記憶體顆粒識別入門：以三星、美光、海力士為例，說明常見打標、編號與判斷邊界。
使用本地 `git-commit-push-zh` skill 取代 VS Code 的提交訊息生成功能，並維持規範化的 commit/push 流程。
透過 `ollama ps` 快速判斷模型是在 GPU、CPU，還是 CPU/GPU 混合記憶體中執行，並理解 `PROCESSOR` 欄位意義。
一篇可直接重用的 sync-post-translations 技能詳解：目標、規則、配置程式碼、調用示例與品質保障清單。
整理 Ollama 在 Windows、macOS、Linux 的預設模型目錄，並提供 Windows 下遷移到非系統碟的可執行步驟，避免 C 槽空間被吃滿。
一篇可直接執行的指南：在 Linux 上停止並移除 Ollama 服務、執行檔與模型檔案，並清理系統使用者與群組。
系統說清大型模型量化的核心概念、常見版本差異與按顯存選型方法，幫你在效果、速度與資源成本之間找到最佳平衡。
系統對比 Gemma 4 的 2B、4B、26B、31B 四個版本，提供性能定位、顯存門檻、落地場景與選型建議。
基於 Anthropic 的 skills 中 docx 目錄內的 SKILL.md 與配套腳本，整理這個 docx skill 的能力邊界、程式組成、典型工作流、使用方式與常見坑點。
整理飛牛 NAS 遠端訪問的兩種方案：公網 IP 直連與 FN Connect，包含配置要點、優缺點與使用建議。