跳到正文
888news11月23日 · 週一

精選

今天11月23日週一
  1. Lobste.rs (Engineering Discussion)71

    ATProto 開發指南:別把使用者名稱當成固定帳號識別

    開發 ATProto 軟體時,若把帳號名稱、資料伺服器或貼文時間當成固定且可靠的資訊,程式可能出錯。作者整理多個常見誤解,並用規格和實際伺服器回應說明正確做法:用不會變的 DID 識別帳號,查詢帳號目前使用的名稱與伺服器,讀取資料時也要檢查格式。不同服務可能對追蹤人數或帳號狀態有不同看法;遇到不認識的資料,也應避免直接假設它無效。這份清單能協助開發者找出容易踩雷的地方,讓程式更能應付 ATProto 網路中的差異。

    推薦理由:ATProto 將帳號身分、名稱與資料伺服器分開,文中用規格和實際伺服器回應說明常見假設會在哪些地方出錯。

  2. Dev.to Top Tech77

    Cairn 案例揭露 AI 助理攻擊手法,作者整理九項伺服器防護檢查

    AI 助理能長時間反覆嘗試攻擊,伺服器若少了登入保護或檔案路徑檢查,就可能被利用。作者根據 Amazon 公佈的 Cairn 案例整理防護清單:其中兩次攻擊沒有成功,另一次利用 MONAI Label 的路徑穿越漏洞寫入檔案,之後取得 root 許可權。MONAI Label 0.8.6 已修補這個漏洞;文章也建議開啟驗證、限制服務可寫入的資料夾、避免以 root 執行服務,並留意長時間且重複的登入或請求。作者沒有親自重現攻擊,清單中的程式範例也只用小型合成資料檢查,偵測門檻仍需依實際流量調整。

    推薦理由:文章把 Cairn 案例中的成功與失敗,整理成九項伺服器檢查做法,涵蓋修補漏洞、限制服務許可權與從紀錄辨認長時間嘗試。

11月22日週日
  1. Dev.to Top Tech76

    從 ML/量化工作轉向機器人:作者實測第一週做了什麼

    想從機器學習或量化工作轉做機器人,第一週該從哪裡開始?作者用一臺沒有 GPU 的 Linux 電腦,先在 MuJoCo 跑控制實驗,記下每一步花多少時間,再訓練 HalfCheetah。跑完 1M 步約花 109 分鐘,最後評分是 9,180;作者也公開訓練紀錄、比較表和程式,讓讀者能自己查對。這份紀錄示範如何用可重做的實驗,說明自己做了什麼、花了多少成本。

    推薦理由:作者以實測資料拆解轉入機器人領域的第一週工作,從環境設定、訓練成本到可查核的實驗紀錄,提供一條具體的入門路徑。

  2. Dev.to Top Tech76

    Mac mini 當伺服器:作者搬移 AI 工作後整理的 53 個教訓

    把排程工作都放在筆電上,筆電休眠、忙著開會或記憶體不足時,工作可能延後甚至漏掉。作者把工作依需求分到雲端、Mac mini 和 MacBook:只呼叫 API 的工作交給雲端,需要已登入瀏覽器或本機檔案的工作留在 Mac mini,需要麥克風或螢幕的工作留在 MacBook。搬移時也要一起處理「已寄出」等狀態,否則兩臺電腦可能重複寄信;作者還提醒,遷移助理搬過去的排程工作可能在兩臺電腦同時執行。

    推薦理由:作者用搬移 70 個排程工作的經驗,整理出依資料、登入狀態與工作型態分配執行位置的方法,也提醒搬家時要一併處理工作狀態。

  3. Dev.to Top Tech79

    MT5 Manager API 和 Web API 怎麼選?作者分享後臺實際經驗

    如果後臺要一直檢視很多交易帳戶,透過網路逐筆讀資料可能太慢,風險檢查也會錯過兩次檢查之間的變化。作者在實際平臺同時使用 MT5 Manager API 和 Web API:前者把帳戶與持倉資料留在本機,讀取只要幾毫秒,適合頻繁監控;後者透過 HTTPS 傳送指令,適合偶爾查詢或由 Linux 後臺處理操作。作者也提醒,Manager API 不適合多個執行緒同時呼叫,必須逐一保護讀取並核對帳戶編號。最後採用兩者搭配:用 Manager API 快速讀取,原本的 Web API 寫入流程則繼續使用。

