跳到正文

全部動態

RSS
今日 151 則
11月20日週五
  1. Dev.to Top Tech56

    Banyan 自架檔案瀏覽器如何安裝到 Android 手機

    想在手機上常常檢視家中伺服器的檔案,卻不想每次都從瀏覽器分頁找起,可以試試 Banyan 的 Android APK。它會把伺服器上的網頁介面包成手機應用程式,檔案和預覽仍由伺服器處理;伺服器離線時,手機也無法檢視。安裝前要確認手機是 arm64,APK 約 19 MB,並先讓伺服器在同一個 Wi-Fi 網路提供服務。文章也提醒,Banyan 沒有登入頁面,因此不要把連線埠直接開放到網際網路;需要從外部連線時,應使用 VPN 或設有存取限制的反向代理。

  2. Dev.to Top Tech58

    RustFS 如何在自有硬體架設 S3 儲存服務

    自己架設 S3 儲存服務,可以掌握資料放在哪裡和儲存費用,但伺服器出問題也得自己處理。文章根據 RustFS 專案檔案整理安裝前要留意的事:容器以 UID 10001 執行,掛載的資料夾要先設好許可權;預設帳密是 rustfsadmin,對外開放前應先更換。單機單碟沒有備援,磁碟故障可能讓資料遺失,因此要安排備份或複製資料。RustFS 提供 S3 API,既有應用程式可改連線位置來使用;但它沒有 FUSE 或 POSIX 掛載功能,S3 Tables 和 MinIO 磁碟相容性仍標示為預覽。

  3. Dev.to Top Tech55

    作者示範如何讓 AI 助理先預覽再部署 Jenkins 專案

    在共用的 Jenkins 上建置和部署程式,常得手動找工作、填分支和版本,也容易搞不清楚失敗原因。作者把一套技能和命令列工具接起來,讓 AI 助理代為建置、預覽及部署到非正式環境;工具會檢查工作型別、環境和引數,並在送出部署前列出目前與預計使用的版本、設定分支和變更,等使用者確認後才繼續。每個人用自己的 Jenkins 權杖登入,遇到正式環境或資訊不明的工作就會拒絕執行。作者也提醒,回復舊版不會自動還原資料庫結構;他認為接下來應補上命令列工具的測試。

  4. Dev.to Top Tech78

    如何遮掉 HAR 檔裡的登入憑證,又保留漏洞證據

    HAR 檔能記下瀏覽器送出的請求和收到的回覆,方便證明漏洞,裡面也可能留著 Cookie、登入憑證和密碼。文章提供 Python 工具,把相同的秘密換成相同代號,讓人看得出哪些請求用了同一個工作階段,也能分辨不同帳號的請求;接著用另一個檢查工具和自己知道的資料,確認檔案裡沒有漏掉憑證或個人資料。遮好檔案後,還要登出或撤銷憑證,避免留下的其他副本仍能被拿來登入。

    推薦理由:文章用 HAR 範例示範如何遮掉工作階段憑證,同時保留不同請求的關聯,讓漏洞證據仍可判讀。

  5. Dev.to Top Tech66

    SoluTerminal 團隊分析 Claude 花費,發現多數用在 AI 助理互相傳訊

    同時使用很多 AI 助理時,光看工作做得快不快,很難知道 token 花得有沒有效率。SoluTerminal 團隊回頭檢查 1 到 8 November 的 Claude 用量,發現 57% 的花費用在由另一個 AI 助理訊息觸發的回合,約 20% 則由人開始;這些數字按加權 token 計算,不是美元。團隊也發現,助理之間有不少重複傳話,工作流程引擎曾讓任務變慢,測試工作也一度排隊。團隊把繁重工作移到雲端機器,並讓 AI 助理透過鎖定機製取得共用資源,減少彼此傳訊協調;這項調整才剛推出,成效還無法衡量。

  6. Dev.to Top Tech61

    單張圖片如何變成 3D 場景,做出鏡頭移動與光影效果

    只靠影片生成模型做長片段,花費高,結果也不容易控制。作者分享兩種把單張圖片變成 3D 場景的方法:深度圖能做出鏡頭移動、變焦和對焦效果,但畫面仍像被拉動的平面;Gaussian splats 則能讓鏡頭從不同角度觀看場景,卻可能露出原圖沒拍到的空洞。作者也展示細髮、薄物件等難處理的例子,並提醒 Apple 的 SHARP 權重僅供研究,不能用於商業影片。文中提到,作者做影片每分鐘花費 $20-30,部分鏡頭效果改用場景動畫可降到 10 cents,而控制也更精準。

