OpenClaw 龍蝦個人助理
1. 一夜爆紅的開發者故事 在 AI Agent 瘋狂發展的這幾年,Peter Steinberger (PSPDFKit 的創辦人) 再次證明了頂尖開發者的敏銳度。 最初,他只是想打造一個能幫助自己處理雜務的自動化工具。但他發布的 Demo 影片——AI 流暢地操作電腦、寫代碼、解決複雜任務——迅速在 Twitter (X) 上引爆了話題。與其他只會「說話」的 AI 不同,Peter 的專案展示了 AI 真正「動手」的能力。 這不僅僅是一個 Side Project,而是 Peter 對於未來人機互動介面的終極想像。 2. 數次改名的迷航:從 Clawdbot 到 OpenClaw 這個專案的命名歷程,也充滿了社群的討論與 Peter 的幽默感。 Clawdbot:最初的名字,象徵著這是一個基於 Claude 模型、擁有「爪子 (Claw)」能抓取網頁與資料的機器人。 Moltbot:中間曾經短暫改名為 Moltbot (蛻皮),象徵著專案經歷了架構上的重大重構與進化,脫胎換骨。 OpenClaw:最終,為了強調其開源精神並回歸初心,定名為 OpenClaw。這個名字既保留了「爪子」的操作意象,也宣示了它對社群開放的態度。 3. 強大之處:打破第四面牆 OpenClaw 最強大的地方在於它的 Computer Use (電腦操作能力)。 本地執行:它不需要把你的資料傳到雲端,可以直接利用本地的 Python/Shell 環境處理敏感資料。 OS Mode:它可以看懂你的螢幕,控制你的滑鼠與鍵盤。這意味著它可以操作那些沒有 API 的舊軟體。 自然語言編程:你不需要懂 Python,只要說「幫我把下載資料夾裡的 PDF 都整理到文件夾,並依日期重新命名」,它就會自動寫出腳本並執行。 4. 存在的隱憂:賦予 AI 太多權限? 然而,強大伴隨著風險。 安全風險:允許 AI 在本地終端機執行任意代碼 (Arbitrary Code Execution) 本質上是危險的。如果 LLM 產生幻覺或遭到提示注入攻擊 (Prompt Injection),它可能會刪除重要檔案或上傳隱私數據。 不可控性:AI Agent 目前仍處於早期階段,有時候它會陷入死循環,或者執行出乎意料的操作。 儘管 OpenClaw 引入了「人機協作 (Human-in-the-loop)」機制,執行關鍵指令前需要用戶確認,但這仍是一個不可忽視的隱憂。 ...
2025 的年度總結
前言:AI 走入生活的元年 如果說 2023 是生成式 AI 的覺醒,2024 是探索,那麼 2025 年無疑是全面爆發與落地的一年。回顧這一年,「生成式 AI」不再只是一個科技 buzzword,而是真正滲透進了我們每天的工作流與生活中。 1. 模型大戰與技術突破:從 Chat 到 Agent 2025 年最大的亮點在於 AI Agent(代理人)的成熟。我們不再只是和 AI 對話 (Chat),而是讓 AI 替我們「做事」。 多模態的標準化:現在的模型不僅能看圖、聽聲音,還能即時理解影片內容,延遲幾乎降到了人類對話的水準。 推論能力的飛躍:模型處理複雜邏輯的能力大幅提升,這對於需要高度精確性的維運與資安判讀來說,至關重要。 2. OpsSec 的轉變:AI 驅動的維運與防禦 身為 OpsSec 從業人員,感受最深的莫過於 AI 在自動化與威脅偵測上的應用。 告別繁瑣腳本:以往需要手刻的 Shell Script、Python 自動化工具,或是複雜的 K8s 設定檔、Terraform 模組,現在 AI 都能精準生成。我們的工作重心從「撰寫」轉向了「審核」與「架構規劃」。 Log 分析與威脅獵捕 (Threat Hunting):面對海量的系統日誌,AI 成為了最強大的分析師。它能快速從數萬條 Log 中識別出異常行為模式,大幅縮短了 Incident Response (事件回應) 的時間。 攻防一體:紅隊 (Red Team) 利用 AI 生成變種攻擊,藍隊 (Blue Team) 則利用 AI 進行自動化漏洞掃描與修補,2025 年是 AI 攻防戰正式開打的一年。 3. 新的挑戰:Shadow AI 與資料治理 技術的便利也帶來了新的資安風險。 ...