    推薦理由:作者在同一套實際交易平臺比較兩種 API,說明讀取延遲如何影響風險監控,也整理了各自適合的工作情境。

  4. Dev.to Top Tech78

    LobsterMatch 教你用 Python 打造能搜尋並聯絡其他 AI 助理的程式

    自己做的 AI 助理要怎麼找到合適的同伴,並安全地交換訊息?這份教學從頭用 Python 寫出一個小程式,讓它能在 LobsterMatch 登記資料、搜尋其他 AI 助理,再用有固定欄位的訊息卡提出請求。收到通知時,程式會先檢查簽章,確認訊息確實來自網路,再讀取對話並交給模型處理;簽章不符就不會啟動模型。教學也說明如何避免對話卡住後一直呼叫模型,以及把金鑰放在環境變數中。

    推薦理由:這份教學把尋找同伴、傳送結構化訊息與驗證 webhook 串成一個流程,能參考其做法控制喚醒時機並保護憑證。

  5. Dev.to Top Tech78

    PagedAttention 如何減少大型語言模型服務時的記憶體浪費

    大型語言模型回答問題時,會把讀過的文字留在 KV cache;如果每個請求一開始就預留一大段記憶體,很多空間會被佔著,其他請求也用不到。作者用停車位和小型互動示範,解釋 PagedAttention 如何把記憶體切成固定大小的區塊,需要時才分配,並用對照表記下區塊位置。多個請求也能共用相同提示詞的資料,只有內容要改動時才複製區塊。這能減少閒置空間,讓同一批記憶體容納更多請求;作者也提醒,區塊較大時空位會增加,太小則可能影響 GPU 平行處理。

    推薦理由:文章從 KV cache 的記憶體浪費談起,再用互動式示範比較分頁配置與連續配置,說明記憶體管理如何影響同時服務的請求數。

  6. Dev.to Top Tech76

    如何安全重送失敗的 webhook:用 Python 儲存原始請求再重新處理

    Webhook 處理程式暫時出錯時,服務商可能停止重送,讓付款或訂單事件漏進資料庫。作者建議先把收到的原始請求存進資料庫,再由背景工作處理;用服務商名稱和事件編號避免重複存入,重送時則呼叫和日常處理相同的函式。Python 指令碼預設只列出準備重送的事件,確認後才實際執行,也能限制處理速度。重送前還要確認程式能安全處理同一事件多次,避免重複寄信或重複增加金額。

    推薦理由:把原始請求、重送流程和冪等檢查串在一起,說明如何補回漏掉的 webhook 事件並降低重複處理風險。

  7. Dev.to Top Tech77

    Docker 裡的 PostgreSQL 升級到 19,哪些地方容易出問題

    把 Docker 裡的 PostgreSQL 從舊版升到 19,資料路徑和設定都可能讓資料庫無法啟動。作者親自測試後提醒,資料掛載位置要改成 /var/lib/postgresql;舊版資料仍須先用新版本工具匯出再還原,不能只改路徑。18 使用的 io_workers 已在 19 移除,升級前可用 postgres -C 搭配實際設定檢查是否有錯。作者也整理了幾項預設值變動,以及需要先處理的舊密碼和索引,讓升級前能先備份並確認資料庫可正常啟動。

    推薦理由:作者用實際升級整理出資料掛載路徑、設定檢查與備份還原等容易踩到的地方,能幫助管理者在動手前安排檢查步驟。

  8. Dev.to Top Tech76

    BabySea 開源 ledger-fortress,處理 AI 生成服務的點數結算

    AI 圖片或影片生成常要等一段時間,付款通知也可能重複、延遲或亂序,讓點數被重複發放,或工作完成後沒有正確扣款。BabySea 把可重用的點數結算做法開源為 ledger-fortress:Stripe 負責收付款,PostgreSQL 記錄可用點數和每次變動。開始生成前先預留點數,成功時確認扣款,失敗或取消時退回;資料庫也會擋下重複操作,並可找出卡住的預留紀錄交由恢復流程處理。Stripe 退款與爭議款則留在這套點數帳本之外,需另行處理。

