亞瑟 ASK - 職涯隨筆與生活漫談

  這兩天我剛好挖到一個滿有趣的小工具，叫做  pdf-presenter 。 它做的事情其實很單純，但很實用。講白話就是，讓 PDF 也能用接近 PowerPoint Presenter View 的方式來簡報。也就是說，觀眾看投影片，你自己則看到另一個簡報者畫面，上面有目前頁、下一頁、講稿備註、計時器，甚至還有一些額外控制功能。 我第一眼看到的時候，真的有一種「這個想法很聰明耶」的感覺。因為我們平常很多簡報，最後流通出去的格式其實都是 PDF。PDF 的好處大家都知道，分享方便，跨裝置也比較不容易跑版。可是它一進到簡報情境，體驗往往就掉一截。你可以把 PDF 打開來播，但通常就只是把投影片一頁一頁切過去而已。你沒有像 PowerPoint 那種成熟的簡報者檢視，也沒有那種「觀眾看一套、自己看另一套」的控制感。 所以這篇文章，我想做兩件事。 第一，我想介紹這個工具本身，因為它真的解決了一個很實際的痛點。 第二，我也想分享一下，我後來為什麼乾脆用 vibe coding 幫它包了一個更適合 Windows 一般使用者的入口，讓它從一個「很有趣的 CLI 工具」，變成一個我自己真的會繼續用，也比較敢推薦給別人的版本。 PDF 很常是最後交付格式，但簡報體驗常常卡住 這件事其實很常見。 很多簡報在製作階段也許是 PowerPoint，也可能是 Keynote，甚至有些是從其他工具匯出來的。但到了最後要寄給別人、要留存、要跨裝置分享時，大家通常還是會落到 PDF。因為 PDF 穩，格式固定，也比較不怕對方沒有原本那套軟體。（當然還有很多情況是 speaker 或主辦方就是不想給原始 PPT，例如很多醫學會議的簡報檔......） 問題是，PDF 雖然很適合「交付」，卻不見得很適合直接拿來「上台簡報」（當然這或許也就是提供方只想給你PDF 的原因....）。 最常見的卡點大概有幾個。 第一，它通常只有單一畫面。你如果直接用 PDF 閱讀器開，大多數情況下就是看到一頁投影片，然後翻下一頁。 第二，它不像 PowerPoint 那樣有現成的 Presenter View。你不太容易同時看到下一頁、講稿備註、時間控制。 第三，如果你想把 PDF 再轉回 PowerPoint 或其他簡報格式，往往又得靠另外的軟體，而且轉檔之後還不一定完全穩，版面、字型、圖片都可能...

最近如果你有在關注 AI 工具，應該多少都聽過 AI agent 這個詞。 很多人會把它想得很玄，好像一定要很會寫程式、很懂 Linux，還要有一台很猛的電腦，才有資格開始玩。其實沒有那麼誇張。 今天我想介紹的是 OpenClaw，也就是很多人俗稱的「龍蝦」AI agent。這個專案從今年初在 GitHub 上快速竄起來之後，討論度一直很高。我自己這一個多月，已經在自己的電腦，以及好幾位親戚朋友的電腦上協助安裝、部署、調整過好幾輪，也慢慢整理出一套比較適合一般 Windows 使用者上手的路線。 如果你前陣子已經看過我上一篇文章  想玩 AI Agent 自動化卻怕太花錢？9 個免費與高 CP 值雲端 API 來源一次整理 ，你可能會接著問一個很實際的問題：這些 API 申請完了，然後呢？到底可以拿來做什麼？ 我這篇文章，就是想接著回答這個問題。 先破除兩個常見迷思 在正式進入工具安裝之前，我想先講兩件很多人對 OpenClaw 使用門檻上的誤解。 迷思一：一定要很強的本地硬體，才能玩 OpenClaw 這件事不能說完全錯，但也沒有很多人想像得那麼絕對。 如果你今天的玩法，是希望大量跑本地模型，那硬體當然會很重要，所以很多人會跑去買 Mac Mini。可是如果你主要串接的是雲端 LLM，像 Google、NVIDIA、OpenAI Codex OAuth，或者其他雲端 provider，那你的本地機器主要是負責把 OpenClaw 跑起來、接工具、跑流程，不一定非得先準備一台超高階主機。 所以對多數一般使用者來說，第一步不是先糾結自己電腦夠不夠神，需不需要額外升級硬體配備，而是先釐清你打算走本地模型路線，還是先用雲端模型把整個 agent 架構跑起來。 迷思二：OpenClaw 一定很燒 token，很花錢 這也是很多人一開始最怕的地方，動不動每個月要燒幾百美金才能用的江湖傳說。 但如果你前面已經跟著我前面的整理申請過一些免費 API，或者你本來就有固定訂閱會提供一定額度模型用量的服務，那實際上，OpenClaw 未必會讓你額外多出一筆很誇張的成本。 OpenClaw 是免費開源的軟體，本身完全免費。重點是你怎麼配置 模型 入口，你平常主要用哪些 provider，你把它拿來做什麼，你是需要他每一分每一秒無時無刻都在持續處理資料？還是當你真的有需要時他能及時...

