[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"article-openclaw-1299-repos-eight-weeks-analysis-zh":3,"tags-openclaw-1299-repos-eight-weeks-analysis-zh":33,"related-lang-openclaw-1299-repos-eight-weeks-analysis-zh":48,"related-posts-openclaw-1299-repos-eight-weeks-analysis-zh":52,"series-research-f68290bd-e7f3-4b30-ba22-dcd4e0130a66":89},{"id":4,"title":5,"content":6,"summary":7,"source":8,"source_url":9,"author":10,"image_url":11,"keywords":12,"language":21,"translated_content":10,"views":22,"is_premium":23,"created_at":24,"updated_at":24,"cover_image":11,"published_at":25,"rewrite_status":26,"rewrite_error":10,"rewritten_from_id":27,"slug":28,"category":29,"related_article_id":30,"status":31,"google_indexed_at":32,"x_posted_at":10,"tweet_text":10,"title_rewritten_at":10,"title_original":10,"key_takeaways":10,"topic_cluster_id":10,"embedding":10,"is_canonical_seed":23},"f68290bd-e7f3-4b30-ba22-dcd4e0130a66","OpenClaw 1299 個 Repo 的資料解讀","\u003Cp>\u003Cstrong>\u003Ca href=\"https:\u002F\u002Fopenclaw.dev\" target=\"_blank\" rel=\"noopener\">OpenClaw\u003C\u002Fa>\u003C\u002Fstrong> 在 \u003Ca href=\"\u002Fnews\u002Fhow-web3-marketing-changed-in-2026-zh\">2026\u003C\u002Fa> 年 1 月底上線。8 週後，\u003Ca href=\"https:\u002F\u002Fpt-edge.example\" target=\"_blank\" rel=\"noopener\">PT-Edge\u003C\u002Fa> 已經追到 \u003Cstrong>1,299 個 repositories\u003C\u002Fstrong>，分布在 \u003Cstrong>13 類\u003C\u002Fstrong>專案裡。這個數字不只是大，還很有結構。\u003C\u002Fp>\u003Cp>說白了，這不是一波亂長的 repo 海。最先出現的是本地化和部署。接著是 client 和 middlew\u003Ca href=\"\u002Fnews\u002Fcloudflare-emdash-serverless-cms-wordpress-zh\">are\u003C\u002Fa>。後面才補上教學、協調工具，還有各種領域型 agents。這個順序很有意思，因為它直接反映開發者怎麼把新 AI 平台塞進日常工作流。\u003C\u002Fp>\u003Cp>我覺得這種成長，比單純看 stars 更有意思。因為 stars 會灌水，repo 結構比較誠實。你可以從裡面看出，大家到底是在玩票，還是真的要把它接進伺服器、團隊協作，甚至生產環境。\u003C\u002Fp>\u003Ch2>第一個訊號，是改造，不是發明\u003C\u002Fh2>\u003Cp>OpenClaw 生態裡最有意思的，不是從零長出來的新玩具，而是原本就很成熟的專案，開始加上 OpenClaw 支援。這種變化，比一堆新開的 hobby repo 更能說明 adoption。\u003C\u002Fp>\n\u003Cfigure class=\"my-6\">\u003Cimg src=\"https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1775110599978-wpge.png\" alt=\"OpenClaw 1299 個 Repo 的資料解讀\" class=\"rounded-xl w-full\" loading=\"lazy\" \u002F>\u003C\u002Ffigure>\n\u003Cp>\u003Ca href=\"https:\u002F\u002Fgithub.com\u002F\" target=\"_blank\" rel=\"noopener\">Super Agent Party\u003C\u002Fa> 有 \u003Cstrong>1,854 顆 stars\u003C\u002Fstrong>。它本來是 2025 年 3 月推出的 all-in-one AI companion。\u003Ca href=\"https:\u002F\u002Fgithub.com\u002F\" target=\"_blank\" rel=\"noopener\">AionUi\u003C\u002Fa> 在 OpenClaw 出現前就有 \u003Cstrong>18,636 顆 stars\u003C\u002Fstrong>，而且在 30 天內有 \u003Cstrong>1,291 次 commits\u003C\u002Fstrong>。