AI & Data
這次會從如何打造了 AI 營養顧問開始介紹，透過圖像辨識分析食物的營養，並自動化把個人的健康資料轉換成數位資產，上傳到雲端以及區塊鏈。這不只讓每個人可以擁有自己的健康數據，也能把日常的好習慣變成有價值的數位紀錄。
DevOps
這次的鐵人賽，我想用 「ML領域超級初學者」 的角度，記錄我在摸索 LLMOps 的過程。 「LLMOps」 聽起來很專業，但簡單來說，就是 ------ 如何把大語言模型 (LLM) 放到實際專案裡，並且能穩定、便宜又可控地跑起來。 因為我本身有一點 DevOps 的背景，所以會把這個系列寫成「實驗筆記」的形式： 每天試一個小主題，我會把程式碼都放在文章和 GitHub Repo 上，讓讀文章的人可以跟著一起練習，而不只是看概念。因為不是 ML 專家等級的文獻，文中不會過多的探究模型之間的差異性，如果讀者有興趣的話，可以自行深入探究，這邊的模型僅供學習參考。
Vue.js
這系列的文章將紀錄我30天學習網頁前端框架Vue.js的過程，從基礎語法與核心概念（如：資料綁定、事件處理等），逐步延伸到更進階的主題（如：元件生命週期、Vue Router等），除了學習語法概念外，也會搭配範例程式碼和實作應用來增進對知識的理解。
Build on AWS
隨著雲端服務的普及，AWS（Amazon Web Services）已成為最廣泛使用的雲端平台之一，提供從運算、儲存到人工智慧等完整解決方案。對於初學者來說，踏入 AWS 的世界或許有些陌生，但只要循序漸進，就能一步步打造出屬於自己的雲端應用。 這個系列將記錄我從零開始學習 AWS 的過程，透過實作與筆記，認識核心服務（如 EC2、S3、RDS、Lambda、DynamoDB），並嘗試整合成一個小型專案。
AI & Data
這個系統主要的目的以用建立一個自已的 AI 學習工具人，來理解整個 AI Application 開發，與目前整個 AI 發展體系 ~
自我挑戰組
高昂的手續費、壅塞的網路、不夠快的每秒交易次數，是以太坊長久以來被詬病的缺點。以太坊領域的從業人員是如何解決這些問題的呢？ 本系列文將介紹以太坊在容量上遇到的問題，以及對應的擴容解決方案。從 Layer 1 的分片技術，到 Layer 2 的 Optimistic Rollup 與 ZK Rollup，搭配原理以及實作，在 30 天內逐步理解以太坊世界在可擴充性上面臨的挑戰、發展方向，以及解決方案。
DevOps
在 2020 年第十二屆鐵人賽中，我以「用 GitLab CI 玩轉自動化測試與佈署」為題，分享了當時 GitLab 13.x 版本下的 CI 實戰心得，內容涵蓋從入門基礎到進階應用的完整紀錄。轉眼五年過去，GitLab 已演進至 18.x，歷經多次重大更新，不僅語法與功能更加成熟，也在雲端整合與安全性甚至是 AI 整合上有明顯的提升。這次的系列文章「GitLab CI 2025：深入玩轉流水線與實戰紀錄」，將延續當年的精神，但聚焦在期間的變化，與一些實務上遇到的難題紀錄，希望可以帶你一同探索 GitLab CI 在 2025 年各種可能性。