跳到正文

#部署/工程

RSS
今日 56 則
11月19日週四
  1. Dev.to Top Tech60

    OpenCost 如何把 Kubernetes 成本接上監控資料

    雲端帳單在發布後增加,團隊卻不清楚是哪個服務帶來變化。OpenCost 會依叢集、名稱空間、控制器或 Pod 分攤 CPU、GPU、記憶體和儲存空間等成本,也會把閒置資源算進總額;它提供的是估算,不能取代雲端帳單。文章說明如何透過 Prometheus 檢視成本,再和延遲、錯誤率及發布時間放在一起比對,例如觀察某個名稱空間在發布後每小時成本是否上升。作者沒有實際部署驗證,因此也提醒讀者核對安裝檔案中的 Prometheus 前置條件,並先從單一叢集開始試用。

  2. Dev.to Top Tech54

    Services by Bitno 把本機 Docker、Kubernetes 和資料庫整合進 VS Code

    本機程式出問題時,常得在好幾個視窗間切換,才能追查資料庫和訊息佇列發生了什麼事。Marko 做了 Services by Bitno,讓 Docker 和 Kubernetes 裡的服務集中顯示在 VS Code 的同一個面板;選取容器就能檢視記錄、開啟終端機,也能檢視即時資源圖表。Postgres、Kafka 和 Redis 等服務會顯示成連線,方便檢視資料表、訊息主題或鍵值。工具目前可讀取、篩選和匯出資料,編輯資料表列的功能仍在早期開發。

  3. Dev.to Top Tech72

    ECS 舊任務還在跑,新任務卻抓不到 ECR 映像:原因與修復方法

    ECS 服務裡已經在跑的任務看起來正常,擴大服務或替換故障任務時,新任務卻可能抓不到容器映像。原因是 ECR 清理規則刪掉了服務仍需要的映像摘要:像 latest 這類標籤移到新映像後,舊映像會變成沒有標籤,接著可能被清掉。文章提供唯讀指令,檢查服務使用的摘要是否還在 ECR,並建議先部署帶有唯一標籤或摘要的映像,再預覽清理規則,確認不會刪掉服務仍在使用的映像。單純重新部署可能改用未經檢查的新映像;停用版本一致性則可能讓同一服務跑著不同版本。

  4. Dev.to Top Tech69

    DataAgent 如何透過 A2A 把 Kubernetes 事故交給 AWS DevOps Agent 調查

    Kubernetes 事故常會牽涉叢集外的資料庫,負責看叢集的 AI 助理未必有許可權查清資料庫內部狀況。作者實測 DataAgent 與 AWS DevOps Agent 透過 A2A 交接:前者找出問題和相關依賴,後者調查資料庫,再把發現附回事故,交由原本負責的一方核對並決定是否修復。63 次測試顯示,直接提問平均約 10.6 秒、費用約 $0.09;改成持續調查任務則約 153.6 秒、$1.28。交接前先排除無關依賴可以省下費用,補上已知線索則能增加證據,但更多證據不保證結論正確。A2A 處理任務交接,授權、費用歸屬與修復責任仍要由整合方安排。

  5. Dev.to Top Tech57

    如何查出 Azure OpenAI 上的 o3 何時退役,避免漏看部署日期

    同一個模型放在不同平臺,退役日期可能不一樣。文中指出,o3-2025-04-16 在 OpenAI API 的退役日是 2026 年 12 月 11 日,在 Azure OpenAI 則是 2026 年 11 月 19 日,早了 22 天;Azure 也列出其他將退役的模型和建議替代品。團隊可用 Azure CLI 列出每個部署名稱、模型與版本,再對照 Azure 的退役頁面。由於程式可能使用自訂部署名稱,搜尋「o3」不一定找得到;模型清單應一併記下版本、部署平臺和部署名稱。

  6. Dev.to Top Tech36

    SitecoreAI 模板繼承提醒:移除 Base Page 可能讓資料來源的代稱失效

    SitecoreAI 最近把預設的中繼標籤和 Open Graph 標籤加到 Page 模板裡,可能和開發者原本放在基本頁面模板的標籤欄位重複,讓編輯者搞不清楚該用哪一組。作者想移除 Sitecore 提供的 Base Page 模板,卻發現繼承自它的另一個 Page 模板也不能一起拿掉,否則使用代稱的資料來源會壞掉;例如 query:$site/Data/Header 就無法正常運作。做法是讓頁面改為繼承 /sitecore/templates/Foundation/Experience Accelerator/Multisite/Content/Page,這樣能保留代稱功能,也能移除 Sitecore 的中繼與 Open Graph 標籤。原文提醒,這個情況也可能影響 SXA。