  7. Dev.to Top Tech47

    HelpMyIMG 如何用瀏覽器直接處理圖片,不必上傳到伺服器

    圖片去背、壓縮或裁切,常得先把照片上傳到雲端,等處理完再下載;這會花時間,也可能讓私人照片留在別人的伺服器上。HelpMyIMG 把處理工作搬到使用者的瀏覽器裡,搭配 Web Workers、OffscreenCanvas 和 WebAssembly SIMD 來處理圖片,讓畫面不容易卡住,也不必把圖片送到後端。文中的測試用一張 12MB 的照片比較,HelpMyIMG 在瀏覽器內處理約 120ms,雲端服務則約 4.2 秒。這種做法能省下上傳等待,也讓照片留在自己的裝置上;不過,處理速度仍會受到使用者電腦硬體影響。

  8. Dev.to Top Tech49

    用 cmdbook 在命令列把資料夾裡的影片轉成 GIF

    想把螢幕錄影放進檔案或聊天視窗,常得先問 AI 怎麼下 ffmpeg 指令;等影片變多,還要處理檔名有空格、逐個轉檔和修改大小等麻煩。這篇文章示範用 cmdbook 把轉檔指令碼存成一個可填欄位的表單:選資料夾、影格率和寬度,按下執行,就會把資料夾和子資料夾裡的影片轉成 GIF,放在原影片旁邊。已經更新過的 GIF 會略過,讀不動的影片會列出來,其他影片仍會繼續轉。例子中的 60 秒、1080p 錄影,轉成寬 800 畫素、每秒 12 格的 GIF,約 11 秒就完成;下次執行時,前一次選的設定也會先填好。

  9. Dev.to Top Tech72

    Stefano Santomauro 實測 AI 如何從維護者的標籤修訂 GitHub 分類規則

    自動替 GitHub 問題分類的規則常要由開發者手動修改,遇到新標籤時也不容易跟上。Stefano Santomauro 用五個公開專案的 6,643 筆歷史問題測試一套新做法:Levanto Sage 2 負責分類,Claude Opus 5.5 檢視分類錯誤並提出白話規則,再用最近 60 筆問題測試新舊規則,只有分數沒有下降才採用。測試中,40 個改寫提案有 12 個獲採用;加入這個流程的版本整體 F1 為 0.778,固定使用 Sage 的版本為 0.661。作者也提醒,結果來自五個 Python 專案的歷史資料回放,效果取決於使用者是否留下可靠的回饋。

  10. Dev.to Top Tech55

    Conferbot 說明如何防範面向顧客的 AI 聊天機器人提示詞注入

    AI 聊天機器人會讀取顧客訊息、檔案和網頁,裡面若藏有惡意指令,可能讓它洩漏資料或做出未經同意的操作。Conferbot 的指南把這類攻擊分成兩種:顧客直接輸入指令,以及指令藏在機器人讀取的檔案或網頁裡。指南建議分層防護,包括檢查輸入和回答、只給機器人完成工作所需的工具許可權,並讓人核准退款等敏感操作;也要記錄工具使用情形,方便發現問題。這些做法不能保證攻擊完全失敗,但能限制出錯時造成的影響。

  11. Dev.to Top Tech70

    工程師如何帶領 AI 助理完成軟體開發

    把寫程式的工作交給 AI 助理後,工程師仍得確認需求、設計系統,並判斷程式能不能安全上線。Matthew Odumosu 分享自己如何用 Claude Code 讀取工作需求與設計稿,再先規劃架構、編寫程式和測試,最後交由另一個 AI 助理檢查,並由人審核合併。他也介紹如何用 CLAUDE.md 記下專案規則,讓新工作階段能接續先前進度。文中整理了處理重複請求、同時修改資料、服務故障和監控紀錄的做法,並強調生產資料要用唯讀許可權,修改仍由人核准。