\u003Ca href=\"https:\u002F\u002Fgithub.com\u002F\" target=\"_blank\" rel=\"noopener\">n8n-skills\u003C\u002Fa> 則是一個從 2025 年 10 月開始的 workflow toolkit，原本就有 \u003Cstrong>3,414 顆 stars\u003C\u002Fstrong>。這三個專案後來都加了 OpenClaw 支援。\u003C\u002Fp>\u003Cp>這件事很重要。成熟專案不會為了每個新名詞亂轉向。它們會等到真的有人要用，才會改架構、補整合、寫文件。換句話說，OpenClaw 在前幾週就已經讓別人的產品路線開始動了。\u003C\u002Fp>\u003Cp>這裡的訊號很清楚。不是官方講得多大聲。是其他團隊願意把自己的 stack 改掉。這種動作，比一百篇宣傳文還直接。\u003C\u002Fp>\u003Cul>\u003Cli>\u003Cstrong>Super Agent Party：\u003C\u002Fstrong>1,854 stars，原本就是 AI companion\u003C\u002Fli>\u003Cli>\u003Cstrong>AionUi：\u003C\u002Fstrong>18,636 stars，30 天 1,291 commits\u003C\u002Fli>\u003Cli>\u003Cstrong>n8n-skills：\u003C\u002Fstrong>3,414 stars，先有 workflow，再加 OpenClaw\u003C\u002Fli>\u003Cli>\u003Cstrong>訊號：\u003C\u002Fstrong>成熟專案先改造，不是等風向\u003C\u002Fli>\u003C\u002Ful>\u003Ch2>前兩週，大家先解決能不能用\u003C\u002Fh2>\u003Cp>OpenClaw 上線後幾天，生態就分成三個急件：語言、部署、互動方式。這個順序其實很合理。因為新工具要進團隊，第一件事不是炫技，是先讓人看得懂、跑得起來、用得順手。\u003C\u002Fp>\u003Cp>\u003Ca href=\"https:\u002F\u002Fgithub.com\u002F\" target=\"_blank\" rel=\"noopener\">OpenClawChineseTranslation\u003C\u002Fa> 在 1 月 30 日就出現了。那是上線後第 3 天。它還會每小時同步主 repo。\u003Ca href=\"https:\u002F\u002Fgithub.com\u002F\" target=\"_blank\" rel=\"noopener\">openclaw-coolify\u003C\u002Fa> 變成部署模板，而且 \u003Cstrong>80% 的 fork rate\u003C\u002Fstrong> 很誇張，代表很多人想直接自己架。\u003Ca href=\"https:\u002F\u002Fgithub.com\u002F\" target=\"_blank\" rel=\"noopener\">openclaw-assistant\u003C\u002Fa> 則把 Android 語音喚醒補進來。這種功能通常代表工具開始進入日常使用，而不是只拿來展示。\u003C\u002Fp>\u003Cp>這一波很像台灣開發者熟悉的場景。先翻文件。再補 Docker。再加一個能真的用的介面。你可能會想問，為什麼不是先做最炫的 agent？因為沒人會先用一個不能部署、不能理解、也不能接手機的東西。\u003C\u002Fp>\u003Cp>講白了，社群先修的是摩擦點。不是先修想像力。這也解釋了為什麼中文工具和自架模板會這麼快冒出來。\u003C\u002Fp>\u003Cul>\u003Cli>\u003Cstrong>OpenClawChineseTranslation：\u003C\u002Fstrong>上線後第 3 天就出現\u003C\u002Fli>\u003Cli>\u003Cstrong>openclaw-coolify：\u003C\u002Fstrong>80% fork rate，自架需求很高\u003C\u002Fli>\u003Cli>\u003Cstrong>openclaw-assistant：\u003C\u002Fstrong>支援 Android 語音喚醒\u003C\u002Fli>\u003Cli>\u003Cstrong>順序：\u003C\u002Fstrong>本地化、部署、互動介面\u003C\u002Fli>\u003C\u002Ful>\u003Ch2>2 月把整個 stack 補齊了\u003C\u002Fh2>\u003Cp>到 2 月，OpenClaw 已經不是大家試玩一下的東西。它開始變成別人做產品時會放進架構圖的元件。\u003Cstrong>Top 25\u003C\u002Fstrong> 裡有 \u003Cstrong>15 個 repo\u003C\u002Fstrong> 是在 2 月建立的。這不是零星熱度，這是整個生態一起補洞。