2026-10-01 AI 學習日誌

今日最有感的事

今天在Threads連續看到三篇Opus 5.5做影音的貼文，我都轉到LINE收件匣，各留了一句備註：「動畫解析feedback到skill裡面」「動畫影片學習」「動畫暴力解析，然後逆向工程feedback到skill裡面」。

先補一點背景給非工程師讀者。 我平常用Claude Code做ECG教學動畫，並把累積的做法整理成一份skill。skill是寫給AI讀的操作手冊，下次做動畫時，AI會先讀這份手冊，不用每次從頭摸索。「feedback到skill」的意思是：看到別人做得好的作品，就把手法拆出來，補進這份手冊。

三篇貼文各自講了什麼

pan_0709：他說自己只提供了一個音檔，剪輯、動畫、操作教學、封面和文案都由Opus 5.5完成，成品是一支10分鐘的影片。整個過程約1小時，用掉100美元額度的25%。這篇是三篇裡迴響最大的，瀏覽71.3K、讚1.8K、分享1.5K。

pound0423：他用Claude Opus 5.5做了一個視覺特效工具，上傳影片或圖片後，一鍵就能加上各種故障（glitch）特效，目標使用者是影片創作者。他說晚點會開源到GitHub，但他不分享連結，只給指令，原話是「受之以魚不如授之以漁」。

charles__tseng：他試了Opus 5.5搭配ElevenLabs MCP，用一個one-shot prompt就做出成品，自己的評語是「真的好扯」。補個背景：MCP是讓AI呼叫外部工具的接頭，ElevenLabs是以語音合成聞名的服務。不過拆開來看，那支15秒的產品片沒有人聲，ElevenLabs只用在配樂和音效。

第一輪只看到成果，追下去才找到做法

傍晚第一輪只看到貼文本文，看起來三篇都只秀成果。晚上照常設指令把三支影片抓下來逐格拆、再去翻留言串和作者連出去的地方，結果三篇的prompt都找到了：

• pan_0709：Threads上那段88秒，其實是YouTube正片（11分12秒）的開頭。做法寫在他的部落格：自己錄音，丟給Claude App說「幫我剪」，模型自己轉錄、畫概念動畫、上字幕，還派子代理用Computer Use去錄App操作畫面。部落格公開了9條提示詞，跟畫面逐條對得上。
• pound0423：規格寫在續串第二則，2,400多字，Opus照著寫出一個單一HTML的特效工具。片中被加特效的武俠片不是Opus做的，檔案對話框露出的檔名寫著Seedance。原始碼他說晚點開源，今天還找不到。
• charles__tseng：他自己打的prompt沒公開，但留言裡附了他參考的範本（另一位作者的英文showreel prompt）。照他留言的說法，Opus讀的是產品本身的程式碼和既有貼圖素材。

更直白地說，貼文本文只是預告片，做法常常藏在續串、留言和作者自己的部落格。 第一輪只看本文就下「沒交代做法」的結論，下得太早了。

對我的ECG動畫最有用的一條

pan_0709的9條裡，有三句我直接搬進動畫skill的ECG prompt骨架：概念用視覺化元素呈現、讓元素之間互動、純概念段落畫滿版插圖。作者的說法是只寫第一句會變成「一堆貼圖貼上去」，少了第三句就變成「加了圖片的簡報」。這正好是我STEMI動畫第一版被自己退件的原因：太像投影片。

這代表下次在Threads收這類貼文，第一輪讀不到做法不要急著下結論。 先翻續串、留言和作者連出去的部落格、GitHub，真的都沒有，再當成靈感存著。

今日收集的資源

動畫與教學

lydppcaucus的Threads動畫貼文

• 連結: https://www.threads.com/@lydppcaucus/post/Dd5XkDPjfvB
• 先前拿來拆解動畫轉場手法的Threads貼文，持續留著當動畫skill的參考素材。

Wilo的teaching-ai頁面

• 連結: https://wilo.metawilo.com/teaching-ai
• 跟AI教學相關的頁面，先收著，之後設計教學內容時可以回頭參考。

Agent與開發工具

browser-use / jev-ultrafast

• 連結: https://github.com/browser-use/jev-ultrafast
• browser-use組織下的repo，先收著當agent工具的參考。

tamaratran / fast-jev-compaction

• 連結: https://github.com/tamaratran/fast-jev-compaction
• 名稱看起來跟上面的jev同一系列，先一起收著對照。

vercel-labs / json-render

• 連結: https://github.com/vercel-labs/json-render
• Vercel Labs的開源repo，先收著當前端呈現AI輸出的參考。

