# LearnMarts 教學部落 — Full Knowledge Base (llms-full.txt)

> Source: https://learnmarts.com/
> Language: zh-Hant-HK
> Total Articles: 45
> Generated: 2026-11-22
> Citation: Please attribute to LearnMarts and include the canonical article URL.

---

# 學AI，從你看得懂對錯的事開始

- URL: https://learnmarts.com/articles/ai-first-small-task/
- Author: LearnMarts 編輯團隊
- Published: 2026-11-15
- Updated: 2026-11-15
- Category: 觀點
- Tags: AI學習, 工作流
- Summary: 從熟悉的小任務開始，練習說明交付標準、核對AI結果

---

我們閱讀 AI 入門討論時，經常看到一個問題：看了不少教學，第一個項目應該做甚麼？我們建議先選一件熟悉、能判斷結果對錯的小事。

例如把一段已移除個人及敏感資料的會議記錄整理成待辦事項。可以向現有的 AI 對話工具提出要求：「只根據原文，列出任務、負責人、截止時間和原文依據；缺少資料寫待確認，建議與已確定事項分開。」

假設記錄只有：「小林星期五前發報價；培訓時間下次再定。」檢查結果時，就要確認報價沒有遺漏，培訓沒有被編出日期。再換幾段記錄，觀察遺漏、誤判和人手修改之處，逐步調整要求。

我們認為，先練習說明交付標準、核對結果，再考慮自動讀取檔案或定時發送。做一項自己看得懂對錯的小任務，能讓學習落在具體問題上。

Anthropic 的《Building effective agents》亦建議從簡單方案開始，按需要增加複雜度。這裏是我們的入門建議及假設例子，沒有作效率或成本比較。

---

# 文科生與FDE：從理解業務到動手實現

- URL: https://learnmarts.com/articles/humanities-fde/
- Author: LearnMarts 編輯團隊
- Published: 2026-11-11
- Updated: 2026-11-11
- Category: 觀點
- Tags: AI學習, FDE
- Summary: 讀一份FDE招聘，思考文科訓練如何成為AI學習的起點

---

我們閱讀 Anthropic 的 FDE 招聘資料時，留意到它把理解客戶工作流程、溝通和工程能力列在同一份要求裏。FDE（Forward Deployed Engineer）需要與客戶合作，把技術應用於實際業務。

這讓我們想到，過去做過的訪問、策劃或用戶研究，可以成為學習 AI 應用的起點。例如客戶想做 AI 客服，我們會先了解：大家反覆問甚麼，答案存放在哪裏，哪些情況需要交由人手處理。問題夠具體，才容易確定要做甚麼。

接着可以選一項熟悉的小任務，寫清輸入資料、處理過程和交付成果，用 AI 輔助製作原型，讓實際使用者試用，再按意見修改。先讓作品解決一個小問題。

這個巴黎職位要求8年以上相關經驗，也要求 Python 及應用程式交付能力。理解業務值得累積，技術實現同樣需要學習。我們會先以一件可用、能解釋清楚的小作品作為目標。

來源：[Anthropic 的 FDE 招聘（巴黎職位）](https://job-boards.greenhouse.io/anthropic/jobs/5391021008)，2026年11月11日查閱。客服為說明工作方法的假設情境。

---

# Codex CLI 關閉後，怎樣繼續上次對話

- URL: https://learnmarts.com/articles/codex-resume/
- Author: LearnMarts 編輯團隊
- Published: 2026-11-08
- Updated: 2026-11-08
- Category: 教學
- Tags: AI Coding, Codex
- Summary: 從專案資料夾找回已儲存的互動對話，核對後繼續工作

---

我們整理了 Codex CLI 繼續舊對話的入口。準備：已安裝並登入 CLI，同一部電腦已有儲存的互動式對話。

1. 在原專案資料夾開啟終端機，執行：

```sh
codex resume
```

2. 在清單核對時間、任務內容，選取要繼續的對話。若只繼續目前資料夾最近一次互動對話，可改用：

```sh
codex resume --last
```

3. 找不到時執行 `codex resume --all`，跨資料夾尋找；選取後確認實際工作目錄。
4. 恢復後輸入：「概括上次進度，檢查目前檔案，先不要修改。」核對後再繼續工作。

`--all` 擴大資料夾範圍，不會找回已刪除的記錄。本文不處理更換帳戶或供應商後的恢復故障。

2026-11-08，我們核對了 Windows CLI 0.167.0 的說明與[官方指令文件](https://learn.chatgpt.com/docs/developer-commands#codex-resume)，未實測恢復舊對話。本文含 AI 輔助。

---

# AI 寫好的靜態網頁，怎樣發佈成別人能開啟的網址

- URL: https://learnmarts.com/articles/codex-website-publish/
- Author: LearnMarts 編輯團隊
- Published: 2026-11-02
- Updated: 2026-11-02
- Category: 教學
- Tags: AI Coding, Codex
- Summary: 用 Wrangler CLI 兩行指令將 AI 產出的純 HTML/CSS/JS 靜態網頁直接部署至 Cloudflare Pages，並完成上線與更新核驗。

---

我們以既有 Cloudflare Pages 專案驗證了上傳及更新。以下適用於純 HTML/CSS/JS 網頁；先安裝 Node.js、註冊 Cloudflare。

1. 把 `index.html`、圖片及樣式放進 `demo` 資料夾，在上一層資料夾開啟終端機。
2. 依次執行：

```sh
npx wrangler login
npx wrangler pages deploy demo --branch main
```

首次按提示設定專案名稱、主要分支。開啟傳回的 `pages.dev` 網址，檢查圖片及連結。日後修改檔案，再部署至同一專案。

本次沒有重測註冊及登入；[實際示例](/demos/ai-web-publish/)的 v1、v2 均已獨立請求核驗。[官方流程](https://developers.cloudflare.com/pages/get-started/direct-upload/)。2026-11-02 複查，示例及文章含 AI 輔助。

---

# Codex Skills 安裝後怎樣用：以 PDF 技能完成首次任務

- URL: https://learnmarts.com/articles/codex-skills-first-task/
- Author: LearnMarts 編輯團隊
- Published: 2026-11-02
- Updated: 2026-11-02
- Category: 教學
- Tags: AI Coding, Codex
- Summary: 以官方 PDF 技能示範 Codex CLI / IDE 安裝 Skills、觸發呼叫到產出並核對成品的完整三步驟流程。

---

我們以官方 PDF 技能走了一遍安裝至產出的流程，適用於 Codex CLI / IDE。

1. 在對話輸入：`$skill-installer 安裝 openai/skills 的 pdf 技能`。
2. 輸入 `$` 選擇 pdf；找不到時重新啟動 Codex。
3. 提供文字並輸入：`$pdf 把這份文字排成一頁 PDF，產生後檢查文字及排版`。

毋須每則訊息都帶技能名稱；需要明確指定時才帶。本次實際安裝於獨立專案的 `.agents/skills`，按技能流程產生並檢查了[示例 PDF](/downloads/ai-coding/codex-skills-first-task/checklist.pdf)，沒有另測新 CLI 工作階段的自動發現。

[官方安裝及使用說明](https://learn.chatgpt.com/docs/build-skills)。相依套件按安裝後提示處理；2026-11-02 複查，示例及文章含 AI 輔助。

---

# 我們如何先列出一批匯入資料的問題

- URL: https://learnmarts.com/articles/codex-batch-errors/
- Author: LearnMarts 編輯團隊
- Published: 2026-11-02
- Updated: 2026-11-02
- Category: 教學
- Tags: AI Coding, Codex, Python
- Summary: 以唯讀 JSON 檢查器一次收集約定規則內的問題，附教學輸入、實際輸出、程式碼及八項驗收。

---

我們在整理 JSON 匯入教學例子時，留意到原有的檢查邏輯遇到第一處錯誤就會停止。這樣容易定位當前問題，但如果同一批資料有多處錯誤，便要修改後再次執行，才能看到後面的問題。

這次我們試了另一個做法：先建立唯讀檢查器，把它認識的批次內問題一起列出。它不負責匯入，也不修改資料；真正寫入前，仍需要另外檢查及確認。

## 我們用甚麼資料測試

以下是自建教學資料，並非真實庫存：

```json
[
  {"sku": "A-001", "stock": 0},
  {"sku": "A-002", "stock": -1},
  {"sku": "A-003", "stock": ""},
  {"sku": "A-002", "stock": 3},
  {"sku": "A-004", "stock": true}
]
```

我們為樣例訂下的規則是：編號必須是非空、首尾沒有空白的字串；同一批次內，有效編號不能重複。庫存必須是非負整數，`0` 是有效值，布林值不算有效庫存。

檢查器列出 4 處問題：第 2 條庫存為負、第 3 條庫存為空、第 4 條編號重複、第 5 條庫存類型不正確。第 1 條庫存為 `0`，沒有被當成漏填。序號從 1 開始，指 JSON 陣列中的記錄，並非檔案的實際行號。

## 我們交代給 Codex 的要求

我們把想保留的行為及不應執行的操作一併寫清楚：

```text
讀取自建 JSON 陣列，逐條收集約定規則內的問題。
每個問題包含記錄序號、欄位和錯誤代碼。
庫存 0 有效，布林值不能當作庫存整數。
只比較本批次有效編號，不查詢外部庫存。
檢查器不匯入、不修改輸入、不自動修復。
測試多處錯誤、無效頂層結構及輸入檔案沒有被修改。
```

這些規則由我們為教學例子訂立，不代表適用於其他項目。「同批重複」沒有與現有庫存對照；用於業務前，應先按實際資料補充規則。

## 如何重現

[下載檢查器、三份教學輸入、實際輸出及驗收測試](/downloads/ai-coding/codex-batch-errors/batch-check-demo.zip)

需要 Python 3.10 或以上，無第三方相依套件。解壓到新資料夾後，在該資料夾開啟 PowerShell 執行：

```powershell
python -B test_check_batch.py
python -B check_batch.py fixtures/mixed.json
$LASTEXITCODE
python -B check_batch.py fixtures/valid.json
$LASTEXITCODE
python -B check_batch.py fixtures/not-array.json
$LASTEXITCODE
```

混合錯誤樣例退出 `1`，有效樣例退出 `0`，頂層不是陣列退出 `2`。`1` 表示發現檢查問題；`2` 表示輸入無法讀取、JSON 無法解析或頂層結構不符合要求。檢查通過也只代表符合本例規則，不能據此保證真實業務可安全寫入。

## 我們實際驗證了甚麼

2026 年 11 月 1 日，我們在 Windows 本地執行了 8 項驗收及上述 3 個教學場景；輸入樣例與程式碼在執行前後的雜湊值一致。程式碼由 Codex 輔助完成；教學檢查器不呼叫 API，也沒有檢查真實庫存、外部編號、任意格式、併發或效能。

我們把 JSON 解析與應用規則分開理解：能解析為 JSON，不代表符合匯入要求。參考 [Python json 文件](https://docs.python.org/3.13/library/json.html)及 [unittest 文件](https://docs.python.org/3.13/library/unittest.html)。

官方 [Codex 提示指南](https://learn.chatgpt.com/docs/prompting#prompting-codex)建議交代期望行為、相關背景、限制及驗證方式。上述檢查規則由我們為樣例訂立，並非 Codex 的官方檢查格式。

2026 年 11 月 2 日，網站下載包經獨立解壓，再執行 8 項驗收及 3 個指令場景；全部得到預期結果，輸入與程式碼的雜湊值未變。官方資料於同日複查。教學程式碼與文章含 AI 輔助；下載包的說明已整理為香港繁體中文，技術識別字保留原樣。

[查看 AI Coding 系列全部文章](/tags/ai-coding/)

---

# 用 Codex 改善匯入錯誤：位置、原因及下一步

- URL: https://learnmarts.com/articles/codex-error-next-step/
- Author: LearnMarts 編輯團隊
- Published: 2026-11-01
- Updated: 2026-11-01
- Category: 教學
- Tags: AI Coding, Codex, Python
- Summary: 用唯讀說明器整理自建匯入樣例的失敗輸出，保留原始代碼，並區分錯誤解釋與業務檔案狀態。

---

匯入失敗後，程式只留下一個錯誤代碼。知道失敗了，卻不知道要檢查哪一條記錄，也不知道能否直接重試。

接着[預覽過期檢查](/articles/codex-stale-preview-guard/)的自建 JSON 庫存教學項目，這次為失敗結果加入一個**唯讀說明器**。它讀取失敗輸出，保留原始代碼，並為約定格式內的錯誤補充位置、原因及下一步；它本身不執行匯入、不修改輸入，也不自動重試。

## 從錯誤代碼到下一步

教學匯入程式可能返回：

```json
{"ok": false, "action": "preview", "error": "batch[2].stock:invalid_range"}
```

說明器保留 `error_code`，並將已知格式整理為：匯入批次的第 2 條記錄、`stock` 欄位，原因是庫存值小於零；先核對該記錄，修改後重新檢查並產生新預覽。這個數字是 JSON 陣列中的記錄序號，從 1 開始，**不是檔案的實際行號**。

如果原檔案或批次在預覽後有變化，說明器提示核對目前輸入，再用新計劃名稱重新預覽，不執行舊計劃。遇到不認識的代碼，它保留原文、將 `recognized` 標為 `false`，不猜位置或編造修復方法。

這些錯誤識別字和解釋規則是本項目自訂的教學格式，不是 Codex 或 API 的通用錯誤規範。`re.fullmatch` 在這裏用來比對整個約定格式；比對失敗時不能直接讀取分組。[Python 文件：re.fullmatch](https://docs.python.org/3.13/library/re.html#re.fullmatch)

## 交給 Codex 的任務

```text
為自建 JSON 匯入教學項目增加唯讀錯誤說明器。
保留原始錯誤代碼；為已知格式補充來源、記錄序號、欄位、原因及下一步。
記錄序號不是檔案行號。未知格式保留原文，不猜位置或自動修復。
說明器不執行匯入、不修改輸入、不自動重試；不要據此斷言業務檔案狀態。
測試已知錯誤、未知及部分比對的格式，並核對輸入檔案有否被說明器改動。
```

這是一份可按項目調整的任務，並非功能保證。官方 [Codex 提示指南](https://learn.chatgpt.com/docs/prompting#prompting-codex)亦建議交代期望行為、相關背景、限制及驗證方式。

## 下載後自行檢查

[下載說明器、四份輸入樣例及驗收測試](/downloads/ai-coding/codex-error-next-step/error-explainer-demo.zip)

解壓到新資料夾，在 PowerShell 中執行：

```powershell
python -B test_report_errors.py
python -B report_errors.py examples/invalid-stock.json
$LASTEXITCODE
python -B report_errors.py examples/changed-store.json
python -B report_errors.py examples/changed-batch.json
python -B report_errors.py examples/unknown-synthetic.json
```

第一份應定位到 `batch` 的第 2 條記錄和 `stock` 欄位；未知錯誤應保留原始代碼且沒有位置。前三份輸入來自教學匯入程式的實際失敗輸出，第四份未知錯誤是人手構造的驗收夾具。下載包含教學匯入程式及樣例；要執行其提交指令時，只可使用明確可替換的測試副本。

說明器退出 `0` 只代表**說明產生成功**，不代表原匯入成功；輸入不是有效失敗物件、缺少錯誤代碼或無法讀取時，說明器退出 `2`。它沒有檢查業務檔案，檔案有否變化仍須獨立核實。JSON 解析及測試斷言分別參考 [Python json](https://docs.python.org/3.13/library/json.html) 與 [unittest](https://docs.python.org/3.13/library/unittest.html)。

## 本次驗證與範圍

2026 年 10 月 29 日，在 Windows / Python 3.13.5 完成 8 項驗收，並整理 3 份教學程式實際失敗輸出及 1 份人手構造的未知錯誤；四次整理前後，輸入結果和場景檔案均未被說明器修改。2026 年 11 月 1 日再次執行 8 項驗收；下載包的繁體版本也在解壓後另行驗證。官方資料亦於當日複查。

本例只涵蓋約定格式，沒有驗證真實庫存、任意錯誤、自動修復、效能、費用或併發安全，腳本沒有呼叫 API。教學程式碼與文章含 AI 輔助。下載包的顯示文字及說明已整理為香港繁體中文；錯誤識別字、欄位名稱及指令保留原樣。

[查看 AI Coding 系列全部文章](/tags/ai-coding/)

---

# 用 Codex 做匯入預覽：檔案變了，就拒絕舊計劃

- URL: https://learnmarts.com/articles/codex-stale-preview-guard/
- Author: LearnMarts 編輯團隊
- Published: 2026-10-29
- Updated: 2026-10-29
- Category: 教學
- Tags: AI Coding, Codex, Python
- Summary: 預覽通過後，原檔案或匯入批次又被修改了怎麼辦？用獨立計劃、輸入指紋及提交前複查，讓舊預覽停止執行。

---

匯入預覽看起來沒問題，準備提交時，原檔案卻被另一個操作改過了。之前確認的預覽，還能直接執行嗎？

這次接着[整批檢查後再寫入檔案](/articles/codex-import-batch-validation/)的教學例子，把預覽與提交拆成兩次操作，中間多加一次輸入對照。資料仍是自建 JSON，不是真實庫存。

## 預覽時留下甚麼

程式讀取原檔案與待匯入批次，完成整批檢查，再建立一份獨立的計劃檔案，儲存兩份輸入各自的 SHA-256 指紋及計算出的預覽結果。

這裏的「預覽」會建立計劃檔案，但不修改庫存副本。計劃路徑已經存在時拒絕覆蓋；重新預覽要用一個新檔名。

SHA-256 用於計算檔案位元組的摘要。同一份內容只要空白字元或換行有變化，本例也會視為輸入變化；它沒有試圖判斷兩份 JSON 的業務含義是否相同。[Python：hashlib](https://docs.python.org/3.13/library/hashlib.html)

## 提交時再讀一次

提交指令重新讀取兩份輸入，與計劃中的指紋比較。任何一份不同，就拒絕舊計劃並保留目前的庫存檔案。

兩份輸入都相同時，程式仍會重新檢查整批、計算結果，再對照計劃裏的預覽。通過後才寫入指定測試副本；寫入前還會再次檢查庫存檔案是否與剛讀取的位元組一致。

這些檢查沒有持有檔案鎖。檢查結束到替換檔案之間仍有時間間隔，不能據此聲稱支援併發寫入。`os.replace` 的文件也不能取代針對實際檔案系統的故障及恢復測試。[Python：os.replace](https://docs.python.org/3.13/library/os.html#os.replace)

## 可以直接交給 Codex 的任務

```text
這是自建 JSON 庫存匯入教學項目，先在可替換的測試副本演練。
增加獨立的預覽計劃，記錄原檔案和匯入批次各自的指紋及預覽結果。
提交前重新讀取兩份輸入、比較指紋，並再次檢查和計算結果。
輸入或計劃中的預覽不一致就停止，保留目前的庫存檔案。
計劃檔案已存在時不覆蓋，用新檔名重新預覽。
提供原檔案變化、批次變化、輸入未變三個提交場景。
保留退出碼，寫入後重新讀取舊記錄、新記錄及庫存 0，並說明未覆蓋的範圍。
```

## 下載後先試輸入未變的情況

[下載教學程式碼、樣例及8項驗收](/downloads/ai-coding/codex-stale-preview-guard/stale-preview-demo.zip)

解壓到一個新資料夾，在 PowerShell 中執行。以下的 `test-store.json` 是明確可替換的測試副本：

```powershell
Copy-Item fixtures/store.json test-store.json
Copy-Item fixtures/good-batch.json test-batch.json
python -B test_guarded_import.py
Get-FileHash test-store.json -Algorithm SHA256
python -B guarded_import.py preview --store test-store.json --input test-batch.json --plan test-plan.json
$LASTEXITCODE
Get-FileHash test-store.json -Algorithm SHA256
```

預覽退出碼應為 `0`，兩次庫存檔案雜湊值相同。檢查計劃檔案，確認預覽是舊記錄一條、新記錄兩條後，再執行：

```powershell
Get-Content test-plan.json -Raw
python -B guarded_import.py commit --store test-store.json --input test-batch.json --plan test-plan.json
$LASTEXITCODE
Get-Content test-store.json -Raw
```

提交會替換 `test-store.json`。預期退出 `0`，重新讀取後有 3 條記錄，當中 `NEW01` 的庫存為數值 `0`。

## 再刻意讓預覽過期

用不同的副本及計劃名稱，避免覆蓋前一個場景：

```powershell
Copy-Item fixtures/store.json changed-store.json
Copy-Item fixtures/good-batch.json changed-batch.json
python -B guarded_import.py preview --store changed-store.json --input changed-batch.json --plan changed-plan.json
python -c "from pathlib import Path; p=Path('changed-store.json'); p.write_bytes(p.read_bytes()+b' ')"
Get-FileHash changed-store.json -Algorithm SHA256
python -B guarded_import.py commit --store changed-store.json --input changed-batch.json --plan changed-plan.json
$LASTEXITCODE
Get-FileHash changed-store.json -Algorithm SHA256
```

