UUID v4 和 v7 怎麼選?避開索引膨脹與其他常見問題
UUID 看起來方便,但選錯版本或用錯地方,可能讓資料庫索引變大,甚至把識別碼誤當成密碼。作者整理幾個常見陷阱:大量新增資料時,可考慮時間排序的 UUID v7,讓資料比較接近依序寫入;比較 UUID 前要統一大小寫和連字號;UUID 不適合當重設密碼連結或 API 金鑰。資料庫也可用原生 uuid 型別或 16 位元組格式儲存,減少佔用空間。
UUID 看起來方便,但選錯版本或用錯地方,可能讓資料庫索引變大,甚至把識別碼誤當成密碼。作者整理幾個常見陷阱:大量新增資料時,可考慮時間排序的 UUID v7,讓資料比較接近依序寫入;比較 UUID 前要統一大小寫和連字號;UUID 不適合當重設密碼連結或 API 金鑰。資料庫也可用原生 uuid 型別或 16 位元組格式儲存,減少佔用空間。
Base64 只是把資料換一種方式表示,不能拿來保護密碼;JSON 看起來格式正確,也可能因為多了逗號或用了單引號而無法解析。Sanjaya Sahu 整理了幾個常見問題:JWT 使用的 Base64URL 要先換回一般 Base64 格式,瀏覽器的 btoa() 不能直接處理非拉丁字元,而超過 2^53 的數字可能失去精度,適合改用字串傳送。他也提醒,別把正式環境的金鑰貼到會上傳資料的線上工具;可用完全在瀏覽器內運作的格式整理工具,並檢查網路連線確認資料沒有送出。
想做會玩遊戲的 AI,通常得把遊戲、訓練程式和展示畫面接在一起。作者用自己寫的程式語言 KingCobra,完成貪食蛇遊戲、Double DQN 訓練和網頁儀錶板,整個專案只用 KingCobra 的標準函式庫,不需 Python 或外部依賴。AI 在 10×10 棋盤上玩 100 場,平均得分是 33.1,最高 50 分;訓練約需 2 分鐘,並可用同一組種子重現相同模型。作者也公開程式碼、測試和效能限制,讓人能檢視這個語言如何支援從訓練到展示的完整流程。
AI 助理寫 Playwright 測試時,可能自己重做登入流程,忽略專案已準備好的測試工具,讓測試變慢、容易失敗,還可能把測試帳號密碼寫程序式碼。作者建議先提供專案的測試輔助工具和一份相鄰範例,要求新測試沿用共用的登入、建立測試資料和頁面導覽方式。檢查程式變更時,也要留意是否重複登入、直接填寫密碼,或用了專案沒有採用的測試方式。
顏色在自己的螢幕上看起來很清楚,別人不一定看得懂。檢查介面時,先確認文字和背景的對比夠不夠:一般文字至少要有 4.5:1,大字至少 3:1;接著確認錯誤訊息不會只靠紅色和綠色區分,可以再加圖示或文字;最後把顏色整理成一致的色階,套用到設計設定裡。像是淺灰字配白底,對比只有約 2.8:1,可能不容易閱讀。做好這些檢查,能讓更多人看清楚介面,也更容易理解顏色代表的意思。
匯入航空哩程價格時,只用航空公司、出發地、目的地和艙等當識別條件,可能把不同商品的價格蓋在一起。作者示範用 TypeScript 建立匯入流程,把單程或來回等查詢條件納入識別,檢查資料是否完整,也把欄位不熟悉或互相衝突的資料先留起來檢查。只有各航空公司的資料都成功取得、沒有衝突,而且結果未碰到筆數上限時,才更新目前價格;缺少的商品則先保留,避免誤當成已下架。
把網頁上的廣告動畫存成影片,常會遇到字型還沒載入、手機記憶體不夠,或影片無法順利播放等問題。作者示範在瀏覽器裡逐格畫出 canvas 畫面,再用 WebCodecs 編成 H.264,並包成 MP4 檔案;若瀏覽器沒有 VideoEncoder,也能改用 MediaRecorder 錄下 canvas。實作時要先載入字型、控制編碼排隊,並把影片索引放到正確位置。iPhone 需要等影片做好後再點一次,才能開啟分享選單儲存影片;整個製作過程在裝置上完成,不會把素材傳出去。
