關於 BASHCAT

BASHCAT — 把科技 / AI / 工程的踩坑過程,從頭到尾講清楚的實戰筆記。

站長是 Oliver(cross-stack craftsman),BASHCAT 創辦人,一個從硬體一路打通到雲端的開發者。這裡寫的是 Claude Code、MCP、LLM agent、開發工具與硬韌體工程的深度拆解——不是新聞轉述,而是真的動手做、踩過雷,再把「為什麼會這樣」一併寫出來。

這裡寫些什麼

AI / LLM:Claude Code、MCP、多代理工作流、prompt 工程

開發工具:CLI、自動化、效率流程

硬韌體:STM32、ESP32、Nordic nRF、嵌入式、訊號分析、逆向工程

全端:Next.js、Flutter、Kubernetes、Docker

踩坑記錄:那些官方文件不會告訴你的細節

做過的東西
x

Saybit — macOS 語音輸入工具,為 AI 輔助寫程式而生

LM Memo — 跨平台 AI 語音備忘錄(Apple 生態)

LLM Cluster — 自架分散式 GPU 運算系統

Muse Mail — AI 驅動的電子郵件助手

關於作者

位置:台北,台灣 | 主力語言:C / C++ / Python / Dart / TypeScript

領域:嵌入式、電腦視覺、IoT / 無人機、機器學習、硬體設計、全端

連結

網站:https://bashcat.net

GitHub:https://github.com/Oliver0804(259 repos)

歡迎一起踩坑。

沒有留言:

張貼留言

8GB 的 RK3588 能跑多聰明的 LLM?ROCK 5C 用 NPU 實測 5 個模型

先講結論,省得你滑到最後: 在一片 8GB 的 RK3588 板子上,用 NPU 跑得最聰明的是 Qwen3-4B-Instruct-2507,我出的 7 題全對,但每秒只吐 3.7 個 token。 想要順一點的對話體驗,Qwen3.5-2B 的 8.4 tok/s 是比...