burnstop 用本機代理攔住 AI 助理失控重試
AI 助理卡在重試迴圈時,程式可能看起來仍正常,卻持續消耗 API 額度。作者因應自己的 VPS 使用情境,做了開源工具 burnstop,當作 AI 助理和 API 服務之間的本機代理。文章指出,服務商的花費上限通常按月計算,觸發時還可能影響共用同一組 API key 的其他專案;systemd 等程式監控則只看程式是否還在執行。設定 burnstop 後,把 AI 助理的 base URL 指向它即可,作者表示不需要修改程式碼。
AI 助理卡在重試迴圈時,程式可能看起來仍正常,卻持續消耗 API 額度。作者因應自己的 VPS 使用情境,做了開源工具 burnstop,當作 AI 助理和 API 服務之間的本機代理。文章指出,服務商的花費上限通常按月計算,觸發時還可能影響共用同一組 API key 的其他專案;systemd 等程式監控則只看程式是否還在執行。設定 burnstop 後,把 AI 助理的 base URL 指向它即可,作者表示不需要修改程式碼。
升級 PHP 後,程式可能多了新功能,卻不一定跑得更快,還可能遇到相容性問題。作者整理 PHP 8.6 的部分新功能、棄用專案與行為變更,也對照微基準和 Laravel、Symfony、WordPress 的測試結果:微基準有些專案變快,但 Laravel 的每秒請求數幾乎沒變,Symfony 則略有增加。文章也提醒,工作階段 Cookie 預設值改變,可能影響讀取 Cookie 或跨網站送出表單的程式;升級前應先跑測試,並檢查相關設定和相依套件。
推薦理由:文章把 PHP 8.6 的功能與相容性變更放在一起檢視,並比較微基準和框架測試,呈現升級時的實際取捨。
AI 助理替客戶換匯時,如果程式在交易送出後當機,重試可能會把同一筆錢付兩次。作者在 Arc 測試網實際把 EURC 換成 USDC,再存進預算金庫;程式會先記下已簽署的交易,重開後也會查鏈上紀錄接著處理,不能確定交易狀態時就先停下來。測試中,供應商 API 回報的路由器和實際換匯端點不一致,報價時間單位也容易被誤讀。這條流程已在測試網跑通,但作者表示,上主網前仍要釐清供應商的問題並確認交易資料格式。
負載平衡器能把流量分給多臺伺服器,但它自己故障時,也可能讓整個網站停擺。這份面試指南帶讀者一步步設計:先確認需求和流量,再說明如何挑選健康的伺服器、檢查故障並安全移除伺服器。L4 只看 IP 和連線埠,速度快;L7 會讀取 HTTP 請求,能依網址或 Cookie 分流,但更耗 CPU,因此大型系統可以先用 L4 接住大量連線,再交給 L7 做細部分流。指南也說明兩臺負載平衡器如何共用虛擬 IP,主機故障時由備援主機接手,讓使用者端仍連到同一個位址。
在 Rust 裡,貓咪代表一筆資料:每筆資料一次只能有一個主人,主人離開使用範圍後,資料就會被清掉。把貓交給別人後,原主人就不能再使用它;如果只是借來看看,原主人仍能使用。想改動貓咪,可以用可修改的借用,但同一時間只能有一個人這樣做,不能還有人同時借著看。Rust 的借用檢查器會擋下違反規則的程式,幫忙避免資料被多人同時改壞。
會改檔案、下指令的 AI 助理需要界線,避免做出不該做的事。Sandscale 提供兩種用法:讓 AI 助理在雲端工作空間裡執行,或讓它透過 MCP 使用隔離的沙盒;政策則可規定哪些操作能做、哪些要先由人核准。以 Claude Code 為例,每次提示詞和工具呼叫都會先經過檢查,可能被放行、擋下或交給人決定;Codex 和 Gemini CLI 會記錄每一步,但檔案沒有說它們能在操作前擋下呼叫。所有操作都會留下紀錄,因此使用者仍要看清楚 AI 助理做了什麼,特別是 Codex 和 Gemini CLI。
