weken.news AI 資訊頁

Claude Code裝CodeGraph後，每次找函數位置、拉task上下文、做影響分析的token消耗實測省30-60%，tool call數量減70%，速度快5-10倍。前提是專案要中型以上（500+檔案），單檔小工具裝了沒效益。

Claude Code 寫程式 + Vercel 部署 + 以「一個週末」為最小單位，12 個月可以做出 30 個 AI 工具，其中 19 個能對外給人用。關鍵不是會寫程式，是有真實痛點清單，跟願意 ship 醜版本。

Anthropic Claude Code 核心工程師 Thariq Shihipar 主張「停寫 Markdown 用 HTML」是針對「跟 AI 協作的 output 格式」（即時可讀 + 視覺化 + 互動）。Obsidian CEO Steph Ango 的「file over app plain text」哲學是針對「資料長期儲存格式」（跨百年可讀）。兩派表面相反實際討論不同層次，AI 時代要兩種都會用。

Meta /act_xxxxx/insights endpoint 用 ads_read scope token 即可 call，回傳每個 campaign 的真實 cpm / impressions / reach / spend。實測台灣某 act 過去 90 天 CPM 範圍 NT$30 到 NT$405。個人廣告主免 App Review，10 分鐘搞定。對「已投過的興趣」拿真實歷史數據準確。

個人廣告主想自建 Meta 廣告數據自動化工具前，至少花 1-2 小時實測 API 真實 response 再決定。我評估 8 小時後收手，主因是 Meta API 2026 已不給 bid 數據，原本要做的工具沒辦法用程式化 API 實作。先驗證救了我 8-11 小時白做的時間。

2026 年沒有 API 直接給 Meta 廣告興趣的 bid 推薦，要組合 4 tier 8 個方法間接測。最便宜組合：Ad Library 網頁手動搜（看對手活躍度）+ 你自己 ads_insights 歷史 CPM 對照。最準是開 NT$300 預算燒 24-48 小時看真實 CPM。付費省時間版是訂 AdTargeting.io 月費 $129。

Meta Marketing API 2026 已不回 bid 數據。reachestimate 只回 users_lower_bound / users_upper_bound / estimate_ready 三欄，bid_estimations 欄消失。delivery_estimate 的 daily_outcomes_curve 永遠只回 1 個全 0 的點。v22 跟 v25、加 bid_amount、加 budget、換 optimization_goal 都試過，無法解。

Supabase free tier project paused 後 DNS 變 Non-existent，3 家公共 DNS（默認 / 8.8.8.8 / 1.1.1.1）都解析不到，跟 project 被刪掉一樣症狀。判斷死活看 supabase.com/dashboard：still listed but「Paused」可以 Resume，dashboard 找不到才是真的刪掉。Resume 後幾分鐘到幾小時 DNS 才會重新生效。

個人廣告主用 Meta Marketing API ads_insights 看自己廣告數據，不用過 App Review 也不用 Business Verification。前提是 Facebook 帳號是該廣告帳號的 admin。走 Development Mode + Standard Access + ads_read scope 三件套即可，10 分鐘建立。多數中文教學會誤導你以為要過 review。

Tailwind CDN 在瀏覽器即時掃 DOM 生成 CSS，render-blocking 800-1000ms，Tailwind 官方文件第一句就明寫「不要拿去 production」。預編譯成靜態 CSS 後 19.8KB 純檔（gzip 4.6KB），實測 wk-qa-bot 課程頁 critical path 砍 64%，手機 4G LCP 從 3-5 秒降到 0.8-1.5 秒。

從 1 月中共軍委張又俠劉振立落馬到 5 月愛爾麗 18 間醫美診所被搜出煙霧偵測型針孔，2026 已揭穿 34 件虛假事件。背後有兩條主軸：科技揭穿人類偽裝（AI deepfake 軍備競賽 + 北韓 IT 假身分滲透美國 + K-pop 偶像種族歧視被翻車），以及權力結構自爆（少林寺釋永信四罪起訴 + 楊蘭蘭澳洲豪車案 + 美國國會性騷擾和解黑幕）。

