跳到正文

#部署/工程

RSS
今日 52 則
11月20日週五
  1. Dev.to Top Tech54

    Hoelee 教你用 NocoDB、n8n 和 AList 自動管理數位商品存取許可權

    賣數位商品時,手動開通和取消檔案許可權很容易出錯,尤其訂閱到期後,顧客可能仍能下載。Hoelee 用 NocoDB 記錄顧客購買資料,再透過 n8n 的五個工作流程更新 AList 許可權:購買或狀態改變時同步存取路徑,每 5 分鐘檢查到期許可權,並在每天凌晨比對和修復許可權差異。作者也分享一次故障經驗:n8n 經公開網路連到同一個容器網路裡的 NocoDB,延遲和重試引發服務錯誤;改走內部連線後,請求時間從公開連線的 300 毫秒以上降到約 30 毫秒。

  2. Dev.to Top Tech50

    cent_runtime 為 CENT 架構補上連線 PyTorch 與記憶體運算的軟體層

    LLM 在逐字產生回答時,常得反覆從記憶體讀取大量模型資料,GPU 會花不少時間等資料,算力沒能充分派上用場。CENT 想把運算搬到記憶體旁邊,但原本缺少能接上 PyTorch 的軟體。這個專案做了 cent_runtime,讓 PyTorch 傳來的向量和權重經過 C++ 程式處理,再轉成 CENT 能執行的指令;它也會算出結果,並可把指令交給模擬器估算執行時間。以 Llama-2 7B 的線性層為例,這套工具能處理一次向量乘上矩陣的運算。它補上了模型程式與 CENT 架構之間的一段連線,讓研究人員更容易測試這種記憶體運算設計。

  3. Dev.to Top Tech52

    Next.js Cache Components 建置失敗時,如何處理未快取資料

    開啟 Next.js 的 Cache Components 後,有些在開發模式正常的頁面,可能會在建置時因為讀取 Cookie、網址引數或未快取的資料而失敗。文章整理三種處理方式:用 Suspense 包住需要即時讀取的部分,讓頁面先顯示其他內容;用「use cache」快取適合共用的資料;或把必須依每次請求處理的路由設為阻塞。作者也提醒,使用者的登入資料不能和其他人的共用快取;若選擇阻塞,頁面就不會先提供可由 CDN 傳送的靜態外殼。

  4. Dev.to Top Tech58

    如何用快照安全更新 Proxmox 容器

    更新 Proxmox 容器時,萬一程式壞掉,可能得花時間找原因,甚至失去資料。文章示範先確認應用程式正常,再建立快照、執行更新,最後用健康檢查確認服務是否還能使用;若檢查失敗,就停止容器並回復快照。這套方法需要支援快照的儲存空間,回復時也會失去建立快照後寫入的內容,因此資料庫仍要另外備份。有些更新要等服務或容器重新啟動才會生效,允許重新啟動時也要再檢查一次。

  5. Dev.to Top Tech46

    RocketMQ-Rust 效能測試:同步傳訊較快,多連線時表現不同

    RocketMQ-Rust 和 Apache RocketMQ 5.5.0 的速度,會隨著傳訊方式改變。測試中,等每則訊息回覆才送下一則時,RocketMQ-Rust 每秒約送出 4.0k 則,Apache RocketMQ 5.5.0 約 2.3k 則;若改成一條連線同時送 256 則,RocketMQ-Rust 的速度則略低一些。這表示測試結果得看程式怎麼送訊息,不能只用一個數字判斷誰比較快。 Proxy 的另一項測試也發現,調整 TCP 設定後,32 條連線、每條同時處理 4 則訊息時,最慢那一批請求的等待時間中位數從 43.6 毫秒降到 6.9 毫秒,但一般請求的等待時間沒有變。這些測試是在特定環境下進行,長時間穩定度、故障切換等情況尚未納入比較;要判斷是否適合自己的部署,還得用相同工作方式測試。

  6. Dev.to Top Tech64

    多個 AI 助理接力處理訂單時,如何避免流程失敗造成損失?

