by Rain Chu | 4 月 24, 2026 | Agent, AI
在過去，AI 只是工具
現在，AI 正在變成你的「員工」
而未來，你的團隊中——
真正工作的，可能不再是人類
🧠 什麼是 Multica？
Multica 是一個開源的 Managed Agents（智能體管理）平台，核心概念非常直接：
把 AI 編碼 Agent，變成真正的「隊友」
不像傳統 AI 工具需要你手動下 prompt、盯著結果，
Multica 讓 AI：
- 自己接任務
- 自己執行工作
- 自己回報進度
- 自己累積能力
👉 就像你真的聘請了一個工程師。
根據官方說明，它的目標是打造「人類 + AI 的混合團隊」基礎設施。
💥 核心理念：AI 不再是工具，而是「員工」
傳統 AI：
Multica 的 AI：
👉 這是從「工具」到「組織角色」的巨大轉變。
⚙️ Multica 的核心功能
1️⃣ Agent 即隊友
你可以像在 Jira 或 Linear 一樣：
- 指派任務給 AI
- AI 會自動認領
- 在看板上更新進度
- 主動回報問題
👉 AI 成為專案管理的一等公民
2️⃣ 全自動任務執行
AI 會：
- 排隊 → 接任務 → 執行 → 完成 / 失敗
- 全程自動運作
- 即時回報進度（WebSocket）
👉 不需要再「盯著 AI 跑」
3️⃣ 技能累積（最關鍵）
每一次任務：
➡️ 都會變成「可重用技能」
例如：
- 部署流程
- DB migration
- Code review
👉 團隊能力會「越用越強」
4️⃣ 多 Agent 協作
你可以同時：
- 跑 10 個 AI 任務
- 多個 Agent 協同工作
- 平行處理專案
👉 等於一個 AI 工程團隊
5️⃣ 統一運行與算力管理
- 本地 + 雲端 runtime
- 自動偵測 CLI 工具
- 統一控制台管理
👉 不用自己拼基礎設施
🧩 為什麼這件事重要？
現在 AI 最大的問題是：
- 每個人用自己的 Agent
- 知識無法共享
- 工作流程碎片化
Multica 解決的是：
👉 AI 協作的「組織問題」
它讓：
👉 這就是「AI 組織化」的開始
🏢 這其實是「AI HR 系統」
如果用一句話形容：
Multica = AI 員工管理系統
它提供：
- 任務分配（像 HR）
- 進度追蹤（像 PM）
- 能力累積（像培訓系統）
👉 AI 不只是會做事，還會「成長」
🔮 未來趨勢：公司將變成「人類 + AI 混合組織」
你可以想像未來公司長這樣：
| 類型 | 角色 |
|---|
| 人類 | 決策 / 創意 / 策略 |
| AI Agent | 開發 / 測試 / 自動化 / 文書 |
甚至：
- 一個人帶 10 個 AI 工程師
- 一個團隊管理 100 個 Agent
👉 生產力直接提升 10 倍（甚至更多）
⚔️ Multica vs 傳統 AI 工具
| 比較 | 傳統 AI | Multica |
|---|
| 使用方式 | Prompt | 任務分配 |
| 工作模式 | 單次互動 | 長時間運行 |
| 協作 | 無 | 多 Agent |
| 記憶 | 無 | 技能累積 |
| 管理 | 人盯 | 自動化 |
👉 本質差異：
工具 → 組織系統
🧠 結論：你該開始思考的事
這不是未來，而是現在正在發生的事。
by Rain Chu | 4 月 18, 2026 | AI, 語音合成
🧠 什麼是 VoxCPM？
VoxCPM 是由 OpenBMB 推出的新一代語音生成模型，主打：
👉 超低樣本聲音克隆（只需5秒）
👉 完全本地運行（無需雲端）
👉 多語言＋多方言支持（30+）
簡單講一句話：
👉 它就是「語音界的 Stable Diffusion」
🚀 核心特色
🎙️ 1️⃣ 極致聲音複製（5秒搞定）
只需要一段短短語音（約5秒）：
👉 幾乎達到「真人等級」
🎚️ 2️⃣ 專業播音員等級輸出
生成語音具備：
- 清晰度高（接近錄音室品質）
- 節奏自然
- 可長文本生成（Podcast / 有聲書）
👉 可直接商用（需注意授權）
🌏 3️⃣ 多語言＋方言（重點）
支援：
- 中文（普通話）
- 台語（閩南語）
- 廣東話
- 四川話
- 英文 / 日文 / 韓文 等
👉 這點直接屌打很多 TTS 工具
🔒 4️⃣ 完全本地運行
不像：
- ElevenLabs（雲端）
- PlayHT（雲端）
VoxCPM：
✅ 無需上傳聲音
✅ 不怕資料外洩
✅ 無 API 費用
⚙️ 安裝教學（本地部署）
📦 硬體需求（建議）
- GPU：RTX 3060 以上（最佳）
- RAM：16GB+
- OS：Ubuntu / Windows（WSL）