這裏只追加一個空白字元，JSON 仍能解析，但位元組已不同。預期得到 `store_changed_after_preview`，退出 `2`；提交前後兩次雜湊值相同，代表保留的是**變更後目前的檔案**，沒有用舊計劃覆蓋它。

批次變化的場景由下載包中的驗收測試覆蓋，對應錯誤為 `batch_changed_after_preview`。發現變化後，先確認目前的檔案，再用新的計劃名稱重新預覽；不要把原檔案改回舊值，只為讓檢查通過。

## 原始執行結果及適用範圍

2026 年 10 月 28 日，Windows / Python 3.13.5 實際完成 8 項驗收及 4 個指令場景：只預覽不改庫存副本；原檔案變化後拒絕提交並保留變更後的檔案；批次變化後拒絕提交且庫存不變；輸入未變時提交成功，重新讀取後有 3 條記錄並保留 `0`。兩次拒絕均退出 `2`，成功退出 `0`。程式碼與原始樣例雜湊值未變，沒有 API 呼叫。

本文於 2026 年 10 月 29 日整理並複查官方資料，沿用上述原始執行記錄。指紋不是簽署或檔案鎖；檔案變化後又恢復為相同位元組，也不會被這個對照發現。沒有驗證真實庫存、併發、磁碟故障或斷電恢復。

補充資料：[JSON 解碼及類型轉換](https://docs.python.org/3.13/library/json.html)、[unittest 斷言](https://docs.python.org/3.13/library/unittest.html)。教學程式碼與文章含 AI 輔助。

下載包的說明及註解已整理為香港繁體中文，指令、欄位名稱及錯誤識別字保留原樣。

[查看 AI Coding 系列全部文章](/tags/ai-coding/)

---

# 用 Codex 做批量匯入：先檢查整批，再寫入檔案

- URL: https://learnmarts.com/articles/codex-import-batch-validation/
- Author: LearnMarts 編輯團隊
- Published: 2026-10-28
- Updated: 2026-10-28
- Category: 教學
- Tags: AI Coding, Codex, Python
- Summary: 一批資料有一行不合格時，怎樣確認原檔案沒有被部分覆蓋？用自建 JSON 樣例演練預覽、整批檢查及寫入後複查。

---

批量匯入時，有時問題不是報錯，而是報錯之前已經寫入了一半。怎樣讓 Codex 把「原檔案沒有被部分覆蓋」也納入驗收？

這裏沿用[庫存 0 檢查的教學例子](/articles/codex-zero-stock-validation/)，用自建 JSON 檔案演練：原檔案一條記錄，待匯入兩條。它不是真實庫存或客戶事故。

## 先約定甚麼時候可以寫入

本例只追加新 SKU。原檔案和匯入批次都必須是陣列；每條記錄需要有效的 SKU 和非負整數庫存，數值 `0` 有效。批內重複或與原資料撞號時拒絕整批。這些是本例的約定，實際欄位和範圍應按業務決定。

預設指令只作唯讀預覽，明確加入 `--commit` 才替換指定檔案。程式先檢查整批，寫入時使用同一資料夾的暫存檔，再以 `os.replace` 替換目標。寫入前會再檢查一次原檔案有沒有變化，但沒有檔案鎖，不能視作併發安全保證。[Python：os.replace](https://docs.python.org/3.13/library/os.html#os.replace)

## 把驗收條件寫給 Codex

```text
這是 JSON 庫存匯入教學項目，先在可替換的測試副本演練。
只追加新 SKU，檢查根結構、每條記錄的類型及範圍、批內重複和原資料撞號。
預設唯讀預覽；明確 --commit 才寫入指定副本，整批通過後再寫。
保留輸入，不邊讀取邊覆蓋；檢查失敗後核對原檔案雜湊值不變。
合法寫入後重新讀取，核對舊記錄、新記錄和數值 0。
保留指令、退出碼、實際結果及未覆蓋範圍。
```

JSON 能解析，只代表語法可接受，不代表結構符合本例。Python 預設把 JSON 物件解成 `dict`、陣列解成 `list`，因此仍要檢查根結構。[Python：JSON 解碼](https://docs.python.org/3.13/library/json.html)

## 下載後用副本操作

[下載教學程式碼、樣例及測試](/downloads/ai-coding/codex-import-batch-validation/import-batch-demo.zip)

解壓後在項目資料夾開啟 PowerShell，先複製一份可以替換的測試檔案：

```powershell
Copy-Item fixtures/store.json test-store.json
Get-FileHash test-store.json -Algorithm SHA256
python -B test_import.py
python -B import_stock.py --store test-store.json --input fixtures/good-batch.json
$LASTEXITCODE
Get-FileHash test-store.json -Algorithm SHA256
```

預覽應回傳 `mode: dry_run`、退出碼 `0`；兩次雜湊值應相同。接着試第二條記錄庫存為負數的批次。即使加入 `--commit`，也應拒絕並保持測試副本不變：

```powershell
python -B import_stock.py --store test-store.json --input fixtures/bad-batch.json --commit
$LASTEXITCODE
Get-FileHash test-store.json -Algorithm SHA256
```

最後提交合法批次，然後重新讀取測試副本：

```powershell
python -B import_stock.py --store test-store.json --input fixtures/good-batch.json --commit
$LASTEXITCODE
Get-Content test-store.json -Raw
```

這一步會替換 `test-store.json`。結果應有原來一條及新增兩條記錄，當中 `NEW01` 的庫存仍是 `0`；不要把示範指令指向真實業務檔案。

## 原實測結果與範圍

2026 年 10 月 26 日，Windows / Python 3.13.5 的自建樣例完成 8 項測試及 4 個指令場景：唯讀預覽退出 `0`，檔案雜湊值不變；第二條負庫存和合法 JSON 但根結構是物件的兩種情況均退出 `2`，檔案不變；合法提交退出 `0`，重新讀取後有 3 條記錄並保留庫存 `0`。程式碼與原始樣例雜湊值不變。執行腳本不呼叫 API。

本文沿用原執行證據，官方文件於 2026 年 10 月 28 日複查；沒有驗證真實庫存、Excel/CSV、併發匯入、磁碟故障或斷電恢復。檔案替換成功，不能推斷這些場景也安全。[Python：unittest](https://docs.python.org/3.13/library/unittest.html)

下載包的說明及程式註解已整理為香港繁體中文，指令、欄位名稱與錯誤代碼保留原樣。

2026 年 10 月 28 日另在 Windows / Python 3.13.5 複查繁體下載版：8 項測試及上述 4 個指令場景通過；測試副本以外的程式和樣例檔案保持不變。

[查看 AI Coding 系列全部文章](/tags/ai-coding/)

---

# 庫存0為何被判漏填：用 Codex 修復校驗並複查

- URL: https://learnmarts.com/articles/codex-zero-stock-validation/
- Author: LearnMarts 編輯團隊
- Published: 2026-10-26
- Updated: 2026-10-28
- Category: 教學
- Tags: AI Coding, Codex, Python
- Summary: 庫存填了0，程式卻提示「漏填」，問題可能藏在一句 if not value 裏。Python 中0和 None 都是假值，但它們在業務上的含義並不相同。

---

庫存填了0，程式卻提示「漏填」，問題可能藏在一句 `if not value` 裏。Python 中0和 `None` 都是假值，但它們在業務上的含義並不相同。

這個例子用自建 JSON 教學樣本，故意在修前版保留錯誤判斷，再用同一套驗收檢查修復。它不是客戶事故，也不是真實庫存表。

## 先把0的含義說清楚

本例約定：

| 輸入 | 結果 |
| --- | --- |
| 整數0、正整數 | 合法庫存 |
| `null`、空字串、純空白 | 缺失 |
| 負數、小數、數字字串、布爾值 | 不接受 |

業務規則要先確定。某個商品重量不能為0，並不意味着庫存也不能為0。

## 缺失、類型和範圍分別判斷

原修後實現如下：

```python
def validate_stock(value):
    if isinstance(value, bool):
        raise ValueError('invalid_type')
    if isinstance(value, str) and not value.strip():
        raise ValueError('missing')
    if value is None:
        raise ValueError('missing')
    if not isinstance(value, int):
        raise ValueError('invalid_type')
    if value < 0:
        raise ValueError('invalid_range')
    return value
```

布爾值在 Python 中與整數類型有關，因此本例先排除它。缺失判斷也不再使用會把0一起攔住的真假值檢查。[Python：真值測試與布爾類型](https://docs.python.org/3/library/stdtypes.html#truth-value-testing)

## 用同一套測試確認變化

給 Codex 的任務可以這樣寫：

```text
先用數值0復現失敗，保持輸入與同一套驗收測試。
只修庫存判斷，不刪測試案例，不放寬預期。
重新執行測試和6行樣例，確認0被保留，原有異常仍被攔截。
儲存指令、退出碼、結果與程式碼差異。
```

2026年10月26日 Windows / Python 3.13.5 的原執行結果：修前8項測試中1項失敗，正好是0；修後同一份8項全部通過。6行樣例通過數從2變3，A01的0庫存通過，其餘5行結果不變。輸入和測試檔案的哈希保持一致。

## 下載後自己復現

[下載修前、修後、樣例與測試](/downloads/ai-coding/codex-zero-stock-validation/zero-stock-demo.zip)

在解壓目錄執行：

```powershell
python -B test_stock.py --implementation before
python -B test_stock.py --implementation after
python -B check_inventory.py --implementation after sample.json
```

第一條是故意保留錯誤的教學版本，原記錄中預期退出1；第二條預期通過。執行腳本不呼叫 API。

本文於2026年10月27日整理，沒有重新執行原實驗。驗證範圍僅為這些教學資料與邊界，不包含 Excel/CSV 讀取、真實庫存、重複SKU或併發同步。

下載包的說明、模擬資料及程式顯示文字均已改為香港繁體中文。

2026年10月28日另行驗證繁體下載版：Windows / Python 3.13.5，修前8項測試中只有0庫存測試按預期失敗；修後同一份8項全部通過。6條樣例仍由2條有效變為3條，只有A01的0庫存判斷改變，輸入檔案內容不變。

---

香港繁體版整理日期：2026年10月28日。原文引用的產品說明核對截至2026年10月27日；原實驗日期與範圍保留於文中。

[查看 AI Coding 系列全部文章](/tags/ai-coding/)

---

# Codex API 報錯怎麼求助：可複製的資訊模板

- URL: https://learnmarts.com/articles/codex-api-support-template/
- Author: LearnMarts 編輯團隊
- Published: 2026-10-26
- Updated: 2026-10-28
- Category: 教學
- Tags: AI Coding, Codex, API
- Summary: 「API 報錯了」後面，最有用的是剛才做了什麼、服務實際返回什麼，以及還缺哪些資訊。把這些填進一張求助單，可以少走幾輪猜測。

---

「API 報錯了」後面，最有用的是剛才做了什麼、服務實際返回什麼，以及還缺哪些資訊。把這些填進一張求助單，可以少走幾輪猜測。

不知道的欄位直接寫「不知道」，比憑印象補齊更有價值。

## 複製這份模板

```text
目標：
系統 / CLI 版本：
目標服務 / 模型：
認證方式（只寫類型）：
觸發錯誤的步驟：
HTTP 狀態 / 具體 code（如有）：
已遮去敏感資料的錯誤內容：
發生時間 / 時區 / 請求 ID（如有）：
已經嘗試什麼、實際結果是什麼：

請先區分已知事實、假設和缺失資訊。
先給唯讀核對步驟，解釋每一步要排除什麼。
證據不足時先問我，不要猜 Key、賬單或權限。
需要修改設定時，先列出具體檔案和參數。
涉及網絡請求或費用時，先說明再執行。
最後給出可檢查的複查辦法，不只說「已修復」。
```

[下載純文字模板](/downloads/ai-coding/codex-api-support-template/api-support-template.txt)

## 填寫時最容易混淆的三件事

**認證方式只寫類型。** 例如 ChatGPT 登入、API Key 或供應商入口，不貼上真實 Key、Authorization、Cookie 或 `auth.json`。錯誤正文也先檢查敏感內容。[官方憑據說明](https://learn.chatgpt.com/docs/auth#credential-storage)

**把操作與判斷分開。** 「執行登入後顯示成功」是觀察，「API已經可用」是另一個需要驗證的判斷。先寫發生了什麼，再寫你懷疑什麼。

**保留可以關聯的標識。** HTTP 狀態不夠時繼續看具體錯誤 code；時間、時區和請求 ID 有助於對上日誌。服務沒有給的欄位不要編造。[OpenAI 錯誤碼](https://developers.openai.com/api/docs/guides/error-codes)、[請求排錯說明](https://developers.openai.com/api/reference/overview#debugging-requests)

## 當前會話也請求失敗怎麼辦

可以把整理好的資訊交給一個能正常使用的助手或官方支持。先查文件與後台狀態，不必讓同一個無法請求的會話反覆自救。

模板的作用是補齊排查依據，不是保證所有報錯自動修好。把結果寫回「執行步驟→實際返回→複查結果」，下次也更容易接續。

原筆記發表於2026年10月26日，原稿於10月27日整理並複核來源。模板為原創整理，沒有包含真實帳戶憑據或付費呼叫資料。

---

香港繁體版整理日期：2026年10月28日。原文引用的產品說明核對截至2026年10月27日；原實驗日期與範圍保留於文中。

[查看 AI Coding 系列全部文章](/tags/ai-coding/)

---

# Codex API 報429：分清速率、餘額與支出限制

- URL: https://learnmarts.com/articles/codex-api-429-troubleshooting/
- Author: LearnMarts 編輯團隊
- Published: 2026-10-23
- Updated: 2026-10-28
- Category: 教學
- Tags: AI Coding, Codex, API
- Summary: Codex 請求返回429，先別急着判斷餘額不夠。相同的 HTTP 狀態可能對應請求太密，也可能指向餘額或不同層級的限制。

---

Codex 請求返回429，先別急着判斷餘額不夠。相同的 HTTP 狀態可能對應請求太密，也可能指向餘額或不同層級的限制。

先確認錯誤來自哪家服務，再看具體錯誤正文。下面只整理 OpenAI 官方 API 的排查方向。

## 先拿到具體 code

| 錯誤依據 | 優先核對 |
| --- | --- |
| 請求過快、`slow_down` 等速率問題 | 請求頻率、併發和返回的等待指示 |
| `credit_balance_exhausted` | 組織預付餘額 |
| `project_spend_limit_exceeded` | 當前項目支出限制 |
| `organization_spend_limit_exceeded` | 當前組織支出限制 |
| `organization_usage_limit_exceeded` | 服務方分配的組織用量上限 |

`error.type` 即使籠統寫着 `insufficient_quota`，也應繼續檢查 `error.code`，不要只截最後一句提示。[OpenAI 錯誤碼文件](https://developers.openai.com/api/docs/guides/error-codes)

## 請求太密，先降下來

減少併發和請求頻率。響應有 `Retry-After` 時，按它等待，再受控重試。連續手動點「重試」可能繼續增加請求量，不能保證恢復得更快。

## 餘額或限制問題，核對對應後台

確認使用的是哪個項目、組織和計費路徑，再查看餘額、用量與限制。重複請求不會恢復這類額度。是否調整預算或上限，應根據實際需要決定，不要把「調高限制」當成所有429的預設處理。

## 如果是401，改查認證

檢查 Key、所屬項目或組織、權限，以及是否存在 IP 允許列表限制。CLI 本地顯示已登入，不能替代一次在線請求驗證。[官方認證說明](https://learn.chatgpt.com/docs/auth)

求助時保留客戶端版本、目標服務與模型、狀態碼、具體 code、已遮去敏感資料的錯誤內容、發生時間和時區。有請求 ID 也一起保留，方便關聯日誌；不要附帶真實 Key 或 Authorization。

可直接使用[API 報錯求助模板](/articles/codex-api-support-template/)。

原筆記發表於2026年10月23日；原稿於10月27日複核官方文件後整理。本文是文件速查，沒有復現付費請求錯誤，也不能保證所有429都屬於表中某一項。

---

香港繁體版整理日期：2026年10月28日。原文引用的產品說明核對截至2026年10月27日；原實驗日期與範圍保留於文中。

[查看 AI Coding 系列全部文章](/tags/ai-coding/)

---

# Codex 登入成功，不等於 API 已經呼叫成功

- URL: https://learnmarts.com/articles/codex-login-is-not-api-success/
- Author: LearnMarts 編輯團隊
- Published: 2026-10-21
- Updated: 2026-10-28
- Category: 教學
- Tags: AI Coding, Codex, API
- Summary: Codex 顯示「登入成功」，是否代表 API 已經能呼叫？還差一步驗證。本地記錄了認證狀態、在線請求成功、任務通過驗收，是三件不同的事。

---

Codex 顯示「登入成功」，是否代表 API 已經能呼叫？還差一步驗證。本地記錄了認證狀態、在線請求成功、任務通過驗收，是三件不同的事。

原實驗用一個故意無效的測試輸入，檢查 CLI 的本地登入提示，沒有發起模型請求。

## 第一關：確認本地認證方式

```powershell
codex login status
```

2026年10月21日，在隔離目錄中使用 Codex CLI 0.163.0，故意無效的測試 Key 也讓登入指令顯示 `Successfully logged in`，隨後狀態指令退出碼為0。

這證明的是該版本能夠儲存並識別本地認證狀態，沒有證明 Key 有效、模型權限正確或網絡請求成功。原帳戶憑據沒有被修改，實驗後清除了隔離目錄的測試登入狀態。

官方指令文件也說明，存在憑據時 `codex login status` 返回0。[Codex login 說明](https://learn.chatgpt.com/docs/developer-commands#codex-login)

## 有自己的有效 Key 時，怎樣傳給 CLI

前提是在當前終端機中已經設定好自己的 `OPENAI_API_KEY`。通過標準輸入傳入，不把真實 Key 直接寫進公開示例：

Windows PowerShell：

```powershell
$env:OPENAI_API_KEY | codex login --with-api-key
```

macOS / Linux：

```bash
printenv OPENAI_API_KEY | codex login --with-api-key
```

這只是官方 Key 的認證路徑，第三方供應商還需要對應模型與端點設定。不要分享 `auth.json`、Authorization 頭或真實 Key。[官方認證與憑據儲存說明](https://learn.chatgpt.com/docs/auth)

## 第二關：實際請求有沒有成功

準備好自己的權限和費用設定後，在空測試目錄做一個小任務，例如列出當前目錄檔案且不修改。核對實際返回、使用的模型與後台用量。

這一步可能產生 API 用量，是建議的後續驗證，不是上述本地實驗已經完成的結果。

## 第三關：任務有沒有做對

如果要求修改程式碼，再檢查改動範圍與測試結果。收到回答不等於功能正常，執行完成也不等於驗收通過。

求助時寫清版本、認證類型、剛執行的步驟和已遮去敏感資料的錯誤，比只發「明明已經登入」更容易定位。原稿於2026年10月27日整理，保留原 CLI 版本與實驗邊界，沒有重新執行或進行付費呼叫。

---

香港繁體版整理日期：2026年10月28日。原文引用的產品說明核對截至2026年10月27日；原實驗日期與範圍保留於文中。

[查看 AI Coding 系列全部文章](/tags/ai-coding/)

---

# Codex 訂閱和 API 怎樣比較成本：先記錄真實用量

- URL: https://learnmarts.com/articles/codex-subscription-api-cost-checklist/
- Author: LearnMarts 編輯團隊
- Published: 2026-10-20
- Updated: 2026-10-28
- Category: 教學
- Tags: AI Coding, Codex, API
- Summary: Codex 訂閱和 API 哪個更划算，不能從一次額度百分比變化直接算出來。先確認兩邊的計費路徑，再把自己的實際用量、完成結果和等待情況放在一起看。

---

Codex 訂閱和 API 哪個更划算，不能從一次額度百分比變化直接算出來。先確認兩邊的計費路徑，再把自己的實際用量、完成結果和等待情況放在一起看。

這篇給出記錄方法，不提供成本排名或金額預測。沒有真實賬單與同任務對照，就不該用虛構數字代替答案。

## 先確認費用從哪裏走

CLI 可以先查看當前認證方式：

```powershell
codex login status
```

使用 OpenAI 模型時，ChatGPT 登入對應套餐權益與可用額度；OpenAI API Key 登入使用 Platform 的 API 計費。接第三方供應商時，再去看該供應商的賬單。[OpenAI 認證說明](https://learn.chatgpt.com/docs/auth)

截至2026年10月27日，官方定價文件明確提醒：API Token 價格與訂閱用量要分開看，不能據此估算訂閱固定能完成多少任務。[Codex 定價說明](https://learn.chatgpt.com/docs/pricing)

## 先固定任務，再記賬

可以用這張空表記錄自己的情況，缺哪項就留空，不補猜測值：

| 項目 | 記錄內容 |
| --- | --- |
| 任務與輸入 | 具體目標、檔案範圍、輸入規模 |
| 環境 | 客戶端版本、模型、相關設定 |
| 結果 | 驗收是否通過，哪裏需要人工重新修改 |
| API 路徑 | 對應實際用量與賬單，工具等額外費用另記 |
| 訂閱路徑 | 套餐費、額度變化、重置時間、加購與等待情況 |
| 複查依據 | 時間、輸出檔案、檢查指令和結果 |

