如何估算 Cursor 每個工作階段的費用
Cursor 的花費上限只會限制帳單金額,無法直接告訴你某次工作階段花了多少錢。文章說明如何用對話 ID 找出同一工作階段的模型請求,再依各次請求使用的模型和輸入、快取讀取及輸出 token 數估算費用,最後和 Cursor 控制台的總額核對;子助理使用的模型也要一起計算。文中的示例費率只是用來說明演算法,實際價格會依模型和版本而不同。若費用突然升高,可以檢查模型、輸出量,以及未快取輸入和快取讀取的變化。
Cursor 的花費上限只會限制帳單金額,無法直接告訴你某次工作階段花了多少錢。文章說明如何用對話 ID 找出同一工作階段的模型請求,再依各次請求使用的模型和輸入、快取讀取及輸出 token 數估算費用,最後和 Cursor 控制台的總額核對;子助理使用的模型也要一起計算。文中的示例費率只是用來說明演算法,實際價格會依模型和版本而不同。若費用突然升高,可以檢查模型、輸出量,以及未快取輸入和快取讀取的變化。
客戶要新增寄信網域時,Go 服務不能只問 DNS 服務商還有多少網域,因為它不知道這個客戶能新增幾個。文章建議由服務自己的客戶資料記下網域上限和目前數量,檢查名額、接受新增和更新數量時也要一起處理,避免兩個同時送出的申請搶走同一個名額。比如上限是 10 個、目前有 9 個時,兩個申請不能都以為還有空位。 服務還應定期比對自己的網域清單和 DNS 清單,把找不到主人的網域標出來,交由人確認;新增網域成功,也不代表 SPF、DKIM、DMARC 都已設定好或郵件確實送達。分開檢視名額、清單差異和郵件設定證據,才能及早處理問題,也避免把名額不足誤當成寄信設定完成。
Android 11 以上會限制 App 檢視手機裡安裝了哪些套件,讓測試工具不容易直接開啟指定的 App。作者分享 Peerbeta 的 Kotlin 做法:Android 13 以上用 IntentSender,Android 11 和 12 則需要開發者提供啟動頁面的完整類別名稱;如果沒有這項資料,就請測試者手動開啟並提交截圖,再由人員檢查。Android 8 到 10 仍可使用一般啟動方式。這些方法讓測試工具不必申請 QUERY_ALL_PACKAGES,也能記錄 App 是否成功開啟。
準備日本 IT Passport 考試時,外國考生除了要懂 IT,也得看懂日文技術用語;而且總分達標,如果有一科沒過門檻,仍然不算通過。作者整理出 30 天讀書順序,先學電腦和網路等較具體的內容,再讀企業管理與法律,也示範如何計算圖片檔案大小。文章還提醒,Technology 科不要求現場寫程式,主要考觀念和簡短的程式碼判讀;讀書時也不能只顧技術,三個考試領域都要準備。
每天的銷售額起起伏伏,單看一天的數字不容易看出整體走勢。這個 SQL 挑戰用 Oracle SQL 的 AVG() 視窗函式,按照銷售日期排序,計算當天和前面最多 6 筆資料的平均銷售額,再四捨五入到小數點後兩位。範例中,第 7 筆資料的平均是 1614.29,第 8 筆是 1814.29。 要留意,這裡算的是最近 7 筆資料,不一定是連續 7 個日曆日;如果日期中間缺了幾天,仍會取前面 6 筆資料來算。資料還不到 7 筆時,則會用目前有的資料計算。
開發者想測試 AWS 服務時,可能不想每次都連到真實 AWS 帳戶。這篇指南介紹 AWS Emulator,讓 Linux 電腦在本機回應 S3、DynamoDB、SQS 和 Lambda 的 API 呼叫,並示範如何安裝程式、設定 AWS CLI,再用 S3 建立儲存空間、上傳和讀回檔案。模擬環境關閉後,裡面的資源就會清除;測試也發現部分操作會回傳 501,且有固定限制。它適合本機開發和持續整合測試,但安全相關行為仍須在真實 AWS 帳戶確認。
