AI 加快找出漏洞,企業修補系統的時間也更緊迫
AI 能更快找出軟體漏洞,也讓攻擊者更快把漏洞變成攻擊手段,企業因此得趕著推出和安裝修補程式。文章提到,2026 年記錄的漏洞已超過 10 萬個,約是 2022 年全年 2.5 萬個的四倍;但已知遭利用的漏洞數遠少於總數。文中也提醒,近期大型服務故障沒有證據顯示是網路攻擊造成,不能直接歸咎於 AI。修補太急可能增加系統出錯的壓力,而 AI 工具目前仍無法取代人員評估和規劃。
AI 能更快找出軟體漏洞,也讓攻擊者更快把漏洞變成攻擊手段,企業因此得趕著推出和安裝修補程式。文章提到,2026 年記錄的漏洞已超過 10 萬個,約是 2022 年全年 2.5 萬個的四倍;但已知遭利用的漏洞數遠少於總數。文中也提醒,近期大型服務故障沒有證據顯示是網路攻擊造成,不能直接歸咎於 AI。修補太急可能增加系統出錯的壓力,而 AI 工具目前仍無法取代人員評估和規劃。
把提示詞設成不留存,仍不一定能防止上游服務商或轉售市場讀取內容。Dragos 在提示詞中放入可追蹤的假連結與憑證,發現多家 AI 推論服務的資料遭人讀取;其中一些請求即使被服務商拒絕、模型尚未執行,也被複製。OpenRouter 已移除三家服務商,並取消 125 個端點使用零資料保留的資格,也通知可能受影響的客戶。不過,研究者查到的三家遭入侵服務商,是否就是 OpenRouter 移除的三家,目前尚未確認。Phala 表示,特定期間經其服務傳送的 DeepSeek V4 Flash 0731 請求應視為外洩,並建議更換其中的密碼與金鑰。文章提醒,敏感資料應避免放進提示詞,使用者也可檢查雲端紀錄是否出現異常操作。
推薦理由:研究以埋入提示詞的假連結追查資料流向,揭露零資料保留設定未必能防止上游服務商或轉售市場讀取內容。
AI 助理把工作交給另一個 AI 助理時,接手的人可能看不到原本的對話,也難以確認交接內容有沒有被改過。Zambo 的 HANDOVER 要求記下工作摘要、目標、接收物件和後續步驟;資料缺漏時會拒絕存檔,並留下原因。交接與接收時,系統各自產生收據,公開驗證頁面能檢查記錄是否遭到修改。作者也用兩個連線示範完整流程。收據只能證明記錄寫入後沒有被改動,不能證明工作結果正確,也無法確認摘要是否漏掉失敗專案。
AI 助理交出一份操作紀錄時,單看紀錄裡的雜湊值,還不能知道內容是否完整,也不能確認它記下了每個聲稱做過的步驟。作者把查核分成三件事:比對內容有沒有被改過、確認紀錄尾端沒有被刪掉或整份替換,以及逐一檢查每個聲稱的步驟是否都有紀錄。文章也比較兩種做法:把紀錄串成鏈並從外部儲存頭端雜湊,或替每次操作建立可公開查驗的收據。兩者都只能證明紀錄未被事後改動,不能證明工作結果正確;而由服務端建立收據,也代表查核者需要信任建立收據的執行服務。
想用 Google 找網頁連結,又不想換掉原本的預設搜尋?可以在 Chrome 新增一個獨立的網站搜尋捷徑,指定一個沒用過的關鍵字,例如 gw。輸入 gw,再按空白鍵或 Tab,就能輸入要查的內容;原本的預設搜尋設定會保留。文章也提供用 JavaScript 組出 Google Web 搜尋網址的做法,讓加號、&符號和引號都能正確留在搜尋內容裡。如果搜尋結果開成平常的 Google 頁面,可以檢查捷徑是否設好,以及 Google 是否選了 Web。
舊車音響可能只認得 MP3,也可能讀不到新格式的 USB 隨身碟,或把歌曲順序排亂。作者實際整理一支給 2012 年前後車款使用的 USB 隨身碟,建議先查音響手冊確認格式、資料夾和檔案數量限制,再把音樂轉成真正的 MP3,不能只改副檔名。音樂可用 192 kbps 固定位元率,語音用 64–96 kbps;舊音響也可能需要較舊的 ID3v2.3 標籤。資料夾保持簡單、歌曲編號補上前導零,並先在停車時試播,就能減少路上找不到歌曲或播放順序不對的麻煩。
