FALO Methodology Case Study

從故障到能力包：FALO 精神的案例實踐

這不是一份單純的「Chrome 內建 Gemini 智慧側邊欄修復指南」，而是 FALO 如何將一個日常技術障礙，透過範例學習與遷移學習，轉化為可教學、可複製、可交接且由 AI Agent 運行的「能力包（Capability Pack）」的資產化歷程。

FALO 的核心訊息：我們真正想展示的不是 Gemini 智慧側邊欄本身的修復，而是我們如何將一次偶然的問題排查，解構、提煉並沉澱為一套能讓其他人（人機協作）甚至 AI 代理（AI Agent）複製成功的體系化能力。

🚀 FALO 實踐心法：從故障到能力包的六大層次

本專案嚴格遵循 FALO 方法論，將一次性的問題排查，透過系統化的方式層層遞進，轉化為可重複利用的知識資產：

💡 點擊上方圖片可放大看原圖 | 💾 點此直接下載架構圖 PNG

層次一：真實問題（Problem）➡️ 啟動研究

使用者面臨 Chrome 內建 Gemini 智慧側邊欄 (Gemini in Chrome) 故障無法使用。不滿足於表面修復，而是以此為研究起點，探究底層機制的判定邏輯。

層次二：問題分析（Analysis）➡️ 形成 Know-how

深入分析 Local State 全域設定檔與 Preferences 檔案，找出「地區一致性驗證」與「Gemini 智慧側邊欄使用資格」的判定公式，形成第一版系統分析報告。

層次三：工具化（Toolization）➡️ 降低人工門檻

拒絕一次性操作。將修復邏輯包裝為跨平台的 patch_glic.py 以及 Mac/Windows 一鍵雙擊腳本，減少繁雜的人工作業並排除路徑依賴。

層次四：診斷化（Diagnostization）➡️ 讓 AI Agent 接手

傳統腳本如果失敗，人工便無能為力。我們設計了 gemini_chrome_diagnostics.json 結構化診斷標準，一旦腳本執行異常，即主動向本機環境的 AI Agent 交接，讓 AI Agent 具備代為執行的能力。

層次五：知識資產化（Assetization）➡️ 文件化與維護

整理專案 README、部署 Git 儲存庫、建立此 HTML 說明網頁，並規劃 AI Agent 系統提示詞（Prompt），將技術轉化為隨時可維運與交接的 KM 資產。

層次六：能力包化（Capability Pack）➡️ 教學與導入

最終形成 FALO 精神的 **Capability Pack**。本專案不再只是修正工具，而是一套可以應用於實體教學、技術顧問、企業導入或 AI Agent 生態建構的範例資產。

🤝 人機協作（HITL）與 AI Agent 接手概念

現代化運維不應僅僅依賴人工，也不應迷信 100% 完美的自動化。本專案展示了從「複雜終端機指令」走向「AI 時代人機協同」的演進歷程：

1. 傳統模式：終端機執行 最初的修復方式需要使用者自行打開終端機（Terminal/CMD），手動輸入 python3 patch_glic.py 或執行權限指令。這對非技術背景的用戶具有極高的操作門檻。

2. 極簡入口：一鍵雙擊執行 為降低門檻，我們將複雜指令包裝為 Mac (.command) 與 Win (.bat) 雙擊啟動檔，為用戶提供極簡的單一執行入口。

3. 安全機制：系統防禦阻擋 然而，現代作業系統（如 macOS Sequoia、Windows Defender）為防範惡意軟體，會預設封鎖所有從網路下載的指令檔，使「一鍵執行」卡在安全驗證關卡。

🛡️ 安全機制下，AI Agent 協同的解決模式

當「便利性」與「作業系統安全機制」產生衝突時，傳統做法是強迫使用者去閱讀複雜的錯誤代碼、上網查指令手動排解。但在 AI 時代，我們推薦使用 AI Agent 協同降級（Fallback）機制：

AI Agent 的安全橋樑角色：
雖然雙擊外殼檔（.command / .bat）被作業系統阻擋，但 Python 本身是系統信任的簽署二進位檔。此時，使用者只需將任務委託給本機環境中運行的 AI Agent。
由於 AI Agent 擁有本機的環境執行工具，它可以在背景代替使用者直接執行 python3 patch_glic.py，或者自動幫下載的啟動檔執行 xattr -d 移除隔離屬性。AI Agent 作為可信賴的代理執行者，完美繞過了作業系統對圖形介面雙擊的安全封鎖，解決了安全與便利的衝突。

