跳到正文

全部動態

RSS
今日 144 則
11月22日週日
  1. Dev.to Top Tech58

    退貨分類案例:小模型測試 97% 準確,卻照搬了大型模型的錯誤

    小模型看起來測試很準,卻可能只是學會大型模型犯的錯。文中的公司用大型模型替 50,000 筆舊退貨分類,再拿這些分類訓練小模型,測試結果有 97% 準確。上線後,模型卻把運送途中摔壞的商品判成商品故障,讓不同物件的求償數量大幅改變。原因是訓練和測試都沿用大型模型的分類,測到的只是小模型有多像老師。作者建議先請處理求償的人手動標記幾百筆退貨,保留這批資料作為可靠的測試答案,並先用它檢查大型模型,再比較小模型;也要先問清楚每種分類會影響哪些決定。

  2. Dev.to Top Tech64

    音響開著時才開幻象電源,為什麼會突然爆音?

    音響已經開著時才開啟麥克風的幻象電源,可能會突然傳出很大的低音爆音。電容式麥克風需要電力,幻象電源會沿著同一條線送出 48 伏特;電壓突然切換時,聲音也會跟著跳一下,音量推桿開著就會直接從喇叭放出來。作者建議開機時先開混音器、再開其他器材,最後才開喇叭;關機則先關喇叭。切換幻象電源前先把音量推桿拉低並靜音,換麥克風也要先靜音。爆音可能傷到高音單體,也可能損壞接線有問題的老式鋁帶麥克風。

  3. Dev.to Top Tech48

    為什麼 400 位顧客和 40,000 位顧客受影響,感覺卻差不多?

    同一週發生兩起錯誤:結帳問題影響 400 位顧客,定價問題影響 40,000 位顧客,但團隊看報告時覺得兩件事一樣嚴重,也花了差不多的力氣處理。人很容易被腦中想像的畫面牽著走,感覺不出影響人數差了多少。寫事故報告時,可以先列出受影響人數、損失金額和持續時間,再把本週和上週的數字用同樣單位排在一起,排工作優先順序時也要看有多少人受到多大傷害。例如 40,000 位顧客各浪費 5 分鐘,加起來超過 3,000 小時,接近一個人工作兩年的時間。關心問題很重要,但也得用數字看清影響有多大。

  4. Dev.to Top Tech65

    如何避免在錯誤的資料庫伺服器上輸入指令

    兩個資料庫伺服器的終端機看起來一模一樣,忙累時可能把指令打在錯的地方。文章提到,GitLab 一名工程師曾在 2017 年 1 月底誤刪主資料庫資料,讓公司損失約 6 小時的正式環境資料。作者建議把主機名稱和環境直接顯示在提示文字中,讓正式環境使用不同顏色,並關掉暫時不用的視窗;執行會刪除資料的指令前,也可以先確認主機名稱,或使用會要求確認的工具。重點是讓目前連到哪臺伺服器一眼就看得出來,減少把指令送錯地方的機會。

  5. Dev.to Top Tech56

    ApplyKoala 示範用 Claude Code 和 Codex 管理求職進度

    AI 助理能幫忙找工作和填表,卻可能在工作階段結束後忘記看過哪些職缺、投過哪些履歷。ApplyKoala 用求職追蹤工具和遠端 MCP 伺服器儲存這些紀錄,讓 Claude Code、Codex 等工具接續查詢;每筆適配判斷都要引用履歷原文,職缺研究也必須附上來源連結和日期,伺服器會檢查資料。它不會替使用者送出申請,填完表格後仍由使用者決定是否送出。

  6. Dev.to Top Tech52

    Python 3.14 開始警告 finally 區塊中的 return、break 和 continue

    程式在 finally 區塊裡寫 return,可能會把原本要傳出的錯誤吃掉,讓呼叫它的程式以為事情成功了。文章用訂單寫入資料庫的例子說明,即使資料庫故障,函式仍可能回報成功;在迴圈裡使用 break 或 continue,也可能讓例外消失。Python 3.14 會對這種寫法發出 SyntaxWarning。升級前可以搜尋 finally 區塊中的 return、break 和 continue,開啟 Ruff 或 flake8-bugbear 的 B012 檢查,並改成在 finally 做清理、之後再回傳結果,讓錯誤能正常傳出。