    訂單流程做到一半出錯時,前面完成的付款和庫存預留不會自動消失;直接重跑,也可能重複扣款或建立重複訂單。作者用訂單配送做例子,說明多個 AI 助理分工時,系統應記下每個步驟實際發生的事,並為每項操作使用固定識別碼。遇到逾時要先查明外部服務是否已完成,再決定重試或退款、釋放庫存等補救;若結果仍不清楚,就交由人員處理。文章也提醒,換另一個 AI 助理接手不代表前一次操作沒有發生,流程紀錄和執行許可權都得妥善管理。

  7. Dev.to Top Tech43

    Basalt 跑出每秒 776 個 token,為什麼得獨佔一張 GPU?

    Basalt 能跑到每秒 776 個 token,關鍵是把整份 KV cache 放進同一張 GPU 的記憶體,不會分散到多張卡。以 RTX 4090 為例,裝下 32k 的上下文視窗約要 18 GB;Basalt 執行時,這張卡就沒什麼空間再同時跑另一個模型或服務。想讓它全速運作又提供其他服務,就得再買一張 GPU,或安排它單獨執行。

  8. Dev.to Top Tech55

    如何讓使用者檔案上傳後能按期限刪除,並確認物件儲存的 CORS 設定

    檔案到了約定的刪除時間,系統卻還把它標成有效,值班人員得先查清楚檔案是否真的存進去、刪除工作有沒有執行。文章建議先由伺服器接收檔案,再把唯一的物件鍵和刪除期限記在資料庫,並讓刪除工作留下可追查的狀態。若要讓瀏覽器直接上傳,就先用正式網站來源測試物件儲存的 CORS 設定;簽發上傳網址只代表可以嘗試上傳,不能證明檔案已完成傳送。這套做法能幫團隊追蹤檔案從上傳到刪除的過程,也提醒大家依期限需求選擇儲存服務。

  9. Dev.to Top Tech69

    如何在 1 GB VPS 上架設 Vaultwarden、Memos 和 Actual Budget

    想把密碼、筆記和家用預算放在自己的 VPS 上,常會擔心設定太複雜或記憶體不夠。這篇教學把 Vaultwarden、Memos 和 Actual Budget 放進 Docker Compose,再用 Caddy 把三個服務接到各自的網址;密碼、筆記和預算資料分開儲存,對外只開 Caddy 的入口。作者在測試環境中確認三個服務都能正常連線,閒置時四個容器合計使用約 173.9 MB 記憶體。文章也提醒,正式公開到網路前要一起設定網域與 HTTPS,並定期備份資料;單臺 VPS 故障時,三個服務也會一起停擺。

  10. Dev.to Top Tech58

    用 Docker Compose 和 Restic 備份 PostgreSQL,並確認資料能還原

    資料庫備份檔即使成功產生,也不代表檔案完整或真的還原得回來。作者示範用 Docker Compose 安排 PostgreSQL 備份流程:先匯出資料,再交給 Restic 備份,接著檢查整個備份資料庫,並還原最新快照,確認裡面有預先放入的標記文字。流程也能改用 S3 相容儲存空間,並設定定時執行;不過完整檢查會讀取整個備份資料庫,小型 VPS 上要留意檔案大小與執行時間。

  11. Dev.to Top Tech73

    如何強化 Ubuntu 24.04 的 SSH 設定,並確認規則真的生效

    在 Ubuntu 24.04 上把 SSH 密碼登入關掉後,雲端主機仍可能接受密碼,原因是其他設定檔先讀進了相反的規則。這份指南針對 Ubuntu 24.04 的 OpenSSH 9.6,示範把設定放進較早讀取的檔案,再用 sshd -t 檢查錯誤、用 sshd -T 確認實際生效的值。作者也提醒,AllowGroups 可能讓未加入指定群組的帳號無法登入;套用前應先保留另一個連線,確認新連線能正常使用再關閉。指南還說明,較新版才有的 PerSourcePenalties 不能直接用在這個版本,以及改 SSH 連線埠時還要重新啟動 ssh.socket。