前陣子我在文章〈 想玩 AI Agent 自動化卻怕太花錢？9 個免費與高 CP 值雲端 API 來源一次整理 〉中提到，如果你訂閱了 Google AI Pro，除了可以享受更快的回應速度和更好的模型表現之外，還有一個隱藏福利很多人不知道： Google 每個月會額外贈送 10 美元的 Google Cloud Credit 。 這筆額度可以用在 Google AI Studio 或是 Gemini 的 API 上，對於日常使用 OpenClaw 做輕量自動化任務來說，綽綽有餘。但很多朋友跟我反應，不知道這筆額度該怎麼領取和啟用。今天這篇文章，我就來一步一步教大家如何完成設定。 為什麼這筆 10 美元額度很有價值？ 在開始教學之前，先簡單說明這筆額度的價值： 每月 10 美元 ：以 Gemini 2.5 Flash 的定價（input $0.15/M tokens，output $0.60/M tokens）計算，可以跑超過  1,500 萬 input tokens 速率限制更寬鬆 ：付費 tier 的速率限制遠比免費帳號寬鬆，Gemini 2.5 Pro 大約 150 RPM / 2,000 RPD，Flash 更高 1M context window ：Gemini 的 100 萬 tokens 上下文長度，是其他家目前拼不過的優勢 隱私保障 ：付費 tier 的對話資料不會被 Google 記錄用於訓練 簡單說，如果你已經訂閱了 Google AI Pro（每月 $19.99），這筆 10 美元額度不拿白不拿。 Google AI Pro 10 美元 Cloud Credit 啟用步驟 步驟一：在 Google Cloud Console 建立結算帳號 (Billing Account) 要使用這筆 $10 的額度，Google Cloud 需要一個能接收這筆「點數」的帳戶，同時也需要綁定信用卡作為身分驗證（以及超出額度時的扣款預備）。 操作步驟： 前往 [ Google Cloud Console ] 確保登入的是訂閱 AI Pro 的那個 Google 帳號 （這點很重要，不要用錯帳號） 點擊左上角的 導覽選單 （三條線圖示），選擇  「帳單」(Billing) 點擊  「管理帳單帳戶」  或  「新增帳...

  最近有不少親朋好友在跟我聊 AI Agent，還有各種 AI 自動化服務。 很多人一開口問的，不外乎就是兩件事。 第一個，是不是一定要先買一台高規電腦？ 第二個，是不是一開始就要準備一筆不小的 API 費用？ 講白話，很多人不是卡在不會用 AI，而是還沒開始，就先被「硬體成本」跟「算力成本」嚇到了。 但老實說，這裡面其實有不少迷思。 如果你現在想接觸 AI Agent、Vibe Coding，或是想開始玩一些 AI 自動化服務，你不一定要先砸很多錢，也不一定要先買很高階的硬體。 很多情況下，一台一般規格的電腦就能開始。而且目前市面上，也真的有不少免費、或者高 CP 值的雲端大型語言模型服務可以用。 這篇文章，我就幫大家整理一下我自己實際有在用、也覺得值得參考的雲端 LLM / API 來源。 如果你剛好也卡在「到底要選哪一家」「API 怎麼申請」「會不會一開通就開始噴錢」，那這篇應該可以幫你先把方向釐清。 先拆掉兩個常見迷思 迷思一：做 AI Agent，一定要高規硬體 這個說法不能說完全錯，但只對一半。 如果你要跑的是 純本地端的大型語言模型 ，那的確，高規格硬體就很重要。尤其是 GPU、顯卡記憶體、整體運算能力，這些都會直接影響你能跑什麼模型、跑得順不順。 但如果你現在大多數的使用情境，是透過雲端模型來做事，那其實很多任務根本不需要高規硬體。 像是： AI Agent 串接雲端模型 Vibe Coding 文件整理 翻譯 語音轉文字 一般聊天問答 中小型自動化流程 這些事情，很多時候運算真正發生的地方，是服務供應商的雲端，不是在你的電腦上。 換句話說，你的電腦很多時候只是「操作台」，不是「主引擎」。 所以如果你現在主要是要用雲端模型，那一台一般規格的電腦，很多時候其實就夠你開始了。 高規硬體不是沒用。當然有用。 但那通常是你之後想往更深的本地部署走，才會變成關鍵。 所以不要一開始就被硬體門檻嚇退。 先搞清楚你要跑的是本地模型，還是雲端模型，這個比較重要。 迷思二：做 AI 自動化，一定很燒 API 費 這個也一樣，只對一半。 如果你什麼事情都丟給高階雲端模型，當然成本會上去。這個很合理。你拿頂規模型去做大量 coding、長時間自動化、文件分析，費用本來就不可能完全沒感覺。 但問題是，很多人會不小心把所有任務都用同一種規格處理。 這就像你只是要去巷口...