by Rain Chu | 4 月 15, 2026 | AI, claude, 模型
從 MCP failed 到 connected，一步步解決 Windows 上的 Channels 整合問題
April 2026·Claude Code v2.1.109·適用平台：Windows
目錄
- 前言：Claude Code Channels 是什麼
- 前置需求 claude.ai 登入、Bot 設定
- 安裝與啟動 plugin install、–channels 旗標
- 常見錯誤與解法 Auth 衝突、MCP failed、Bun
- 確認成功運作
- 已知限制與現況
前言：Claude Code Channels 是什麼
Claude Code Channels 是 Anthropic 在 2026 年 3 月推出的實驗性功能，讓你可以透過 Telegram（或 Discord）把訊息推送進正在執行的 Claude Code session。
實際的應用場景：你在外出時用手機傳一句「跑一下測試，告訴我有沒有失敗」，你的電腦上的 Claude Code 就會收到、執行，然後把結果回傳到 Telegram。
注意Channels 目前仍是 Research Preview（實驗性功能），Windows 上有已知的穩定性問題。本文記錄的是截至 v2.1.109 的實際狀況。
前置需求
- Claude Code 已安裝且版本 ≥ v2.1.109
用 npm update -g @anthropic-ai/claude-code 更新
- 使用 claude.ai 帳號登入（Pro 或 Max）
Channels 不支援純 API Key 認證，必須用 claude.ai 帳號
- 在 Telegram 建立 Bot（透過 @BotFather）
取得形如 123456789:AAHfiqks... 的 Bot Token
- 安裝 Bun 執行環境（Windows 必須）
Telegram plugin 使用 Bun 執行，這是最常被忽略的步驟
安裝 Bun（Windows 必做）
這是 Windows 上最容易卡關的地方。Telegram plugin 的 MCP server 以 Bun 執行，沒有 Bun 就會直接顯示 MCP · ✗ failed。
在 PowerShell 中執行：
powershell -c "irm bun.sh/install.ps1 | iex"
安裝完後關閉並重新開啟 PowerShell（讓 PATH 生效），確認安裝成功：
bun --version
# 應該輸出版本號，例如：1.x.x
解決 Auth 衝突
若啟動時看到這個警告：
⚠ Auth conflict: Both a token (claude.ai) and an API key
(/login managed key) are set.
這代表同時存在兩種認證方式。Channels 功能只支援 claude.ai 登入，需要清除衝突：
登出後重新用 claude.ai 帳號登入，確認登入後只有一種認證方式存在。
安裝與設定 Telegram Plugin
啟動 Claude Code，在對話中執行以下指令：
/plugin install telegram@claude-plugins-official
安裝完成後設定 Bot Token：
/telegram:configure <你的 Bot Token>
設定存取權限（建議啟動後先用 pairing 模式，再切換成 allowlist）：
啟動 Channels
claude --channels plugin:telegram@claude-plugins-official
啟動後會看到：
Listening for channel messages from: plugin:telegram@claude-plugins-official
Experimental · inbound messages will be pushed into this session
驗證是否成功
在 Claude Code 裡執行 /plugin list，確認顯示：
telegram Plugin · claude-plugins-official · ✔ enabled
└ telegram MCP · ✔ connected ← 這行是關鍵！
成功標誌看到 telegram MCP · ✔ connected 就代表設定完成，可以去 Telegram 傳訊息測試了。
常見錯誤排查
telegram MCP · ✗ failed