  12. Dev.to Top Tech63

    教學:用 MCP 連線 Claude 和社群平臺,先在模擬模式測試發文

    讓 Claude 幫忙發社群貼文時,怎麼避免設定錯誤或貼出沒核准的內容?作者示範用 pendpost 這個 MCP 伺服器連線 Claude Desktop、Claude Code 或 Cursor,先在模擬模式寫入假貼文,不會真的呼叫平臺 API。貼文一開始是草稿,作者本人核准後才能發布;寫草稿的 AI 助理不能核准自己的內容。作者也提醒,核准規則依賴呼叫工具時提供的身分名稱,因此仍要看清 MCP 使用者端的工具核准提示。確認流程可用後,再逐一連線真實帳號。

  13. Dev.to Top Tech39

    Node.js 的 bcrypt 成本設為 12,為什麼會讓登入變慢?實測延遲與改善方法

    密碼加密調得更費工,安全性會提高,但伺服器也得花更多時間處理。文中一個團隊把 bcrypt 的成本從 10 調到 12,尖峰時段的 API 第 99 百分位延遲便從 85ms 飆到 3.8 秒。原因是成本每增加 1,計算量就會加倍;在 AWS t3.medium 上,成本 12 算一個密碼約要 710ms。Node.js 的背景工作執行緒數量有限,登入請求一多,後面的工作就得排隊,連檔案處理和 DNS 查詢也可能被拖慢。 文中建議先在接近正式環境的流量下測試延遲,再調整成本;也可增加 Node.js 使用的背景執行緒,或把密碼計算交給另一個服務處理。對多數互動式網站,作者認為成本 10 或 11 較合適。測試密碼雜湊時,也別把真實密碼或正式資料貼到不明網站,以免資料外流。

  14. Dev.to Top Tech48

    Next.js 15 如何替 1,047 個公開 API 建立安全的轉送服務

    讓大家透過伺服器連到任意網址,可能被壞人拿來探查不該碰的網路位置;只封鎖網址也不夠,因為網址背後的 IP 可能被動手腳。作者替 FreeAPI 做了一個安全的轉送服務:先查出網址對應的 IP,擋掉私人或保留用途的 IP,再直接連到確認過的位址。服務也限制每次最多傳 5 MB,並替匿名使用者設定每個 IP 每分鐘 60 次的上限,減少大檔案和大量請求造成的負擔。若公開 API 回傳的其實是擋機器人的網頁,服務會回報 422,讓畫面能說明發生什麼事。

  15. Dev.to Top Tech35

    旅客已經用 AI 規劃烏茲別克行程,旅遊業者怎麼接住客人?

    旅客現在會先問 AI 怎麼安排旅行,再到旅遊業者的網站確認價格和日期;他們喜歡 AI 回得快,重要行程卻還是想找真人和可信的公司。作者做了一個烏茲別克旅遊示範 AI 助理,會依業者提供的行程和價目表推薦旅遊方案、回答簽證和交通問題,也能把對話整理成附有編號的預約需求,再交給真人顧問處理。示範服務能用英文、烏茲別克文和俄文對話。重點是讓 AI 處理常見問題、真人照顧客人,而且價格等資訊必須來自業者的資料,不能讓 AI 自己猜。

  16. Dev.to Top Tech53

    如何用 Python 把 Google News 新聞整理成每日追蹤表

    每天手動整理品牌新聞很花時間,Google News 的搜尋結果也不是現成的表格。作者示範用他維護的 Apify Actor 搜尋新聞,再用 Python 和 pandas 把標題、媒體、日期與連結存進 CSV,並依關鍵字標記法律、股價或產品相關報導。以 Duolingo 為例,20 篇結果中也混有律師事務所公告和股價頁面,因此還要自行排序、篩選。搜尋結果每次最多約 100 篇,開啟媒體原始連結會多花一些時間;工具按每 1,000 筆 $1.50 計費。

  17. Dev.to Top Tech52

    IP99 示範如何查詢每日新註冊網域,避免把新網域直接當成惡意目標

    剛註冊的網域只代表它是在某一天登記,不能單憑這點就封鎖網站或使用者。作者實際查詢 IP99 的每日網域 API,說明它會回傳網域、落地 IP、註冊商和國家欄位,但每天最多隻列出依網域名稱排序的前 1,000 筆,因此不能拿這份清單推論整天的新網域分佈。文章也示範再查落地 IP,並提醒 CDN 共用 IP、地理位置和風險分數都不能直接指向註冊者或判定有罪;可把新網域與當天簽發的憑證等線索一起檢查,再決定是否加強確認。