  12. Dev.to Top Tech68

    Node.js 客服報表如何補送失敗郵件,避免重寄已成功的內容

    客服報表寄送時,只要一位收件者失敗,整批重跑就可能把已寄出的郵件再寄一次。文章建議讓排程負責建立每次寄送紀錄,再把每位收件者的郵件交給佇列分開處理;工作程式依報表批次和收件者辨認工作,暫時性錯誤可以重試,反覆失敗或資料有問題的工作則交給人工檢查。這套做法也能用在定期清理工作。它需要額外維護佇列和紀錄,但能縮小補救範圍,並讓人查清楚每項工作處理到哪裡。

  13. PyTorch Core Releases77

    PyTorch 修正 Inductor 長串資料寫入造成的效能問題

    PyTorch Inductor 把一長串資料寫入操作合併執行時,每個工作區塊都會讀取大量用不到的資料,拖慢了補零工作。這次修正調整了圖形最佳化方式,遇到較長的寫入鏈時,改成直接把資料寫進指定位置,避免重複讀取。在 GB300 的本機測試中,每輪工作約省下 25 毫秒;GB200 測試也觀察到每輪至少省下 44 毫秒。

    推薦理由:這項 PyTorch Inductor 修正說明,長鏈融合可能讓每個執行區塊重複讀取不需要的資料,並以實測呈現改用原地寫入後的效能差異。

  14. Dev.to Top Tech54

    用 Docker 自架 Miniflux,打造自己的 RSS 閱讀器

    想自己架 RSS 閱讀器,常會卡在資料庫、HTTPS 和安全設定。這篇教學用 Docker Compose 架設 Miniflux,搭配 PostgreSQL,並讓 Caddy 或 Nginx 負責 HTTPS;服務只繫結在本機的 127.0.0.1:8080,避免直接公開未加密的連線。作者也說明如何建立管理員帳號、更新服務和備份資料庫,並提醒 BASE_URL 要和對外網址一致,否則分享連結和文章圖片可能無法正常運作。文中另記錄一次測試環境的記憶體用量,並說明那不代表每臺主機都會有相同結果。

  15. Dev.to Top Tech38

    NVIDIA Omniverse 如何用 GPT-6 和 Claude 把文字指令變成機器人模擬

    設定機器人模擬環境很花時間,工程師得替每個 3D 物件調整位置、碰撞和摩擦等細節。文章描述 NVIDIA 把 GPT-6 Astra、GPT-6 Sol 和 Claude Opus 5.5 接進 Omniverse,讓 AI 助理讀懂帶有物理資訊的 3D 資料,再依照文字指令產生機器人控制程式、反覆模擬測試。例子中,Claude Opus 5.5 搭配一張 NVIDIA RTX PRO 6000,同時模擬 768 臺機器人;跑了 14 秒後,有 766 臺保持穩定。這種做法能減少手動設定和測試的工夫,讓工程師更快準備機器人訓練環境。

  16. Dev.to Top Tech61

    Claude Sonnet 5.5 API 遷移指南:除了模型名稱,還要檢查哪些設定

    把 API 請求中的模型名稱改成 claude-sonnet-5-5,不一定就能順利遷移,舊設定可能還留在其他地方。這份指南建議先記錄程式實際送出的請求,再檢查思考模式、工具呼叫方式和回應內容,並確認程式能處理沒有工具呼叫、回應包含不同區塊等情況。文中也提醒,隨附的檢查工具只看本機 JSON,不能確認 Tokenhot 路由或線上服務是否相容;正式切換前,仍要用自己的路由測試實際工作流程,並保留原路由供需要時回復。

  17. Dev.to Top Tech76

    多個 AI 助理為何更耗成本?文章拆解路由與交接的浪費

    多個 AI 助理分工時,每一輪可能都要重新讀過前面累積的內容,還得多花一次模型呼叫來決定下一步,讓 token 用量和等待時間一起增加。作者用五個 AI 助理處理一份報告的例子說明,路由與交接會重複讀取歷史;改用程式安排固定流程、只傳原始需求和目前結果的摘要,再限制整條任務鏈的交接次數,就能減少這些額外花費。文章也提醒,如果每個 AI 助理仍各自讀完整份報告,這部分用量不會因為調整交接方式而下降,還得另外只取工作需要的段落。