如果一邊完成任務，另一邊需要反覆修改，單看某一次請求價格也不完整。反過來，某個小任務的結果也不能代表以後所有項目。

## 怎樣作自己的決定

先列出必需功能與使用頻次，核對現有權益是否夠用；有真實使用記錄後，再判斷額外購買是否值得。模型、上下文與任務過程會影響用量，所以不要把一次對話當作固定消費單位。

這裏沒有進行付費呼叫對照，沒有證明哪個更便宜，也沒有給訂閱百分比與 API 金額的兌換比例。

原筆記發表於2026年10月20日；本文採用10月27日修訂後的內容，僅保留有來源支持的計費說明與記錄方法。

---

香港繁體版整理日期：2026年10月28日。原文引用的產品說明核對截至2026年10月27日；原實驗日期與範圍保留於文中。

[查看 AI Coding 系列全部文章](/tags/ai-coding/)

---

# WorkBuddy 與 CodeBuddy 有什麼區別，先試哪個

- URL: https://learnmarts.com/articles/workbuddy-codebuddy-difference/
- Author: LearnMarts 編輯團隊
- Published: 2026-10-15
- Updated: 2026-10-28
- Category: 教學
- Tags: AI Coding, WorkBuddy
- Summary: WorkBuddy、CodeBuddy，名字只差幾個字，先別靠名字選。看這次需要交付什麼，再決定先試哪個入口。

---

WorkBuddy、CodeBuddy，名字只差幾個字，先別靠名字選。看這次需要交付什麼，再決定先試哪個入口。

兩者都來自騰訊，產品定位和使用形態有交集，也各有側重。

## WorkBuddy：從辦公任務與檔案成果看起

騰訊把 WorkBuddy 定位為全場景 AI 辦公工作台，覆蓋日常辦公、程式碼開發與設計創意。它可以在用戶授權範圍內處理本地檔案，交付文件、表格或報告等成果。[騰訊產品說明](https://cloud.tencent.com/product/workbuddy)

比如整理幾份模擬銷售記錄形成周報，可以先試這個入口。驗收時同時核對匯總表和異常說明，別只看生成的文字是否流暢。

## CodeBuddy：圍繞開發流程選擇形態

CodeBuddy 官方提供 IDE、編輯器外掛程式和 CLI 三種形態，圍繞產品、設計、研發與部署組織工作。[CodeBuddy 官方簡介](https://www.codebuddy.cn/docs/ide/Introduction)

| 你的習慣 | 可以先看的形態 |
| --- | --- |
| 想在獨立工作台裏開發 | IDE |
| 希望繼續用現有編輯器 | 外掛程式 |
| 習慣終端機與腳本 | CLI |

例如已有網站「登入後刷新又回到登入頁」，可以從開發入口着手，要求定位復現路徑、說明修改檔案，再檢查刷新行為。

這只是按任務給出的試用建議。WorkBuddy 也包含程式碼開發，CodeBuddy 也不只有外掛程式；不能把名稱差異當作能力邊界。

## 第一次把任務縮小

無論哪個工具，可以先加上這段約束：

```text
原檔案唯讀，先處理複製的小樣本。
不能直接匯總的記錄單列並說明原因。
輸出到新目錄，不覆蓋已有檔案。
交付後說明核對方法和未處理的情況。
```

再根據實際成果決定是否繼續擴大範圍。本文沒有做速度、費用或完成質量的兩端實測，不給性能排名。

原筆記發表於2026年10月15日，原稿於10月27日複核官方產品說明後整理。

---

香港繁體版整理日期：2026年10月28日。原文引用的產品說明核對截至2026年10月27日；原實驗日期與範圍保留於文中。

[查看 AI Coding 系列全部文章](/tags/ai-coding/)

---

# 用 Codex 一定要買訂閱嗎：分清 ChatGPT 與 API Key 登入

- URL: https://learnmarts.com/articles/codex-subscription-or-api-login/
- Author: LearnMarts 編輯團隊
- Published: 2026-10-15
- Updated: 2026-10-28
- Category: 教學
- Tags: AI Coding, Codex, API
- Summary: 用 Codex 一定要先買 ChatGPT 訂閱嗎？先看自己準備使用的入口與認證方式，再決定需要什麼。

---

用 Codex 一定要先買 ChatGPT 訂閱嗎？先看自己準備使用的入口與認證方式，再決定需要什麼。

對於使用 OpenAI 模型的本地 Codex 工作流，官方文件列出了 ChatGPT 登入與 OpenAI API Key 登入兩條路徑。它們的計費與功能範圍需要分開核對。

## 兩種登入分別看什麼

| 登入方式 | 要核對的內容 |
| --- | --- |
| ChatGPT 登入 | 套餐包含的功能、可用額度、工作區權限 |
| OpenAI API Key | Platform 的用量計費、模型權限、限額與實際賬單 |

ChatGPT 桌面應用、CLI 和 IDE 擴充功能均支持這兩種本地登入方式。API Key 用量按 OpenAI Platform 的 API 計費，不使用 ChatGPT 套餐內額度；訂閱成功不等於 API 呼叫免費。[官方認證說明](https://learn.chatgpt.com/docs/auth)

## 雲端另看要求

Codex 雲端要求 ChatGPT 登入，不能把「本地支持 API Key」套用到所有雲端功能。依賴工作區或雲服務的部分能力，在 API Key 登入下也會有限制。[官方功能可用性說明](https://learn.chatgpt.com/docs/pricing#feature-availability)

所以，準備付費前先確定要用哪個具體功能，再查該功能的入口、登入方式和套餐要求。僅僅看到「登入成功」，還不能確認所有能力都可用。

## 已經裝好 CLI，先查當前狀態

```powershell
codex login status
```

這條官方狀態指令用來確認當前認證方式，不是一次在線模型呼叫測試。接下來還要分別核對能否完成實際請求、任務能否通過驗收。

本文討論的是 OpenAI 官方 Key。其他供應商要核對自己的介面、模型與客戶端設定，不能直接把第三方 Key 當成 OpenAI Key 使用。

原筆記發表於2026年10月15日，原稿於10月27日複核官方文件後整理；沒有新建帳戶或執行付費呼叫，也不據此比較哪條路徑更便宜。

---

香港繁體版整理日期：2026年10月28日。原文引用的產品說明核對截至2026年10月27日；原實驗日期與範圍保留於文中。

[查看 AI Coding 系列全部文章](/tags/ai-coding/)

---

# 用 Codex 匯總工時 CSV：先分出異常行，附教學源碼

- URL: https://learnmarts.com/articles/codex-timesheet-csv-summary/
- Author: LearnMarts 編輯團隊
- Published: 2026-10-15
- Updated: 2026-10-28
- Category: 教學
- Tags: AI Coding, Codex, Python
- Summary: 按月份、項目匯總工時，最容易出問題的往往不是相加，而是把「待確認」、錯誤日期或缺項目的行也混了進去。

---

按月份、項目匯總工時，最容易出問題的往往不是相加，而是把「待確認」、錯誤日期或缺項目的行也混了進去。

這個小工具先分出有效行與異常行，再做匯總。異常保留行號和原因，方便回到原表處理。

## 先約定哪些行可以相加

示例 CSV 只有日期、項目、小時三個欄位，規則是：

- 日期使用 `YYYY-MM-DD`，並且是真實存在的日期。
- 項目名稱不能為空。
- 每行小時大於0、不超過24，最多兩位小數。

這些是教學規則，適配自己的記錄時需要重新確認。例如每天的總工時是否有限制、同一天是否允許重複，本例沒有處理。

給 Codex 的任務：

```text
讀取 sample.csv，按上述規則分開有效行和異常行。
有效行按月份、項目匯總，輸出 summary.csv。
異常行輸出 exceptions.csv，保留 CSV 行號與原因。
另外生成瀏覽器可查看的報告。
原檔案唯讀，不自動補值，不覆蓋既有輸出。
用模擬資料核對結果，並驗證異常輸入。
```

## 執行與核對

在解壓後的項目目錄執行，輸出目錄需尚不存在：

```powershell
python -X utf8 summarize_hours.py sample.csv --output output
```

原樣例有8條模擬記錄，結果為4條有效、4條異常。有效記錄匯總如下：

| 月份 | 項目 | 小時 |
| --- | --- | ---: |
| 2026-09 | 項目A | 3.50 |
| 2026-10 | 項目B | 3.50 |
| 合計 | | 7.00 |

「待確認」、不存在的日期、超範圍小時與缺項目的行沒有進入總數。檢查報告時同時看匯總和異常兩部分，避免只看到一個好看的總數。

## 驗收範圍

2026年10月15日的 Windows / Python 3.13.5 執行記錄中，6項測試通過，覆蓋小數、日期、項目、範圍、缺欄與舊輸出保護；原 CSV 校驗不變，報告用本地 Edge 查看。執行腳本不呼叫 API。

[下載工時匯總教學項目](/downloads/ai-coding/codex-timesheet-csv-summary/timesheet-demo.zip)

樣例全部是模擬資料。格式正確不證明記錄真實，也不代表已經檢查同一天重複或日總工時。本文於2026年10月27日整理，保留原測試範圍，沒有重新執行。任務描述的官方參考見 [OpenAI Prompting](https://learn.chatgpt.com/docs/prompting)。

下載包的說明、模擬資料及程式顯示文字均已改為香港繁體中文。

2026年10月28日另行驗證繁體下載版：Windows / Python 3.13.5，6項測試全部通過；8條模擬記錄仍為4條有效、4條異常，合計7.00小時，輸入檔案內容不變。這次核對包括程式及報告 HTML 內容，沒有重新操作瀏覽器。

---

香港繁體版整理日期：2026年10月28日。原文引用的產品說明核對截至2026年10月27日；原實驗日期與範圍保留於文中。

[查看 AI Coding 系列全部文章](/tags/ai-coding/)

---

# Codex 改錯後，怎樣用 Git 只恢復一個檔案

- URL: https://learnmarts.com/articles/codex-restore-one-git-file/
- Author: LearnMarts 編輯團隊
- Published: 2026-10-14
- Updated: 2026-10-28
- Category: 教學
- Tags: AI Coding, Codex, Python
- Summary: 一個檔案改壞了，其他檔案裏還有自己沒提交的工作，怎樣只撤回目標檔案？先檢查 Git 基線和修改範圍，再決定是否恢復整個檔案。

---

一個檔案改壞了，其他檔案裏還有自己沒提交的工作，怎樣只撤回目標檔案？先檢查 Git 基線和修改範圍，再決定是否恢復整個檔案。

下面的指令會覆蓋目標檔案的工作區內容。只在確認該檔案裏的未提交改動都準備放棄、而 `HEAD` 確實是正確版本時使用。

## 先看差異與暫存區

在倉庫目錄執行：

```powershell
git status --short
git diff HEAD -- check_products.py
git diff --cached --name-only
```

第三條幫助確認有沒有已經暫存的內容。原演示沒有暫存改動，`check_products.py` 裏只有準備撤回的模擬誤改，最後一次提交是正確基線。

如果同一檔案裏還混着要保留的修改，先逐塊核對並留存它們，不要直接套下面的恢復整個檔案的指令。

## 只恢復指定檔案的工作區

```powershell
git restore --source=HEAD --worktree -- check_products.py
```

`--source=HEAD` 明確恢復來源，`--worktree` 指向工作區，`--` 後面只列目標檔案。它不會替你判斷程式碼好壞，也不會把已經提交的誤改自動找回到正確版本。[Git restore 官方說明](https://git-scm.com/docs/git-restore)

隨後再看 `git status --short`、目標檔案差異，並執行相關測試。其他檔案還在不代表內容一定沒變，重要保留項也要核對。

## 原演示驗證了哪些結果

2026年10月14日，在 Windows 的隔離 Git 倉庫裏，人為把「數值必須大於0」改為「允許0」，模擬錯誤。測試出現2處失敗；另一個檔案有未提交補充，還有一個未跟蹤草稿。

恢復目標檔案後，內容與基線一致，6項測試通過。其他補充與草稿保留，內容校驗一致。這是教學模擬，不是 Codex 真實失敗記錄。

交給 Codex 時，可以先讓它唯讀檢查：

```text
列出目標檔案準備撤回的內容、恢復來源和必須保留的修改。
先不要執行恢復；確認範圍後再處理。
完成後執行相關檢查，報告保留項是否改變。
```

沒有正確 Git 基線、目標檔案混有有價值的修改，或錯誤已提交時，需要另行選擇恢復辦法。原稿於2026年10月27日整理，未重新執行恢復實驗。

---

香港繁體版整理日期：2026年10月28日。原文引用的產品說明核對截至2026年10月27日；原實驗日期與範圍保留於文中。

[查看 AI Coding 系列全部文章](/tags/ai-coding/)

---

# 讓 Codex 排錯，先給出這四樣資訊

- URL: https://learnmarts.com/articles/codex-bug-report-four-details/
- Author: LearnMarts 編輯團隊
- Published: 2026-10-12
- Updated: 2026-10-28
- Category: 教學
- Tags: AI Coding, Codex, Python
- Summary: 把「報錯了，幫我修一下」換成四樣具體資訊，通常能少來回追問幾輪：執行了什麼、實際報了什麼、原本想得到什麼、哪些東西必須保留。

---

把「報錯了，幫我修一下」換成四樣具體資訊，通常能少來回追問幾輪：執行了什麼、實際報了什麼、原本想得到什麼、哪些東西必須保留。

下面用商品表檢查工具的一次目錄衝突演示。這個問題最後沒有修改程式，換一個輸出目錄就解決了。

## 四樣資訊怎麼填

| 資訊 | 例子 |
| --- | --- |
| 指令與位置 | 在商品表項目目錄執行完整指令 |
| 錯誤內容（以下已轉為繁體中文） | 「停止：輸出目錄已存在，請換一個新目錄」，退出碼1 |
| 預期與實際 | 想生成新報告，實際在建立報告前停止 |
| 環境與邊界 | Windows / Python 3.13.5，原CSV和舊報告必須保留 |

觸發錯誤的指令是：

```powershell
python -X utf8 check_products.py sample.csv --output output
```

求助時保留實際錯誤原文，不要只留下自己猜的原因。輸出裏如有 Key、私人路徑或業務資料，先遮去敏感資料，再公開。

## 讓 Codex 先判斷問題類型

```text
在 Windows 的這個 Python 項目中執行上述指令，得到上述錯誤。
output 裏已有報告，請保留它和原 CSV。
先查看對應程式碼，判斷是執行條件不滿足還是程式缺陷。
給出最小處理辦法並驗證，說明實際結果。
```

本例讀取程式碼後確認，停止是程式主動保護舊報告的行為。不能為了讓指令通過，就刪掉「不覆蓋已有目錄」的檢查。

## 換一個不存在的新目錄

例如確認 `report-next` 不存在以後，執行：

```powershell
python -X utf8 check_products.py sample.csv --output report-next
```

原實驗實際換用新目錄後退出碼為0，報告列出6條模擬商品、4條需核對、5處問題；輸入與舊報告內容保持一致，沒有改程式。這裏的 `report-next` 是便於理解的目錄名示例，不是原日誌目錄名。

這次只能說明該腳本的目錄保護與處理辦法。其他報錯仍需回到具體程式碼和環境。原實驗於2026年10月11日執行，筆記10月12日發佈；原稿10月27日整理，沒有重新執行。

關於提供復現資訊與驗證要求，可參考 [OpenAI Prompting](https://learn.chatgpt.com/docs/prompting)。

---

香港繁體版整理日期：2026年10月28日。原文引用的產品說明核對截至2026年10月27日；原實驗日期與範圍保留於文中。

[查看 AI Coding 系列全部文章](/tags/ai-coding/)

---

# Codex 和 WorkBuddy 怎麼選：從任務、入口和模型看起

- URL: https://learnmarts.com/articles/codex-workbuddy-how-to-choose/
- Author: LearnMarts 編輯團隊
- Published: 2026-10-11
- Updated: 2026-10-28
- Category: 教學
- Tags: AI Coding, Codex
- Summary: Codex 和 WorkBuddy 怎麼選，可以先問自己：這次要交付的是一個程式碼改動，還是一份文件、表格與報告？先選一個小任務試，比只對着功能清單比較更容易得出自己的答案。

---

Codex 和 WorkBuddy 怎麼選，可以先問自己：這次要交付的是一個程式碼改動，還是一份文件、表格與報告？先選一個小任務試，比只對着功能清單比較更容易得出自己的答案。

本文按官方文件梳理入口與核對方法，沒有做兩款工具的同任務性能或費用實測。

## 先看任務，再看入口

如果已經有程式碼倉庫，要讀程式碼、改程式、排錯並執行驗證，可以先試 Codex。它有終端機、編輯器與桌面入口，選擇與你現有工作方式相合的即可。[Codex CLI](https://learn.chatgpt.com/docs/codex/cli)、[桌面端入口](https://learn.chatgpt.com/docs/quickstart)

如果主要任務是整理材料、表格和辦公檔案，可以先試 WorkBuddy。騰訊把它定位為全場景 AI 辦公工作台，也包含程式碼開發與設計創意；因此不能據此說它不適合寫程式碼。[騰訊 WorkBuddy 產品說明](https://cloud.tencent.com/product/workbuddy)

上面是建議的試用順序，不是能力高低的結論。

## 想接自己的模型，先核對協議

DeepSeek 官方已經給出 Codex 接入說明，使用 Responses API，涵蓋本地 CLI、ChatGPT 桌面應用與 IDE 擴充功能。連接到哪個服務，實際呼叫的就是該服務對應的模型，不能把接入成功直接寫成能力與原模型相同。[DeepSeek Codex 接入文件](https://api-docs.deepseek.com/quick_start/agent_integrations/codex/)

WorkBuddy 也支持自訂 URL、API Key 與模型名；文件說明，自訂模型的費用由用戶向相應第三方支付。[WorkBuddy 模型設定](https://www.workbuddy.cn/docs/workbuddy/From-Beginner-to-Expert-Guide/Function-Description/Model)

只看到「相容 OpenAI」幾個字還不夠。要確認實際端點、協議、工具呼叫和客戶端版本，尤其不能把 Chat Completions 相容直接推斷為所有 Codex 工作流都能用。

## 用同一份材料試一次

可以拿[商品表檢查示例](/articles/codex-product-csv-checker/)中的模擬 CSV，分別要求：

```text
檢查漏填、無效數值和重複編號。
原檔案唯讀，輸出行號、欄位、原值和原因。
生成能打開的核對報告，說明實際檢查結果。
```

記錄客戶端與模型、修改範圍、結果是否正確、需要重新修改幾次，以及自己的實際用量。沒有賬單就先不比較花費；不要把某個平台的積分直接當成另一家的 Token。

原筆記發表於2026年10月11日，原稿於10月27日複核官方入口後整理。本文沒有設定第三方模型，也沒有執行兩端同任務對照。

---

香港繁體版整理日期：2026年10月28日。原文引用的產品說明核對截至2026年10月27日；原實驗日期與範圍保留於文中。

[查看 AI Coding 系列全部文章](/tags/ai-coding/)

---

# 用 Codex 做商品 CSV 檢查工具，附源碼與樣例

- URL: https://learnmarts.com/articles/codex-product-csv-checker/
- Author: LearnMarts 編輯團隊
- Published: 2026-10-11
- Updated: 2026-10-28
- Category: 教學
- Tags: AI Coding, Codex, Python
- Summary: 想用 Codex 做一個用得上的小工具，可以從規則明確的資料檢查開始。這次的任務是讀取商品 CSV，把漏填、錯誤數值和重複編號列出來，生成瀏覽器能打開的報告。

---

想用 Codex 做一個用得上的小工具，可以從規則明確的資料檢查開始。這次的任務是讀取商品 CSV，把漏填、錯誤數值和重複編號列出來，生成瀏覽器能打開的報告。

先讓人看清問題，再決定怎樣處理原表。

## 把業務規則寫在前面

這個教學例子約定：編號、品名、長寬高和重量必填；尺寸單位固定為 cm，重量固定為 g；數值必須大於0。編號重複時，兩行都標記，留給人確認。

這裏的「重量不能為0」是本例規則，不是所有欄位都適用。庫存為0就可能完全合法，不能讓模型替你決定業務含義。

任務模板：

```text
讀取約定欄位的 UTF-8 CSV，按上述規則檢查。
輸出 CSV 行號、欄位、原值和原因，生成 HTML 核對報告。
原表唯讀，不猜缺失值，不自動刪除重複項。
覆蓋正常、漏填、錯誤數值和重複編號的模擬樣本。
輸出目錄已存在時停止，不覆蓋舊檔案。
給出執行指令、報告位置和未覆蓋範圍。
```

Python 標準庫的 `csv` 模塊可以處理欄位分隔與引號。不要直接用逗號切字串，否則帶逗號的品名就容易被切壞。[Python csv 文件](https://docs.python.org/3/library/csv.html)

## 執行後核對什麼

在示例項目目錄執行，`output` 必須是尚不存在的新目錄：

```powershell
python -X utf8 check_products.py sample.csv --output output
```