  18. Dev.to Top Tech69

    Grafana 的熱門匯出檔不一定是「上帝物件」:如何判斷程式碼該不該拆

    很多程式檔案被大量程式碼引用,看起來像是包辦太多工作的「上帝物件」,但光看引用次數還不夠。作者檢查 Grafana、Keycloak 和 Docker Compose 的熱門檔案,發現 Grafana 的檔案只負責轉出其他模組的名稱,Keycloak 的檔案則是供程式查詢功能的介面;Docker Compose 的共用套件則包含許多不同用途的資料。判斷時還要看檔案裡有沒有實際運作的程式、多久因哪些原因修改,以及引用它的程式各自用了哪些內容,才能看出是否真的該拆分。

  19. Dev.to Top Tech38

    ₹0 的商業研究工具包:先查證資料,經老闆同意才動手

    想做生意時,常有人只憑一個點子就先花錢,等到後來才發現估算的數字不可靠。這套不用花錢的工具會先研究商業點子,並讓兩位查核者分頭檢查每項說法;兩人都認同,資料才會當成確認過的結果,意見不同就標成估算或刪掉。工具還會用 14 項檢查確認資料齊全、預算仍是 ₹0,任何一項沒過就不產生報告。 研究結果會整理成 PDF,列出發現和需要老闆決定的事;老闆看完並同意前,後續階段都會停住。這讓人能先看證據,再決定要不要花錢,避免點子還沒查清楚,就先買網域、做標誌或訂工具。

  20. Dev.to Top Tech64

    如何先算清自動化工作流程能省下多少時間

    自動化常被說成能省下很多工時,但只把每次任務時間乘上次數,容易漏算設定、出錯處理和後續維護。作者建議先記錄一週的實際執行次數,分開計算人真正動手的時間和等待時間,再把例外處理與維護也算進去。文中舉例,一項每月做 100 次、每次省下 3 分鐘的工作,表面上能省 5 小時;扣掉 4 小時設定和 1.5 小時例外處理與維護後,第一個月只省約半小時。先用小範圍試跑,並一起檢查錯誤和品質,才能看出這項自動化是否值得長期維護。

  21. Dev.to Top Tech58

    如何計算統計檢定力與樣本數,並避免誤用事後檢定力

    研究開始前要找多少人參加,會影響研究能不能看出真正存在的差異;但預期效果抓錯了,算出的樣本數也可能不夠。文章用比較兩種血壓治療的假設案例說明,若要找出 5 mmHg 的差異,在設定的條件下每組需要 64 人;若實際差異只有 4 mmHg,檢定力會從約 80% 降到約 60%。作者也介紹如何用 R 的 power.t.test 或 G*Power 估算樣本數,並提醒研究結束後再用觀察到的結果計算事後檢定力,並不能增加判讀資訊;應改看效果估計與信賴區間,或事先設定等效範圍。

  22. Dev.to Top Tech48

    Blender 編輯同一張臉時,為什麼不能靠頂點編號?

    同一張臉在瀏覽器和 Blender 裡編輯,結果可能不一樣,因為匯出成 glTF 時,頂點會被拆開,兩邊的頂點編號就對不起來。作者改成看每個頂點的位置來決定怎麼移動,做左右對稱編輯時,也用移動前的位置一起算兩邊的移動量。舊方法讓臉部中央附近差了 0.83 mm;改法後,兩邊就能做出相同形狀。最後作者把瀏覽器匯出設為正式做法,因為不需要先在 Blender 裡烘焙才能完成。