  7. 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。

  8. Dev.to Top Tech42

    CV by JD 如何重做履歷評分,避免履歷動不動就拿滿分

    有人把履歷改成符合 4 份不同的工作說明,CV by JD 卻每次都打出 100 分,還完全沒有改進建議。查了才發現,評分模型沒回傳結果時,網頁會改用舊演算法:只要履歷有電子郵件、LinkedIn 網址、工作經驗等專案,就可能一路拿滿分。團隊刪掉這個假分數,改成先從工作說明整理要求,再逐項判斷履歷符合多少,最後由程式計算分數;分數和建議也都根據同一批判斷產生。 新系統還會檢查履歷改寫內容有沒有憑空加上證照、職稱或日期。測試時,12 份忠於原文的履歷都通過,19 個刻意加入的不實內容則全被抓到。這讓評分比較穩定,也能降低求職者拿著不實履歷去面試的風險;如果系統真的算不出分數,就直接顯示「無法評分」,不再編一個好看的數字。

  9. Dev.to Top Tech48

    GitHub Actions 排程沒跑或延遲?8 個常見原因與解法

    GitHub Actions 的排程有時沒執行,或比預定時間晚很多,因為它會把工作排進共用的佇列,不保證準時開始。常見原因包括:排程沒有放在預設分支、把 UTC 時間誤當成當地時間、公開儲存庫 60 天沒有活動而停用排程,或工作其實有執行但失敗了,通知只寄給最後修改排程的人。文章也提醒,cron 每小時整點容易塞車;例如把 0 9 1-5 改成 17 9 1-5,可能比較不容易延遲。如果帳單或提醒信必須準時送出,可以保留原本的工作流程,改由外部排程器在指定時間呼叫 GitHub API;日常檢查等不趕時間的工作,則仍適合用 GitHub Actions 排程。

  10. Dev.to Top Tech66

    Claude Code 何時會讀取 AGENTS.md?設定方法與注意事項

    Claude Code 有時會跳過 AGENTS.md,讓專案裡的操作規則沒有載入。文章整理了從 v2.1.277 起的讀取方式:如果工作資料夾或上層資料夾有 CLAUDE.md、.claude/CLAUDE.md 或 CLAUDE.local.md,預設就會讀這些檔案而略過 AGENTS.md。想同時載入兩者,可以在 CLAUDE.md 開頭加入 @AGENTS.md,或在 /config 裡調整設定。兩份檔案若放了重複規則,重複文字仍會佔用 token;團隊也要留意個人設定檔可能讓自己讀不到共用的 AGENTS.md。

  11. Dev.to Top Tech60

    網站如何確認使用者年齡,同時保護個人隱私

    只勾選「我已滿 18 歲」並不能證明使用者的年齡,但英國、澳洲等地的規定正讓更多網站需要認真處理年齡確認。常見做法包括用自拍估算年齡、檢視身分證件、請銀行或電信業者確認,或使用不必透露姓名和生日的數位身分錢包;每種方式在準確度、費用、方便程度和隱私上都有不同取捨。文章建議,多數團隊可串接專門服務,並盡量只留下「已成年」或「未成年」的結果,不儲存照片或證件,也要提供模型判錯或沒有護照的人其他確認方式。遊戲、論壇、交友服務和販售年齡限制商品的網站,也可能需要調整隱私設定、訊息功能和推薦內容。

  12. Dev.to Top Tech48

    如何排查:明明沒加 noindex,Google Search Console 為什麼還說網頁不能收錄?

