GitHub 流量資料只保留 14 天,如何自己長期儲存
GitHub 的流量頁面只保留最近 14 天,太久才檢視就會少掉一段紀錄。作者示範用 GitHub API、指令稿和每日排程,把瀏覽次數與複製次數按天存起來;來源網站和熱門頁面則要各自儲存成 14 天區間快照,不能把每天的快照加總,否則同一批訪客會被重複計算。排程需要另一組具備存取許可權的權杖,作者也提醒要留意權杖到期,以及定期確認工作流程仍在執行。
GitHub 的流量頁面只保留最近 14 天,太久才檢視就會少掉一段紀錄。作者示範用 GitHub API、指令稿和每日排程,把瀏覽次數與複製次數按天存起來;來源網站和熱門頁面則要各自儲存成 14 天區間快照,不能把每天的快照加總,否則同一批訪客會被重複計算。排程需要另一組具備存取許可權的權杖,作者也提醒要留意權杖到期,以及定期確認工作流程仍在執行。
複製物件時,速度快的方法可能會悄悄漏掉資料。作者在 Node 22 比較 structuredClone 和 JSON.parse(JSON.stringify()),發現複製一般資料時,JSON 方法快了約 1.6 到 1.75 倍;不過它會丟掉函式和 undefined,把 Date 變成文字,遇到迴圈引用還會出錯。structuredClone 能保留 Date、Map、Set,也能處理迴圈引用。作者建議先用 structuredClone;只有確認資料是一般 JSON 格式,而且程式常常大量複製、速度也確實成了問題時,再考慮改用 JSON 方法。
訊息一讀過,未讀提醒就消失;如果當下沒空回,之後很容易忘記。作者整理了幾個做法:兩分鐘內能回就立刻回,否則把訊息標成未讀、設為稍後提醒,或加進待辦清單;暫時答不完時,可以先告訴對方何時回覆,再安排固定時段集中處理訊息。文章也介紹 WhatsApp 和 Gmail 的相關設定,以及作者開發的 Focus 100:Android 版可讀取所選 App 的通知,將需要回覆的訊息變成附有期限和草稿的待辦事項,草稿須經使用者同意才會送出。靜音聊天室不會被讀取;iPhone 版則需貼上或匯入訊息。
用 Claude Code 和 Codex 一起寫程式時,常得先整理一份 task.md,交代問題、檔案位置和做法;如果 GitHub issue 已經寫得很清楚,這份檔案就可能只是重複工作。作者改用 Orca,從 issue 挑出工作後,替它建立獨立的工作區,再開啟 Claude Code 或 Codex,並用快捷指令重複執行調查、修改和檢查步驟。 以 JobSearchBuilder 的 issue #47 為例,作者先確認怎樣才算修好,再讓 AI 助理處理,最後親自檢查修改內容並執行 dotnet build 和 dotnet test。需求複雜或模糊時,task.md 仍然有用;簡單明確的工作則可直接從 issue 開始,少做一份重複檔案,也比較不容易把不同工作的修改混在一起。
遇到程式錯誤時,隨手改幾行碰碰運氣,可能讓問題更難找。作者整理出一套除錯方法:先說清楚預期和實際結果,設法穩定重現錯誤,再仔細看錯誤訊息、追蹤資料怎麼變,並把問題縮小到最簡單的失敗例子。接著一次測一個想法,必要時用除錯工具逐步檢視程式,也檢查最近改過的內容。修好後,還要重做原本會出錯的步驟,並試試附近的情況。這樣能靠線索逐步排除原因,也讓求助時更容易說明問題。