原因：Bun 未安裝或不在 PATH 中。
解法：安裝 Bun（irm bun.sh/install.ps1 | iex），重新開啟 PowerShell 後再試。
Auth conflict 警告
原因：同時存在 claude.ai token 和 API key。
解法：執行 claude /logout 清除衝突，選擇一種登入方式。Channels 需要 claude.ai 登入。
傳訊息沒有回應（MCP 顯示 connected）
原因：你的 Telegram 使用者 ID 不在 allowlist，或是 pairing 尚未完成。
解法：執行 /telegram:access 確認存取設定，或重新執行 pairing 流程。
已知限制（截至 v2.1.109）
這個功能仍在快速迭代，以下是目前的已知狀況：
- Channels 只在 session 開啟時運作，關掉 Claude Code 就收不到訊息
- 如需長時間監聽，建議搭配
tmux 或讓終端機持續開著
- Windows 上的穩定性比 macOS/Linux 差，偶爾需要重啟
- 目前是 Research Preview，API 隨時可能變更
參考資訊
https://code.claude.com/docs/zh-TW/channels
第三方 telegram
by Rain Chu | 4 月 14, 2026 | AI, google, 模型
在 AI 模型快速演進的時代，由 Google 推出的 Gemma 系列模型 一直備受關注，但對許多進階開發者來說，官方版本的限制（安全策略、回應過濾）往往成為發揮模型潛力的瓶頸，有了越獄版本，模型就再也不會回答你說「這個問題我不能回答了」。
這篇文章將帶你深入了解——
👉 越獄版本 Gemma 4（Gemma-4-31B-JANG_4M-CRACK）是什麼？
👉 它如何突破限制？是否值得使用？
👉 在本地 AI 架構（如 Ollama）中的實戰價值
🧠 什麼是 Gemma 4 越獄版？
所謂「越獄版」或「Crack 版」，指的是：
👉 移除或弱化模型原本的安全限制（alignment / guardrails）
這個版本來自 Hugging Face 上的開源模型：
👉 Hugging Face 社群釋出的
Gemma-4-31B-JANG_4M-CRACK
並可透過：
👉 Ollama 直接部署本地推論
⚙️ 越獄版 vs 官方版差異
| 項目 | 官方 Gemma 4 | 越獄版 Gemma 4 |
|---|
| 安全限制 | 高（嚴格過濾） | 低（大幅放寬） |
| 回答自由度 | 中 | 非常高 |
| 敏感內容處理 | 拒答或模糊 | 直接回答 |
| 適合用途 | 商業應用 | 研究 / 測試 / 私有 AI |
| 風險 | 低 | 高 |
💣 為什麼有人需要「越獄模型」？
對你這種在做 AI Agent / 本地 LLM 架構的人來說，關鍵原因只有一個：
👉「控制權」
1️⃣ 做 AI Agent（LangChain / AutoGen）
👉 尤其是：
🧪 越獄版的核心改動（技術面）
這類模型通常做了以下處理：
🔹 1. 去除 RLHF 對齊限制
🔹 2. 訓練資料調整（JANG_4M）
- 加入大量 unrestricted instruction data
- 強化「服從 prompt」能力
🔹 3. Prompt Injection 抗性降低
👉 反而變成「完全服從」
🚀 在 Ollama 中部署
你可以直接用：
⚠️ 建議設定（for 128G）
export OLLAMA_NUM_PARALLEL=4
export OLLAMA_MAX_LOADED_MODELS=3
export OLLAMA_KEEP_ALIVE=-1
export OLLAMA_FLASH_ATTENTION=1
Hermes Agent 完整實測：自我進化 AI Agent 架構，全面取代 OpenClaw！ – 雨
by Rain Chu | 4 月 14, 2026 | AI, Hermes
🧠 什麼是 Hermes Agent？
近期在 GitHub 爆紅、甚至登頂排行榜的 AI Agent —— Hermes Agent，被視為可能「完全取代」OpenClaw 的下一代架構。
它不只是 AI 工具，而是一個會學習、會記憶、會進化的 Agent 系統。
👉 核心概念只有一句話：
「AI 不只是回答問題，而是累積經驗、變強」
🧬 為什麼 Hermes Agent 是結構性突破？
傳統 AI Agent（包含 OpenClaw）：