網路上的檔案轉換工具常要求先把檔案傳到遠端伺服器,處理的是財務資料時,難免讓人擔心資料會不會真的刪掉。JSONtoSheet 把轉換工作放在瀏覽器裡進行,讓使用者整理 JSON、銀行對帳單 PDF 和發票,再匯出 Excel 檔,資料不必離開瀏覽器分頁。它也能把銀行提供的 CSV 轉成 QuickBooks Desktop 可用的 QFX 檔。 例如,系統會從 PDF 擷取文字位置,整理成一列列資料,再核對期初和期末餘額;發現資料列可能漏掉時,就會標示出來。作者表示,先用固定規則處理,大約 80% 的轉換可以立刻完成、成本為 $0,只有歪斜掃描檔和熱感紙收據才交給視覺 AI。這樣能兼顧速度、成本和財務資料隱私。
想在 Raspberry Pi 5 上安全地跑 Docker Sandboxes,安裝和記憶體限制都得先弄清楚。作者在一臺 8 GB 的 Raspberry Pi 5 上實測,發現 Docker 的套件來源當時沒有適用的 arm64 套件,改用發行頁提供的 Ubuntu 26.04 安裝檔後,診斷檢查通過。沙箱能在自己的環境裡執行 Docker,也能限制網路連線、分享資料夾或把資料夾設成唯讀;第一次建立沙箱連同下載約花 2 分 15 秒,之後約 8 秒。記憶體是主要限制,兩個沙箱同時運作時,主機約剩 2.1 GiB 可用;這些結果只來自一塊板子,不能當成官方支援或效能基準。
Exchange Server Subscription Edition RTM 有一個漏洞,已登入的低許可權使用者可能透過網路遠端執行程式。微軟將它列為 Critical,CVSS 3.1 分數為 8.8;文章沒有提到已知攻擊或研究者驗證的 PoC。微軟 11 月 10 日的更新 KB5133453 列出這個漏洞,適用於 Subscription Edition RTM。管理者應先確認伺服器版本,再依微軟的更新指引修補;更新後也要檢查哪些帳號能從外部登入、檢視伺服器與目錄服務的紀錄,留意可疑的 PowerShell 程式或郵件傳輸規則。
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。
一份證明通過程式核驗,不代表數學界已理解它為什麼成立。菲爾茲獎得主、牛津大學數學教授詹姆斯・梅納德認為,Anthropic 數學家 Levent Alpöge 與 Claude 合作提出的黎曼猜想證明是正確的,理由是證明已用 Lean 庫形式化驗證、經過獨立核實,而且 Alpöge 過去提出重大主張的紀錄可靠。不過,梅納德也指出,只有有人理解證明的想法並能向其他人說明,數學界才可能全面認可;在理解整體思路之前,這項成果也未必帶來大家期待的改變。
推薦理由:梅納德認為形式化驗證與獨立核實支援證明正確,但數學界要理解證明的想法,才可能看見它帶來的影響。
程式寫完、測試也過了,準備開 PR 時,還是可能漏掉空值檢查或沒想到的特殊情況;等同事審查後才發現,就得回頭修改再等一次檢查。這篇文章介紹 Qodo、CodeRabbit、Greptile 和 Macroscope,讓開發者在開 PR 前先用命令列檢查 Git 裡的修改。以 Qodo 為例,它能檢查尚未提交和新加入的檔案,也能讀取功能說明等背景,再把問題整理後交給 Claude Code 或 Codex。這樣 AI 助理寫完程式後,可以先請另一套工具找問題,再修正結果。不過,能在本機檢查程式碼,不代表 AI 模型也在自己的電腦上執行;有程式碼隱私要求時,還得確認資料會送到哪裡。
