工具與工作流 on EricChung的程式勇者村

OpenAI 最新圖片生成功能整理：現在不只是生圖，還能改圖、修字、做透明背景

Wed, 22 Apr 2026 00:30:00 +0800

如果你對 OpenAI 圖片功能的印象還停在「輸入一句 prompt，AI 幫你畫一張圖」，那現在已經不太一樣了。

截至 2026 年 4 月 22 日，OpenAI 官方文件已經把圖片能力往「生成 + 編修 + 多輪修改 + 可整合進產品」這條路推得很完整。

而且重點不是只有「畫得更漂亮」，而是它開始更像一個真的可以工作的圖片工具。

先講結論：現在 OpenAI 的圖片功能強在哪？

如果用最白話的方式講，最新一代方向有 4 個重點：

不只是生圖，還很強調改圖
對文字的理解和輸出更穩
可以把圖片當輸入，做參考、重製、局部修改
不只給人手動玩，也很適合接進 App 或工作流程

這是它跟早期圖片模型最大的差別。

以前很多 AI 生圖工具的體驗是：

第一次很驚豔，第二次開始就發現它常常「知道你想幹嘛，但做不準」。

現在 OpenAI 官方主推的 GPT Image 路線，明顯是在解這個問題。

如果你只記得 DALL·E 3，現在要更新一下印象

很多人一提到 OpenAI 生圖，腦中第一個名字還是 DALL·E 3。

但如果看官方現在的 API 文件，主力方向已經不是「DALL·E 系列是主角」了，而是 GPT Image 系列。

官方文件目前已經列出：

gpt-image-2
gpt-image-1.5
gpt-image-1
gpt-image-1-mini

其中 gpt-image-1 在模型頁已經被標成 previous image generation model，意思很明確：

現在的新方向不是回到舊的 DALL·E 命名，而是把圖片能力整合進 GPT 系列能力裡。

這個變化很重要，因為它代表 OpenAI 不再把圖片當成一個獨立、孤立的模型功能，而是把它變成整體多模態能力的一部分。

不是只會「畫圖」，而是會「照你的要求修改」

這大概是一般使用者最有感的進步。

以前很多 AI 生圖工具的問題是：

第一次生成還不錯
但你一改需求，它就整張重來
你想保留某個元素，它常常保不住
你要它只改一小塊，它卻順手把別的地方也改掉

現在 OpenAI 官方文件很明確強調的能力包括：

generate images：從文字直接生成圖片
edit images：修改既有圖片
image inputs：可以把圖片本身當成輸入
multi-turn editing：可以一輪一輪慢慢修

這代表你比較像是在跟一個設計工具合作，而不是每次都在抽卡。

例如你原本有一張商品圖，你可以要求它：

把背景改成純白
把杯子顏色改成霧黑
保留 logo 不要變
幫我加上透明背景版本
把海報上的標題字改正

這些需求的價值，不在於「炫」，而在於真的有工作用途。

為什麼大家會特別在意「文字能不能畫對」？

因為這是早期 AI 圖片模型最容易翻車的地方之一。

以前你叫它做一張海報、價目表、封面圖、社群貼文，常常畫面很漂亮，但字一放上去就變成亂碼。

OpenAI 在官方介紹 API 圖片模型時，特別強調了幾件事：

better instruction following
accurately render text
use world knowledge

翻成白話就是：

你叫它做什麼，它比較聽得懂
圖裡的文字比較有機會真的寫對
它對現實世界物件、情境、風格的理解更強

這對一般人來說，意義非常直接。

因為圖片 AI 真正有商業價值的場景，很多都不是純藝術創作，而是：

社群貼文圖
活動宣傳圖
商品示意圖
App mockup
簡報封面
教學圖卡

這些東西幾乎都跟「字要對、版面要穩」有關。

它現在比較像 Photoshop + AI，不只是 Midjourney 式的靈感機器

這句話不是在做產品比較，而是在講使用心智。

很多人以前對 AI 生圖工具的期待是：

幫我畫一張很酷的圖。

但 OpenAI 現在這條路更像是：

幫我把這張圖做成我真的能用的版本。

差別很大。

前者偏創意發想，後者偏工作流。

所以 OpenAI 這套圖片能力特別適合下面這些人：

要快速做視覺素材的內容創作者
要產商品圖、行銷圖的電商團隊
要做封面、插圖、概念圖的自媒體或設計師
想把生圖功能整合進產品的開發者

開發者視角：現在可以怎麼接進產品？

如果你是工程師，這一段比較重要。

OpenAI 目前把圖片能力放在兩種主要用法裡：

1. Image API

適合這種需求：

單次生成一張圖
單次改一張圖
後端明確控制輸入與輸出

這種模式比較像：

我知道我要做什麼，直接呼叫 API 執行。

2. Responses API + `image_generation` tool

適合這種需求：

對話中順手生成圖片
讓模型自己判斷現在該不該出圖
在多輪流程中反覆改圖
做聊天型產品、助理型產品、創作工具

這種模式比較像：

我不是只做一次生圖，而是要把圖片能力放進整個互動流程裡。

這也是現在 OpenAI 很明顯在推的方向：圖片不是單獨功能，而是 Agent / Assistant / Workflow 的一部分。

具體可控制哪些東西？

根據官方文件，現在圖片輸出可以控制的面向包含：

尺寸：例如方圖、直式圖、橫式圖
品質：低、中、高
格式：不同輸出格式
壓縮：JPEG / WebP 可調整壓縮程度
背景：透明或不透明
動作：自動判斷、直接生成、或編輯圖片

這代表它不是只有「給你一張圖」，而是可以更接近實際產品需求。

例如：

電商商品卡需要透明背景
部落格首圖要橫式比例
App 內縮圖要控制檔案大小
編輯器產品需要保留原圖細節再微調

這些都比「能不能畫出一隻貓」更接近真實世界。

一般人現在最適合怎麼用？

如果你不是開發者，最實際的使用方式其實不是追求最複雜 prompt，而是先從「明確任務」開始。

比方說：

1. 做社群圖

不要只寫：

幫我畫一張科技感圖片

比較好的寫法是：

幫我做一張 16:9 的科技風社群首圖，主題是 AI 自動化，背景乾淨，標題預留空間在左上角。

2. 改現有圖片

如果你已經有圖，通常比從零開始生更穩。

例如：

保留人物與構圖，把背景改成簡潔辦公室風格，顏色改冷色調。

3. 做有字的圖

請把文字內容直接寫清楚，並拆成層次。

例如：

做一張活動海報。主標題是「React 前端讀書會」，副標題是「週三晚上 7:30」，底部加上「台北市大安區」。

這種寫法通常會比只丟一個模糊句子好很多。

這一波更新真正代表什麼？

我覺得重點不是「OpenAI 也能生圖了」。

那早就不是新聞。

真正重要的是：

OpenAI 正在把圖片能力從展示型功能，推進到可工作的基礎能力。

也就是說，它不是只拿來玩，而是越來越像：

可接進產品的 API
可放進團隊流程的工具
可反覆修改的視覺工作台

如果你是一般使用者，感受到的會是：

它比較不再像一次性玩具，而比較像真的能幫你省時間。

如果你是開發者，感受到的會是：

圖片生成不再只是附加功能，而是可以變成產品功能本身。

最後整理

如果用一句話總結：

OpenAI 最新圖片生成功能的重點，不只是更會畫，而是更會照要求生成、修改，並且更容易接進真實工作流程。

所以如果你最近才重新注意到 OpenAI 的圖片能力，可以先更新三個印象：

主力已經是 GPT Image 系列，不只是 DALL·E
重點能力是生成 + 編修 + 多輪修改
它的價值正在從「好玩」轉向「好用」

如果你後面想看，我也可以再補一篇：

OpenAI 圖片 API 怎麼串？前端工程師快速上手版
ChatGPT 生圖 prompt 怎麼寫，成功率比較高？
OpenAI 生圖 vs Midjourney vs Flux，差別到底在哪？

