把 AI 接進自己的程式

同一類還有：做出網站或 App，免費放上線在自己電腦跑 AI，資料不出門寫程式用的現成套件：搜尋、地圖計算、資料表、PDF

比較表同一件事，這幾個工具差在哪。工具名稱點下去，跳到下面的完整介紹。

GitHub 上的「現成資源」怎麼判斷值不值得用

星星多不代表能用。這一類最常見的失敗不是品質差，是專案死掉了——舊教學還在推薦，但 repo 兩年沒更新、或已經封存。判斷順序建議這樣走。

	先看什麼	為什麼
1. 還活著嗎	最近一次 release／commit 距今多久？有沒有被 archived？	⚠封存的專案不會再有安全性更新。本站的 Flowise 卡就是實例（2026-08-13 封存）
2. 誰在維護	官方組織、基金會、還是個人？	個人專案風險不是不能用，是要有「他哪天不做了我怎麼辦」的答案
3. 授權寫在哪	README 說的和 LICENSE 檔一致嗎？程式與模型／資料是不是分開授權？	⚠兩邊不同是常態不是例外（見「程式碼授權 ≠ 模型權重授權」那張表）
4. 它是什麼類型	工具？清單？模板？範例集？	清單與模板本身不做事，價值在省下你的搜尋與起步時間，別當成產品用
5. 依賴什麼	模板通常綁定某個平台或工具版本	n8n 模板要有 n8n、ComfyUI 工作流要有對應模型，缺了就跑不起來

怎麼選本站收錄資源型內容時，「還活著嗎」跟錢、授權、資料政策放在同一層級顯示——因為對這一類來說，維護狀態就是最重要的品質指標。看到很棒但兩年沒動的專案，先問「我有沒有能力自己維護它」再決定。

自架前先看授權：這幾個熱門工具不是你以為的那種開源

「開源、可自架」不等於「隨你怎麼用」。AGPL 有網路著作權傳染條款——把改過的版本當成服務提供給別人用，可能要一併公開原始碼；還有些專案改用自訂授權加了額外義務。這些都是自架前就該知道、而不是上線後才發現的事。

	授權	要注意什麼
Grafana	⚠AGPL-3.0	官方說明現行為 AGPL-3.0（部分例外走 Apache-2.0）。嵌進對外產品前要看 LICENSING.md
Metabase	⚠AGPL（開源版）	另有商業授權版本；要嵌入自家產品賣人的走商業版比較單純
LibreTranslate	⚠AGPL-3.0	自架翻譯很實用，但同樣有網路傳染條款
SearXNG	⚠AGPL-3.0	自架搜尋、不追蹤使用者，適合內部用；對外服務要評估授權
Ultralytics YOLO	⚠AGPL-3.0	商用多半要買企業授權；同類的 RT-DETR 是 Apache-2.0
Open WebUI	⚠自訂授權	官方說明含「Open WebUI 授權」，額外要求保留 Open WebUI 品牌；授權有變更歷史，要讀 LICENSE_HISTORY
MinerU	自訂（基於 Apache 2.0）	官方說明已從 AGPLv3 改為基於 Apache 2.0 的自訂授權，以降低商用採用的阻力
Unsloth	Apache-2.0（核心）	⚠部分選用元件如 Studio UI 是 AGPL-3.0
timm	Apache-2.0（程式）	⚠預訓練權重多來自 ImageNet，官方註明主要供非商業研究使用

怎麼選判斷順序：先問「我會不會把它當成服務給公司以外的人用」——會的話，AGPL 那幾個要先讓法務看過；純內部使用通常單純得多。另外記得程式授權與模型／權重授權是兩件事（timm 就是典型），兩邊都要看。