\u003C\u002Fp>\n\u003Cfigure class=\"my-6\">\u003Cimg src=\"https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1775110616783-ygvw.png\" alt=\"OpenClaw 1299 個 Repo 的資料解讀\" class=\"rounded-xl w-full\" loading=\"lazy\" \u002F>\u003C\u002Ffigure>\n\u003Cp>\u003Ca href=\"https:\u002F\u002Fgithub.com\u002F\" target=\"_blank\" rel=\"noopener\">openclaw-android\u003C\u002Fa> 在 2 月 11 日上線，主打一行指令就能在 Android 用。\u003Ca href=\"https:\u002F\u002Fgithub.com\u002F\" target=\"_blank\" rel=\"noopener\">Nexu\u003C\u002Fa> 在 2 月 25 日推出，直接把 WeChat、Feishu、Slack、Discord 串在一起。\u003Ca href=\"https:\u002F\u002Fgithub.com\u002F\" target=\"_blank\" rel=\"noopener\">ClawPanel\u003C\u002Fa> 則補上視覺化 dashboard，裡面還內建 AI assistant。\u003Ca href=\"https:\u002F\u002Fgithub.com\u002F\" target=\"_blank\" rel=\"noopener\">openclaw-feishu\u003C\u002Fa> 把它接到 \u003Ca href=\"https:\u002F\u002Fwww.feishu.cn\u002F\" target=\"_blank\" rel=\"noopener\">Feishu\u003C\u002Fa>，這在中國市場很實用，因為很多工作流本來就卡在這一層。\u003C\u002Fp>\u003Cp>基礎設施也開始像樣了。\u003Ca href=\"https:\u002F\u002Fgithub.com\u002F\" target=\"_blank\" rel=\"noopener\">ClawRouter\u003C\u002Fa> 在 2 月 3 日推出，支援 \u003Cstrong>41+ m\u003Ca href=\"\u002Fnews\u002Fz-ai-glm-5v-turbo-design2code-claude-zh\">ode\u003C\u002Fa>ls\u003C\u002Fstrong>，而且標榜 \u003Cstrong>sub-millisecond routing\u003C\u002Fstrong>。\u003Ca href=\"https:\u002F\u002Fwww.npmjs.com\u002Fpackage\u002Falphaclaw\" target=\"_blank\" rel=\"noopener\">AlphaClaw\u003C\u002Fa> 則把部署痛點處理掉，現在有 \u003Cstrong>11,234 次月下載\u003C\u002Fstrong>。這個數字很直白。大家要的不是再一個 demo。大家要的是可以裝、可以跑、可以交給同事的東西。\u003C\u002Fp>\u003Cp>另外，領域型專案也開始冒出來。\u003Ca href=\"https:\u002F\u002Fgithub.com\u002F\" target=\"_blank\" rel=\"noopener\">ClawBio\u003C\u002Fa> 走生物資訊。\u003Ca href=\"https:\u002F\u002Fgithub.com\u002F\" target=\"_blank\" rel=\"noopener\">HyperLiquid-Claw\u003C\u002Fa> 走加密交易。這些都還早，但方向已經很明確。OpenClaw 不只停在通用聊天，而是開始往垂直工作流滲透。\u003C\u002Fp>\u003Cul>\u003Cli>\u003Cstrong>2 月建立的 repo：\u003C\u002Fstrong>Top 25 裡有 15 個\u003C\u002Fli>\u003Cli>\u003Cstrong>ClawRouter：\u003C\u002Fstrong>41+ models，sub-millisecond routing\u003C\u002Fli>\u003Cli>\u003Cstrong>AlphaClaw：\u003C\u002Fstrong>11,234 月下載\u003C\u002Fli>\u003Cli>\u003Cstrong>ClawBio \u002F HyperLiquid-Claw：\u003C\u002Fstrong>垂直場景已經出現\u003C\u002Fli>\u003C\u002Ful>\u003Ch2>3 月開始像一個平台\u003C\u002Fh2>\u003Cp>3 月的變化，讓 OpenClaw 看起來更像平台，不像短期熱潮。新的專案重心放在教學、技能庫、還有多 agent 協調。這些東西都不是最吸睛的，但它們很會留住使用者。\u003C\u002Fp>\u003Cp>\u003Ca href=\"https:\u002F\u002Fgithub.com\u002F\" target=\"_blank\" rel=\"noopener\">hello-claw\u003C\u002Fa> 由 \u003Ca href=\"https:\u002F\u002Fwww.datawhale.cn\u002F\" target=\"_blank\" rel=\"noopener\">Datawhale China\u003C\u002Fa> 做出來，是第一個系統化教學，目標很直接，就是讓人從零開始學會怎麼用。