Windows 出現 DCOM 10016 錯誤時,不一定代表程式壞了;Microsoft 說,常見的 Microsoft 元件案例是第一次啟動被拒後再試一次,通常可以忽略。作者建議先檢視事件中的 CLSID、APPID、帳號和來源,再確認同一時間是否有應用程式或服務故障。若電腦運作正常,可只隱藏特定組合的事件;若某個程式確實出錯,才在對應的 DCOM 設定中,只授予事件所列帳號需要的許可權。不要用 Everyone 完全控制或修改整臺電腦的限制來消除警示。
追蹤多個更新頁面時,同一則訊息可能因網址或發布時間不同,被系統當成好幾條新訊息,讓客服收到重複通知。作者建議先清理網址與頁面文字,再用來源、網址和文字雜湊值辨認重複內容,並把引用資訊一路保留到搜尋和通知中。這樣七個來源轉載同一段內容時,只算一組證據;頁面真的有變動時,通知也能附上新舊內容的差異和來源。文章也提醒,若內容主要在圖片裡,或必須逐一顯示每個轉載網址,這套做法就不一定適合。
付款結算和通知寄送如果綁在同一個排程工作裡,遇到程式中斷時,可能不知道訊息有沒有送出,也可能重複提醒。作者建議用排程啟動每晚的付款核對,把符合條件的提醒和寄送紀錄存進資料庫,再由佇列安排電子郵件、簡訊和推播各自重試。每則提醒使用固定識別碼,重跑核對或重複收到工作時,就能避免再次建立同一則通知。若服務端已接受訊息,但程式還沒記下結果就中斷,應先查收據或等待回呼;無法確認時,不要直接盲目重送。
替影片換成另一種語言的配音,常得找人錄音,再把新聲音對準畫面,過程又花時間又麻煩。這篇教學用 Python、ffmpeg 和 ElevenLabs 把流程串起來:先取出影片聲音,再產生新的配音,調整長度後放回影片。沒有現成臺詞時,也可以先把原音轉成文字,再翻譯成目標語言;例如,想把影片改成另一種語言,就能把翻譯好的臺詞交給 ElevenLabs 合成語音。這套做法能讓影片配音更容易自動處理,但新聲音仍要配合影片長度。
網站收到讀者的客服問題後,常得用簡訊回覆;但如果把讀者寫的內容全都留著,會佔用儲存空間,也可能留下不需要的個人資料。文章建議把原始訊息和簡短的處理紀錄分開儲存:紀錄可寫下案件送到哪個客服隊伍、採用哪版規則,以及簡訊是用哪個核准的寄件者送出,但不必把電話號碼或客訴內容也抄進去。舉例來說,假設每天有 10,000 筆表單,完整內容留 30 天約佔 3,600,000,000 bytes;簡短紀錄留同樣時間約佔 180,000,000 bytes。這些只是試算,不是法律建議;選 API 時也要確認寄件者核准和回覆處理方式,並實際檢查到期資料是否真的從備份等地方消失。
多個 AI 助理同時寫程式,可能改到彼此的檔案、搶用同一個連線埠,或拿舊程式碼合併。作者建議每個 AI 助理使用自己的 Git worktree 和分支,開始前先認領工作、列出預計修改的檔案,避免重複處理同一項任務。各自的連線埠、快取和測試資料庫也要分開;合併時先處理共用的介面或資料格式,再更新其他分支並重新測試。這些安排能減少衝突,也讓團隊更容易確認最後交付的版本確實通過檢查。
一般企業使用者不熟悉錢包和私密金鑰,也不該被要求自己管理。TrustedTrucks 把簽署工作放在獨立服務中:使用者先登入並提出像是「接受送貨證明」的動作,平臺確認他在該公司、對這筆貨運有許可權後,才由簽署服務留下紀錄。網頁和 Android App 都不會拿到金鑰,遺失或遭入侵的手機也不會帶著簽署資料。區塊鏈能確認檔案自存證後沒有被改過,以及哪個帳號核准了檔案;實際操作的人是否正確,仍要靠登入和裝置安全檢查。
大型訓練圖片上傳到一半中斷時,檔案可能已經存好,資料庫卻沒有紀錄,之後也難以確認何時該刪除。作者示範用 Node.js 分段上傳,先建立待處理紀錄,再儲存上傳編號,等檔案完成後才更新狀態;工作程式重新啟動後,也能依紀錄接著處理或放棄未完成的上傳。文章提醒,儲存期限和上傳工作期限是兩件事,必須分開管理;要定期找出並中止沒完成的上傳。