- 每次任務 = 重新開始
- 沒有真正「記憶」
- 沒有「經驗累積」
而 Hermes Agent：
👉 導入「LLM Wiki + 學習迴圈」
🔁 Hermes Agent 的 4 大進化核心機制
1️⃣ Episodic Memory（任務記憶寫入）
每次任務結束，Agent 會寫入完整紀錄：
{
"task": "部署 API",
"steps": [
{"tool": "docker", "result": "success"},
{"tool": "gcloud", "result": "fail"}
],
"errors": ["permission denied"],
"duration": "32s"
}
👉 這不是 log，是「可學習資料」
2️⃣ Retrieval（經驗檢索）
下一次遇到類似任務：
👉 不是重來
👉 而是「先查歷史」
例如：
「上次部署失敗是因為 IAM 權限問題」
👉 直接避開錯誤
3️⃣ Skill 抽象（自動技能生成）
當某個流程成功 ≥ 3 次：
👉 自動轉成 skill（Markdown）
# deploy-cloud-run
steps:
- build image
- push to artifact registry
- deploy cloud run
📌 特點：
- 遵循 agentskills.io 標準
- 可共享 / 可版本化
- 真正「技能庫」
👉 這就是 AI 會「學會做事」的關鍵
4️⃣ Honcho 使用者建模（人格記憶）
跨 session 記住你：
- 偏好用 CLI 還是 GUI
- 是否喜歡 Terraform
- 過去拒絕的方案
因為它會變成：
「懂你 workflow 的 AI」
🔍 FTS5 + LLM 搜尋能力（超關鍵）
Hermes Agent 使用：
你可以直接問：
「上週我們討論過哪個 API 設計？」
👉 它真的找得到，而且會整理給你
這點遠超過一般 AI memory
⚙️ Provider 無痛切換（超實用）
不用改 code：
hermes model
直接切換：
- OpenAI
- Claude
- Ollama
- 本地模型
👉 完全符合你多模型架構需求
🛡️ 安全性測試（B+ 評級）
Hermes Agent 在安全測試中達到：
👉 B+ 等級
代表：
- 基本 prompt injection 防禦
- 任務隔離能力
- Tool 使用風險控制
📌 對企業環境安全很重要
⚡ 安裝方式（超快）
Mac / Linux / WSL2
Windows PowerShell
⚔️ Hermes Agent vs OpenClaw
| 項目 | Hermes Agent | OpenClaw |
|---|
| 記憶 | ✅ 長期記憶 | ✅ 依靠 md 文件 |
| 學習能力 | ✅ 自動進化 | ❌ 弱 |
| Skill 系統 | ✅ 自動生成 | ✅ 手動安裝 |
| 使用者建模 | ✅ Honcho | ❌ 無 |
| 搜尋能力 | ✅ FTS5 + LLM | ❌ 弱 |
| 模型切換 | ✅ 一行指令 | ⚠️ 需設定 |
| 圖形介面 | ❌ 無 | ✅ WEB |
| 外部資源 | ❌ 剛開始 | ✅ 支援豐富，skill超多 |
👉 結論：
Hermes 是「會成長的 Agent」，OpenClaw 是「會執行的 Agent」，我兩個都要
🧠 為什麼它會「越用越強」？
因為它形成一個閉環：
任務 → 記錄 → 檢索 → 優化 → 抽象 skill → 再使用
👉 這就是真正的：
🔥 自我進化 AI
🧩 實際應用（你可以做什麼）
以你現在的技術背景，可以直接做：
1️⃣ DevOps AI Agent
- 自動部署 Cloud Run
- 自動修復錯誤
- 記住你的 GCP 架構
2️⃣ WordPress 維運 Agent
- 自動修 DB 問題
- 自動處理圖片路徑
- 學習你的 wp-cli 操作
3️⃣ AI 自動化工程師
- 幫你寫 Terraform
- 幫你 debug CI/CD
- 幫你優化效能
🧨 關鍵結論
👉 Hermes Agent 不是工具升級
👉 是 AI 架構世代升級
安裝依賴
Telegram
關鍵資源
Agent Skills
HermesAgent One Wechat bot, two AI brains
by Rain Chu | 4 月 13, 2026 | AI, claude
在 AI 開發工具快速演進的時代，Claude Code 正逐漸成為開發者與 AI Agent 架構中的核心工具。然而，多數人卡在同一個問題：