別人要採用 AI 助理做出的結果時,光聽平臺說「可以相信」還不夠,還得能自己檢查它做過什麼。文章介紹 Zambo 使用的 AER-1 格式:每次工具呼叫都會留下收據,記下執行內容,並用 SHA-256 算出一串檢查碼,讓任何人都能確認結果後來有沒有被改過。 例如,一次查詢透過 Coinbase 取得 BTC 價格,收據記下結果,別人可以重新計算檢查碼,確認它和原本的一致;檢查也不需要帳號。這些紀錄能說明 AI 助理做了什麼、結果有沒有被改,卻不能證明結果本身正確。要判斷工作好不好,還是得由人來看。
同一張臉用不同的黃金比例計算器測,結果可能不一樣,因為各工具抓的臉部位置和比較標準不同。它們會量幾段距離,再用一段距離除以另一段;轉頭或歪頭時,距離變化不同,數字就會跟著變。常見的 4 個數字分別比較臉長和臉寬、兩眼間距和眼睛寬度、鼻寬和兩眼間距,以及嘴寬和鼻寬。只有臉長與臉寬會用到 1.618,其餘是常見比例參考;而且髮際線被頭髮遮住時,工具可能把額頭當成臉的頂端,讓臉長算得較短。 計算器會把 3 項比例和參考值的差距換成分數,再取平均,所以分數也受計分方法影響;看各項比例通常比只看總分更有用。想讓照片結果穩定些,可以正面看鏡頭、把相機放在眼睛高度、稍微站遠,並放鬆閉嘴。這些數字只描述某張照片裡幾段距離的比例,不能當成美貌、健康或個性的標準;上傳自拍前,也要留意照片會在哪裡處理、儲存多久。
想在 Rockchip RK3576 或 RK3588 上跑 Spark-X2.5 1.7B,可以先參考 Rockchip 的測試資料:RK3576 每秒產生 13.57 個 token,第一個 token 等了 768.66 毫秒;RK3588 每秒產生 15.61 個 token,等了 386.23 毫秒。測試使用不同的量化格式,也用了 128 個輸入 token、要求產生 64 個新 token。作者建議先看自己要用的開發板適合哪種格式,再用實際提示詞測試,並分開記錄第一個 token 等多久,以及後續產生速度。
把照片剪成噴漆模板時,字母 O 中間的白色圓片、眼睛裡的瞳孔,可能會整塊掉下來,讓模板破洞、噴出來的圖也糊成一團。這些被孤立的小塊,需要用一小段沒剪掉的紙片連回模板邊緣,就像在中間搭一座橋。StencilBench 的線上工具會找出這些小塊,替它們接上最短的橋,還能調整橋的寬度;照片不會被上傳,完成後可免費下載 PNG、SVG 和 PDF。橋太細容易斷,太寬則會在圖案裡留下明顯空隙,所以要看模板材料挑選;先用預設寬度試做,拿起來覺得太軟,就加寬重做。
評估 AI 助理時,常把「事情有沒有做」、「成果好不好」和「最後有沒有帶來幫助」混成一種感覺。這篇文章建議分開檢查:先看工作紀錄,用雜湊比對確認存下來的結果有沒有被改過;再照事先寫好的標準評分;最後觀察後續造成了什麼影響。文中用查詢 BTC 價格的紀錄示範:重新計算後,結果和紀錄上的雜湊相同,能證明存下來的內容沒被改動,卻不能保證價格本身正確。把檢查過、沒檢查過和根本沒有紀錄的步驟分清楚,評估才不會只剩下「感覺還不錯」。
AI 助理能快速做出一大批商品,但沒人看到,商品再多也不會自己帶來生意。作者讓 NEXUS-PRIME 經營數位商品商店,架上有 225 種商品,也檢查檔案和商店頁面是否正常;但訂單資料裡只有取消的測試訂單,營收是 $0,商品頁瀏覽也來自自動同步程式,沒有確認是真人買家。作者發現,接連發文也沒帶來多少互動。這次經驗顯示,AI 助理做商品只是其中一關,找到會看、會買的人才是更難的事;測試訂單也不能當成生意成果。
AI 助理把工作交給另一個 AI 助理時,光靠一段摘要很難確認內容有沒有被改過,或對方到底有沒有接手。Zambo 會把工作摘要、目標、指定接手者和下一步一起記錄,並產生收據;接手時也會再產生一張,任何人都能免費檢查內容是否和紀錄相符。比如接手者從另一條連線取回工作時,可以核對收到的摘要、目標和三個步驟是否與原本交出去的完全一致;第一個正式接手的人也會被記下來。 這種收據能證明紀錄事後沒有被改,卻不能證明內容正確或完整;如果交接的人漏寫一次失敗的嘗試,收據也只會忠實記下這份不完整的紀錄。因此,它比較適合工作要跨不同工具、廠商或人來回交接的情況,也提醒大家把沒做過的事寫清楚。