工具怎麼串一個工具做不完，要前一個交給下一個。

把 AI 接進程式：挑一家或多家 → 權重和服務分開看 → 用 AI 幫寫串接 → 接外部工具

依據：本頁比較表與各工具卡

只接一家用 OpenAI API；一個 API 用很多家，用 OpenRouter要會寫程式

OpenRouter 多一層中介，資料先經過它再轉給模型供應商。

考慮 DeepSeek、GLM、Kimi：權重授權和官方服務的資料政策分開看

例如 DeepSeek 權重是 MIT，但用官方 App 等於把資料送到中國境內儲存。

要自己部署權重：從 Hugging Face Hub 下載，逐個看授權要工程師

公開不等於可以用在正式環境。

讓 AI 幫你寫串接程式：Aider 或 Cline要會寫程式

它們會直接改檔、執行指令，用前確認 git 狀態乾淨；程式碼會送到你選的模型供應商。

交出去：串好的程式

要讓 AI 用外部工具或資料：MCP Servers要工程師

官方說是參考實作，範圍要收窄。

容易斷在：模型會改版，同一段提示詞的行為可能跟著變。按量計費，長文件與大量請求的成本累積很快。Kimi 的 K2 系列預計 2026 年 12 月底退役，舊教學要改。

真實案例只放本站逐條查證過來源的案例；「殷鑑」是做壞的例子。

已查證

Spotify 把程式代理接進既有流程：1,500 多個 AI 改的 PR 已合併

把 AI 的產出放進既有的審核關卡，而不是另開一條快速通道：代理改完一律變成待審的 pull request，審查與合併規則照舊。小團隊用 AI 改文件或程式時，也可以規定 AI 產出只能是「草稿＋待審」狀態。

看完整案例 →殷鑑・已查證

Replit AI 程式代理違反指令，自行刪除正式環境資料庫——提示詞約束不是系統防線

即使明確下達不要動正式環境的指令，AI agent仍可能自主違反並嘗試掩蓋，正式環境與開發環境的資料庫隔離必須是系統層級的硬限制，不能只靠提示詞約束。

看完整案例 →殷鑑・已查證

DeepSeek 在南韓上線一個月被停止新下載：提示詞內容未經同意傳到海外

單位開放同仁使用某個免費 AI 服務之前，先回答一題：「我們打進去的文字會存在哪個國家、給哪幾家公司？」答不出來、或隱私權政策沒寫清楚的，先列為「不可輸入公務與客戶資料」的工具。

看完整案例 →

全部 9 個工具每張都是完整介紹：適合誰、費用、能不能商用、資料去哪裡、能接什麼、限制、稜線用在哪。

OpenAI API

AI 服務需要 API／自動化

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。

適合

把 AI 功能做進自己的產品或內部系統
量體不確定、不想先養機器
語意搜尋等 Embedding 應用

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

費用

按使用量計費，價格依模型而異。

能不能商用

可商用
商用 API 服務，依服務條款使用。

資料去哪裡

官方原文：「data sent to the OpenAI API is not used to train or improve OpenAI models (unless you explicitly opt in to share data with us)」。預設為濫用監控保留紀錄最多 30 天；可申請零資料留存（Zero Data Retention）。

授權

—

跑在哪裡

雲端服務

能接什麼

API：有MCP：尚未查證Webhook：尚未查證

限制

需要工程資源串接與維護
按量計費，長文件與大量請求成本累積快
模型會改版，同一段 prompt 行為可能改變

OpenRouter

AI 服務需要 API／自動化

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。

適合

想比較不同模型表現的開發階段
不想被單一供應商綁死
需要在模型之間切換的產品

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

費用

按使用量計費；官方說明會自動挑選較划算的選項。

能不能商用

⚠依你用的那個模型而定
官方原文：「You retain copyright and any other proprietary rights that you may hold in the Input. Your ownership rights in the Output are set forth in the Model Terms for each Model you use.」同一段還自陳 Model Terms 可能過期或缺漏。所以透過它呼叫哪個模型，就要去讀那個模型的條款。2026-09-18 讀官方條款。

