20260801 影片筆記

本影片示範如何僅用 10 分鐘、零成本，透過組合使用 VSCode、Cloud Code、Google Flow（基於 Nano Banana 與 Fill 模型）等工具，從生成素材到編寫程式碼，最終部署出一個具備 Apple 風格滾動動態效果的高質感動態網站。

在記憶體短缺導致 Mac 價格上漲的市場環境下，建議一般用戶優先選擇 16GB RAM 搭配雲端 AI 服務以節省成本；若需進行地端 AI 或代理型（Agent）應用，則建議記憶體至少 24GB 起跳，儲存空間可透過外接 SSD 擴充，不必強求高價內建大容量。

影片演示了如何使用 AI 工具 Cloud 的 Cowork 桌面功能，透過一句提示詞指令，自動分析、刪除重複檔案與安裝程式，並將 2,260 多個雜亂檔案重新分類為 13 個資料夾，成功釋放 35.1G 空間。

影片主要介紹 Google Cloud AI 平台中「Skill（技能）」的功能應用，特別是針對工程師或進階使用者的需求。講者詳細演示了如何使用內建的「Skill Creator」創建技能，涵蓋觸發條件、記憶體載入、漸進式執行等機制，並透過實際案例展示如何自動化生成數學考卷與互動遊戲，強調其與 Gemini、NotebookLM 的定位差異及微軟生態系的檔案...

影片介紹了 Cloud 桌面版程式的新功能「Dispace」，允許用戶透過手機 APP 遠端發送指令，由保持開機的電腦自動執行瀏覽器操作或特定任務（如自動回覆留言、生成考卷），提供類似「龍蝦」功能的穩定遠端控制方案。

本集影片系統性介紹了 Claude AI 的四種主要使用模式（Cloud Chat、CodeWork、Cloud Code 桌面板、Cloud Code CLI），並按照難度由低到高解析其功能差異、適用情境與學習路徑，從基礎對話到專業級的全自動化指令列操作。

影片詳細解析了 Claude 桌面端應用的三大核心模組（Chat、Cowork、Code），從基礎問答到具備專案權限的 Cowork，再到擁有本地最高權限與自動化能力的 Code，並透過實戰示範如何結合 Skills、CLI 與 MCP 協議，打造從選題、內容生成到網頁部署的全自動化 AI 員工系統。

影片介紹了 Claude 的「Projects（專案）」功能，透過建立具備知識庫、自定義指令與獨立對話歷史的智慧工作空間，解決每日重複上傳檔案與背景解釋的痛點，將 AI 從被動工具轉化為具備行為架構的專屬助手。

影片介紹了一款名為 Handy 的開源、離線、免費語音聽寫應用，由 CJ Pace 和 Terry 開發。該工具無需雲端、無訂閱費、無需帳號，允許用戶自選 Whisper 或 ParaKit 模型，並在實際測試中展現出優於 Google 語音輸入的標點與術語識別能力，雖略遜於商業產品 Whisper Flow，但憑藉隱私與開源特性獲得推薦。

講者介紹了一個被視為開源界最強的人聲提取專案，並演示了如何在雲端環境中部署該專案，透過上傳音訊進行預處理、人聲增強與去噪，以解決 TTS 模型微調時殘留底噪的問題。

講者介紹了一個被視為開源界最強的人聲提取專案，並演示了如何在雲端環境中部署該專案，透過上傳音訊進行預處理、人聲增強與去噪，以解決 TTS 模型微調時殘留底噪的問題。

影片介紹了一款名為 Nin-Man-Tun 的 0.6B 參數語音識別模型，透過 緩存感知 Fast Conformer 架構在 AT100/H100 硬體上實現高併發（240路至2400路），並支援 40 種語言，標誌著即時語音識別（ASR）開始進入以成本與併發能力為競爭核心的階段。

影片介紹了名為 SoloX DuPRO 0.6B 的小型語音交互模型，該模型由多個小模型拼接而成（被稱為「縫合怪」），參數量僅 0.6B，可在手機或 Mac 等本地設備運行，並實機演示了其實時對話、快速響應及語音打斷功能。