原執行的6條模擬商品中，4條需要核對，共5處問題：高度漏填、重量為0、寬度寫成「待確認」，以及兩行重複編號。報告應能回到每一個原始行，而不是只給一個「存在錯誤」的總數。

2026年10月11日，Windows / Python 3.13.5 的6項測試通過，包含輸入不變、既有輸出保護和 HTML 轉義；報告在本地 Edge 查看。腳本執行期間不呼叫模型或外部網絡。

## 這份工具檢查不到什麼

格式通過不代表資料真實。它沒有核驗真實業務表，也不自動判斷單位混用、報價或規格是否合理。適配新表前，先把欄位、單位和有效範圍改成你自己的規則，再用小樣本驗收。

[下載教學項目、模擬CSV與測試](/downloads/ai-coding/codex-product-csv-checker/product-checker.zip)

原筆記發表於2026年10月11日，原稿於10月27日整理，沿用原驗收記錄；下載包僅含教學源碼、樣例和說明。

下載包的說明、模擬資料及程式顯示文字均已改為香港繁體中文。

2026年10月28日另行驗證繁體下載版：Windows / Python 3.13.5，6項測試全部通過；6條模擬商品仍有4條需核對、共5處問題，輸入檔案內容不變。這次核對包括程式及報告 HTML 內容，沒有重新操作瀏覽器。

---

香港繁體版整理日期：2026年10月28日。原文引用的產品說明核對截至2026年10月27日；原實驗日期與範圍保留於文中。

[查看 AI Coding 系列全部文章](/tags/ai-coding/)

---

# 用 Codex 接手陌生項目，先問這四個問題

- URL: https://learnmarts.com/articles/codex-read-unfamiliar-project/
- Author: LearnMarts 編輯團隊
- Published: 2026-10-11
- Updated: 2026-10-28
- Category: 教學
- Tags: AI Coding, Codex
- Summary: 拿到一份能執行的程式碼，卻不知道從哪裏改，先讓 Codex 讀一遍項目，給出帶檔案路徑的說明，會比立即發一個大改造需求更容易核對。

---

拿到一份能執行的程式碼，卻不知道從哪裏改，先讓 Codex 讀一遍項目，給出帶檔案路徑的說明，會比立即發一個大改造需求更容易核對。

重點是把「看懂項目」和「已經執行驗證」分開。

## 先發這四個問題

```text
本輪唯讀項目，不改檔案、不裝依賴，也不執行程式或測試。

1. 項目做什麼？入口和關鍵檔案在哪裏？
2. 本地怎樣執行，需要哪些依賴？
3. 有什麼檢查指令，對應哪些測試檔案？
4. 哪些資訊缺失，哪些結論還不能確認？

用實際檔案路徑支撐回答。
區分文件記載、程式碼分析和執行驗證。說明後先停下。
```

這裏的唯讀邊界是為了這一步檢查。後面需要執行或修改時，再按具體任務給出範圍。官方提示指南也建議提供相關上下文與清晰目標。[OpenAI Prompting](https://learn.chatgpt.com/docs/prompting)

## 用一個小項目看回答是否具體

原演示讀取了商品表檢查工具，得到幾條可以核對的結果：

- `check_products.py` 的 `main()` 是入口。
- `sample.csv` 是模擬輸入。
- 使用說明寫了執行指令和輸出位置。
- `test_products.py` 定義了6項測試。
- 輸出目錄已經存在時，程式主動停止，避免覆蓋舊報告。

這比「項目結構清晰、功能完善」有用，因為每條都能回到檔案裏確認。

但讀到6個測試，不等於這輪執行了6個測試。2026年10月11日的檢查唯讀檔案並分析程式碼，沒有安裝依賴、執行程式或測試；檢查前後項目檔案內容一致。

## 看懂後再給一個小修改

比如：「在保留現有檢查規則和不覆蓋舊報告的前提下，為報告補一個統計摘要。」接着寫明輸入、預期輸出和驗收方式。

一個熟悉項目裏的小改動不必每次完整走四問；這套方法更適合接手不熟悉的程式碼，或者先弄清執行條件。

原筆記發表於2026年10月11日，原稿於10月27日整理；唯讀檢查的事實沿用原記錄，沒有將它改寫成新的執行測試。

---

香港繁體版整理日期：2026年10月28日。原文引用的產品說明核對截至2026年10月27日；原實驗日期與範圍保留於文中。

[查看 AI Coding 系列全部文章](/tags/ai-coding/)

---

# AI 寫的網頁交付前，先測這五個行為

- URL: https://learnmarts.com/articles/ai-web-five-acceptance-checks/
- Author: LearnMarts 編輯團隊
- Published: 2026-10-11
- Updated: 2026-10-28
- Category: 教學
- Tags: AI Coding, Codex
- Summary: AI 寫的網頁能打開，接下來怎麼驗收？拿一個儲存在瀏覽器本地的待辦頁來說，可以沿着五個具體場景檢查。

---

AI 寫的網頁能打開，接下來怎麼驗收？拿一個儲存在瀏覽器本地的待辦頁來說，可以沿着五個具體場景檢查。

它們不用覆蓋整個項目，卻能抓住不少「第一次點起來沒問題，刷新就壞了」的情況。

| 場景 | 應該看到的結果 |
| --- | --- |
| 新增一項任務後刷新 | 任務還在 |
| 刪除後刷新 | 被刪任務不回來，其他任務仍在 |
| 輸入一串空白字元 | 不新增空任務 |
| 讀到無法解析的快取 | 頁面能繼續新增，並在刷新後保留 |
| 快取能解析但結構錯誤，例如 `{}` | 新增→刷新→再新增→再刷新，兩項都保留 |

最後一項尤其容易漏掉。`JSON.parse('{}')` 不會報錯，但後續程式碼如果把它當陣列用，仍可能出問題。

## 先在演示副本裏構造異常

前三項可以直接點。後兩項請在複製的演示項目裏準備異常資料，不要拿真實資料試覆蓋。

讓 Codex 做時，可以把任務寫完整：

```text
保持頁面樣式，為待辦頁補上表中五項獨立瀏覽器測試。
每項自己準備資料，斷言用戶能看到的結果。
結構錯誤場景要連續新增並刷新兩次，檢查兩項都保留。
報告指令、實際結果和未覆蓋部分，不為通過測試刪除斷言。
```

獨立準備資料能避免前一項測試留下的狀態掩蓋問題；可等待的網頁斷言則用於檢查最終行為。[Playwright 測試實踐](https://playwright.dev/docs/best-practices)

## 本例補的是測試

原項目本來就有陣列結構校驗。2026年10月9日這次工作補齊了第5項迴歸測試，本地 Windows / Edge 共5項通過，不能把它寫成剛修復了一次線上故障。

如果你的實現選擇在壞資料時彈出恢復提示，而不是清空到空清單，驗收預期也應跟着產品設計調整。測試應該描述約定的行為，而不是把教學例子的策略硬套進所有項目。

原筆記發表於2026年10月11日；本文10月27日整理，沒有重新執行舊測試，也沒有擴大到手機、其他瀏覽器或跨裝置環境。

---

香港繁體版整理日期：2026年10月28日。原文引用的產品說明核對截至2026年10月27日；原實驗日期與範圍保留於文中。

[查看 AI Coding 系列全部文章](/tags/ai-coding/)

---

# 換瀏覽器怎樣帶走待辦：匯出、預覽與確認匯入

- URL: https://learnmarts.com/articles/codex-transfer-todo-backup/
- Author: LearnMarts 編輯團隊
- Published: 2026-10-09
- Updated: 2026-10-28
- Category: 教學
- Tags: AI Coding, Codex
- Summary: 同一個待辦網頁，換個瀏覽器打開卻是空的，先看它把資料存在哪裏。本例只用了當前瀏覽器的本地儲存，沒有自動同步功能。

---

同一個待辦網頁，換個瀏覽器打開卻是空的，先看它把資料存在哪裏。本例只用了當前瀏覽器的本地儲存，沒有自動同步功能。

把資料帶走，可以先做一條能核對的路線：**匯出檔案 → 預覽內容 → 確認匯入**。

## 接收端先給自己留份備份

原演示中，瀏覽器設定檔 A 有2項任務，設定檔 B 已有1項臨時任務。匯入策略是替換接收端清單，因此先從 B 匯出自己的備份，再選擇 A 下載出來的檔案。

預覽提示應說清楚：「備份2項，將替換當前1項。」只寫「匯入成功」太晚了，用戶需要在確認前知道將發生什麼。

## 按這個順序驗收

1. 在 A 匯出檔案，確認磁碟上實際拿到了檔案。
2. 在 B 選擇這個檔案，檢查預覽數量與內容。
3. 先取消一次，確認 B 的原任務仍在。
4. 重新選擇並確認，檢查 B 恢復為 A 的2項任務。
5. 刷新 B，確認內容保留；再檢查 A 沒有被清空。

這套檢查能把預覽、取消、確認和儲存分別核對。不要跳過取消步驟，也不要把「已發起下載」當成檔案已經到手。

## 給 Codex 的任務模板

```text
為這個本地待辦工具增加檔案匯出與匯入預覽。
本例採用替換策略，確認前明確顯示備份數量和當前數量。
取消不能改原資料，確認後才儲存。
用兩個獨立瀏覽器設定檔驗證真實下載檔案能恢復，
刷新後保留，來源清單不被清空。
不要將這個功能寫成自動同步或自動合併。
```

原測試於2026年10月6日在一台 Windows 電腦的兩個獨立 Edge 上下文執行，上述傳輸流程通過。它沒有證明兩台電腦、其他瀏覽器或手機也已驗證。資料檔案的內容相容性與實際客戶端行為還需要分別檢查。

瀏覽器儲存按站點 origin 隔離，本例也沒有實現跨瀏覽器同步。[MDN：localStorage](https://developer.mozilla.org/en-US/docs/Web/API/Window/localStorage)

原筆記發表於2026年10月9日，原稿於10月27日整理，沿用原執行記錄，沒有重新執行實驗。

---

香港繁體版整理日期：2026年10月28日。原文引用的產品說明核對截至2026年10月27日；原實驗日期與範圍保留於文中。

[查看 AI Coding 系列全部文章](/tags/ai-coding/)

---

# 摘抄貓接智譜 GLM 翻譯：介面與模型怎麼填

- URL: https://learnmarts.com/articles/copykit-glm-translation-setup/
- Author: LearnMarts 編輯團隊
- Published: 2026-10-09
- Updated: 2026-10-28
- Category: 教學
- Tags: AI Coding, CopyKit
- Summary: 看網頁時，想把一段話留下來，再順手翻譯，可以在摘抄貓（CopyKit）裏設定自己的模型介面。下面按原筆記核對過的0.3.1版設定說明，給出智譜 GLM 的填寫方法。

---

看網頁時，想把一段話留下來，再順手翻譯，可以在摘抄貓（CopyKit）裏設定自己的模型介面。下面按原筆記核對過的0.3.1版設定說明，給出智譜 GLM 的填寫方法。

這篇是設定說明，沒有使用真實 API Key 發起翻譯請求。

以下選單名稱以繁體中文說明，實際產品可能顯示其他語言。

## 先找到翻譯設定

打開擴充功能設定，進入 **翻譯（LLM）→直連廠商/API 設定**，選擇 **BigModel GLM-4-Flash** 模板。不同版本介面可能變化，先核對實際版本與欄位名稱。

| 欄位 | 本例填寫 |
| --- | --- |
| BASE_URL | `https://open.bigmodel.cn/api/paas/v4` |
| 介面 | `Chat Completions` |
| MODEL | `glm-4-flash-250414` |
| API_KEY | 你自己在智譜開放平台建立的 Key |

地址與模型名也單獨放在這裏，便於複製：

```text
https://open.bigmodel.cn/api/paas/v4
glm-4-flash-250414
```

原核對記錄檢查了0.3.1版模板與這些設定項。不要把真實 Key 寫進筆記、公開截圖或項目倉庫。

## 儲存後，用短文字試一次

在網頁選中一小段不含隱私的文字，打開右鍵選單，選擇「翻譯選中文字」。檢查是否收到譯文；如果失敗，先記錄實際報錯，再核對介面地址、模型名、Key 與帳戶權限。

截至2026年10月27日，智譜的該模型官方頁面仍將它描述為免費 API。這是特定模型的文件說明，不等於所有 GLM 模型都免費，也不保證帳戶沒有限速、權限或後續規則變化。[GLM-4-Flash-250414 官方頁面](https://docs.bigmodel.cn/cn/guide/models/free/glm-4-flash-250414)

## 摘抄在本地，翻譯會發送文字

商店說明中，摘抄與設定預設儲存在瀏覽器本地；翻譯由用戶主動觸發，使用設定的服務。這意味着翻譯時選中的內容會交給模型服務處理，不能因為擴充功能「本地優先」就認為整個翻譯過程都離線。[CopyKit 商店說明](https://chromewebstore.google.com/detail/%E6%91%98%E6%8A%84%E7%8C%AB-copykit/gbhidndmfgmggikjnipdekkhaedmhkie)

先用小段普通文字走通流程，再判斷是否適合處理自己的內容。本文未驗證翻譯效果、實際帳戶額度或當前版本介面操作。

原筆記發表於2026年10月9日；原稿於10月27日整理並複核公開產品與模型說明。

---

香港繁體版整理日期：2026年10月28日。原文引用的產品說明核對截至2026年10月27日；原實驗日期與範圍保留於文中。

[查看 AI Coding 系列全部文章](/tags/ai-coding/)

---

# 用 Codex 批次改檔名：先預覽，再執行與撤回

- URL: https://learnmarts.com/articles/codex-batch-rename-preview/
- Author: LearnMarts 編輯團隊
- Published: 2026-10-06
- Updated: 2026-10-28
- Category: 教學
- Tags: AI Coding, Codex
- Summary: 一堆圖片叫 IMG_1032.png、IMG_1051.png，想整理成「活動照片_001、002……」，可以讓 Codex 寫一個小工具。第一步先生成改名清單，核對完再執行。

---

一堆圖片叫 `IMG_1032.png`、`IMG_1051.png`，想整理成「活動照片_001、002……」，可以讓 Codex 寫一個小工具。第一步先生成改名清單，核對完再執行。

原演示用了8張程式生成的示例 PNG，目的是驗證改名流程，不是真實照片整理記錄。

## 預覽裏至少看三件事

| 要檢查的內容 | 為什麼要看 |
| --- | --- |
| 原名和新名逐項對應 | 確認順序、編號和檔案範圍 |
| 原副檔名保留 | 改名不會自動轉換圖片格式 |
| 目標檔案是否已經存在 | 避免覆蓋已有資料 |

本例按原檔名排序，不按拍攝時間。想按照片日期排序，需要另行讀取並處理元資料，不能從檔名順序推斷。

可以先把下面這段交給 Codex：

```text
先檢查這個測試資料夾，只列出原名→新名的預覽。
按原檔名排序，保留副檔名，跳過資料夾。
發現目標重名時停止，不能覆蓋。
我核對後再執行，並儲存原名、新名及檔案內容校驗記錄。
先用複製出來的少量檔案驗證預覽、執行和撤回。
```

## 執行前再查一次衝突

預覽通過以後，目錄也可能發生變化。真正改名之前應重新檢查整批目標，發現衝突先停下。撤回也要檢查原名是否被佔用、檔案內容是否已經改變；一份舊映射不能代替當前狀態。

這還與執行系統有關。Python 官方說明，`Path.rename()` 在目標已存在時，Windows 與 Unix 的行為不同。本演示因此只開放 Windows 執行，不把一個系統的保護假設套到另一個系統。[Python：Path.rename](https://docs.python.org/3/library/pathlib.html#pathlib.Path.rename)

## 原測試的結果

2026年10月6日，Windows / Python 3.13.5 的實際執行記錄確認：

- 只預覽時，檔名與內容未變。
- 8個檔案執行改名後內容一致，按記錄撤回後原名和內容恢復。
- 預覽後加入目標重名檔案，整批沒有執行。
- 撤回時發現原名被佔用或內容改變，會停止。

改名記錄只是對應關係，不能替代檔案備份。原測試沒有覆蓋 Mac、網盤、併發操作或執行中斷後的自動恢復。本文於2026年10月27日整理，沒有重新執行上述實驗。

---

香港繁體版整理日期：2026年10月28日。原文引用的產品說明核對截至2026年10月27日；原實驗日期與範圍保留於文中。

[查看 AI Coding 系列全部文章](/tags/ai-coding/)

---

# 用 Codex 給待辦清單增加 JSON 檔案備份

- URL: https://learnmarts.com/articles/codex-export-todo-backup/
- Author: LearnMarts 編輯團隊
- Published: 2026-10-06
- Updated: 2026-10-28
- Category: 教學
- Tags: AI Coding, Codex
- Summary: 待辦清單刷新後還在，只說明瀏覽器裏留住了資料。想在清理瀏覽器之前留一份副本，需要把它匯出成真正的檔案。

---

待辦清單刷新後還在，只說明瀏覽器裏留住了資料。想在清理瀏覽器之前留一份副本，需要把它匯出成真正的檔案。

這個小需求很適合交給 Codex：範圍清楚，結果也容易檢查。

## 先把檔案裏該有什麼說清楚

演示要求匯出 JSON，包含格式標識、版本、匯出時間和當前任務。還要覆蓋幾個容易漏掉的情況：

- 中文、引號和 emoji 保留。
- 已刪除的任務不能混進檔案。
- 空清單也能匯出。
- 再次匯出反映最新內容。
- 匯出後頁面裏的任務保持原樣。

實現思路是用 `JSON.stringify` 生成文字，再用 `Blob` 構造供瀏覽器下載的內容。格式標識和版本用於讓未來的匯入功能識別檔案，不要等做恢復時才臨時猜結構。[MDN：Blob](https://developer.mozilla.org/en-US/docs/Web/API/Blob)

## 別只檢查按鈕能不能點

頁面說「已發起匯出」，不代表檔案已經儲存到磁碟。測試要拿到實際下載檔案，再解析裏面的資料。

在 Playwright 中，先開始等下載事件，再點按鈕；得到下載對象後儲存檔案。官方說明還提醒：瀏覽器上下文關閉後，其臨時下載檔案會被刪除，需要保留時應顯式儲存。[Playwright 下載說明](https://playwright.dev/docs/downloads)

給 Codex 的任務可以寫成：

```text
保持現有增刪、儲存和頁面樣式，增加 JSON 匯出按鈕。
檔案包含格式標識、版本、匯出時間和當前任務。
覆蓋特殊字元、已刪除任務、空清單和再次匯出。
檢查實際下載的檔案內容，不能只斷言按鈕出現。
不新增後端或帳戶系統，報告實際結果及未覆蓋項。
```

## 原演示檢查了什麼

2026年10月5日的本地 Edge 執行記錄中，4項下載檢查與4項原有儲存檢查共8項通過。舊儲存版沒有匯出按鈕，相同下載檢查出現1項預期失敗；這是新功能缺失的對照，不是一次線上故障。

這一步只完成匯出。檔案能不能重新匯入、匯入會替換還是合併，都要另做設計與驗收，可以接着看[把清單帶到另一個瀏覽器](/articles/codex-transfer-todo-backup/)。

原筆記發表於2026年10月6日，原稿於10月27日整理，沿用上述執行記錄，沒有重新測試；Safari、Firefox、手機與自動同步均未驗證。

---

香港繁體版整理日期：2026年10月28日。原文引用的產品說明核對截至2026年10月27日；原實驗日期與範圍保留於文中。

[查看 AI Coding 系列全部文章](/tags/ai-coding/)

---

# AGENTS.md 怎麼寫：留下項目約束，再用索引組織細節

- URL: https://learnmarts.com/articles/codex-project-agents-md/
- Author: LearnMarts 編輯團隊
- Published: 2026-10-05
- Updated: 2026-10-28
- Category: 教學
- Tags: AI Coding, Codex
- Summary: 「保持樣式」「別加後端」「改完跑測試」反覆說了幾次，就值得寫進項目說明。AGENTS.md 適合留下長期有效的約束，下一次接手項目時更容易找回這些要求。

---

「保持樣式」「別加後端」「改完跑測試」反覆說了幾次，就值得寫進項目說明。`AGENTS.md` 適合留下長期有效的約束，下一次接手項目時更容易找回這些要求。

檔案不用長，先把項目範圍、修改邊界和檢查方法寫明白。

## 一個小項目可以從這份說明開始

下面是待辦項目的模板，路徑和指令要按實際項目調整：

```markdown
# 項目說明

- 原生 HTML/CSS/JavaScript；儲存版位於 demo/after/。
- 保持頁面樣式和無障礙名稱，不新增後端。
- demo/before/ 是教學對照，不要把它改成儲存版。
- 首次安裝依賴使用 npm ci。
- 修改 JavaScript 或測試後執行 npm test。
- 驗收覆蓋新增後刷新、刪除後刷新、空白輸入和壞 JSON。
- 交付說明修改內容、實際執行的檢查及未驗證部分。
```

