鳥毅的Blog

現在 AI 的進步一日千里，在2026年10月中旬，面對 Google AI Pro 的特價快到期、ChatGPT 的 Tibo 三天兩頭重置，與榜單第一的 Claude，到底該選誰呢？

 有鑑於最近 AI 產生的詐騙 Email 越來越多，而且越來越像真的，所以我做詐騙信偵測程式 -- AntiPhishing ，同時提供 GUI 版本與 CLI 版本，AI偵測是加值功能，就算沒有AI也有基本防護。

 最近一陣子沒有更新 Blog，主因是沒有辦法在第一時間發出與眾不同的消息，畢竟不是靠炒知名度賺錢的網紅，有些業務相關的又不方便發表。另一點則是覺得AI文缺乏靈魂，自己寫的文章雖然粗鄙，卻有人味兒，所以要有時間再來寫點真實的感受。 話說公司的Jetson Thor相容機因為研華的 Firmware 與原廠不相容，所以我還不能使用多媒體功能，而 LLM 推論速度之前一直上不去，直到最近幾個月受到開放原始碼的進步，終於達到勉強可用的程度。而公司內部的產品則是使用 5090 在推論。 我測試上週出現的 Qwen 3.8 27b 以體感來說，能力相當 Claude Opus 4.6 的程度，用 5090跑的速度可接受，也可以達到  120 tokens/sec，不使用 Subagents 的話，地端 coding 完全沒問題，可以不靠雲端LLM也可以 happy coding。因為主要拿來開發公司的內部系統，就不方便貼圖，有興趣的人自己弄2張 3060 Ti 16GB 也有類似的效果。 目前我主要用 Jetson Thor 跑 Qwen 3.8 27b長時間 code review 與 refactoring ，因為速度太慢，即時coding則不建議用 Jetson Thor 或 DGX Spark，還是用 5090 比較合適。 逛Ollama 時看到  huihui_ai/Qwen3.8-abliterated  似乎很猛，於是拿來叫它分析一些平時會被阻擋的內容，例如 分析網路攻擊後的server log，或是反編譯 apk 之類的研究工作，也可以做寫點NSFW的小說，實在是太方便了。若不是現在 DGX Spark 漲到 17萬一臺實在買不下手（RTX 5090一張也漲到17萬），真想去買一臺在家跑 Qwen 3.8 27b + MiniMax H3 自己做些有趣的影片呀～  

今天幫同事把 他用到的最短路徑套件修復多執行緒問題，原本是 .net 4.0，我改成 .net 10，讓AI修復整個套件。  原本的 YanQi 演算法是用 Java 版改過來，.Net版 裡有 bug，所以後來我再去抓原始的 Java 程式，結果 Java 程式裡又是用別人的 Jar， 所以再去找原始 YanQi Jar 的原始碼來修。現在 AI 很強，直接找出他改錯的地方，再用其他方式修正原本 Dictionary 不是 Thread Safe 的問題。 原本的演算法及語法都修復，並且從 nUnit 改為 xUnit。 至於到底修了多少，請自行去看 git log。 https://github.com/tenyi/adapters-shortest-paths-dotnet

 最近在公司都使用 Gemma4 做為 地端的主要模型，但接 Claude Code 常出問題，在深入的 coding 後終於發現問題了。

  由於被同事質疑在某專案中引用的 Library 太多未使用到的方法，決定自行開發一個減肥程式。

今天趁著連假，在家沒事就拿起 Macbook M1 Pro 16GB RAM的舊筆電，執行 ollama launch claude --model gemma4:e2b ，這樣的記憶體需求小，但為了怕 context 不足，在執行 Ollama 時要設定 OLLAMA_CONTEXT_LENGTH=65536 ，至少要設定 32768才足夠寫程式。 雖然筆電不快但是使用Gemma4最小的模型，能夠讓 Claude Code 自主使用 Rust 寫出Native GUI 的 貪食蛇，真不是普通的強。有興趣的朋友，可以在有8GB 以上VRAM的顯卡試試，這代表著地端Coding時代到了！ 以我的 Macbook 16GB 為例，執行 Gemma4:e4b 沒有壓力，效果比e2b更好一些。 無論使用何種模型， 想要LLM Coding效果好必須要留足夠的RAM給作業系統與Context，Happy Coding！ 後記：看到 Agentic Coding 基準測試 排行，可證明我說的沒錯，Gemma4相當能打，在Jetson Thor上跑Gemma4-31B就是地端的首選。若使用5090搭配Gemma4，我會選擇26B模型，把 Context盡可能拉大，這樣才會跑得順。

