claude-real-video (Claude 實時影片) 教學 1. 專案定位 claude-real-video (Claude 實時影片)，CLI 指令別名 crv，解決的是一個很具體的痛點：LLM 沒辦法真正「看」影片。 現況盤點： 貼 YouTube 連結給 ChatGPT，它讀的是逐字稿，不是畫面 Claude 完全不接受影片檔案輸入 Gemini 雖然能原生讀影片，但要整支上傳到 Google 雲端，且用固定間隔（預設 1 fps）取樣——快速剪接的鏡頭會被跳過，靜態畫面又過度取樣 crv 的做法：在使用者自己的機器上，用 ffmpeg 做場景感知（scene-aware）的關鍵影格抽取——偵測每次場景真正改變的...
Repository: https://github.com/strands-agents/evals Stars: 144 | Forks: 39 | Language: Python | License: Apache-2.0 Tags: Evaluation, Testing, LLM, Agentic AI, Machine Learning PyPI: strands-agents-evals | Python: 3.10+ Homepage: https://strandsagents.com 1. 專案概覽 (Project Overview) 1.1 這是什麼 Strands Evals 是 Strands...
Ponytail 完整教學 讓 AI Agent 像最懶的資深工程師一樣寫程式 — 最好的程式碼，就是你從來沒寫的那段。 1. 專案定位 這是什麼？ Ponytail 是一個跨平台的 AI agent skill / plugin，它把一個理念灌輸到你的 AI coding assistant 裡：寫程式之前，先問「這段程式碼真的需要存在嗎？」。 名字來自一個刻板形象：那位留著馬尾辮、戴橢圓眼鏡、在公司待得比版本控制系統還久的資深工程師。你給他看 50 行程式碼，他看了一眼，什麼都沒說，然後用 1 行取代。 它解決什麼問題？ AI coding agent 的通病是 over-engineering（過度工程化）： 你要一個日期選...
DeepRetro 完整教學 本文目的：把 DeepRetro 的「為什麼要用 LLM 做逆合成」、「整個 pipeline 怎麼運作」、「怎麼跑起來然後接進你的 lead optimization 工作流」一次講清楚。重點放在架構理解、實務操作、幻覺防護機制、以及對你場景的適用性評估。 1. 專案定位與動機 1.1 一句話總結 DeepRetro 是一個 開源的混合式逆合成規劃工具 (hybrid retrosynthesis planning tool)，先讓 AiZynthFinder（template-based MCTS engine）嘗試，失敗時再讓 LLM（Claude / DeepSeek-R1）...
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...
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...
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 ...
llm-neuron-atlas 詳細教學 Live demo: https://charenix.com/qwen3b-atlas Repo: https://github.com/norika1207-lab/llm-neuron-atlas 作者: Norika Oda (ORCID 0009-0006-6816-9891) License: MIT 1. 專案定位 llm-neuron-atlas 屬於 mechanistic interpretability (機械式可解釋性) 工具範疇，但與既有工具有結構性的差異： 工具 視角 規模 互動 BertViz attention 矩陣 單 head / 單層 2D...
Webwright 完整教學 Microsoft Research 出品的極簡瀏覽器 agent framework — 用 ~1.5k LoC 在 Online-Mind2Web 拿下 86.7% SOTA，在 Odysseys long-horizon benchmark 上比前一 SOTA 高 15.6 點。 1. 專案定位 1.1 一句話 Webwright 不是另一個「點擊機器人」，是「會寫 Playwright 程式的 LLM 工程師」。 1.2 為什麼要看這個專案 1.3 跟 browser-use / Stagehand / agent-browser 的差異 維度 Stagehand agent-browser...
daily_stock_analysis (DSA) 詳細教學 本教學對應 repo commit 8be6546 (2026-05-20, v3.17.1 之後)，最後驗證日 2026-05-20。 涵蓋專案定位、安裝（4 種方案）、核心架構、CLI 詳細用法、應用場景、資安、FAQ、進階技巧、整合 9 個章節，重點是「多供應商抽象 + GitHub Actions 排程 + 多通道通知」三個可移植 pattern。 1. 專案定位 1.1 是什麼 daily_stock_analysis (DSA) 是中國地區開源圈最熱門的 LLM 股票智能分析系統（38k stars / 1300+ PR 合併 /...