想找出 XRP 的大額轉帳,得從大量交易裡挑出真正到帳的付款。這篇教學用 Node.js 22 連上公開的 XRPL WebSocket,訂閱已確認交易,再依自己設定的金額門檻篩選 XRP 付款;不需要 API 金鑰。判斷金額時要看 delivered_amount,因為 Amount 可能只是付款人要求的數字,部分付款實際到帳可能少很多。程式也會用 xrpl.to API 查詢部分大型帳戶名稱,並附上交易連結。
護理工作常要寫交班、照護計畫和出院說明,通用提示詞卻可能讓 AI 把沒提供的生命徵象或臨床細節補進去。作者為 NurseAI Kit 做了 116 個護理工作提示詞,要求內容只根據使用者提供的資料;缺少重要資訊時,標上 [CHECK] 留給人確認,並把輸出標成草稿,交由持照專業人員審閱。提示詞也明確排除藥物劑量、診斷和治療建議。工具是一個可離線開啟的 HTML 檔,作者說它不提供臨床決策支援,也不會判讀檢驗結果。
想找 AI 助理相關工作,光靠逐一檢視公司徵才頁面很花時間。作者從 OpenJob 公開索引抽出 5,107 個職稱,以關鍵字找出 76 個相關職缺,其中 42 個是在最近 60 天刊出的;Cloudflare、Stripe、Scale AI、Reddit 和 Hugging Face 等公司都有職缺。文章也示範用 AI 助理讀取索引,或透過 MCP 搜尋職缺。這些數字只代表索引裡的資料,不等於公司目前仍在招募。
API 呼叫失敗時,AI 助理如果一直重試或擅自改掉請求,可能讓同一筆工作做兩次,甚至把原本要做的事改掉。作者整理一套給 Cursor AI 助理使用的處理步驟:只重試可能自行恢復的錯誤,先設定次數或時間上限;遇到明確的驗證或許可權錯誤就停止,回報狀態和請求內容。若逾時後不確定伺服器有沒有完成工作,先查資料再決定是否重送;像 POST 這類可能重複建立資料的請求,也要先確認能避免重複。作者還示範用模擬 API 檢查重試流程,提醒模擬結果不能取代對真實服務的確認。
金融研究看板的資料會持續更新,若直接用頁碼翻搜尋結果,新增檔案可能讓前後頁重複或漏掉內容。作者建議用穩定遊標依序顯示檔案,並記錄檔案版本與資料時間;要重做研究或核對引用時,則使用固定快照,讓舊版本仍可查到。文章也提醒,先把同一份檔案的段落合併再分頁,並清楚標示資料新舊,才能讓分析師知道看到的是哪個時間點的資料。
網站把有漏洞的程式或已知有問題的套件部署上線,可能讓攻擊者找到可利用的弱點。作者在 Biblioteca Virtual 網站中故意放入 SQL 注入、寫在程式碼裡的金鑰、開啟的除錯模式和過時套件,再用 GitHub Actions 設定檢查流程。Bandit、Gitleaks、OSV-Scanner 和 Grype 會平行檢查程式碼、Git 歷史、套件和 Docker 映像檔;其中一項沒通過,網站就不會部署。修正後,這四項檢查都通過,再由 Nuclei 檢查已上線的網站。作者也實際測到,WAF 擋住一種 SQL 注入寫法,另一種變化仍能查出所有書籍;改用引數化查詢後,這種搜尋結果不再出現。