    網頁明明找不到 noindex,Google Search Console 卻說不能收錄,常見原因是 Googlebot 收到的內容和你看到的不一樣。先用網址檢查工具測試即時網址,確認 Google 是在網頁標籤還是 HTTP 標頭裡看到 noindex;例如,X-Robots-Tag 標頭不會出現在網頁原始碼裡,可能是測試環境設定被帶進正式網站。 其他可能來源包括 CMS 或外掛設定、只給爬蟲看的網頁內容、JavaScript 加上的標籤,以及部署時用錯環境設定。修好後,確認標頭和網頁都沒有 noindex,再請 Google 重新檢查。也可以在正式環境部署後自動檢查,避免重要網頁突然從搜尋結果中消失。

  13. Dev.to Top Tech60

    用 Python 比對部署前後的紀錄,找出 Googlebot 少爬取的網站區塊

    網站改版後,如果 Googlebot 突然少爬某些頁面,光看整個網站的統計圖很難找出原因。作者提供一支 Python 程式,讀取 Nginx 或 Apache 紀錄,只留下 Googlebot 的請求,再依網址第一層路徑,比較部署前後每天的爬取次數和回應狀態。文中的例子顯示,/docs/ 的爬取量下降,剩下的請求則多了重新導向和找不到頁面的錯誤;另一個區塊也出現伺服器錯誤。這能幫忙縮小檢查範圍,但要留意爬蟲次數本來就會變動,假冒 Googlebot 和 CDN 紀錄也可能影響結果。

  14. Dev.to Top Tech57

    一套揀貨系統的試點為何高估了成效?

    新系統在試點時看起來效果很好,推廣到其他分店後,成效卻沒有原先預期的多。作者回頭檢查發現,試點分店在上線前整理了貨架,還有積極的主管和分析人員到場協助;試行期間又正好是淡季。後來公司也在各分店重新標示貨架,錯誤出貨比例降到約 1.1%。作者建議,試點要選一家一般分店和一家較難改善的分店,並涵蓋忙碌月份;同時記下其他變動,並找一家沒有改變做法的分店比較。

  15. Dev.to Top Tech48

    為什麼只打勾功能的競品表會誤導開發者?用 9 欄矩陣找出產品真正卡住使用者的地方

    只比較產品「有沒有」深色模式、SSO 或 iPad 版,就像看到功能打勾,卻沒發現使用者實際上在哪裡卡關。作者改用 9 欄表格,記下使用者想完成的事情、問題是大家都遇到還是某個 App 特有、評論來自哪段時間,也補上好評作為參考。 以 Threads 和 Bluesky 各 200 則美國 App Store 評論為例,兩款 App 都有 iPad 版,但評論仍有人抱怨 iPad 使用體驗;帳號問題的原因也不同。把評論內容和取樣日期一起比較,團隊更容易看出產品真正的缺口,也不會只挑負評來判斷競品。

  16. Dev.to Top Tech42

    為什麼我會先寫好功能公告,再開始開發

    開發新功能前,我會先用一段白話寫清楚:使用者會有什麼改變,這件事為什麼對他有幫助。寫不出來,就代表功能還沒準備好。這也會逼自己想清楚功能是為誰做、能幫人省掉什麼事,以及怎麼知道它真的有用。 功能清單很容易越列越長,但每一則公告都得說出真實的人會在意的好處。若公告寫起來很空,功能可能也不夠實在;趁還沒開始開發就發現,總比做到一半才發現省事。

  17. Dev.to Top Tech64

    如何設計限流器:比較五種演演算法與 Redis 的失敗情況

    API 收到太多請求時,可能被爬蟲、出錯的程式或大量重試拖慢;多臺伺服器各自計數,也會讓同一個人超過限制。文章先整理設計前要問的問題,再比較五種限流方法:固定視窗簡單但時間交界可能放過雙倍請求;滑動視窗較準確;令牌桶容許短暫突發;漏桶則讓請求以固定速度通過。選哪一種要看是否能接受突發、需要多精確,以及記憶體成本。多臺伺服器必須共用計數;在 Redis 分開執行增加計數和設定到期時間,可能留下永不過期的計數。作者建議把檢查合成一次不可被打斷的操作,例如用 Redis Lua 指令碼,避免同時到來的請求都誤以為還有額度。

