層做得像臨時拼的。\u003C\u002Fp>\u003Cp>我用這類 open source for AI 的論述看了一陣子，心裡一直有個結：如果你連機器底下跑的是\u003Ca href=\"\u002Fnews\u002Fdata-center-strategy-must-move-beyond-center-zh\">什麼\u003C\u002Fa>都沒講清楚，那你其實不是在做 agent 平台，你是在做一個會說話的風險堆疊。這次我看到微軟在 \u003Ca href=\"https:\u002F\u002Fopensource.microsoft.com\u002Fblog\u002F2026\u002F05\u002F18\u002Ffrom-open-source-to-agentic-systems-microsoft-at-open-source-summit-north-america-2026\u002F\">Open Source Blog\u003C\u002Fa> 這篇文章，才覺得終於有人把那幾層 boring 的東西講對了。\u003C\u002Fp>\u003Ch2>真正重要的不是發表會，是底層先站穩\u003C\u002Fh2>\u003Cblockquote>「我們宣布兩個更新，分別是 Azure Linux 4.0 在 Azure Virtual Machines 上的公開預覽，以及 Azure Container Linux 的正式可用。」\u003C\u002Fblockquote>\u003Cp>翻譯一下就是：微軟現在不是把 Linux 當成隨便可替換的底座，而是直接把它放進 AI 平台的\u003Ca href=\"\u002Fnews\u002Fdata-center-world-2026-ai-pushes-infra-limits-zh\">設計\u003C\u002Fa>裡。這件事我其實很買單，因為 agent 跟雲原生工作負載都一樣，根本不在乎你的簡報做得多漂亮，它們只在乎核心行為穩不穩、映像漂不漂、補丁節奏亂不亂。\u003C\u002Fp>\n\u003Cfigure class=\"my-6\">\u003Cimg src=\"https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1779249890350-1p82.png\" alt=\"微軟把 Linux 變成 AI 基礎設施\" class=\"rounded-xl w-full\" loading=\"lazy\" \u002F>\u003C\u002Ffigure>\n\u003Cp>這篇文章把 Azure Linux 4.0 和 Azure Container Linux 拉出來講，不是為了炫技，而是在講一個很現實的事：如果你要讓 AI 工作負載可預測，就先讓它跑的機器可預測。前者是 Fedora 衍生、RPM 基礎的 Linux 發行版，後者則是以 Flatcar 為基底的容器最佳化系統。它們都在往更小的套件面、更穩的供應鏈、更一致的執行特性走。\u003C\u002Fp>\u003Cp>我以前看過不少團隊想在通用 Linux 發行版上硬拗出「AI-ready」平台，結果就是先刪套件、再鎖映像、最後還是被 drift 打臉。這種做法很像先把地基蓋歪，再花三個月想辦法把牆扶正。你既然已經知道目標環境，幹嘛不直接用有意見的底層？\u003C\u002Fp>\u003Cp>實操寫法很簡單：如果你有 Azure 工作負載，就把 node 與 container base image 當成平台決策，不是應用團隊自由選配。把 OS 選擇寫進平台文件，固定映像來源，升級流程當成基礎設施變更來測，不要把它當平常 patch Tuesday 那種可有可無的例行事。\u003C\u002Fp>\u003Cul>\u003Cli>把 package footprint 壓小，攻擊面自然也會小。\u003C\u002Fli>\u003Cli>映像來源要可追溯，不要靠人腦記憶。\u003C\u002Fli>\u003Cli>Host 與 container 的假設要對齊，不然 runtime drift 會在你最忙的時候冒出來。\u003C\u002Fli>\u003C\u002Ful>\u003Ch2>微軟這次押開源，不是情懷，是因為封閉堆疊很快就會卡死\u003C\u002Fh2>\u003Cp>這篇文章很刻意提到歷史，我覺得這不是在賣情懷，而是在補論證。文中提到 2009 年 Hyper-V driver 貢獻進 Linux kernel，接著又說 Azure 上超過三分之二的 customer cores 跑的是 Linux，還提到 \u003Ca href=\"\u002Ftag\u002Fmicrosoft\">Microsoft\u003C\u002Fa> 365、GitHub、OpenAI 的 \u003Ca href=\"\u002Ftag\u002Fchatgpt\">ChatGPT\u003C\u002Fa> 背後也站在 Linux 基礎上。這些句子看起來像在自我介紹，其實是在講一件很務實的事：規模越大，越不能把基礎設施關在黑盒子裡。\u003C\u002Fp>\u003Cp>我自己踩過這種坑。以前有團隊想標準化到一套 vendor-managed stack，採購簡報看起來很順，真的進到 incident review 就完全不是那回事。問題不是功能少，是你看不到失敗模式。看不到，就沒辦法一起修；沒辦法一起修，就只能一直忍。開源不會自動解決一切，但至少它讓問題可以被討論、被對齊、被往上游修。\u003C\u002Fp>\u003Cp>實操寫法是：你在選 AI 或 agent 平台元件時，直接問三個問題。第一，我能不能檢視它？第二，我能不能往上游貢獻？第三，我能不能在不重寫應用的情況下換掉它？如果三題都答不出來，你買的不是基礎設施，你買的是依賴焦慮。\u003C\u002Fp>\u003Cul>\u003Cli>優先挑有活躍上游治理的專案。\u003C\u002Fli>\u003Cli>看你的供應商是貢獻者還是純消費者。\u003C\u002Fli>\u003Cli>只要 agent 會跨雲、跨 runtime，移植性就不該是附加題。