參考資料

OpenClaw 是什麼？那隻紅色龍蝦是你的私人 AI 助理

Tue, 21 Apr 2026 00:10:00 +0800

如果 Manus 是跑在別人家雲端的 AI 員工，那 OpenClaw 就是住在你自己電腦裡的那一個。

Logo 是一隻紅色龍蝦，但別被可愛外表騙了——這其實是目前最有潛力的本地端 AI Agent 之一。

OpenClaw 是什麼？

一句話：

「一個跑在你自己電腦上的開源 AI 助理，會自己做事、有記憶、能接通訊軟體，還能自己寫擴充套件。」

作者是 Peter Steinberger（iOS 開發圈的老朋友，以前做 PSPDFKit），在 2025 年推出的個人專案。

跟主流 AI 產品最大的差異：

項目	ChatGPT / Claude / Manus	OpenClaw
跑在哪	別人家雲端	你自己電腦
資料	上傳到對方伺服器	全程留在本地
擴充	官方提供	自己寫 / 社群共享
費用	訂閱費	開源免費（只付 API 費用）
整合度	有限	想接什麼就接什麼

為什麼這個東西值得注意？

因為它解決了一個很多人有的焦慮：

「我想要 AI 幫我做事，但我不想把所有資料都給 OpenAI / Anthropic。」

OpenClaw 的設計哲學很明確：Privacy-first。

跑在你自己的 Mac / Windows / Linux 上
記憶資料存在本機
要不要呼叫雲端 AI（Claude、GPT）由你決定
也可以接本地 LLM（Ollama 之類）完全離線

等於是把「AI 助理」這件事從雲端服務變成一個你擁有的程式。

它能做什麼？

官方列出 50+ 整合，但真正厲害的是它能自己組合這些整合。

幾個常見情境：

情境 1：訊息助理

接上 LINE / Telegram / WhatsApp / Slack / iMessage / Signal / Discord，你可以直接傳訊息給它：

「幫我整理今天的 GitHub 通知」
「搜一下這個餐廳的評價」
「提醒我下午 3 點開會」

不用開電腦、不用開瀏覽器，手機傳訊息就完事。

情境 2：Email 處理

接 Gmail 之後，可以說：

「把今天所有未讀信分類，重要的摘要給我」
「回覆這封信，語氣要客氣但堅定」
「把這封信的附件存到 Obsidian 的 2026-04 資料夾」

情境 3：coding 助手

「幫我把這個 repo clone 下來，跑測試看看哪裡壞了」
「查一下昨天 push 的 commit 有沒有影響 production」
「把這段程式重寫成 TypeScript」

情境 4：生活雜事

「訂今晚 7 點的餐廳」
「Spotify 放點 jazz」
「把今天的支出記進我的財務 Google Sheet」

情境 5：自我擴充

OpenClaw 最狂的一點：它可以自己寫擴充套件。

你說：「我想要一個能自動抓 Hacker News 前 10 名摘要的功能。」

它會：

寫一個新的 skill（擴充模組）
測試它
加進自己的能力清單

AI 幫 AI 自己擴充能力，這個遞迴很有意思。

補充：Claude 本身也有 Agent 功能

在講跟 Manus 的差異之前，值得提一下：

Anthropic 的 Claude 本身也有 Agent 能力，叫做 Claude Computer Use（電腦使用）以及整合在 Claude.ai 的 Projects + Tools 功能。

Claude 可以：

控制瀏覽器、操作視窗（Computer Use）
呼叫工具（搜尋網路、執行程式碼、讀取檔案）
在 Projects 裡保存長期記憶與文件

跟 OpenClaw 的差別是：Claude 的 agent 能力是雲端服務、官方整合，而 OpenClaw 是把 Claude 當成「大腦」，在你的電腦上自主執行。

也就是說，OpenClaw + Claude API = 把 Claude 的智慧裝進一個跑在你家的機器人。

跟 Manus 有什麼不同？

前一篇才介紹完 Manus，很多人會問：「這兩個差在哪？」

項目	Manus	OpenClaw
執行位置	雲端 VM	本機
是否開源	❌ 封閉	✅ 開源
訊息介面	只有網頁	7+ 通訊軟體
記憶	單次任務	長期累積
擴充	官方主導	任何人可寫
門檻	註冊就能用	要自己安裝

講白一點：

Manus 像一個你租的雲端員工——好用、高階、但要付錢、資料給對方
OpenClaw 像一個你自己養的助手——要花時間調教、但完全是自己的

怎麼安裝？

OpenClaw 是開源的，安裝流程大致是：

1. 安裝主程式

Mac / Windows / Linux 都有安裝包，到 openclaw.ai 下載。

2. 提供 API Key

你要有一個 LLM 能力來源，可選：

Anthropic API（Claude）— 推薦，能力最強
OpenAI API（GPT）
Ollama（本地模型，完全離線）

3. 授權要接的服務

想接 Gmail 就 OAuth 授權 Gmail，想接 LINE 就做 LINE bot 綁定。

4. 開始對話

裝好後第一次跟它講話，它會記住你的偏好。

比如你說：「我叫 Eric，平常用 Notion 做筆記，習慣早上 6 點起床。」

之後它都記得。

使用的幾個注意事項

1. 它是個 alpha 階段的工具

OpenClaw 還很新，會有 bug、會有奇怪行為。

不建議用在絕對不能出錯的工作流（例如付款、發正式信件給客戶）。

2. 記憶會累積成包袱

記憶越多，它越懂你，但也可能把舊的錯誤偏好一直帶著。

建議定期檢查它的記憶檔、刪掉過時的內容。

3. 本地執行不代表完全安全

即使資料在本地，它呼叫 Claude / GPT 時還是會把 context 送出去。

如果你真的想完全離線，搭配 Ollama 跑本地模型，但能力會差很多。

4. 擴充能力 = 雙面刃

它能自己寫 script、跑 shell 指令——這代表它也有能力弄壞你的系統。

建議：

重要操作先看一眼它要做什麼再放行
不要給它 root 權限
敏感資料夾設 read-only

誰適合用？

很適合：

重視隱私：不想把所有資料給雲端服務的人
工程師：能自己寫擴充、修 bug、調整流程
重度自動化愛好者：喜歡把生活各種雜事自動化
愛好 open source：支持開源生態的人

暫時不適合：

完全不會裝軟體的人：入門門檻還是比 ChatGPT 高
要 100% 穩定的商業應用：還在快速迭代，不夠穩
只想聊天：對話體驗不如 ChatGPT 專精

為什麼是「龍蝦」？

這個很多人問。

OpenClaw 的 Logo 是一隻紅色龍蝦——「Claw」就是龍蝦的螯。

這隱喻大概是：有抓取、有操作、有個性，不是軟綿綿的助手。

我覺得這個 branding 很成功，至少一眼就記得。

小結

2025 到 2026 年，AI Agent 的發展進到一個分岔路口：

雲端路線：Manus、Claude Computer Use、各種 SaaS 代理
本地路線：OpenClaw、open-interpreter、各種自建 agent