它比「寫高品質程式碼」更容易執行：能找到目錄、能執行指令，也能判斷哪些行為不能改。

## 檔案放在哪裏

項目專用說明放在項目根目錄。個人通用偏好可以放在 Codex 的全局說明中，預設目錄是 `~/.codex`。不要把某個項目的專屬腳本寫成所有項目都必須執行的指令。

官方說明中，Codex 在啟動時構建指令鏈：先看全局，再從項目根目錄走到當前工作目錄；同一目錄下 `AGENTS.override.md` 優先於 `AGENTS.md`。檔案改變後，用新的執行或重開會話確認載入情況。[官方 AGENTS.md 指南](https://learn.chatgpt.com/docs/agent-configuration/agents-md)

可以先發一句檢查用的任務：

```text
列出實際讀取的指令檔案，概括本項目的範圍、修改約束和驗收指令。
先不要改程式碼；無法確認的地方明確說明。
```

這是提問模板，不是一次真實模型回覆的截圖或記錄。

## 長起來以後，讓它做索引

規則和操作細節越積越多時，可以在 `AGENTS.md` 中只留下入口與關鍵約束，詳細方法放進 `TASK.md` 或項目文件，並明確要求先讀。例如：

```markdown
開始任務前先讀 TASK.md，瞭解當前狀態和已驗證的方法。
發佈與恢復步驟見 TASK.md；證據儲存在 audits/。
```

`TASK.md` 在這裏是項目約定，不是因為這個名字就會自動載入。檔案裏的指令也不能代替程式碼審查和測試輸出。

原筆記發表於2026年10月5日，原稿於10月27日整理並補充索引用法。原項目沿用已有測試，本篇新增的是說明模板，沒有做模型遵守率或指令載入效果的對照實驗。

---

香港繁體版整理日期：2026年10月28日。原文引用的產品說明核對截至2026年10月27日；原實驗日期與範圍保留於文中。

[查看 AI Coding 系列全部文章](/tags/ai-coding/)

---

# 讓 Codex 把手動驗收寫成瀏覽器測試

- URL: https://learnmarts.com/articles/codex-browser-acceptance-tests/
- Author: LearnMarts 編輯團隊
- Published: 2026-10-05
- Updated: 2026-10-28
- Category: 教學
- Tags: AI Coding, Codex
- Summary: 新增任務、刷新、確認它還在——手動點一次不難。每次改程式碼都重複點，容易漏掉一步。可以把這些動作寫成瀏覽器測試，讓它反覆檢查同一個結果。

---

新增任務、刷新、確認它還在——手動點一次不難。每次改程式碼都重複點，容易漏掉一步。可以把這些動作寫成瀏覽器測試，讓它反覆檢查同一個結果。

這篇沿用待辦清單項目，用 Playwright 把「改好了」變成可檢查的行為。

## 從一條看得見的結果開始

下面按原演示的刷新測試整理，介面文字已改為香港繁體中文，並省略項目服務設定：

```javascript
test('刷新後保留新增任務', async ({ page }) => {
  await page.goto('/after/');
  await page.getByLabel('新的待辦').fill('寫一條測試');
  await page.getByRole('button', { name: '添加 +' }).click();
  await expect(page.getByText('寫一條測試', { exact: true })).toBeVisible();
  await page.reload();
  await expect(page.getByText('寫一條測試', { exact: true })).toBeVisible();
  await expect(page.getByRole('listitem')).toHaveCount(1);
});
```

測試需要項目已有的 `test`、`expect` 匯入和服務設定；頁面名稱也要與真實介面一致。這裏檢查的是任務文字和數量，不是某個函數有沒有被呼叫。

Playwright 的網頁斷言會等待條件滿足或超時。相比先固定睡幾秒，再猜頁面有沒有準備好，這種寫法更直接。[Playwright 斷言說明](https://playwright.dev/docs/test-assertions)

## 每項測試自己準備資料

刪除測試應自己新增要刪的任務，不能等上一項測試留下資料。獨立的瀏覽器上下文也能避免快取、登入和本地儲存串到下一項。[Playwright 測試實踐](https://playwright.dev/docs/best-practices)

原項目首先覆蓋四件事：新增後刷新、刪除後刷新、空白輸入、壞 JSON 後仍能新增儲存。

## 還要看看測試能不能抓住問題

原實驗在主動關閉持續儲存的教學對照版執行刷新斷言，出現預期失敗；儲存版的4項測試全部通過。這樣至少知道這條斷言能發現「刷新就丟」的問題，沒有只檢查一條永遠成立的條件。

給 Codex 的任務可以這樣寫：

```text
為待辦項目補上這四項瀏覽器驗收，每項獨立準備資料。
先證明刷新測試在教學對照版失敗，再檢查儲存版。
保留原有樣式和功能，不要為通過測試刪除斷言。
報告執行指令、結果以及沒有覆蓋的瀏覽器和場景。
```

原測試於2026年10月5日執行，環境為 Windows 本地 Edge、Playwright Test 1.63.0。本文10月27日整理，引用的是當時的4項驗收；後續項目另增了第5項結構異常測試。這裏沒有重新執行，也未驗證 Safari、Firefox、手機或跨裝置同步。

---

香港繁體版整理日期：2026年10月28日。原文引用的產品說明核對截至2026年10月27日；原實驗日期與範圍保留於文中。

[查看 AI Coding 系列全部文章](/tags/ai-coding/)

---

# 待辦清單一刷新就丟：用 Codex 理清本地儲存

- URL: https://learnmarts.com/articles/codex-todo-local-storage/
- Author: LearnMarts 編輯團隊
- Published: 2026-10-05
- Updated: 2026-10-28
- Category: 教學
- Tags: AI Coding, Codex
- Summary: 待辦清單能添加、能刪除，一刷新卻全沒了，通常要先看資料是不是只放在頁面的記憶體陣列裏。

---

待辦清單能添加、能刪除，一刷新卻全沒了，通常要先看資料是不是只放在頁面的記憶體陣列裏。

這個教學項目把任務陣列儲存為文字，再在啟動時讀回來。重點有兩個：每次修改都儲存，讀取失敗也別把整個頁面卡住。

## 儲存和恢復是一對動作

核心過程可以寫成下面幾行。它們只是資料流摘錄，不能代替異常處理和格式檢查：

```javascript
const key = "codex-todo-demo-v1";
localStorage.setItem(key, JSON.stringify(tasks));
const restored = JSON.parse(localStorage.getItem(key) || "[]");
```

儲存時用 `JSON.stringify` 把陣列變成字串，恢復時用 `JSON.parse` 還原。但能解析不代表結構正確，`{}` 也是合法 JSON，卻不是任務陣列。

原項目的讀取函數還做了這些處理：

```javascript
function loadTasks() {
  try {
    const saved = JSON.parse(localStorage.getItem(STORAGE_KEY) || "[]");
    if (!Array.isArray(saved)) return [];
    return saved.filter(task =>
      task &&
      typeof task.id === "string" &&
      typeof task.text === "string" &&
      task.text.trim()
    );
  } catch {
    return [];
  }
}
```

這是教學項目選擇的恢復策略：無法使用的資料不阻斷新增。正式產品還可以儲存損壞原文供恢復，別未經設計就把異常資料永久丟掉。

## 刪完也要儲存

如果只更新頁面，沒有寫回剩餘陣列，刷新後被刪除的任務會重新出現：

```javascript
tasks = tasks.filter(task => task.id !== idToDelete);
saveTasks();
render();
```

`saveTasks()` 中同樣要捕獲寫入失敗，並提示用戶當前內容可能無法在刷新後保留。瀏覽器策略可能禁止儲存，不能把每一次 `setItem` 都當作必然成功。[MDN：localStorage 的範圍與異常](https://developer.mozilla.org/en-US/docs/Web/API/Window/localStorage)

## 怎樣讓 Codex 檢查到這些地方

```text
檢查任務的儲存與恢復，保持現有頁面樣式。
驗證新增後刷新、刪除後刷新、損壞JSON以及模擬寫入失敗。
報告相關程式碼位置、實際檢查結果與未覆蓋部分。
```

原演示用主動關閉儲存的版本作教學對照：同樣添加兩項任務，刷新後對照版為空，儲存版仍有兩條。另有刪除、新頁面恢復、壞 JSON、模擬寫入失敗等檢查，共6項通過；不是線上事故記錄。

原筆記發表於2026年10月5日。本文於10月27日整理，沿用原本地 Edge 驗收記錄，沒有重新執行；未驗證跨裝置同步。演示請通過本地 HTTP 服務打開，直接雙擊 `file:` 頁面的儲存行為不能當成統一保證。

---

香港繁體版整理日期：2026年10月28日。原文引用的產品說明核對截至2026年10月27日；原實驗日期與範圍保留於文中。

[查看 AI Coding 系列全部文章](/tags/ai-coding/)

---

# Codex CLI 第一項任務怎麼寫：目標、邊界和驗收

- URL: https://learnmarts.com/articles/codex-first-cli-task/
- Author: LearnMarts 編輯團隊
- Published: 2026-09-30
- Updated: 2026-10-28
- Category: 教學
- Tags: AI Coding, Codex
- Summary: 打開 Codex CLI 以後，第一句話怎麼寫？不用先背一套長提示詞。拿一個現成的小項目，說清楚想增加什麼、哪些地方別動、最後怎樣檢查，就可以開始。

---

打開 Codex CLI 以後，第一句話怎麼寫？不用先背一套長提示詞。拿一個現成的小項目，說清楚想增加什麼、哪些地方別動、最後怎樣檢查，就可以開始。

下面用一個原生 JavaScript 待辦清單舉例：它能新增任務，但我們希望刷新頁面後資料還在。

## 先進入正確的項目目錄

在已經安裝並登入 Codex 的終端機裏，先切到你的項目目錄，再啟動：

```powershell
cd "C:\你的項目目錄\todo-demo"
codex
```

把路徑換成真實目錄。啟動前確認這裏確實有你準備修改的檔案；不要在另一個項目裏描述「當前項目」。安裝方式見[官方 CLI 指南](https://learn.chatgpt.com/docs/codex/cli)。

## 這段任務可以直接改

```text
給當前待辦清單添加本地儲存。
相關檔案：index.html、app.js、style.css。

使用原生 JavaScript 和 localStorage。
保持現有頁面樣式，不新增依賴或後端。

驗收：
1. 新增一項任務，刷新後仍存在。
2. 刪除這項任務，刷新後不再出現。
3. 只輸入空白字元，不能新增空任務。

完成後執行相關檢查，報告修改檔案、檢查指令、
實際結果和沒有驗證的部分。
```

這裏分別給出了目標、檔案範圍、實現邊界和驗收行為。檔名與技術選擇要按你的項目調整，別把模板裏的路徑當成必須照抄的規則。

## 它說完成了，接下來自己點一遍

先新增一條容易辨認的任務，刷新；再刪除，刷新。最後輸入幾個空白字元，看看頁面有沒有多出空白任務。檢查的是使用者能看到的結果，不只是程式碼裏出現了 `localStorage` 這個詞。

原演示的瀏覽器驗收記錄中，上述三個行為均通過，還檢查了損壞儲存、任務文字按普通文字顯示，以及手機寬度沒有橫向溢出。這是原項目在本地 Edge 的檢查記錄，原稿整理時沒有重新執行這些測試。

`localStorage` 儲存的是當前瀏覽器、當前站點的資料。清除站點資料可能把任務一起清掉，換瀏覽器或裝置也不會自動同步。後續可以分別增加匯出、匯入功能。[MDN：localStorage](https://developer.mozilla.org/en-US/docs/Web/API/Window/localStorage)

原筆記發表於2026年9月30日，原稿整理於2026年10月27日。任務模板為原創示例；關於給出上下文和驗證要求的官方參考見 [Prompting](https://learn.chatgpt.com/docs/prompting)。

---

香港繁體版整理日期：2026年10月28日。原文引用的產品說明核對截至2026年10月27日；原實驗日期與範圍保留於文中。

[查看 AI Coding 系列全部文章](/tags/ai-coding/)

---

# Codex CLI 和桌面版怎麼選：先看自己的工作流

- URL: https://learnmarts.com/articles/codex-cli-or-desktop/
- Author: LearnMarts 編輯團隊
- Published: 2026-09-28
- Updated: 2026-10-28
- Category: 教學
- Tags: AI Coding, Codex
- Summary: 剛開始用 Codex，先選一個順手的入口就夠了。平時已經在終端機裏查 Git、跑腳本，CLI 很自然；想把項目、對話和程式碼改動放在一個視窗裏看，可以從桌面端開始。

---

剛開始用 Codex，先選一個順手的入口就夠了。平時已經在終端機裏查 Git、跑腳本，CLI 很自然；想把項目、對話和程式碼改動放在一個視窗裏看，可以從桌面端開始。

這篇不做「哪個更強」的排名。要選的是每天怎樣完成任務。

| 你的工作習慣 | 可以先試的入口 |
| --- | --- |
| 進入項目目錄後就開始敲指令 | Codex CLI |
| 希望把重複任務接到腳本或流水線 | CLI，進一步看 `codex exec` |
| 想同時看對話、檔案與修改差異 | 桌面端 |
| 剛接觸 AI 編程，需要先看清它改了什麼 | 桌面端，再逐步熟悉終端機 |

CLI 能在本地項目中讀檔案、修改程式碼和執行工具，也能接到腳本中。這些是入口的工作方式，不代表它在同一道題上必然更準。[Codex CLI 官方說明](https://learn.chatgpt.com/docs/codex/cli)

## 桌面端的名字有個變化

截至2026年10月27日，官方快速開始介紹的是 **ChatGPT 桌面應用中的 Codex**：打開應用後，從 ChatGPT 下拉選單選擇 Codex。舊文章裏說的「Codex 桌面版」，讀到這裏時可以按這個入口找。[官方快速開始](https://learn.chatgpt.com/docs/quickstart)

Windows 安裝方式可以參考[官方快速開始](https://learn.chatgpt.com/docs/quickstart)。安裝成功、能登入、任務能完成，是分別要檢查的幾件事。

## 第一次先做一個小任務

不論選哪個入口，都可以把第一輪限制得很具體：

```text
先閱讀這個項目，說明它做什麼、從哪裏啟動、怎樣檢查。
列出支撐判斷的檔案路徑。本輪先不修改檔案。
```

看完它的解釋，再給一個小修改，例如讓待辦清單刷新後仍保留資料。最後看程式碼差異和實際檢查結果，再決定是否提交。這樣很快就能知道自己是否適應這個入口，也能減少一次改太多帶來的核對負擔。

這是一份入口選擇建議，沒有進行兩種客戶端的同任務性能對照。原筆記發表於2026年9月28日；入口說明於2026年10月27日修訂。

---

香港繁體版整理日期：2026年10月28日。原文引用的產品說明核對截至2026年10月27日；原實驗日期與範圍保留於文中。

[查看 AI Coding 系列全部文章](/tags/ai-coding/)

---

# FastMessage 跨裝置臨時文字傳遞與回覆收集工具

- URL: https://learnmarts.com/articles/fastmessage-temporary-text-sharing/
- Author: LearnMarts 編輯團隊
- Published: 2026-10-18
- Updated: 2026-10-18
- Category: 用戶指南
- Tags: FastMessage, Productivity, Workflow, 使用指南
- Summary: FastMessage 是可自行部署的跨裝置文字傳遞工具，透過有時限、可撤銷的連結與品牌 QR Code，讓你在手機與電腦之間分享文字，也能收集對方的文字回覆。本文介紹三種傳遞方式、四位數字安全碼、公開標題與私有備註的分別，以及連結到期、資料清理與內容保存的實際範圍，幫助你按日常工作需要選擇合適的用法。

---

**FastMessage** 是一個可自行部署的跨裝置文字傳遞工具。你可以將一段文字變成有時限、可撤銷的連結，讓另一部手機或電腦透過瀏覽器接收；也可以開啟回覆功能，請對方在同一頁提交文字。

例如，你在電腦整理了一段 AI 提示詞，想帶到手機繼續使用；或是在手機收到一段文字，需要放到電腦處理。透過 FastMessage，你可以選擇一個短有效期，產生連結或 QR Code，完成傳遞後再撤銷連結。接收方無需安裝專用 App，也無需登入管理介面。

![FastMessage 建立連結介面，保留品牌標識，分享網址與 QR Code 已遮蔽](/images/fastmessage-create-link-redacted.png)

*建立連結介面。分享網址與 QR Code 已遮蔽，保留 FastMessage 品牌標識及操作選項。*

## 三種文字傳遞方式

### 傳送文字到另一部裝置

將文字貼進 FastMessage，設定有效期後產生連結。接收方開啟完整連結，即可閱讀、複製全部文字，或下載成文字檔保存。

這種方式適合傳遞工作筆記、網址清單、程式碼片段或提示詞。接收頁保留原始換行，HTML、腳本與 Markdown 符號都以純文字顯示，方便將原文帶到下一個工作環節。

![FastMessage 接收頁示例，顯示收到的文字、剩餘時間、複製及下載按鈕](/images/fastmessage-receive-text.png)

*接收頁以文字為主，提供剩餘時間、複製全部文字及下載文字檔功能。圖中使用示例文字。*

### 傳送說明並收集回覆

建立連結時勾選「允許對方回覆」，接收方就能在文字下方的回覆欄提交內容。例如，你可以傳送一段待確認的文案，請對方直接回覆修改意見。

每條回覆都歸屬於原本的連結，只有登入後的管理者可以查看，接收方看不到其他人的回覆。管理者可在連結記錄中查看提交時間、閱讀完整原文及逐條複製；開啟的回覆視窗會定期更新。

### 建立只收回覆的連結

如果只想請對方傳一段文字給你，可以勾選「允許對方回覆」並將傳送文字留空。接收頁會以回覆欄為主；你也可以加入頁面標題，說明希望收到甚麼內容。

例如，將標題設為「請貼上需要整理的文字」，就能作為一次臨時文字收集入口。回覆與連結共用有效期，**需要保留的回覆，應在連結到期或撤銷前複製保存**。

## 如何完成一次傳遞

1. **登入管理介面。** 使用管理密碼登入後，進入「建立連結」。
2. **填寫內容。** 貼上要傳送的文字，按需要加入頁面標題及管理備註；若要接收文字，勾選「允許對方回覆」。
3. **選擇有效期。** 目前提供 1、5、10、30 分鐘，以及 1、6、24 小時，預設為 10 分鐘。也可選擇設定安全碼。
4. **傳送連結或展示 QR Code。** 對方在瀏覽器開啟後，即可按連結設定查看文字或提交回覆。
5. **完成後管理連結。** 如已完成傳遞，可提前撤銷；若有回覆需要保存，先複製到自己的筆記或文件。

有效連結會顯示剩餘時間，最後一分鐘會以警示色提醒。建立表單亦支援 Ctrl／⌘ + Enter，方便經常在電腦上操作的用戶。

## 安全碼與 FastMessage 品牌 QR Code

建立連結時，可選擇由系統產生一組四位數字安全碼。接收方通過安全碼驗證後，才會看到標題、正文及回覆欄。

啟用安全碼後，「複製連結」預設會複製包含安全碼的完整連結，對方開啟即可直接查看。若希望分開交付，可以使用「複製不含安全碼的連結」和「複製安全碼」，再透過不同途徑傳送。連結與安全碼都應只交給預定接收的人。

每個連結累計輸錯安全碼五次後，系統會自動撤銷該連結，並清除正文與回覆。因此，收到安全碼後應先確認內容再輸入。

FastMessage 會為新連結產生附有 **FastMessage 品牌標識**的 QR Code，並支援下載 PNG 圖片。QR Code 在瀏覽器內產生，無需將分享連結交給第三方 QR Code 服務，適合在電腦顯示後用手機掃描。

**QR Code 不包含安全碼。** 若連結設有安全碼，掃描後仍須輸入。下載的 QR Code 與原連結共用有效期，儲存圖片不會延長存取時間。

## 公開標題與私有管理備註

FastMessage 將接收方看到的內容，與管理者用來整理記錄的備註分開處理。

「頁面標題」會顯示在接收頁，適合填寫「待確認文案」或「文字收集」等說明；未填寫時，接收頁不顯示標題。「管理備註」則只在登入後的管理介面顯示，接收頁及公開讀取介面都不會返回這項資料。

例如，你可以將公開標題寫成「本次修改建議」，再於管理備註寫下「待整理至工作筆記」，方便稍後辨認。兩個欄位都可以在建立後編輯。

連結記錄支援按狀態篩選、按標題或管理備註搜尋，以及分頁瀏覽。你也可以查看開啟次數、重新複製有效連結、開啟 QR Code，或多選記錄後批量撤銷、刪除。刪除記錄會一併刪除正文與回覆，操作前會要求確認。

## 到期與撤銷如何生效

連結到期後，伺服器會拒絕後續讀取與回覆；這項檢查不依賴接收方的裝置時間，也不需要等待定時清理。手動撤銷同樣會停止後續存取，並清除應用資料庫中的正文、存取憑據與回覆。

已開啟的接收頁約每五秒重新驗證一次連結。撤銷後，頁面會在下一次驗證時清空；到期則按經伺服器校準的倒數清空。失去網絡連線、驗證失敗或切到背景時，頁面也會暫時清空內容，恢復後重新檢查。

過期內容的儲存清理由定時任務及管理記錄載入時執行；目前定時清理每五分鐘執行一次，實際執行時間可能受平台排程影響。標題、管理備註及時間等失效記錄保留 24 小時後清理，也可提前手動清理。

**撤銷無法收回對方已複製、下載或截圖的內容。** 應用資料庫的內容清理亦不代表雲端平台的歷史備份同步消失，平台本身的備份保留政策仍然適用。

## 介面與目前的使用範圍

FastMessage 提供簡體中文、繁體中文及英文介面，預設跟隨瀏覽器語言，也可手動切換。語言切換只影響介面文字，會保留原文與正在編輯的內容；介面亦支援手機與電腦畫面，以及系統淺色或深色模式。

目前每段傳送文字及每條回覆的上限為 100 KiB，以 UTF-8 位元組計算，並非十萬個中文字。每個部署實例最多同時保留 100 個有效連結，每個連結最多收集 20 條回覆，適合短期文字傳遞與少量回覆整理。

技術上，FastMessage 採用 Cloudflare Workers 與 D1，可部署於自行管理的雲端環境。管理介面以密碼登入，接收方則使用完整分享連結及安全碼（如有設定）存取內容。應用本身不載入外部字體、統計腳本或第三方前端服務。

產品入口及後續服務資訊將於本站另行公布。

---

# Prompt Templates for Consistently Triggering "8-Cylinder" Performance

- URL: https://learnmarts.com/articles/prompt-templates-for-8-cylinder-performance/
- Author: LearnMarts 編輯團隊
- Published: 2025-07-14
- Updated: 2025-07-14
- Category: Prompt Engineering
- Tags: Prompt Engineering, Workflow, Productivity, Templates
- Summary: 一套涵蓋核心模板、場景化模組與快速增強附加項的提示詞體系，幫助你穩定觸發最高水準的智能輸出並在每次任務中閉環驗證與迭代。

---

# Prompt Templates for Consistently Triggering "8-Cylinder" Performance

如何讓智能助手穩定輸出「馬力全開」的結果？以下這套「8缸模式」提示模板，把任務目標、上下文、輸出結構、品質約束與驗證機制一次交代清楚，任何場景都能快速呼叫。無論繁體中文或英文，只要替換變數即可。

## 1. 核心模板：以品質約束驅動的標準提示

**Instruction（任務目標）**
- 中文：請以最高水準的推理與表達能力完成以下任務，確保精確、可驗證、可執行，並給出改進建議。
- English: Provide the best-in-class reasoning and articulation to complete the task, ensuring precision, verifiability, and actionable outputs, plus improvement suggestions.