\u003C\u002Fli>\u003C\u002Ful>\u003Ch2>Agent 需要 runtime，但更需要契約\u003C\u002Fh2>\u003Cp>這篇最有意思的地方，是它沒有把 agent 當成一個漂亮的應用層名詞而已。微軟明講：從 cloud native 走到 AI native，是開源下一步的演化，而且 AI 也正在改變開源的建造方式。維護者已經開始用 coding agent 做 issue triage、產測試、review pull request；agentic 工具也開始接手 dependency update 和安全修補。這些都不難理解，因為這些事情本來就很適合自動化。\u003C\u002Fp>\n\u003Cfigure class=\"my-6\">\u003Cimg src=\"https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1779249889935-08bp.png\" alt=\"微軟把 Linux 變成 AI 基礎設施\" class=\"rounded-xl w-full\" loading=\"lazy\" \u002F>\u003C\u002Ffigure>\n\u003Cp>但麻煩從這裡開始。當 agent 真正開始做事，你就不能只問它會不會做，還要問：誰批准的？哪個 policy 管的？事後怎麼 audit？這些如果不先定義，agent 只是把混亂自動化而已。我看過太多團隊在 demo 階段很爽，等到第一次安全審查就整個卡住，因為根本沒人說得出決策路徑。\u003C\u002Fp>\u003Cp>文章裡點名了幾個微軟押的元件：\u003Ca href=\"https:\u002F\u002Fgithub.com\u002Fmicrosoft\u002Fsemantic-kernel\">Semantic Kernel\u003C\u002Fa>、\u003Ca href=\"https:\u002F\u002Fgithub.com\u002Fmicrosoft\u002Fautogen\">AutoGen\u003C\u002Fa>、新的 \u003Ca href=\"https:\u002F\u002Fgithub.com\u002Fmicrosoft\u002Fagent-framework\">Microsoft Agent Framework\u003C\u002Fa>，還有 \u003Ca href=\"https:\u002F\u002Fwww.ray.io\u002F\">Ray\u003C\u002Fa>、\u003Ca href=\"https:\u002F\u002Fwww.nvidia.com\u002F\">NVIDIA\u003C\u002Fa> Dynamo、A2A 協定，以及 Agent Governance Toolkit。這些名字放在一起，意思很清楚：微軟想把「agent」從會聊天的 demo 名詞，變成有生命週期、可觀測、可控管的系統。\u003C\u002Fp>\u003Cp>實操寫法：你如果也在做 agent 系統，請把 runtime 跟 controls 分開。前者管規劃、執行、工具呼叫；後者管身分、權限、記錄、審核。這兩層如果硬塞在一起，等你第一次碰到資安 review，會痛到懷疑人生。\u003C\u002Fp>\u003Ch2>互通性不是加分題，是多代理系統的命根子\u003C\u002Fh2>\u003Cp>文章對 \u003Ca href=\"https:\u002F\u002Flinuxfoundation.org\u002F\">Linux Foundation\u003C\u002Fa> 和 \u003Ca href=\"https:\u002F\u002Fwww.a2a.foundation\u002F\">Agentic AI Foundation\u003C\u002Fa> 的著墨很多。微軟說 AAIF 已經是 Linux Foundation 歷史上成長最快的專案之一，目標是定義 agent-to-agent communication、agent runtime、orchestration 的開放標準。這段我看了很有感，因為 agent 領域最容易出現的爛戲，就是每家都想發明自己的私有協定。\u003C\u002Fp>\u003Cp>我見過太多「平台策略」最後變成翻譯層地獄。今天一個團隊做一個 agent，明天另一個團隊做另一個，最後整個組織要自己維護一層沒人想碰的轉接器。標準很無聊，但標準會救你。尤其當你不只一個 agent，不只一個供應商，不只一個 runtime 的時候，互通性就不是願景，是生存條件。\u003C\u002Fp>\u003Cp>這篇把 AAIF 跟 CNCF 類比，我覺得很準。Kubernetes 之所以能進企業，不是因為它看起來很潮，而是因為生態系終於在周邊原語上形成共識。agent 也會走同一條路。如果它們不能跨框架、跨雲、跨語言乾淨溝通，那每個多代理部署最後都會變成客製整合案。\u003C\u002Fp>\u003Cp>實操寫法：你在評估 agent 工具時，先看它講的是不是開放介面，而不是只會講自己的方言。如果你的 roadmap 會有多個團隊、不同供應商的 agent，一開始就把 protocol compatibility 當成硬需求，不要等到第二個整合案才發現自己蓋了圍牆。\u003C\u002Fp>\u003Cul>\u003Cli>要求 agent 之間有清楚的訊息格式與錯誤回傳規則。\u003C\u002Fli>\u003Cli>不要接受只能在單一框架內跑的黑箱協定。\u003C\u002Fli>\u003Cli>把跨框架互通列進平台驗收條件。\u003C\u002Fli>\u003C\u002Ful>\u003Ch2>安全不是收尾工作，agent 一有自主權就得先管住\u003C\u002Fh2>\u003Cp>這段是我最在意的。微軟直接說，保護開源現在不是 hygiene，而是讓 \u003Ca href=\"\u002Ftag\u002Fai-agent\">AI agent\u003C\u002Fa> 真正做事的前提。