  23. Dev.to Top Tech48

    用 Apify 批次整理網站聯絡頁、表單工具與社群連結

    網站名單只有一串網域,想找聯絡頁、表單用哪套工具,還有公司的社群帳號,逐個網站開啟來看很花時間。這篇介紹的 Apify 工具可以一次檢查多個網站,整理公司名稱、聯絡頁、表單工具、徵才頁和公司社群連結,也能篩出使用 HubSpot 或 WPForms 的網站。作者用 9 個網域測試,成功整理 7 個網站,整批約花 10 秒;每個成功整理的網站收 $0.003,另加 $0.003 啟動費。 它只讀網頁上的文字和連結,遇到用 JavaScript 顯示的表單可能看不到;受防護的網站也可能回傳錯誤,不會被繞過。因此「沒找到表單」不一定代表網站沒有表單。資料可匯出成 CSV 或 Excel,也能定期整理後送進 CRM,適合做網站研究或一對一聯絡。

  24. Dev.to Top Tech47

    AION Analytics 公開 Python 程式碼,讓你自己查 Veritas 股市預測準不準

    股市預測常只秀猜中的時候,讓人看不出實際表現。AION Analytics 的 Veritas 每個交易日開盤前公佈 NIFTY 50 開盤前 15 分鐘的價格範圍,收盤後再公開結果,連猜錯的紀錄也保留。你可以用文中的 Python 程式碼讀取公開紀錄並計算命中情況:目前列出的 42 個交易日中,126 次預測有 91 次落在範圍內,約 72.2%,低於產品原本設定的 80% 目標。不過資料筆數還少,而且紀錄索引尚未列出所有日期,所以這個數字只能當作初步參考。

  25. Dev.to Top Tech54

    教學:用 Zapier、HubSpot 和 WhatsApp 依倉庫回報通知出貨

    訂單一交給倉庫就通知顧客已出貨,可能讓人誤以為整張訂單都已寄出。這篇教學示範如何用 Zapier 接收倉庫管理系統的出貨回報,再更新 HubSpot 訂單狀態並傳 WhatsApp 訊息。流程會檢視每項商品累計寄出的數量,分辨部分出貨、整張訂單出貨和缺貨,也會把同一批貨的多個追蹤號碼放進一則訊息,避免連發通知。作者以範例資料檢查了程式碼,但沒有在 Zapier 或正式環境中測試;實際欄位和簽章方式須依倉庫系統設定。

  26. Dev.to Top Tech64

    教學:用 Python 整理 IKEA 傢俱資料,別把零件材質混在一起

    整理傢俱資料時,如果只留下材質名稱,AI 助理可能把椅腳的實木誤認成整座書櫃都是實木。作者用 IKEA 商品資料示範如何把零件名稱和材質一起存進資料庫,讓搜尋時能看出每種材質屬於哪個零件;缺少材質資料時,也保留為未知,不當成「沒有木材」。照護說明和使用備註則分開存放,避免拿來回答材質問題。這樣能提供較清楚的查詢依據,但仍不能保證回答正確,也無法證明商品頁列出了所有材料。

  27. Dev.to Top Tech62

    Claude Code 費用怎麼算?比較 Pro、Max、Ultra 和 API

    想用 Claude Code 寫程式,常會看到月費和按用量計費的不同價格,容易搞不清楚哪種適合自己。這份指南整理 Pro、Max、Ultra、Team 訂閱方案和 API 的差別:訂閱每月付固定費用,但有 5 小時和每週用量上限;API 按傳送與收到的 token 收費,可設定花費上限。文中用 Sonnet 5.5 示範,一小時的範例費用是 $1.10,也整理了清除舊對話、日常工作使用 Sonnet 等省用量方法。價格和方案會變動,作者提醒購買前檢視 Anthropic 的定價頁面。

  28. O'Reilly Radar72

    Claude 如何在文字中藏浮水印,以及為什麼你還不能自行檢查

    AI 文字若帶有看不見的浮水印,或許能幫忙辨認機器生成內容,但一般人目前還不能用官方工具檢查 Claude 的文字。Andrew Stellman 用互動網頁示範原理:系統會用金鑰和前幾個詞,替候選詞算出硬幣正反面,再讓生成程式偏向某些詞;檢測器則用同一把金鑰檢視正面是否特別多。Anthropic 表示 Claude 使用 SynthID-Text。作者也提醒,公開金鑰可能讓人移除或仿造浮水印;短文的結果容易受巧合影響,不能單靠一次檢查就下定論。