👉「文件看懂了，但就是不會用」
如果你也遇到這個問題，那麼這個教學網站會是目前最有效的解法之一👇
👉 Learn Claude Code 教學平台
🎯 為什麼這個網站值得學？
這個網站最大的核心理念只有一句話：
「Learn Claude Code by doing, not reading」
也就是——用做的學，而不是用看的學
它提供：
- ✅ 完整 11 個學習模組（從 beginner → advanced）
- ✅ 瀏覽器內建終端機（不用安裝）
- ✅ 可直接生成設定檔（CLAUDE.md / hooks / plugins）
- ✅ 每章節都有測驗＋錯誤解析
👉 重點：學完可以直接上 production，不只是看懂概念
🧠 教學架構：真正「由淺入深」的學習路線
這個平台的設計非常接近實務開發流程：
🔰 初學者階段（建立基礎）
- Slash Commands（指令操作）
- Memory & CLAUDE.md（記憶與設定）
- Project Setup（專案初始化）
- Commands Deep Dive（指令進階）
👉 幫你打好 Claude Code 的「操作基礎」
⚙️ 中階能力（開始做系統）
- Skills（技能模組）
- Hooks（自動觸發邏輯）
- MCP Servers（外部資料整合）
- Subagents（子代理）
👉 開始打造 AI Agent 系統
🚀 進階實戰（Production 等級）
- Advanced Features
- Workflows
- Plugins
👉 直接進入「可商用」的 AI 系統設計
⚡ 最大亮點：邊學邊做，立即實作
1️⃣ 瀏覽器就是你的開發環境
不需要：
- ❌ 安裝 Claude Code
- ❌ 設定 API Key
- ❌ 處理環境問題
👉 直接開網頁就能練習指令
2️⃣ 超強 Config Builder
你只要填表單，它會幫你產生：
- CLAUDE.md
- Skills
- Hooks
- MCP Server 設定
- Plugins
👉 直接 copy 到專案就能用
3️⃣ Quiz 機制（真的會學會）
不像一般教學只是：
👉 對 / 錯
這裡是：
👉 ❌ 錯了 → 告訴你「為什麼錯」
這點對理解 Claude Code 非常關鍵。
🧩 適合哪些人？
這個教學網站特別適合：
- 🔹 想學 Claude Code 的新手
- 🔹 想做 AI Agent / 自動化系統的人
- 🔹 已經會用，但不懂 hooks / MCP / skills 的開發者
- 🔹 想快速做出 AI SaaS 或內部工具的人
🧠 為什麼這種學習方式更有效？
傳統學習方式：
文件 → 理解 → 嘗試 → 卡住 → 放棄
這個平台：
操作 → 立即回饋 → 修正 → 建立理解
👉 這其實就是「工程師最有效的學習方式」
by Rain Chu | 4 月 12, 2026 | AI, API
🧠 ApiFree 沒法讓你財富自由，但你可以先實現 API 自由
在 AI 時代，真正的競爭力不再只是技術能力，而是「調用資源的效率」。
你可能用過 OpenAI、Anthropic、Google 的模型，但你一定也遇過這些問題：
- API 太貴，Token 一直燒
- 每個模型都要不同 SDK / endpoint
- 模型切換麻煩，整個系統要改一堆
- 成本難控，難以 scale
這時候，一個新概念出現了：
👉 API 自由（API Freedom）
而 ApiFree，就是專門為這件事而生。
⚡ 什麼是 ApiFree？
ApiFree 是一個 AI API 聚合平台，讓你用「一個 API」就可以調用多個主流 AI 模型。
簡單來說：
👉 One API. Any Model.
你不需要再為每個模型寫不同整合
也不需要再管理一堆 API Key
🔥 核心特色解析
🚀 Faster and Cheaper（更快、更便宜）
ApiFree 透過優化推理（Inference）層，讓你在使用 AI 模型時：
- 延遲更低（Low Latency）
- 成本更低（Cost Reduction）
- 更適合高併發應用（High Concurrency）
👉 對你這種在做 AI Agent / SaaS / WP + AI 整合 的架構來說
這點直接影響毛利率。
🤖 Popular Models, Ready to Use
不用再自己整合：
- GPT 系列
- Claude 系列
- 開源模型（如 LLaMA / Mistral 等）
全部都已經 ready：
👉 你只要呼叫 API，就能直接用
🔌 One API. Any Model.