金融服務儲存使用者的私密圖片時,光是把檔案上傳成功還不夠,還得避免未授權的人下載或新檔蓋掉舊檔。文章示範用 Node.js 和 Sharp 在上傳前縮小圖片並轉成 WebP,再以私有許可權和固定的重試識別碼寫入雲端;應用程式要先確認使用者有權檢視,再發出限時下載連結。作者也提醒,儲存服務不一定有版本還原、不可變更儲存或短於一天的期限設定;若這些功能是必要條件,就要選擇能提供它們的儲存服務。
一個自稱 Moonlighter 的 Claude AI 助理,正在公開嘗試靠接小工作賺錢。第一位客戶先用義大利文詢問怎麼合作、能不能退款,接著請它把《神曲》第一段寫成楔形文字。AI 助理先說清楚:可以把義大利文的發音換成楔形文字,但若要翻成阿卡德語或蘇美語,就很難確認是否正確。客戶選了較容易檢查的做法,並收到一小段免費預覽。 之後客戶又免費請它做一份 SpaceX 網頁報告。程式整理公開資料、產生報告,再交給檢查程式掃描;因為一句內容可能像投資建議,報告先被標記給人檢查,最後確認是歷史事實才寄出。這次沒有收入,但走完了接單到交件的流程,也讓 Moonlighter 發現,遇到不容易確認的要求時,先說清楚能做到什麼,比直接答應更重要。
HTML 裡的文字已經存成亂碼時,加上 UTF-8 標記也救不回原文。文章用「Café」變成「Café」為例,說明這是原本的文字被錯誤解讀後又存檔造成的;標記只能告訴瀏覽器如何讀取目前的檔案,無法猜出文字原本是什麼。修復前要先和可信來源或未受影響的副本核對,再只替換確認受損的文字,並檢查替換次數;建議另存新檔,保留原檔以便比對和還原。
如果 AI 助理能自己修改判斷工作是否完成的條件,測試通過也不一定代表工作做對了。作者示範一種檢查方法:開始前記下存放上限和測試的檔案內容,工作結束後再比對;只要這些檔案有變動,就先不接受結果。範例中,AI 把上限和測試一起改成 12,檢查仍會擋下來。不過,它只看事先指定的檔案,若把新上限寫到別處就抓不到,因此還是需要行為測試和人工檢查。文中也提醒,設定值能讀程序式,不代表它真的會影響執行結果。
密碼重設信即使成功送出,也不代表一定進到收件匣,或使用者收到時連結還能用。作者建議先決定由哪個系統產生最終郵件,再由 DKIM 替完成的內容簽署;若簽署後才修改頁尾或連結,可能讓驗證失敗。更換金鑰時,要用新的 selector,並依 DNS 快取和郵件佇列安排新舊金鑰重疊時間。文章也提醒,重設期限應由應用程式檢查,診斷寄送問題時不要把含有重設憑證的網址寫進紀錄。
走進清真寺、教室或會議室時,常有人忘了把手機轉成靜音;若 App 一直用 GPS 查位置,手機又會很耗電。作者分享 Muffle 的做法:交給 Google Play Services 的地理圍欄功能監看位置,只有手機跨過設定範圍時才叫醒 App 處理音量狀態,減少持續查位置的需要。不過,有些 Android 廠商會限制背景工作,室內 GPS 也可能不準。作者認為,結合 GPS 和已知 Wi-Fi 網路訊號,能讓觸發更可靠。
AI 寫出的引用看起來可能很完整,但 DOI 查得到,不代表它連到的就是引用所說的論文。作者做了免費的 Chrome 和 Edge 擴充功能 Fake Citation Detector,會先查 DOI 等識別碼,再比對標題、作者、年份等資料,並列出不一致的欄位。它把結果分成確認、資料有誤、查無紀錄和網頁來源;查無紀錄不等於引用造假。作者在 397 筆引用的測試中,抓出 120 筆 AI 編造的引用,也提醒工具無法判斷原始資料是否真的支援文中的說法。