資料去哪裡

官方 quickstart 文件未說明提示詞是否留存或用於訓練；導入敏感資料前請自行確認其資料政策與各下游供應商條款。

授權

—

跑在哪裡

雲端服務

能接什麼

API：有MCP：尚未查證Webhook：尚未查證

限制

⚠資料會經過中介平台再轉給實際的模型供應商，等於多一層信任
官方入門文件未交代資料政策，要另外查
各模型的可用性與價格會變動

Hugging Face Hub

外部資源需要工程支援

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。

適合

找特定任務的開源模型
查模型說明卡（限制與偏誤）
技術評估與比較

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

費用

基本使用免費，另有 PRO 與 Team／Enterprise 方案。

能不能商用

⚠依個別模型而定
平台可免費使用，但上面每個模型與資料集有各自的授權——有的可商用、有的禁止商用、有的要申請。不能因為「在 Hugging Face 上」就當成可自由使用。

資料去哪裡

上傳到公開 repo 的內容是公開的；私有 repo 與企業方案另有安全設定。

授權

—

跑在哪裡

雲端服務、自己架

能接什麼

API：有MCP：尚未查證Webhook：尚未查證

限制

⚠每個模型授權不同，不能一概而論
模型品質參差，公開不等於可用於正式環境
需要工程能力才能實際使用

DeepSeek（深度求索）

AI 服務直接使用

中國 DeepSeek 的大型語言模型，有官方 App／API，也公開模型權重；權重授權和官方服務的資料政策是兩件事，要分開看。

適合

想自架 LLM、又要權重授權寬鬆（R1 主模型權重為 MIT；R1-Distill 系列由其他底模衍生，授權要逐版看）
資料不敏感、想用按量計費 API 做實驗或批次處理（離峰半價）

不適合

公部門、受政府資安規範約束的單位（官方 App 資料存於中國）
含個資、客戶機密、營業秘密的內容丟進官方 App／API
需要在台灣法院處理爭議的正式商業合約場景
沒有 GPU 又想完全離線的使用者（完整版權重太大）

費用

API 依每百萬 token 計價，離峰價為尖峰的一半（官方原文：「Off-peak rates are half of the peak rates.」）。模型權重可免費下載自行部署，成本在硬體與維運。官方 App／網頁版的免費用量上限：官方資料不足，目前無法確認。

能不能商用

⚠分兩層：權重多為 MIT 可商用；官方服務產出依條款讓與（含「if any」）
【模型權重】DeepSeek-R1 官方 repo 原文：「This code repository and the model weights are licensed under the MIT License.」但 R1-Distill 系列是從其他底模衍生的，授權不一定是 MIT，要逐版看。Hugging Face 官方帳號上 V4.1-Flash 的 LICENSE 檔也是 MIT。V3 系列走另一份 Model License，README 寫「DeepSeek-V3 series (including Base and Chat) supports commercial use.」，但 LICENSE-MODEL 全文本站未讀，細部條件官方資料不足，目前無法確認。【官方 App／API】服務條款原文：「We assign any rights, title, and interests—if any—in the Outputs of the Services to you.」準據法為中華人民共和國（大陸）法律。2026-10-25 讀官方條款（最後更新 2026-03-27）、GitHub 與 Hugging Face。

資料去哪裡

【官方 App／網頁／API】隱私權政策原文：「we directly collect, process and store your Personal Data in People's Republic of China」；同一份政策寫明使用者可以「opt-out of using your Personal Data for training our models」。服務條款另寫可能「to a minimal extent, use Inputs and Outputs to provide, maintain, operate, develop or improve the Services」。【自行部署權重】在自己的機器或自選的雲端執行，資料不會送到 DeepSeek。退出後已用於訓練的資料是否移除：官方資料不足，目前無法確認。隱私權政策最後更新 2026-02-10。

授權

—

跑在哪裡

雲端服務、自己架、裝在公司內部

能接什麼

API：有MCP：尚未查證Webhook：尚未查證

限制

⚠「開源權重的授權」和「官方 App／API 的資料政策」是兩回事：權重 MIT 很寬鬆，但用官方 App 等於把資料送到中國境內儲存
官方服務條款的準據法是中國大陸法律，拿來簽正式商業合約前要先讓法務看過
條款允許用輸入與產出改進服務，不想被使用要自己申請退出
自行部署要有 GPU 與會維運的人，一般辦公電腦跑不動完整版
可能產生看似合理但錯誤的內容，重要數字與出處要自己核對