把 SVG 圖示直接貼進 React 或 CSS,常會遇到圖示消失、TypeScript 報錯,或顏色無法跟著介面改變。作者整理出幾種常見問題和修法,例如把 SVG 屬性改成 JSX 可用的寫法、保留縮放所需的 viewBox,並正確編碼 CSS 圖片網址中的特殊字元。文章也提醒,放進網頁前要清掉 SVG 裡的指令碼和事件處理程式;若要讓 CSS 圖示跟著文字變色,可改用遮罩。作者另提供一個在瀏覽器本機運作的轉換工具。
TTSwap 的 shareMint 原本要分幾次發完一筆份額,但程式每次都用同一個總次數來計算,次數用完後,還有一部分份額卡著發不出來。以 1,000,000 份、分 4 次解鎖為例,舊版最後只發出 683,593 份。修正後,程式會按照還剩幾次解鎖來分配,最後一次再把零頭補齊;新的測試也確認這筆份額能完整發完。這提醒開發者,分期發放時要把已經走過的次數算進去,否則每次少發一點,累積起來就會留下很大一筆。
想自己架設團隊 wiki 和檔案平臺,常會卡在資料儲存、HTTPS 設定和更新備份。這篇教學用 Docker Compose 啟動 Docmost、Postgres 和 Redis,並說明如何設定網域、反向代理和即時協作所需的 WebSocket。作者也在測試環境實際跑過這套服務,記錄三個容器閒置時的記憶體用量合計約 372.7 MB;這是該次測試結果,不代表其他主機也會相同。更新前要先備份檔案和資料庫,並留意升級或降版可能造成資料庫格式不相容。
Google Play 封閉測試要湊滿 12 位測試者並持續 14 天,但人數達標不代表測試者真的有使用 App。TesterBee 根據自家管理的 1,500 多次測試整理出,測試者平均在 10 天以上開啟 App 的測試,首次申請通過率是 97%;只開啟 5 到 7 天的則是 41%。作者提醒,這些是相關性,不是 Google 公佈的門檻。文章也建議先修好一開始就會當機的問題,在測試期間安排幾次小更新,記錄每位測試者實際開啟 App 的天數,並在申請時如實說明測試情況。
要做出像熱門短片的節奏,不一定得把原影片交給模型當動作參考。Remix Motion 團隊製作 Tiny Desk AI 範本時,先量出原片的速度和三個剪接時間,再用文字寫清楚每個畫面要拍誰、何時轉向或接上獨奏。範本會依使用者上傳的照片安排主唱、薩克斯風手和鍵盤手;沒有人像的位置則由 AI 補上角色。影片配上同樣速度的原創音樂,不使用原曲或原片。作者也提醒,這種做法適合動作不多的固定鏡頭;如果笑點在舞蹈或其他動作,仍會使用動作參考。
想在自己的伺服器管理食譜和每週選單,除了把 Mealie 跑起來,也得顧好帳號、網路連線和備份。這篇教學用 Docker 架設 Mealie,讓它從食譜網址整理出食材與做法,也能排選單、整理購物清單;接著說明如何透過反向代理設定 HTTPS、關閉公開註冊,以及備份食譜圖片和資料庫。作者也實際跑過這套設定,記錄兩個容器在測試中的記憶體用量;如果改用不同資料庫,舊資料不會自動搬過去,需要先匯出再匯入或另外遷移。
每日謎題通常每天只寫入一次,卻會在短時間內被很多人讀取。作者分享一種不用資料庫的做法:先在建置時產生每天的謎題 JSON 檔,網站再把它當成靜態檔案提供;每日挑戰和不限次數的練習模式共用同一套判定規則。網站第一次載入時會參考伺服器提供的日期,並在重新回到頁面時再次確認。這種安排讓每日謎題只需讀取靜態檔案,也方便儲存和搜尋舊題。
生成圖片、影片等內容時,每次運算都要花時間和資源;錯誤或惡意請求若一路送到模型,就可能白白耗掉成本。BabySea 在請求進入系統前,先用 Cloudflare 檢查格式、限制請求速度、擋下可疑流量,並依照 API 規格確認請求是否正確;即使使用者換了 IP,也能依 API 金鑰觀察使用情況。舉例來說,請求若用了不支援的格式,會在開始運算前就被擋下。這套做法也搭配多家服務商之間的切換與點數紀錄,讓錯誤和濫用較不容易變成浪費或重複收費。