正規表示式有時測試看起來沒問題,遇到真實資料卻會出錯,甚至讓程式卡住。常見問題包括規則吃掉太多文字、忘了用 ^ 和 $ 限定整段內容、句點沒加上跳脫符號,以及重疊的重複規則讓程式反覆嘗試。例如 \d{3} 會在 abc12345xyz 裡找到三個數字,卻不代表整段文字都符合格式;而 (a+)+$ 遇到一長串 a 後面接著 !,可能讓執行緒卡上好幾分鐘。作者提醒,也要用程式實際採用的旗標測試,並限制輸入長度。
有些模型得寫出更多文字才能多做推理,Thinking Machines 推出的開放模型 Inkling 2 Mini,改用重複運算部分層的方式,在不多生成文字的情況下延長內部推理。它能處理文字和圖片,並可在記憶體至少 32 GB 的 Mac 上本機執行。Artificial Analysis 的 Intelligence Index 給它 20 分,與 Qwen3.8 27B 同分;Thinking Machines 表示,它在程式開發測試中也有不錯的表現。
推薦理由:Inkling 2 Mini 透過重複運算部分層來延長內部推理,文章也比較了它在程式測試、速度與成本上的表現。
想整理 3.5 吋磁片時,常得把磁片一張張接到電腦上讀取。硬體玩家 BigCrimping 做了開源裝置 floppy3.5,可讀取磁片並透過 Wi-Fi 管理檔案,也能把檔案存到 microSD 卡,方便一次整理多張磁片。螢幕會顯示檔案數量和磁片狀況;需要讀取整張磁片映像檔等進階功能時,可用 USB 連線。它預設支援 FAT12,也能透過 Greaseweazle 工具處理其他格式。
nim-libp2p 的 BytesView 可以讓程式讀取一段資料,而不用先複製整份內容;但切片起點不是 0 時,舊寫法會少拿資料。像是要取第 2 到第 5 個位元組,原本應該拿到 4 個,卻只拿到 3 個。測試也漏掉了問題,因為它把錯誤的長度當成正確答案,讓錯誤跟著程式存在了 16 個月。後來,Axiom 找出一個能重現錯誤的例子,維護者再修正程式,並加入測試檢查各種有效切片。這次修補確認了這個錯誤,也提醒大家:測試答案若跟程式用同一套錯誤想法寫出來,就可能一起出錯。
不少桌面工具要人登入雲端帳號,還會在背景傳送使用資料;作者想做一個檔案完全留在自己電腦裡的保險箱,因此開發了 CrypticLocker。它能在本機加密檔案和資料夾,也能把檔案打包成加密備份或分享包;如果忘記主密碼,還有一組 13 個部分組成的復原金鑰可用。CrypticLocker 免費開放原始碼,適合想把敏感檔案留在自己手上的人。
React Native 或 Expo 的程式在 iOS 和 JavaScript 測試都正常,到了 Android 卻可能出問題,因為某些畫面、鍵盤、返回鍵和許可權流程只會在 Android 執行。Mobilebox 建議在每次 PR 合併前,先把 Android APK 裝到雲端手機上,實際開啟有改動的畫面並操作,再把截圖和檢查結果貼回 PR。文章也提供 GitHub Actions 和 AI 助理操作手機的做法。這能提早抓出畫面或操作問題;若問題需要特定廠牌硬體、Play Integrity 或 Google Play 服務,仍要用實體裝置檢查。