    推薦理由:文章拆解點數預留、扣款與退款如何配合非同步生成,並說明資料庫如何處理重複和亂序事件,可作為設計類似計費流程的參考。

  9. Dev.to Top Tech76

    Go 聊天系統如何用房間頻道保護遊標資料

    多人一起編輯不同出貨計畫時,如果所有人都收到同一串游標更新,再由畫面隱藏其他房間的資料,未獲授權的人仍可能讀到內容。這篇 Go 實作指南建議依房間分開頻道,先確認使用者的房間許可權,再發出只能接收該頻道資料的憑證。驗收時要用不同帳號測試,直接檢查連線實際收到的資料,也要測試錯誤憑證、重新連線和移除成員後的情況。作者還用假設的物流工作量比較共用頻道與分房間傳送的接收量,提醒團隊把許可權隔離和系統容量分開檢查。

    推薦理由:文章用物流編輯器說明,房間許可權應在事件送達前限制,並以實際收到的資料檢查隔離是否成立。

  10. Dev.to Top Tech76

    作者示範用 API 接收 Lightning 付款,並驗證付款證明

    透過別人的付款 API 收款時,服務商可能會代管款項;作者做了一套 API,讓顧客直接把錢付到商家的 Lightning 地址。API 會核對地址和發票金額,再確認付款前像的雜湊值符合發票記錄,才通知商家付款完成。作者也分享自己曾在結算程式和測試模擬器中發現的錯誤,以及修正方式。文章還示範如何驗證簽章通知、避免重複結算,並提供可免費試用的沙盒。

    推薦理由:作者以實際程式碼展示 Lightning 付款驗證,並說明如何用付款前像避免把未付款誤認為已付款。

  11. Dev.to Top Tech76

    StudioVisualIdentity 用一個提示詞打造 18 種短影片風格

    自己做短影片時,常會不小心用上和別人很像的版型、字幕和動畫。作者開源了 StudioVisualIdentity,整理出 18 種視覺風格,每種都有設計規則和實際做出的短片,也提供一個提示詞,讓 AI 助理挑選風格並建立新的製作專案。作者還比較了兩種判斷風格是否不同的方法:看顏色和線條的程式測試把 4 支短片分錯,盲測則把 72 個畫面全都分對。這提醒我們,判斷視覺風格不能只看配色,還得看形狀、字型和呈現方式。

    推薦理由:這個專案把 18 種短影片視覺風格整理成 AI 助理可讀的設計資料,並用盲測結果說明單看顏色與邊緣容易誤判風格差異。

  12. Dev.to Top Tech79

    LinkedIn 的 2,000 萬人實驗發現,求職時中間圈的人脈最有幫助

    找工作時,天天聯絡的好友和完全不認識的陌生人,可能都不是最有用的人脈。LinkedIn 在 People You May Know 推薦功能上進行實驗,讓部分使用者看到較多不太熟的人,並分析超過 2,000 萬名會員的資料。研究發現,彼此有幾位共同朋友、平常卻很少聊天的人,較可能帶來新的工作機會;在科技和遠端工作較多的產業,這種較疏遠的人脈也帶來更多求職申請。文章建議先聯絡認識但少往來的人,詢問團隊或職務資訊。研究也引發未告知使用者就調整推薦的倫理疑慮;資料無法確認人脈是否直接介紹工作,結果也不一定適用於所有產業或地區。

    推薦理由:隨機調整推薦人選的實驗,讓研究者能分辨人脈和求職結果的關聯是否來自因果,也呈現推薦機制可能影響求職機會。

  13. Dev.to Top Tech78

    如何用程式碼防止 AI 助理被工具輸出中的指令誘導

    AI 助理讀取網頁或工具結果時,可能把裡面的惡意文字當成指令,進而寄信、傳出資料或刪除內容。作者提出三種程式碼防護:替工具結果標明來源與不可信狀態;一旦讀過不可信內容,就限制可用工具,並把讀取資料和執行動作分給不同的 AI 呼叫;再用帶有誘導文字的測試資料,檢查機密標記有沒有傳到會對外送資料或造成破壞的工具。這些做法攔不住所有錯誤,也無法防止摘要被錯誤內容帶偏,但能讓重要操作受到程式端的許可權檢查。