兩條路各有優缺點，但**「AI Agent 應該長在自己電腦裡」**這個理念，會吸引一群重視主導權的使用者。

如果你：

已經用過 ChatGPT / Claude，想更進一步
對資料隱私有要求
願意花點時間裝設定
想有一個真正「屬於自己」的 AI 助理

那這隻紅色龍蝦值得一試：

👉 openclaw.ai

未來我們可能每個人都會有一個像這樣的東西，陪你處理大大小小的雜事。OpenClaw 讓這個未來提早到了。

Manus 是什麼？那個被稱為「第一個真正能做事」的 AI Agent

Tue, 21 Apr 2026 00:00:00 +0800

2025 年 3 月，一個叫 Manus 的網站突然在全網爆紅。

不是因為它是「又一個 ChatGPT」，而是因為它展示了一件以前只存在 demo 影片裡的事：

你丟一個任務，它真的會自己去完成，然後把結果交給你。

不是給你一段建議、不是給你一個 outline——是直接把做好的東西丟到你面前。

Manus 是什麼？

Manus 是一個「通用型 AI Agent」。

跟純對話型 AI 最大的差別：

類型	你給它什麼	它給你什麼
ChatGPT（對話模式）	問題	回答（文字）
Claude（對話模式）	問題	回答（文字）
Claude（Agent 模式）	任務	成品（有工具呼叫、可執行動作）
Manus	任務	成品（檔案、網站、報告、腳本）

補充： Claude 現在也有 Agent 能力了——Claude Computer Use 可以操控瀏覽器和桌面，Claude.ai 內建的工具模式可以搜尋網路、執行程式碼、讀寫檔案。兩者的主要差異在於 Manus 有獨立的雲端 VM 和完整的任務交付流程，Claude Agent 則更強調與對話的整合。

你可以想像成：

「你雇了一個遠端助理，他有電腦、有瀏覽器、會寫 code、會上網查資料，然後他真的會把事情做完。」

它到底怎麼運作？

Manus 的核心機制是：

接收任務 — 你用自然語言描述目標
拆解步驟 — 自動規劃要做哪些事
開虛擬電腦 — 它在雲端會有一台自己的電腦
執行 — 開瀏覽器、寫 code、跑程式、下載資料、查資料
回報 & 交付 — 完成後把檔案或成果丟給你

重點是中間的過程你都看得到。

Manus 有一個「即時操作畫面」，像直播一樣看它：

滑鼠移到哪
開了哪些分頁
打了什麼 code
搜尋了什麼

這個透明度讓人用起來很安心——它不是黑盒子。

實際可以做什麼？

網路上流傳的經典案例：

案例 1：履歷分析

丟一份 PDF 履歷，說：「分析這個人適不適合我們公司的 senior engineer 職缺。」

Manus 會：

讀完履歷
上網查這個人的 GitHub、LinkedIn
分析技能匹配度
產出一份完整的評估報告（含建議面試問題）

案例 2：出差行程規劃

「我下週要去東京三天，預算 5 萬台幣，想看動漫相關景點。」

Manus 會：

查機票、訂機票流程（提供連結給你確認）
排三天行程（含交通時間）
列出動漫景點、餐廳
輸出一份完整的行程表（Excel / PDF）

案例 3：股票研究

「分析 NVIDIA 最近三個月的走勢，做一份投資建議報告。」

Manus 會：

抓股價資料
查最新新聞
跑分析腳本、畫圖
產出一份帶圖表的研究報告

案例 4：網站建置

「幫我做一個寵物領養平台的 prototype。」

Manus 會：

設計資料結構
寫 HTML / CSS / JavaScript
做出能點擊互動的 demo
部署到可以公開訪問的網址

跟其他 AI Agent 有什麼不同？

現在宣稱「AI Agent」的工具一堆，但 Manus 出來的時候引爆討論，有幾個原因：

1. 真的「做完」，不是「建議怎麼做」

很多 AI Agent 會告訴你：「你可以這樣做、那樣做……」

Manus 是直接做完，給你交付品。

這個差別在工作流程裡面是天與地。

2. 多工具協作

它不是只會寫 code 的 AI，也不是只會查資料的 AI——該用什麼工具就用什麼工具。

寫 Excel、做 PDF、寫 Python、開瀏覽器截圖、部署網站，全部都在同一個 agent 裡面。

3. 執行過程透明

看得到它在做什麼，出錯可以中途介入。

這比「丟進去等結果」的黑盒 agent 好用太多。

4. 非同步工作

Manus 在雲端跑，你可以關掉瀏覽器去吃飯。

它自己會繼續做，完成後通知你。

它適合誰用？

非常適合：

PM / 分析師 — 要做研究報告、競品分析
行銷 / 內容 — 要做主題研究、素材整理
工程師 — 做快速原型、腳本自動化
獨立工作者 — 一個人要處理很多雜事

比較不適合：

只需要簡單問答 — 用 ChatGPT 或 Claude 對話模式就好
需要 Agent 但想整合對話 — Claude Agent 模式可能更順手
需要高度精確的專業領域（醫療、法律）— 還是要專家審核
大量重複性工作 — 直接寫自動化腳本更穩定

限制與問題

用一陣子會發現幾個實際問題：

1. 慢

一個任務常常要跑 15–60 分鐘。

雖然可以非同步，但急件不適合。

2. 會迷路

複雜任務有時候它會卡住、重複、做到偏掉。

需要你中途給提示把它拉回來。

3. 貴

不是免費服務，用得多要付訂閱或買點數。

4. 資料安全

任務會在它的雲端 VM 跑，敏感資料、公司機密不要丟進去。

5. 還不夠穩定

畢竟是新一代產品，會有 bug、會有錯誤，不能 100% 依賴。

怎麼開始用？

1. 去 manus.im 註冊

早期要 waitlist，現在已經開放註冊（但可能有排隊或點數限制）。

2. 從小任務開始

不要一開始就丟「幫我做一個完整的 SaaS 產品」。

先從單一、清晰的任務試手感：

「分析這份 PDF 的重點」
「查一下 XX 工具和 YY 工具的差異」
「把這段 CSV 轉成圖表」

3. 學會給好指令

Manus 吃得懂自然語言，但越清楚越好：

告訴它最終產出物是什麼格式
給它限制條件（預算、時間、風格）
給參考範例

4. 善用「中斷」和「修正」

任務跑一半發現不對，直接打斷它、給新指令。

不要從頭等它做完才發現白做一場。

它會取代工程師 / 分析師嗎？

這是 Manus 剛推出時最熱門的討論。

我的觀察：

短期內不會。Manus 能做的事，有能力判斷好壞的人才用得好
會改變分工。以後一個人能做以前十個人做的雜事
基礎工作會被吃掉。整理資料、寫簡單腳本、做 PPT 模板——這類工作會縮水
高階判斷更珍貴。「要不要做」、「做到什麼程度」、「怎麼跟商業結合」這些還是要人