GLM（智譜／Z.ai）

AI 服務直接使用

智譜的 GLM 大型語言模型，國際版服務 Z.ai 由新加坡公司營運；同一系列各版本的權重授權不一樣，要逐版看。

適合

想自架 LLM、願意逐版確認授權（GLM-5、GLM-5.2、GLM-5.3-Flash 標示 MIT）
想先用免費的 API 模型做測試（例如 GLM-4.7-Flash）

不適合

需要逐字確認授權卻不想讀各版 LICENSE 的團隊（版本間授權不同）
把敏感資料丟進個人帳號對話（條款允許用於改進 AI）
沒有 GPU 又想跑完整旗艦版權重的使用者

費用

Z.ai API 依每百萬 token 計價，其中 GLM-4.7-Flash 等模型在官方定價頁標示免費。權重可免費下載自行部署，成本在硬體與維運。對話網頁版的免費額度：官方資料不足，目前無法確認。

能不能商用

⚠依版本而定：多數權重 MIT，GLM-5.3 為自訂授權
【模型權重】Hugging Face 官方帳號的授權標籤：GLM-5、GLM-5.2、GLM-5.3-Flash 為 MIT，GLM-5.3 為 other（自訂的 GLM-5.3 License）。GLM-5.3 授權原文涵蓋「the model weights, parameters, configuration files」，並規定符合條件的大型業者「must pass Z.AI's security review before using the Software」。GitHub 程式碼庫標示 Apache-2.0，但是否同時涵蓋權重 README 沒寫明，權重以 Hugging Face 的 LICENSE 檔為準。【官方服務】Z.ai 條款原文：「you retain all rights, title, and interest in the Prompts you submit and the Outputs」。2026-10-25 讀官方條款與 Hugging Face。

資料去哪裡

【Z.ai 國際版】由新加坡公司 JINGSHENG HENGXING TECHNOLOGY PTE.LTD. 營運，隱私權政策原文：「your personal data is generally processed in Singapore」，條款準據法為新加坡法。個人用戶的內容可用於「developing and improving our machine learning and artificial intelligence technologies」；API 客戶則是「we will not use your User Content for developing or improving Services unless you explicitly agree」。個人用戶有沒有關閉訓練的設定開關：官方資料不足，目前無法確認。【中國境內智譜平台】是另一套主體與政策，資料政策與儲存地官方資料不足，目前無法確認。【自行部署權重】資料不經過 Z.ai。隱私權政策更新日 2025-09-29。

授權

—

跑在哪裡

雲端服務、自己架、裝在公司內部

能接什麼

API：有MCP：尚未查證Webhook：尚未查證

限制

⚠同一系列不同版本授權不一樣：GLM-5.3 是自訂授權，GLM-5.3-Flash、GLM-5.2 是 MIT，選型要逐版看 LICENSE 檔
國際版 Z.ai（新加坡）和中國境內智譜平台是不同主體，資料政策不能混為一談
個人用戶條款允許用內容改進 AI，條款與隱私權政策都沒寫關閉方式
自行部署要有 GPU 與會維運的人
可能產生看似合理但錯誤的內容，重要數字與出處要自己核對

Kimi（月之暗面 Moonshot AI）

AI 服務直接使用

月之暗面的大型語言模型，有網頁／App、按量計費 API，也公開部分模型權重；kimi.com（北京）與 kimi.ai（新加坡）兩套條款的資料存放地與準據法不同。

適合

想自架 LLM、會逐代讀權重授權的團隊（K2 修改版 MIT、K3 自訂授權）
資料不敏感、想用按量計費 API 做實驗（API 訓練政策官方兩處說法不一致，見資料政策）