\u003Ca href=\"https:\u002F\u002Fgithub.com\u002F\" target=\"_blank\" rel=\"noopener\">openclaw-master-skills\u003C\u002Fa> 整理了 \u003Cstrong>339+ skills\u003C\u002Fstrong>，而且每週更新。還有一本完整的 OpenClaw 書，這件事本身就很有意思。因為通常只有當社群真的開始累積經驗，才會有人願意把它寫成書。\u003C\u002Fp>\u003Cblockquote>“The future of AI is not in building one model to rule them all, but in building systems that can use models well.” — Satya Nadella, Microsoft Build 2023\u003C\u002Fblockquote>\u003Cp>這句話很貼 OpenClaw。因為這個生態的核心，根本不是單一模型。它是 routing、skills、clients、deployment、education 的組合。真正活下來的專案，都是在降低摩擦，而不是逼大家押注某一個介面。\u003C\u002Fp>\u003Cp>接著是 orchestration。\u003Ca href=\"https:\u002F\u002Fgithub.com\u002F\" target=\"_blank\" rel=\"noopener\">ClawTeam-OpenClaw\u003C\u002Fa> 做 swarm coordination。\u003Ca href=\"https:\u002F\u002Fgithub.com\u002F\" target=\"_blank\" rel=\"noopener\">MetaClaw\u003C\u002Fa> 則做 self-evolving agent，還有 \u003Cstrong>169 次 commits in 30 days\u003C\u002Fstrong>。這種專案通常會在基本功能穩了之後才出現。因為大家開始問的，不是「能不能跑」，而是「能不能協作」。\u003C\u002Fp>\u003Cul>\u003Cli>\u003Cstrong>hello-claw：\u003C\u002Fstrong>Datawhale China 做的系統化教學\u003C\u002Fli>\u003Cli>\u003Cstrong>openclaw-master-skills：\u003C\u002Fstrong>339+ skills，每週更新\u003C\u002Fli>\u003Cli>\u003Cstrong>ClawTeam-OpenClaw：\u003C\u002Fstrong>多 agent 協調\u003C\u002Fli>\u003Cli>\u003Cstrong>MetaClaw：\u003C\u002Fstrong>30 天 169 次 commits\u003C\u002Fli>\u003C\u002Ful>\u003Ch2>中文社群做的是 onboarding 層\u003C\u002Fh2>\u003Cp>這份資料裡，最容易被忽略的，是中文專案不只在翻譯。它們在做 onboarding layer。這種工作很土，但很重要。因為一個工具能不能進入日常工作，常常不是看核心模型，而是看周邊有沒有把使用門檻壓低。\u003C\u002Fp>\u003Cp>\u003Ca href=\"https:\u002F\u002Fgithub.com\u002F\" target=\"_blank\" rel=\"noopener\">awesome-openclaw-usecases-zh\u003C\u002Fa> 整理了 \u003Cstrong>40 個真實 use cases\u003C\u002Fstrong>。內容包含 office automation、content creation、server operations、personal assistants、knowledge management。它還把 \u003Ca href=\"https:\u002F\u002Fwww.feishu.cn\u002F\" target=\"_blank\" rel=\"noopener\">Feishu\u003C\u002Fa>、\u003Ca href=\"https:\u002F\u002Fwww.wechat.com\u002F\" target=\"_blank\" rel=\"noopener\">WeChat\u003C\u002Fa>、\u003Ca href=\"https:\u002F\u002Fweibo.com\u002F\" target=\"_blank\" rel=\"noopener\">Weibo\u003C\u002Fa> 都放進工作流。這不是英文化後硬翻過來的東西，而是本地社群自己長出來的做法。\u003C\u002Fp>\u003Cp>我覺得這很像台灣很多開發團隊的現實。大家不是缺模型。大家缺的是能直接接內網、接通訊軟體、接權限、接部署流程的東西。誰先把這層補起來，誰就先進到工作現場。\u003C\u002Fp>\u003Cp>所以如果你只看 stars，會低估這群人。真正有價值的，是文件、範例、工作流、跟能直接照抄的設定檔。這些東西很無聊，但很有效。