影片介紹了一款名為 Audio CPP 的本地 AI 音頻整合工具，旨在解決本地部署多個音頻模型時環境配置複雜的問題。該工具將 TTS、ASR、音樂生成等功能統一在同一底層架構中，提供帶 Web UI 的整合包，支持在低顯存（如 8GB）設備甚至 CPU 上運行，並演示了實時語音對話、聲音克隆、換詞翻唱等功能。

Audio CPP 進行重大升級，新增 10 個模型（總計支持 30 個語音模型），支援 GGUF 量化以降低顯存佔用，並提供繁體中文介面。影片演示了如何利用該工具開發「語音輸入法」，涵蓋了從模型下載、量化轉換到實際應用開發的完整流程。

影片介紹了一款名為 AudioCPP 的純 C++ 本地語音 AI 部署工具，旨在解決傳統 Python/Conda 環境配置繁瑣的問題，提供輕量級、開箱即用的體驗，支援 TTS（含聲音克隆）、ASR、音樂生成及即時語音對話，並同時提供 CLI 與 Web UI 介面。

影片評測了 2026 年多款支援中文的 ASR 開源模型，結論指出 Quin3 ASR 1.7B 為綜合能力最強、穩定性高且執行速度快的首選模型；Memo V2.5 ASR 準確率最高但體積龐大；而 Whisper 則被排在較低順位。

本影片介紹 haoone 字幕軟體 V11 版本新增的「說話人識別」功能，詳細演示了從下載專屬模型、執行識別分割、註冊說話人到聲文庫，以及最終導出帶有說話人標籤 SRT 字幕的完整操作流程，並說明了當前版本在聲音相似或語句短小時可能存在的識別限制。

影片介紹並推薦一款名為「MOS Translator Dialize」（或 MOS TraceLabor Dialyze）的開源 ASR 模型，該模型針對會議、通話等場景設計，在中文識別穩定性、說話人分割準確率及處理多說話人切換、短句與插話等困難語音場景上表現優異，被稱為 2026 年階段最適合中文會議總結的 ASR 模型。

影片演示了一款完全免費、支援多語言（中、英、日、韓）且顯存佔用極低（甚至可於 CPU 運行）的語音實時翻譯工具，但在實際識別英語演講時，出現了識別內容重複及異常錯誤。

傳統大型語言模型僅提供 10% 的建議，使用者仍需承擔 90% 的工作；而 AI Agent（如 Claude Code）作為「元工具」（Meta Tool），具備排程與指揮電腦上所有工具的能力，能直接執行操作，將使用者角色從「操作者」轉變為僅佔 10% 時間的「下指令與驗證者」。

影片詳細解析了 Claude 桌面端應用的三大核心模組（Chat、Cowork、Code），從基礎問答到具備專案權限的 Cowork，再到擁有本地最高權限與自動化能力的 Code，並透過實戰示範如何結合 Skills、CLI 與 MCP 協議，打造從選題、內容生成到網頁部署的全自動化 AI 員工系統。

本影片針對 Claude Code 桌面端的高 Token 成本與介面語言問題，提供透過 cloud.md 規則設定、接入第三方低成本模型（如 Deepseek、Kimi）以及使用 Subagent 和 Skill 進行並行自動化工作的完整實戰方案，旨在降低 90% 的 Token 費用並提升 AI 代理人的實際執行效率。

針對剛接觸 Cloud Code（或稱 Clock Code）的使用者，講者建議在正式進行 AI 協作開發前，應先透過 n8n 或 Make 掌握自動化基礎概念（如 Webhook、API、JSON），並學習 Prompt Engineering（提示工程）以養成下達清晰指令的習慣，從而避免直接學習 Cloud Code 時因基礎不足而導致效率低落。

本影片由前 TikTok 工程師講解 Claude Code 的進階操作，涵蓋 14 個核心指令、Context（上下文）管理策略（Compact/Clear/Dump）、記憶與規則設定，以及 NCP、Skills 與 Sub-agents 的架構差異與應用。