🧩 Step 1：下載專案
官方 Repo👇
👉 VoxCPM GitHub repository
🧩 Step 2：安裝環境
🧩 Step 3：下載模型
依照 repo 指示下載：
🧩 Step 4：執行推理
🧩 Step 5：使用WEBUI
# WebUI
python lora_ft_webui.py # http://localhost:7860
🧠 進階玩法（你可以做什麼）
💰 商業應用
- AI 配音 SaaS
- 有聲書生成平台
- YouTube 自動旁白
🧪 高階玩法
- 聲音角色庫（多人 voice profile）
- Telegram 語音 Bot
- 客製客服語音
⚠️ 注意事項（很重要）
⚙️ 技術限制
🆚 VoxCPM vs 其他 TTS
| 工具 | 本地 | 聲音克隆 | 方言 | 成本 |
|---|
| VoxCPM | ✅ | ✅ | ✅ | 免費 |
| ElevenLabs | ❌ | ✅ | 普通 | $$$ |
| PlayHT | ❌ | ✅ | 普通 | $$$ |
👉 結論：
本地部署 = VoxCPM 完勝
參考資料
官方網站
移除背景聲音工具(UVR5)
by Rain Chu | 4 月 18, 2026 | AI, Hermes
🧠 Hermes Agent 是什麼？
Hermes Agent 是由 Nous Research 推出的開源 AI Agent 框架，具備：
- 🔁 跨對話記憶（Memory）
- 🧠 技能（Skill）可持續累積
- 🌐 內建網頁瀏覽與工具調用
- ⏱️ 任務排程（Cron-like）
- 🔌 OpenAI 相容 API（可接各種 LLM）
👉 本質上，它不是單純聊天機器人，而是「可執行任務的 AI 系統」
🖥️ Hermes WebUI（Dashboard）帶來什麼改變？
1️⃣ 從 CLI → GUI 的巨大轉變
過去：
- OpenClaw / Agent 系統 → CLI + config + prompt
現在：
- Hermes WebUI → 點擊操作 + 視覺化管理
👉 這是 AI Agent 商業化的關鍵一步
2️⃣ 多 Agent 管理（未來 SaaS 核心）
透過 WebUI，可以：
- 管理多個 Agent
- 設定不同任務流程
- 控制記憶與技能
👉 這意味著：
👉 你可以做「多人 AI 平台」
3️⃣ 技能（Skill）可視化
Hermes 最大亮點：
任務會被記錄成「技能」，並可重複使用
例如：
👉 這其實就是：
👉 AI workflow engine（未來企業標準）
Hermes 實作
先更新到最新版本
然後就可以直接啟用 hermes webui
之後就可以用瀏覽器使用，預設是 http://localhost:9119/
🔍 Hermes WebUI 深度觀察（關鍵洞察）
💡 與 Open WebUI 深度整合
在社群中有人指出：
Hermes 可以當成「有狀態的 LLM endpoint」
意思是：
- WebUI（前端）
- Hermes（Agent）
- LLM（模型）
👉 三層架構：
User → WebUI → Hermes Agent → LL
「Hermes 開箱就像調教一週的 OpenClaw」
官方資訊
https://docs.openwebui.com/getting-started/quick-start/connect-an-agent/hermes-agent
第三方套件
https://github.com/nesquena/hermes-webui
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：
ollama run SiliconBasedWorld/Gemma-4-31B-JANG_4M-CRACK
⚠️ 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
curl -fsSL https://raw.githubusercontent.com/NousResearch/hermes-agent/main/scripts/install.sh | bash
⚔️ 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
開始使用
多人使用
可以使用 hermes profile create + 使用者名稱，詳細指令
hermes profile create agent-name
關鍵資源
Agent Skills
HermesAgent One Wechat bot, two AI brains
近期留言