團隊共用一個測試環境時,常有人蓋掉別人的版本,讓審查者看到的不是自己要檢查的內容。Sten Roger Sandvik 做了 Stagd:每次有人開啟拉取請求,它就依照分支建置程式、啟動資料庫和服務,提供預覽網址,並把測試郵件留在預覽用的收件匣,不會寄給真正的人。設定寫在專案裡的 stagd.yaml,環境使用團隊自己的運算資源;沒人使用時會休眠,拉取請求關閉後就會連同資料庫一起移除。
API 明明只要列出書籍和作者,卻可能每列一本書就再向資料庫查一次,讓回應變慢。這種情況叫 N+1 查詢問題:例如列出 50 本書,原本 1 次查詢就能取得書籍,讀取每本書的作者時又多查 50 次,總共變成 51 次。文章示範先用查詢紀錄找出重複查詢,再用 ORM 預先載入相關資料,讓書籍和作者一次取回;也建議用測試限制查詢次數,避免日後改程式時問題又出現。
一位在美國有 15 年經驗的資深軟體工程師,失業兩年後仍找不到工作,存款也快用完,於是在 Hacker News 詢問下一步該怎麼走。留言者分享的做法各有不同,有人建議聯絡以前共事的人、參加聚會或找小公司接案,也有人談到做個人專案、轉做水電等技術工作,或先靠臨時工作維持收入。討論也呈現不同看法:有人認為作品集能幫忙說明履歷空窗,也有人說招聘者往往更看重過去的工作經驗與人脈。
把所有工作塞進一段提示詞,剛開始看起來很方便;但要它同時讀懂問題、查資料、決定下一步、使用工具再整理答案,提示詞會越寫越長,也可能漏掉指令或答錯。文章建議把流程拆給幾個分工明確的 AI 助理:一個整理使用者的問題,一個決定要走哪個流程,另一個負責執行工作;它們再用固定格式傳遞資料。 例如,使用者說帳單被重複收費,負責分流的 AI 助理會整理出帳單編號和問題,再交給處理帳務的 AI 助理。這樣比較容易找出哪一步出錯,也能讓簡單工作交給較小的模型處理,省下時間和費用。
剛學 CSS 時,常要記住一串英文程式碼,光是替按鈕上色、調整大小和加上圓角,就可能讓人卡住。作者做了 SaloneUI,讓初學者用看得懂的字描述想要的樣子:寫 button green 就能做出綠色按鈕,寫 card 就能做出卡片。像是要做藍色按鈕,SaloneUI 可以寫成 button blue,不用記一長串設定。這種寫法比較直覺,學做網站時也能少花時間查 CSS 名稱。
剛學 Python,常會被一大堆教學弄得不知道從哪裡開始。先想好學 Python 要拿來做什麼,再安裝 Python 和 VS Code,從變數、條件、迴圈一路學到函式、檔案和套件。像是做一個分帳小程式,輸入帳單金額和人數,就能算出每人要付多少;也能從錯誤中學會,input() 收到的數字其實是文字,要先轉成數字才能計算。每週練習 5–10 小時,多數新手大約 1–3 個月能熟悉 Python 基礎;想準備找工作,通常還要更久,也得累積專案經驗。
學寫程式時,直接把錯誤貼給 AI,雖然很快拿到能用的程式碼,之後卻可能看不懂,也不知道怎麼修。作者用 JavaScript 計數器當例子,建議先請 AI 一次問一個問題,並提供預期結果、實際狀況、完整錯誤訊息和已嘗試的方法。拿到回答後要實際執行、查閱 MDN 檔案;完成後關掉 AI,試著說明約 10 行程式碼,再自己加上一項功能。卡住的地方就能指出還需要學習什麼。
想學網頁開發,常常不知道該從哪裡開始。這篇文章帶你用文字編輯器和瀏覽器做出一個簡單網頁:HTML 負責放文字和按鈕,CSS 負責調整外觀,JavaScript 則讓按鈕按下去時改變文字。接著按兩下檔案就能在瀏覽器看到成果;如果按鈕沒反應,可以開啟瀏覽器的開發工具找錯誤。 網頁開發分成前端和後端:前端是在瀏覽器裡看見、操作的部分,後端則在伺服器上處理登入或儲存資料。作者建議新手先從前端開始,因為改完馬上看得到結果,再逐步學後端。最重要的是動手做小作品,遇到錯誤就練習找原因;這也是開發工作每天會做的事。