  18. Dev.to Top Tech62

    Speakvora 作者解釋電話轉接給 AI 助理後,簡訊和語音信箱會怎麼處理

    把電話轉接給 AI 助理後,原本的簡訊不會跟著轉過去,語音信箱也可能先接起電話。Speakvora 作者整理三種做法:保留原門號只轉接電話、把門號轉到其他服務商,或改用新的商務門號。轉接最快,但要先準備接聽電話的號碼,也要確認電信商會不會收費;攜碼能一起處理電話和簡訊,但通常要等 5 到 15 天。作者建議先用練習模式,再從另一支電話測試轉接效果;如果需要即時語音通話和 AI 對話,目前只有 Twilio 支援。

  19. Dev.to Top Tech35

    Amazon EC2 是什麼?用雲端虛擬伺服器架網站、跑程式

    想架網站或跑程式,不一定要先買一臺實體伺服器。Amazon EC2 讓你向 AWS 租用雲端虛擬伺服器,能用來架網站、執行應用程式或處理資料;你可以依工作挑選伺服器的運算、記憶體和儲存能力,也能設定誰可以連線。舉例來說,想架一個網站,就能開一臺 EC2 虛擬伺服器、選擇 Ubuntu Linux、設定連線規則,再安裝 Nginx 或 Apache。這讓人能依需求使用雲端運算資源,不必自行購買和維護實體硬體。

  20. Dev.to Top Tech61

    V-Systems 分享 AI 審查漏看使用條款後,如何重做點子審查流程

    把公開廣告資料整理成付費報告前,團隊的 AI 審查只看了資料集說明,沒讀資料來源的使用條款。團隊後來讓不同角色分別檢查條款、付費證據和其他風險,再互相質疑;每個點子也必須附上條款原文和有人付費購買同類產品的證據。重跑原本的點子時,審查在 457 秒內指出商業轉售可能違反條款,也發現沒有付費需求的證據。不過,同一個模型擔任多個角色時,仍提出了錯誤異議,顯示審查流程本身也需要檢查。

  21. Dev.to Top Tech54

    如何用租約管理 REST 電子郵件驗證,讓重試不會誤開帳號

    電子郵件驗證看起來像一次點選,背後卻有 API、資料庫、佇列和郵件服務等不同環節,重試或延遲可能讓舊連結仍被接受。文章建議替每次驗證設定到期時間,資料庫只允許有效的最新驗證嘗試改變帳號狀態,並在同一筆交易中撤銷舊嘗試、建立新嘗試。系統只儲存隨機權杖的摘要,寄信則交給背景工作處理;即使重試造成重複寄信,也不會因此產生兩個有效的帳號驗證狀態。

  22. Dev.to Top Tech66

    n8n 教學:用 Edit Fields、表示式和 Code 節點整理資料

    表單資料常有空格、格式不一或空白欄位,直接送進 CRM 或 AI 助理可能讓後續流程出錯。這篇教學用聯絡資料示範 n8n 的三種整理方式:簡單的欄位增刪與改名用 Edit Fields,單行的小轉換用表示式,遇到條件和重複處理再用 Code 節點。例子會把電話、電子郵件、金額和日期整理成一致格式;電話或日期不合規時則標記為待確認,交給人員檢查。作者也提醒,固定規則用程式處理較可靠,AI 助理適合處理需要理解文字意思的工作。

  23. Dev.to Top Tech62

    PHP 教學:如何避免 Telegram Stars 付款遭偽造或重複發貨

    Telegram Stars 付款看起來只要收款後交付商品,但如果後端沒有仔細核對,可能接受偽造通知,或因 Telegram 重送資料而重複交付。作者示範用 PHP 處理完整付款流程:先替訂單資料加上簽章,付款前核對訂單、金額和幣別,再用資料庫交易與鎖定避免同一筆付款被處理兩次。文章也提醒,付款確認要在 Telegram 規定的 10 秒內回覆,並驗證 webhook 的金鑰;若交付失敗,可用 refundStarPayment 退還 Stars。