簡單講：它不是取代你，是讓會用它的人比不會用的人多做十倍事情。

小結

Manus 是 AI 工具進化的一個分水嶺——從「回答問題」變成「交付成果」。

雖然還有很多不穩定、還有很多做不到的事，但方向很清楚：

未來的 AI 工具，會越來越像「數位員工」，而不是「搜尋引擎」。

如果你想感受一下這個改變：

👉 manus.im

挑一個你平常會自己做的小任務，丟給它試試看。體感可能會超過你的預期。

Notion 是什麼？把筆記、資料庫、協作、專案管理全部塞進一個地方的神器

Mon, 20 Apr 2026 00:50:00 +0800

有一類工具，第一次用會搞不清楚它到底是什麼。

Notion 就是這種工具。

是筆記？是資料庫？是協作平台？是專案管理？是 Wiki？

答案是：以上皆是，而且可以自己組合。

這個不明確的定位反而是它的強項，也是它有點難入門的原因。

Notion 是什麼？

官方說法是「All-in-one workspace」——一個把筆記、文件、專案、資料庫、協作全部整合在一起的工作空間。

但這樣講很抽象。

更好理解的方式是把 Notion 想成一個積木盒：

每個「頁面」是一塊積木
每個頁面裡可以放文字、圖片、表格、看板、行事曆、連結、子頁面
這些積木可以自由組合、互相連結、拆裝重組

你可以用同一套積木蓋出：

個人日記
團隊 Wiki
產品 roadmap
客戶管理系統（CRM）
讀書筆記
食譜收藏
旅遊規劃

工具是同一個，結果可以完全不同。

核心概念：Block（區塊）

理解 Notion 之前，要先認識它最基本的單位：Block。

在 Notion 裡面，所有東西都是 block：

一段文字是 block
一張圖片是 block
一個待辦項目是 block
一個資料庫是 block
一個子頁面也是 block

每個 block 都可以：

拖曳移動
轉換類型（例如把一段文字轉成代辦項目）
巢狀包起來

這個設計讓 Notion 的編輯體驗變得非常自由——你不是在填表格，而是在組裝。

另一個殺手鐧：Database（資料庫）

如果 block 是 Notion 的骨架，database 就是它的靈魂。

Notion 的資料庫不是 Excel，更像是可以用不同角度檢視的同一份資料：

Table View — 像試算表
Board View — 像 Trello 看板
Calendar View — 像 Google Calendar
Gallery View — 像 Pinterest 卡片
Timeline View — 像甘特圖
List View — 簡潔的清單

重點是：同一筆資料，可以在不同 view 裡面以不同形式呈現。

例如一個「任務清單」：

工程師用 Board View 管 Kanban
主管用 Timeline View 看時程
PM 用 Calendar View 追 deadline

資料只有一份，視角各自不同。

Notion 最常見的用法

給一些實際的使用情境：

個人用途

第二大腦：把所有筆記、想法、靈感存在這裡
閱讀清單：書、文章、Podcast 統一管理
專案追蹤：side project 的 task list
習慣追蹤：每天運動、讀書打勾
旅遊規劃：行程、預算、住宿整合

工作用途

公司 Wiki：把 SOP、文件、會議記錄集中
產品 Roadmap：功能、進度、負責人
客戶管理：代替 CRM 的輕量版
OKR 追蹤：目標拆解、季度檢視
招募流程：應徵者清單、面試紀錄

團隊協作

共同編輯：多人同時編輯，類似 Google Docs
留言 & 標註：@某人 指派任務或討論
權限管理：哪些頁面誰能看、誰能編輯

Notion AI：2022 年以後最大的改變

2022 年 Notion 推出了內建的 AI 功能。

直接在頁面裡：

自動寫作：輸入標題，AI 幫你寫初稿
摘要長文：一鍵把整頁內容壓縮成重點
翻譯：直接轉換語言
改寫：讓文字更正式 / 更口語 / 更簡短
問答：根據整個 workspace 的資料回答問題

最後這個「Q&A」功能有點像 NotebookLM，但範圍是你整個 Notion——等於整個工作空間變成可問答的知識庫。

優點 vs 缺點

優點

超級彈性 — 幾乎什麼情境都能用
跨平台 — Web、Mac、Windows、iOS、Android 全部有
分享容易 — 一鍵產生公開連結，像迷你網站
模板豐富 — 社群有幾千個免費模板可以抄
免費版就很好用 — 個人使用基本不用付費

缺點

速度不算快 — 頁面多、資料庫大的時候會 lag
離線支援差 — 幾乎是雲端依賴
學習曲線 — 第一次用會搞不清楚能幹嘛
太彈性反而難開始 — 空白頁面容易讓人不知道怎麼下手
搜尋普通 — 跟 Obsidian、Roam 比起來，連結功能較弱

跟其他工具怎麼選？

很多人會糾結 Notion vs Obsidian vs Evernote vs Apple Notes。

我自己的分法：

需求	推薦
個人純筆記 + 雙向連結	Obsidian
跟別人協作、做 Wiki、做資料庫	Notion
快速記一些瑣事	Apple Notes / Google Keep
深度寫作、長文	Ulysses / iA Writer
專案管理為主	Linear / Asana

Notion 最強的情境是「個人 + 協作都要、筆記 + 資料庫都要」。

如果你只需要其中一部分，可能有更專精的工具。

新手怎麼開始？

剛接觸 Notion 很容易「空白頁面恐懼症」——看著空白畫面不知道要做什麼。

建議這樣開始：

1. 先用模板

不要從零開始。

Notion 官方有 Template Gallery，找一個最接近你需求的模板，直接 duplicate 到你的 workspace。

2. 用一陣子再改

先照著模板用一兩週。

用的過程會自然發現「這裡不順、那裡多餘」，再開始客製化。

不要還沒用就開始調結構，通常會浪費很多時間。

3. 一次只建一個系統

新手最常犯的錯：一次想把筆記、任務、閱讀清單、專案管理全部移進 Notion。

結果每個系統都半成品，最後放棄。

建議一次只搬一個，用穩了再搬下一個。

4. 學會 Slash Command

在 Notion 裡輸入 /，會跳出所有 block 類型選單。

熟悉這個命令能大幅加速編輯。

價格

方案	價格	適合
Free	$0	個人使用
Plus	約 $10/月	小團隊
Business	約 $18/月	公司
Enterprise	聯繫	大型組織

個人使用免費版完全夠用，除非你需要更多團隊成員、更多上傳空間、或高級權限管理。

小結

Notion 不是一個工具，而是一個可以組合出任何工具的平台。

一開始會覺得複雜、混亂、不知道怎麼用。

但一旦你建立起自己的系統，會發現它成為日常工作與思考的中心——打開電腦第一件事就是開 Notion。

如果你還沒用過，推薦從一個模板開始：

👉 notion.com

有時候一個好的工具，不是讓你做更多事，而是讓你把所有事情放在同一個地方。

NotebookLM 是什麼？Google 的 AI 筆記助手，幫你把一堆資料變成可問答的知識庫

Mon, 20 Apr 2026 00:40:00 +0800

你一定遇過這種情境：

手上一堆 PDF、會議記錄、研究報告，要整理成摘要
讀了十篇文章，要比較它們對同一個主題的觀點
YouTube 有一場 3 小時的演講，只想知道「他在第幾分鐘講了 XX」
準備考試或簡報，想把筆記變成可以互相問答的對象