**Context（上下文輸入）**
- 以方括號標記的變數補充背景、目標、受眾、限制、可用資源、既有決策與風險點。

**Output Structure（輸出結構）**
1. 結論：最簡潔直接的可執行結論
2. 依據要點：僅保留影響結論的關鍵論據
3. 選項對比：以表格列出最相關維度
4. 行動清單：3–7 步可執行步驟
5. 風險與對策：主要風險 + 對應緩解
6. 驗證方法：如何快速檢驗正確性或效果
7. 後續迭代：下一步優化或擴展路徑

**Quality Constraints（輸出品質約束）**
- 準確性：引用資料需標註來源或可複核方法；避免未校驗假設。
- 相關性：每一句都要直接推進結論或行動。
- 簡潔性：不重複定義與結論，刪除冗餘資訊。
- 可執行性：寫明具體步驟、閾值、條件與判定標準。
- 穩健性：說明邊界情境與異常狀況下的處理策略。
- 透明性：清楚列出前置假設與適用範圍。

**Verification & Improvement（驗證與改進）**
- 提供 3 項快速驗真方法。
- 給出 2 個替代思路。
- 預留 1 個失敗時的回退方案。

## 2. 場景化模組：針對不同任務的專用模板

每次執行任務時，將核心模板與下列場景模組搭配使用，就能涵蓋從決策、技術診斷到創意產出的常見需求。

### 2.1 決策制定與策略規劃
- Instruction：針對 [決策主題]，在不犧牲嚴謹性的前提下，給出可落地的最優策略與替代方案。
- Context：補充目標、約束、時間線、資源、風險與成功判據。
- Output：直接結論、關鍵權衡因素與閾值、方案對比表（成本／風險／影響／可行性／回收期）、執行路線圖（里程碑與檢查點）、失敗訊號與止損機制。
- Quality Tip：明確資訊缺口並附上「資訊差補齊清單」。

### 2.2 技術排障與架構診斷
- Instruction：對 [系統／問題] 進行系統化診斷與修復，優先定位根因並給出可複現方案。
- Context：包含環境、版本、日誌線索、近期改動、相依項與資源限制。
- Output：根因候選（依優先級排序）、最小複現實驗步驟、修復方案（臨時 + 長期）、回歸測試清單、監控與告警指標（含閾值與觸發條件）。
- Quality Tip：所有步驟需可腳本化或自動化，並包含失敗分支與回滾策略。

### 2.3 研究綜述與洞察提煉
- Instruction：以最高標準完成 [研究主題] 的系統綜述與可執行洞察，避免拼湊與冗餘。
- Context：補充範圍、評估標準、時間框架與使用情境。
- Output：核心結論（避免平鋪直敘）、證據地圖（單頁摘要）、方法差異與適用邊界、實踐建議（情境化）、爭議點與未來驗證方向。
- Quality Tip：標註證據等級，區分事實、推論與假設。

### 2.4 產品設計與功能規劃
- Instruction：為 [產品／功能] 制定高品質方案，涵蓋目標、範圍、指標與交付路徑。
- Context：填入目標用戶、問題陳述、競品、限制與技術棧。
- Output：問題重述與成功定義（可量化）、用戶旅程與關鍵痛點、功能列表（Must／Should／Could／Won’t）、指標體系（北極星／領先／滯後指標）、交付里程碑與風險緩釋。
- Quality Tip：每個功能都需對應明確指標與驗收標準。

### 2.5 高風險文案與正式溝通
- Instruction：以「8缸模式」撰寫 [文稿類型]，確保語氣精準、邏輯清晰、可促成行動。
- Context：明確受眾、目的、關鍵訊息、禁區與時效。
- Output：主題與開場（一句話價值主張）、核心訊息（3–5 點）、行動請求（具體且可衡量）、備選措辭（保守／直接／禮貌／堅定各 1 版）、風險措辭與應對話術。
- Quality Tip：語言自然、不堆砌，避免重複表達同一結論。

### 2.6 翻譯與本地化調適
- Instruction：將 [原文] 進行專業級雙語轉化，維持事實一致並調整為目標平台風格。
- Context：補充受眾、平台、語氣、長度、術語表與禁用詞。
- Output：對齊版（高忠實度）、平台化改寫（風格與長度適配）、術語一致性與用詞校對、風險句式與替代表達。
- Quality Tip：標註任何不確定點並列出澄清問題。

### 2.7 程式碼與演算法設計
- Instruction：為 [任務] 提供可執行、可測試、可維護的程式碼與說明，不犧牲工程品質。
- Context：註明語言、框架、輸入輸出、效能目標、平台與邊界條件。
- Output：簡要方案與權衡、核心程式碼（含必要註解）、測試案例（涵蓋邊界與異常）、效能分析與優化建議、部署與監控要點。
- Quality Tip：說明複雜度、資源使用、錯誤處理策略，並避免隱式全域狀態。

### 2.8 比較分析與選型建議
- Instruction：比較 [對象列表] 並給出情境化推薦。
- Context：列舉使用情境、預算、關鍵指標、必須滿足與不可接受條件。
- Output：比較表（≤5 欄，直擊關鍵維度）、情境化推薦（依用戶角色或工作負載）、棄選理由（簡潔有力）。
- Quality Tip：禁止泛泛而談，每項建議都需對應明確適用情境。

### 2.9 風險評估與合規
- Instruction：評估 [專案／流程] 的風險與合規要求，輸出可執行的控制與稽核方案。
- Context：填寫法規範圍、資料類型、權限、日誌、第三方與跨境要素。
- Output：風險清單（發生機率 × 影響）、控制措施（預防／偵測／應對）、稽核證據與記錄格式、例外處理與審批流程。
- Quality Tip：明確責任人、觸發條件與處置時限。

### 2.10 約束下的創意產出
- Instruction：在嚴格約束下為 [創意主題] 產出高品質方案，兼顧原創性與可落地性。
- Context：補充風格、禁忌、資源限制、時間與目標受眾。
- Output：3 個方向（各自定位與應用情境）、每個方向的示例與微迭代建議、選擇建議與下一步製作計畫。
- Quality Tip：保持思路一致且可執行，避免空泛創意。

## 3. Quick Boosters：隨插即用的強化附加條件

在任何提示後加上以下附加條款，可進一步穩固輸出品質：
- **要求嚴謹**：顯式列出前置假設、適用範圍與失敗訊號。
- **限制冗餘**：刪除所有重複結論與顯而易見的陳述。
- **行動導向**：提供可執行清單與判定閾值，避免空洞建議。
- **穩健輸出**：加入邊界條件、異常處理與回滾策略。
- **驗證閉環**：給出 3 種快速驗真方法與後續迭代路徑。
- **對比清晰**：先表格再結論，減少反覆敘述。

## 4. 使用方法：三步即可上手

1. **填入變數**：將所有方括號替換為你的真實背景、目標與限制條件。
2. **組合模組**：核心模板是基礎，再依需求疊加一個場景模組即可，無須全部套用。
3. **維持約束**：無論任務多緊急，都要保留 Quality constraints 與 Verification & improvement，才能穩定觸發「8缸模式」。

## 5. 立即實作

準備一個真實任務（繁體中文或英文皆可），依照上述結構填好變數，直接提供給AI助手。若你想進一步客製化，也可以請我基於這套模板為你現場定製專屬提示，讓智能輸出與業務需求同步升級。

---

# 搭建私人VPN伺服器

- URL: https://learnmarts.com/articles/HowToCreateVPNserver/
- Author: LearnMarts 編輯團隊
- Published: 2025-09-22
- Updated: 2025-09-22
- Category: 教學
- Tags: VPN, 安裝指南, 伺服器, VPN Server, CN2 GIA
- Summary: 完整解說自建私人 VPN 伺服器的方法：比較公共 VPN 風險、Hysteria2 協議安裝、美國節點與 CN2 GIA 線路挑選及全平台客戶端設定。

---

眾所周知，目前香港地位被國際社會提升到與國家層面一樣，從香港地區訪問 ChatGPT / Claude / Gemini 等先進的 AI 大模型都是被阻止的，為此需要通過 VPN 才可訪問。

## VPN 是什麽？

VPN（虛擬私人網路，Virtual Private Network）是一種通過加密技術，讓用戶能夠在公共網路（如互聯網）上建立一條安全的、加密的通道，從而保護數據傳輸的隱私與安全。使用 VPN 後，您的網路流量會先加密並傳送到 VPN 伺服器，再由伺服器轉發到目標網站或服務，這樣可以隱藏您的真實 IP 位址，繞過地區限制，提升上網的安全性。

常見的 VPN 用途包括：

- 保護公共 Wi-Fi 下的上網安全，防止資料被竊取
- 隱藏真實 IP，保護個人隱私
- 繞過地區封鎖，訪問被限制的網站或服務（如 ChatGPT、YouTube 等）
- 遠端安全連接公司內部網路

總結來說，VPN 是一種提升網路安全、保護隱私並突破網路限制的重要工具。經過 VPN 防護之後，目標網站無法得知你嘅真實 IP 地址，你完全係模擬 VPN Server IP 地址進行訪問，達到保護真實的自己的目的。

## VPN 服務商

市面上 VPN 服務商五花八門，價格從幾十元包月到數百元不等，質量參差不齊。並且，你所有的訪問數據都會經過 VPN 服務商，你無法得知對方是否截留你嘅數據，數據安全存在極大嘅風險。另外，你所使用的 IP 地址係與他人共用的，如果當前這個 IP 受到污染，你再使用一些 AI 大模型服務時可能就會被阻止，穩定性和可靠性得不到保障。

## 自建 VPN 伺服器

透過自建 VPN 伺服器，安裝 VPN 應用程式到伺服器中，你就可以獨家擁有呢個 VPN 線路嘅使用權。呢個 IP 地址只有你可以使用，你透過 VPN Client （ MAC/Windows/iOS/Android 都可以）就可以連接到伺服器，經過伺服器訪問 Internet。

自建 VPN 伺服器，有多種通訊協議可以選擇，目前最流行嘅就係  Hysteria2，可以訪問以下地址獲得詳細嘅安裝說明：

[Hysteria2安裝使用說明](https://v2.hysteria.network/docs/getting-started/Installation/)

如果你唔想自己安裝，亦可以請我們代勞，我們只收費 HKD $199 / 次，幫你安裝好 VPN 伺服器所有應用程度以及教埋你點樣使用。

另外，你可以從以下地址購買經濟實惠嘅伺服器，購買后自行安裝或者請我們代勞即可：

[RackNerd伺服器推薦-1](https://my.racknerd.com/aff.php?aff=8070&pid=880)

只需要 US$18.93/Annually，配置如下：

- 2 vCPU Cores
- 40 GB PURE SSD RAID-10 Storage
- 2.5 GB RAM
- 3000GB Monthly Premium Bandwidth
- 1Gbps Public Network Port
- Full Root Admin Access
- 1 Dedicated IPv4 Address
- KVM / SolusVM Control Panel - Reboot, Reinstall, Manage rDNS, & much more
- Available in Multiple Locations

[RackNerd伺服器推薦-2](https://my.racknerd.com/aff.php?aff=8070&pid=358)

只需要 US$10.98/Annually，配置如下：

- 1x vCPU Core
- 17 GB PURE SSD RAID-10 Storage
- 1 GB RAM
- 3000GB Monthly Premium Bandwidth
- 1Gbps Public Network Port
- Full Root Admin Access
- 1 Dedicated IPv4 Address
- KVM / SolusVM Control Panel - Reboot, Reinstall, Manage rDNS, & much more
- LOCATION: Multiple Locations Available (See Order Form Selection)

**如果希望返到大陸都可以使用並且擁有更快嘅速度，可以選擇 CN2 GIA 線路嘅 BandwagonHost 伺服器**

[BandwagonHost 伺服器推薦](https://bwh81.net/aff.php?aff=75529&pid=87)

CN2 GIA 是中國電信投入基建的國際出口線路，能夠在中國大陸提供更快的連接速度到達 Internet

- SSD: 20 GB RAID-10
- RAM: 1 GB
- CPU: 2x Intel Xeon
- Transfer: 1000 GB/mo
- Link speed: 2.5 Gigabit
- Location1: Los Angeles, China Telecom IDC
- China Telecom CN2 GIA
- 2.5 Gbps Enterprise grade transport for China Unicom provided by China Telecom
- 2.5 Gbps E-commerce optimized premium network for all other destinations
- Direct peering with Google
- Location2: Japan, Equinix OS1 IDC
- Softbank IP transit 2.5 Gbps
- Direct peering with Google

為了配合 AI 大模型使用，建議所有機房只選擇美國地址，以使用美國 IP 地址。

## VPN Client

Set 好 VPN 伺服器程式之後仲要使用 VPN Client 才可以訪問并建立連接。 VPN Client 有好多選擇：

**iOS** 均可以在 App Store 下載

- Shadowrocket （需要付費購買）
- Streisand （免費）

**Android / Windows / Mac** 可以選擇比較多，通常有 `v2rayN` `Clash` 等。

---

# 善用 Markdown 提問：讓 AI 更快理解你

- URL: https://learnmarts.com/articles/how-to-ask-better-questions-with-markdown/
- Author: LearnMarts 編輯團隊
- Published: 2025-07-13
- Updated: 2025-07-13
- Category: 教學
- Tags: Markdown, 提問技巧, AI 協作
- Summary: 透過結構化的 Markdown 提問，你可以更清晰地描述需求、展示上下文，亦令 AI 準確還原代碼與錯誤訊息，顯著提升回應品質。

---

# 善用 Markdown 提問：讓 AI 更快理解你

想要 AI 快速掌握你的真正需求，清晰的提問方法好重要。Markdown 不單止係寫作語法，佢仲係結構化資訊、幫助 AI 精準讀懂你意圖嘅超實用工具。以下內容會同你逐步拆解一個示範問題，再分享實戰技巧同模板，幫你即時升級提問功力。

---

## ✅ 完整提問示例拆解

示例中先用標題交代主題，再以有序清單列出核心需求，最後用程式碼區塊展示現有進度。呢種結構可以令 AI 由上而下理解你嘅背景、目標同阻礙點。

```markdown
# 專案：PDF 轉 Markdown 腳本

## 背景
- 我係內容營運，需要每週將 5-10 份白皮書轉成 Markdown 再上 CMS
- 作業環境：macOS 14、Python 3.12、Poetry 1.8
- PDF 內容以繁體中文為主，偶爾有英文粗體小節同表格

## 我想達成
1. 推薦可抽取段落與樣式嘅 Python 套件（例如 `pdfplumber`、`PyMuPDF`）同推薦理由
2. 提供一個示範腳本，輸出 Markdown 並保留標題、粗體、清單等格式
3. 解釋處理跨頁段落、內嵌圖片或表格時可以用嘅策略

```python
import pdfplumber
from pathlib import Path

def pdf_to_text(path: str) -> str:
    with pdfplumber.open(path) as pdf:
        return "\n\n".join(page.extract_text() or "" for page in pdf.pages)

raw_text = pdf_to_text("example.pdf")
print(raw_text[:500])
```

目前我只係攞到純文字，未能自動分章或轉換標題。應該點樣整理成結構化 Markdown？有冇工具幫手處理圖片輸出？
```

**拆解重點**
- H1 標題先講清專案主題，方便 AI 快速鎖定範疇。
- `## 背景` 區段以清單列出環境、語言、檔案特色，提供必要上下文。
- `## 我想達成` 透過有序清單列明期待的輸出與支援項目。
- 語法標註嘅程式碼區塊展示目前進度，讓 AI 知道你已經做到邊一步。
- 結尾直接描述痛點（純文字、圖片處理），引導 AI 提供針對性解法。

---

## 📌 為何三個反引號咁重要？

使用三個反引號（```）包裹代碼、配置、錯誤訊息時，AI 可以：
- **清晰分隔**：代碼同描述唔會混埋一齊。
- **保留原始格式**：對 Python、YAML 呢啲對縮排敏感嘅語言尤其關鍵。
- **支援語法高亮**：加上語言標籤（例如 ```python）仲容易畀人類閱讀。
- **準確解析**：AI 較少誤判或自動改 format。
- **不限於代碼**：任何結構化資料都啱用，例如 JSON、終端輸出、錯誤堆疊等。

```json
{
  "error": "File not found",
  "code": 404
}
```

```bash
$ python convert.py input.pdf
Conversion complete!
```

---

## 🧭 寫提問時仲可以補充乜？

為咗令 AI 更精準回答，可以額外寫埋：
- **目標平台或環境**：例如 `macOS 14`, `Docker`, `CLI`。
- **語言或框架版本**：如 `Python 3.12`, `Node.js 20`, `Django 5`。
- **已試過嘅做法**：列出你做過嘅步驟或參考過嘅連結，避免 AI 重複建議。
- **理想輸出**：簡述你期望 AI 給出嘅格式或方向。
- **限制或條件**：例如唔可以安裝額外套件、必須相容舊版本。

---

## 🧩 Markdown 提問模板（可直接套用）

需要快速開局？可以 copy 呢個模板，再按實際情況填寫。

```markdown
# <問題主題>

我而家：
- <目前場景或背景>
- <已完成嘅步驟或參考>

我想達成：
1. <需求一>
2. <需求二>
3. <額外需求（可選）>

```<語言或資料類型>
<相關程式碼 / 設定 / 輸出>
```

補充：
- 環境：<系統 / 語言版本 / 平台>
- 限制：<不能做或希望避免嘅事項>
- 期望輸出：<理想結果或格式>
```

---

## 🎯 提問 Checklist

- 標題有冇交代清楚主題？
- 有冇列出所有想問嘅重點？
- 程式碼同錯誤訊息有冇用 ``` 包好？
- 有冇講明運行環境同限制？
- 有冇交代你已經試過乜？

每次提問前逐項檢查，AI 回覆速度同準確度都會明顯提升。

---

## 🤖 為何 AI 更容易理解 Markdown？

### 1. 🧩 結構清晰，語義明確
- `#`、`##` 等標題語法可以幫助 AI 快速識別主題層級。
- 有序清單（`1. 2. 3.`）或無序清單（`-`）令需求分點呈現，避免混淆。
- 粗體（`**重點**`）或斜體（`*補充*`）可以標示關鍵詞，提升語義辨識。

### 2. 🧠 程式碼區塊令 AI 更準確解析
使用三個反引號（```）包裹代碼、錯誤訊息、設定檔等內容有以下好處：

```python
def hello():
    print("Hello Markdown!")
```

- **保留格式**：例如 Python 嘅縮排，對語法分析至關重要。
- **語言標註**：如 `python`、`json` 等，有助 AI 使用正確語法模型。
- **避免誤判**：AI唔會將代碼當成自然語言處理，減少錯誤建議。

### 3. 📦 不限於代碼：錯誤訊息、終端輸出都適用

```bash
$ python convert.py input.pdf
Conversion complete!
```

```json
{
  "error": "File not found",
  "code": 404
}
```

- AI 可以根據格式判斷內容類型（例如 CLI 輸出 vs JSON 配置），從而提供針對性建議。

---

## ✅ 舉例比較：有用 Markdown vs 無格式提問

| 提問方式 | 效果 | AI 理解難度 |
|----------|------|--------------|
| 使用 Markdown 結構、標題、代碼區塊 | 清晰、分點、有上下文 | 低 |
| 一大段無格式文字 | 難以分辨主題、代碼、需求 | 高 |

---

## 🎯 結論

Markdown 唔係裝飾，而係一種「語意標記」，令 AI 可以：
- 快速定位主題與需求
- 精準解析代碼與錯誤
- 提供更有針對性嘅回應

如果你想 AI 回覆得快又準，Markdown 絕對係你嘅最佳幫手。

---

# How to Top Up Your ChatGPT Account for a Subscription

- URL: https://learnmarts.com/articles/how-to-top-up-your-chatgpt-account-for-a-subscription/
- Author: LearnMarts 編輯團隊
- Published: 2025-07-12
- Updated: 2025-07-12
- Category: 用戶指南
- Tags: ChatGPT, ChatGPT Plus, Subscription, Top-Up, OpenAI
- Summary: This service provides a step-by-step guide to adding funds to your ChatGPT account, enabling seamless access to premium subscription features. It’s designed to help users effortlessly upgrade their experience with enhanced AI capabilities.