如果把後端網址直接寫進 API 設定裡,網址一變,就得修改並重新部署每個相關設定。Apigee 的 Target Server 可以把網址集中管理:API 設定只記住一個名稱,Apigee 再依照目前環境找到真正的後端。像開發、測試和正式環境都能使用同一個名稱,各自連到不同的主機;後端搬家時,改 Target Server 就會套用到使用它的設定,不必重新部署。也可以設定多臺後端分擔流量,遇到故障時改走其他主機,並集中管理連線安全設定,讓後端更換和日常維護省事一些。
做網站筆記時,頁面可能看起來完整,讀起來卻沒有多少實際內容。作者花一個下午,用純 HTML 和一段 CSS 做出十頁靜態網站,記錄自己每天玩的音樂謎題。他發現,字數多寡不是重點;加入具體例子、反例和自己的看法,內容才有意思。如果一個主題寫不出具體內容,就可以併進索引頁或刪掉。網站也應連到筆記談的音樂謎題,並做好頁面互連、網址和網站索引等基本設定。作者認為,先完成小型網站,比一直規劃大型網站更實際。
AI 助理寫程式很快,人工審查容易跟不上;有些錯誤看起來能執行,卻可能藏著安全或維護問題。作者整理 React Native 和 TypeScript 專案常見的十種狀況,並說明怎麼用自動檢查找出它們,例如檢查沒用到的程式碼、重複內容、未處理的非同步工作、外洩的金鑰,以及資料表是否啟用安全規則。這些檢查可以放進 CI,逐步加入並修好舊問題,再讓 AI 助理依檢查結果修正程式碼;功能是否符合需求、使用起來是否順手,仍要由人來判斷。
趕著推出產品時,團隊可能把舊資料丟給 AI 助理,請它寫發表文章。文章寫得流暢又肯定,卻可能把早已取消的功能說成即將推出;大家忙著改字、按讚核准,沒人真的對照最新產品資料。等到客戶詢問功能何時上線,團隊才發現出錯,而已發出的新聞稿和網路上的轉載仍可能繼續傳播錯誤訊息。問題不只在 AI,也可能是資料過時、團隊沒同步,或審稿時間太少。作者建議對照正式發布資訊重新查核,留出審稿時間,並指定一位負責決定能否發布的人。
工具定義會佔用模型可用的 token 空間,但只刪短描述文字,未必省到最多。作者拆開五個本機工具伺服器、共 68 個工具後發現,描述只佔總量的 11.2%,輸入結構通常更大;輸出結構的大小則看伺服器作者怎麼設計。最意外的是,一個測試伺服器有 79.9% 的定義空間用在圖示上。作者提醒,整理工具前應先分開檢視各部分,因為每個伺服器最佔空間的內容都可能不同;這次結果也不能直接代表託管伺服器。
網頁的 LCP 主圖如果太晚開始下載,整個頁面看起來就會變慢。作者建議主圖不要設成延遲載入,並加上 fetchpriority="high";只有瀏覽器無法從 HTML 找到圖片時才需要預載,而且預載設定要和圖片的 srcset、sizes 相符,避免同一張圖下載兩次。文章提到,2025 Web Almanac 發現 16–17% 的頁面仍把 LCP 主圖設為延遲載入;手機上有圖片 LCP 的頁面中,只有 17% 使用高優先順序。作者也示範用 srcset 按螢幕大小挑圖,讓手機顯示 400 CSS 畫素寬的主圖時,下載 800 畫素版本。
Wi-Fi QR code 裡放的不是連線網址,而是一行寫著網路名稱、密碼和安全型別的文字;手機相機掃描後,就能照著內容連線。若網路名稱或密碼裡有分號、逗號等特殊字元,就要在前面加反斜線,否則手機可能會把密碼看錯。列印前可以先讓手機忘記這個網路再掃描測試,也要留白邊,讓手機比較容易讀取。密碼會直接放在 QR code 裡,拍下來的人也能讀到;密碼一旦更改,就得重新製作 QR code。