    推薦理由:文章用具體 token 帳目拆解路由與交接如何重讀相同內容,並比較四種做法對成本、延遲與資訊保留的影響。

  18. Dev.to Top Tech60

    如何安全儲存使用者上傳的檔案,並加快大型檔案傳輸

    客服常要處理錄音、通話音訊和掃描檔案,大型檔案若經過應用程式轉送,容易佔用連線與工作資源。作者建議讓瀏覽器直接把檔案傳到私有儲存空間,資料庫只記錄檔案資訊;有人要下載時,應用程式先確認許可權,再提供短時間有效的簽名連結。上傳可分段進行,並記錄進度,讓網路中斷後能接著傳。簽名連結像臨時通行證,應避免寫進紀錄或轉交第三方。若檔案必須先掃描,則應先放入隔離區再轉存。

  19. Dev.to Top Tech55

    靜態部落格怎麼一次建置、部署到六個免費平臺

    靜態部落格同時放在多個平臺,最容易出錯的是網址資料沒跟著各平臺改,或每次發布都要重複手動處理。作者分享把自己的部落格部署到六個平臺的做法:內容只維護一份,建置時依各平臺產生正確的網址資料,再用指令自動發布。像網站地圖、RSS 和文章的標準網址,都要指向該平臺自己的網域;流程也會在某一步失敗時繼續部署其他平臺。作者提醒,多平臺能降低單一平臺出問題的影響,但也會讓低品質內容散佈得更廣,因此發布前還要先檢查內容品質。

  20. Dev.to Top Tech52

    客服搜尋架構怎麼選向量搜尋或網路搜尋,並安全處理分頁

    客服搜尋常要同時查核已審核的知識文章和產品最新訊息,兩種來源的分頁方式與資料許可權也不相同。作者建議用向量搜尋找有版本管理的內部內容,只有在政策允許時才用網路搜尋補充即時資訊;兩邊各自保留遊標、租戶和存取資料,並在答案中記錄引用來源。文章也示範用 Infrai 的公開介面探索 API 格式,再呼叫兩種搜尋服務。這樣能讓客服人員追查答案來自哪裡,也避免把不該看的資料交給模型。

  21. Dev.to Top Tech72

    Webhook 重試怎麼設計,才能避免重複送出和拖慢其他客戶

    Webhook 送到客戶的伺服器後,可能遇到限流、故障或資料格式錯誤;如果每種情況都照同一套時間重送,就可能重複處理事件,也讓一個故障端點拖慢其他客戶。這篇指南說明如何先讀取對方回覆的等待時間,再安排重試;批次中只有部分事件出錯時,可用事件 ID 避免重複處理,或只重送失敗專案。作者也介紹每個端點各自限流、暫停故障端點,以及把需要人工處理的事件隔離並提供重播的方法。

  22. Dev.to Top Tech67

    Linux 高 CPU 或負載平均值偏高時,如何找出伺服器變慢的原因

    Linux 伺服器變慢時,負載平均值偏高不一定代表 CPU 忙不過來,也可能是程式卡在磁碟等待。作者在 Ubuntu 24.04 上刻意製造 CPU 和磁碟負載,整理出一套檢查順序:先對照 CPU 數量,再檢視 CPU 時間分佈、等待中的工作、相關程式和磁碟狀況。文中也提醒,ps 顯示的 CPU 使用率可能是程式整段執行期間的平均值;磁碟使用率接近 100% 也不一定代表磁碟很慢,還要一起看等待時間和排隊情形。