以前這種事很花時間。

直到 Google 推出 NotebookLM，整個遊戲規則變了。

NotebookLM 是什麼？

簡單一句話：

「把你自己的資料丟進去，它就變成一個只會根據這些資料回答的 AI 助手。」

跟 ChatGPT、Claude 最大的差別是：

ChatGPT 會用它全網路的訓練資料回答你
NotebookLM 只會用你上傳的那些文件回答你

這個差別超級關鍵。

因為它表示：AI 不會亂掰（或至少亂掰的機率大幅降低）。

你讀的資料、它讀的資料，是同一份。

可以放什麼進去？

支援的來源類型越來越多，目前包含：

PDF
Google Docs / Slides
網頁 URL
YouTube 影片（會自動抓字幕）
音訊檔（會自動轉文字）
純文字貼上
Markdown

一個 notebook 可以放最多 50 個來源（免費版）、300 個（Plus 版）。

每個來源的大小限制也不小（PDF 上限 500,000 字），對大部分情境夠用了。

最強的三個功能

1. 基於來源的問答

這是核心。

把資料丟進去後，你可以直接問：

「這幾篇文章對於 XX 議題，立場分別是什麼？」
「第 3 頁講的那個實驗，結論是什麼？」
「這本書的核心論點用三句話總結」

每個回答都會附上「引用來源」，點進去就能看到原文在哪一段。

這個 source citation 功能是 NotebookLM 最讓人安心的地方——你可以驗證 AI 有沒有亂掰。

2. 自動 Podcast（Audio Overview）

這個功能剛推出的時候全網都在驚呼。

你丟一份資料進去，點一下「Generate Audio Overview」，它會自動生成一集兩個 AI 主持人對話的 Podcast，就像真人在討論你的資料一樣。

聽起來像真人節目，而且內容是根據你的資料做的。

用途：

通勤聽自己的論文摘要
讀書會前快速掌握一本書
把枯燥的技術文件轉成好吸收的對話形式

現在還支援多國語言（包含中文）。

3. Mind Map（心智圖）

上傳資料後，NotebookLM 可以自動生成一張心智圖，把主要概念、子概念、彼此的關係視覺化。

對要做簡報、寫文章、理清思路的人，超級有用。

實際使用情境

我自己常用的幾種情境：

情境 1：讀論文 / 研究報告

丟 5 篇相關主題的論文進去，問：「這些研究在方法論上有什麼差異？」

比自己一篇一篇讀快十倍。

情境 2：工作文件彙整

把會議記錄、產品規格、使用者回饋全部丟進去。

需要某個決策背景時，直接問：「關於 XX 功能，之前做了什麼決定？為什麼？」

情境 3：技術文件學習

丟一份新工具的完整官方文件進去，問：「我要做 XX 的話，大概的流程是什麼？」

不用從頭讀 200 頁文件。

情境 4：寫作素材整理

把相關文章、筆記、訪談稿丟進去。

寫作時問：「這個主題我之前有沒有寫過類似的觀點？」

情境 5：面試準備

把公司官網、產品文件、新聞報導丟進去。

問：「這家公司最近的策略方向是什麼？」「他們最大的競爭對手是誰？」

跟 ChatGPT / Claude 比起來呢？

功能	NotebookLM	ChatGPT / Claude
基於自己資料	✅ 核心功能	有但要貼上
引用來源	✅ 每句都有	大部分沒有
來源數量	50 份（免費）	受 context 限制
自動 Podcast	✅	❌
通用對話	弱	強
程式碼生成	弱	強

結論：NotebookLM 不是要取代 ChatGPT，是另一個用途。

需要「基於特定資料做深度理解」時，用 NotebookLM；要「寫 code、寫文案、泛用對話」時，還是用 ChatGPT / Claude。

幾個使用小技巧

把相關資料放同一個 notebook

NotebookLM 的回答品質，跟你給的來源品質高度相關。

不要把無關的資料塞在一起，會互相干擾。建議一個主題開一個 notebook。

先問「總結」再問細節

新開一個 notebook，先丟資料問：「這些資料的主要內容是什麼？」

這樣你會對它「看到什麼」有個概念，後續問細節才知道怎麼問。

善用「Notes」功能

NotebookLM 裡面可以記 notes。

把自己的想法、問答結果存成 note，之後可以把這些 note 也變成新的來源。

等於你的思考會跟資料一起累積。

定期清理來源

資料放太多會稀釋重點。

做完一個專案後，可以把這個 notebook 封存，開新的。

需要付費嗎？

目前有兩個版本：

版本	價格	特色
免費版	$0	每個 notebook 50 個來源、基本功能都有
Plus	併入 Google AI Plus / Pro 方案	更多來源、更長使用時間、進階功能

免費版已經夠用，如果你只是想試試看，不用急著付費。

資料安全？

這是 Google，大家關心的問題：「我的資料會被拿去訓練嗎？」

官方說明是：

個人免費版的資料不會被用來訓練模型
企業/教育版（Workspace）的資料完全隔離

但還是有幾個原則：

機密資料、公司機密不要上傳
客戶個資不要上傳
如果不確定敏感程度，請遵守公司的資料政策

對個人學習、公開資料研究，NotebookLM 幾乎沒有安全疑慮。

小結

如果你是：

學生：NotebookLM 可以把整學期的教材變成問答助手
研究者：可以快速整合多篇文獻
工程師：可以把技術文件變成隨時可查的 AI
寫作者：可以把素材庫變成靈感來源
一般上班族：可以把工作文件變成「問問題就有答案」的系統

這個工具都值得試試看。

👉 notebooklm.google.com

用 Google 帳號就能登入，免費先玩一輪再說。

認識 Stack Overflow：工程師搜尋問題的第一站

Mon, 20 Apr 2026 00:30:00 +0800

如果你寫過程式，多半有過這個經驗：

遇到一個 bug，在 Google 搜了錯誤訊息，點進一個橘白配色的網站，看到某個 2014 年的回答，照著做，bug 解決了。

那個網站就是 Stack Overflow。

它幾乎是每個工程師都用過，但很少人認真想過它的起源、為什麼它會長成現在這樣。

這篇就來聊聊。

Stack Overflow 怎麼來的？

時間回到 2008 年。

那時候工程師要找答案，主要靠幾個地方：

論壇（phpBB 那種）——資訊分散、搜尋難用
個人部落格——品質參差不齊
Experts Exchange——要付費才能看答案，惡名昭彰
郵件列表（Mailing List）——老派、門檻高

兩個知名部落客 Jeff Atwood（Coding Horror 的作者）和 Joel Spolsky（Joel on Software 的作者），決定做一個完全不一樣的問答網站。

核心理念是：

「答案應該免費，而且要容易找到。」

於是 Stack Overflow 在 2008 年誕生。

為什麼成功？

Stack Overflow 之所以能取代既有的論壇文化，關鍵在幾個設計：

1. 投票機制（Voting）

好答案會被推到最上面，不是按時間排序。

這一個小小的設計，徹底改變了「找答案」的體驗——你不用從第一頁翻到第五十頁，直接看最多人認可的那一個。

2. 最佳解答（Accepted Answer）

發問者可以標記一個「最佳解答」，標綠勾。

讓後來看到這個問題的人，可以直接知道「作者覺得哪個方法真的有用」。

3. 聲望系統（Reputation）

每次你的問題或回答被 upvote，就會得到聲望點數。

這個分數跟著你一輩子，是很多工程師的隱形履歷。有些公司面試甚至會看你的 SO profile。

4. 編輯權限（Wiki-style）

聲望高的人可以編輯別人的問題和答案，修正錯字、補充更清楚的說明。

讓整個平台像維基百科一樣越用品質越好。

5. 問題品質要求很高

「已經有人問過」、「問題太模糊」、「沒附 code」——會被關閉。

這個做法很有爭議（後面會講），但也確實維持了平台的答案品質。

Stack Overflow 的「鄉民文化」

在 SO 混久了會發現，這個社群有自己的個性。

溫暖的一面：

答題者通常很熱心，連語法細節都解釋得很詳細
有時候會有人直接幫你 debug 整段 code
熱門問題下面常常會有補充、更新、不同版本的解法

嚴格的一面：

新手問問題，常會被嗆「這個明明就 Google 得到」
沒有附 MCVE（Minimal, Complete, Verifiable Example）會被關閉
問「XX 語言適合初學者嗎？」這種問題會被投 off-topic