\u003C\u002Fp>\u003Cul>\u003Cli>\u003Cstrong>awesome-openclaw-usecases-zh：\u003C\u002Fstrong>40 個 use cases\u003C\u002Fli>\u003Cli>\u003Cstrong>整合平台：\u003C\u002Fstrong>Feishu、WeChat、Weibo\u003C\u002Fli>\u003Cli>\u003Cstrong>場景：\u003C\u002Fstrong>office、內容、伺服器、知識管理\u003C\u002Fli>\u003Cli>\u003Cstrong>重點：\u003C\u002Fstrong>社群在做使用門檻下降\u003C\u002Fli>\u003C\u002Ful>\u003Ch2>數據比較後，差異更明顯\u003C\u002Fh2>\u003Cp>如果把數字攤開來看，OpenClaw 生態的形狀就很清楚了。它不是一個以 library 為中心的世界，而是以應用、設定、模板、文件為中心。\u003Cstrong>只有 15 個 repo\u003C\u002Fstrong> 有 package downloads。這代表大多數人不是把它當依賴裝進去，而是直接 fork、改、跑。\u003C\u002Fp>\u003Cp>fork rate 更能看出這件事。\u003Ca href=\"https:\u002F\u002Fgithub.com\u002F\" target=\"_blank\" rel=\"noopener\">n8n-skills\u003C\u002Fa> 的 fork rate 是 \u003Cstrong>18%\u003C\u002Fstrong>。\u003Ca href=\"https:\u002F\u002Fgithub.com\u002F\" target=\"_blank\" rel=\"noopener\">openclaw-master-skills\u003C\u002Fa> 是 \u003Cstrong>22%\u003C\u002Fstrong>。\u003Ca href=\"https:\u002F\u002Fgithub.com\u002F\" target=\"_blank\" rel=\"noopener\">openclaw-coolify\u003C\u002Fa> 則高到 \u003Cstrong>80%\u003C\u002Fstrong>。這些數字不是裝飾。它們代表使用者真的在拿來改成自己的版本。\u003C\u002Fp>\u003Cp>再看 \u003Ca href=\"https:\u002F\u002Fwww.npmjs.com\u002Fpackage\u002Falphaclaw\" target=\"_blank\" rel=\"noopener\">AlphaClaw\u003C\u002Fa>。它有 \u003Cstrong>11,234 月下載\u003C\u002Fstrong>，是最像「可重複安裝」的專案。這很有對比感。其他 repo 多半是 clone 和 fork。AlphaClaw 則像是大家真的會放進標準流程的工具。\u003C\u002Fp>\u003Cp>比較起來，OpenClaw 生態現在有兩種路線。第一種是可變的，適合本地調整。第二種是可裝的，適合標準化。前者多，後者少。這種分布很正常，也說明平台還在早期，但已經開始分工。\u003C\u002Fp>\u003Cul>\u003Cli>\u003Cstrong>只有 15 個 repo：\u003C\u002Fstrong>有 package downloads\u003C\u002Fli>\u003Cli>\u003Cstrong>n8n-skills：\u003C\u002Fstrong>18% fork rate\u003C\u002Fli>\u003Cli>\u003Cstrong>openclaw-master-skills：\u003C\u002Fstrong>22% fork rate\u003C\u002Fli>\u003Cli>\u003Cstrong>openclaw-coolify：\u003C\u002Fstrong>80% fork rate，最高自架訊號\u003C\u002Fli>\u003Cli>\u003Cstrong>AlphaClaw：\u003C\u002Fstrong>11,234 月下載，最像標準工具\u003C\u002Fli>\u003C\u002Ful>\u003Ch2>這波成長背後，其實是 AI 工具成熟化\u003C\u002Fh2>\u003Cp>OpenClaw 的 8 週數據，講的是更大的事。現在的 AI 工具，不再只看模型有多強。大家更在意的是，這個東西能不能接進工作流程，能不能部署，能不能多人協作，能不能被教會。\u003C\u002Fp>\u003Cp>這也是為什麼中文社群會衝得這麼快。因為他們直接補了文件、模板、案例、和本地平台整合。這些東西很少上熱搜，但它們決定一個工具會不會真的留下來。對開發者來說，最麻煩的永遠不是推理，而是落地。\u003C\u002Fp>\u003Cp>這個脈絡也很像過去幾年的 LLM 工具演進。先是模型。再來是 API。接著是 router、agent、workflow、skills。OpenClaw 的 repo 結構，剛好把這條路走得很清楚。它不是單點爆紅，而是整套周邊一起補齊。\u003C\u002Fp>\u003Ch2>真正要看的，是下一個 8 週\u003C\u002Fh2>\u003Cp>OpenClaw 現在最值得追的，不是 repo 數還會不會往上衝。那只是表面。真正該看的是，這 1,299 個 repo 裡，有多少會變成可重用的基礎設施，有多少會變成正式文件，有多少會被團隊直接拿去上線。\u003C\u002Fp>\u003Cp>我的判斷很直接。接下來如果還能看到更多中文 onboarding、更多可安裝套件、更多和企業通訊工具的整合，那 OpenClaw 就不只是熱度，而是會變成開發者真的在用的 stack。反過來說，如果接下來只剩 demo 和空泛 agent，那這波熱度就會慢慢散掉。\u003C\u002Fp>\u003Cp>所以問題不是「它紅不紅」。