Claude資料使用與隱私條款

Claude Code資料使用說明

• 連結: https://code.claude.com/docs/en/data-usage
• Claude Code官方文件中說明資料怎麼被使用的頁面。

我的資料會被拿去訓練模型嗎？

• 連結: https://privacy.claude.com/en/articles/10023580-is-my-data-used-for-model-training
• Anthropic隱私中心中關於模型訓練的說明。

資料保存多久

• 連結: https://privacy.claude.com/en/articles/10023548-how-long-do-you-store-my-data
• Anthropic隱私中心中關於資料保存期限的說明。

商業客戶的BAA

• 連結: https://privacy.claude.com/en/articles/8114513-business-associate-agreements-baa-for-commercial-customers
• 商業客戶簽署BAA（美國醫療資料合規協議）的說明，跟醫療資料上雲的判斷有關。

隱私中心文章12109829

• 連結: https://privacy.claude.com/en/articles/12109829
• Anthropic隱私中心的另一篇文章，和上面幾篇放在同一組參考。

消費者條款更新公告

• 連結: https://www.anthropic.com/news/updates-to-our-consumer-terms
• Anthropic發布的消費者條款更新公告。

Anthropic消費者條款全文

• 連結: https://www.anthropic.com/legal/consumer-terms
• 消費者條款原文，判斷個人方案的資料權利時回頭查。

Claude Code雲端session與額度

Claude Code on the web

• 連結: https://code.claude.com/docs/en/claude-code-on-the-web.md
• 官方文件，說明在網頁端跑Claude Code。

雲端環境設定

• 連結: https://code.claude.com/docs/en/cloud-environments.md
• 官方文件，說明雲端session的執行環境。

Routines

• 連結: https://code.claude.com/docs/en/routines.md
• 官方文件，說明排程型工作routines。

費用說明

• 連結: https://code.claude.com/docs/en/costs.md
• 官方文件，說明Claude Code的費用計算。

ClaudeDevs貼文（一）

• 連結: https://x.com/ClaudeDevs/status/2102871550974427462
• Claude開發者官方帳號在X上的貼文。

ClaudeDevs貼文（二）

• 連結: https://x.com/ClaudeDevs/status/2102940480736821610
• 同一官方帳號的另一則貼文。

付費方案的使用額度管理

• 連結: https://support.claude.com/en/articles/12429409-manage-usage-credits-for-paid-claude-plans
• 官方說明中心，說明付費方案如何管理使用額度。

Claude API與SDK

httpx2（PyPI）

• 連結: https://pypi.org/project/httpx2/
• PyPI上的httpx2套件頁面。

anthropic-sdk-python遷移指南

• 連結: https://github.com/anthropics/anthropic-sdk-python/blob/main/MIGRATION.md
• Python SDK版本升級時的遷移說明。

拒答怎麼計費

• 連結: https://platform.claude.com/docs/en/build-with-claude/refusals-and-fallback#how-refusals-are-billed
• 官方文件中說明模型拒答和fallback如何計費的段落。

臨床文字去識別化

Presidio

• 連結: https://github.com/data-privacy-stack/presidio
• 開源的個資偵測與遮蔽框架repo。

Presidio專案轉移說明

• 連結: https://raw.githubusercontent.com/data-privacy-stack/presidio/main/docs/project_transition.md
• Presidio repo裡關於專案轉移的文件。

Presidio：新增recognizer

• 連結: https://presidio.dataprivacystack.org/analyzer/adding_recognizers/
• 官方文件，說明如何自訂偵測規則。

Presidio：語言支援

• 連結: https://presidio.dataprivacystack.org/analyzer/languages/
• 官方文件，說明多語言支援的設定。

Presidio：影像遮蔽

• 連結: https://raw.githubusercontent.com/data-privacy-stack/presidio/main/docs/image-redactor/index.md
• Presidio影像遮蔽模組的文件。

Presidio Analyzer（舊站）

• 連結: https://microsoft.github.io/presidio/analyzer/
• Presidio原本放在Microsoft GitHub Pages的analyzer文件。

philter-ucsf

• 連結: https://github.com/BCHSI/philter-ucsf
• UCSF團隊的臨床文字去識別化工具。

CliniDeID

• 連結: https://github.com/Clinacuity/CliniDeID
• Clinacuity的臨床文字去識別化工具。

DE-ID AI CUP Trainer

• 連結: https://github.com/AUSTIN2526/DE-ID-AI-CUP-Trainer
• 台灣AI CUP醫療去識別化競賽相關的訓練程式。