---

This service provides a step-by-step guide to adding funds to your ChatGPT account, enabling seamless access to premium subscription features. It’s designed to help users effortlessly upgrade their experience with enhanced AI capabilities.

## 🎯 学习目标

通过本文，您将学会：
- 自助完成針對你的 ChatGPT 進行充值獲得 ChatGPT Plus 的订阅服务

## 📋 前置需求

在开始之前，请确保您具备：
- 已經擁有可正常使用的，且未訂閱 ChatGPT Plus / Pro 的 ChatGPT 帳號
- 已經在瀏覽器中 Login 你的 ChatGPT 帳號

## 🚀 正文内容

### 基础概念

本文將指導你進行自助充值 ChatGPT Plus，過程中無須向任何人提供你嘅賬戶密碼，全程在你嘅電腦或手機平板操作。

分為以下幾個簡單嘅步驟：

#### 獲得 Session Token

1. 登入網頁版 [ChatGPT](https://chatgpt.com)，登入成功后，不要關閉頁面。
2. 在同一個瀏覽器打開一個新分頁，打開 [https://chatgpt.com/api/auth/session](https://chatgpt.com/api/auth/session)，在呢個頁面中嘅字符串，全部複製。

![ChatGPT Session Token](/images/session_2025-07-13_013226_073.png)

至此，你已經獲得 Session Token ，並且已經保存在剪貼簿中。

#### 開始 Top-up

1. 繼續在瀏覽器中打開 [Learnmarts 充值服務](https://topup.anmody.com)，在第一個欄位中貼上你之前複製嘅 Session Token。
2. 跟著 Click 此欄位右下角嘅 “Verify Token”（驗證令牌）按鈕，如果驗證成功，會在此欄位左下角顯示你嘅 ChatGPT 帳號之電郵地址。
3. 在第二個欄位中，填寫我們提供嘅 Code（16個字符），填寫后 Click 此欄位右下角嘅 “Verify Code”（驗證卡密）按鈕，如果驗證成功，會在此欄位左下角顯示 

![ChatGPT Top-up](/images/top-up-anmody-1.png)

4. 上術兩個欄位都驗證成功后，Click “Start Recharge”（充值）按鈕，即可完成充值。在頁面右邊會顯示整個過程及結果。

至此，Top-up 已經完成，返回 [https://chatgpt.com](https://chatgpt.com) 并 Refresh 頁面，即可右頁面右上角的 Icon 看到你已經成功升級為 ChatGPT Plus 用戶。

## 🔗 相关资源

- [購買 Top-up Code](https://www.anmody.com)
- [查詢](https://www.anmody.com/feedback)

---

# Conversation Management 擴展程式用戶手冊 (ZIP 版本)

- URL: https://learnmarts.com/articles/Anmody_Plugin_USER_MANUAL_ZIP/
- Author: LearnMarts 編輯團隊
- Published: 2025-01-15
- Updated: 2025-01-15
- Category: 用戶指南
- Tags: Chrome 擴展, 安裝指南, 對話管理, ZIP 安裝, 開發者模式
- Summary: 專為需要使用 ZIP 安裝方式嘅用家而設，提供最詳細嘅 Conversation Management 擴展程式安裝同使用指南，包括開發者模式設定、故障排除等實用資訊！

---

# Conversation Management 擴展程式用戶手冊 (ZIP 版本)

![Conversation Management 擴展程式](/images/Conversation-Management_2025-05-30_001137_988.png)

## 🌍 系統兼容性

### 支援平台
- ✅ Windows 10/11
- ✅ macOS (Intel & Apple Silicon)
- ✅ Linux (Ubuntu, CentOS 等)
- ✅ ChromeOS

### 支援瀏覽器
- ✅ Google Chrome (推薦)
- ✅ Microsoft Edge (Chromium 版本)
- ✅ Brave Browser
- ✅ 其他基於 Chromium 的瀏覽器

## 📦 ZIP 版本安裝指南

### 第一步：下載和解壓

1. **下載 ZIP 檔案**
   - 下載最新版本的 Conversation Management 擴展程式 ZIP 檔案： 
      [conversation-management-v1.2.3.zip](/downloads/conversation-management-v1.2.3-b040d51d.zip) 到您的電腦
   - 建議儲存到桌面或專門的資料夾

2. **解壓檔案**
   - 右鍵點擊 ZIP 檔案
   - 選擇「解壓縮到...」或「Extract to...」
   - 選擇一個永久位置（重要：不要刪除此資料夾）

### 第二步：開啟開發者模式

1. **開啟 Chrome 瀏覽器**
2. **進入擴展程式頁面**
   - 在網址列輸入：`chrome://extensions/`
   - 或點擊右上角三點選單 → 更多工具 → 擴展程式
3. **啟用開發者模式**
   - 在頁面右上角找到「開發者模式」開關
   - 點擊開啟（開關變為藍色）

### 第三步：載入擴展程式

1. **點擊「載入未封裝項目」**
   - 在開發者模式開啟後會出現此按鈕
   - 英文版本為「Load unpacked」

2. **選擇解壓後的資料夾**
   - 瀏覽到您解壓 ZIP 檔案的位置
   - 選擇包含 `manifest.json` 的資料夾
   - 點擊「選擇資料夾」或「Select Folder」

3. **確認安裝成功**
   - 擴展程式會出現在擴展程式列表中
   - 狀態顯示為「已啟用」
   - 瀏覽器工具列會出現擴展程式圖示

## 🔧 功能使用說明

### 支援的網站
- ✅ [Learnmarts](https://ip.anmody.com)

### 基本操作流程

1. **訪問支援的網站**
   - 開啟任意支援的對話網站
   - 擴展程式會自動進行域名驗證

2. **開啟擴展程式面板**
   - 點擊瀏覽器工具列中的擴展程式圖示
   - 擴展程式會自動檢測當前網站是否支援

3. **載入對話列表**
   - 點擊「重新整理列表」按鈕
   - 等待系統載入您的對話記錄

4. **選擇要匯出的對話**
   - 勾選您想要匯出的對話（支援多選）
   - 可以使用「全選」功能快速選擇

5. **選擇匯出格式**
   - **HTML 格式**：美觀的網頁格式，適合檢視和分享
   - **Markdown 格式**：適合技術文件和進一步編輯
   - **純文字格式**：簡潔的文字格式，相容性最佳
   - **暫不支援圖像匯出**：圖像可使用普通保存 / Download 方式

6. **執行匯出**
   - 點擊「匯出選中對話」按鈕
   - 檔案會自動下載到您的下載資料夾

## ⚠️ 重要注意事項

### ZIP 版本特殊注意事項
- 🚨 **不要刪除解壓的資料夾**：刪除後擴展程式會失效
- 🚨 **擴展程式 ID 可能變化**：這是開發者模式的特性
- 🚨 **需要保持開發者模式開啟**：關閉後擴展程式會被停用

### 一般使用注意事項
- 🔒 **域名限制**：擴展程式僅在授權域名上運作
- 🌐 **網路要求**：需要穩定的網路連線進行域名驗證
- 🔄 **故障排除**：如遇問題，請重新整理頁面後重試
- 📱 **瀏覽器相容**：僅支援 Chrome 及基於 Chromium 的瀏覽器

## 🛡️ 安全與隱私

- ✅ **域名驗證保護**：透過遠端伺服器驗證，防止未授權使用
- ✅ **原始碼混淆**：核心程式碼經過高級混淆處理
- ✅ **隱私保護**：不收集、儲存或傳輸任何個人對話資料
- ✅ **本地處理**：所有對話資料僅在本地瀏覽器中處理

## 🚨 常見問題排除

### Q: 擴展程式顯示「域名未授權」
**A:** 請確認您在支援的網站上使用擴展程式，並檢查網路連線。

### Q: 無法載入對話列表
**A:** 請重新整理頁面，確保已登入對話網站，然後重試。

### Q: 匯出的檔案為空
**A:** 請確認已選擇對話，且對話包含有效內容。

### Q: 擴展程式圖示顯示為灰色
**A:** 這表示當前網站不受支援，請訪問支援的對話網站。

### Q: 擴展程式突然消失或停用
**A:** 檢查是否意外關閉了開發者模式，或刪除了解壓的資料夾。

## 📞 技術支援

如果遇到其他問題，請檢查：
1. Chrome 瀏覽器版本是否為最新
2. 擴展程式是否已正確安裝並啟用
3. 開發者模式是否保持開啟
4. 解壓的資料夾是否完整存在
5. 網路連線是否正常

如問題仍然存在，請聯絡技術支援並提供詳細的錯誤資訊。

---

## 🇺🇸 English Version

### System Compatibility

**Supported Platforms:**
- ✅ Windows 10/11
- ✅ macOS (Intel & Apple Silicon)
- ✅ Linux (Ubuntu, CentOS, etc.)
- ✅ ChromeOS

**Supported Browsers:**
- ✅ Google Chrome (Recommended)
- ✅ Microsoft Edge (Chromium version)
- ✅ Brave Browser
- ✅ Other Chromium-based browsers

### ZIP Version Installation Guide

**Step 1: Download and Extract**
1. Download [conversation-management-v1.2.3.zip](/downloads/conversation-management-v1.2.3-b040d51d.zip) to your computer
2. Right-click the ZIP file and select "Extract to..."
3. Choose a permanent location (Important: Do not delete this folder)

**Step 2: Enable Developer Mode**
1. Open Chrome browser
2. Navigate to `chrome://extensions/`
3. Toggle "Developer mode" ON (top-right corner)

**Step 3: Load Extension**
1. Click "Load unpacked" button
2. Select the extracted folder containing `manifest.json`
3. Confirm installation success

### Usage Instructions

**Supported Websites:**
- ✅ [Learnmarts](https://ip.anmody.com)

**Basic Operations:**
1. Visit supported websites
2. Click extension icon in browser toolbar
3. Click "Refresh List" to load conversations
4. Select conversations to export (multiple selection supported)
5. Choose export format: HTML, Markdown, or Plain Text
6. Click "Export Selected Conversations"

### Important Notes for ZIP Version

- 🚨 **Do not delete the extracted folder** - Extension will stop working
- 🚨 **Extension ID may change** - This is a developer mode characteristic
- 🚨 **Keep developer mode enabled** - Extension will be disabled if turned off

### Security & Privacy

- ✅ Domain validation protection
- ✅ Source code obfuscation
- ✅ No personal data collection
- ✅ Local processing only

### Troubleshooting

**Q: Extension shows "Domain not authorized"**
A: Ensure you're on a supported website and check network connection.

**Q: Cannot load conversation list**
A: Refresh the page, ensure you're logged in, then retry.

**Q: Exported file is empty**
A: Confirm conversations are selected and contain valid content.

**Q: Extension icon appears grayed out**
A: Current website is not supported. Visit supported conversation websites.

### Technical Support

If you encounter issues, please check:
1. Chrome browser is up to date
2. Extension is properly installed and enabled
3. Developer mode remains enabled
4. Extracted folder exists and is complete
5. Network connection is stable

For persistent issues, contact technical support with detailed error information.

---

# 關於本站

- URL: https://learnmarts.com/articles/site/
- Author: LearnMarts 編輯團隊
- Published: 2025-01-01
- Updated: 2025-01-01
- Category: 站務公告
- Tags: 關於, 站務
- Summary: 本站專為香港用家而設，提供最實用嘅 OpenAI API 教學同資源，等你輕鬆學識 AI 技術，快人一步！

---

## 關於本站

呢個網站係專為香港同華語地區嘅朋友而設，目標係用最貼地、易明嘅方式，教大家點樣用 OpenAI API。無論你係初學者定有經驗嘅開發者，都可以搵到啱用嘅教學同資源。

### 主要內容

- OpenAI API 基本用法同進階技巧
- 常見問題解答（FAQ）
- 實用程式碼例子同真實專案分享
- 最新公告同功能更新

### 適合邊啲人？

只要你對 AI、OpenAI API 有興趣，或者想搵資源提升自己，都歡迎嚟學習。唔理你係學生、工程師、創業者，定係純粹好奇，都啱用！

### 聯絡方法

如果你有文章勘誤、教學建議或技術合作想法，歡迎隨時透過以下管道聯絡我們：
[https://t.me/greatgorbot](https://t.me/greatgorbot)

多謝大家支持，記得 bookmark 本站或訂閱 [RSS](/rss.xml)，定期返嚟睇最新 AI Coding 同 OpenAI 教學內容！

---

# Docker Compose 現代化部署完整指南

- URL: https://learnmarts.com/articles/docker-compose-deployment-guide/
- Author: LearnMarts 編輯團隊
- Published: 2025-07-01
- Updated: 2025-07-01
- Category: 教學
- Tags: Docker, Docker Compose, 容器化, DevOps, 部署
- Summary: 深入學習 Docker Compose V2 的現代化容器編排技術，包含完整的部署示例、最佳實踐和故障排除指南。

---

# Docker Compose 現代化部署完整指南

在現代軟體開發中，容器化技術已成為不可或缺的一環。Docker Compose 作為 Docker 官方的容器編排工具，讓我們能夠輕鬆管理多容器應用程式。本文將深入介紹 Docker Compose V2 的使用方法，並提供實用的部署示例。

## 🚨 重要提醒：使用現代版本的 Docker Compose

**請注意**：本教程使用的是現代版本的 Docker Compose（V2），命令格式為 `docker compose`（中間有空格），而非舊版本的 `docker-compose`（中間有連字符）。

### 版本差異對比

| 項目 | 舊版本 (V1) | 新版本 (V2) |
|------|-------------|-------------|
| 命令格式 | `docker-compose` | `docker compose` |
| 安裝方式 | 獨立安裝 | Docker Desktop 內建 |
| 性能 | 較慢 | 顯著提升 |
| 功能 | 基礎功能 | 增強功能 + 新特性 |

## 📋 前置需求

在開始之前，請確保您的系統已安裝：

1. **Docker Desktop** (推薦) 或 **Docker Engine** (Linux)
2. **Docker Compose V2** (Docker Desktop 內建)

### 檢查安裝版本

```bash
# 檢查 Docker 版本
docker --version

# 檢查 Docker Compose 版本 (V2)
docker compose version

# 如果顯示舊版本，請升級 Docker Desktop
```

## 🏗️ Docker Compose 基礎概念

### 什麼是 Docker Compose？

Docker Compose 是一個用於定義和運行多容器 Docker 應用程式的工具。通過一個 YAML 文件來配置應用程式的服務，然後使用單一命令來創建並啟動所有服務。

### 核心組件

- **Services（服務）**：應用程式的不同組件（如 Web 服務、資料庫等）
- **Networks（網路）**：容器間的通信網路
- **Volumes（卷）**：數據持久化存儲

## 📝 基礎 docker-compose.yml 結構

```yaml
version: '3.8'  # Compose 文件版本

services:
  # 服務定義
  web:
    image: nginx:alpine
    ports:
      - "80:80"
    
  database:
    image: postgres:13
    environment:
      POSTGRES_PASSWORD: secret

networks:
  # 網路定義
  default:
    driver: bridge

volumes:
  # 卷定義
  db_data:
```

## 🚀 實戰示例：完整的 Web 應用部署

讓我們創建一個包含 Web 應用、資料庫和快取的完整示例：

### 1. 項目結構

```
my-app/
├── docker-compose.yml
├── .env
├── nginx/
│   └── nginx.conf
├── app/
│   ├── Dockerfile
│   └── src/
└── data/
    └── postgres/
```

### 2. 完整的 docker-compose.yml

```yaml
version: '3.8'

services:
  # Nginx 反向代理
  nginx:
    image: nginx:alpine
    container_name: my-app-nginx
    ports:
      - "80:80"
      - "443:443"
    volumes:
      - ./nginx/nginx.conf:/etc/nginx/nginx.conf:ro
      - ./nginx/ssl:/etc/nginx/ssl:ro
    depends_on:
      - app
    networks:
      - frontend
    restart: unless-stopped

  # Node.js 應用
  app:
    build:
      context: ./app
      dockerfile: Dockerfile
    container_name: my-app-backend
    environment:
      - NODE_ENV=production
      - DATABASE_URL=postgresql://postgres:${POSTGRES_PASSWORD}@postgres:5432/${POSTGRES_DB}
      - REDIS_URL=redis://redis:6379
    depends_on:
      postgres:
        condition: service_healthy
      redis:
        condition: service_started
    networks:
      - frontend
      - backend
    restart: unless-stopped
    volumes:
      - ./app/uploads:/app/uploads

  # PostgreSQL 資料庫
  postgres:
    image: postgres:15-alpine
    container_name: my-app-postgres
    environment:
      POSTGRES_DB: ${POSTGRES_DB}
      POSTGRES_USER: ${POSTGRES_USER}
      POSTGRES_PASSWORD: ${POSTGRES_PASSWORD}
    volumes:
      - postgres_data:/var/lib/postgresql/data
      - ./data/postgres/init.sql:/docker-entrypoint-initdb.d/init.sql:ro
    networks:
      - backend
    restart: unless-stopped
    healthcheck:
      test: ["CMD-SHELL", "pg_isready -U ${POSTGRES_USER} -d ${POSTGRES_DB}"]
      interval: 30s
      timeout: 10s
      retries: 3
      start_period: 60s

  # Redis 快取
  redis:
    image: redis:7-alpine
    container_name: my-app-redis
    command: redis-server --appendonly yes --requirepass ${REDIS_PASSWORD}
    volumes:
      - redis_data:/data
    networks:
      - backend
    restart: unless-stopped
    healthcheck:
      test: ["CMD", "redis-cli", "--raw", "incr", "ping"]
      interval: 30s
      timeout: 10s
      retries: 3

  # 監控工具 (可選)
  adminer:
    image: adminer:latest
    container_name: my-app-adminer
    ports:
      - "8080:8080"
    depends_on:
      - postgres
    networks:
      - backend
    restart: unless-stopped
    profiles:
      - debug

networks:
  frontend:
    driver: bridge
  backend:
    driver: bridge
    internal: true

volumes:
  postgres_data:
    driver: local
  redis_data:
    driver: local
```

### 3. 環境變數文件 (.env)

```bash
# 資料庫配置
POSTGRES_DB=myapp
POSTGRES_USER=postgres
POSTGRES_PASSWORD=your_secure_password_here

# Redis 配置
REDIS_PASSWORD=your_redis_password_here

# 應用配置
NODE_ENV=production
APP_PORT=3000

# SSL 配置 (如果使用 HTTPS)
SSL_CERT_PATH=/etc/nginx/ssl/cert.pem
SSL_KEY_PATH=/etc/nginx/ssl/key.pem
```

## 🔧 常用 Docker Compose 命令

### 基本操作

```bash
# 啟動所有服務 (後台運行)
docker compose up -d

# 查看服務狀態
docker compose ps

# 查看服務日誌
docker compose logs

# 查看特定服務日誌
docker compose logs app

# 停止所有服務
docker compose down

# 停止並刪除卷
docker compose down -v

# 重新構建並啟動
docker compose up --build -d
```

### 進階操作

```bash
# 擴展服務實例
docker compose up --scale app=3 -d

# 執行一次性命令
docker compose exec app npm run migrate

# 進入容器 shell
docker compose exec app sh

# 查看資源使用情況
docker compose top

# 驗證配置文件
docker compose config
```

## 🛡️ 安全最佳實踐

### 1. 環境變數管理

```yaml
# 使用 .env 文件
environment:
  - DATABASE_URL=${DATABASE_URL}
  - API_KEY=${API_KEY}

# 使用 Docker secrets (Swarm 模式)
secrets:
  - db_password
  - api_key
```