不適合

公部門、受政府資安規範約束的單位（kimi.com 版個資存於中國境內）
含個資、客戶機密、營業秘密的內容
需要在台灣法院處理爭議的正式商業用途
要把 K3 權重包成模型 API 對外營運、且營收規模大的公司（需另簽約）

費用

API 開放平台說明：按用量計費、沒有訂閱方案，與 Kimi 會員方案是不同產品；K3 系列支援 1,048,576 token 上下文；K2 系列自 2026-10-31 起不再開放新註冊用戶（既有用戶不受影響），預計 2026 年 12 月底全部退役。每百萬 token 金額、Kimi 會員方案價格與免費版用量上限：頁面為動態載入，官方資料不足，目前無法確認。開源權重授權為免費（free of charge），自行部署的成本在硬體與維運。

能不能商用

⚠分三層看：kimi.com（北京）條款限定個人用途、kimi.ai（新加坡）限個人或內部業務用途；開源權重 K2 修改版 MIT、K3 自訂授權
【kimi.com 版】北京月之暗面科技有限公司提供（條款 Effective Date: August 31, 2026）：「you own the intellectual property rights and other rights in your Input and Output」，但第 1.3 條寫「The Service is for personal learning, research, appreciation, daily life, and entertainment.」不帶 version 參數的條款網址仍顯示 2024-01-05 舊版，寫「you may only use Kimi in a non-commercial, personal research, and study manner」並要求實名認證。【kimi.ai 版】新加坡 NOVASCENT PRIVATE LIMITED 提供（Effective Date: August 13, 2026）：使用者擁有輸入與產出，「We hereby assign to you all of our right, title, and interest, if any, in and to the Output.」第 6 節把使用權限定在「for your personal or internal business purposes」，並禁止未經書面同意把服務提供給第三方（「make the Services available to third parties without our prior written consent」），也禁止用服務或產出開發競品模型。台灣使用者適用哪一套：官方資料不足，目前無法確認。【開源權重】K2 為 Modified MIT：商用產品月活躍用戶超過 1 億或月營收超過 2,000 萬美元，介面要明顯標示「Kimi K2」。K3 為自訂授權：經營 Model as a Service（讓第三方透過 API 等方式對推論或微調有實質控制；功能只內嵌在特定產品裡的終端產品、單純轉送請求到別人託管的模型不算），且公司連同關係企業任連續 12 個月總營收超過 2,000 萬美元，商用前須與 Moonshot AI 另簽約；商用產品月活躍用戶超過 1 億或月營收超過 2,000 萬美元，介面要標示「Kimi K3」。內部使用、透過 Moonshot 官方產品或認證推論夥伴使用，不適用這兩條。2026-10-25 讀官方條款、GitHub 與 Hugging Face 的 LICENSE。

資料去哪裡

【kimi.com 版（北京）】隱私權政策（Effective Date: August 31, 2026）原文：「We store your personal information within the territory of the People's Republic of China.」未取得單獨同意不會提供到境外。條款寫「YOU GRANT US A FREE LICENSE TO USE YOUR INPUT, OUTPUT, AND FEEDBACK FOR MODEL OPTIMIZATION」，不想被用於訓練要透過協議提供的聯絡方式聯繫。準據法為中華人民共和國（大陸）法律，爭議由北京月之暗面所在地法院管轄。【kimi.ai 版（新加坡）】條款寫使用者可 email 退出訓練，「Opt-out applies prospectively only and does not require us to delete or remove Content already used in prior training cycles.」隱私權政策（Last Updated: August 13, 2026）寫「Your information may be transferred to and stored on servers located outside of your country of residence.」，未寫明國家，實際儲存國家官方資料不足，目前無法確認。準據法新加坡，爭議交新加坡國際仲裁中心（SIAC）仲裁。台灣使用者實際適用哪一套條款：官方資料不足，目前無法確認。【API 開放平台（platform.kimi.ai）】由 MOONSHOT AI PTE. LTD. 提供，開放平台隱私政策（Last Update: April 30, 2025）原文：「We store the information we collect in secure servers located in Singapore.」這句只適用於 API 開放平台，不適用 kimi.com 與 kimi.ai 的網頁與 App。訓練：Kimi 說明中心的 API 資料安全頁寫「User data submitted via the API, including input content and model outputs, will not be used to train or improve Kimi models.」，但開放平台隱私政策把「training and refining our underlying technology, such as machine learning models and algorithms」列為用途，兩處說法不一致，正式使用前以簽約文件為準。【自行部署權重】資料存放由部署者決定。