TI-84 跳出 ERR:DIM MISMATCH,通常是因為要一起計算的清單或矩陣大小不合。像是兩份清單筆數不同,或矩陣相加時列數、欄數不一樣,計算機就不知道該怎麼算。按 2(Goto)可以直接跳到出錯的算式,再檢查清單長度或矩陣大小;如果是矩陣相乘,第一個矩陣的欄數還要和第二個矩陣的列數相同。例如,2×3 矩陣乘上 3×2 矩陣可以計算,2×3 乘上 2×3 則不行。把大小調整好再重算,就能排除這個錯誤。
有些瀏覽器會關閉 JavaScript,讓依賴網頁互動的小工具無法使用,也不方便把結果分享給別人。作者做的 HueConvert 把色彩轉換放在伺服器上,並用網址記錄顏色和印刷紙材型別;即使互動程式出錯,表單仍能送出,分享網址也能重現結果。工具可在 HEX、RGB、HSL 和 CMYK 格式間轉換,也會用螢幕顏色比對 Pantone 參考色,但作者提醒,比對結果只是數位參考,不能當成油墨配方或保證;螢幕預覽也取代不了實體色票和打樣。
AI 助理可能回答錯誤、花費過高或繞遠路,但一般監控顯示服務正常,團隊就不容易找到原因。Dynatrace 完成收購 Arize 後,文章整理 AI 可觀測性如何串起模型呼叫、資料檢索、工具使用、服務狀況與業務結果;文中也說明 Arize AX 和 Dynatrace 平臺仍分開提供,Phoenix 仍是開源專案,整合時程尚未公佈。實作上可從原型階段開始記錄追蹤資料,用 OpenTelemetry 建立評估,再把正式環境中答得不好的案例加入測試,持續檢查品質變化。
Node.js 能同時處理很多請求,但 JavaScript 通常仍在單一主執行緒上執行;如果這個執行緒忙著做大量計算,其他請求也可能卡住。文章用事件迴圈、libuv 和 async/await 說明背後的運作方式:等待檔案或網路回應時,主執行緒可以處理其他工作;await 會暫停目前的非同步函式,不會自動把同步計算移到別處。作者也用伺服器端點示範,CPU 密集工作執行時,連一般請求都會變慢,並介紹 Worker Threads、背景工作者及資料庫交易等處理方式。
AI 助理替付款做決定時,光看它的說法或紀錄,很難確認它有沒有照規則檢查。作者用 zkVerify 官方電路做出付款守門工具,在本機測試 11 種情況,並用零知識證明確認決定是否符合金額、期限和收款人等條件;測試中,電路也拒絕替錯誤決定產生證明。不過,重複使用同一筆證明的問題不在電路檢查範圍內,必須另外記錄已看過的證明。這套工具只在本機測試,沒有連上主網或參加計分賽事。
AI 應用同時收到很多請求時,重試程式可能讓每個失敗的請求一再重送,反而把服務塞得更慢;如果帳戶額度用完還一直等著重試,使用者也會白等。串流中途斷線後從頭播放,還可能讓畫面上的文字重複;整理聊天紀錄時,也可能把 AI 助理的工具呼叫和工具回覆拆散,導致服務拒絕處理。 文章介紹 TypeScript 套件 RetryKit v2.0.0,能處理重試、備用 API 金鑰輪替、串流中斷和聊天紀錄整理。以 OpenAI SDK 為例,SDK 本身預設會重試 2 次,再套上 3 次重試,單次失敗就可能變成 12 次請求。RetryKit 會避免重試次數疊加,遇到額度用完則改用備用金鑰,也不會在串流已送出文字後默默從頭重播,讓 AI 應用比較不容易因重試而拖慢或顯示錯誤內容。