StagingBench 的診斷文字有些會寫出縮放值、旋轉角度,或原始畫面還看得見多少。這段 Python 程式會讀取 scores.csv,分別檢查每段文字有沒有提到這三種專案;沒有提到就不計數,也不會猜一個預設值。拿提供的資料來跑,含有縮放值的文字有 15 段、含有旋轉角度的有 5 段、提到原始畫面可見比例的有 19 段。這些數字只是在數文字,不代表照片品質,也不能用來判斷哪個工具比較好;如果文字格式改了,原本的規則也可能漏掉測量專案。
AI 寫 Solidity 合約很快,但合約可能在轉出 ETH 後才更新餘額,讓惡意合約趁機反覆提款。Kestrova 示範用 MCP 掃描工具,讓 AI 助理在部署前檢查合約;掃描發現重入風險後,可先把餘額歸零再轉帳,並重新掃描確認高風險提示已消失。免費預覽能指出問題型別,付費報告則會列出檔案和行數,或附上修正說明。這種掃描只會找常見程式模式,不能取代安全審查,也無法判斷商業邏輯、經濟或預言機攻擊等風險。
卡牌每次抽出來都播同一個聲音,很快就會像影印機一樣單調。這篇教學用 Godot 4 做一張小型卡牌桌,讓牌堆能洗牌、抽出的牌會翻面,滑鼠移上去時會抬起,打出時則會落到桌面。作者用一組音效輪替播放清單,避免同一種聲音連著重播,再稍微改變音高和音量;同時準備 8 個播放聲道,讓多個音效可以一起播放。作者表示,這套做法已在 Godot 4.3 實際測試。
要在 iPhone 上生成圖片,除了模型要跑得快,也得避免記憶體用量過高而讓程式當掉。作者示範如何把 Stable Diffusion 接上 SwiftUI,並在 iPhone 16 上用 20 步生成圖片,實測約 7.5 秒。轉換模型時要同時開啟兩個設定,才能讓運算走神經網路引擎;生成過程也可重用注意力資料,並在解碼圖片前釋放暫存。作者提醒,SDK 沒有直接提供注意力快取的介面,這部分需要依自己的程式架構實作;步數增加也會讓生成時間變長。
在網頁裡接上大型語言模型,不是把回覆顯示出來就好,還得保護資料、檢查輸入和處理錯誤。這篇指南用 Node.js 示範檔案摘要功能:使用者選好檔案後,由後端確認內容和許可權,再送給模型,檢查摘要格式後交回網頁。像是摘要可以分成重點、重要決定和待辦事項;如果模型回覆不合格式,系統就能攔下來,不把怪內容直接顯示給使用者。把模型相關程式獨立整理,日後要換模型或增加功能也比較好調整;同時還要留意 API 金鑰、檔案大小、使用次數和資料隱私,讓功能真正適合日常使用。
AI 助理的設定檔會決定它啟動哪些伺服器、使用哪些憑證,以及能讀寫哪些資料,但這些檔案常沒像程式碼一樣被檢查。作者做了開源工具 agentconfig-audit-lite,能找出設定檔中的明文金鑰、沒有鎖定版本的伺服器,以及缺少拒絕讀取或修改規則的情況;金鑰只會以遮蔽形式顯示。工具也提醒,寫在 CLAUDE.md 裡的「不要碰 .env」只是文字指示,真正的限制要靠拒絕規則或 hook。不過它只確認 hook 是否存在,不會檢查 hook 實際做了什麼。
AI API 回傳 200,不一定代表模型真的能回答;回應太慢、金鑰失效或只有特定模型故障,也會讓使用者遇到問題。作者建議分開檢視供應商狀態頁、用金鑰讀取模型清單,以及定時送出小型模型請求;真正確認模型能運作,要檢查回應裡是否有完成原因欄位。設定告警時,可從多個地區探測,連續失敗 2 或 3 次再通知,並依實際延遲設定慢速門檻。探測應使用有支出上限的專用金鑰;這種小型請求無法檢查回答品質,也看不到串流中途停止等問題。