  29. The Hacker News46

    AI SOC 如何逐步讓 AI 助理獲得更多自主權

    AI 助理能幫資安團隊查資料、判斷警示,也可能直接停用帳號或隔離伺服器;但放手太多,一個錯誤就可能影響整家公司。文章建議把每項工作分開看:查詢紀錄、整理線索這類容易檢查的工作,可以交給 AI 助理處理;停用帳號或隔離正式環境的伺服器,則應保留人工核准。判斷時要看錯了能不能復原、會影響多少人,以及手上的證據是否可靠。 人工核准也要看得到 AI 助理查了什麼、根據什麼理由下結論,以及排除了哪些可能;否則人只是在排隊時一路按同意。團隊可以先讓 AI 助理在測試模式演練,確認結果可靠、留下完整紀錄,也準備好復原方法,再逐步增加許可權;如果表現變差,就應降低許可權。這樣才能讓 AI 助理接手查證工作,同時把可能造成的損害控制在範圍內。

  30. Dev.to Top Tech46

    廣告成效變差,可能是資料出問題,不是出價有問題

    廣告成效突然下滑,很多人會先換廣告或調整出價,但問題可能早在資料整理時就出現了。這張速查表教人先確認廣告帳戶的計算方式、日期和幣別是否一致,再沿著廣告曝光、點選、網站瀏覽到購買,一層層找出哪裡流失最多。像是不同廣告帳戶用了不同的歸因期間,ROAS 就不能直接加在一起;每日觸及人數也不能直接相加,否則會重複計算。先把資料核對清楚,再刪掉浪費預算的部分、改善成效,最後才增加預算,才不會把出價調得再勤,仍然被錯誤資料誤導。

  31. Dev.to Top Tech48

    Bitnxs 開源 Grok Bot 範本,讓 AI 助理檢視永續合約行情並操作交易

    想讓 AI 助理看即時行情或幫忙下單,卻怕它搞錯 API 設定,甚至不小心送出交易?Bitnxs 團隊開源了一套 Grok Bot 範本,分成三份技能說明和兩支 Python 程式。你可以先用不用 API 金鑰的程式檢視 BTC、ETH、SOL 行情;需要交易時,另一支程式則能在送出前先用試跑模式檢查訂單內容。範本也把 API 的使用規則寫清楚,並讓提醒和定期行情摘要維持只讀。舉例來說,試跑買進 BTC 的指令只會印出預計送出的訂單,不會真的下單。不過 Bitnxs 沒有測試網,實際送出的訂單會動用真實帳戶資金;使用槓桿也可能很快賠光保證金。

  32. Dev.to Top Tech61

    C++20 的 [[likely]] 和 [[unlikely]] 怎麼用,才不會讓程式變慢

    C++20 的 [[likely]] 和 [[unlikely]] 可以提示編譯器,哪條程式路徑比較常走,但用錯也可能讓程式變慢。它們不會直接控制 CPU 的分支預測,而是影響編譯器安排產生的程式碼;例如在 switch 中,從前一個 case 落空到下一個標籤,不會因此得到該標籤的提示。文章建議先用實際工作資料找出常走的分支,再檢查組譯結果並比較執行速度;若能使用 PGO,也可讓編譯器參考實際執行資料來調整程式。

  33. Dev.to Top Tech43

    電話追蹤怎麼運作?CallRing AI 用追蹤電話號碼找出客人從哪裡來

    網站分析看得出有人點了廣告、逛過價格頁,卻看不出他離開後打電話來,最後成了客人。電話追蹤會替不同廣告來源安排不同號碼,電話打進來時,就能用撥出的號碼找出客人從哪裡看到商家;這些號碼會再轉接到商家的原本電話。網站訪客可能來自不同地方,光用一個固定號碼分不出來,所以網站會依訪客的來源,暫時從一組號碼中分配一個,並把頁面上的電話換成它。像是有人從 Google 廣告進站,之後打電話,平臺就能把這通電話和廣告來源連起來,再轉接給商家。這樣商家能知道哪些廣告帶來電話,也能進一步瞭解來電品質。

  34. Dev.to Top Tech67

    用 50 行 Python 檢查 AI 助理改版,避免錯誤承諾被部署

    AI 助理改了提示詞後,表面上回答得不錯,卻可能開始答應不該給的折扣。作者用一段 50 行的 Python 範例,替每種問題寫下要呼叫的工具、回答必須或不能出現的內容,以及可接受的回覆時間;每次改版後跑一遍,就能看到通過比例,決定是否部署。範例中的新版多答應了折扣,因此被檢查擋下。文章也建議把實際對話中的錯誤加入測試,並在每次提示詞、模型或工具變更後檢查。