  7. Dev.to Top Tech48

    Apple 如何結合 Metal 與 Apple Silicon,讓 AI 在個人裝置上運作

    AI 不一定每次都得把問題送到遠端伺服器處理;Apple 也在讓 Mac 等個人裝置直接執行 AI。Metal 能讓開發者使用 GPU 做大量平行運算,Apple 也提供 MLX、Core ML 和 Neural Engine 等工具與硬體。Apple Silicon 的 CPU 和 GPU 共用記憶體,模型資料不一定要在兩種記憶體之間搬來搬去;M5 世代還把專用 AI 加速器放進 GPU 核心。 這套做法能讓部分應用在裝置上處理圖片、辨識語音或執行語言模型,減少等待,也可能省下雲端運算費用,並讓敏感資料留在裝置裡。不過,裝置的記憶體、速度、耗電和模型大小都有限,大型模型訓練與繁重工作仍適合交給伺服器。

  8. Dev.to Top Tech51

    五種 Nginx 紀錄分析工具,為什麼算出五種訪客數?

    只看 Nginx 紀錄,很難知道實際有多少個人來過。作者先自己產生一份知道正確答案的紀錄,再交給五種分析工具處理;實際人數是 43,231,但工具算出的「不重複訪客」從 49,616 到 105,885 都有,因為各工具對訪客的演算法不同,例如有人會按 IP、日期和瀏覽器來算。相較之下,五種工具算出的造訪次數都和正確答案相差不到 1%,瀏覽量也很接近。作者提醒,想比較流量時看造訪次數和瀏覽量會更可靠;紀錄裡還有一個假裝成 Chrome 141 的爬蟲,沒有任何工具認出它。

  9. Dev.to Top Tech45

    工程主管如何為 LLM 工作流程設定可靠度目標

    AI 助理回覆得快、服務也正常,不代表事情就做對了:它可能答錯問題、拿出沒有根據的資料,或是重複建立同一張客服單。工程團隊因此要檢查整段工作流程有沒有完成正確、合乎授權的結果,不能只看系統有沒有當機或回應夠不夠快。文章建議先說清楚「怎樣才算成功」,再設定能實際檢查的目標,並用錯誤預算協助決定何時部署或優先修問題。以客服 AI 助理為例,除了確認它有回覆,還要檢查客服單是否建對、資料是否正確,以及有沒有重複建立。這樣才能看出系統是否真的可靠。

  10. The New Stack48

    groundcover Investigations 讓工程師和 AI 助理一起查修事故

    出問題時,工程師常得把散落在不同聊天視窗和工單裡的 AI 助理調查結果拼在一起。groundcover 推出 Investigations,讓工程師和 AI 助理在同一個工作區檢視線索、檢查可能原因,並留下共同紀錄。像是結帳變慢時,AI 助理會查詢追蹤紀錄、日誌和指標,提出可能原因;另一個 AI 助理會檢查證據是否站得住腳。工程師能即時檢視進度、補上只有自己知道的線索,也能叫 AI 助理停止追查錯的方向。這讓大家比較容易看懂查到哪裡、為什麼這樣判斷,也保留工程師掌握調查方向的能力。

  11. PostgreSQL Official News81

    PostgreSQL 19 推出,資料整理時可不中斷讀寫

    資料表長期更新和刪除資料後,會累積用不到的空間;整理時又可能讓使用者暫時無法讀寫。PostgreSQL 19 新增 REPACK (CONCURRENTLY),可整理資料表並配合索引調整資料順序,同時讓讀寫繼續進行。這次更新也加入 pg_plan_advice,協助固定或測試查詢計畫;使用 WAIT FOR LSN,則可讓備用伺服器等到收到剛寫入的資料再回應查詢。此外,INSERT ... ON CONFLICT DO SELECT 可簡化「有就取出、沒有就新增」的操作。

