佛心分享-SideProject30
去年我寫了 30 天的 Google Apps Script 教學推廣， 今年 Vibe Coding 的大環境更成熟了，我覺得值得繼續推廣。 但我今年不想再像去年那樣寫死板板的教學文， 我想要換個手法來呈現。 而且是換一個我也不熟的手法😆 在做新嘗試的過程中，其實有很多東西值得被記錄下來。 包含技術知識與踩坑心得。 但那不在 Google Apps Script 的主文範圍內， 所以在此再開一篇平行的分享系列。
AI & Data
這是一個 30 天 AI 與資料學習挑戰。 希望透過每天的文章，紀錄學習 AI & Data 的過程：理解概念、嘗試工具、做簡單實作。 每天一點點的累積，也許你會和我一樣，慢慢對 AI 與資料有自己的理解，最終能夠 把所學運用在簡單專案上，並建立自己的學習脈絡。
自我挑戰組
本次主題將以 Discord Bot 為主角，從最簡單的通知，期許逐步加入測試回報、部署模擬，最後進化成能互動、能整合外部服務的 ChatOps 工具。 這 30 天的實作，我將展示如何把 GitHub Actions + Discord Bot 串起來，實踐 DevOps 的自動化流程，讓團隊能邊對話邊操作開發工作，打造出ChatOps
生成式 AI
AI 不再只是冰冷的工具，而是逐漸走進日常工作的「同事」。身為一名 HR，我決定以 30 天為期，記錄自己與 AI 並肩工作的過程。這不只是效率提升的故事，而是一次跨越人與科技界線的真實體驗。 每天，我會分享 AI 在工作中如何陪我處理瑣碎數據、激發創意點子、甚至給我意想不到的驚喜；同時，也會反思其中的限制與挑戰。當 AI 被賦予「同事」角色時，它不再只是輔助，而是讓我們重新思考：工作的定義是什麼？人類的價值又在哪裡？ 這 30 天，不是單純的使用紀錄，而是一段探索人機協作的旅程。我想帶大家一起看看——當 AI 成為我們的同事，會帶來什麼樣的可能性與故事。
Software Development
Effect 是近一兩年興起的一套 TypeScript 的函式庫，可以幫助我們打造更加強韌的應用程式。本系列將帶你一路由淺入深探索 Effect 的魔法，並透過實戰演練，學習如何在實際專案中使用 Effect，替你的應用程式帶來完整的 type-safety、明確的 checked error、強大的流程控制能力及更多優勢
生成式 AI
近來 Agentic AI 的突破一再超乎我們的想像，也一步步更貼近「我們想像中的 AI」。它不再只是被動回答，而是逐漸展現自主規劃、行動與協作的能力。 本系列將以學習與探索為出發點，理解 Agentic AI 與過往被動式 AI 的差異，並思考在不調整模型的前提下，如何讓系統具備更強的推理與行動力。 過程將循序漸進地挖掘推理、工具使用、反思、多代理協作等關鍵能力，並結合 LangChain、LangGraph、MCP、n8n 等實用技術，將零散功能串聯為系統化應用，讓 AI 從對話助理進化為協作夥伴，並能共組團隊，一同想辦法解決問題、持續進步，探索 AI 的新篇章。
生成式 AI
從生成式 AI 的基本概念開始，逐步帶大家走過環境建置、Prompt 設計、模型選擇，到最終打造出一個能解決特定場域問題的小幫手（例如：颱風防災、股市資訊、或學習輔助）。文章會包含技術講解、程式碼實作、案例分享，讓讀者 30 天後不只是懂原理，還能親手做出一個能用的 AI 工具。
AI & Data
歡迎來到現代煉金工房，這裡不煉製黃金，而是煉製智慧。 在現階段的 AI 應用中，許多人面臨一個共同的困境：當 AI 回應不理想時，往往只能無限重複嘗試（Try Again），希望運氣能帶來更好的答案。這種「盲目擲骰子」的方式，不僅耗時耗力，也難以真正掌控輸出品質。 然而，提升 AI 回應的關鍵不在於無止盡的重試，而是像煉金師一樣，懂得調配「試煉的秘方」──也就是善用提示設計、情境功能與結構化指令，讓 AI 的輸出更貼近預期。 不再是單純的運氣遊戲，而是用科學與藝術共同打造的智慧煉金術，讓 AI 成為你值得信賴的助力。
Build on AWS
AWS 聽起來很龐大又複雜，裡面有 EC2、S3、Lambda、RDS等。所以我想要用這次的 30 天的鐵人賽，把自己學習 AWS 的過程記錄下來。 會從註冊帳號、開雲端主機開始，希望可以挑戰把一個小系統部署到 AWS 上。
生成式 AI
生成式AI在近幾年突然的開始頻繁地出現在我們的耳中，但卻有許多人不懂其中的涵義，這次的主題從原理到未來展望每天一部分一部分的分享文章。