  24. Dev.to Top Tech37

    NAXSI 網路搜尋結果少,不代表防護規則真的有啟用

    NAXSI 是裝在 NGINX 裡的網站防火牆模組,但外部掃描不一定看得出它有沒有運作。ZoomEye 在 11 月 22 日搜尋時,找到 0 筆應用程式欄位結果、10 筆標題結果和 162 筆網頁內容結果;這些數字只反映這次搜尋,不能證明網路上沒有 NAXSI,也不能證明找到的網站正在用它擋攻擊。要確認防護是否生效,管理者得檢查 NGINX 設定,並送出符合已知規則的安全測試請求,再對照回應和伺服器紀錄。這也提醒大家,外部搜尋只能提供線索,不能代替實際檢查。

  25. Dev.to Top Tech55

    Real-ESRGAN 切圖放大要留多少邊?實測 34 畫素才和整張推論相同

    把大圖片切成小塊放大時,接縫附近可能和整張圖片一次處理的結果不同。作者用 Real-ESRGAN General x4v3 放大一張 480×480 圖片,逐步增加每塊周圍保留的原圖範圍:留 33 畫素時,超過 1,100 萬個輸出值中仍有 3 個差 1 階;留 34 畫素時,所有輸出值都相同。作者也依模型的卷積層結構推算原因,並說明這是推論,沒有另外驗證。這個數字只適用於這個模型;相同畫面也不代表放大的細節是真實的,因此不適合拿來辨認身分、做鑑識或確認 OCR 文字。

  26. Dev.to Top Tech70

    k9s 如何用快捷鍵和外掛加快 Kubernetes 事故排查

    服務部署後開始出錯時,工程師常得反覆輸入指令、手動複製 Pod 名稱,拖慢排查。這篇教學示範用 k9s 在同一個終端畫面篩出異常 Pod、檢視事件和前一次容器的記錄,再用外掛開啟除錯容器。它也提醒先明確指定叢集環境,並確認 RBAC 許可權;臨時除錯容器不能從 Pod 移除,Pod 被替換後才會消失。

  27. Dev.to Top Tech53

    cron 排程的兩種常見誤讀:看懂每分鐘執行與日期條件

    cron 排程寫起來很短,卻容易讓工作在不對的時間執行。文章解釋兩種常見誤讀: 9 會在上午 9 點的每一分鐘都執行;0 9 1 1 則會在每月 1 日和每個星期一上午 9 點執行,不是隻挑兩者重合的日子。若要只在星期一遇上 1 日時執行,可以排在每個星期一,再由指令檢查日期。文章也提醒,排程可能採用 UTC,像 /7 這種間隔每小時會重新計算;部署前先檢視接下來幾次執行時間,有助於避免排錯。

  28. Dev.to Top Tech64

    InApp 分享 AI 助理工具如何減少每次請求的耗能

    檔案轉換每次要花多少電,光看速度或架構圖很難知道。InApp 為每次轉換記錄耗能後發現,系統先解析整個網頁、最後才刪掉多餘內容,讓沒人讀的部分也耗掉運算;把長度限制提前處理後,平均每次耗能約少了三分之一,輸出品質沒有改變。作者也發現,小檔案若每次都啟動新容器,啟動耗能可能比實際工作還多;把小工作交給已啟動的工作程式,則能改變成本。記錄中分開列出排隊與運算時間,也讓作者看出速度和耗能不是同一回事。

  29. Dev.to Top Tech63

    Real-ESRGAN 圖片放大怎麼減少分塊接縫?實測補邊寬度的影響

    把圖片切成小塊放大,常會在接縫處看到淡淡的格線;多留一些邊緣再裁掉,能改善這個問題,但也會花更多時間。作者用 Real-ESRGAN General x4v3 比較不同補邊寬度:每塊留 24 畫素時,結果和整張圖片一次放大的差異已很小;留 34 畫素時,這次測試的輸出完全相同。補邊越寬,處理通常越慢,而且合適的寬度會因模型而異,作者建議用同一張圖比較整張處理和分塊處理的差異。這個結果只適用於這次測試,不能直接推到使用注意力機制的模型;放大後的細節也是模型猜出來的,不適合拿來辨識身分、做鑑識或確認 OCR 文字,原圖仍要保留。