這種嚴格，讓 SO 變成一個「答案品質很高，但對新手不友善」的地方。

很多人對這件事又愛又恨。

怎麼用最順？

給剛開始接觸 SO 的人一些建議：

搜尋，不要發問

90% 的問題都已經有人問過了。

發問前，用錯誤訊息或關鍵字去 Google 搜尋（SO 的 SEO 超強，幾乎都會是前幾筆結果）。

要發問，請寫完整

一個好的問題包含：

你在做什麼（context）
你預期會發生什麼（expected）
實際發生了什麼（actual，包含完整錯誤訊息）
你已經試過什麼（what I tried）
最小可重現範例（minimal reproducible example）

寫得清楚，答案會很快出現；寫得模糊，問題會被關掉。

看答案要看日期

SO 上很多答案是 2010 年的。

技術變化很快，一個 10 年前的解法可能早就過時（例如 jQuery、舊版 React class component）。

先看日期，再看內容。

答案區往下滑

最高票答案不一定是最好的。

有時候下面會有「2023 年更新：現在已經不用這樣做了，應該用 XXX」。

AI 時代的 Stack Overflow

ChatGPT 出現後，SO 的流量確實掉了。

畢竟要問一個 bug，問 AI 直接得到答案，比在 SO 翻十個回答還快。

但這不代表 SO 沒用了，只是角色變了：

SO 現在更像是「答案來源的真相」

ChatGPT 的訓練資料裡面，有大量 SO 的問答。

當 AI 的答案你不確定對不對，回去 SO 查原始討論串，看人類工程師怎麼吵出那個結論——這件事的價值反而更高了。

冷門問題還是要靠 SO

AI 對主流框架（React、Python）答得很好。

但遇到冷門工具、特定版本 bug、某個 library 的邊角情境，AI 常常亂編，SO 上的真實討論還是比較可靠。

SO 自己也在轉型

Stack Overflow 後來推出了：

OverflowAI — 把社群答案包裝成 AI 助手
Teams 版本 — 企業內部用的私有 Q&A 平台
授權資料給 OpenAI — 讓 AI 訓練時能用他們的資料（也有分潤）

有人覺得 SO 走下坡，但它仍然是人類工程師集體智慧最大的一個資料庫。

小結

Stack Overflow 對工程師的意義，不只是一個找答案的網站。

它建立了一套**「問答應該長怎樣」的標準**——有結構、有品質、有社群監督。

即使 AI 的時代來了，很多 AI 答案的源頭還是 SO。

下次你搜尋 bug 點進 SO，記得：

幫有用的答案按個讚
看到新手問題不要嗆
如果你解決了一個冷門問題，回去寫個答案，造福未來的自己

👉 stackoverflow.com

工程師的知識能一層一層累積到今天，SO 這個平台功不可沒。

認識 Unsplash：一個改變網路圖片生態的攝影社群

Mon, 20 Apr 2026 00:20:00 +0800

上一篇介紹了怎麼用 Unsplash，這一篇想深入講一下：

這個網站到底是怎麼來的？為什麼他們願意把高品質照片全部免費釋出？

這背後的故事其實比想像中有趣。

從一個 Tumblr 部落格開始

Unsplash 不是一開始就是大公司產品，它是 2013 年一個叫 Mikael Cho 的人在 Tumblr 上開的小部落格。

當時他經營一家叫 Crew 的網站，需要一張 hero image，找了一位攝影師拍了一組照片。

拍完後，他們從中挑了一張，剩下的照片捨不得丟，就想：「不如把這些沒用到的照片也釋出來給別人用吧？」

於是開了一個 Tumblr，每 10 天發 10 張免費照片，這就是 Unsplash 的起源。

沒有商業計畫，沒有融資簡報，就是一個「反正也是放著，分享出去不是更好嗎」的小實驗。

為什麼會紅？

那個年代，「免費圖庫」通常等於：

畫質糟糕的像素圖
90 年代商務人士假笑握手的尷尬照
上面還打著浮水印，要你付費才能用

然後 Unsplash 出現了。

高畫質、有氛圍、免費、可商用、不用標示來源。

對當時的部落客、獨立開發者、新創團隊來說，這簡直是救命稻草。

用的人越來越多，攝影師看到自己的作品被全世界用在各種地方，反而願意貢獻更多作品。

形成一個正向循環。

他們怎麼賺錢？

這是很多人問的問題：全部免費，那 Unsplash 靠什麼活？

幾個主要的商業模式：

1. Unsplash+（訂閱制進階方案）

2022 年推出，提供更多「只給訂閱者使用的」獨家照片，也給商業用戶更強的法律保障（真正有模特兒授權、場地授權的那種）。

2. 品牌贊助拍攝

企業會付錢請 Unsplash 發起主題攝影專案，例如「請攝影師拍一組關於遠距工作的照片」。

攝影作品進到 Unsplash 圖庫後，企業的 logo 或連結會出現在相關搜尋結果旁邊。

這叫 Sponsored Photoshoots，對企業來說是一種品牌曝光，對攝影師來說是有錢拿的委託案。

3. API 授權

第三方工具（Figma、Canva、Notion、WordPress 外掛等）想整合 Unsplash 的圖片，要付費取得 API 授權。

2021 年被 Getty Images 收購

這件事在攝影圈引起很大討論。

Getty Images 是全世界最大的付費圖庫公司之一，收購 Unsplash 後很多人擔心：「會不會從此要收費了？」

但到目前為止，Unsplash 的免費服務還是維持著。Getty 的策略看起來是「用 Unsplash 作為免費入口，高階客戶再導到 Getty」。

雖然有這個變化，對一般使用者來說幾乎沒有影響。

Unsplash License：最寬鬆的授權之一

Unsplash 自己定了一套授權條款，叫做 Unsplash License，不是 Creative Commons 的任何一種。

重點可以濃縮成一句話：

「你幾乎可以自由使用，除了不要把 Unsplash 的照片重新打包成付費圖庫販售。」

詳細一點：

可以做：

免費下載使用
商業用途（產品、廣告、印刷品）
修改、加工、合成
不用標示攝影師或 Unsplash

不可以做：

把照片重新包裝成付費圖庫或「類 Unsplash」服務
用來做會讓人誤會照片中人物代言你產品的內容
用來做詆毀、傷害他人的內容

完整條款：unsplash.com/license

攝影師為什麼願意貢獻？

一個常見的疑問：免費把好照片給別人用，攝影師有什麼好處？

訪談過很多 Unsplash 攝影師後，大致有幾個動機：

曝光機會 — 自己的作品被幾百萬人看到、用在世界各地的產品上
投資自己 — 有些攝影師把它當作作品集，接案時可以說「這張被 XXX 公司用過」
單純分享 — 就是喜歡攝影，喜歡自己的作品能被使用
Unsplash+ 收益 — 貢獻進階照片的攝影師可以分潤

