告別「正確的廢話」：掌握 Gemini 3 的三大進階核心技巧 許多人使用 Gemini 3 的方式仍停留在兩年前的搜尋框模式，僅輸入零散指令，導致 AI 只能回覆泛泛而談的內容。為了真正發揮這款最新一代推理模型的潛力，我們需要從系統指令、交互禁忌與幻覺規避三個維度進行深度優化。 一、 編寫系統指令：打造「量身定制」的專屬 AI **系統指令（System Instruction）**或 Gemini 官網的 Gems 功能，能定義大模型的基礎行為準則，並在全局對話中生效。 • 用戶畫像與偏好： 讓 AI 了解您的硬體環境（如 Windows 11 或特定顯卡）、身份背景（如無法註冊公司、所在地點）甚至是健康狀況。例如，若設定了高血脂背景，AI 在推薦美食時會自動避開不合適的選項。 • 行為與人設： 您可以要求 AI 禁止諂媚，必須一針見血地指出錯誤，並在遇到不確定的資訊時直接承認「查不到」，而非胡編亂造。 • 輸出規格： 指定特定的輸出格式（如 Markdown）或語言習慣（如術語需中英雙語並行），確保回覆內容能直接用於筆記軟體或商務文案。 二、 交互禁忌：避免降低模型效率的錯誤行為 根據 Google 官方文檔，Gemini 3 作為原生推理模型，有些傳統的提示詞技巧反而會適得其反： • 不要調整溫度（Temperature）與 Top P： Gemini 3 內建的思維鏈推理機制依賴高熵值進行路徑探索，調低溫度會破壞推理鏈。 • 不再需要「請一步步思考」： 這類指令會讓原生推理模型感到困惑，正確做法是給予具體的約束條件，引導其檢查特定邏輯。 •…

# pwgen 產生20字符的密碼

最近一段時間密集使用 Docker 佈署各種應用服務，一開始其實沒有特別留意系統資源的使用狀況。直到某一天，突然發現主機前方的系統運作指示燈幾乎沒有熄滅過，心裡只覺得怪怪的。打開系統監控工具一看，才發現事情大條了 —— RAM 幾乎被吃光。 檢查後發現，原來「資源消耗怪獸」是： Nextcloud + OnlyOffice（Community Server + Document Server + Elasticsearch）+ MySQL 光是完成佈署、系統閒置、甚至還沒做任何壓力測試，記憶體使用量就已經輕鬆突破 10GB。 「好吧，那就買 RAM 來改善把~~~」 一查價格，我的老天鵝啊~~~~~ 今年 2 月才剛組了一台新電腦，同樣品牌、同樣型號。 32GB RAM，當時大約 NT$2,800。現在再查看一次價格 —— 接近3倍旳 NT$9,900。 回想幾個星期前，曾在某個平台（一時想不起來是哪裡）聽到有人提到： 由於 AI 需求動能強勁，記憶體（RAM）價格正在快速上漲，且漲勢仍在持續。 當時心裡還想：「能漲到什麼程度？」現在才發現自己真的是天真了。 目前先將佈署流程與設定完整記錄下來，才不會以後忘記佈署的細節。接下來打算利用現有的 2 台電腦，練習如何將不同的 service 佈署在不同的 server 上協同運作，分散 RAM 與 I/O 的資源消耗。 Bash Script × 2, dirCREATOR / initSQLDocker…

# 啟動 DNS based multitenancy # 建立新的ERPNEXT位置 可以利用下列bash script建立新的ERPNEXT site # 建立新的tenancy

OS, UBUNTU 24.04ERPNEXT, version 15 # install Node.js, official NodeSource # versions check step 03, crete user step 04, virtual env setup, bench install & initiate # setup bench Instance for # setup production server # setup port Reference