OpenCode 如何使用本地端模型

by Rain Chu | 6 月 10, 2026 | AI, 程式開發

打開 opencode 設定檔 :

macOS / Linux: ~/.config/opencode/opencode.json
Windows: %USERPROFILE%\.config\opencode\opencode.json

加入下面的設定（是標準的 json)

json{
  "$schema": "https://opencode.ai/config.json",
  "provider": {
    "ollama": {
      "npm": "@ai-sdk/openai-compatible",
      "name": "Ollama (local)",
      "options": {
        "baseURL": "http://localhost:11434/v1"
      },
      "models": {
        "qwen2.5-coder-16k": {
          "name": "Qwen Coder Local (16k)",
          "tools": true
        }
      }
    }
  }
}

Opencode config 說明

https://opencode.ai/docs/config

Nidia DGX Spark GB10 Ollama 最佳設定

2026 AI 專案上線該選誰？Vercel、Cloudflare、RepackAI 與 Esbuild 深度分析

by Rain Chu | 6 月 9, 2026 | AI, 程式開發

本文將分析目前相當熱門的四套工具與平台：

Vercel
Cloudflare
RepackAI
Esbuild

雖然這四者常被一起提及，但實際上定位完全不同。

有些是部署平台，有些是 AI 開發工具，有些則是前端打包工具。

了解它們之間的差異，才能打造更具競爭力的 AI 產品。

四大平台定位比較

平台	類型	主要用途
Vercel	雲端部署平台	Next.js、React 專案部署
Cloudflare	全球邊緣運算平台	CDN、Workers、AI Gateway
RepackAI	AI 內容轉換平台	AI 自動產生跨平台內容
Esbuild	JavaScript 打包工具	前端建置與編譯

因此這四套工具其實並非完全競爭關係，而是可互補搭配使用。

一、Vercel：AI 時代最熱門的前端部署平台

Vercel 官方網站

Vercel 是由 Next.js 團隊打造的雲端平台，主打：

Git 自動部署
Preview Environment
Serverless Functions
AI SDK
全球 CDN
AI Cloud

目前許多 AI SaaS 產品都直接部署在 Vercel 上。Vercel 提供 Git Push 即部署能力，能自動建立測試環境與正式環境，大幅降低 DevOps 門檻。