多個組織共用同一套 RAG 系統時,檢索可能把甲組織的檔案交給乙組織,讓機密內容進入模型的上下文。文章示範如何用 Java 和 Spring Boot 把租戶身分一路帶過檢索流程:身分要從已驗證的使用者資料取得,向量搜尋時就先限制租戶,再檢查使用者是否有權讀取每份檔案;沒通過檢查的內容不能送進重排器或大型語言模型。快取也要依使用者的授權範圍區分,避免不同組織拿到彼此的答案。文中提醒,API 有做好許可權檢查還不夠,送進模型的資料也必須守住同一條安全界線。
把所有房間的結果合成一個通過率,可能會遮住哪些結果其實還不確定。StagingBench 的測試中,每間房都有 12 筆結果,但能確認通過、失敗或仍不清楚的筆數不一樣。像 Room 09 的 12 筆全是未知,不能把它們當成全部失敗;Room 04 則有 3 筆通過、1 筆失敗、8 筆未知。計算通過率時,要說清楚分母是全部結果,還是隻算能確定的結果。這份測試只有 10 張真實房間照片,而且每種工具和房間只記錄一次,因此只能看出這次測試有多少結果能明確判讀,不能代表虛擬傢俱擺設的一般成功率。
想寫個小網站,常會覺得得先準備一堆工具和設定,結果遲遲沒開始。作者把自己玩每日猜字遊戲的筆記,寫成十個手寫 HTML 頁面,只用一份樣式表、不寫 JavaScript,再用一個指令部署到 Cloudflare Pages,前後約四秒就上線。讓網站看起來完整的關鍵,反而是網站地圖和 robots 檔案:爬蟲能看出這是一個整理好的小網站,而不只是一個資料夾。每篇筆記也得單獨讀得通,讓內容更精簡。這個例子說明,小型寫作專案不一定需要複雜架構;資料夾、首頁、網站地圖和部署指令就能開始。
四字母接龍不只是猜字遊戲,也能看成找路問題:每個單字是一個點,只差一個字母的單字可以相連。作者用廣度優先搜尋找出從起點到目標的最短路徑,並說明如何把單字依萬用字元樣式分組,省下逐一比對所有單字的時間。字典會影響能走的路;如果收錄罕見字或複數,可能出現一般玩家想不到的捷徑,所以工具應說明使用哪份字典。對玩家來說,也可以只查目標字是否走得到,不直接公佈解答。
網頁看起來正常,Google 卻沒有收錄時,先要分清楚問題卡在哪個階段。「已發現,目前尚未建立索引」表示 Google 知道網址,但還沒抓取;「已檢索,目前尚未建立索引」則表示 Google 抓過頁面,卻選擇不收錄。前者可檢查網站地圖是否塞進太多不重要的網址、重要頁面有沒有從其他頁面連過去,以及伺服器是否太慢或出錯。後者則要檢視內容是否和其他頁面太像,並確認標準網址設定。修正後,可在 Search Console 提交驗證,再觀察之後幾週的曝光變化;反覆要求收錄通常不會加快處理。
AI 助理能自己執行程式、使用工具和接觸憑證,平臺團隊得重新想清楚該怎麼限制它們。作者從 Docker「Run on Trust」品牌更新出發,整理出三個把關方向:讓 AI 助理在隔離環境中執行、檢查它使用的映像檔是否有安全資料與來源證明,以及限制它能呼叫的工具和使用的憑證。文章也提醒,Docker 對隔離效果和憑證處理的說法尚未有獨立安全評估;MCP 閘道只能管理經過閘道的流量,直接連線仍須另設網路規則。整體做法是集中設定政策、留下操作紀錄,並在擴大許可權前測試安全邊界。
Google Analytics 會告訴你有多少人來過,PostHog 還能看出大家按了哪些按鈕、在哪裡卡住,以及哪些功能讓人留下來。它會記錄使用者做的事,再整理成流程圖表,看看有多少人完成註冊、過了一週有多少人回來,也能重播使用者的操作過程,找出大家在哪裡猶豫。舉例來說,開發者可以只讓 10% 的使用者試用新功能,再比較他們和其他人的使用情形。PostHog 每月有 1 million events 的免費額度,也能自行架在自己的伺服器上,讓團隊更清楚產品怎麼被使用,也能掌握分析資料放在哪裡。