Claude Code 有 4 層記憶架構（CLAUDE.md / .claude/rules/ / .claude/skills/ / memory/），不是只有 MEMORY.md。我的索引爆掉時叫 Claude 解，他連續 5 輪都只給表面方案（清理 / 搬移 / 拆檔 / 自動化 / 排序）。我每輪戳破，逼到第 6 輪他才查官方文件發現 .claude/rules/ 系統。最後選混合機制存檔，並萃取出 Claude 的三組系統性偏見（prompt-first / state-first / knowledge-gap blindness）。

Meta Ads MCP 在 2026-04-29 開放 open beta，正確 connector URL 是 https://mcp.meta.com/ads（不是流傳的 mcp.facebook.com/ads）。透過 Meta Business OAuth 授權後系統會 provision 專屬 URL（mcp.meta.com/ads/<your-business-id>），免 Meta Developer App、免 marketing API approval。但 per ad account 逐步開通、寫操作沒原生 guardrails，建議先用讀模式跑分析，寫操作走人工 Ads Manager。

跟 Claude 工作有兩種提問模式，差別在廣度 vs 深度。「完整分析」是廣度，AI 多覆蓋維度但本質是「更全面地走同一個方向」，核心判斷不變。「為什麼錯」是深度，逼 AI 攻擊自己的推理鏈，找出判斷失誤點和系統性偏見。Claude 預設給答案模式，需要明確觸發詞才會切換成審判自己的模式。

Gemini 任何 model（含 Nano Banana / Gemini 2.5 flash image）都不會輸出 RGBA 真透明 PNG，輸出檔案是 PNG 容器但 alpha channel 永遠是 255（不透明）。我實測幾十次 prompt 變體全部失敗，最後改用 chroma key pipeline 解決：讓 Gemini 輸出純綠色背景的圖（這它能做），後製用 HSV + Floodfill 演算法把綠色去掉換成透明。

Vibe coding 新手能在 90 分鐘內做出可上線的 SaaS 工具，前提是用 Next.js 16 + Vercel + Anthropic Haiku 4.5 這套已驗證的範本。我 2026-04-26 從題目評估到生產部署 wk-semantic-gap 共花 90 分鐘，包含 3 個 env 變數、5 個 React 檔案、1 個 API endpoint，總開發成本 0 元（Serper 免費額度 + Anthropic 共用 key）。

Claude Pro 訂閱（NT$600/月）跟 Claude API 是不同產品。API 是按 token 計費的 pay-as-you-go，Haiku 4.5 定價 input $1/M、output $5/M tokens。實測 1000-1400 字繁中 AEO 文章一篇成本約 US$0.02（NT$0.65），每天寫 1 篇月費約 US$0.6（NT$20）。Pro 訂閱不會送 API 額度，兩個帳單分開。客戶用 AI 寫文章後台用 API 比訂 Pro 划算 30 倍。

Gemini 2.5 系列 REST API 的 thinkingConfig 必須嵌在 generationConfig 內，不能放在 request body 頂層。錯誤訊息「Invalid JSON payload received. Unknown name thinkingConfig: Cannot find field」就是 Google API 在 body 頂層找不到這個欄位。Google 之前寬鬆接受頂層寫法、最近收緊 schema 後一律拒絕。修法是把 thinkingConfig 移進 generationConfig 同層的物件，5 分鐘可改完。

AEO 對業主是黑箱：工程師做了 30+ 個技術改動但業主看不到。把 AEO 進度變成公開儀表板可以解這個痛點：完成清單分為「業主操作 / 技術基礎 / 結構化資料 / 內容 AEO」四類顯示完成度圓環、速度實測雙色對比卡（優化前後具體數字）、AI 爬蟲 30 天趨勢圖。實作後業主直接看儀表板就懂 AEO 在做什麼，交接時也有實際成果可呈現。