Vercel 優點

開發速度快

連接 GitHub 後即可自動部署。

Next.js 最佳化

與 Next.js 深度整合。

AI 生態完整

提供：

AI SDK
AI Gateway
V0
AI Agent Framework

逐步朝 AI Cloud 發展。

缺點

流量大時成本上升較快
Vendor Lock-in 較高
後端功能不如 Cloudflare 彈性

二、Cloudflare：AI Agent 時代的新霸主？

Cloudflare 官方網站

Cloudflare 原本是 CDN 廠商，但近年快速轉型成：

Serverless Platform
Edge Computing Platform
AI Inference Platform

目前已提供：

Workers
Pages
Durable Objects
R2 Storage
Vectorize
AI Gateway
MCP 支援

Cloudflare 的最大優勢是將 AI、儲存、運算、安全性整合在同一平台。

Cloudflare 優點

全球邊緣節點

超過 300 個以上節點。

成本極低

許多開發者由 Vercel 轉向 Cloudflare 的原因之一就是成本。

AI Agent 友善

Cloudflare 正積極投入：

MCP
AI Gateway
Agent Hosting

未來 AI Agent 部署極具潛力。

缺點

學習曲線較高
Next.js 支援仍不如 Vercel 完整
除錯較複雜

三、RepackAI：AI 行銷內容生成神器

RepackAI 官方網站

RepackAI 並不是部署平台。

它的定位比較像：

AI 內容工廠

使用者只需提供：

網址
YouTube 影片

即可快速產生：

Facebook 貼文
Instagram 貼文
X（Twitter）內容
LinkedIn 內容
部落格文章
圖片素材
短影音素材

大幅降低內容行銷成本。

適合誰？

AI SaaS 團隊
自媒體
行銷公司
電商團隊

最大價值

當你使用 Vercel 或 Cloudflare 建立 AI 產品後，

RepackAI 可以協助你：

宣傳產品
建立 SEO 文章
經營社群媒體

形成完整的流量成長循環。

四、Esbuild：極速打包工具

Esbuild 官方網站

Esbuild 是目前最受歡迎的新世代 JavaScript Bundler 之一。

其核心特色：

快

非常快。

Esbuild 採用 Go 語言開發，因此在編譯速度上遠超：

Webpack
Babel
Rollup

官方甚至表示許多情境下能快上數十倍。

功能

TypeScript 編譯
Tree Shaking
Minify
Code Splitting
ESM 轉換
CommonJS 轉換

適合

React
Vue
Svelte
Next.js
Node.js

為什麼重要？

AI 專案通常依賴大量套件：

LangChainOpenAI SDKSupabaseShadcn/UIReact

若建置速度太慢，

開發效率會大幅下降。

Esbuild 正是解決此問題的重要工具。

四大平台比較總表

項目	Vercel	Cloudflare	RepackAI	Esbuild
類型	部署平台	邊緣運算平台	AI內容平台	打包工具
AI功能	★★★★★	★★★★★	★★★★☆	★☆☆☆☆
部署速度	★★★★★	★★★★☆	不適用	不適用
全球CDN	★★★★★	★★★★★	無	無
成本控制	★★★☆☆	★★★★★	★★★★☆	免費
學習曲線	低	中高	低	中
適合新創	★★★★★	★★★★☆	★★★★☆	★★★★★
適合大型產品	★★★★☆	★★★★★	★★★☆☆	★★★★★

RepackAI 則負責自動產生 SEO 與社群內容，建立持續流量來源。

能行銷才是王者

2026 年的 AI 開發已經不只是模型競賽，而是整個開發與部署生態系的競爭。

Vercel 適合快速開發與 AI SaaS
Cloudflare 適合大型流量與 AI Agent
RepackAI 適合內容行銷自動化
Esbuild 適合提升前端建置效率

透過開發、部署、行銷三者整合，才能在 AI 時代建立可持續成長的產品與流量體系。

Nidia DGX Spark GB10 Ollama 最佳設定

Nidia DGX Spark GB10 Ollama 最佳設定

by Rain Chu | 6 月 7, 2026 | AI, Nvidia, Ollama, 模型

話說最近把 GB10 中的 ollama 給多人使用後就常常掛點，先把我的解方記錄下來，最後還是得用 vllm + QUENE 才能達到產品級

GPU OOM
500 Error
timeout

編輯設定檔

sudo nano /etc/systemd/system/ollama.service

建議的設定檔

[Service]

Environment="OLLAMA_HOST=0.0.0.0:11434"

Environment="OLLAMA_GPU_LAYERS=999"

Environment="OLLAMA_MODELS=/mnt/ai-models/ollama/models"

Environment="OLLAMA_FLASH_ATTENTION=1"

Environment="OLLAMA_KV_CACHE_TYPE=q8_0"

Environment="OLLAMA_NUM_PARALLEL=1"

Environment="OLLAMA_MAX_LOADED_MODELS=1"

Environment="OLLAMA_MAX_QUEUE=256"

Environment="OLLAMA_KEEP_ALIVE=10m"