SaaS 註冊時,寄出驗證訊息不等於帳號已經驗證成功;電子郵件連結和簡訊驗證碼也是兩種不同的確認方式。文章比較 Twilio Verify、Vonage Verify、AWS End User Messaging SMS 和 Infrai,建議先用相同的訊息內容、註冊流程和國家需求來評估,再確認誰負責範本、驗證碼和驗證結果。 範本要有負責人和版本紀錄,程式也應分開記下訊息送出、收到訊息的狀態,以及帳號驗證完成。這樣遇到註冊卡住時,客服比較容易查出問題;也要設定可寄送的國家、請求次數和重試規則,避免有人濫用驗證流程。
把提示詞設成零資料保留,不代表裡面的密碼或金鑰就安全;資料仍可能被服務商內部的攻擊者看到、被轉售平臺記錄,或被轉送到其他服務。作者整理 Dragos 的誘餌憑證研究與多起事件,說明提示詞從自家系統到模型服務會經過哪些站點,以及每一站都可能讀到完整內容。實務上,可以記下每一站、固定使用審查過的供應商、送出前先遮掉密碼和金鑰,再放入不同的假憑證來偵測外洩。這些做法能縮小風險並協助追查,但假憑證只能示警,零資料保留也無法阻止服務商遭入侵。
推薦理由:文章把多起提示詞外洩事件連到實際防護步驟,說明如何追查轉送路徑、固定供應商並用誘餌憑證偵測外洩。
用 X API 自動發文還可以,但自助方案已限制對別人的貼文互動:只有對方提到或引用你的貼文,才能用 API 回覆;按讚、追蹤和引用別人的貼文則已無法自動處理。你仍可發自己的貼文、串文、圖片和影片,也能建立投票。一般帳號透過 API 發文仍限 280 個字元,含網址的貼文每篇要 $0.20。 串文必須先發第一篇,拿到貼文編號後,才能依序發出後面的回覆;若點數用完,API 呼叫會失敗,繼續重試也沒有用。這些規則提醒使用 X API 的人:要先看清楚哪些互動仍開放,也要留意發文順序和點數,才不會讓貼文卡住或多花錢。
一小時的 Podcast 通常藏著好幾段適合獨立觀看的內容,但要從頭聽到尾找出來很花時間。作者建議先訂好挑選標準,再讀逐字稿找出 15 到 20 個候選片段,接著把開頭剪到重點一齣現就開始,配上誠實的標題文字,並讓直式畫面跟著說話的人。字幕也要校對,避免人名和專有名詞出錯。每段影片可留直式和正方形版本,排程每天發布一支;一集最後大約剪成 10 支短片。發布一兩週後,再看看哪些片段留住觀眾,每次只調整一件事,慢慢找出適合自己觀眾的做法。
每次部署都可能換掉內部服務的位置,但租戶的網域名稱應該保持穩定;如果把兩者綁在一起,部署一次就可能得改名稱,還要處理舊名稱留下的問題。文章建議用 DNS 管理租戶固定使用的名稱,再用服務登入簿追蹤會隨部署改變的伺服器位置。電子郵件設定也要另外檢查:網域設定看起來正常,不代表驗證碼真的送進信箱。以 OTP 註冊為例,若驗證碼沒收到,穩定的租戶名稱和郵件寄送狀況分開查,才能知道問題出在哪裡。
影片留言很多時,手動翻找不容易整理熱門留言、回覆和創作者標記。Aurelix Solutions 示範用自家的 YouTube Comments Scraper,把留言和回覆讀進 Python,依讚數排序,並保留置頂、愛心和修改等資訊;也能設定每天只取得新留言,再把摘要傳到 Slack。工具只能讀取登出狀態下看得到的內容,年齡限制或會員專屬影片會略過,留言時間也可能只有大約日期。文章列出的費用依方案而異。