  35. Dev.to Top Tech58

    Netflix 和 Spotify 如何猜你接下來想看什麼、想聽什麼

    Netflix 和 Spotify 常能推薦合胃口的內容,但推薦也可能讓人一直看到相似的東西。這篇文章整理兩家的做法:Netflix 根據播放、暫停、跳過等行為安排片單,Spotify 則參考聽眾的播放與收藏紀錄、歌曲相關文字和音訊特徵來推薦音樂。文章也提供調整方式,例如對喜歡的歌曲按收藏、快速跳過不喜歡的歌,或搜尋平常不會選的內容,讓推薦多一點變化。

  36. Dev.to Top Tech58

    作者如何用 Antigravity 和 Gemini 4 打造智慧家庭能源管理工具 cheap-watts

    太陽能、家用電池、電動車和每小時變動的電價若沒有協調好,可能會在不划算的時間買電,或讓電動車把家用電池的電量用掉。作者用 Antigravity 搭配 Gemini 4 Hydrogen 規劃需求、Gemini 4 Carbon 撰寫和測試程式,做出開源工具 cheap-watts,自動安排電池和車輛的充電時間。工具每 30 分鐘檢查天氣、電價和車輛狀態,也能先用 --dry-run 試跑,確認排程後才控制家用逆變器。作者也分享用不同 AI 助理分工、隔離硬體介面,以及透過程式檢查和 PR 流程降低金鑰外洩與裝置誤操作風險的做法。

  37. Dev.to Top Tech66

    多跳檢索如何串起證據,避免錯誤一路擴大

    有些問題得先找出一項線索,才能查到答案;如果第一步找錯,後面的結果可能看似合理,最後卻答錯。多跳檢索會根據前一步找到的內容提出下一個查詢,並把每一步用到的資料來源記錄下來。文章建議保留多個候選線索、查證線索確實出現在原文中,也可同時查詢不同線索再比較證據;若線索不可靠,就先不要作答。這種做法適合答案需要串起多項事實的問題,但步驟越多,延遲與錯誤風險也會增加。

  38. Dev.to Top Tech64

    實測 cosign v3 簽署映像檔遭 policy-controller 公鑰政策拒絕

    用 cosign 簽署的映像檔可能無法通過 policy-controller 的公鑰政策檢查。作者在測試環境中,以 policy-controller v0.15.1 和 cosign v3.1.3 實測:使用 cosign 預設格式簽署時,映像檔遭拒,系統回報「no signatures found」;在政策中加入常見修正設定 signatureFormat: bundle 後,仍遭拒,錯誤訊息指出這種格式要求使用無金鑰的授權方式。相同映像檔改用 cosign 舊格式簽署,則通過了原本的公鑰政策。

  39. Dev.to Top Tech52

    Squid 如何依規則順序控管代理伺服器存取

    Squid 代理伺服器的允許與拒絕規則看起來各自獨立,實際結果卻會受到排列順序影響。文章建議先拒絕禁止的目的地,再允許通過身分驗證的使用者,最後拒絕其餘要求;這樣沒符合前面規則的流量也會有明確結果。作者也提醒,代理伺服器要確認停用帳號無法登入,並防止使用者端假冒身分標頭。修改規則後,可測試不同使用者、來源與目的地的允許和拒絕情況,再檢查紀錄是否符合預期。

  40. Dev.to Top Tech57

    AI 測試工具如何留下決策紀錄,讓團隊說清楚測試結果

    AI 測試工具會自動修正選取器、跳過部分測試或把不穩定的測試暫時停用,因此測試通過時,團隊可能不清楚工具實際檢查了什麼。文章建議記錄六類會影響結果的決定,包括選取器變更、略過的測試、停用原因、AI 撰寫的檢查專案、測試資料異動,以及使用的模型和工具版本。團隊可在每個開發週期安排短時間檢查紀錄,並為高風險變更保留人工確認。這樣遇到稽核或客戶詢問時,就能查出工具改了什麼、由誰檢查,以及測試為何通過。