為什麼這樣設

OLLAMA_NUM_PARALLEL=1

很多教學會設：

OLLAMA_NUM_PARALLEL=4

但實際上：

Parallel 越大，

Context Cache 會倍數成長。

例如：

NUM_PARALLEL=1VRAM 使用 30GBNUM_PARALLEL=4VRAM 使用 50GB+

很容易直接炸掉。

OLLAMA_MAX_LOADED_MODELS=1

避免：多個模型同時留在 VRAM。

多人使用時最容易發生。

OLLAMA_KEEP_ALIVE=10m

目前很多人設：

-1

永久保留模型。

結果：

VRAM 永遠不釋放。

改：

10m

10分鐘沒人用就卸載。

Ollama 遠端連線教學：Windows PowerShell 連接 AI Server 完整指南

Ollama + Qwen 3.6 怎麼選？27B、35B、MXFP8、NVFP4 完整比較與推薦

Ideogram 4 實作教學：在 ComfyUI 本機部署最強開源 AI 繪圖模型

by Rain Chu | 6 月 6, 2026 | AI, 圖型處理

2026 年最受矚目的 AI 繪圖模型之一，莫過於 Ideogram 團隊正式釋出的：

Ideogram 4

這是 Ideogram 首次公開模型權重（Open Weight），也是目前開源陣營中，在：

文字生成（Text Rendering）
海報設計
品牌廣告
排版控制
JSON 結構化提示詞

官方資料顯示，Ideogram 4 採用 9.3B 參數的單流 Diffusion Transformer（DiT）架構，並支援原生 2K 圖像生成。

本篇將帶你使用 ComfyUI，在本機部署 Ideogram 4。

系統需求

官方模型共有兩個版本：

版本	量化
Ideogram 4 FP8	品質最佳
Ideogram 4 NF4	VRAM需求較低

目前 ComfyUI 官方整合版本主要使用：

FP8
NVFP4

其中 FP8 畫質最佳。

第一步：下載模型

ComfyUI 專用模型

官方：

Comfy-Org Ideogram-4

原始模型：

Ideogram 4 FP8 官方模型

第二步：放置模型檔案

依照官方說明建立目錄。

ComfyUI
│
├─ models
│  ├─ diffusion_models
│  │  ├─ ideogram4_fp8_scaled.safetensors
│  │  └─ ideogram4_unconditional_fp8_scaled.safetensors
│  │
│  ├─ text_encoders
│  │  └─ qwen3vl_8b_fp8_scaled.safetensors
│  │
│  └─ vae
│      └─ flux2-vae.safetensors

第三步：了解每個模型用途

ideogram4_fp8_scaled

主模型

負責：

圖片生成
構圖
風格
排版

ideogram4_unconditional_fp8_scaled

CFG 引導模型

負責：

提升細節
強化 Prompt Follow
改善品質

官方建議兩個模型一起使用。若只載入主模型雖可運作，但畫質會下降。

qwen3vl_8b_fp8_scaled

文字編碼器

負責：

Prompt 理解
JSON 理解
空間推理
海報版面配置

flux2-vae

VAE 解碼器

負責將 Latent 轉換成圖片。

第四步：更新 ComfyUI

Ideogram 4 需要最新版本的 ComfyUI。

更新方式：

cd ComfyUI

git pull

或：

update_comfyui.bat

官方於 Day-0 即已原生支援 Ideogram 4。

第五步：載入官方 Workflow

ComfyUI 官方已提供範例工作流。

建議直接從：

Comfy Blog

下載 Workflow。

基礎工作流架構

Prompt
    ↓

Qwen3-VL Encoder
    ↓

Ideogram 4
    ↓

Sampler
    ↓

Flux VAE Decode
    ↓

Save Image

第六步：第一張圖片

測試 Prompt：

A futuristic cyberpunk city at night,
neon signs in Chinese,
cinematic lighting,
ultra detailed,
high contrast,
8k photography

生成尺寸：

1024 x 1024

推理模式：

DEFAULT

第七步：體驗 JSON Prompt

Ideogram 4 最大特色就是：

Structured JSON Prompt

官方模型訓練時即使用 JSON Caption。

範例：海報設計

{
  "scene_summary": "Professional technology conference poster",

  "background": {
    "description": "Modern convention center stage with blue ambient lighting, large LED screen, clean professional environment"
  },

  "style": {
    "description": "Corporate marketing design, professional conference poster, clean typography, premium branding, modern layout"
  },

  "objects": [
    {
      "description": "Conference stage",
      "bbox": [100, 150, 900, 850],
      "colors": ["#0A2540", "#1E88E5", "#FFFFFF"]
    }
  ],