Windows NAT 有一個可讓未授權攻擊者從網路執行程式碼的漏洞,攻擊條件雖較複雜,仍可能影響處理網路流量的主機。文章指出,受影響範圍包括 Windows 10、Windows 11、Windows Server 2016 至 2025,以及相關的 Server Core 安裝;各版本適用的修補組建不同。管理者應先找出啟用 NAT 的 VPN 閘道、虛擬化主機和其他轉送流量的裝置,再安裝含修正的 2026 年 11 月累積更新、重新開機並確認組建。若暫時無法更新,可移除不必要的 NAT 規則並限制可連線的介面,但網路過濾只能降低暴露,不能修好漏洞。
推薦理由:文章把高攻擊複雜度轉成可執行的檢查順序,從盤點 NAT 邊界、安裝更新到重開機後驗證介面政策,協助管理者找出較需優先處理的主機。
常見的去除重音符號做法,可能讓冰島語搜尋漏掉使用者輸入的詞。NFD 能把 á 拆成 a 和重音符號,卻不會改動 þ、ð、æ;冰島使用者在外國鍵盤上常用 th、d、ae 代替這些字母,因此搜尋「thjonusta」可能找不到含有「þjónusta」的結果。作者建議在索引和查詢兩邊都用同一份明確對照表轉換,並只在比對時使用,畫面仍保留原字。因為 þ 會變成兩個字母,標示搜尋結果時也要處理位置偏移;排序則應用冰島語的在地排序規則,不能靠轉換後的字串。
AI 模型做到一半換成另一個模型時,新模型可能不知道前面做過什麼。文章建議先把已完成的事、試過但失敗的做法、目標、接手模型和下一步整理成一份交接紀錄,再開新對話讓新模型讀取;紀錄寫下和讀取時都會留下收據,方便確認內容有沒有被改動。作者也引用一項研究:把工作整理成摘要,比直接搬整段對話更省成本;但摘要漏掉的線索,新模型也不會知道。收據只能證明紀錄沒被改過,不能保證內容正確或交代完整;如果任務很簡單,直接讓新模型重做可能更省事。
AI 模型回答得更精簡,不一定代表回答更可靠;不同模型也可能用不同方式表達不確定。Artificial Analysis 比較 GPT-6.2 Astra、Sol 和 Claude Fable 5.2、Opus 5.5,發現 Astra 和 Sol 的回答變短,也更快切入問題;Claude 在透明度和組織方式的分數較高。這些分數是和其他受測模型相比的風格排名,不是答案正確率;透明度分數較低,也不代表模型更常答錯。
只測一次,很容易把大型語言模型的速度看錯,因為同一模型連續呼叫幾次,等到第一個 token 出現的時間也可能差很多。作者用同一個 API 測了多款模型,每款連測三次,並比較中位數與起伏範圍;有些模型的內部差距比模型之間的速度差還大,因此資料不足以判定哪個比較快。DeepSeek-V4-Pro 也曾連續兩個測量時段變慢,之後又恢復。作者建議至少測三次,記下中位數、範圍和測量時間;HTTP 429 代表請求受到容量或配額限制,應當作一項結果記錄。
需要讓 AI 助理讀取網頁時,常得另外設定雲端 API 或管理一套擷取服務。Firecrawl Local 把網頁擷取和 MCP 伺服器放進單一執行檔,在本機執行後,AI 助理可傳入網址,取得整理成 Markdown 的頁面內容,也能透過 stdio 或 HTTP 連線。它適合開發測試和少量擷取,免去額外服務設定;但預設不儲存快取,也沒有佇列和失敗重試,遇到網站擋爬或需要大規模處理時,得自行處理或改用雲端、自架版本。
呼叫外部程式時,即使設了 shell=False,使用者輸入仍可能被當成指令選項,或在 Windows 的 Git Bash 環境中被改成多個檔名。作者分享兩個除錯案例:以連字號開頭的輸入會被 grep 當成選項;萬用字元則可能先被 MSYS 相容層展開。文章建議在程式支援時用 -- 隔開選項與使用者輸入,並處理送進 Windows 原生程式的萬用字元。作者也做了 shellguard 掃描工具,可在 CI 中找出部分這類風險,並回報無法確認的情況。
