在處理資料時，經常會遇到 JSON 格式的資料。但原始的 JSON 資料常常擠成一大團、或是佈滿了括號與引號，既難閱讀又容易改錯。
所以在日常開發中，經常用到 JSON Editor Online 與 JSON Formatter 來處理 JSON 資料。然而免費的工具，常常伴隨著廣告，只是想簡單的分析一下 JSON 資料，整個畫面充斥著亂糟糟的廣告。
為了讓大家處理 JSON 資料時更順手，因此用 AI Agent 開發了 JSON Master —— 一款免費、功能齊全且視覺美觀的雙欄線上 JSON 視覺化編輯工具。
📌 前言：邊緣 AI 與人機協同開發的全新典範
在物聯網（AIoT）與邊緣運算（Edge AI）快速演進的今天，傳統網路攝影機（IP Cam）若僅具備錄影功能，將所有影像分析全丟給後端伺服器或雲端處理，不僅消耗龐大頻寬，還會產生顯著延遲與隱私風險。
然而，在微控制器（MCU）上整合「高清視訊串流 + 邊緣神經網路推論 + 安全加密傳輸 + 後端視覺儀表板」，過去往往需要在韌體（C++ / FreeRTOS）、網路協定（RTSP / MQTT TLS）與後端架構（Python / Flask / OpenCV）之間切換，耗費數天翻查 SDK 範例與排查驅動問題。
本專案以 Realtek AMB82-MINI (RTL8735B) 開發板為核心，透過自然語言與 AI 協同開發，在極短時間內完成一套 1080P RTSP、板載 YOLO 與 MQTT 三合一智慧監控系統：
1080P 30FPS 無線 RTSP 串流（供 VLC / NVR / 後端拉流）。
板載 NPU YOLOv4-tiny 即時人體偵測與精準 NTP 時間戳 JSON 告警。
TLS 8883 MQTT 高速圖片快照上傳（支援 mqttgo.vip 雲端儀表板與指令控制）。
本機端雙模視覺分析儀表板（支援 AMB82-MINI 與 Iriun / USB WebCam 無縫切換）。
前些時候參加活動時，有幸得到一組 “ Infineon PSoC™ Edge E84 AI Kit (KIT_PSE84_AI) “ ，是整合 Arm® Cortex®-M55（帶 Helium 向量擴充）、Cortex®-M33 以及 Arm® Ethos™-U55 NPU 的異質多核架構，無疑是目前 microNPU 領域的高效能強者之一。
這是第一次接觸 Infineon MCU，在剛開箱時面臨 IDE 安裝、SDK 拉取、除錯埠辨識與中斷寫法等繁雜細節。這篇文章將以 AI 協作開發的觀點，分享如何結合 AI 助手（ Antigravity IDE ），透過 ModusToolbox™ 工具鏈、精準對照 Infineon 官方文件以及 VS Code Serial Monitor，打造極速的自動化嵌入式開發體驗。
在傳統的嵌入式與物聯網（IoT）開發中，除錯通常是最痛苦的一環：你必須一邊寫著程式碼，一邊盯著序列埠輸出，還要低頭去數麵包板上的 LED 燈有沒有亮。
本文分享我們如何與 Antigravity IDE 協作進行編程，並搭配 Webcam 實時串流影像分析，在不停機、不接實體除錯器的情況下，完成一個具備 MQTT 遠端校正功能的 Pico W 溫控器開發。在 https://mqttgo.vip/ 的儀表板成果如下 :
在將長篇文件（如 PDF、Word、簡報或網頁）餵給 LLM（ChatGPT、Claude 等）時，許多人常遇到的痛點是：Token 額度消耗極快、回應速度變慢，甚至因為夾帶太多排版噪音而影響 AI 的理解精準度。
想要解決這個問題，最有效且簡單的技巧就是——先將文件轉換為 Markdown 格式，再提供給 AI。針對不同的使用情境，這裡推薦兩款高效率的轉換工具。