  "text_elements": [
    {
      "text": "AI SUMMIT 2026",
      "bbox": [150, 120, 850, 260],
      "style": "Large bold white sans-serif title"
    },
    {
      "text": "Future of Artificial Intelligence",
      "bbox": [180, 280, 820, 350],
      "style": "Medium white subtitle"
    },
    {
      "text": "Taipei International Conference Center",
      "bbox": [180, 1050, 820, 1120],
      "style": "Small white footer text"
    }
  ]
}

Bounding Box 控制

可直接指定位置。

{
  "text_elements":[
    {
      "text":"SALE 50%",
      "bbox":[100,100,500,300]
    }
  ]
}

座標範圍：

0 ~ 1000

原點：

左上角

這是目前 FLUX 與 Stable Diffusion 所不具備的能力。

色彩盤控制

品牌設計超級好用。

{
  "color_palette":[
    "#FF6600",
    "#FFFFFF",
    "#000000"
  ]
}

官方支援：

最多16色
單元素最多5色

與 FLUX 比較

FLUX 強項

寫實攝影
光影細節
人像品質

Ideogram 4 強項

Logo
海報
Banner
電商素材
排版設計
中文文字生成

若你是：

電商設計師
行銷公司
品牌設計
廣告公司

Ideogram 4 很可能比 FLUX 更適合。

結論

Ideogram 4 不只是另一個 AI 繪圖模型。

它最大的創新在於：

把 Prompt 從自然語言升級為結構化設計規格。

透過：

Qwen3-VL
Diffusion Transformer
JSON Prompt
Bounding Box
Color Palette

使用者終於可以像操作 Figma 一樣控制 AI 生成內容。

對於需要：

海報設計
品牌素材
Banner 製作
AI Agent 自動產圖

的開發者來說，Ideogram 4 是目前最值得研究與部署的開源模型之一。

Ideogram 4.0 技術解析：9.3B 參數 DiT 架構、結構化 JSON 提示詞與 2K 原生輸出，Diffusion Transformer 革命登場

Ideogram 4.0 技術解析：9.3B 參數 DiT 架構、結構化 JSON 提示詞與 2K 原生輸出，Diffusion Transformer 革命登場

by Rain Chu | 6 月 6, 2026 | AI, 繪圖

AI 圖像生成正式進入「設計級控制」時代

近兩年 AI 繪圖領域競爭激烈，從 Midjourney、Stable Diffusion、FLUX，到 Google Imagen，各家模型都在追求更好的畫質與更精準的提示詞理解能力。