這句話比很多 \u003Ca href=\"\u002Ftag\u002Fai-security\">AI security\u003C\u002Fa> 的空話都實際。文章點名 \u003Ca href=\"https:\u002F\u002Fopenssf.org\u002F\">OpenSSF\u003C\u002Fa> 和 \u003Ca href=\"https:\u002F\u002Fwww.alpha-omega.dev\u002F\">Alpha-Omega\u003C\u002Fa>，也提到微軟做了分階段投資：先透過專家參與與自動化測試改善安全姿態，再投入第二輪去擴大可持續、以 AI 驅動的開源安全方案。它還提到 \u003Ca href=\"https:\u002F\u002Fgithub.com\u002Fsecuritylab\u002Fsecure-open-source-fund\">GitHub Secure Open Source Fund\u003C\u002Fa>，每個專案提供 10,000 美元，外加三週教育、導師、工具與 check-in。\u003C\u002Fp>\u003Cp>翻譯一下就是：微軟把 maintainer 當成供應鏈安全的一部分，而不是把他們當免費勞工。這點我覺得很對。你不可能靠對志願者大吼大叫來保護供應鏈，你只能把維護者當成真正的控制面，然後用資源和自動化把重複性的風險壓下去。\u003C\u002Fp>\u003Cp>我自己待過那種把「安全」當季度報表的團隊，最後都很像在做道德管理，不是在做風險管理。只要 agent 開始能更新依賴、開 PR、修 container，你的信任模型就不能再靠手感。它必須從第一天就可機器讀取、可稽核、可追蹤。\u003C\u002Fp>\u003Cp>實操寫法：先定 agent 能做什麼、不能做什麼，再讓它碰 production。每個 agent 產生的變更都要記錄 actor、tool、policy decision、timestamp；高風險動作要有人審；SBOM 與 provenance 檢查不能關。如果 agent 能改 code，它也能在你沒設防的時候幫你製造下一個 incident。\u003C\u002Fp>\u003Ch2>我最信的，其實是微軟列出的上游清單\u003C\u002Fh2>\u003Cp>文章最後列了一長串微軟有貢獻的專案：Kubernetes、Helm、containerd、Istio、Envoy、OpenTelemetry、ArgoCD、OPA Gatekeeper、Cilium、Dapr、KAITO、KubeFleet、Radius、Drasi、Copacetic、Dalec、Flatcar、Headlamp、Inspektor Gadget。老實說，不是每個名字都跟每個團隊有關，但這串清單很有用，因為它直接把微軟眼中的真實工作地圖攤開來了。\u003C\u002Fp>\u003Cp>重點不在某個炫的 agent app，而是在底下那堆 plumbing：runtime、observability、policy、patching、dashboard。這就是我會信的地方。因為只要你真的跑過 production，就知道最常出事的不是那個會講話的層，而是下面那些沒人想碰、但一斷就全倒的層。\u003C\u002Fp>\u003Cp>實操寫法：你也可以照這個方式盤點自己的 stack。把依賴的上游專案列出來，然後標記它們屬於 runtime、policy、安全、觀測、部署哪一類。如果你沒辦法一次畫完這張圖，代表你的平台比你以為的還脆。\u003C\u002Fp>\u003Ch2>可抄的模板\u003C\u002Fh2>\u003Cpre>\u003Ccode># Agentic 平台藍圖：給開源團隊直接用的版本\n\n## 1) 底層作業系統\n- 使用精簡、強化過的 Linux 發行版做 node 與 container base image。\n- 固定映像來源，並公開升級策略。\n- 把 host OS 變更視為平台變更，不是應用團隊的小修小補。\n\n## 2) 執行層\n- 將 agent 執行與治理分開。\n- 規劃、工具呼叫、狀態管理放在同一層。\n- 身分、政策、稽核、存取控制放在另一層。\n\n## 3) 互通性\n- 要求 agent-to-agent communication 使用開放介面與標準協定。\n- 除非能清楚轉譯，否則不要用供應商私有訊息格式。\n- 文件要寫清楚 agent 如何跨框架、跨雲、跨語言移動。\n\n## 4) 安全控制\n- 所有 agent 產生的變更都要有 provenance。\n- 記錄每次動作的 actor、tool、policy decision、timestamp。\n- 高風險操作一律要人類審核。\n- 部署前先跑 SBOM、依賴掃描、映像檢查。\n\n## 5) 上游策略\n- 優先選擇有活躍上游治理的專案。\n- 修補要回饋上游，不要默默分叉。\n- 依 runtime、policy、安全、觀測、部署五類維護依賴地圖。\n\n## 6) 驗收清單\n- 我能不能檢視它？\n- 我能不能往上游貢獻？\n- 我能不能在不重寫應用的情況下換掉它？\n- 我能不能在事後稽核每一次 agent 動作？\n- 多個 agent 能不能不用客製轉接器就互通？