  23. Dev.to Top Tech35

    為什麼不能把資料交給雲端?GewuMind Boot 改在自己的伺服器上管理

    使用雲端服務很方便,但資料放在廠商的伺服器上,遇到合約要求資料留在自家環境,或有人追問「誰在什麼時候改了資料」,就可能答不上來。GewuMind Boot 可以安裝在自己管理的伺服器,資料存進自己的資料庫;系統也會記錄誰在何時、從哪個 IP 新增或修改資料,以及外部應用程式何時呼叫 API。像客戶資料不必經過廠商的雲端,團隊也能拿出操作紀錄查明變更經過。這讓資料位置和紀錄更容易掌握,但公司仍須自行維護伺服器,產品也不等於合規認證。

  24. Dev.to Top Tech48

    Windows Server 2019 跳板主機的 RDP 暴力猜密碼,暴露防火牆名單與警報漏洞

    一臺 Windows Server 2019 跳板主機的遠端桌面入口,因防火牆名單留著過期的 IP 範圍,整晚收到約 40,000 次錯誤登入,警報卻沒有響,直到工程師發現帳號被鎖住。每次嘗試都要由主機檢查帳密、更新錯誤次數並留下紀錄,連續大量請求也會拖慢主機。作者建議按來源 IP、目標帳號和整臺主機計算短時間內的失敗次數,超過門檻才通知,並自動暫時封鎖可疑 IP。這樣能減少零星打錯密碼造成的警報,也比較有機會及早攔下大量猜密碼攻擊。

  25. PyTorch Core Releases55

    PyTorch 為 ROCm 的可擴充套件記憶體加入 UALink 分享支援

    ROCm 原本用 POSIX 檔案描述符,讓不同 GPU 分享可擴充套件記憶體;但每個區塊都會佔用一個描述符,數量太多時就可能分享失敗。這次 PyTorch 改用 fabric handle,讓支援 UALink 的 GPU 能交換記憶體區塊,也避開檔案描述符上限。測試中,16,384 個區塊都能完成分享;POSIX 檔案描述符方式則在系統上限較低時提早失敗。改動也繞過一個 HIP 問題:從 fabric handle 匯入的記憶體只開放 GPU 存取。測試顯示,這項改動主要改善分享的穩定性,沒有帶來明顯頻寬提升。

  26. AWS Machine Learning Blog71

    Amazon SageMaker Inference 回顧 2026 年後續 14 項更新

    模型上線後,團隊還得處理延遲變高、GPU 沒用滿、流量塞在單一區域等問題。這篇文章整理 Amazon SageMaker Inference 後續推出的 14 項更新,涵蓋效能建議、LoRA adapter 調校、GPU 分割、多節點模型服務、跨區域流量分配和持續監控。例如,跨區域路由能把請求送到其他已登記的端點,並限制哪些區域可以處理流量;原有端點也能用少量額外機器分批更新模型,再重複使用既有機器。文章透過一個客服 AI 助理團隊的假想案例,說明這些工具如何協助團隊管理模型上線後的工作。

    推薦理由:文章依照模型上線後常見的營運難題,整理 SageMaker Inference 的更新如何協助團隊調校效能、共用 GPU 資源並跨區域分流。

  27. Rohan Paul72

    Uber 工程師使用 Claude Code 時,即使模型支援 100 萬個 token,工作階段也會在 400K 個 token 時被壓縮。從 2 月到 8 月,每週 AI 助理請求量增加到原來的 9.4 倍,每週活躍使用者增加到 7 倍,但整體 AI 支出自 4 月以來大致持平。Uber 也讓 AI 助理透過命令列工具連到中央 MCP 閘道,避免一開始就載入 100 多種工具的說明,因為這些說明會先佔用 50K 到 70K 個 token。文中提到每千次請求的成本比高峰時低近 34%,每個工作階段的成本比 6 月高峰時低 52%,但沒有說明任何單一預設設定省下多少。