真正困擾設計師與企業用戶的問題其實不是畫質，而是以下的問題：

文字總是生成錯誤
排版無法控制
Logo 與標題位置不準確
無法符合品牌色彩規範
每次生成結果都像在「抽卡」

2026 年 6 月，Ideogram 正式推出最新開源模型：

Ideogram 4.0

這不僅是 Ideogram 首次公開權重（Open Weight）模型，更被許多開發者視為目前最接近商業設計工作流程的 AI 圖像生成系統。

什麼是 Ideogram 4.0？

Ideogram 4.0 是一款從零開始訓練的 AI 圖像生成模型，採用最新的：

Diffusion Transformer（DiT）架構

與傳統 Stable Diffusion 不同，Ideogram 4.0 使用：

34 層 Transformer
93 億參數（9.3B）
單流（Single Stream）設計
文字 Token 與影像 Token 共用同一套注意力機制

官方稱其為：

Single-Stream Diffusion Transformer（DiT）

這種架構讓模型能更深入理解文字與影像之間的關聯，提高提示詞遵循能力（Prompt Adherence）與版面控制能力。

核心架構解析

1. 文字編碼器（Text Encoder）

Ideogram 4.0 並未使用傳統的 CLIP 或 T5 「文字編碼器（Text Encoder）」。

而是採用了：

Qwen3-VL-8B-Instruct

作為文字理解引擎。

其特色包括：

視覺語言模型（Vision Language Model）
僅使用文字模式
提取 13 個中間層隱藏狀態
將多層特徵串接後輸入 DiT

這種設計能同時保留：

Token 級語意
物件關係
空間推理
構圖理解

讓模型對複雜提示詞有更深層的理解能力。

2. DiT 主幹網路

Ideogram 4.0 採用：

34 Layers
Embedding Dimension：4608
18 Attention Heads
SwiGLU Feed Forward

總參數量達：

9.3 Billion Parameters

目前已是開源 AI 繪圖模型中最頂尖的規模之一。

3. VAE 解碼器

使用凍結（Frozen）的：

KL VAE

特性：

8× 空間壓縮
128 Latent Channels

負責將潛在空間（Latent Space）轉換為最終圖像。

4. Flow Matching 取樣器

不同於傳統 DDPM。

Ideogram 4.0 採用：

Euler Flow Matching

搭配：

Asymmetric CFG

特色：

提升生成效率
改善細節品質
更穩定的提示詞遵循能力

官方提供三種推理模式：

模式	Steps
V4_TURBO	12
V4_DEFAULT	20
V4_QUALITY	48

品質模式會在最後階段降低引導強度，進一步提升真實感。

最大突破：JSON 結構化提示詞

這是 Ideogram 4.0 最具革命性的地方。

過去 AI 繪圖都依賴自然語言：

A beautiful girl standing beside a lake...

Ideogram 4.0 則改為：

{  "background": "...",  "objects": [...],  "texts": [...],  "style": {...}}

模型訓練時完全使用 JSON 描述，因此天生理解結構化資訊。

Bounding Box 精準版面控制

支援 Bounding Box：

{  "bbox": [100,100,400,400]}

採用：

0~1000 正規化座標
左上角為原點

可直接指定：

Logo 位置
標題位置
商品位置
人物位置

這是過去 Midjourney、Stable Diffusion 很難做到的功能。

色彩盤控制（Color Palette）

可直接指定品牌色：

{  "colour_palette": [    "#FF6600",    "#FFFFFF",    "#000000"  ]}

限制：

每張圖最多 16 色
每個元素最多 5 色

非常適合：

品牌設計
電商素材
廣告 Banner
包裝設計

多語言文字生成能力大幅提升

Ideogram 一直以來最強的能力就是：

Text Rendering

也就是圖片內文字生成。

例如：

海報
Logo
廣告標語
包裝文字
社群貼文

以往 AI 經常出現亂碼。

但 Ideogram 4.0 已能大幅提升：

中文
英文
日文
韓文

等多語系文字品質。

原生支援 2K 輸出

解析度支援：

最小：256 × 256
最大：2048 × 2048

且：

必須為 16 的倍數
最長比例可達 6:1

例如：

YouTube Banner
網站橫幅
電商主圖
手機桌布

皆可直接生成。

設計工作流功能全面升級

除了模型本身之外，Ideogram 平台也同步推出多項設計工具：

Prompt Edit

直接修改既有圖片中的特定區域。

Magic Fill

局部重繪。

Remix

基於現有圖片重新生成。

Extend / Reframe

擴展畫布與調整比例。

Upscale

提高解析度。

Transparent Background

直接輸出透明背景 PNG。

MCP 整合

可接入 AI Agent 工作流程。

Editable Text Layers

未來將支援真正可編輯的文字圖層功能。

Ideogram 4.0 與 Google Imagen 誰更強？

若比較：

Google Imagen
FLUX
Stable Diffusion
Ideogram 4.0

目前 Ideogram 最大優勢在於：

✅ 文字生成能力

✅ 排版控制能力

✅ JSON 結構化設計流程

✅ 開源權重

✅ 可自行部署

而 Google Imagen 仍在：

寫實度
影像理解
Google 生態整合

方面維持優勢。

若是企業設計工作流，Ideogram 4.0 已經是極具競爭力的選擇。

官方資源

Ideogram 4.0 不只是另一個 AI 繪圖模型。

它最大的突破在於：

把 AI 繪圖從「描述圖片」提升到「設計圖片」。

透過：

Diffusion Transformer（DiT）
Qwen3-VL 編碼器
JSON Prompt
Bounding Box 控制
色彩盤控制
可編輯文字圖層