  30. Dev.to Top Tech57

    AskGrid 如何讓 AI 分析 CSV,又避免洩漏資料與算錯

    讓 AI 回答 CSV 試算表問題時,直接把資料列交給模型可能洩漏內容,也可能算錯;讓模型執行任意程式碼還會帶來遠端程式碼執行風險。作者打造 AskGrid,讓模型只讀取欄位名稱和資料型態,並把問題轉成固定格式的分析要求,再由 Pandas 執行允許的運算,附上計算過程。作者也用自動測試找出三個問題,包括把訂單編號誤認成負數金額,以及模型把「前三名」理解成列出全部群組。修改提示詞後,測試中的意圖判斷與數字結果都達到 100%;這些結果來自文中的測試案例。

  31. Dev.to Top Tech42

    RapidAPI 金鑰為什麼要留在伺服器,不能放進 Git 或瀏覽器

    如果網站把 RapidAPI 金鑰放進瀏覽器或程式碼庫,別人就可能把它找出來,拿去消耗額度,讓網站無法服務訪客。ramrom.io 把金鑰只放在伺服器上的 api/config.php,由 resolve.php 帶著金鑰向服務商取得下載連結,再把連結交給瀏覽器;.htaccess 也會擋住外人直接讀取設定檔。 例如有人把程式碼上傳到 Git,金鑰仍留在伺服器,不會跟著上傳;若金鑰真的外洩,只要換掉那一個檔案裡的金鑰就能恢復服務。這種做法不只比較安全,出問題時也比較容易處理。

  32. Dev.to Top Tech46

    React 如何用 Canvas 製作程式碼雨背景,打造開發者首頁主視覺

    開發工具的網站如果只放筆電照片,訪客很難看出產品有什麼用。作者用 React 和 Canvas 做了一個免費的首頁主視覺範本:畫面上有程式碼範例、即時請求紀錄和可複製的安裝指令,背景則是像《駭客任務》那樣往下流動的程式碼。程式碼雨每秒最多畫 24 次,畫面捲出視窗或分頁被藏起來時就會暫停;如果訪客選擇減少動畫,也只會顯示一張靜止畫面。這樣既能讓開發者一眼看到產品和程式碼有關,也不會讓背景動畫一直忙個不停。

  33. Dev.to Top Tech62

    n8n 新手教學:用內建節點做 RSS 摘要、表單寫入試算表和網站監測

    剛開始用 n8n 時,流程常在欄位名稱、空資料或網路短暫中斷時出錯。作者整理了三個只用內建節點的工作流程:每天寄送 RSS 摘要、把表單內容寫進 Google Sheets 並寄出通知,以及定時檢查網站是否正常。網站監測範本會在第一次檢查失敗後等 60 秒再試一次,兩次都失敗才寄出警告;不過 n8n 停止運作時,就不會繼續檢查。範本可從 GitHub 匯入,設定自己的網址或試算表和帳號憑證後使用。

  34. Dev.to Top Tech47

    Nonogram 開發者做出 9,000 道謎題,15×15 小格只有約六分之一的圖片過關

    Nonogram 是看著每行、每列旁的數字填格子,最後拼出圖片。開發者想替自己的遊戲準備 9,000 道題目,便把圖片轉成三種大小的格子,再用程式檢查題目能不能靠邏輯解出、答案是否只有一種,最後還請人看拼好的影像不像原本的東西。結果,9,680 張候選圖片中,15×15 只有 1,579 張通過,約六分之一;25×25 則有 6,473 張通過,約三分之二。 有些圖雖然能解,格子太小卻看不出畫的是什麼;還有些題目太容易,例如左右對稱,填完一半就能照著補另一半。最後遊戲收錄了 9,000 道題目,也加上規則,限制太對稱或第一輪就能填出大部分格子的題目比例。這顯示題目有唯一答案還不夠,還得看圖片清不清楚、玩起來有沒有挑戰。