問題是「誰真的把它接進工作流」。這才是 1,299 個 repo 背後最該看的地方。\u003C\u002Fp>","OpenClaw 上線 8 週就累積 1,299 個 repo。本文拆解 13 類專案分布、中文工具鏈、部署與整合順序，看看開發者到底怎麼接上這個新平台。","phasetransitionsai.substack.com","https:\u002F\u002Fphasetransitionsai.substack.com\u002Fp\u002Fhow-openclaw-went-from-launch-to",null,"https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1775110599978-wpge.png",[13,14,15,16,17,18,19,20],"OpenClaw","repo 分析","LLM 工具","中文 AI 工具鏈","開發者生態","fork rate","部署模板","agent 協作","zh",1,false,"2026-04-02T05:03:45.208411+00:00","2026-04-02T05:03:45.155+00:00","done","7fee44b2-f69c-46d7-9045-28c1cf1f33d6","openclaw-1299-repos-eight-weeks-analysis-zh","research","1f1ed994-2811-4a2a-a09c-4d75fd12e06c","published","2026-04-09T09:00:52.168+00:00",[34,36,38,40,42,43,44,46],{"name":14,"slug":35},"repo-分析",{"name":16,"slug":37},"中文-ai-工具鏈",{"name":13,"slug":39},"openclaw",{"name":15,"slug":41},"llm-工具",{"name":19,"slug":19},{"name":17,"slug":17},{"name":18,"slug":45},"fork-rate",{"name":20,"slug":47},"agent-協作",{"id":30,"slug":49,"title":50,"language":51},"openclaw-1299-repos-eight-weeks-analysis-en","OpenClaw’s 1,299 Repos: What the Data Shows","en",[53,59,65,71,77,83],{"id":54,"slug":55,"title":56,"cover_image":57,"image_url":57,"created_at":58,"category":29},"667b72b6-e821-4d68-80a1-e03340bc85f1","turboquant-seo-shift-small-sites-zh","TurboQuant 與小站 SEO 變化","https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1778840440690-kcw9.png","2026-05-15T10:20:27.319472+00:00",{"id":60,"slug":61,"title":62,"cover_image":63,"image_url":63,"created_at":64,"category":29},"381fb6c6-6da7-4444-831f-8c5eed8d685c","turboquant-vllm-comparison-fp8-kv-cache-zh","TurboQuant 與 FP8 實測結果","https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1778839867551-4v9g.png","2026-05-15T10:10:36.034569+00:00",{"id":66,"slug":67,"title":68,"cover_image":69,"image_url":69,"created_at":70,"category":29},"c15f45ee-a548-4dbf-8152-91de159c1a11","llmbda-calculus-agent-safety-rules-zh","LLMbda 演算替 AI 代理人立安全規則","https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1778825503412-mlbf.png","2026-05-15T06:10:34.832664+00:00",{"id":72,"slug":73,"title":74,"cover_image":75,"image_url":75,"created_at":76,"category":29},"0c02225c-d6ff-44f8-bc92-884c8921c4a3","low-complexity-beamspace-denoiser-mmwave-mimo-zh","更簡單的毫米波波束域去噪器","https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1778814650361-xtc2.png","2026-05-15T03:10:30.06639+00:00",{"id":78,"slug":79,"title":80,"cover_image":81,"image_url":81,"created_at":82,"category":29},"9d27f967-62cc-433f-8cdb-9300937ade13","ai-benchmark-wins-cyber-scare-defenders-zh","為什麼 