想讓 AI 助理連上 PostgreSQL,卻找不到官方 MCP 伺服器。目前列出的 37 個 Postgres MCP 伺服器全是社群製作的,多數在自己的電腦上執行;只有 2 個是可連線的遠端服務,而且都得先付費或登入。挑選時可以先看它是不是唯讀、最近有沒有更新、提供多少工具,以及授權方式。像是,唯讀伺服器會先檢查 AI 助理送出的指令,降低誤刪資料的風險;工具太多則可能佔用更多模型的上下文空間。星星數能看出受歡迎程度,但不能保證安全或正確;把資料庫連線資訊放在環境變數,也比直接寫進指令設定更妥當。
用 Pulumi 建好伺服器後,還得把主機資料交給另一套工具,再用另一種方式設定,流程容易斷在中間。作者介紹 Python 套件 reemote,示範如何在 Pulumi 程式裡取得主機位址、等 SSH 連線就緒,再安裝 nginx、寫入網頁檔案並啟動服務。reemote 會先檢視伺服器目前的狀態,只在需要時執行修改,也能先預覽預計變更的內容。這讓建置和設定可以接在同一段 Python 流程中;但伺服器必須已經存在,而且能透過 SSH 連線。
服務中斷時,小型團隊常忙著修復,沒空清楚告訴客戶發生什麼事。這份指南提供事故分級方式、各角色分工,以及狀態頁、客戶郵件、應用程式通知和事後摘要的範本,讓團隊能先準備好說法。指南建議,確認客戶受影響後 15 分鐘內先發出通知,之後依事故程度定時更新;還不知道原因時,也要說明正在調查和下次更新時間。事故結束後,再說明影響範圍與後續改善,避免猜測修復時間或承諾尚未確認的資料狀況。
網頁要同時處理多筆資料時,請求可能先後順序錯亂,畫面也可能顯示舊結果,還得手動管理載入和取消。Solid 2.0 讓一般運算可以回傳 Promise,框架會等相關資料準備好,再更新依賴它的畫面;例如使用者換了下拉選單,後續資料就能跟著選項變動。文章也介紹新版移除部分舊 API,並把伺服器功能納入核心,從 Solid 1 升級時需要調整部分程式。
Roblox 遊戲縮圖就算有 1920 × 1080 畫素,縮成小卡片後也可能看不清楚畫面;檢查尺寸和確認內容一眼能不能讀懂,是兩件事。RBXGFX 的作者建議先用同一段描述做出幾種構圖,再把候選圖片縮小並排比較:縮圖可看 240 × 135 左右,遊戲圖示則看 150 × 150,確認玩家在做什麼、遊戲場景是否一眼認得出來。 選好圖片後,也要檢查準備上傳的檔案:Roblox 建議縮圖用 1920 × 1080,遊戲圖示用 512 × 512。作者提供的 JavaScript 範例能確認圖片尺寸和比例;例如 1280 × 720 比例符合,但尺寸不符合縮圖目標。這能幫忙避免上傳錯誤尺寸或把畫面拉變形,也提醒創作者要在小尺寸下確認圖片是否清楚、是否真的代表遊戲內容。
網站曝光突然大跌時,很難判斷是 Google 核心更新、頁面沒被收錄,還是兩者都有。作者分享自家網站的 Search Console 資料:更新開始當天有 30 次曝光,之後一週合計只有 6 次,但他提醒更新還在進行時,單日數字不能當成結論。他依照 Google 的建議,用更新開始前一週和更新結束至少一週後的完整一週來比較,也用程式避免太早下判斷。作者沒有在更新期間改頁面,並另外檢查網站能否被 Googlebot 存取,以及哪些網址仍在索引中,因為曝光歸零不一定代表排名下滑。
