Auto-Quant：LLM 驅動的量化交易研究迴圈
Auto-Quant 讓 LLM 自主迭代 FreqTrade 策略並反覆回測，autoresearch 概念有趣，但深度綁定加密貨幣交易基礎設施，僅適合長期使用 FreqTrade 生態的量化研究者。
所有文章
agentic-markdown：一個解決不存在問題的 Markdown 範本引擎
agentic-markdown 將變數替換與條件區塊嵌入 Markdown 語法，概念有趣但 GitHub 僅 15 顆星、不支援迴圈，且 Jinja2 等成熟方案已完全覆蓋相同需求，難以推薦用於任何正式工作流程。
我如何用 AI 每週讀完 50 篇文獻
一位研究者分享如何用 AI 文獻管理流水線，從手動 PubMed 搜尋進化到自動化三層濾網消化法，每週處理 50 篇以上學術論文的真實工作流。
Auto-PPT：把投影片變成 TSX 檔案，讓 AI 直接讀寫
Auto-PPT 讓每張投影片變成一個 React TSX 檔案，AI agent 直接讀寫內容，不用操作 GUI 也不用截圖回饋。想法不錯，但專案還在早期（29 stars、0 releases），先追蹤就好，還不到正式採用的時候。
為什麼 AI 回答越來越快？LLM 推論加速的六大技術
從 ChatGPT 逐字吐出文字的日常體驗出發，用六個生活比喻拆解 KV Cache、Paged Attention、Flash Attention、GQA、Continuous Batching 與 Speculative Decoding，帶你理解大型語言模型如何在同一張 GPU 上跑得更快、服務更多人。
docmd：零配置 AI 優先文件引擎，內建 MCP Server 與 llms.txt 自動生成
docmd 一行指令將任何 Markdown 資料夾轉為正式文件網站，初始載入僅約 18kb，內建 MCP Server 讓 AI agent 直接搜尋與讀取文件。適合手上有大量 Markdown 卻缺統一瀏覽介面的開發者與研究人員，免設定、免學習曲線。
研究者的 AI 時代生存指南：不是取代你，是加速你
學術研究者如何運用 AI 工具加速文獻管理、論文寫作、統計分析與簡報製作？一位研究者的實戰觀點與四大切入點完整解析。
next-ai-draw-io：用自然語言生成 draw.io 圖表
開源 Next.js 應用，把 LLM 接上 draw.io，用一句話就能產出可編輯的架構圖初稿。適合常畫系統圖、資料流程圖的研究者與工程師。需要 Node.js 環境與 LLM API Key，可自架搭配 Ollama 完全離線使用。
CLAUDE.md 寫好這 12 條，AI 出錯率砍掉 7 成
Karpathy 實測發現，只要在 CLAUDE.md 寫對 12 條規則，AI 編程助手的錯誤率能從 41% 一路壓到 3%。本文拆解這些規則的核心邏輯，讓非工程師也能學會如何有效指揮 AI。
Mole：終端機原生的 macOS 系統維護工具
Mole 用一個 CLI 取代 CleanMyMac、AppCleaner、DaisyDisk、iStat Menus 四款付費軟體。適合習慣終端機工作流、同時運行 Claude Code 或 Cursor 等 AI Agent 的 macOS 開發者。免費開源、維護活躍，主要風險是多數指令為永久刪除。