AI 基準賽在資安領域的勝利，應該讓防守方警醒","https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1778807450006-nofx.png","2026-05-15T01:10:29.379041+00:00",{"id":84,"slug":85,"title":86,"cover_image":87,"image_url":87,"created_at":88,"category":29},"bc402dc6-5da6-46fc-9d66-d09cb215f72b","why-linux-security-needs-patch-wave-mindset-zh","為什麼 Linux 安全需要「補丁浪潮」思維","https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1778741449813-s2wn.png","2026-05-14T06:50:24.052583+00:00",[90,95,100,105,110,115,120,125,130,135],{"id":91,"slug":92,"title":93,"created_at":94},"f18dbadb-8c59-4723-84a4-6ad22746c77a","deepmind-bets-on-continuous-learning-ai-2026-zh","DeepMind 押注 2026 連續學習 AI","2026-03-26T08:16:02.367355+00:00",{"id":96,"slug":97,"title":98,"created_at":99},"f4a106cb-02a6-4508-8f39-9720a0a93cee","ml-papers-of-the-week-github-research-desk-zh","每週 ML 論文清單，為何紅到 GitHub","2026-03-27T01:11:39.284175+00:00",{"id":101,"slug":102,"title":103,"created_at":104},"c4f807ca-4e5f-47f1-a48c-961cf3fc44dc","ai-ml-conferences-to-watch-in-2026-zh","2026 AI 研討會投稿時程整理","2026-03-27T01:51:53.874432+00:00",{"id":106,"slug":107,"title":108,"created_at":109},"9f50561b-aebd-46ba-94a8-363198aa7091","openclaw-agents-manipulated-self-sabotage-zh","OpenClaw Agent 會自己搞砸自己","2026-03-28T03:03:18.786425+00:00",{"id":111,"slug":112,"title":113,"created_at":114},"11f22e92-7066-4978-a544-31f5f2156ec6","vega-learning-to-drive-with-natural-language-instructions-zh","Vega：使用自然語言指示進行自駕車控制","2026-03-28T14:54:04.847912+00:00",{"id":116,"slug":117,"title":118,"created_at":119},"a4c7cfec-8d0e-4fec-93cf-1b9699a530b8","drive-my-way-en-zh","Drive My Way：個性化自駕車風格的實現","2026-03-28T14:54:26.207495+00:00",{"id":121,"slug":122,"title":123,"created_at":124},"dec02f89-fd39-41ba-8e4d-11ede93a536d","training-knowledge-bases-with-writeback-rag-zh","用 WriteBack-RAG 強化知識庫提升檢索效能","2026-03-28T14:54:45.775606+00:00",{"id":126,"slug":127,"title":128,"created_at":129},"3886be5c-a137-40cc-b9e2-0bf18430c002","packforcing-efficient-long-video-generation-method-zh","PackForcing：短影片訓練也能生成長影片","2026-03-28T14:55:02.688141+00:00",{"id":131,"slug":132,"title":133,"created_at":134},"72b90667-d930-4cc9-8ced-aaa0f8968d44","pixelsmile-toward-fine-grained-facial-expression-editing-zh","PixelSmile：提升精細臉部表情編輯的新方法","2026-03-28T14:55:20.678181+00:00",{"id":136,"slug":137,"title":138,"created_at":139},"cf046742-efb2-4753-aef9-caed5da5e32e","adaptive-block-scaled-data-types-zh","IF4：神經網路量化的聰明選擇","2026-03-31T06:00:36.990273+00:00"]