Ideogram 4.0 正逐步接近 Photoshop、Illustrator 與 Figma 所代表的專業設計工作流程。

對於品牌設計、電商素材、廣告製作與 AI Agent 自動化內容生成來說，Ideogram 4.0 很可能會成為 2026 年最值得關注的開源 AI 圖像生成模型之一

Ideogram 4 實作教學：在 ComfyUI 本機部署最強開源 AI 繪圖模型

Ollama 遠端連線教學：Windows PowerShell 連接 AI Server 完整指南

by Rain Chu | 6 月 2, 2026 | AI, Ollama, 模型

想把 Ollama Client 安裝在 Windows 筆電上，但模型實際運行在另一台 AI 伺服器（例如 NVIDIA Spark、Linux GPU 主機）嗎？

本文教你如何透過 PowerShell 指定遠端 Ollama Server，讓本機直接使用遠端模型資源。

Ollama 遠端架構說明

一般情況下，Ollama 預設會連接本機：

localhost:11434

但如果你的 AI 模型部署在另一台主機，例如：

192.168.0.1

則可以透過環境變數指定遠端伺服器。

Step 1：設定遠端 Ollama Host

開啟 PowerShell：

$Env:OLLAMA_HOST = "192.168.0.1:11434"

若使用 HTTP 格式也可以：

$Env:OLLAMA_HOST = "http://192.168.0.1:11434"

建議使用第二種寫法較完整。

Step 2：確認連線是否成功

執行：

ollama list

若成功，將會看到遠端伺服器上的模型清單：

NAME                 ID              SIZEclaude               xxxxxx          45 GBkimi-k2.5:cloud      xxxxxx          22 GBqwen3:32b            xxxxxx          20 GBdeepseek-r1:70b      xxxxxx          42 GB

若出現：

Error: connection refused

請確認：

遠端 Ollama 是否啟動
防火牆是否開放 11434 Port
Ollama 是否監聽 0.0.0.0

Linux 可檢查：

sudo ss -tlnp | grep 11434

正常應看到：

0.0.0.0:11434

Step 3：啟動 Claude

確認模型存在後：

ollama launch claude

系統將直接透過遠端 Ollama 執行 Claude。

Step 4：指定模型版本

例如使用 Kimi K2.5 Cloud 版本：

ollama launch claude --model kimi-k2.5:cloud

也可以切換成其他模型：

ollama launch claude --model qwen3:32b

ollama launch claude --model deepseek-r1:70b

ollama launch claude --model gemma3:27b

每次開機自動設定 OLLAMA_HOST

如果不想每次都輸入：

$Env:OLLAMA_HOST = "192.168.0.240:11434"

可永久寫入 Windows 使用者環境變數：

[System.Environment]::SetEnvironmentVariable(    "OLLAMA_HOST",    "http://192.168.0.240:11434",    "User")

重新開啟 PowerShell 後生效。

驗證：

echo $Env:OLLAMA_HOST

輸出：

http://192.168.0.240:11434

常見問題排除

無法連線

測試：

curl http://192.168.0.240:11434/api/tags

若有回傳 JSON 表示正常。

Linux Server 未開放外部連線

編輯 Ollama Service：

sudo systemctl edit ollama

加入：

[Service]Environment="OLLAMA_HOST=0.0.0.0:11434"

重新載入：

sudo systemctl daemon-reloadsudo systemctl restart ollama

查看目前設定

Windows：

echo $Env:OLLAMA_HOST

Linux：

echo $OLLAMA_HOST

透過設定 OLLAMA_HOST，即可讓 Windows 電腦上的 Ollama Client 直接連接遠端 AI 伺服器，將模型運算交由高效能 GPU 主機處理，而本機僅作為操作介面。

這種架構特別適合：

NVIDIA Spark AI 工作站
家用 GPU 伺服器
多人共用 Ollama Server
企業內部 AI 平台
AI 開發與測試環境

只需一行指令：

$Env:OLLAMA_HOST = "192.168.0.240:11434"

即可讓你的 Windows PC 立即接管遠端 Ollama 的所有模型能力。