用 rsync 打包 WordPress 外掛時,設定檔裡少一個斜線,可能讓依賴套件也被刪掉檔案。像 tests 這種沒有斜線開頭的排除規則,會套用到各個資料夾裡同名的專案,因此也可能移除 vendor 裡執行外掛需要的套件。作者建議在規則前加上斜線,讓它只套用到外掛根目錄;他們也在開源工具 wp-release 加入檢查,找出可能出錯的規則,並在嚴格模式下讓打包失敗。
把橫式影片改成直式,常得先上傳檔案;作者做的 Vertical Video Maker 則在瀏覽器裡處理影片,檔案不會離開裝置。它用 WebCodecs 解碼和編碼影片,並用 Mediabunny 讀寫影片檔;預覽和匯出共用同一套畫面處理方式,讓裁切設定在成品裡也能對上。作者也分享了處理不同瀏覽器裁切差異、影片時間戳和模糊背景的方法。匯出檔案會放在記憶體裡,長影片可能需要好幾 GB;沒有 WebCodecs 的瀏覽器則無法匯出。
package.json 常常被修改,但 npm install 不會檢查所有容易出錯的地方;有些問題要等到釋出、同事執行 npm ci,或程式在 CI 執行時才會出現。作者做了一個 Python 檢查工具,會抓出像是 type 拼錯、scripts 裡放了非文字指令、套件版本寫成 latest,以及授權欄位格式過時等問題。文中也提供一小段程式碼,能檢查 package.json,發現問題時回報錯誤,並可放進 CI 使用。這能讓開發者提早發現設定錯誤,少等到最後一刻才除錯。
備份若只放在伺服器本機,磁碟故障或入侵可能讓原始資料和備份一起消失;直接上傳未加密檔案,也可能洩漏設定和資料庫內容。這篇教學示範在 Ubuntu 24.04 上用 Bash 打包指定資料夾,再由 Rclone 在上傳前加密檔案內容和檔名,存到相容 S3 的雲端空間,並刪除超過 14 天的備份。接著用 Cron 每天凌晨 2 點執行,最後下載檔案並解密還原,確認備份真的能用。
iPhone Duo 有兩個形狀不同的螢幕,桌布只裁一次,很容易在其中一個螢幕上把主角擠到邊邊,或讓人臉剛好落在摺痕上。作者建議從同一張照片裁出不同大小的版本:手機開啟時用 2670 x 1878,闔起來時用 1398 x 2034;想保留更多調整空間,還可以先準備 3840 x 2700 的大圖。作者自己把照片置中裁切後,縮圖看起來沒問題,設成桌布才發現人臉壓在摺痕上。做桌布預覽時同時顯示開啟和闔上的樣子,就能更早看出裁切位置合不合適。
網站改版時,測試站的「不要收錄」設定可能跟著複製到正式網站,讓網頁逐漸從搜尋結果消失,畫面看起來卻一切正常。作者提供一支約 40 行的 Node.js 指令碼,部署後會檢查指定網址的網頁標籤、回應標頭、robots.txt 和 canonical 設定;有問題時會回報錯誤,也能讓 GitHub Actions 的工作失敗。作者建議挑首頁、不同版型的代表頁面等 5 到 10 個重要網址來檢查。這支指令碼只能找出網站是否要求搜尋引擎略過頁面,不能確認頁面是否已被 Google 收錄;測試站則可用登入保護,避免 noindex 設定被帶到正式站。
把太多操作步驟放進 CLAUDE.md,Claude Code 每次開始新工作階段都會載入,連不相關的工作也得帶著這些內容。作者說明,CLAUDE.md 適合放長期不變的專案規則,例如資料夾安排和建置指令;SKILL.md 則適合放偶爾才要用的步驟,像是部署或整理程式修改,只有叫用技能時才會載入。技能也能附上參考資料或執行指令。把兩者分工整理,可以讓每次對話少帶不需要的內容。