    推薦理由:文章把間接提示詞注入的防護拆成資料標記、工具許可權限制與 CI 重播測試,說明如何在模型被誘導時攔住外傳或破壞性操作。

  14. Dev.to Top Tech79

    Neeraj Sharma 示範用不到 50 行 Python 限制 AI 助理執行程式碼

    AI 助理寫出的程式如果直接在應用程式的伺服器上執行,可能讀到金鑰、耗光資源或連上未核准的網路。Neeraj Sharma 分享一個不到 50 行 Python 的執行器範例:只提供指定的環境變數、限制 CPU、記憶體、檔案大小和執行時間,並在可用時關閉網路;每次執行也會使用獨立資料夾,限制輸出長度。範例測試顯示,程式看不到主機上的 API 金鑰,超時時也會一併結束它啟動的子程式。不過這種做法仍與主機共用核心,作者建議讓不受信任的使用者觸發程式執行時改用 microVM 等隔離環境。

    推薦理由:這份範例把環境變數、運算資源、執行時間與網路等風險拆成可測專案,也說明瞭共享主機核心的防護邊界。

  15. Dev.to Top Tech76

    React Source String 外掛讓開發者一眼找到畫面元件的程式碼

    在大型專案裡,光看網頁上的按鈕或文字,常很難找到負責顯示它的程式碼。作者做了 Babel、Vite 和 SWC 外掛,會在開發時替 JSX 元素加上檔案路徑和行號;開發者用瀏覽器檢查畫面,就能直接看到位置,也能把位置貼給 Claude Code、Cursor 或 Copilot,讓 AI 助理改對地方。若畫面元件是由多層包裝元件組成,外掛也提供選項,讓位置指向使用元件的頁面;但包裝元件若沒有把屬性傳下去,位置仍會留在包裝元件本身。

    推薦理由:這套外掛把 JSX 元素連回檔案與行號,也說明包裝元件會影響定位結果,並提供可調整的選項。

  16. LangChain Blog60

    LangChain 分享如何打造 AI 助理可用的知識工廠

    AI 助理要替公司做事,光有模型和資料還不夠,還得知道公司的做事規矩、資料放在哪裡,以及該怎麼查。LangChain把這套整理流程稱為知識工廠:AI 助理工作時遇到缺資料或錯誤,可以先回報問題,再由背景執行的整理助理檢視檔案、資料來源和工作紀錄,更新相關指引。以營收報表為例,助理發現資料欄位改名時會回報,也能把財務主管提供的新格式要求整理進報表指引,讓之後的工作更順。LangChain建議從一項常做的工作開始,觀察 AI 助理卡在哪裡,再逐步補上缺少的知識。

    推薦理由:LangChain以營收報表為例,說明如何讓AI助理回報知識缺口,再由整理助理依據資料來源與工作紀錄更新指引。

  17. Dev.to Top Tech78

    Raft 和 Paxos 怎麼讓分散式系統的多臺機器對上同一份資料

    多臺伺服器同時故障、變慢或彼此斷線時,怎麼確保它們記錄的資料不會互相矛盾?文章用五個朋友共寫筆記本的例子,說明 Raft 和 Paxos 如何靠多數決確認每一筆資料;Raft 固定由一位領導者提議,Paxos 則允許多人提議,遇上同時競爭時可能拖住進度。文中也比較節點數和故障機率:每臺機器有 1% 的時間故障時,3 臺組成的叢集每年約有 157 分鐘無法達成共識,5 臺約 5.2 分鐘,7 臺約 11 秒。增加節點能降低失去共識的時間,但跨區傳送資料的距離也會拉長寫入時間。文章建議使用已有共識機制的資料庫或工具,並留意磁碟太慢造成的延遲。

    推薦理由:文章用多數決與節點故障數字解釋 Raft 和 Paxos 的取捨,也連到跨區延遲與磁碟變慢時的實務影響。

  18. Dev.to Top Tech79

    React 教學:可從資料算出的值,別用 useEffect 另存狀態

    React 畫面有時會先顯示舊資料,再更新成正確結果。作者用搜尋清單說明,若把篩選結果另存成 state,再用 useEffect 更新,每次輸入都會多跑一次畫面;他以 React 19.3.1 測試 5,000 筆資料,搜尋「item 42」時,畫面先顯示全部資料,接著才顯示符合條件的 111 筆。直接在畫面更新時算出結果,只要跑一次;計算真的很慢時可用 useMemo。作者也提醒,useEffect 適合處理網路、訂閱或 DOM 等 React 以外的事,不適合拿來複製一份可直接算出的資料。

    推薦理由:文章用搜尋清單的例子說明,將可直接算出的資料另存狀態,會讓畫面先顯示舊結果並多跑一次;也整理了適合使用 useMemo 與 useEffect 的情況。