對攝影師來說，這不是「免費工作」，而是一種曝光 vs 收入的策略選擇。

Unsplash 帶來的影響

這幾年下來，Unsplash 改變了幾件事：

1. 讓小團隊也能有好看的產品

以前只有大公司買得起 Getty 的圖，現在一個獨立開發者做 side project 也能用到專業級照片。

降低了「做出好看產品」的門檻。

2. 改變了免費圖庫的品質標準

Unsplash 紅了以後，Pexels、Pixabay 這些平台的品質也被迫提升，整個免費圖庫生態都往上走。

3. 成為「視覺語言」的一部分

有沒有一種感覺：走到哪裡都看到同樣幾張 Unsplash 熱門照片？

這有好有壞——方便，但也讓很多網站長得很像。

小結

Unsplash 不只是「一個免費圖庫網站」。

它是一個關於分享、開放授權、創作者生態的實驗，而且這個實驗成功了。

下次你在某個網站看到一張漂亮的 hero image，可以點右鍵搜圖看看——有很大機率來自 Unsplash。

👉 unsplash.com

用的時候，也別忘了偶爾點個愛心給攝影師。

找免費圖片不用再怕版權：Unsplash 是前端工程師最好的朋友

Mon, 20 Apr 2026 00:10:00 +0800

做 side project 的時候，有一個地方很容易卡住：

圖片要從哪裡來？

自己拍？沒那個美學和器材。

隨便去 Google 圖片抓？小心被版權找上門。

買付費圖庫？一張動輒好幾百塊，side project 根本不划算。

這個問題困擾我很久，直到我認真開始用 Unsplash。

Unsplash 是什麼？

一個完全免費的高品質圖片網站。

特色：

免費下載 — 不用付錢、不用訂閱
可以商用 — 做產品、做網站、印刷品都可以
不用標示來源（但標了攝影師會很開心）
畫質超高 — 隨便一張都是幾千像素寬
量大 — 幾百萬張照片，幾乎什麼主題都找得到

簡單說，就是一群專業攝影師把自己的作品無償釋出來給大家用。

怎麼用？

1. 直接到 unsplash.com 搜尋

輸入關鍵字，例如 coffee、mountain、code，結果會出來一堆高品質照片。

2. 下載你喜歡的圖

點進去之後，右上角有「Download free」按鈕，可以選不同尺寸。

3. 透過網址直接嵌入（進階）

Unsplash 有一個很讚的功能：每張圖都有穩定的 CDN 網址。

你不一定要把圖下載下來再上傳到自己的伺服器，可以直接 hotlink：

1

<img src="https://images.unsplash.com/photo-1526374965328-7f61d4dc18c5?w=1200&q=80" />

網址後面可以加參數控制：

w=1200 — 寬度 1200px
q=80 — 壓縮品質 80%
fit=crop — 裁切模式
auto=format — 自動選擇最佳格式（WebP 之類）

這個部落格大部分的封面圖，就是直接用 Unsplash 的 CDN 網址。

前端工程師怎麼用最順？

情境 1：部落格封面圖

每篇文章都要一張封面？去 Unsplash 找，貼 URL，搞定。

情境 2：Landing page 英雄區

需要一張有氛圍的 hero image？Unsplash 的攝影作品比很多付費圖庫還有質感。

情境 3：Mockup 假資料

做 demo 時要放使用者頭像、產品圖？Unsplash 有 Unsplash Source API：

1
2


<!-- 隨機一張分類為 nature 的圖 -->
<img src="https://source.unsplash.com/800x600/?nature" />

每次重新整理都會換一張，做 mockup 很方便。

情境 4：直接整合進設計工具

Figma、Canva、Notion 都有 Unsplash 外掛，不用離開工具就能插圖。

使用前要注意的事

雖然 Unsplash 非常寬鬆，但還是有一些不能做的事情：

不能把 Unsplash 的圖原封不動重新打包成圖庫販售
不能用來做明顯詆毀照片中人物的內容
不能用來暗示照片中的人物代言你的產品（除非你有模特兒授權）

講白一點：只要你是把圖拿來用在自己的作品裡，基本上都 OK。

完整條款在這裡：Unsplash License

其他類似的網站

如果在 Unsplash 找不到你要的風格，可以試試這幾個：

網站	特色
Unsplash	攝影感強，氛圍照最多
Pexels	同時有照片和影片
Pixabay	照片、插畫、向量、音樂都有
Burst	Shopify 出的，電商產品圖多

我自己是以 Unsplash 為主，Pexels 當備援。

小結

Unsplash 解決了獨立開發者和小團隊最煩的問題之一：找圖不用再怕版權。

如果你還在 Google 圖片右鍵存檔，或是怕被告不敢放圖，趕快換個習慣：

👉 unsplash.com

把時間花在寫 code、做產品，不是花在煩惱圖片授權。

分享檔案不用再塞 Google Drive：storage.to 這個免費上傳空間太香了

Mon, 20 Apr 2026 00:00:00 +0800

有時候你只是想把一個檔案「快速」傳給別人。

不是要長期保存，不是要共編，就是一次性分享而已。

以前我都丟 Google Drive，但每次都要：

開瀏覽器、登入 Google
上傳檔案
右鍵 → 分享 → 改成「知道連結的人」
複製連結貼給對方

四個步驟，而且檔案還會一直佔用我的 Drive 空間。

直到我發現了 storage.to，整個流程變成：丟檔案 → 複製連結 → 貼給對方。就這樣。

storage.to 是什麼？

一個免註冊、免登入的免費檔案分享服務。

主打幾個特色：

單檔最大 25GB — 不是打錯，真的是 25GB
不用註冊帳號 — 打開網站、拖曳檔案、拿連結
TLS + AES-256 加密 — 傳輸和儲存都有加密
可以設密碼 — 只讓知道密碼的人下載
可以設過期時間 — 1 天到 7 天，時間到自動消失
不壓縮檔案 — 原檔上傳、原檔下載

對一次性分享的情境來說，這就是我要的東西。

怎麼用？

三步驟：

1. 打開 storage.to

首頁就是上傳介面，沒有亂七八糟的廣告或引導註冊的彈窗。

2. 拖曳檔案進去

可以直接拖拉，也可以點擊選檔案。

3. 拿連結

上傳完成後，網站會產生一個分享連結，複製貼給對方就好。

要設密碼或過期時間，上傳前可以先勾選選項。

跟其他服務比起來呢？

我列一下常用的幾個，大家可以自己挑：

服務	免費單檔上限	需要註冊	保存期限
storage.to	25GB	否	1–7 天可設定
Google Drive	15GB（總空間）	是	永久（佔空間）
WeTransfer	2GB	否	7 天
Dropbox Transfer	100MB	是	7 天
file.io	2GB	否	下載一次就刪

如果是一次性、大檔案、不想註冊的情境，storage.to 幾乎是目前最好的選擇。

什麼情境適合用？

我自己用在這些場景：

傳給客戶一份設計稿或影片素材
丟一包壓縮過的專案原始碼給朋友看
把錄的螢幕操作影片（有時候幾 GB）給同事
臨時要分享一些素材，但不想丟 LINE 被壓縮

反過來，不適合的情境：

需要長期保存的重要檔案 → 用 Google Drive 或 Dropbox
需要多人共編的文件 → 用 Google Docs 或 Notion
公司機密資料 → 請用公司規定的管道，不要用免費服務

安全性呢？

官方說明傳輸和儲存都有加密（TLS + AES-256）。

但說實話，沒有任何免費服務能 100% 保證你的檔案不會外洩。

所以我自己的原則是：

重要或敏感檔案，上傳前先加密壓縮（7-Zip 可以設密碼）
把解壓密碼用另一個通訊管道給對方（例如連結用 Email、密碼用 LINE）
設定過期時間，不要讓連結永久存在

