AI & Coding
AI 程式開發、Coding Agent、模型、Skills 與智慧開發工作流程
Technical Blog
給獨立開發者看的自動化、部署與工程流程實戰筆記
這個部落格目前先把三條主線寫扎實：Docker 與伺服器部署、Git 開發流程、Markdown 驅動的內容發佈。之後再把 AI 自動化實戰逐步整合進來，所以首頁優先放主題入口和代表作，方便直接找到可重複使用的方案。
最近更新
Claude Code、Codex 接 API 怎麼選：3 種路線的成本與接入對比
面向獨立開發者和小團隊，對比 CLIProxyAPI 自建、OpenRouter 中轉、官方 API 直連三條路線：真實成本結構、接入難度與資料路徑，幫你按用量選路線。
Diffle 的文字錨點：Coding Agent 改動程式後，審查留言還會指向哪一行？
檢視 Diffle 0.2.4 固定原始碼，透過四組獨立 Node.js 合成測試分析 Git Diff 留言重新定位、重複程式歧義與 Pending Review 的界線。
Coding Agent 記住上次怎麼改程式，就能省 Token 嗎？拆解 Singularity 的檢索邏輯
檢視 Singularity 固定版本的工作流程記憶，透過五組獨立合成測試解析錯誤召回、過期路徑，以及 Token 節省數據的限制。
Claude Code 測試日誌太長？從原始碼檢查 Context Diet 的錯誤保留邊界
從 Context Diet v0.3.0 原始碼與 Node.js 合成測試，檢查長日誌摘要可能漏掉的錯誤、原文回讀方式、預設字元預算及 capture 權限風險。
Coding Agent 模型怎麼選？我用 SelfBench 比較了 9 個真實儲存庫
公開 Coding Agent 排行榜未必代表你的專案。我用 SelfBench 分析 9 個真實儲存庫，比較模型排名、成本、小樣本不確定性與隱藏測試品質。
AI 產生的測試可靠嗎？用 Mutation Testing 檢查 Coding Agent 測試品質
Coding Agent 寫出的測試全綠、Coverage 100% 仍可能漏掉邊界錯誤。這篇文章用第一方 Mutation Testing A/B 實驗驗證差異，並拆解如何把 survivors 變成更可靠的完工門檻。
AI Agent Orchestration 是什麼：多 Agent 真正難的是共享狀態與交接
當 Codex、Claude Code 和其他 Agent 開始同時工作，光會分工還不夠。這篇文章從真實協作案例與第一方實驗出發，講清 owner、handoff、receipt、權限邊界與可回放狀態。
Muse.ai 註冊卡住怎麼辦：我用 ChatGPT Work 雲端瀏覽器完成註冊
Muse.ai 在本機瀏覽器註冊不順時，我這次直接用 ChatGPT Work 的雲端瀏覽器開啟官網、停在頁面後人工接管，順利完成註冊。
CLAUDE.md 太長怎麼辦：我重新拆了一遍 AGENTS.md、Skills 和 CI 的邊界
從一個 760 行 CLAUDE.md 的真實遷移出發，我重新測了 AGENTS.md、Skills 與 CI 分層後的變化，整理出更適合長期維護 Coding Agent 指令的做法。
Codex 新模型不顯示怎麼辦：同步官方 Model Catalog + Sub2API 原名透傳
Codex 官方已經發佈新模型，但 Desktop 或 CLI 裡看不到？這篇文章把官方 models.json、本地 catalog、minimal_client_version、Sub2API 白名單與原名透傳串成一套可複用更新流程。
Claude Code 原始碼洩露後，我們能學到什麼：系統提示詞、權限分級和記憶系統
這篇文章不聊八卦本身，而是從 Claude Code 公開洩露事件裡拆出幾層更值得獨立開發者關心的東西：提示詞架構、安全邊界、記憶設計，以及為什麼 AI 程式設計工具的差距早就不只在模型。
新版 Codex 有什麼變化：為什麼它現在更像一個開發環境
如果你對 Codex 的印象還停留在早期雲端代理，這篇文章會把新版 Codex 的 Skills、Plugins、Automations 和工作流程變化講清楚。