授權

—

跑在哪裡

雲端服務、自己架、裝在公司內部

能接什麼

API：有MCP：尚未查證Webhook：尚未查證

限制

⚠同一個 Kimi 有北京與新加坡兩套條款，資料存放地、準據法完全不同，官方沒寫台灣用戶適用哪一套
⚠kimi.com 版個資存放於中國境內、適用中國大陸法律，爭議在北京法院
兩套條款都授權用你的對話訓練模型，退出要寫信或聯繫官方，不是設定開關
kimi.com 舊版條款仍可從網址打開，寫著只能非商業使用，新舊條款並存容易混淆
K2 系列 API 預計 2026 年 12 月底退役，舊教學要改用 K3
開源權重的授權每一代不同：K2 修改版 MIT、K3 自訂授權，商用前要讀對應的 LICENSE

Aider

專業工具需要工程支援

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。

適合

已經在用 git 的開發流程
要 AI 在既有專案裡跨檔案修改
想自選模型（含本機模型）

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

費用

工具免費，但要自備模型 API 金鑰，那筆錢是額外的。

能不能商用

可商用
Apache-2.0 授權。

資料去哪裡

工具本身在本機執行，但你的程式碼會送到你選的模型供應商——資料政策取決於那一家。

授權

Apache-2.0

跑在哪裡

自己架

能接什麼

API：尚未查證MCP：尚未查證Webhook：尚未查證

限制

⚠會直接改你的檔案並 commit，用前確認 git 狀態乾淨
要自備 API 金鑰，用量就是錢
程式碼會送到你選的模型供應商

Cline

專業工具需要工程支援

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。

適合

想在 VS Code／JetBrains 裡用 AI 改碼
需要先看計畫再執行的謹慎流程
想自選模型供應商

不適合

不想讓 AI 執行指令的環境
沒有版本控制的專案

費用

工具免費，但要自備模型 API 金鑰。

能不能商用

可商用
Apache-2.0 授權。

資料去哪裡

程式碼會送到你設定的模型供應商，資料政策取決於那一家。官方說明支援 Anthropic、OpenAI、Google、Bedrock 與本機 Ollama 等。

授權

Apache-2.0

跑在哪裡

自己架

能接什麼

API：尚未查證MCP：尚未查證Webhook：尚未查證

限制

⚠Act 模式會執行指令，要看清楚再放行
要自備 API 金鑰，用量就是錢
程式碼會送到你選的模型供應商

MCP Servers（官方參考實作）

外部資源需要工程支援

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。

適合

想讓 Claude 這類 AI 連上自家工具與資料
學習 MCP 怎麼運作
評估要不要導入 MCP 架構

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

費用

開源免費。

能不能商用

可商用
官方說明採雙授權：新貢獻為 Apache License 2.0，既有程式碼為 MIT。

資料去哪裡

MCP 的重點就是「受控存取」——它決定 AI 能碰你哪些檔案與資料，設定權限時要保守。

授權

Apache-2.0（新貢獻）／MIT（既有程式碼）

跑在哪裡

自己架、裝在公司內部

能接什麼

API：尚未查證MCP：尚未查證Webhook：尚未查證

限制

⚠官方明示這些是參考實作、供教學用，不是 production-ready
⚠給 AI 檔案系統存取權限本身就是風險，範圍要收窄
社群伺服器品質參差，要個別評估

卡片上的查證日期是我們最後一次讀官方頁面的時間；條款會改，正式使用前請再看一次官方頁。