關於這個站

這個站是什麼

AI 的好教學散落在各地：研討會錄影、個人頻道、Podcast 訪談、部落格長文，中文英文都有。AI 武林把它們收在一起， 每一筆都寫一段中文摘要，分好主題，再依「最近、最受歡迎」排好，讓你想學某個題目時，不必自己從幾百支影片裡挑。

目前收錄 1,705 筆內容，來自 305 個來源、24 位人物， 分成 54 個主題。可以從主題、人物、來源逛起，或直接搜尋。

資料怎麼來

我們維護一份來源名冊（YouTube 頻道、Podcast 節目、部落格），程式定期去看有沒有新內容。對每一筆新內容，取得字幕或內文之後，由語言模型產生中文摘要、判斷主題與難度。

• 只存摘要與連結。不轉載影片、音檔或文章全文，也不提供字幕下載。
• 一律連回原站。卡片的標題點下去就是原始的 YouTube、Podcast 或部落格頁面，觀看數與訂閱都算在原作者身上。
• 摘要可能有誤。摘要是語言模型寫的。標有「摘要僅根據標題與說明」的內容，是還沒取得字幕或內文的，準確度較低。請以原始內容為準。
• 定期更新。網站是從資料庫匯出的靜態快照，每天至少更新一次，目前這份是 2026/10/02 01:10 產生的。觀看數、新內容最多落後一天。

如果你是作者，希望某筆內容不要被收錄，或發現摘要寫錯了，請告訴站長，會盡快處理。

排序怎麼算

說「我要 RAG 教學」的人，要的是最近、最受歡迎的那幾筆，不是所有提到 RAG 的東西。所以每筆內容有三個分數，都在 0 到 1 之間：

相關 佔 45%

你輸入的詞與標題、摘要、主題的吻合程度。不相關的內容再紅也沒用，所以比重最高。

人氣 佔 35%

用「每天平均觀看數」而不是累計，免得老內容靠時間佔便宜；再跟同平台、同類型的內容比百分位，讓影片、Podcast、文章可以放在一起排。來源本身的訂閱數也算一部分。

新鮮 佔 20%

每過 180 天減半。AI 領域變得快，一年前的教學很可能已經過時。

綜合 = (0.45 × 相關 + 0.35 × 人氣 + 0.2 × 新鮮) × (站長推薦 ? 1.3 : 1)

站長推薦的內容乘以 1.3，用來修正「大頻道壓過好內容」的偏差。用乘的而不是加的：被推薦的內容仍然要先相關，不會出現在不相干的搜尋裡。

另外，搜尋結果的第一頁裡同一個來源最多 2 筆，預設只看最近 365 天；結果少於 5 筆時會自動放寬時間並告訴你。每張卡片都可以展開，看這三個分數各是多少。

另外有一條「最低保障」：沒有限定語言時，前 10 筆裡中文、英文各至少 2 筆；沒有限定類型與片長時，影片與文章各至少 2 筆（有的話）。這些調整都可以按「顯示全部」取消。

主題頁的名次是後端預先算好的，網站原樣顯示。站內搜尋是關鍵字搜尋：在你的瀏覽器裡比對關鍵字與主題別名，輸入的詞要實際出現在標題、摘要或主題名稱裡。語意搜尋（用自己的話描述、用中文找英文內容）只在 MCP 上有。

也能用 MCP 查

同一份資料也有 MCP 介面，可以在 Claude 裡直接用中文問：「我要 30 分鐘以內的 RAG 教學影片」。MCP 那邊有語意搜尋，用中文問也找得到英文內容，冷門或描述性的問法（「怎麼讓模型回答時參考我自己的文件」）也查得到，結果即時更新；站長推薦也是從那裡按的。

MCP 伺服器目前只在站長的私人網路內提供，沒有對外開放。這個網站是同一份資料定期匯出的唯讀版本，放在 Cloudflare 上的靜態網站。

怎麼讀這個站的資料

整個站是靜態檔，頁面上看到的資料都有對應的 JSON，不需要金鑰，程式或 AI agent 可以直接讀：

• /llms.txt：給 agent 讀的說明——有哪些頁面、每個資料檔的網址與欄位。
• /rss.xml：最新收錄的 50 筆，可以用 RSS 閱讀器訂閱。
• /data/contents.json：所有內容（標題、原站連結、中文摘要、主題、片長、人氣分數）。
• /data/topics.json：主題與別名；單一主題排好名次的清單在 /data/topics/<代號>.json。
• /data/meta.json：這份快照的產生時間、筆數與排序參數。

引用時請連回每筆資料裡的原站網址；摘要是語言模型寫的，不要當成原文。