    推薦理由:Uber 的案例呈現 AI 程式工具用量大增、總支出仍大致持平的情況,也說明工具描述佔用上下文時,團隊如何改用集中式 MCP 閘道。

  28. Dev.to Top Tech38

    冷郵件為什麼會進垃圾信?如何改善送達率

    做 SaaS 開發時,寄出的陌生開發信可能被郵件系統丟進垃圾信匣。文章建議先把 SPF、DKIM 和 DMARC 這三項網域設定好,再慢慢增加寄信量:新網域第一週每天寄 5–10 封,觀察是否有人回覆,別一開始就大量寄送。信件內容也要像真人寫給特定物件,盡量用純文字、最多放一個連結,避免網址縮短服務。寄出正式信件前,可以用 mail-tester.com 檢查設定。這些做法能協助改善寄件網域的評價,降低信件被當成垃圾信的機會。

  29. Dev.to Top Tech44

    如何為 vLLM 建立 CPU 或 GPU 容器映像檔並上傳

    想部署 vLLM,得先把它和需要的軟體一起裝進容器映像檔。這篇教學帶你從 vLLM 專案準備檔案,再用不同的 Dockerfile 建立 CPU 或 GPU 版本,最後把映像檔上傳到容器登入站。舉例來說,CPU 版本使用 Dockerfile.cpu,GPU 版本則使用 Dockerfile;啟動 GPU 容器時,主機的 CUDA 版本必須符合 Dockerfile 要求,並加上 --gpus all。做好後,就能把映像檔交給 Docker Compose 或 Kubernetes 等工具部署。

  30. Dev.to Top Tech43

    如何為 Whisper.cpp 建立 CPU 與 GPU 容器映像檔並上傳

    Whisper.cpp 可以用 CPU 或 GPU 把語音轉成文字。這份教學帶你準備伺服器、下載 Whisper.cpp 專案,再用不同的 Docker 設定檔,分別打包成適合 CPU 或 GPU 的容器映像檔,最後上傳到容器登入庫。文中範例做出的 CPU 映像檔大小是 608MB,GPU 映像檔是 2.76GB;使用 GPU 版本時,主機的 CUDA 版本要符合設定檔要求。完成後,就能把映像檔放到轉錄流程中使用。

  31. PyTorch Core Releases53

    PyTorch 將舊版 ProcessGroupNCCL 移出開源版,改用 nccl2

    PyTorch 開源版原本還會建置舊版 ProcessGroupNCCL,這次更新把它移到內部程式碼,讓開源版的 ProcessGroupNCCL 改用 nccl2。舊版後端和部分 Python、C++ 介面也一併移除;需要使用相關 C++ 擴充功能的開發者,得改用新的 nccl2 標頭檔。直接建立 ProcessGroupNCCL 時,現在會依群組排名設定裝置並提早初始化通訊;若程式要使用其他裝置,就必須設定群組排名,或啟用延後初始化。

  32. Dev.to Top Tech45

    GBase Database 如何擴充 dbspace:新增 chunk 還是加大現有 chunk?

    GBase Database(GBase 8s)的 dbspace 快滿時,可以新增一個 chunk,或把現有 chunk 加大。新增 chunk 會多出一筆儲存空間,也能放在另一顆硬碟或檔案系統;加大現有 chunk 則會保留原本的 chunk 數量,但得先確認它能擴充,而且檔案所在的檔案系統有足夠空間。像新增 chunk 時,新空間的頁面大小就必須和 dbspace 相同。 擴充後要用 onstat -d 確認空間真的增加、chunk 狀態正常,並更新儲存紀錄。作者偏好新增 chunk,認為這種方式在安排儲存空間上較有彈性;不過選哪種方法,都要先確認目標和所需空間,再檢查擴充結果。

  33. Dev.to Top Tech72

    獨立開發者如何用七道檢查關卡降低產品上線風險

    一個人推出產品時,最怕資料不見、付款出錯,或網站壞了卻沒人發現。作者根據自己看過和處理過的上線問題,整理出七道檢查關卡,要求每一關都留下能核對的證據,例如把備份還原到測試資料庫、用新帳號走完付款流程,以及確認錯誤通知真的會送到手機。文中也提醒,資料庫改動要分階段進行,讓舊版程式還能運作;上線前先寫好出錯時的處理門檻,才不會等到故障發生才臨時決定。