AICUP醫療資料去識別化

• 連結: https://github.com/windsuzu/AICUP-Deidentification-of-Medical-Data
• 另一份AI CUP醫療資料去識別化的參賽repo。

送進LLM之前先遮個資

• 連結: https://wavect.io/blog/pii-redaction-before-llm-prompts/
• 談prompt送出前遮蔽個資的部落格文章。

OWASP LLM02:2025敏感資訊洩漏

• 連結: https://genai.owasp.org/llmrisk/llm022025-sensitive-information-disclosure/
• OWASP生成式AI風險清單中的敏感資訊洩漏條目。

MCP server的個資遮蔽

• 連結: https://mcpmanager.ai/blog/pii-redaction-for-mcp-servers/
• 談MCP server怎麼處理個資遮蔽的文章。

EMNLP 2025論文

• 連結: https://aclanthology.org/2025.emnlp-main.1637.pdf
• EMNLP 2025主會場論文，跟LLM去識別化主題放在同一組參考。

中文NLP

CKIP Transformers

• 連結: https://github.com/ckiplab/ckip-transformers
• 中研院CKIP實驗室的繁體中文NLP模型套件。

CkipTagger

• 連結: https://github.com/ckiplab/ckiptagger
• CKIP的中文斷詞與實體辨識工具。

ckiplab/bert-base-chinese-ner

• 連結: https://huggingface.co/ckiplab/bert-base-chinese-ner
• CKIP放在Hugging Face的中文NER模型。

bert-base-chinese-ner模型介紹頁

• 連結: https://www.aimodels.fyi/models/huggingFace/bert-base-chinese-ner-ckiplab
• 第三方網站對同一個CKIP NER模型的整理頁。

HanLP

• 連結: https://github.com/hankcs/HanLP
• 多語言NLP工具包，中文處理是主力。

spaCy

• 連結: https://github.com/explosion/spaCy
• 開源NLP框架spaCy的repo。

spaCy中文模型

• 連結: https://spacy.io/models/zh
• spaCy官方的中文模型列表。

本機與台灣模型

WWDC2026 Session 334

• 連結: https://developer.apple.com/videos/play/wwdc2026/334/
• Apple WWDC2026的開發者session影片，列為裝置端模型的參考。

第三代Apple Foundation Models

• 連結: https://machinelearning.apple.com/research/introducing-third-generation-of-apple-foundation-models
• Apple機器學習研究站介紹第三代基礎模型的文章。

Apple Foundation Models首發介紹

• 連結: https://machinelearning.apple.com/research/introducing-apple-foundation-models
• Apple最初介紹自家基礎模型的文章，可以跟第三代對照。

Qwen2.5部落格

• 連結: https://qwenlm.github.io/blog/qwen2.5/
• Qwen團隊發布Qwen2.5的官方文章。

Qwen2.5-3B-Instruct討論串

• 連結: https://huggingface.co/Qwen/Qwen2.5-3B-Instruct/discussions/1
• Hugging Face上Qwen2.5 3B模型頁的第一則討論。

Qwen3

• 連結: https://github.com/qwenLM/qwen3
• Qwen3的官方repo。

MLXcel在M1 Max上的實測

• 連結: https://blog.kubesimplify.com/mlxcel-rust-native-inference-engine-tested-on-m1-max
• 用Rust寫的推論引擎在M1 Max上的實測文章。

TAIDE模型下載

• 連結: https://taide.stpi.niar.org.tw/public/download-model
• 國科會TAIDE計畫的模型下載頁。

TAIDE Bench

• 連結: https://huggingface.co/datasets/taide/taide-bench
• TAIDE的評測資料集。

arXiv 2403.02712

• 連結: https://arxiv.org/html/2403.02712v2
• arXiv論文的HTML版，跟台灣本土模型放在同一組參考。

Breeze-7B-Instruct v1.0

• 連結: https://huggingface.co/MediaTek-Research/Breeze-7B-Instruct-v1_0
• 聯發科研究團隊的繁體中文7B模型。

OpenTWBench

• 連結: https://opentwbench.ai/
• 以台灣情境評測語言模型的網站。