⚡️讓 Agent 學會 TCA 最佳寫法
pfw 是 Point-Free 官方提供給 Agent 的技能，學會最佳寫法的同時也節省 token。
13
⚡️使用 Xcode 26.3 開發推文小 App
實測在 Xcode 中使用 Codex，快速開發給自己用的 App。個人軟體系統又更完整了一些。
📰 Apple 開發者新聞 #256 Xcode 26.3 與全新 Podcast ⟪不上班工程師的日常⟫
整合 Agent，讓 Xcode 變回 iOS 工程師的開發工具首選；新節目歡迎訂閱。
⚡️OpenClaw 給我真正的啟示
去年提出的「個人軟體時代」概念，要進化成「個人軟體系統時代」。
⚡️極短篇：速評 Xcode 26.3 Agent 功能與意義
彷彿在一夜之間，Xcode 走到了 AI Coding 的最前線。
👼13 的 brainOS：AI 工具的心理門檻本身就是機會
我幫害怕開始寫程式的朋友設定好 Claude Code，結果他玩得不亦樂乎。我觀察到：AI 技術不斷突破天花板，但讓人敢踏出第一步更不容易。
🦞用不用 OpenClaw 無所謂，但我希望你認識他的創造者
Clawdbot 的創造者其實是傳奇 iOS/Mac 開發者。我希望你可以認識他，並且獲得啟發。
🧠13 的 brainOS：自己的知識是 AI 能力的上限
AI 可以把程式很快寫出來，但最終解決的關鍵，還是來自我腦中的知識。
💼13 的 brainOS：在家工作如何切換上下班模式
在家工作者則需要刻意進行轉換，否則長期下來會破壞休息品質與心理健康。本文分享我打造自己「工作模式 sandbox」的機制與小技巧，有利於心理層面的下班休息。
😎13 的 brainOS：我不想知道 AI 工具的使用量
用 CodexBar 這種工具來監控 Token 消耗量，藉此調整自己的工作步調，似乎再合理也不過，但是我用起來總有一種「沒把上限用完就是浪費」的被迫工作感。
🧠13 的 brainOS：開發日誌之 GPT-5.2-Codex 認真用
從 Cursor 到 Claude Code，再到 Codex（GPT-5.2-Codex），都在更新我對 AI 工具能力的認知。我列舉了幾個在短時間把全專案翻修或重寫的例子。然而最重要的還是，我們想做什麼？
🛑13 的 brainOS：幫自己存檔才能關機
有些人在進入工作狀態以後，不容易停下來。如何讓自己的大腦關機？不是冷靜降速，而是幫自己的心理做 git commit。
🌋13 的 brainOS：其實你不是在拖延，而是在載入中
我並不是無情的工作機器，反而常常拖延。但是我懂得給自己夠多的「載入時間」與方法來進入工作狀況，不會自責在浪費時間不去面對。
🧠13 的 brainOS：借用軟體工程概念談思考
介紹 2026 年 1 月的全新專題：在 AI 越來越聰明的時代，去了解自己如何思考，是每個人最值得思考的問題。而為了拆解自己的思考，我打算借用軟體工程概念，來幫助讀者理解。這會是我寫過最特別的一系列文章。
🎊2025 年終回顧與感謝
寫在年末，感謝全體讀者。重點回顧每日連載的收穫，並且預告 2026 年開始的新寫作節奏與連載內容。
↩️iOS 本地 AI：連載一個月的實戰心得回顧
Foundation Models framework 大幅降低了 iOS 開發者使用離線 LLM 的門檻。關鍵還是開發者有沒有找到適合幫 App 加分的用法。
❎iOS 本地 AI：用 AnyLanguageModel 加 MLX 跑開源模型
AnyLanguageModel 讓 Hugging Face 上的開源 LLM 很容易下載與開始使用，只要三行程式碼就可以呼叫 MLX 框架以及配套工具。我也更新了範例專案，可以直接在 Mac 與 iOS 裝置上試玩。
🚜iOS 本地 AI：用 LM Studio 把 AnyLanguageModel 接上本地 LLM
我們發現 AnyLanguageModel 還沒有 100% 實現 Foundation Models framework 的功能，但我們已經可以透過它替換成其他模型。本文以 LM Studio 的伺服器功能，讓 App 可以去呼叫 Mac 上的開源 LLM，生成結果。
🚥iOS 本地 AI：利用 Swift Package Traits 切換使用 AnyLanguageModel
分享兩個踩坑 AnyLanguageModel 過程中實際遇到的問題與解法。一個我發了熱騰騰的 PR，另一個則是借用相同的 Swift Package 機制來實現切換依賴模組。
🕳️iOS 本地 AI：準備踩坑 AnyLanguageModel
AnyLanguageModel 是相容 Foundation Models framework 語法的模型替換套件。理想上能輕鬆替換 Apple Intelligence 的 Foundation Models，換成第三方開源本地模型，或是 OpenAI 等雲端模型。實際狀況如何呢？我們要從這篇文章開始準備踩坑。
📗iOS 本地 AI：Foundation Models framework 延伸資料
本系列關於 Foundation Models framework 的相關文章即將完結。說明有哪些延伸探索的方向、各種參考資源，並預告把目前所學遷移到其他語言模型。
⏱️iOS 本地 AI：衡量 Foundation Models 效能的策略
開發裝置端 AI 功能，測量效能是必要工作。首先介紹 Instruments 如何上手，觀察效能瓶頸。而為了能支援重複測試任意的 @Generable 型別，我寫了一個 SwiftUI View 作為工具，讓你可以快速把要生成的物件與畫面整合起來。
🆙iOS 本地 AI：Foundation Models 的限制、錯誤與 UX 設計技巧
介紹一些提升使用者體驗的方向，把 context window、guardrail 等重要議題視為使用者體驗設計的一環，並整理各種可能發生的錯誤。妥善處理錯誤，就是提升體驗的機會。
🧮iOS 本地 AI：Foundation Models 的 Tool Calling，真正的問題是什麼時候該用
語言模型雖然有很多知識，但沒有即時資訊，也不擅長數學計算。如果需要存取模型以外的資訊或運算，我們可以提供呼叫外部的工具。不過，重點是判斷什麼情況才該使用。
🛝iOS 本地 AI：不讓使用者乾等，Foundation Models 的 Stream Response 能輕鬆實現漸進式使用者體驗
為了不讓使用者等待，App 應該漸進地顯示生成的結果。但是，為了達到這個目的，你願意自行拼湊並解析 LLM 吐出過程中的不完整 JSON 字串嗎？太痛苦了。Foundation Models framework 提供給開發者十分優雅的方式避開這個麻煩，而且能直接沿用先前文章已學過的語法。