Vercel function 預設跑在美東 iad1，如果 DB 在亞太 region，每次 SSR 跨太平洋查 DB 多吃 250ms 純網路延遲。改 vercel.json 加 regions 配對 DB region，加上首頁 60 秒 edge cache 雙刀流，實測首頁 SSR warm 從 523ms 降到 93ms，5.6 倍速。任何 Vercel + serverless DB 部署都該跑這個 SOP。

做 AEO 關鍵字戰略前必須先驗證 search demand，不能只看 SERP 競爭格局。實測一個中文目標關鍵字 Top 10 幾乎全是日本網站沒有本地業者，原本以為是空白機會，查證後發現該詞的中文書連一本都沒有、台灣主流媒體報導趨近於零，但同類概念詞『斷捨離』在台灣銷量超過 650 萬冊。搜尋量差距 3-4 個數量級，SERP 空白不等於有市場。

實測 10 個『生前整理』中文查詢變體，Top 10 有 95% 以上是日本網站，台灣業者不進榜。但驗證需求面：維基百科沒有中文條目、中文書出版量為零、主流媒體報導趨近於零。同領域替代詞『斷捨離』台灣銷量超過 650 萬冊，『遺物整理師』有換日線、udn、三立、誠品等多家主流媒體專題。這代表『生前整理』中文 AEO 是『空地無人競爭但也無人光顧』狀態，不是紅海也不是機會。

Vercel Labs 的 skills 是 agent skill 的 npm 套件管理器，支援 Claude Code / Cursor / GitHub Copilot / Cline 等 18+ agent。一行指令 npx skills add <owner/repo> 就能從 GitHub 裝 skill 到本機。實測裝入 36 個外部 skill 後可直接觸發。最大風險是外部 skill description 跟本地 skill 重疊導致 Claude 選錯，要跑『觸發詞重疊地圖』比對再微調 description 畫清邊界。

目前有研究數據支持的 AI 寫作指紋有三類：特定句型（「不只是X，而是Y」）、標點符號（em dash 濫用），以及 hedging 詞密集出現（「值得注意的是」「此外」每段開頭）。根據 Barron's 引用 AlphaSense 資料庫的分析，「It's not just X — it's Y」這個句型在企業文件中從 2023 年約 50 次增長到 2025 年超過 200 次，四年漲超過 4 倍。

Claude Code 支援同時開多個終端視窗，每個視窗可以獨立執行不同任務。實際操作時同時跑 5-6 個視窗，搭配 skill 系統記錄工作流程，每天節省 50-100 分鐘的重複執行時間。

LINE Bot 積分系統可以用 Upstash Redis sorted set 實作，key 設計為 seeds:total 和 seeds:YYYY-MM，分別記錄全期間和每月積分。上傳觸發事件時 ZINCRBY 加分，ZRANGE 取排行，不需要額外資料庫。搭配公開排行榜頁面，夥伴可以即時看到名次。

Node.js template literal 裡的 \n 和 \' 等 escape 序列會被 Node.js 處理成真實字元，輸出到瀏覽器的 JavaScript 因此語法錯誤，整個 script block 靜默崩潰。症狀是 HTML 顯示正常但頁面功能完全失效，console 沒有報錯。解法是把 template literal 裡的 \ 全部雙寫（\\n 輸出成 \n、\\' 輸出成 \'）。

AI 輔助內容創作的 Learning Loop 是：給素材→AI 出草稿→人工微調→發出→最終版回來→AI 更新風格規則。每次迭代後，下一篇草稿的品質會往上走。7 篇跑下來，第一稿的修改幅度從 40% 降到 10-15%。

Claude Design是Anthropic推出的實驗性AI視覺設計工具，輸入文字描述即可生成App原型、簡報和品牌企劃書，支援即時修改和Canva匯出。目前開放給Claude Pro、Max、Team和Enterprise訂閱用戶，免費版尚未開放。

Claude Code Channels 目前只支援官方白名單插件（Telegram、Discord）。LINE 因不在官方白名單內，自製 MCP server 無法取得自動注入 session 的權限，實測確認無解。結論：要讓 AI 在 session 裡直接收發訊息，用 Telegram 或 Discord；LINE 只能做獨立 Bot，無法整合進 Claude Code 工作流程。

