作品集 · Day 1–297 公開建造記錄
這 297 天裡我沒有為了做作品集而做東西——每一個都是自己卡住了、受不了了，才動手。 下面 19 個是真的做出來、而且到現在還在用的，其中 6 個附源碼。 每張卡片都連得回當天那篇，裡面有完整的做法跟踩到的雷。
19個
做出來、還在用的工具
6個
附開源碼
47篇
寫得到做法的文章
297天
每天公開一篇 AI 實作
代表作 · 4
讓 AI 讀寫本機 LINE，全程不搶你的滑鼠和鍵盤
195 題考古題，每題都有解析的證照練習網站
讓 M 系列 Mac 讀得到 EZ100PU 自然人憑證讀卡機
Claude Code 和 Codex 共用同一套 skill，還能按專案開關
公開記錄
這些工具的做法、踩到的雷和結果都寫成文章發在社群上。下面是每一篇發出去之後，真的有人在看的紀錄。
LinkedIn 另外曝光 9.3K 次
其他作品 · 15
自動維護 Claude Code 的權限白名單
針對常見框架和 tech stack 先把安全的指令 mapping 進 settings.json 的白名單，只有超出預期的指令才需要你親自決定放不放行。
每天早上自動掃 200 篇貼文，篩完摘要推到 Telegram
Cronjob 定時收集 → 本地 LLM 篩出有興趣的主題 → 整理摘要 → 推到 Telegram。用看一篇文章的時間掃完 200 篇。整條線是拿 SDD + BDD + TDD 一路寫下來的。
六個 AI 專案住進一座像素小鎮，一眼看完誰還在忙
每個專案一間房間、每隻 AI 一個坐在桌前的角色，頭上掛著現在的狀態。WebSocket 保持即時連線，誰從閒置變成 working，畫面馬上動。把要記的東西從腦子搬到畫面上。
你正在看的這個網站——文章發完就自動跟著上線
Astro 6 + Tailwind v4 部署在 Vercel，網域走 Cloudflare Registrar。100Days 內容以 git submodule 掛進來，GitHub Actions 定時 bump submodule pointer，Vercel 接手自動 build——100Days 那邊一行都不用改。
關鍵字 + 語意雙模式，零月費、不用資料庫
搜「AI 焦慮」切到語意模式，連在講「擔心被取代」、「跟 AI 共存」的篇章都撈得出來——就算文章裡根本沒有「焦慮」兩個字。預設停在關鍵字（快、準），找不到再切語意。
用瀏覽器遙控家裡那台 Mac 上的 Claude Code
手機或筆電開個網頁，就能寫文、跑完整條 pipeline、看三個平台的草稿、按下發佈。跑在自己的 MBP 上、只在 Tailscale 私網裡通，用的是 Claude Code 訂閱額度而不是另外付一筆 API 錢。
看到活動截個圖，Raycast 一鍵丟進 Google 日曆
剪貼簿是圖就讀圖、是網址就抓網頁；也能直接框選螢幕。AI 把名稱、時間、地點抽成結構化欄位，順手比對有沒有撞期——然後停在這裡等你確認。從一開始就定死：AI 可以抽、可以建議，但絕不自己寫進行事曆。
三層機制，讓 Claude 每次回話前先讀過我的筆記
UserPromptSubmit hook 在每次送出前用 fd + rg 撈出最相關的筆記注入背景；便宜的先跑、貴的用到才呼叫；寫入端有守門人，不讓 AI 亂改第二大腦。Day 180 把 151 則筆記整包搬到 Google 的 OKF 開放規格。
一鍵派出六隻 sub-agent 平行掃描專案資安
一個 custom command，呼叫時同時派出 6 個獨立 sub-agent，各自負責不同的掃描面向，全部平行跑完再彙整成一份報告。
讓 Claude Code 用你已經登入的瀏覽器叫 Gemini 生圖
建一個專用的 debug profile 走 CDP 連上去（跟你平常的 Chrome 完全獨立，不會把 cookies 複製到暫存目錄）。後來改成 headless 全背景執行，不彈任何視窗。Day 76 再補上正體中文標題排版——AI 生圖寫中文幾乎都會缺筆畫，所以拆成兩步做。
會自我進化的 App 廣告自動點擊系統
iPhone 定時截圖傳給 Mac，Mac 判斷完回指令。第一層先比對已知的「X」按鈕圖，命中就秒點；沒見過的才呼叫 Claude 看圖。每次 Claude 破解一個新廣告，那個按鈕就自動存回第一層的樣本庫——跑越久越少需要呼叫 Claude。
幫模型路由加上 Strategy Pool，額度用完自動換手
看到社群有個加 strategy pool 的 PR，但有 conflict、不見得會被 merge，就 fork 一版改在自己的 branch 上。設好 candidates 順序後，第一個模型額度用完就自動接到下一個。
開源前那一串雜事，一句話跑完
把「只有我看得懂的私人專案」帶到「可以安全公開的 repo」，包含最容易漏掉也最危險的那一步，還有工程師最常略過的那關：你到底有沒有權利開源。
抓出 AI 中文裡「聽起來合理、但沒人這樣用」的詞
不靠清單，改用機制判斷：母語者是從腦裡「取」一個講定的固定講法，AI 是現場「組」一個聽起來合理的搭配。用這條線去掃，只回報候選、不自動改。
書桌上的 MBP 當本地模型主機，Air 只當前端
Ollama 沒有 API key、沒有任何驗證，「誰連得到那個 port」等於「誰能用你的 LLM」。所以把它綁在 Tailscale 的介面 IP 上，網路層直接當驗證層——咖啡店的 Wi-Fi 掃不出這個 port。MagicDNS 解名字就連得到，Raycast 接上去當前端。