很多人可能不太懂，為什麼我老是強調 AI 模型的「指令遵循性」（Instruction Following）有多重要。昨天剛好發生了一件血淋淋的慘案，決定寫下來作為證明。

 最近有個開放權重模型叫 Kimi K2 ，表現接近 Claude Sonnet 3.7，我非常想試看看在 Claude Code 的表現，於是就安裝   Claude Code Router  以便使用不同的模型。

 最近在試著用 LLM 做一些事情，希望能夠做一些原本是人在處理的事情，發現LLM的智力差別很大。

 今天看到 Rails 大師 DHH 的一篇文章 Coding should be a vibe!  ，Google 翻譯得不夠好，因此請 Gemini 幫忙翻成更像 Coding 大師的語氣，看起來多了幾分人味。

 在軟體開發的世界裡，「技術債」（Technical Debt）是一個令人頭痛卻又無處不在的議題。它像是看不見的成本，起初微不足道，隨著時間推移卻可能累積成巨大的負擔，拖慢開發速度、增加維護成本，甚至導致專案失敗。傳統開發模式下，技術債往往因時程壓力、需求變動、或缺乏完善規劃而悄悄積累。 然而，隨著人工智慧（AI）在程式開發領域扮演的角色日益重要，一種新的開發思維正在浮現——我們稱之為「AI Vibe Coding」。這不僅僅是讓AI自動寫程式碼，更是一種以「規劃先行，協同創造」為核心的方法論。本文旨在探討，如何透過嚴謹的產品需求文件（PRD）作為地基，結合與AI的深度協作（AI Vibe Coding），有效避免技術債的產生，打造功能完善且易於理解的程式碼。

 對於一個中小企業來說，成本絕對是首要考慮的因素，當使用者或高層提出需求/構想時，IT部門應該要如何處置呢？ 是買市面上的商品還是找IT人員做一個，或是直接在 Github 找一個Open Source的套件來用呢？現在AI時代很多人提到 RAG 也是同樣的想法，就一併來討論吧！

 最近有個很紅的AI編程工具，叫 TRAE ，用 VS Code 源碼改出來的，把它想成類似  Cursor  或  Windsurf  就對了。

Windsurf  Editor 是個 AI Code 神器，和 Cursor Code Editor 比起來 "幾乎" 是有過之而無不及。 但是，我發現 Windsurf  使用 open-vsx 的marketplace，造成某些在 VS Code 常用的 Extension 不能安裝，例如說 Microsoft 的 C# Dev Kit  或是 .Net Unit Test 要用的 .NET Core Test Explorer  ；前者是 微軟禁止在其他 IDE 使用，後者則是與微軟的C# Extension相依。 

 最近在上一門線上課程，該課程有提供英文字幕檔，所以我就寫一個簡單的Python程式將該文字檔利用 Google Translate API 翻譯成中文。但是因為在下是免費黨，希望在自己的電腦就能提供還可以的翻譯，不要把Google 的免費額度用光，非必要的翻譯使用本地LLM達成。

 經過多年學習與使用物件導向程式設計(OOP)，我漸漸轉向函數式編程結合模組化設計。

今天在開發簡單的 Web API 時發生一個奇妙的問題，原本應該傳回 401 Unauthorized 卻傳回  404 Not Found ，令我百思不得其解。

 最近某個系統要加上簽核意見，所以先使用  HtmlSanitizer 過濾惡意HTML tag。

在Vue 2時我都用 Vue.Draggable ，到Vue 3時代一直沒找到好的替代品；試過 Vue.Draggable.Next ，效果很差完全不建議使用，不要去試。 直到前幾天找到  VueDraggablePlus   ，終於完美替代 Vue.Draggable ，誠心推薦。