學寫程式時,如果一遇到問題就叫 AI 寫好答案,看起來進步很快,卻可能只是看懂了別人寫的程式,自己還不會做。作者建議先花 15 分鐘自己試,再請 AI 用問題引導你;拿到程式碼後,要逐行讀懂、關掉視窗憑記憶重寫,也可以故意改壞看看錯誤怎麼來。像是除錯時,先讀錯誤訊息、猜可能原因並動手確認,再請 AI 幫忙檢查想法。這樣才能練出自己找問題、做判斷的能力,而不是隻會請 AI 代寫。
Go 服務裡的背景工作如果沒妥善關閉或等待,可能在部署時中斷;遇上 Redis 故障時,也可能不停重試、吃滿 CPU。作者檢查自己寫的醫療預約 API,找出 4 個問題:HTTP 伺服器沒有配合關閉程式、主程式沒有等背景工作完成、Redis 出錯時立刻重試,以及 ticker 沒有停止。文章示範如何用逾時關閉伺服器、WaitGroup 等工作結束,並在重試時逐步拉長等待時間。作者也說明,在 Go 1.25 中,沒停止的 ticker 實際上不會造成原先那種記憶體洩漏,但明確停止仍能表達程式意圖。
Claude Code、Kiro 和 OpenCode 對工具呼叫的允許、拒絕和詢問方式各不相同,作者想用一套規則管理它們。他為 umwayi-os 寫了轉接程式,把每個工具的呼叫交給同一個檢查程式,再將結果轉成工具看得懂的回答;遇到不能詢問的 Kiro,就先停止呼叫並留下待處理紀錄。規則也會在錯誤或緊急停止開啟時一律拒絕,並在 AI 助理無法受到管控時阻止它啟動。作者在一臺 Mac 上各實際執行過一次,但也指出測試次數有限,部分 Kiro 欄位名稱尚未確認。
多個 AI 助理同時改同一份程式時,可能互相看到還沒完成的修改,或碰上別人切換分支。作者分享 umwayi-os 的做法:每項工作各用一個 Git worktree,也就是同一個專案裡獨立的資料夾和分支,讓每位 AI 助理分開工作。工具會檢查資料夾是否符合預期,並用固定的 Git 指令清單;工作完成後,資料夾要等人合併結果才會移除。目前已完成 worktree 功能、路徑檢查和兩個 --workdir 選項,負責自動安排整套工作的功能還沒完成。作者也提醒,工作資料夾並不會限制 AI 助理讀寫其他位置。
AI 助理可能在不清楚使用者意思時照樣採取行動,也可能把錯誤藏在自己的工作回報裡。作者打造 umwayi-os,在 Claude Code、Kiro 和 OpenCode 等工具執行操作前先檢查使用者訂下的規則;遇到不清楚的情況,就拒絕執行或先詢問。系統會記下每次判斷,也能停止所有 AI 助理和工作。開發時由 Kiro 負責寫程式,另一個 AI 檢查程式變更,作者則決定安全規則等重要修改。作者也分享並行工作、合併衝突和測試流程出錯的例子,說明為什麼要讓檢查獨立於負責建置的工具。
Xcode 的 DerivedData 會佔用磁碟空間,但刪掉會不會弄丟程式碼,常讓人拿不定主意。這篇指南說明,DerivedData 裡放的是編譯結果、搜尋索引和快取,不包含原始碼或 Git 紀錄;刪除後,Xcode 會在下次開啟並建置專案時重新產生,第一次建置和索引會比較久。清理前要先關閉 Xcode;若專案使用 Swift Package,重新開啟時可能需要網路連線來下載或整理套件。文中也提醒,Xcode Archives 可能含有分析 App 當機所需的 dSYM 檔案,刪除前應先確認不再需要。