大型程式專案常要處理很多檔案,也得安排工作、檢查結果,光靠 AI 助理自己摸索容易前後不一致。作者用 CLAW 替 Claude Code 安排分工方式,讓 Opus 負責規劃和檢查,其他 AI 助理分頭寫程式、測試,再由 Opus 多次執行測試確認成果。作者用這套流程做出一個帳務服務,並在其中放入 16 個錯誤,再讓 CLAW 修復;兩次測試都找出並修好了全部錯誤。CLAW 也會儲存專案進度和決定,讓新工作階段能接著做。
顧客取消預約後,App 會先準備好訊息和連結,但還是得由沙龍店主開啟 WhatsApp、確認內容再按「傳送」。這樣設計是為了避免訊息傳錯人或傳錯時間:伺服器每次都會重新檢查顧客是否同意收訊息、是否說過 STOP、電話是否列在排除名單,以及優惠和預約時段是否仍有效。訊息只能在羅馬時間 9:00 到 21:00 間準備,每日預設上限是 20 則;店主修改文字時,系統也會補回告知顧客如何停止收訊息的固定句子。即使有人連按兩次,系統也只會讓一次更新成功。作者認為,傳錯訊息收不回來,因此 App 不提供自動傳送或一鍵大量傳送。
升級 PostgreSQL 19 時,舊版資料庫可能讓 Docker 容器無法啟動,有些資料庫變更還可能悄悄改變查詢結果。作者整理了升級前的檢查方式、使用 pg_upgrade 的步驟,以及從 PostgreSQL 17 或 18 升級時的 Docker 注意事項。像 json_array() 沒有回傳資料時,結果會從 NULL 改成 [],原本檢查 NULL 的程式就可能不再符合預期。文章建議先把 19 放進測試環境檢查,再決定何時升級正式環境;使用 postgres:latest 的人則可先固定舊版標籤,避免拉取新版後資料庫停擺。
推薦理由:文章把 PostgreSQL 19 的升級步驟和可能悄悄改變查詢結果的變更放在一起,方便先檢查資料庫與 Docker 設定。
新進員工就算填完人事資料,第一天也可能因為沒有工作帳號或許可權,只能等人幫忙。到職清單可以把每件事交給負責的人,寫清楚期限和完成標準,從報到前的裝置與帳號準備,一路安排到第一天、第一週和第 30、60、90 天的工作與回顧。像是讓新員工實際登入工作空間,確認能開啟需要的工具;第一週再試做一封客服回覆,和同事一起檢查。這樣能早點發現卡住的地方,也讓新員工知道下一步要做什麼、遇到問題該找誰。
金融研究儀錶板如果把內部分析筆記和公開網頁混在一起,可能讓不該看的人看到受限資料。作者建議先訂好檢索規則,再選用哪種資料庫,並把處理過程分成資料匯入、查詢和整理引用三步,記下資料來源、日期、許可權和查詢條件。較固定的研究資料可放在私人向量資料庫;需要最新訊息時才查網頁,並標明結果可能會變動。文章也比較幾種檢索服務,提醒有內部部署或特殊調校需求的團隊,應選擇能符合自身管控要求的方案。
小型商家經營社群時,常煩惱貼文不夠多。Clienzo 的作者評估了幾個點子:個人簡介連結頁雖然實用,但免費工具已經夠用;追蹤 AI 助理會不會推薦某家店,結果又會隨問法、地點和時間改變,難以做得可靠;簡訊則有每則訊息的成本,利潤撐不起來。最後選出的 Autopilot,會從真實資料來源草擬下週的貼文,由程式檢查內容,再交給店主確認。這個點子直接回應商家做不出足夠貼文的困擾,也能接上 Clienzo 已有的社群帳號、成效和留言資料。
AI 是讓電腦處理需要人判斷的事情,機器學習是其中一種做法,ChatGPT 則是用這種技術做出的聊天工具。比方說,垃圾郵件太多,沒人能替每一封信都寫好判斷規則;機器學習會從大量標記好的郵件中找出規律。ChatGPT 會根據讀過的文字猜接下來可能出現什麼,因此能寫文章、解釋概念,也可能很有把握地講錯。記住這三者的差別,就能把 ChatGPT 當成協助學習的工具,重要內容再查可靠來源。