自己做東西

瀏覽器裡就能寫程式與部署的平台，內建 AI Agent，可以用講的把想法變成能跑的小工具。

不適合⚠️ 放公司機密程式碼卻沒先確認資料政策（見下）、需要完全離線的環境、要長期維運的正式產品（要有人接手維護）

用聊天的方式做出完整網頁應用（前端、後端、資料庫、登入都有），程式碼可同步到自己的 GitHub。

不適合需要完全客製架構的正式產品、資料不能上雲的場合、沒有人能接手維護的長期系統

把 OpenAI 模型能力接進自家系統的介面，按使用量計費；也提供 Embedding 等非對話用途。

不適合資料完全不能離開公司、需要離線運作、沒有工程資源的團隊

用一個 API 存取數百個不同供應商的模型，不必為每家各接一次。

不適合對資料流向要求極嚴的場合（多一層中介）、不需要多模型的單純應用

在自己電腦上跑開源模型的工具。官方訴求是本機執行的內容不會離開你的機器。

不適合硬體不足的機器、需要最強模型能力的正式服務、不懂技術的一般使用者

把大型語言模型服務化的高效能推論框架，源自 UC Berkeley，現由社群維護。

不適合只是想試玩模型的階段（用桌面工具就好）、沒有維運人力的團隊

開放 AI 模型與資料集的平台，官方說明託管超過 200 萬個模型、150 萬個資料集與 150 萬個應用。

不適合不懂技術的一般使用者直接使用、把它當成單一 AI 產品

在終端機裡跟 AI 結對寫程式的開源工具，會直接改檔案並自動 git commit。

不適合完全不熟 git 的人（它的安全網就是 git）、不想讓 AI 直接動檔案的場合

在 IDE 裡跑的開源 AI 編碼代理，能讀專案結構、跨檔案改碼、執行指令，有 Plan／Act 兩種模式。

不適合不想讓 AI 執行指令的環境、沒有版本控制的專案

阿里巴巴的開源大型語言模型系列，權重採 Apache-2.0，是商用授權最單純的選擇之一。

不適合沒有 GPU 或推論預算的團隊、需要最前沿推理能力的場合（仍以閉源旗艦為主）

Meta 的開放權重模型系列，生態最大，但**授權是自訂條款不是標準開源**，有三條硬性商用義務。

不適合⚠️ 月活躍使用者超過 7 億又沒申請授權的公司、不想在產品上標示「Built with Llama」的場合、衍生模型不想被要求以 Llama 命名的情況

Google 的開放權重模型系列，輕量、可在較小硬體上跑，但採自訂使用條款而非 OSI 開源授權。

不適合⚠️ 不想受禁用政策與下游傳遞義務約束的產品、需要標準開源授權以簡化法遵的場合

向量資料庫：專門存放「意思的數值表示」並快速找出相似項目，是語意搜尋與 RAG 的儲存層。

不適合資料量小的場合（用 pgvector 或檔案就夠）、沒有工程人力的團隊

讓現有的 PostgreSQL 直接做向量相似搜尋的擴充套件——**不用另外架一套向量資料庫**。

不適合超大規模、對延遲極敏感的向量檢索、沒有在用 PostgreSQL 的環境

把自己的資料接給 LLM 的開發框架：資料連接、索引、查詢一整套，是做 RAG 最常見的骨架之一。

不適合不寫程式的使用者（那用 NotebookLM 這類現成服務）、只有幾份文件的簡單需求

產生 Embedding（把文字變成可比較的數值）與重排序的標準函式庫，官方說明可用超過 15,000 個現成模型。

不適合直接回答問題（那是 LLM 的工作）、沒有工程人力的團隊

LLM 應用的觀測平台：把每一次呼叫的輸入輸出、成本、延遲記錄下來，並支援提示詞版本管理與評估。

不適合還在原型階段的專案、沒有工程人力的團隊

自架的 AI 對話介面，可接 Ollama 本機模型或 OpenAI 相容 API，能完全離線運作。

不適合⚠️ 想移除品牌標示的商業部署、沒有維運人力的團隊

最普及的監控與儀表板工具，可接各種資料源做即時視覺化與告警。

不適合⚠️ 要嵌進對外商業產品又沒評估授權的情況、純粹做商業分析報表（BI 工具更合適）

可自架的聚合搜尋引擎：把多家搜尋結果合併呈現，且不追蹤、不側寫使用者。

不適合⚠️ 對外商業服務又沒評估 AGPL、需要穩定商業支援的關鍵應用

持久化工作流引擎：讓跨越數天、會失敗、要重試的流程能可靠地跑完，狀態不會因為重啟而遺失。

不適合簡單的定時任務（cron 就夠）、沒有工程人力的團隊、只是要串兩個 SaaS（Zapier 類更快）

做 AI Agent 的編排框架：支援持久化執行、狀態記憶、以及在流程中插入人工確認。

不適合單次問答就結束的需求（直接呼叫模型就好）、不寫程式的團隊、還沒試過寫死流程（Workflow）就想上 Agent

多 Agent 協作框架：用角色分工的方式讓多個 AI 代理人一起完成任務，也支援事件驅動的固定流程。

不適合單一 Agent 就能做完的任務（多開只會更難驗收）、對輸出穩定性要求高的正式流程

設計成「最容易開始」的向量資料庫，可以嵌在程式裡跑，也能當伺服器用。

不適合超大規模、高併發的正式環境、已經在用 PostgreSQL 又不想多一套系統（用 pgvector）

視覺化的 LLM 應用開發平台：工作流、RAG 管線、Agent、模型管理與觀測一整套，可自架。

不適合⚠️ 想拿它經營對外多租戶服務（授權禁止，需書面授權）、⚠️ 想做成白牌、移除品牌標示的系統、只有幾份文件的簡單需求

視覺化拖拉建 AI Agent 流程的工具。⚠️ 官方 repo 已於 2026-08-13 封存。

不適合⚠️ 新專案（上游已封存，不宜當長期基礎）、需要持續安全更新的正式環境

自架軟體與網路服務的權威清單：想把服務放在自己伺服器上時，先來這裡找有什麼選擇。

不適合⚠️ 當成產品目錄直接照用（它是清單不是評測）、沒有維運能力的團隊——自架的成本在人不在授權費

Model Context Protocol 的官方參考伺服器：讓 AI 助理能安全地存取檔案、Git、記憶體等外部工具與資料。

不適合⚠️ 直接拿參考實作上正式環境（官方明說是教育用途）、不寫程式的使用者

Anthropic 官方公開的 Agent Skills 範例集：把「怎麼做某件事」寫成 Claude 可以動態載入的資料夾。

不適合⚠️ 未經測試就用在關鍵任務（官方明示為示範與教育用途）、不熟 AI 工具的一般使用者