### 2. 網路隔離

```yaml
networks:
  frontend:
    driver: bridge
  backend:
    driver: bridge
    internal: true  # 內部網路，無法訪問外網
```

### 3. 資源限制

```yaml
services:
  app:
    deploy:
      resources:
        limits:
          cpus: '0.5'
          memory: 512M
        reservations:
          cpus: '0.25'
          memory: 256M
```

## 🔍 故障排除指南

### 常見問題及解決方案

#### 1. 服務無法啟動

```bash
# 檢查服務狀態
docker compose ps

# 查看詳細日誌
docker compose logs --tail=50 service_name

# 檢查配置文件語法
docker compose config
```

#### 2. 網路連接問題

```bash
# 檢查網路配置
docker network ls
docker network inspect my-app_default

# 測試容器間連接
docker compose exec app ping postgres
```

#### 3. 卷掛載問題

```bash
# 檢查卷狀態
docker volume ls
docker volume inspect my-app_postgres_data

# 檢查文件權限
docker compose exec app ls -la /app/uploads
```

### 調試技巧

```bash
# 以調試模式啟動
docker compose --profile debug up -d

# 查看容器內部
docker compose exec app sh

# 監控資源使用
docker stats $(docker compose ps -q)
```

## 📊 監控和日誌管理

### 1. 日誌配置

```yaml
services:
  app:
    logging:
      driver: "json-file"
      options:
        max-size: "10m"
        max-file: "3"
```

### 2. 健康檢查

```yaml
services:
  app:
    healthcheck:
      test: ["CMD", "curl", "-f", "http://localhost:3000/health"]
      interval: 30s
      timeout: 10s
      retries: 3
      start_period: 40s
```

## 🚀 生產環境部署建議

### 1. 使用多階段構建

```dockerfile
# Dockerfile 示例
FROM node:18-alpine AS builder
WORKDIR /app
COPY package*.json ./
RUN npm ci --only=production

FROM node:18-alpine AS runtime
WORKDIR /app
COPY --from=builder /app/node_modules ./node_modules
COPY . .
EXPOSE 3000
CMD ["npm", "start"]
```

### 2. 配置文件分離

```bash
# 開發環境
docker compose -f docker-compose.yml -f docker-compose.dev.yml up

# 生產環境
docker compose -f docker-compose.yml -f docker-compose.prod.yml up
```

### 3. 自動化部署腳本

```bash
#!/bin/bash
# deploy.sh

set -e

echo "🚀 開始部署..."

# 拉取最新代碼
git pull origin main

# 構建並啟動服務
docker compose build --no-cache
docker compose up -d

# 等待服務就緒
echo "⏳ 等待服務啟動..."
sleep 30

# 健康檢查
if docker compose exec app curl -f http://localhost:3000/health; then
    echo "✅ 部署成功！"
else
    echo "❌ 部署失敗，正在回滾..."
    docker compose down
    exit 1
fi

# 清理舊映像
docker image prune -f

echo "🎉 部署完成！"
```

## 📚 總結

Docker Compose V2 為現代應用部署提供了強大而靈活的解決方案。通過本教程，您學會了：

- ✅ Docker Compose V2 的基本概念和命令
- ✅ 編寫完整的 docker-compose.yml 配置
- ✅ 實施安全最佳實踐
- ✅ 故障排除和調試技巧
- ✅ 生產環境部署策略

記住使用現代版本的 `docker compose` 命令，並根據您的具體需求調整配置。隨著經驗的積累，您將能夠構建更複雜和高效的容器化應用。

## 🔗 相關資源

- [Docker Compose 官方文檔](https://docs.docker.com/compose/)
- [Docker Hub](https://hub.docker.com/)
- [Compose 文件參考](https://docs.docker.com/compose/compose-file/)

---

*如果您在部署過程中遇到問題，歡迎在評論區分享，我們會盡快為您解答！*

---

# Android 工程常用術語

- URL: https://learnmarts.com/articles/Common-Terms-in-Android-Engineering/
- Author: LearnMarts 編輯團隊
- Published: 2025-05-17
- Updated: 2025-05-17
- Category: 教學
- Tags: Android
- Summary: 收錄 Android 工程開發中最常見的專業術語與解釋，助你快速掌握專案結構、開發流程與調試技巧。

---

# Android 工程常用術語

## 1. 基礎術語
- **包（Package）**：Java/Kotlin 程式碼的組織單元，用於命名空間管理。
- **類（Class）**：定義物件的藍圖，包含屬性和方法。
- **方法（Method）**：類中定義的具體功能或行為。

## 2. 專案結構相關
- **模組（Module）**：獨立建構單元，如 app 模組、函式庫模組。
- **Activity**：用戶介面畫面。
- **Fragment**：Activity 的子介面，模組化 UI。
- **Service**：背景任務元件，無 UI。
- **BroadcastReceiver**：接收廣播訊息。
- **ContentProvider**：跨應用程式共享資料。
- **Application**：應用程式全域進入點類別。
- **Gradle**：建構工具，管理相依。
- **Manifest（AndroidManifest.xml）**：應用程式設定檔。
- **Resource（資源）**：版面、字串、圖片、主題等。
- **AAR**：Android 函式庫檔案格式。
- **APK**：應用程式安裝包。
- **AAB（Android App Bundle）**：動態交付發佈格式。

## 3. 程式碼與開發相關
- **介面（Interface）**：方法契約。
- **抽象類（Abstract Class）**：定義通用行為。
- **註解（Annotation）**：如 `@Override`、`@Nullable`。
- **回呼（Callback）**：非同步結果處理。
- **Intent**：元件間通訊。
- **Bundle**：傳遞資料的鍵值對。
- **View**：UI 元素，如 Button。
- **ViewModel**：管理 UI 資料，生命週期感知。
- **LiveData**：可觀察資料，生命週期感知。
- **DataBinding**：UI 與資料綁定。
- **Room**：本地資料庫函式庫。
- **Coroutine**：Kotlin 非同步框架。
- **Flow**：Kotlin 響應式資料流。

## 4. 架構與設計相關
- **MVC/MVP/MVVM**：架構模式。
- **Repository**：統一管理資料來源。
- **Dependency Injection（依賴注入）**：如 Dagger、Hilt。
- **Jetpack**：Android 開發函式庫集合。
- **Lifecycle**：管理元件生命週期。
- **WorkManager**：排程背景任務。
- **Navigation**：Fragment 導航。

## 5. 除錯與建構相關
- **Logcat**：日誌工具。
- **Debugger**：中斷點除錯。
- **Lint**：靜態程式碼分析。
- **ProGuard/R8**：程式碼混淆最佳化。
- **Build Variant**：建構變體，如 debug、release。
- **Flavor**：產品變體，如免費版、付費版。
- **Keystore**：簽章金鑰。

## 6. 其他常見術語
- **Context**：提供應用程式環境資訊。
- **Permissions（權限）**：如儲存、相機。
- **Thread（執行緒）**：主執行緒、副執行緒。
- **Handler**：執行緒間通訊。
- **Looper**：訊息迴圈。
- **AsyncTask**：非同步任務（已淘汰）。
- **SharedPreferences**：鍵值對儲存。
- **Parcel**：序列化資料容器。
- **ART**：Android 執行時。
- **Dalvik**：早期虛擬機（已淘汰）。

---

# ChatGPT Plus 使用指南

- URL: https://learnmarts.com/articles/ChatGPT-Plus-User-Guide/
- Author: LearnMarts 編輯團隊
- Published: 2025-05-14
- Updated: 2025-05-14
- Category: 教學
- Tags: ChatGPT, Plus, 使用指南
- Summary: 全面介紹 ChatGPT Plus 的模型選擇、提問技巧與注意事項，助你高效使用 AI。

---

此指南將幫助您更高效地使用 ChatGPT Plus，包括如何選擇模型、提問技巧以及一些注意事項。

## 1. 選擇模型
在當前版本的 ChatGPT Plus 中，您可以選擇以下幾種模型：

### 1.1 模型選項
+ **GPT-4o**  
適用於大多數問題，提供廣泛的應用和較強的推理能力。適合一般問題、分析性任務和創意寫作等。
+ **GPT-4o with scheduled tasks (BETA)**  
用於安排任務，讓 ChatGPT 後續跟進並執行特定任務。適合需要定期追蹤或需要多次互動的任務。
+ **o1**  
使用高級推理，適合複雜的邏輯問題、需要深度推理的任務，如哲學性或數學問題分析。
+ **o3-mini**  
專注於快速且高級的推理，適合時間較緊或對響應速度要求較高的任務。雖然它依然具有強大的推理能力，但通常更適合日常問題解答和較簡單的任務。
+ **o3-mini-high**  
適合需要高效編程和邏輯推理的任務，尤其在代碼生成、調試以及解決與技術相關的問題時表現優秀。對於編程問題或算法分析，o3-mini-high 是最合適的選擇。

### 1.2 何時選擇哪個模型
+ **選擇 GPT-4o**  
當您有一般性問題時，選擇此模型。它能處理廣泛的任務，包括日常問題解答、內容創作等。
+ **選擇 GPT-4o with scheduled tasks**  
當您的問題需要多次互動或後續跟進時，選擇此模型。它適合處理需要在未來進行補充和跟進的複雜問題。
+ **選擇 o1**  
如果您的問題涉及深度推理、複雜的推理鏈或專業分析，選擇此模型會得到更高質量的回答。
+ **選擇 o3-mini**  
如果您的任務較簡單，且希望快速得到答案，o3-mini 是最佳選擇。它提供較為快速的推理，適合日常問答。
+ **選擇 o3-mini-high**  
對於需要編程、算法分析或技術問題解決的用戶，o3-mini-high 是最適合的模型。它在處理技術細節和編程任務時表現出色。

## 2. 提問技巧
### 2.1 避免將多個問題集中在一個對話中
+ **分開提問**：將多個不同問題拆分為獨立的提問。這樣可以幫助 ChatGPT 更加清晰地回答每個問題。
    - **拆分問題示例**：
        * 問題 1: `如何編寫Python代碼？`
        * 問題 2: `如何準備演講？`

### 2.2 使用清晰、簡潔的表述
+ **簡潔明了**：確保您的問題簡單直接，避免冗長或含糊不清的描述。例如：“如何寫報告？”比“我該如何開始寫一份關於商業計劃的報告？”更簡潔明了。
+ **指定細節**：如果需要特定格式的答案，提前說明。例如：“請以步驟列表的形式回答。”

### 2.3 提供足夠的背景信息
+ **具體背景**：提供問題相關的背景信息，幫助 ChatGPT 更好地理解您的需求，提供準確的答案。
    - 例如：“我是一名Python初學者，如何寫一個簡單的計算器程序？”

### 2.4 逐步提問，獲取詳細信息
+ **分步提問**：將複雜問題分解為多個小問題，逐步獲取詳細的解答。
    - 例如：如何開始規劃一個新項目？然後再詢問如何分配任務、如何評估項目進度。

### 2.5 避免過於開放性問題
+ **明確目標**：避免提出過於開放的問題。清楚地表達您的需求，可以得到更精準的回答。
    - 例如：“給我推薦一些適合初學者的有趣編程項目。”

### 2.6 利用多輪對話進行修正和澄清
+ **逐步澄清**：如果模型的回答不完全符合您的需求，可以通過進一步提問澄清。例如：“你剛才提到的方法不適合我，能否給我一個更簡單的方案？”

### 2.7 明確回答的期望形式
+ **指定格式**：提前說明您希望回答的格式，如列表、段落或表格。
    - 例如：“請用五個步驟列出如何提高工作效率。”

### 2.8 避免過度複雜的問題
+ **簡化問題**：將複雜問題拆解成多個簡單的部分，每個部分逐一詢問，避免一次性提出過多複雜問題。

## 3. 注意事項
### 3.1 確保邏輯清晰
+ 在提問時，確保問題沒有邏輯混亂或矛盾，避免模糊不清的提問，這會導致答案不準確。

### 3.2 模型限制
+ **準確性**：儘管 GPT-4o 比 GPT-3.5 更強大，但它仍然可能提供不準確的回答。對於複雜任務，建議使用更強的模型（如 o1）。
+ **上下文限制**：每個模型都有上下文限制。對於長對話或複雜任務，定期總結和回顧之前的對話內容，以保持一致性。

### 3.3 適應模型的處理速度
+ **響應速度**：不同模型的響應速度可能不同。對於時間緊迫的任務，可以選擇 **o3-mini** 以獲得較快的響應，而對於需要深度推理的任務，選擇 **o1** 或 **GPT-4o** 會更合適。

通過以上建議，您可以更高效地使用 ChatGPT Plus，獲得更加精準和有價值的回答。選擇合適的模型，掌握提問技巧，讓每一次互動都更加順暢和高效。

---

# 開發者快速入門

- URL: https://learnmarts.com/articles/quickstart/
- Author: LearnMarts 編輯團隊
- Published: 2025-04-22
- Updated: 2025-04-22
- Category: 教學
- Tags: OpenAI, 快速入門
- Summary: 用最簡單的方式，帶你認識 OpenAI API 的基本名詞與使用原理。

---

開發者快速入門
====================

踏出使用 OpenAI API 的第一步。

OpenAI API 提供簡單易用的介面，讓你能夠存取最先進的 AI 模型，用於文字生成、自然語言處理、電腦視覺等多種應用。以下範例展示如何像 ChatGPT 一樣，根據提示生成文字內容。

### 文字生成範例

- JavaScript Code

```javascript
import OpenAI from "openai";
const client = new OpenAI();

const response = await client.responses.create({
    model: "gpt-4.1",
    input: "請用一句話寫一個有關獨角獸的睡前故事。"
});

console.log(response.output_text);
```

- Python Code

```python
from openai import OpenAI
client = OpenAI()

response = client.responses.create(
    model="gpt-4.1",
    input="請用一句話寫一個有關獨角獸的睡前故事。"
)

print(response.output_text)
```

- Bash Code

```bash
curl "https://api.openai.com/v1/responses" \
    -H "Content-Type: application/json" \
    -H "Authorization: Bearer $OPENAI_API_KEY" \
    -d '{
        "model": "gpt-4.1",
        "input": "請用一句話寫一個有關獨角獸的睡前故事。"
    }'
```

---

### 回應資料保存政策

API 回應物件預設會保存 30 天。你可以在 API 後台日誌頁面查看，或透過 API 查詢。如不希望保存，可在建立 Response 時設 `store: false`。

---

### 設定開發環境

安裝並設定官方 OpenAI SDK，即可執行上述程式碼。

---

### 圖像分析範例

你也可以將圖片作為輸入，讓模型進行分析。例如掃描收據、分析截圖、辨識現實世界物件等。

- JavaScript Code

```javascript
import OpenAI from "openai";
const client = new OpenAI();

const response = await client.responses.create({
    model: "gpt-4.1",
    input: [
        { role: "user", content: "這張照片是哪兩支球隊在比賽？" },
        {
            role: "user",
            content: [
                {
                    type: "input_image", 
                    image_url: "https://upload.wikimedia.org/wikipedia/commons/3/3b/LeBron_James_Layup_%28Cleveland_vs_Brooklyn_2018%29.jpg",
                }
            ],
        },
    ],
});

console.log(response.output_text);
```

---

### 擴展模型能力：工具與網路搜尋

你可以讓模型使用工具，例如網路搜尋，獲取最新資訊。

- JavaScript Code

```javascript
import OpenAI from "openai";
const client = new OpenAI();

const response = await client.responses.create({
    model: "gpt-4.1",
    tools: [ { type: "web_search_preview" } ],
    input: "請提供今天一則正面的新聞。",
});

console.log(response.output_text);
```

---

### 高效串流體驗

你可以使用 [Realtime API](https://platform.openai.com/docs/guides/realtime) 或 [串流事件](https://platform.openai.com/docs/guides/streaming-responses) 實現低延遲、高效能的 AI 體驗。

- JavaScript Code

```javascript
import { OpenAI } from "openai";
const client = new OpenAI();

const stream = await client.responses.create({
    model: "gpt-4.1",
    input: [
        {
            role: "user",
            content: "請快速重複說十次『泡泡浴』。",
        },
    ],
    stream: true,
});

for await (const event of stream) {
    console.log(event);
}
```

---

### 建立智能代理（Agent）

你可以利用 OpenAI 平台建立能夠自動執行任務的[智能代理](https://platform.openai.com/docs/guides/agents)。

- Python Code

```python
from agents import Agent, Runner
import asyncio

spanish_agent = Agent(
    name="西班牙語代理",
    instructions="你只能用西班牙語回答。",
)

english_agent = Agent(
    name="英語代理",
    instructions="你只能用英語回答。",
)

triage_agent = Agent(
    name="分流代理",
    instructions="根據請求語言分派給合適的代理。",
    handoffs=[spanish_agent, english_agent],
)

async def main():
    result = await Runner.run(triage_agent, input="Hola, ¿cómo estás?")
    print(result.final_output)

if __name__ == "__main__":
    asyncio.run(main())
```

---

# 第一次用 OpenAI API 聊天

- URL: https://learnmarts.com/articles/first-openai-api-chatgpt-conversation/
- Author: LearnMarts 編輯團隊
- Published: 2025-04-22
- Updated: 2025-04-22
- Category: 教學
- Tags: OpenAI, ChatGPT
- Summary: 跟我學點樣用 OpenAI API 聊天！

---

最簡單嘅方法，就係使用 `curl` 命令行工具，向 OpenAI API 發送請求。

Code 示例：

```bash
curl https://api.openai.com/v1/responses \
    -H "Content-Type: application/json" \
    -H "Authorization: Bearer $OPENAI_API_KEY" \
    -d '{
        "model": "gpt-4.1",
        "input": "Write a one-sentence bedtime story about a unicorn."
    }'
```

其中，`$OPENAI_API_KEY` 係你嘅 API KEY，你需要去 [https://platform.openai.com](https://platform.openai.com) Create an API key，然後複製貼上。

通常在 PowerShell 或者 Bash 中使用 Curl。


需要購買 OpenAI API KEY？
Contact us at [https://t.me/greatgorbot](https://t.me/greatgorbot)

價格：

HKD120 >>> USD$8

HKD200 >>> USD$15

HKD500 >>> USD$45

HKD1000>>>USD$100

💰 API 扣費標準遵循 OpenAI 價目表：
[https://www.openai.com/api/pricing](https://www.openai.com/api/pricing)


💕 歡迎加入我哋嘅教學頻道（WhatsAPP）：
[https://t.afffun.com/av7rd3fg](https://t.afffun.com/av7rd3fg)

---

# 初步認識 OpenAI API

- URL: https://learnmarts.com/articles/intro-openai-api/
- Author: LearnMarts 編輯團隊
- Published: 2025-04-22
- Updated: 2025-04-22
- Category: 教學
- Tags: OpenAI, API
- Summary: 用最簡單嘅方式，帶你了解 OpenAI API 嘅基本名詞同使用原理。

---

## 乜嘢係 OpenAI API？

OpenAI API 係由 OpenAI 提供嘅一組網絡介面（API），等你可以用程式方式連接同使用 OpenAI 嘅人工智能服務，例如 ChatGPT、GPT-4o、o3、o4、DALL·E 等。

## 常見名詞解釋

- **API KEY**  
  API KEY 就係你用嚟認證身份嘅密鑰，好似你嘅會員證一樣。每次用 API 時都要帶住呢個 KEY，OpenAI 先會識得你係邊個同埋計算用量。

- **BASE_URL**  
  BASE_URL 係 API 嘅主網址，所有請求都要發去呢個網址。例如官方 API 嘅 BASE_URL 係 `https://api.openai.com/v1/`，如果你用代理或者第三方服務，BASE_URL 可能會唔同。

- **Endpoint**  
  Endpoint 係 API 入面唔同功能嘅路徑，例如 `/chat/completions` 係用嚟同 ChatGPT 對話嘅 endpoint。依家仲有一個新嘅路徑 `/v1/responses` ，兩者大致相同，而目前官方建議使用後者。

- **Token**  
  Token 係計算你輸入同輸出文字長度嘅單位，API 收費都係根據 token 數量計算。

## OpenAI API 使用原理

1. 你可以向我哋購買 API 額度，由我們創建 API KEY 畀你或你自己創建一個 API KEY。
2. 用你嘅 API KEY 同 BASE_URL，喺程式（例如 Python、JavaScript）入面發送請求（request）去 OpenAI API。
3. API 會根據你嘅請求（例如輸入一段文字），返回對應嘅 AI 回應。
4. 每次請求都會消耗 token，OpenAI 會根據 token 數量收費。

## 小貼士

- API KEY 千祈唔好公開畀人睇，否則有機會被濫用。
- 如果你用第三方服務，記得確認 BASE_URL 同 API KEY 嘅安全性。
- 建議新手可以用 Postman 或 curl 測試 API，熟悉流程。

希望呢篇文章可以幫你打好 OpenAI API 嘅基礎，有咩問題歡迎留言或聯絡我哋！

Contact us at:

[https://t.me/greatgorbot](https://t.me/greatgorbot)
