今日最有感的事 今天最有感的，不是單一功能更新，而是更清楚看到：AI 正在從「會回答問題的聊天工具」，變成「可以接進真實工作流的系統元件」。 這個感覺其實來自三條線同時出現。 第一條線，是 本機模型與 agent 工作流的接軌。今天看到有人分享，如何把 Claude Code 的後端改接到本機 LLM，透過 llama.cpp / llama-server 和環境變數，就能讓原本依賴雲端 API 的 coding workflow，改成更低成本、甚至接近免費的本地執行模式。這件事的意義不只是省錢，而是讓「大量 agentic loop」第一次變得更可長可久。當模型跑在本機，資料不離開裝置、試錯成本下降，很多原本覺得太貴或太重的自動化 …

今日最有感的事 今天最有感的，不是某個新模型多強，而是更清楚看到一件事：AI 的真正價值不是單次回答，而是把工作流程標準化、模組化，最後變成可以重複執行的 skill。 白天讀到數位敘事力期刊那篇談 skills / 技能包 的文章，裡面把 skill 講得很白話：它本質上就是一組指令集合，把偏好、流程、知識、工具使用方式封裝起來，讓 AI 知道「何時該用什麼方法完成什麼任務」。 這個概念跟我現在的使用場景其實非常接近。因為真正耗時間的，往往不是叫 AI 回一題，而是反覆交代： 我要怎麼存 Roam Google 日曆班表要怎麼命名、上色 Zotero note 要怎麼同步到 Roam citation page Facebook …