\n\n## 7) 可直接貼進文件的 policy 範本\n\nagent_platform:\n  base_os:\n    distro: hardened-linux\n    image_source: pinned\n    upgrade_policy: platform-managed\n  runtime:\n    execution: isolated\n    governance: separate\n    identity: required\n    audit_logging: enabled\n  interoperability:\n    protocol: open_standard\n    vendor_lock_in: avoid\n    cross_framework_support: required\n  security:\n    provenance: required\n    sbom: required\n    human_approval_for_high_risk: true\n    dependency_scanning: required\n  upstream:\n    prefer_open_governance: true\n    contribute_back: true\n    maintain_dependency_map: true\n\u003C\u002Fcode>\u003C\u002Fpre>\u003Cp>如果是我明天要推 agentic system，我會先拿這份\u003Ca href=\"\u002Fnews\u002Fppsi-6m-award-distributed-generation-playbook-zh\">模板\u003C\u002Fa>去改，再把 placeholder 換成自己實際用的技術。重點不是照抄微軟的產品，而是抄它的操作邏輯：底層先硬起來、介面先開出來、治理先寫清楚、上游先顧好。\u003C\u002Fp>\u003Cp>這種東西看起來不性感，但真的能活。對我來說，這比任何「AI 會改變一切」的口號都實在。\u003C\u002Fp>\u003Cp>來源致謝：本文主要拆解自 Microsoft Open Source Blog 的 \u003Ca href=\"https:\u002F\u002Fopensource.microsoft.com\u002Fblog\u002F2026\u002F05\u002F18\u002Ffrom-open-source-to-agentic-systems-microsoft-at-open-source-summit-north-america-2026\u002F\">From open source to agentic systems: Microsoft at Open Source Summit North America 2026\u003C\u002Fa>，以及文中連結到的 \u003Ca href=\"https:\u002F\u002Fgithub.com\u002Fmicrosoft\u002Fsemantic-kernel\">Semantic Kernel\u003C\u002Fa>、\u003Ca href=\"https:\u002F\u002Fgithub.com\u002Fmicrosoft\u002Fautogen\">AutoGen\u003C\u002Fa>、\u003Ca href=\"https:\u002F\u002Fgithub.com\u002Fmicrosoft\u002Fagent-framework\">Microsoft Agent Framework\u003C\u002Fa> 等公開資料；上面的模板與白話拆解是我自己的整理與延伸。\u003C\u002Fp>","我拆微軟這套 agentic stack，重點不是模型，是把 Linux、開源標準與治理一起當成 AI 基礎設施。","opensource.microsoft.com","https:\u002F\u002Fopensource.microsoft.com\u002Fblog\u002F2026\u002F05\u002F18\u002Ffrom-open-source-to-agentic-systems-microsoft-at-open-source-summit-north-america-2026\u002F",null,"https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1779249890350-1p82.png","tools","zh","b69d29a9-139d-4896-94c9-5eaf0439dafb",[17,18,19,20,21,22],"agentic stack","Linux","開源治理","供應鏈安全","互通性","AI 基礎設施",[24,25,26],"微軟這次不是在吹 agent，而是在把 Linux、標準與治理一起當成 AI 平台底座。","真正能落地的 agent 系統，重點不是聰明不聰明，而是可觀測、可稽核、可互通。","你可以直接套用文中的模板，先把底層 OS、runtime、policy、security、upstream 五層分清楚。",5,"2026-05-20T04:04:22.057792+00:00","2026-05-20T04:04:21.939+00:00","c3c88dd2-a940-438a-b359-0e5a24562273",{"tags":32,"relatedLang":40,"relatedPosts":44},[33,34,35,37,38],{"name":20,"slug":20},{"name":19,"slug":19},{"name":18,"slug":36},"linux",{"name":21,"slug":21},{"name":17,"slug":39},"agentic-stack",{"id":15,"slug":41,"title":42,"language":43},"microsoft-agentic-stack-linux-ai-infra-en","Microsoft’s agentic stack turns Linux into AI infra","en",[45,51,57,63,69,75],{"id":46,"slug":47,"title":48,"cover_image":49,"image_url":49,"created_at":50,"category":13},"63d8b456-ad6b-475e-86e9-d4677ca226aa","magenta-realtime-2-score-inside-daw-zh","Magenta RealTime 2 讓你在 DAW 