行銷團隊常要查很多 TikTok 創作者的粉絲數和影片表現,手動一個個開帳號記數字很花時間。這個工具會把個人檔案和最新影片資料整理成 Python 能讀的結果,也能比較影片的觀看、按讚、留言、分享和收藏數,並分辨帳號是私人、找不到,還是無法讀取。例如,可以設定每個帳號抓最新 5 部影片;也能每天只收到新影片的摘要,沒有新片時就不會傳訊息。不過,未登入時每個帳號最多隻能取得 13 部影片,無法檢視完整歷史。
DDR5 記憶體的時序引數常被背成一串數字,卻不容易理解晶片為什麼需要等待。作者從記憶體儲存電荷的方式說起,解釋讀取時要先放大訊號並把資料寫回,再用這些步驟說明 tRCD、tRAS 和 tRP 各自限制什麼;tRRD 和 tFAW 則是在避免太多動作同時拉高耗電,讓晶片內部供電不穩。以 DDR5-4800 的 tRRD_L 為例,規則要取 8 nCK 和 5 ns 兩者中較長的時間,換算後是 12 個時鐘週期。文中也提醒,實際數值仍要查裝置規格表。
小型解謎網站把練習模式做成每日挑戰頁面上的一個開關,結果兩種玩法的規則和資料混在一起,也看不出訪客是在玩練習,還是回來檢視昨天的結果。作者替練習模式加上自己的網址,讓它能單獨分享;每日挑戰則維持原樣,也能分開計算兩種玩法的完成紀錄。兩邊仍使用同一套遊戲規則,只是練習模式會換一盤題目,而且沒有連勝紀錄。這樣分享練習連結時,讀者不會誤闖別人的每日挑戰結果。
DRAM 用電容存資料,讀取時,電容會把一部分電荷分給較大的線路,讓原本的資料變淡。感測放大器會讀出這個微弱訊號,再把完整資料寫回電容,所以讀取其實也包含修復資料的動作。這就說明瞭為什麼 DRAM 需要等感測放大器完成工作後才能讀取或關閉一列,也需要定期重新補回漏掉的電荷。像 tRAS、tWR 和重新整理,就是配合這些實際動作而設的時序規則。
Swift 6 的並行錯誤常常一次跳出一大串,真正的原因可能藏在第一則錯誤和下面的補充說明裡。這套排查流程教你先開啟 Xcode 的問題導覽器,讀懂第一則錯誤,再分辨問題是程式在哪裡執行,還是傳來傳去的資料不符合要求。像是程式在背景工作時碰到只能由主執行緒使用的內容,就要調整隔離設定;如果傳遞的資料不安全,就得修改資料型別。先修好真正原因,再針對出錯的建置專案檢查結果,才能少被後續連帶錯誤幹擾。
同一個 Flutter App 常要連測試、QA 和正式環境,若複製三份專案或每次手動改 API 網址,很容易漏改。Flutter flavors 讓同一份程式碼依環境建置成不同 App,分別設定名稱、圖示、識別碼和後端;Android 用 product flavors,iOS 用 schemes,Dart 則用 --dart-define 讀取環境設定。文章也示範如何為各環境分開設定 Firebase。執行時要讓 --flavor 和 --dart-define 指向同一環境,否則畫面顯示測試版,程式卻可能連到正式 API。
密碼重設時,簡訊送達不代表輸入的驗證碼正確,也不代表可以直接改密碼。文章用物業管理網站的情境,示範把傳送簡訊、檢查驗證碼和允許重設密碼分成不同步驟,並在伺服器記錄驗證碼期限、重發冷卻時間和嘗試次數。範例設定有效時間為 5 分鐘、重發間隔為 60 秒,最多可試 5 次;這些是應用程式自行選擇的規則,不是服務商的預設值。文章也說明如何記錄被拒絕的重發原因,讓客服分辨冷卻限制與簡訊延遲,並提醒正式系統要妥善儲存狀態、避免把驗證碼等敏感資料寫進一般紀錄。