做過的專案越多,Mac 裡可能就累積越多用不到的 node_modules 資料夾,白白佔掉硬碟空間。只要專案沒有正在執行,而且 package.json 和鎖定檔還在,刪掉資料夾後,下次要用時就能重新安裝套件;文章提到的一臺 Mac 上,304 個 node_modules 資料夾共佔了 66.3 GB。刪除前,先檢視清單並確認資料夾不屬於正在使用或由 Git 管理的專案;如果使用 pnpm,刪除後還可能要執行 pnpm store prune 才能清出共用套件的空間。
Windows Server VPS 一接上公開網路並開啟 RDP,機器人很快就會開始猜登入密碼。這篇教學整理了幾個基本防護步驟:換掉初始密碼、建立自己的管理員帳號、設定登入失敗鎖定、確認 NLA 已開啟,並把防火牆規則限縮到自己的 IP。作者也提醒,改用別的連線埠只能減少登入紀錄中的雜訊,不能取代防火牆設定;如果家中 IP 改變,應從主機商提供的主控臺更新規則,或改用 VPN 連線。最後還要安裝更新,並從安全性記錄檢視失敗登入。
把 COBOL 程式改寫成 TypeScript 時,程式可能看起來正常,卻因為金額只差一分而算錯。作者做了 Lazarus,讓每筆測試資料分別跑過 GnuCOBOL 3.1.2 和 TypeScript,再逐位元組比對結果;每次會產生 2,000 筆資料。測試找到差異時,還會把輸入縮小,找出最簡單的出錯例子,例如 1,112.02 的薪資稅額,兩種程式的結果相差一分。這些 COBOL 範例是作者為專案撰寫的,不是實際舊系統。文章也分享如何用 Kiro 規格、儲存時重跑測試的 hooks,以及故意加入錯誤的測試面板,檢查驗證工具是否真的抓得到問題。
API 回傳 200 和格式正確的資料,不代表讀到的就是想檢查的工作區。AppStruct 用 Social API 示範,先在其他可信畫面找出有權檢視的頻道 ID,再檢查回應是否包含這個頻道;不能拿同一次 API 回傳的第一個頻道當答案,否則測試會跟著回應走。範例用本機假資料測試,不代表真的連過帳號或驗證過伺服器許可權。找不到指定頻道也不一定是工作區錯了,還可能是分頁、許可權或預期 ID 過期;找不到時應先檢查原因,不要只為了讓測試通過而改掉預期值。
網站可能每次都重新傳送同一份檔案,也可能讓使用者在更新後還看到舊內容;HTTP 快取標頭能處理這兩種問題。作者用實際請求示範,伺服器可用 Cache-Control 說明資料能留多久,再用 ETag 判斷內容有沒有改變。內容沒變時,回傳不含本文的 304,讓瀏覽器沿用手上的副本;測試中,重驗請求沒有傳送 179,500 位元組的本文。文章也提醒,no-cache 仍允許儲存,只要求使用前先詢問伺服器;若要避免快取敏感資料,應使用 no-store。
推薦理由:文章用實際請求比較完整下載與 304 回應,並拆解快取標頭常見錯誤,能協助開發者減少重複傳輸並避免使用者看到過期內容。
網站內容如果被 AI 搜尋工具讀不到,就不容易出現在回答或引用來源裡。作者整理四種常見原因:robots.txt 擋住搜尋爬蟲、單頁式網站把不存在的 llms.txt 回成空白網頁、原始 HTML 沒有實際文字,以及 JSON-LD 格式錯誤或缺少清楚的網站資訊。作者也做了 GEO-Audit,可用網頁版或 Node.js CLI 檢查這些問題;免費版本能檢查單一頁面,另有一次付費的 Pro 工具可檢查最多 500 個頁面。