裡即時改曲","https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1781046204038-8tox.png","2026-06-09T23:02:55.9651+00:00",{"id":52,"slug":53,"title":54,"cover_image":55,"image_url":55,"created_at":56,"category":13},"f60261ff-a42e-4cfb-9f90-97785e633289","open-source-ai-tools-beat-claude-paid-tiers-zh","開源 AI 工具在價值上已經贏過 Claude 付費方案","https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1781045266035-on7t.png","2026-06-09T22:47:20.195939+00:00",{"id":58,"slug":59,"title":60,"cover_image":61,"image_url":61,"created_at":62,"category":13},"8520cd4f-2531-4808-a95d-26f590239d7a","500-ai-agent-projects-show-where-agents-work-now-zh","500 個 AI agent 專案，現在能做什麼","https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1781033591132-c0nh.png","2026-06-09T19:32:37.03924+00:00",{"id":64,"slug":65,"title":66,"cover_image":67,"image_url":67,"created_at":68,"category":13},"c557ef1c-7fde-4c86-918e-4fb9680ee9df","chocolatey-go-package-policy-installs-zh","Chocolatey 的 Go 安裝變成政策","https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1781029110289-xkbh.png","2026-06-09T18:18:05.078435+00:00",{"id":70,"slug":71,"title":72,"cover_image":73,"image_url":73,"created_at":74,"category":13},"90b2df54-df6e-417d-9e16-91e9ad2f53d7","go-support-policy-turns-releases-into-a-checklist-zh","Go 支援政策把發版變清單","https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1781028200122-3m4u.png","2026-06-09T18:02:49.50176+00:00",{"id":76,"slug":77,"title":78,"cover_image":79,"image_url":79,"created_at":80,"category":13},"119c23c6-8ae7-4c4e-820e-1eba0730d702","rustdesk-self-hosting-secure-remote-access-zh","RustDesk 自架遠端存取部署指南","https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1781017373324-g7et.png","2026-06-09T15:02:24.118819+00:00",[82,87,92,97,102,107,112,117,122,127],{"id":83,"slug":84,"title":85,"created_at":86},"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":88,"slug":89,"title":90,"created_at":91},"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":93,"slug":94,"title":95,"created_at":96},"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":98,"slug":99,"title":100,"created_at":101},"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":103,"slug":104,"title":105,"created_at":106},"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":108,"slug":109,"title":110,"created_at":111},"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":113,"slug":114,"title":115,"created_at":116},"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":118,"slug":119,"title":120,"created_at":121},"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":123,"slug":124,"title":125,"created_at":126},"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":128,"slug":129,"title":130,"created_at":131},"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"]