製作動態影像影片,常得分別處理指令碼、旁白、音效、動畫和交付檔案。showreel 是 revfactory 專案為 Claude Code 開發的技能,能從影片概念開始,協助整理資料、撰寫指令碼、生成旁白與音效、製作圖片,再用 HTML 和 WebGL 算出動畫。完成後會產生 MP4 影片、JPG 封面、SRT 字幕和製作紀錄。它目前以韓文內容和 Hangul 字型為主,適合製作人物介紹、活動影片或教學素材;音訊工具和動畫算圖則不受語言限制。
不同模型的內容審查設定常常各有各的規則:有的要開啟安全檢查,有的要關閉;有的用數字表示嚴格程度,有的用文字選項。開發者如果直接把這些設定交給使用者,就得先弄懂每個模型的差別,還可能不小心把嚴格和寬鬆的方向設反。BabySea 用一個 generation_moderation 設定表達使用者的意思,再依照各模型的欄位和規則,轉成需要的設定;同一個「嚴格」選擇,可能會變成好幾個欄位的組合。這樣使用者不用逐一研究模型的設定,平臺也能用一致的方式傳達內容審查要求。
猜歌遊戲只播一小段音樂,有時不到半秒,玩家往往就能認出是哪首歌。網站也一樣,使用者常在幾百毫秒內就對畫面有感覺,還沒讀文字,已經先注意到字型大小、間距、顏色和按鈕。作者認為,網站剛出現的畫面值得像最後完成的畫面一樣用心設計;即使內容還沒全到,只要版面穩定、看起來有條理,也能讓人先開始理解。這樣的畫面有時比等到完整畫面才顯示更讓人覺得快,也更容易讓人相信自己點開的是想看的東西。
尾礦設施每天會收集儀器讀數、巡檢紀錄和雷達測量資料,但這些資料分散在不同系統裡,單看某個儀器的警報,很難知道整個壩段發生了什麼事。CodeNinja Atoms 提出一套在礦場自有硬體上運作的設計,把 8 個資料來源接到共同的資料模型,串起儀器、壩段、降雨、施工和巡檢紀錄;例如,工程師可以把某支測壓計慢慢升高的讀數,和附近的施工、巡檢及雷達資料一起檢視。 AI 助理會整理線索、草擬說明和回應,工程師則負責確認或核准;資料留在業者的硬體上,也不會拿來訓練模型。這樣能讓工程師更快拼出每個壩段的完整狀況,同時保留由人把關的重要決定。
Nuclio 儀錶板的 API 能讀寫函式設定,其中可能包含事件觸發器的密碼和金鑰;如果沒有登入保護,外部人士可能讀取機密或更改設定。作者在 2026-11-22 查到 ZoomEye 有 446 筆 Nuclio 應用程式比對結果,但這不代表有 446 個儀錶板暴露或已受攻擊。文章建議從核准網路之外檢查儀錶板和 API 是否要求登入,確認網路入口有身分驗證,並檢查密碼遮蔽設定;若機密曾可從未受保護的儀錶板讀取,應更換相關密碼並檢視函式紀錄。
一次叫大型語言模型找資料、整理、排序再排版,常會漏掉數字或弄錯格式。作者用 Spring AI 範例,把季度報告整理成表格的工作拆成四步:擷取數字、統一表示方式、排序,再排成 Markdown 表格;每一步都接收前一步的結果。這樣比較容易找到錯在哪裡,但範例會直接把結果交給下一步,沒有先檢查格式。作者也提醒,實際用在服務時應加入檢查、錯誤重試和時間限制;排序與排版等固定工作則可交給程式處理,減少模型呼叫的成本與等待時間。
續約提醒如果遇到網路中斷,系統可能不知道提醒有沒有送到,重試時也可能重複處理。作者說明一種做法:先把提醒和唯一的傳送編號存進資料庫,再交給佇列等到期限後送出;接收端也記下這個編號,遇到重送就辨認為同一筆工作,避免重複寄出提醒或修改資料。文章也比較佇列、定期掃描、資料庫排程和程式內計時器,並提醒要記錄每次嘗試與最終結果,才能找出卡住的工作。