很多企業的軟體在展示時看起來很好,真正接上公司的資料、舊系統和安全規定後,卻不一定能用。Forward Deployed Engineer(FDE)會到客戶的工作環境裡,先弄清楚問題,再寫程式把產品接上客戶的資料與系統,處理安全檢查、上線和後續使用情況。 例如,客戶想用 AI 助理處理檔案,FDE 可能得讓它找得到檔案、接上公司的系統,也確認它只能讀取有許可權的資料。這份工作結合寫程式和跟客戶合作,得一路負責到系統真的能用。文章也提醒,印度工程師可以把程式、雲端、AI 和溝通能力一步步練起來;FDE 工作通常需要實際工程經驗,也可能要出差、參加客戶會議。
用 AI 助理檢查程式碼中的安全問題時,單次結果可能受模型選擇和執行時的波動影響。作者用同一套流程和提示詞,讓三種模型各檢查十個重新引入已修補漏洞的程式變更;其中兩種各找出 9 個,另一種找出 10 個,而且兩個漏掉的案例不同。作者也加入設定,避免模型遇到流量限制時偷偷換成較小的模型,並在檢查未完成時收起風險判定。這次每種模型只跑一輪,作者提醒,這些命中數還不能當成穩定的檢查率。
每週開啟 Facebook 粉絲圖表,只看見上上下下,常常看完就忘了發生什麼事。作者寫了一支 Python 程式,讀取從 Meta Business Suite 匯出的 CSV,算出每週新增和取消追蹤的人數、淨增加多少、哪一天表現最好,還會拿這週和上週比較。 例如,一間甜點店辦了「標記 3 位朋友」活動,追蹤人數先增加,之後取消追蹤的人也變多。報告把這種變化清楚列出,還能整理成一段 WhatsApp 訊息,讓店家每週快速掌握粉絲變化。
Facebook 粉絲專頁的按讚數很高,不代表每篇貼文都有人看或有回應。作者寫了一支 Python 程式,讀取 Facebook 貼文的 CSV 匯出檔,依觸及人數計算互動分數,再列出表現最好和最差的貼文、不同貼文形式的平均分數,以及互動較好的發布時段。分數會把留言和分享看得比一般表情回應更重。作者用一個服飾賣家的資料說明,連結貼文的分數偏低,顧客評論截圖表現較好;這能幫商家依實際回應調整發文內容和時間。
看 AI 寫好的教學內容很順,容易讓人以為自己已經學會,但真正動手做題才會發現哪裡不懂。作者建議先用課本或講義掌握學習順序,再請 AI 出題,自己在紙上作答,接著請它找出第一個錯誤。程式設計可以用簡單但確定正確的版本,和自己的程式比較許多小測試;數學則可把小數字代進公式,和直接計算的結果核對。這些檢查能抓出人和 AI 都可能漏看的錯誤,讓學習者確認自己真的會做。
團隊趕著在週末前交件,可能會讓 AI 助理直接讀取線上密碼、把雲端金鑰放程序式碼,或安裝沒檢查過的套件。攻擊者就可能利用藏在網頁或 GitHub 問題裡的惡意指令,騙 AI 助理讀出密碼並傳出去;公開的金鑰也可能在幾秒內被掃到,拿去開雲端主機或建立其他帳號。沒確認過的套件則可能在安裝時執行惡意程式,入侵建置用的伺服器。 這些做法省下幾分鐘設定時間,出事後卻可能讓值班人員花上好幾個小時查紀錄、換密碼和重建伺服器。文章提醒,趕進度不能省掉基本檢查;否則週五下班前的一個小捷徑,可能變成別人整晚收拾的事故。
AI 助理能不能自己做研究,除了看模型表現,也得看人在哪些地方出手。作者讓 Claude 從空資料夾開始設計、訓練模型,並在每次測試前先寫下預測和通過標準。三個關卡中,兒童故事和西洋棋都沒達標;在 HellaSwag 測試中,模型分數高於 GPT-2 small,但它的引數量是對方的 2.8 倍,和同尺寸的 GPT-2 Medium 相比大致打平。作者也檢查出部分測試題出現在訓練資料中,排除後分數仍高於 GPT-2 small。這次實驗顯示 Claude 能依明確規則執行工作、記下失敗,但選擇研究問題和處理重要決策仍由人負責。
推薦理由:這場實驗把預先訂好標準、記錄失敗和人類介入的過程攤開,呈現 AI 助理能完成明確研究任務時仍需要人決定問題。