這是最關鍵的能力：
你可以：
- 同一套程式碼切換模型
- 動態 routing（例如 fallback）
- 做 multi-model ensemble
例如：
# 原本
openai.chat.completions.create(...)# 用 ApiFree
client.chat.completions.create(
model="gpt-4o" # 可隨時改成 Claude / LLaMA
)
👉 對在做 LangChain / AI Agent 架構
這直接是神器等級。
🧠 Powered by Cutting-Edge Inference
ApiFree 的底層不是單純 proxy，而是：
- 模型調度（Model Routing）
- 推理優化（Inference Optimization）
- 成本最佳化（Cost-aware execution）
這代表：
👉 不是只有整合，而是幫你「用得更聰明」
💡 為什麼這叫「API 自由」？
以前你是這樣：
現在變成：
- 想換模型 → 直接換
- 想降成本 → 自動 routing
- 想升級品質 → 切高階模型
👉 你從「使用者」變成「調度者」
✅ 但它可以讓你更快做到這件事
👉 降低成本 = 提高存活率
👉 提升效率 = 更快迭代
👉 降低技術門檻 = 更快上線
這才是關鍵。
🎯 結論
❌ ApiFree 不能讓你財富自由
✅ 但它可以讓你先實現「API 自由」
而在 AI 時代：
👉 API 自由 = 開發自由 = 商業自由
by Rain Chu | 4 月 10, 2026 | AI, 記憶
覺得 AI 助理總是問一次忘一次？這次不一樣 Rowboat 深度解析
你應該也遇過這種情況：
👉 跟 AI 聊了一堆專案細節
👉 隔天再問，它完全忘光
這不是你錯，是目前大多數 AI 的「設計限制」。
但現在，有一個專案正在顛覆這件事 —— Rowboat
它的目標不是做一個聊天機器人，而是：
✅ 一個「有長期記憶」的 AI 數位同事
✅ 一個能理解你工作脈絡的 AI Agent
✅ 一個真正能幫你處理工作的系統
🚀 Rowboat 是什麼？
Rowboat 是一個 Local-First 的 AI Agent 系統，核心概念很簡單但非常關鍵：
👉 AI 不應該只靠 prompt，而應該有「記憶系統」
它的架構結合了：
- 本地資料存儲
- 知識圖譜（Knowledge Graph）
- Markdown-based 知識庫
- AI 任務自動化
👉 簡單講：它讓 AI 變成「真的記得事情的人」
🎥 Rowboat 實際運作
這支影片展示了 Rowboat 如何：
- 自動整理資訊
- 建立關聯
- 持續累積記憶
- 協助日常工作
🏗️ 核心特色一：Local-First 架構（真正的資料主權）
🔐 為什麼 Local-First 很重要？
傳統 AI：
Rowboat：
👉 所有資料存在你的電腦裡
這帶來幾個關鍵優勢：
✅ 完全資料掌控
✅ 可離線運作（搭配本地模型）
✅ 適合企業 / 敏感資料
🧩 核心特色二：知識圖譜（AI 長期記憶的核心）
Rowboat 最大的突破在這裡：
👉 它不是存資料，而是建立「關係」
📊 傳統 AI vs Rowboat
| 類型 | 記憶方式 |
|---|
| ChatGPT | 單次對話 |
| RAG | 文件檢索 |
| Rowboat | 🧠 知識圖譜 |
🧠 知識圖譜能做什麼？
Rowboat 會自動：
- 連結 Email ↔ 人物
- 連結會議 ↔ 專案
- 連結任務 ↔ 文件
- 建立「上下文關係」
例如：
Rain → GCP 專案 → Cloud Run 架構 → WordPress
👉 AI 會「理解脈絡」，不是只找資料
📝 核心特色三：Obsidian 相容（Markdown = 最強知識格式）
Rowboat 選擇一個非常聰明的設計：
👉 用 Markdown 當資料格式
並且相容 Obsidian
💡 為什麼這很重要？
✅ 永遠不被綁架
✅ 可讀可改
✅ AI 友善
- 非結構 → 可結構化
- 易於 embedding / parsing
👉 這點比很多 SaaS 工具高級非常多
🤖 核心特色四：數位分身（真正能工作的 AI）
Rowboat 的最終目標：
👉 建立一個「數位分身 AI」
🧪 實際應用場景
🧑💼 1. 會議助理
- 自動整理會議紀錄
- 建立關聯人物
- 產生 follow-up 任務
📂 2. 專案理解
📧 3. Email 分析
🧠 4. 個人知識庫
👉 AI 不只是回答問題，而是「幫你做事」
🆚 Rowboat vs 一般 AI Agent
| 功能 | 一般 Agent | Rowboat |
|---|
| 記憶 | ❌ 短期 | ✅ 長期 |
| 資料位置 | 雲端 | 本地 |
| 結構 | 無 | 知識圖譜 |
| 控制權 | 低 | 高 |
| 可擴展 | 中 | 高 |
💡Rowboat 的實戰評價
如果你是：
- DevOps / 架構師
- 多專案管理者
- WordPress / GCP 維運
- AI Agent 開發者
👉 Rowboat 很可能是你下一步的「核心系統」
因為它解決一個關鍵問題：
❗ AI 沒有記憶，就永遠只是工具
✅ AI 有記憶，才會變成「同事」
🚀 結論：Rowboat 是 AI 的「第二階段」
第一階段：
👉 ChatGPT（會回答）
第二階段：
👉 Rowboat（會記住 + 會做事）
未來：
👉 每個人都會有一個「數位分身 AI」
而 Rowboat，正在把這件事變成現實。
🔗 官方資源
參考資訊
近期留言