Pi AI Agent Toolkit — 完整教學 Pi 是一個開源 AI agent harness (代理框架)，提供可自我擴展的 coding agent (編碼代理) CLI、統一的多供應商 LLM API、以及完整的 extension / skill / SDK 生態系統。60K+ Stars，MIT 授權，TypeScript monorepo (單倉庫)。 目錄 專案定位 安裝指南 核心架構解析 核心功能用法 應用場景 資安掃描報告 FAQ 進階技巧 整合其他工作流 Checklist 進一步閱讀 1. 專案定位 1.1 Pi 是什麼 Pi 是一個極簡主義 (minimalist) 的 terminal...
Firecrawl 完整教學 從 API 呼叫到 Self-Host 部署：如何用 Firecrawl 將整個 Web 轉換成 LLM-ready 的乾淨資料。 1. 專案定位 這是什麼？ Firecrawl 是一個開源 web scraping API（網頁抓取 API）平台，核心使命是：將網頁轉換成 AI agent 可直接使用的乾淨 Markdown 或 structured data（結構化資料）。 它不只是一個 scraper（爬蟲）— 它是一個完整的 web data infrastructure（網頁資料基礎設施），處理了所有困難的部分：rotating proxy（輪替代理）、JavaScript...
NVIDIA OmniDreams 完整教學 從概念理解到 post-training 實作：如何用 NVIDIA 的 world model 為自駕模擬生成擬真影像。 1. 專案定位 什麼是 OmniDreams？ OmniDreams 是 NVIDIA Research 開發的 world model（世界模型），專為 autonomous-driving simulation（自動駕駛模擬）設計。它能從一張真實照片出發，搭配道路資訊和行車軌跡，即時生成逼真的多鏡頭駕駛影片。 用一個比喻理解 想像你是電影導演。你有： 📸 一張街景照片（第一幀） 📝 場景描述（「晴天市區道路，有行人和車輛」） 🗺️ 精密地圖（告訴模型路在哪裡、...
AnythingLLM 完整教學 — All-in-One Self-Hosted AI Application 1. 專案定位 AnythingLLM 是 Mintplex Labs 開發的 all-in-one (一站式) self-hosted AI application (自建 AI 應用)，定位為「你一直在找的那個 AI app」——私有、功能完整、無需複雜設定。它解決的核心問題是：讓非技術使用者也能在幾分鐘內部署一個功能齊全的私有 ChatGPT，支援文件 RAG (Retrieval-Augmented Generation; 檢索增強生成)、AI agent、多用戶管理。 為什麼需要 AnythingLLM？ 需...
bookMDViewer 完整教學 從安裝使用到原始碼解析：一款 4 MB 的跨平台 Markdown 檢視器如何做到 GFM + Mermaid + 即時編輯 + HTML 匯出。 1. 專案定位 這是什麼？ bookMDViewer 是一款輕量、完全本機的 Markdown viewer（檢視器）與 editor（編輯器），以 Tauri v2 打造。它使用作業系統內建的 WebView（而非內嵌 Chromium），因此： 指標 bookMDViewer (Tauri) 典型 Electron App Windows 執行檔大小 ~4 MB ~150-200 MB 閒置記憶體 ~30-60 MB ~200-400 MB 啟動...
ECC 完整教學 — Agent Harness Performance Optimization System 第 1 章：專案定位 ECC 是什麼？ ECC 是一套開源的 agent harness performance optimization system (代理人工具鏈效能最佳化系統)，專為 AI coding agents 設計。它不只是一堆設定檔——而是一個涵蓋 skills (技能)、agents (代理)、hooks (鉤子)、rules (規則)、memory (記憶)、learning (學習)、security (安全) 的完整生態系統。 為什麼需要 ECC？ 當你使用 Claude...
Headroom 完整教學 — AI Agent Context Compression Layer 1. 專案定位 Headroom 是一套 AI agent 的 context compression (上下文壓縮) layer (層)，目標是把 LLM 收到的所有輸入——tool output (工具輸出)、log (日誌)、RAG chunk (檢索增強生成區塊)、檔案內容、對話歷史——在送達 LLM provider 之前進行智慧壓縮，達成 60–95% 的 token (語元) 節省，同時維持回答品質不變。 為什麼需要 Headroom？ AI coding agent（如 Claude...
Impeccable 完整教學 — 讓 AI 生成的前端設計脫離「AI 味」 1. 專案定位 問題：AI 生成的 UI 千篇一律 每個 LLM（大型語言模型）都在相同的 SaaS template（SaaS 模板）上訓練。不加引導，AI 生成的前端介面總會出現相同的設計慣性： Inter 字體配到底 Purple-to-blue gradient（紫到藍漸層）無處不在 Card nested in card（卡片套卡片） Gray text on colored background（灰字配色彩背景） Rounded-square icon tile（圓角方形圖示磚）在每個 heading 上方 解法：...
Kaggle CLI 完整教學 從安裝認證到競賽提交、資料集管理、模型上傳與 LLM 基準測試：Kaggle 官方 CLI 的全方位操作指南。 1. 專案定位 這是什麼？ Kaggle CLI 是 Kaggle 官方維護的 Python command-line interface（命令列介面），讓你在終端機中完成 Kaggle 平台上的所有操作：下載競賽資料、提交預測、管理資料集、執行 notebook、上傳模型、瀏覽論壇、甚至跑 LLM benchmark（基準測試）。 核心數據 指標 數值 GitHub Stars 7,357 Forks 1,363 License Apache-2.0 最新版本 v2.2.1...
Odysseus 完整教學 — Self-Hosted AI Workspace 1. 專案定位 Odysseus 是一個 self-hosted (自建) AI workspace (工作空間)，目標是成為 ChatGPT 和 Claude 的自建替代品。它運行在使用者自己的硬體上，所有資料本地儲存，不外送任何內容至第三方服務（除非使用者主動設定 API provider）。 為什麼需要 Odysseus？ 需求 Odysseus 的解答 隱私控制 所有資料留在本地，不經過任何中間服務 模型自由 接入任何 LLM：本地 Ollama / vLLM / llama.cpp 或遠端 OpenAI / OpenRouter 功能整合 ...