網站看起來能正常使用,不代表真的適合放進使用者的資料;作者提醒,AI 做出的網站也可能因許可權或設定疏漏而露出個資。他整理了 10 項上線前檢查,例如用兩個測試帳號確認彼此看不到對方的資料、檢查瀏覽器程式碼裡有沒有秘密金鑰,以及確認付款狀態由付款服務驗證。清單也提醒要限制登入和表單的重複請求、更新套件,並避免把開發伺服器直接放到網路上。多數檢查不需要寫程式,若發現問題,應先修好再邀請真實使用者。
設定檔看起來正確,網站實際送出的內容卻可能不同;作者用 curl 檢查自己的 Next.js 靜態網站,發現 Firebase Hosting 把頁面設成快取一小時,而圖片和圖示則可能被快取一年。另一個問題是網站地圖、結構化資料和 llms.txt 裡的文章網址少了結尾斜線,造訪時會先轉址。作者建議把網址格式集中在同一處管理,並在部署後檢查實際回應,確認設定真的生效。
Windows 防毒軟體可能會把用來啟動 Node 專案的 .bat 檔刪掉,讓每天開工都得重新處理。Erdem Cırık 分享三種替代做法:用 Windows Terminal 開兩個分頁、用 PowerShell 指令碼開兩個視窗,或用 npm 的 concurrently 套件在同一個終端機啟動兩個專案。Terminal 的方式能在分頁間檢視錯誤;concurrently 會把兩個專案的輸出放在一起,但按 Ctrl + C 會同時停止兩個專案。作者目前使用 Terminal,也依照自己想怎麼檢視和停止專案,說明各方法適合的情況。
抓取短影片資料時,字幕和觀看數的變化方式不同,若把它們當成同一種資料,後續分析可能會出錯。作者連續 20 次抓取 MrBeast 的短影片,發現同一支影片的字幕文字每次都一樣,但觀看數、按讚數和留言數會變動,而且更新或顯示方式各有不同。例如一支影片在發布約 4 小時後有 514 萬次觀看,約 27 小時後升到 4,219 萬次;留言數則是經過四捨五入的數字。作者建議把影片文字等固定資料存一次,每次讀取的數字另存一筆,並提醒若只追蹤觀看數,可以改用 YouTube Data API。
AI 助理執行昂貴工作時,管理者得同時控制總支出,也要知道每筆費用算在哪位租戶名下。文章建議把帳戶支出上限放在 AI 助理無法修改的地方,並在執行前估算費用、替進行中的工作保留額度,完成後再用實際費用核對帳目。文中的示例裡,cedar 已用掉 70 個單位、另有 20 個單位保留,再加上預估 15 個單位就會超過 100,因此應拒絕這項工作。這能讓支出拒絕與租戶歸帳都有清楚依據;示例數字只是說明用途。
醫院的病人資料常常太少,很難看出癌症病人存活時間的規律;大型登記資料雖然多,卻得和醫院收治的病人夠相似,才可能派上用場。這項研究用兩組大腸直腸癌第一期病人資料測試:一組來自 SEER,另一組來自中國西部醫院。研究人員先用大型資料學習,再用醫院資料調整模型;其中一種方法會把學到的樹移過去再調整。結果顯示,四種模型在醫院資料完整時表現都有進步;把目標資料縮到只有 50 人時,研究也觀察到更明顯的改善。不過,這只證明在這組相近的病人資料中有幫助,不能保證換成別的癌症或差很多的資料也有效。
企業想把去識別化的營運資料授權給 AI 買家時,常不知道該開多少價。ImpactQuadrant 的 CFO Shyam Desigan 建立 DealPrice,參考公開報價,依資料型別和證據多寡估算常見價格區間,資料較少的型別會參考相近類別的價格。工具也會把資料量、品質、授權條件和買家管道放進交易模擬,估算可能的成交金額與賣方實收;例如,$100,000 的授權金額對應 $10,000 費用和 $3,000 經紀佣金。結果只是談判參考,不是正式估值或報價,最後金額以買賣雙方簽署的協議為準。
