一個 AI 不夠用的時候：認識 Dynamic Workflows
有些事一個 AI、一份 SOP 扛不住：掃整個專案的 bug、搬幾百個檔案、查一個要交叉比對幾十個來源的問題。Dynamic Workflows 讓 AI 照一份腳本，調度幾十上百個分身幫你做事，中間成果它自己收著，只把結論交給你。這篇用工頭調班的比喻，帶你認識它是什麼、何時該用、跟 skill 和子代理差在哪，不寫程式也能懂。
AI
11 篇文章
用 Lovable 做 App 的第一件事不是寫功能，是設好這三個環境
Lovable 能在 30 分鐘做出一個能跑的 app，但叫它加功能就直接推 production，沒有測試也沒有退路。這篇記錄我怎麼用 Lovable + Supabase + GitHub + Vercel 搭起 dev / staging / production 三層環境，含 GitHub Actions 自動跑 migration、Vercel per-branch 變數，以及 Lovable 包過的 TanStack Start 上 Vercel 真正跑通的部署配方與踩雷對照表。
我用 Claude 管 Obsidian 的三個月
把整個 Obsidian 知識庫交給 AI 管三個月後，我最大的體悟是：AI 好不好用，八成取決於我，不是它。這篇帶你看我的分層、frontmatter、CLAUDE.md、skill 與記憶，談一個觀念—模型只是引擎，環境才是讓它能託付職責的底盤。
停止重寫 Prompt，開始設計 Skills
Karpathy 的 skills 專案、addyosmani 的 agent-skills 連續上 GitHub 熱門榜。Prompt 用完即丟、Skills 是版本化的工作流。這篇從我自己的 ~/.claude/skills vault 出發，談 Prompt 與 Skill 的差別、Memory 配對、3 個設計原則，與什麼時候不該寫 skill。
AI 的記憶不是儲存，是該忘什麼 - 從 cognitive-ai-memory 看 RAG 的下一站
過去三年大家把所有對話丟進向量資料庫，token 越疊越貴、召回反而越糟。AI 記憶的下一步不是「存更多」，而是「忘對」。這篇從 cognitive-ai-memory 出發，談艾賓浩斯曲線、MCP，與一條可實作的記憶設計路。
在瀏覽器裡寫一個 MCP client
這篇用 Next.js + TypeScript 從零做一個能連 server、列工具、呼叫工具的 browser MCP client，全部程式碼可複製貼上跑起來。
給 MCP Server 加上 OAuth - 一個實作全紀錄
想讓使用者在 Claude Desktop 點一下就接上 MCP server、不用複製貼上 API token？關鍵在 OAuth。這篇走過我在 Minglion 實作 OAuth 2.1 的完整路徑，涵蓋 metadata、Dynamic Client Registration、PKCE、token 驗證，含 5 個踩過的坑。
Claude Code Telegram Bot 設定教學
最近發現 Claude Code 可以透過 Telegram Plugin 直接用手機跟它互動，等於隨時隨地都能讓 Claude Code 幫你做事。這篇完整記錄從零開始的設定流程。
Claude Code 使用心得
還記得第一次聽到 Claude Code 時，我心想：「又一個 AI 工具？」直到真正用過後，才發現這不只是工具，更像是找到了一個真正理解你程式碼的開發夥伴。
安裝 Dify
Dify 是一個開源的 LLM 應用開發平台。他提供了從 Agent 建置到 AI workflow 、 RAG 檢索、模型管理等能力，輕鬆建置和營運生成式 AI 原生應用程式，因為更佳的視覺化，所以對於 AI 新手來說，會比 LangChain 更容易來的使用。
初次串接 Open AI 提供的 Assistant API
Assistants API 允許我們在自己的應用程式裡面去建立一個 AI 助理。一個助理可以擁有自己的提示 ，而且還可以利用 model 、tool 和 匯入自己的資料來去回應用戶查詢。