出一隻嘴做系統管理：AI Agent 讓 GCP 變得像點餐一樣簡單
雲端服務最讓人卻步的往往不是技術本身，而是那複雜到像迷宮的控制台介面，以及永遠搞不懂的計費陷阱。這篇文章分享我如何使用 AI Agent (Antigravity)，把原本痛苦的 GCP 系統管理工作，變成了一場輕鬆的對話。不用再查文件、不用背指令，只要「出一隻嘴」，機器就開好了，錢也省下來了。
Software Engineering (軟體工程)
GCP 雲端省錢術：PostgreSQL 瘦身與架構優化實錄
近期為了優化個人專案的雲端成本，我對 GCP 上的 PostgreSQL 資料庫進行了一次「大手術」。將原本掛載的 500GB 閒置硬碟移除，改用 Docker 部署在 10GB 的系統碟上，並配置了固定 IP 與防火牆。這篇文章紀錄了如何從每月數百元的硬碟費中解套，同時建立更安全、標準化的 DB 架構。
從口述到發布：我如何用 NotebookLM + Antigravity 打造極速內容生產線
很多精彩的想法都消失在會議室的空氣中？本文分享我的一套 GenAI 工作流：從手機錄音開始，透過 Google NotebookLM 生成摘要與圖表，再經由 Agentic AI (Antigravity) 改寫，最後自動部署到個人的 Hugo 網誌。這是一條讓「隨機討論」快速變成「結構化知識」的高速公路。
系統整合太難？試試看「AI 代理人網絡 (A2A)」的新解法
醫療資訊系統整合總是卡關？如果我們不強求系統對接，而是讓每個角色都有一個「AI 秘書」來幫忙傳話呢？這篇文章探討 Agent-to-Agent (A2A) 架構如何繞過技術債，用更彈性、更像人類協作的方式解決資訊孤島問題。
如何用 GenAI 複製專家思維？從「知識庫」到「行為模擬」的四個步驟
傳統的知識管理只能存下專家的產出，卻存不下專家的「思考方式」。本文介紹一種基於生成式 AI 的新方法論，透過「行為模擬」與「持續校正」，打造出真正像專家一樣思考與行動的 AI 代理人。
大甲溪散步地圖：SQLite Schema 設計 (AI 友善 WKT 版本)
散步地圖資料庫 Schema 設計 (AI 友善版)# 導言# 本文件旨在闡述為「大甲溪散步地圖」專案設計的 SQLite 資料庫 Schema。此設計特別考量了 GenAI 協作 (Agentic Workflow) 的需求，選擇使用標準的 WKT (Well-Known Text) 格式來處理地理空間資料，取代依賴性較高的 SpatiaLite 二進位格式。這確保了從資料蒐集、AI 處理到 QGIS 呈現的過程中，資料具有最高的可讀性與移植性。 ...
實驗紀錄：使用 GDAL 進行大甲溪流域 1km 緩衝區萃取與合併
本實驗使用 GDAL/ogr2ogr 工具，從中央管河川區域 Shapefile 中萃取大甲溪河流範圍，解決 Big5 編碼篩選問題，進行 1 公里緩衝分析 (Buffer)，並透過 SQL ST_Union 合併多個圖層特徵，最終產出 KML 檔案。
實驗紀錄：使用 Fabric 封裝 Gemini CLI 提升 AI Agent 協作效率
本實驗記錄了如何透過 Python Fabric 構建中間層來驅動 Google Gemini CLI，解決直接操作命令列時遇到的轉義字元問題、日誌雜訊干擾，並實現模型參數的靈活配置。
實驗紀錄：取得河川流域 Shapefile 圖資並轉換為 KML 匯入 Google My Maps
本實驗記錄了從政府開放資料平台取得水利署河川流域 Shapefile 資料，並將其中「大甲溪」流域資料篩選後，使用 GDAL/ogr2ogr 工具轉換為 Google My Maps 支援的 KML 格式的完整過程。
幕後紀實：GenAI 如何協助我從零啟動「台灣河流探索」計畫
當靈感遇上 AI：一個上午的加速實踐# 這篇文章不是遊記，而是關於這個網站與這個計畫是如何誕生的紀錄。 過去，當我們萌生一個「想去探索台灣河流」的念頭時，往往會卡在繁瑣的規劃、資料蒐集，甚至是架設網站的技術門檻上。但這次，我嘗試了一種全新的工作模式——與 Agentic AI (Antigravity) 協作規劃。 ...