這樣就算連結外流，對方也解不開。

小結

網路上免費的檔案分享服務不少，但 storage.to 的組合——免註冊、25GB、有密碼、有過期——在我用過的裡面算是最舒服的。

如果你也常常需要臨時傳大檔案，可以試試看：

👉 storage.to

不是業配，純分享。

我的 Obsidian 知識庫長什麼樣？前端工程師的筆記系統建立方法

Sun, 19 Apr 2026 00:00:00 +0800

工程師最怕的一件事，不是學不會，是學了又忘。

看了一篇很棒的文章，當下覺得懂了，過三天回來看自己的 code 又像在看別人寫的。

這個問題困擾我很久。

直到我開始認真用 Obsidian，才覺得知識開始真正累積起來。

為什麼選 Obsidian？

市面上的筆記工具不少：Notion、Evernote、Logseq……

我試過不少，最後回到 Obsidian，原因很簡單：

本地純文字（Markdown） — 資料永遠在自己電腦上，不依賴任何雲端服務
雙向連結 — 可以把不同主題的筆記串聯起來，像大腦一樣形成網狀結構
完全客製化 — 外掛生態系非常豐富，可以打造符合自己習慣的系統
速度快 — 不像 Notion 有時候載入要等，Obsidian 本地執行幾乎零延遲

知識庫的架構

我的 Obsidian Vault 公開放在 GitHub 上：

👉 EricChung24/Obsidian-vault

整個 Vault 以前端工程師的知識地圖為核心，目前分成 12 個資料夾：

資料夾	主題
`01-基礎技術`	HTML、CSS、JavaScript 核心觀念
`02-框架與函式庫`	React、Vue、Angular 等框架
`03-狀態管理`	Redux、Zustand、Pinia 等
`04-樣式解決方案`	Tailwind、CSS Modules、styled-components
`05-建置工具`	Vite、Webpack、Rollup
`06-測試`	Jest、Vitest、Cypress、Testing Library
`07-效能優化`	Lazy loading、Bundle size、Core Web Vitals
`08-瀏覽器與 Web APIs`	DOM、事件迴圈、Fetch、Web Storage
`09-設計模式`	常見 Design Patterns 在前端的應用
`10-無障礙與資安`	a11y、CSRF、XSS 防護
`11-DevOps 與部署`	CI/CD、Docker、Vercel、GitHub Actions
`12-面試準備`	常見面試題整理與解題思路

目前的進度快照

這是現在 Vault 的大致狀態。

每個資料夾下面都在持續補充中，不是一次性整理好的，而是隨著學習推進慢慢長出來的。

我怎麼記筆記？

有一個關鍵觀念讓我的筆記系統變得更有用：

不要只抄原文，要用自己的話重新解釋一遍。

這個方法叫做費曼技巧（Feynman Technique）。

做法很簡單：看完一個知識點，把書或文章闔上，嘗試用自己的話解釋給一個完全不懂的人聽。

如果解釋不出來，代表你還沒真正理解，回去重看。

所以我的筆記長這樣：

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13


## 什麼是閉包（Closure）？

函式記住了它被建立時的作用域，即使執行時已經離開了那個作用域。

### 用一句話說

「帶著背包的函式，背包裡裝著它出生時能看到的變數。」

### 常見應用

- 工廠函式
- 計數器
- setTimeout 裡面的變數保留

重點是：有自己的比喻、有自己的例子，不是複製貼上文件。

雙向連結怎麼用？

Obsidian 最強的功能之一是 [[雙向連結]]。

舉例：我在筆記「React useEffect」裡面提到了閉包（stale closure），我就會加一個 [[閉包（Closure）]] 的連結。

久了之後，Obsidian 的 Graph View 會畫出一張像這樣的網狀圖，讓你看到各個主題之間的關係。

這不只是整理筆記，而是讓你的理解可視化。

這個系統對我的改變

用 Obsidian 認真整理知識庫大概三到四個月了，有幾個明顯的變化：

學新東西更快 — 因為舊的基礎筆記都在，不用每次從頭回想
面試準備更有系統 — 12-面試準備 那個資料夾，讓準備面試從「不知道從哪開始」變成有清單可以對照
記憶變得更深 — 動手整理一遍，比看十遍文章更有用

最重要的是：我終於有一個地方，可以放心把學到的東西存起來，知道以後找得回來。

如果你也想建立自己的知識庫

幾個建議：

不要等架構完整才開始 — 先隨手記，架構之後再整理
不要只複製貼上 — 用自己的話寫，哪怕寫得不好
不要追求完整 — 知識庫是長出來的，不是一口氣建起來的
定期複習 — 配合 Spaced Repetition（間隔重複），Obsidian 有對應的外掛

我的 Vault 是公開的，如果你也是前端工程師，歡迎參考或 fork 來用：

👉 github.com/EricChung24/Obsidian-vault

知識管理這件事，沒有標準答案。

重要的是找到一個你願意持續用下去的系統。

Obsidian 對我來說就是這個系統。

工具與工作流 on EricChung的程式勇者村

OpenAI 最新圖片生成功能整理：現在不只是生圖，還能改圖、修字、做透明背景

先講結論：現在 OpenAI 的圖片功能強在哪？

如果你只記得 DALL·E 3，現在要更新一下印象

不是只會「畫圖」，而是會「照你的要求修改」

為什麼大家會特別在意「文字能不能畫對」？

它現在比較像 Photoshop + AI，不只是 Midjourney 式的靈感機器

開發者視角：現在可以怎麼接進產品？

1. Image API

2. Responses API + image_generation tool

具體可控制哪些東西？

一般人現在最適合怎麼用？

1. 做社群圖

2. 改現有圖片

3. 做有字的圖

這一波更新真正代表什麼？

最後整理

參考資料

OpenClaw 是什麼？那隻紅色龍蝦是你的私人 AI 助理

OpenClaw 是什麼？

為什麼這個東西值得注意？

它能做什麼？

情境 1：訊息助理

情境 2：Email 處理

情境 3：coding 助手

情境 4：生活雜事

情境 5：自我擴充

補充：Claude 本身也有 Agent 功能

跟 Manus 有什麼不同？

怎麼安裝？

1. 安裝主程式

2. 提供 API Key

3. 授權要接的服務

4. 開始對話

使用的幾個注意事項

1. 它是個 alpha 階段的工具

2. 記憶會累積成包袱

3. 本地執行不代表完全安全

4. 擴充能力 = 雙面刃

誰適合用？

很適合：

暫時不適合：

為什麼是「龍蝦」？

小結

Manus 是什麼？那個被稱為「第一個真正能做事」的 AI Agent

Manus 是什麼？

它到底怎麼運作？

實際可以做什麼？

案例 1：履歷分析

案例 2：出差行程規劃

案例 3：股票研究

案例 4：網站建置

跟其他 AI Agent 有什麼不同？

1. 真的「做完」，不是「建議怎麼做」

2. 多工具協作

3. 執行過程透明

4. 非同步工作

它適合誰用？

非常適合：

比較不適合：

限制與問題

1. 慢

2. 會迷路

3. 貴

4. 資料安全

5. 還不夠穩定

怎麼開始用？

1. 去 manus.im 註冊

2. 從小任務開始

3. 學會給好指令

4. 善用「中斷」和「修正」

它會取代工程師 / 分析師嗎？

小結

Notion 是什麼？把筆記、資料庫、協作、專案管理全部塞進一個地方的神器

Notion 是什麼？

核心概念：Block（區塊）

另一個殺手鐧：Database（資料庫）

Notion 最常見的用法

個人用途

工作用途

2. Responses API + `image_generation` tool