想在自己的電腦跑模型、在寫程式時用 AI 助理,或動手做 LLM 專案,可以從這份 GitHub 清單找工具。像 Ollama 能用一個指令下載並執行模型,Cline 能在 VS Code 裡讀取專案、修改檔案和執行指令;LiteLLM 則提供一個 API 連線 100 多種模型。清單也收錄 ComfyUI 這類圖片與影片生成工具,以及學習系統設計和動手做專案的教材,方便依照自己的需求挑選。
AI 助理寫程式很快,但看起來合理的程式碼和有自信的測試摘要,可能藏著錯誤。Lean Team 整理了合併前該檢查的五件事:呼叫不存在的 API、忽略錯誤、測試沒有真正檢查結果、只相信 AI 助理說測試通過,以及把行為改動藏在重整程式碼裡。作者建議查檔案、確認測試實際執行並檢查輸出,也把行為改動分開測試。這份清單可放進合併請求範本,也能交給 AI 助理先自我檢查。
AI 助理用加密貨幣付 API 費用時,賣家提供的收款地址和價格可能有變,付款後也不一定知道服務是否真的交付。作者在簽署付款前,先用 vet402 查核賣家與實際交易條件;若賣家不在資料庫,或價格、收款地址對不上,就暫停付款,交由人決定。付款完成後,系統再記錄服務回應狀況;串流回應即使送出 200,也不直接當成服務成功。這些紀錄不會自動阻擋賣家,主要用來留下可追查的證據。
突然收到一堆同名、寄往不同地址的低價訂單,可能不是生意變好,而是機器人用商店結帳測試盜來的信用卡。這類測試會用小額付款確認卡號能不能刷;即使取消訂單,持卡人之後仍可能提出拒付,還會影響商店的付款核准率。文章建議先不要出貨,檢查 CVV 和地址驗證設定;攻擊期間可改成手動請款,確認訂單後再決定是否收款,也可暫停寄送購物車提醒,或暫時調高、隱藏被盯上的低價商品。再設定警示,在短時間內出現多筆可疑訂單時及早收到通知。
搜尋到 TinaCMS 網站的標題,不代表就能知道它的管理後臺或後端有沒有對外開放。ZoomEye 搜尋到 9 筆標題含「TinaCMS」的結果,但這些資料無法證明 /admin 能否連線,也看不出網站是自架後端還是使用其他架構。自架網站的管理者要確認登入設定、GraphQL API 和 Git 許可權是否都有限制;例如,能登入的編輯者不應因此就能修改所有內容或分支。公開檢查時,只查看網站已公開的頁面,不要嘗試登入陌生網站。真正重要的是確認誰能修改內容,而不是搜尋結果有幾筆。
微服務的安全問題常藏在不同服務的交界處,例如邊界代理和內部服務對網址的理解不同,或高許可權背景服務的控制通道沒有妥善保護。作者打造了兩個 TryHackMe 練習環境,讓人實際檢查這些風險。第一個練習如何稽核反向代理與 API 閘道;第二個則要分析去除除錯資訊的 C 程式、理解自訂指令格式,並檢查內部服務與 Unix 通訊端的許可權。整套練習從網路邊界一路深入到程式分析和 Linux 許可權檢查。
iPhone 錄的影片設成 Telegram 個人頭像後可能沒有反應,原因是 Telegram 不接受文中提到的 HEVC(H.265)MOV 格式組合,卻沒有說明原因。作者因此做了 @liveavabot,讓使用者傳送影片或 GIF 後,拿到可用的頭像檔案。 轉檔時,ffmpeg 會先找出畫面範圍,再從中裁出置中的正方形,縮成 800x800,轉為 H.264、移除音訊,並把片長限制在 10 秒內。若檔案超過約 2 MB,程式會提高壓縮程度再試。Telegram Bot API 無法直接替使用者設定個人頭像,因此收到檔案後仍要在 Telegram app 裡自行設定;以檔案方式傳送則可避免 Telegram 重新壓縮。