本課程旨在向非技術背景的「淳小白」及上班族介紹 Cloud Code（影片口述為 Claude Code 或 Cloud Code，筆記暫依分段筆記稱呼）作為「Webcoding 神器」的核心價值，強調其零門檻特性，並透過真實案例證明其可用於應用開發、工作自動化及副業增收，同時列出了學習所需的硬體與軟體環境要求。

本集課程主要介紹了 Claude Code 的三種使用版本（插件版、CLI 版、網頁版），強烈推薦新手使用「插件版本」，並透過實機操作示範了如何在 Cursor 中安裝插件、購買會員及完成授權流程。

本影片教學如何在中國大陸地區，無需特殊網路環境（代理）及海外支付的情況下，透過安裝 BS Code 編輯器與 Cloud Code 插件，並利用 Wolf AI 獲取 API 令牌，配置本地 JSON 設定檔，實現 AI 編程工具的穩定使用。

本集影片介紹了 VSCode 插件中 Claude Code 的常用斜杠指令（如 /attach、/switch model、/review 等）及快捷鍵操作，詳細對比了不同模型（Sonnet 4.5、Opus 4.5、Hiku 4.5）的特性與成本，並說明了 Ask before edit、Edit automatically 及 Plan mode 三種...

本講解強調開發效率低下的主因並非模型能力不足，而是需求描述不清；透過四步法讓 AI 協助撰寫高品質需求文件，並結合 VSCode 中的 Cloud Code Plan Mode（計劃模式），可將模糊構想轉化為具體開發計劃，從而降低溝通成本、節省 Token 並縮短開發時間。

本影片介紹使用 Cloud Code 進行開發時的三個高效技巧：建立 Cloud.md 專案說明書以減少 Token 消耗、直接複製瀏覽器控制台錯誤資訊以加速除錯，以及透過 translog.md 進行版本存檔與回退，確保專案穩定性。

本影片介紹如何在 Cloud Code 中使用 Hooks（鉤子）作為自動檢查員，透過定義觸發事件與行為（Command、Prompt、Agent），實現攔截危險操作、自動存檔、代碼審查及自動測試，從而提升開發效率並減少返工。

本講解介紹了如何在 Cloud Code 中使用 Subagents（子代理），將其比喻為專職員工，透過獨立窗口執行任務以節省主窗口上下文，並根據任務類型（研究、審查、執行）配置不同模型與權限，實現高效、安全且具成本效益的自動化工作流。

講者透過解析 Claude 的 Prompt Caching（提示詞快取）機制，說明如何透過理解快取層級、TTL 規則及善用專案管理，在單日節省數千萬 Tokens，並強調根據自身需求篩選資訊的重要性。

針對 Claude Code 因累積式讀取歷史與隱形開銷（MCP、系統提示詞）導致的 Token 快速消耗問題，影片提供了從基礎指令監控（Tier 1）、系統檔案精簡（Tier 2）到模型選擇與策略調度（Tier 3）的 18 項優化技巧，強調「上下文衛生」優於單純追求高價方案。

基於超過 500 小時的實際使用經驗，提出五個提升開發效率與精準度的關鍵心法：重視 Context 管理、先規劃後執行、大型專案使用 Superpowers、優先使用 CLI 節省 Token，以及明確分工 Claude Code 與 Codex 的職責。

本影片講解如何基於 Cloud Code 與 AIOS 架構，透過建立 Context、Skills、Connectors 與 Cadence 四大基礎，結合 Cloud Design 與 Cloud Agent SDK，在三個步驟內打造一個整合自動化、資訊與聊天功能的個人化 AI 儀表板，並可部署至雲端實現團隊共享。

影片建議初學者在使用 Cloud Code（或稱 Clock Code）前，應先透過 n8n/Make 理解自動化基礎，並掌握 Prompt Engineering 溝通技巧，以建立正確的 AI 協作思維，而非直接上手編程。

影片介紹由 Andre Carpenter（或稱 Coverty/Crafted）提出的一套基於 Obsidian 與 Cloud Code（或 Claw Code）整合的個人知識庫架構，透過結構化的資料夾設計（Role, Wiki, Index, Log）與自動化 Ingest 流程，利用雙向連結取代傳統 RAG 向量搜尋，據稱可節省 95% 的 Toke...