🛠️ 通用型資源下載與文件定位

本專案將複雜的排查動作，轉化為以下三隻互相解耦、可由 AI Agent 或人工調用的核心程式碼：

🐍 下載 patch_glic.py (通用 Python 核心) 🍎 下載 patch_glic.command (Mac 啟動器) 💻 下載 patch_glic.bat (Windows 啟動器)

🔍 檢視三隻程式碼的用途與核心邏輯 (點擊展開)

🐍 patch_glic.py (通用 Python 核心)：
負責執行核心判定與修改邏輯。它會自動偵測作業系統（Windows / macOS），定位到對應的 Chrome Local State 設定檔路徑。讀取 JSON 後，將地區鎖偽裝為美國 (us)，開啟 glic 的 eligibility 權限，並將所有 Profiles 的使用資格設為 True，最後安全寫回檔案。
🍎 patch_glic.command (macOS 啟動器)：
Mac 雙擊執行的 Shell 腳本。它會切換至當前資料夾，並執行 python3 patch_glic.py。此檔案作為 Mac 用戶一鍵運行的包裝器。
💻 patch_glic.bat (Windows 啟動器)：
Windows 雙擊執行的批次檔。它會切換至當前資料夾，並執行 python patch_glic.py。此檔案作為 Windows 用戶一鍵運行的包裝器。

💡 點擊上方心智圖可放大看原圖 | 💾 點此直接下載運作原理流程圖 JPG

⚙️ Windows / Mac 雙擊執行說明

🍎 macOS 執行方式 (包含 Sequoia 新安全設定) 1. 將上述三個檔案下載並放在同一個資料夾。
2. 在 Finder 中雙擊 patch_glic.command，系統跳出安全性警告（請點選「完成」或關閉警告）。
3. 開啟 Mac 「系統設定」 ➡️ 「隱私權與安全性」，在「安全性」區段點擊「仍要開啟」，並驗證 Touch ID。
4. 重新雙擊 patch_glic.command 即可順利執行修復。

💻 Windows 執行方式 1. 將上述三個檔案下載並放在同一個資料夾。
2. 在檔案總管中對 patch_glic.bat 連點兩下。
3. 腳本會自動關閉 Chrome ➡️ 偽裝 US 地區鎖 ➡️ 重新開啟 Chrome 即可完成。

💡 終端機直接執行彈性 (Technical Tips)：
.command 與 .bat 主要是為了降低使用門檻的包裝外殼。技術同仁或本機 AI Agent 可以直接在終端機中切換至檔案目錄並執行原生 Python 指令：
python3 patch_glic.py (Mac) 或 python patch_glic.py (Windows)
這可以避開 macOS Sequoia 等系統對外殼腳本的 Gatekeeper 阻擋，更具靈活度。

📝 知識資產化：系統分層觀點與 Gemini 智慧側邊欄技術細節

這是我們分析 `Local State` 設定檔後所沉澱的技術參數，作為內部團隊進行遷移學習與深入研究的知識資產（KM）：

Local State 全域設定：
- variations_country (全域地區標記)
- variations_permanent_consistency_country (版本永久地區鎖)
- glic.is_glic_eligible (全域 Gemini 智慧側邊欄 資格)
- glic.launcher_enabled (全域啟動器啟用狀態)
- profile.info_cache.<profile>.is_glic_eligible (各 Profile 個別 Gemini 智慧側邊欄 資格)
- browser.enabled_labs_experiments (已開啟的實驗旗標，包括 glic-actor@1 (Chrome Gemini 智慧側邊欄旗標) 等)

系統外部訊號：
- macOS AppleLocale / AppleLanguages
- Windows culture / home location
- Chrome executable path & profile-directory

理解這些參數是為了對系統狀態進行 before / after 的比對與驗證，這就是 FALO 的 Audit（審計）與 Lean（精益）精神的體現。

📜 專案啟動與歷史版本存檔

本專案最初啟動於 2026/04/22，當時以 macOS 平台的 Local State 檔為研究基礎，撰寫了第一版「Chrome 內建 Gemini 智慧側邊欄顯示判定研究報告」。

如果您需要查閱最初專案啟動時的分析邏輯、系統分層觀察參數及歷史操作流程，請點擊下方連結：

📖 查閱 2026/04/22 專案啟動歷史版本