  34. Dev.to Top Tech61

    遠端依賴位址搬家後,舊位址可能還在供應不同內容

    程式依賴的網址或套件名稱搬家後,舊位址不一定會失效;它也可能指向別的內容,或一直提供沒有更新的舊版本。作者提醒,這些情況會讓建置失敗、悄悄下載陌生程式碼,或錯過安全更新。文章建議替每個實際使用的遠端位址建一筆紀錄,寫下它目前對應的內容摘要或版本、誰能改變它,以及上次確認的日期。也可以把檔案存到自己管理的位置,或固定內容摘要,避免只靠別人維持網址。文末提供一個簡短練習,挑三個程式中的遠端位址,重新確認實際內容並記下日期。

  35. Dev.to Top Tech47

    用 API 取代 CI 裡的 Headless Chrome 截圖

    在 CI 裡用 Puppeteer 和 Headless Chrome 截圖,常遇到 Chrome 當機、記憶體用量忽高忽低、字型顯示和本機不同等問題,還得花時間維護 1.2GB 的 Docker 映像檔。作者改用 API 截圖:送出 HTTP 請求,就能拿到 PNG 或 WebP;還可以等指定畫面元素出現後再截圖,不必猜要固定等幾秒。換了之後,截圖步驟從約 4 分鐘縮短到不到 90 秒,畫面也更一致。作者估計,以每次部署約 200 張、每天部署約 3 次的用量,API 費用比多花的 CI 時間便宜;用量更大的人,成本可能不同。

  36. Dev.to Top Tech38

    PurrTrack 如何用 React + Firebase 擴充網頁版,並處理 AI 辨識貓食包裝的限制

    用手機記錄貓咪吃了多少、體重變化很方便,但多貓家庭要分配食物、計算自製食譜,手機畫面就不太好操作;每次更新還得等多個 App 商店審核。PurrTrack 保留輕巧的 Flutter 手機版,另外用 React 和 Firebase 做網頁版,讓兩邊共用會員和訂閱,也能同步資料。像是一次替多隻貓記錄餐點、檢視 7、14、30 天的熱量與體重變化,都能在網頁上處理。 作者也試過用 AI 拍照讀取貓食包裝上的熱量和成分,但小罐頭的標示會繞著罐身,亮光也可能遮住小字,讀錯熱量會影響餵食計算。因此,掃描只當作輔助,使用者確認食物資料後,系統再依照記錄好的數字計算。這個做法讓 AI 幫忙省事,同時避免把不可靠的辨識結果直接當成營養資料。

  37. Dev.to Top Tech39

    Astral UV 如何加快 KVM VPS 上的 Python 建置並減少記憶體用量

    在記憶體不多的 KVM VPS 上建置 Python 服務,pip 和 Poetry 可能要花很久整理套件,也會吃掉不少記憶體,讓伺服器因記憶體不足而中斷。作者改用 Astral UV 管理 Python 版本和套件,並透過共用快取重用已下載的資料。以一個有 48 個直接依賴套件的 FastAPI 服務為例,沒有快取時,安裝時間從 pip 的 84.2 秒降到 4.1 秒,記憶體用量則從 410 MB 降到 42 MB。作者表示,整個 CI/CD 建置流程也從 4.5 分鐘縮短到 22 秒,讓部署更快,也減少 VPS 因記憶體不足而當機的情況。

  38. Dev.to Top Tech41

    gemma3:12b 用自己的機率打破搜尋排序平手,12 題有 11 題把正確文章排第一

    搜尋系統用 AI 幫文章打分時,常會遇到好幾篇分數一樣,結果靠原本的排序把不對的文章放到前面。作者比較三種做法:維持原本的 0 到 10 分、改用 0 到 100 分,或讓模型在分數相同時,再看它對各個分數有多確定。結果發現,分數改得更細也沒用,gemma3:12b 常常還是給出相同分數;但看它對分數的把握度後,12 題有 11 題把正確文章排第一,修正了原本被平手影響的兩題。代價是每題約要 95 秒,適合批次整理或夜間報告,未必適合即時搜尋。