USB Type-C 插頭正反兩面都應該能用;如果只有一面正常,可以分開檢查供電和裝置辨識。先固定電腦端,換一條確認正常的 USB 資料線,只翻轉裝置端插頭,分別記錄兩種方向有沒有 VBUS 供電、裝置有沒有被辨識。若沒供電,檢查接頭焊點,以及 CC1、CC2 的連線;若有供電但裝置沒被辨識,關閉電源後檢查兩面的 D+ 和 D− 接點是否各自接到正確線路。這裡檢查的是 USB D+/D−,不包括另一組高速傳輸線。
手部或說話不方便的人,可能沒有合適的裝置來打字或表達需求。作者做了 Glint,讓筆電鏡頭追蹤眉毛動作,遊標會在螢幕鍵盤上輪流移動,抬眉就能選字或常用短句;慢慢吐氣則可朗讀打好的句子。也能用實體按鈕或鍵盤操作,照顧者可以修改短句和移動速度。作者在自己的鏡頭上測到抬眉選句和打字,但吐氣朗讀這次沒有成功;目前也還沒有由需要這類輔助操作的人實際試用。
推薦理由:作者用自己的實測資料調整眉毛與呼氣操作方式,也清楚交代哪些功能已測、哪些還沒測,呈現了無障礙輸入工具從設計到驗證的過程。
想用同一個地方寄電子報、向讀者收費,Ghost 和 Substack 現在就能做到;WordPress.com 則有很多版型可選。Galascribe 目前沒有電子報寄送和收費功能,版型也只有六種。不過,用 Galascribe 寫的文章會是你 GitHub repository 裡的 Markdown 檔案,網站發布也在你的 GitHub 帳號裡進行;使用其他服務時,文章則放在服務的系統裡,離開時要先匯出。 這不表示其他服務會把你的文章鎖住:Ghost、Substack 和 WordPress 都提供離開的方法。差別在於 Galascribe 的文章原本就放在你的 repository,拿到檔案就能帶走;但按讚和留言目前存在 Galascribe 的資料庫,也沒有匯出功能。選之前,可以先試著把文章匯出或複製出來,開啟看看自己實際拿得到什麼。
想弄懂大型語言模型怎麼運作,光讀原理不容易看出每個步驟怎麼接起來。Alain Airom 用 Bob 做了一套互動教材,帶人從文字切分開始,親手組出 GPT 式語言模型,並用畫面檢視模型內部的資料變化。教材也能在筆電上本機執行,讓讀者調整設定、觀察模型訓練,並試試不同的文字生成方式。預設模型約有 103,360 個可訓練引數,適合用來認識模型的基本組成。
不少 Flutter 藍牙外掛只處理 BLE,但 OBD-II 讀取器、熱感應印表機和條碼掃描器等裝置常用藍牙 Classic 傳送序列資料。開發者推出 bluetooth_spp,讓 Android 上的 Flutter App 能連線並讀寫這些裝置,也提供可選的連線備案,處理部分裝置的配對或服務查詢問題。回傳資料可能分成好幾段,程式需要等到收到指定結尾才算讀完。外掛目前只有 Android 版本;作者表示測試涵蓋程式邏輯和模擬器,但還沒用真實藍牙裝置測試成功連線、讀寫等功能。
一批 JavaScript 工作中途出錯時,呼叫端可能分不清哪些工作失敗、哪些根本沒開始。作者比較兩種做法:先把結果陣列填入 skipped,可以讓每個位置都能讀取;但丟擲錯誤的任務也會留著 skipped,連還在執行的任務也可能被標成 skipped。作者建議在工作失敗時記下錯誤,再重新丟擲,並確保呼叫端在整批失敗後仍拿得到結果陣列,才方便判斷哪些工作可以重試。
部署前要先跑測試、長時間的工作完成後想收到通知,或是想確認伺服器真的準備好了,常常得把一串指令擠在一起,或盯著畫面看。cmdbook 可以把檢查和通知分別設在指令旁邊:先跑測試,沒通過就不執行主要工作;工作結束後,再依成功、失敗或任何結果播放聲音或說出提醒。要確認伺服器是否就緒,也能設定檢查連線埠、網址回應或輸出文字。這些功能都包含在 cmdbook 的免費方案中。