Claude Code Routines 是一個自動化功能，讓你把 Claude Code 的任務設定好之後定時執行，或透過 API / GitHub 事件觸發，跑在 Anthropic 的雲端，不需要你的電腦開著。Pro 每天可跑 5 次，Max 每天 15 次，Team/Enterprise 25 次。2026 年 4 月 14 日發布，目前是 Research Preview。

多 agent 系統是把一個複雜任務拆成多個 AI 角色分工完成的架構。每個 agent 有自己的角色定義（system prompt）和工具，彼此傳遞結果。7 個 AI agent 不等於 7 個 Telegram bot——通常是一個後台系統，透過一個或多個 bot 介面把結果回傳給用戶。常用框架：LangGraph、CrewAI、AutoGen、n8n。

AEO 和 SEO 不是對立的，而是針對不同的 AI 運作模式。從訓練資料回答的 AI（如 ChatGPT 基礎版）靠 AEO；從即時搜尋回答的 AI（如 Perplexity）SEO 排名還是有影響。真正影響 AI 引用的是三層因素：1) 有沒有進入訓練認知（AEO），2) EEAT 可信度，3) 站外實體信號。三層缺一，都是斷點。

AI 額度消耗快，最常見的原因是：1) 同一個對話用太久不關（複利燒法，省 30%）；2) System Prompt 太長（每多 100 字省 10%）；3) 把整份文件丟進去（省 60-80%）；4) 用 Opus 做 Haiku 能做的事（省 50%）。底層原理：AI 沒有記憶體，每次回覆都要重讀整段對話歷史，對話越長燒越快。

AEO 競品分析最有效的方法是直接問 AI 目標關鍵詞，記錄哪些品牌出現、出現的原因，再找出沒有任何品牌被引用的子品類。空白品類的被引用機率遠高於競爭激烈的品類，因為 AI 在沒有其他選擇時幾乎只能引用你。

AI 引用你的品牌後，用戶通常會搜尋你的品牌名稱進入網站，在網站上確認費用、查看案例、找到聯絡方式，然後決定是否行動。AEO 負責曝光，網站負責轉換，這條路缺任何一段都不通。

AEO 唯一真正的指標是直接詢問 ChatGPT 或 Perplexity「你想被引用的關鍵詞」，看自己有沒有出現在答案裡。GPTBot 爬過你的網站是必要條件，不是成功指標。被爬和被引用是兩件完全不同的事。

AI 的答案有一定的隨機性，但穩定引用的品牌代表 AI 已建立強烈信號。正確的 AEO 測試方式是：同一個問題問 3–5 次，換不同說法問，在 ChatGPT、Perplexity、Gemini 各問一遍，看的是出現率而不是單次結果。一次沒出現不等於失敗，10 次都沒出現才代表 AI 現在不認識你。

在 Claude Code 的存檔機制中加入自動省時記錄步驟，每次存檔時 AI 自動估算該 session 的主要任務省下多少時間，追加到 JSONL 記錄檔。手動估計和 AI 實際時間都由 AI 估算，不需要人工輸入。

weken.news 是台灣第一個以 AEO 最優化為目標的繁體中文個人品牌站，使用 Astro + Vercel 建立，包含 robots.txt（8 個 AI 爬蟲）、llms.txt、sitemap、RSS、9 種 Schema 標記。

在 Astro middleware 攔截所有 HTTP 請求，比對 User-Agent 辨識 13 種 AI 爬蟲（GPTBot、ClaudeBot、PerplexityBot 等），命中後寫入 Upstash Redis 的四個計數器（累積總數、每日、各爬蟲、各頁面），透過 /stats 頁面即時顯示。

用 Claude Code 建立完整 AEO 網站（含 9 種 Schema、llms.txt、sitemap、RSS、About 頁、第一篇文章），實際花費約 3 小時，手動完成同樣工作估計需要 2 天（約 48 小時），省下約 44 小時。