  35. Dev.to Top Tech40

    n8n、Make 或 Zapier 如何用一次 HTTP 請求產生泰文 PDF 收據

    替泰國客戶做自動化時,付款後寄出泰文 PDF 收據看起來很簡單,實際上泰文字可能變成空白方框,或讓母音和聲調符號跑錯位置。做法是先用 HTML 排好收據,加入有泰文字的字型,再透過 HTTP 請求把內容送到 PDF 服務產生檔案;文中用 Sarabun 字型和 Leafkiln 示範。 在 n8n 裡,可以用一個節點準備收據內容,再用 HTTP Request 節點送出,讓產生的 PDF 接著寄到 Gmail、LINE 或存進 S3;Make 和 Zapier 也能用類似方式串接。這樣就能把付款通知接上泰文收據,不必手動排版;不過字型要順利載入,長收據也要留意換頁。

  36. Dev.to Top Tech70

    AI 助理除錯技能:沒有新證據,就不再試第二次

    AI 助理遇到錯誤時,常會反覆猜設定、改連線埠或重開服務,卻沒有新線索。作者曾遇到外部使用者無法連線、但本機檢查都正常的情況;同時檢視前端和後端的主機紀錄後,才發現 DNS 指向私人網路位址,外部使用者因此無法連上。作者把這次經驗整理成開源除錯技能:每次重試前,AI 助理都要說出新找到的證據;相同錯誤在兩種不同嘗試後再次出現,就應查最新資料或縮小問題重現範圍。技能也要求先說明能檢視哪些資料來源、在固定步驟收集證據,並把已理解的錯誤改成回歸測試。

  37. Dev.to Top Tech57

    用 Python 比較 Agoda 和 Booking.com 的飯店價格

    想知道 Agoda 和 Booking.com 哪家便宜,得先確保比較的是同一間飯店、同一段住宿。這篇教學用 Python 同時搜尋兩個網站,再用飯店名稱和座標配對,整理出每晚含稅價格、價差與哪家較便宜的表格。配對結果可以回頭檢查,但比較只涵蓋兩邊都找到的飯店;稅費、房型和取消條件也可能不同,所以結果適合當作價格線索,不能直接代表整個市場。

  38. Dev.to Top Tech68

    手把手在 AWS 上架設三層 WordPress 網站

    WordPress 放在單一伺服器上雖然簡單,但要讓網站能分散流量、共用檔案並保護資料庫,就得把不同工作分開。這篇教學帶著讀者在 AWS 建立三層架構:外部訪客先連到負載平衡器,再由兩臺沒有公開 IP 的應用程式伺服器處理網站;WordPress 的資料放在 RDS,圖片、佈景主題和外掛則共用 EFS。文章也說明如何設定網路、伺服器和連線規則,並整理網站無法連線時可檢查的地方。

  39. Dev.to Top Tech66

    Mahmud Hasan 做了 Laravel VPS 設定產生器,減少手動設定和部署失誤

    在小型 VPS 上部署 Laravel,手動寫設定檔容易漏掉佇列重啟步驟,也可能讓 PHP-FPM 開太多程式、擠壓 MySQL 可用的記憶體。Mahmud Hasan 做了一個免費產生器,填入網域、專案路徑、PHP 版本和資料庫等資料,就能產生 nginx、PHP-FPM、Supervisor 設定、部署檢查清單和 .env 範本;PHP-FPM 的程式數量會依記憶體計算,清單也會提醒部署後執行佇列重啟。它適用於 Ubuntu 24.04 的單一伺服器,不涵蓋多臺伺服器、Octane 或負載平衡器;產生的 APP_KEY 仍須為每個專案各自建立。

  40. Dev.to Top Tech62

    Luke Shin 分享用 Kiro 打造舊式付款檔案核對工具的兩天經驗

    銀行和企業每天仍會交換固定格式的付款檔案,但如果讀不懂描述欄位的 COBOL copybook,人工整理時就容易出錯。Luke Shin 用 Kiro 打造「820」,把檔案解析、付款資料核對和人工例外決定分開處理;AI 助理只能說明程式已算出的結果,不能決定核對判斷。作者也記錄了審查助理一度捏造程式問題,以及自動化掛鉤看似成功、實際上沒有執行的情況,並用測試和執行紀錄找出問題。這次經驗展示瞭如何讓 AI 助理的工作結果能被程式和紀錄查核。