鳥毅的Blog

直接破題，若已經使用Gemini CLI建立 memory 的話，至少幾千個，我建立不少 rules，再加上 MCP Server，所以花了一萬八千多個 tokens，有圖有真相。

 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。

 這兩年 AI 的進步實在太快，想寫些什麼又怕誤人子弟。但一直拖著沒寫又怪怪的，就寫點心得吧。

 昨天試本地 AI 小模型翻譯後，今天聽到朋友說他覺得 Gemini 的文法比較好，所以就拿 Gemma 2來試看看。 模型改用 gemma2:latest 後，翻譯效果比 llama3.1:latest好，有興趣的朋友可以看看，若有更好用的小模型也請各方高手留言。

 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。