Pocket ID OpenID Connect
為什麼選擇 Pocket ID? 在 Self-hosted 的旅程中,隨著服務越來越多,SSO (單一登入) 成為了剛需。相比於功能繁複的 Keycloak,Pocket ID 提供了一個極致輕量且現代化的選擇。它專注於 OIDC (OpenID Connect),並且原生支援 Passkey (FaceID/TouchID),這正是我所需要的。 Docker Compose 部署 部署 Pocket ID 非常直覺,只需要持久化資料庫與上傳的 Logo 圖片。 services: pocket-id: image: pocketid/pocket-id container_name: pocket-id ports: - "8080:80" volumes: - ./data:/app/backend/data - ./uploads:/app/uploads restart: unless-stopped 實戰:與 Immich 完美整合 我目前最主要的使用場景,就是將 Pocket ID 作為 Immich 的登入驗證中心。Immich 原生支援 OIDC,這讓整合過程變得非常順滑。 1. Pocket ID 端設定 在 Pocket ID 新增一個 Application: Name: Immich Redirect URI: https://<你的-immich-網域>/auth/login 注意:Redirect URI 是最關鍵的設定,Immich 驗證成功後會透過這個路徑回調。 ...
Navidrome 擁有自己的音樂串流伺服器
為什麼選擇 Navidrome? 在自架音樂伺服器的選擇中,常見的選手有 Plex (太重)、Jellyfin (影片為主)、Airsonic (Java 寫的,資源吃比較多)。 而 Navidrome 脫穎而出的原因很簡單: 極致輕量:Go 語言編寫,記憶體佔用極低,樹莓派也能輕鬆跑。 Subsonic API 相容:這意味著它支援市面上幾乎所有的 Subsonic 客戶端 App。 速度快:掃描幾萬首歌的資料庫只需要幾分鐘。 Docker Compose 部署 Navidrome 的部署非常簡單,官方提供了完善的 Docker 支援。 services: navidrome: image: deluan/navidrome:latest container_name: navidrome user: 1000:1000 # 記得改成你的 PUID:PGID ports: - "4533:4533" restart: unless-stopped environment: # Optional: put your config options here ND_SCANSCHEDULE: 1h ND_LOGLEVEL: info ND_SESSIONTIMEOUT: 24h ND_BASEURL: "" volumes: - "./data:/data" - "/path/to/your/music:/music:ro" # 你的音樂資料夾路徑 (建議唯讀) 設定重點 /music: 對應到你 NAS 或 Server 上存放 MP3/FLAC 的真實路徑。 user: 建議設定權限,避免產生的資料庫檔案 (navidrome.db) 變成 root 權限。 客戶端 App 推薦 雖然 Navidrome 的網頁版介面已經做得非常好,且支援響應式設計 (RWD),但在行動裝置上使用仍有局限。 ...
Immich & iCloud Photo Downloader
1. Immich 介紹:Google Photos 的最佳開源替代 在尋找 Google Photos 的替代方案時,Immich 無疑是近年來最強大的選手。它提供了極為相似的使用者體驗,包括: 流暢的手機 App (iOS/Android) 自動備份 人臉辨識與地圖檢視 高效能的網頁介面 最重要的是,它是 Self-hosted 的,這意味著你的照片完全掌握在自己手中,不再受制於雲端硬碟的容量限制。 2. iCloud Photo Downloader 介紹:從 iCloud 把照片「救」回來 雖然 Immich 很棒,但我們的手機 (iPhone) 還是被 iCloud 綁架。為了把 iCloud 上的照片無縫同步到我們的 NAS 或 Server 上,我們需要 iCloudpd。 我們採用 Docker 方式部署,這裡推薦使用 boredazfcuk/icloudpd 這個映像檔,它封裝得很好,支援自動化排程與 2FA 處理。 Docker Compose 範例 services: icloudpd: image: boredazfcuk/icloudpd container_name: icloudpd environment: - TZ=Asia/Taipei - user=your_apple_id@email.com - user_id=1000 - group_id=1000 - download_path=/data/photos volumes: - ./config:/config - /path/to/your/photos:/data/photos restart: unless-stopped 3. 整合:打造自動化流水線 整體的整合邏輯如下: ...