    推薦理由:PostgreSQL 19 同時改善資料整理、查詢穩定性與跨伺服器讀取,可看出這次更新如何回應大型工作負載的管理需求。

  12. Dev.to Top Tech41

    GitHub CLI 2.105.0 可等待 PR 更新,但不會補回錯過的事件

    一般做自動化時,程式可能先檢視 PR,再開始等待更新;如果有人剛好在這中間送出審查結果,程式就會一直等,明明 GitHub 上已經看得到結果。GitHub CLI 2.105.0 的 Event Streams 可以等 PR 事件,但只會傳送連線期間發生的事件,不會補回之前漏掉的通知。 比較可靠的做法是先等到串流確認已連線,再重新檢視 PR 目前的狀態;斷線後重新連上,也要再查一次。像審查結果若在程式開始等待前就已送出,重新檢視 PR 就能找到,不必請審查者再通知一次。這能少做重複查詢,也減少漏接更新;但若中斷期間發生過哪些變化很重要,光看目前狀態無法還原過程。

  13. Dev.to Top Tech65

    Nginx 502 Bad Gateway 怎麼查?從錯誤紀錄找出連線問題

    網站出現 502 時,只看錯誤程式碼很難知道是哪裡出問題;Nginx 的錯誤紀錄會指出連線在哪個階段失敗。文章整理常見訊息和處理方式,例如「Connection refused」可能表示目標主機或連線埠沒有服務在聽,而容器裡的 127.0.0.1 指向 Nginx 容器自己,應改用應用程式的服務名稱。作者也示範如何從 Nginx 容器內測試連線,並提醒服務啟動順序、DNS 位址變動、回應標頭過大和逾時都可能造成錯誤。

  14. Databricks Blog38

    Databricks 推出 CustomerLake Conversions,讓廣告依照顧客價值投放

    同樣是一筆購買,有人可能會成為常客,有人只是趁打折買一次;只看廣告報表,品牌很難分辨哪種顧客更值得經營。Databricks 推出 CustomerLake Conversions,讓品牌把自己的購買紀錄、顧客價值等資料,用來挑選廣告受眾、傳送轉換訊號,也能把廣告成效帶回 Databricks 一起檢視。例如,零售商可以找出首次購買、而且預測可能再次回購的顧客,並把這些購買事件傳給廣告平臺。品牌能更清楚判斷哪些廣告帶來想要的顧客,也能自行決定分享哪些資料、分享給誰。

  15. Dev.to Top Tech35

    Mailcow、Mailu 和 Stalwart 自架電子郵件伺服器怎麼選?比較功能、資源用量和管理難度

    把電子郵件伺服器放在自己管理的裝置上,可以更掌握資料和設定,但也得自己處理收信、寄信、防垃圾郵件和維護。Mailcow 把多種成熟工具組在一起,功能豐富,適合需要行事曆、聯絡人和多人協作的團隊,但比較耗資源、也較難管理;Mailu 操作較簡單,功能和資源用量取得平衡,適閤家庭與小型企業;Stalwart 把主要功能放進單一程式,較省資源、部署和維護較簡單,也支援 JMAP。三者沒有通用的最佳答案,還得看團隊需求和裝置預算;要讓信件順利送達,網域設定、寄信習慣和伺服器聲譽也很重要。

  16. Dev.to Top Tech74

    Cloudflare 如何縮小 DNS 重建範圍並降低記憶體用量

    DNS 記錄一有變動,Cloudflare 就得把更新送到權威 DNS 伺服器;舊流程常要重建整個區域,遇到數千萬筆記錄時會佔用大量記憶體,也拖慢其他更新。Cloudflare 改用規劃器,依變動範圍選擇五種建置方式,並由共用排程器合併同一區域的工作;無法確認安全時仍會完整重建。為了確認縮小範圍不會改變 DNS 結果,Cloudflare 逐一比對目標建置與完整建置產生的資料,也讓映象服務接收正式事件流,在不服務客戶的環境比對結果。統計顯示,92.95% 的建置不必重建整個區域,記憶體用量也大幅下降;但最大區域仍靠重建指定記錄、頂點資料與中繼資料來避開完整重建。

  17. MediaNama61

    Sarvam 推出 Token Factory,讓企業透過印度境內 GPU 使用多種 AI 模型

    企業自行建置 AI 服務,得先準備 GPU 和運算裝置,花費不低。印度新創 Sarvam 推出 Token Factory,讓企業與開發者透過單一 API,在印度境內的 GPU 使用多種 AI 模型,服務以盧比計價。平臺收錄 DeepSeek、Kimi、Gemma 和 Sarvam 自家模型,入門價格為每百萬個輸入 token 14 盧比、輸出 token 55 盧比。這項服務引發討論:批評者質疑,使用印度運算資源提供外國模型,是否符合印度發展自主 AI 的目標;Sarvam 則表示,Token Factory 使用自購 GPU,沒有依賴政府補助。

  18. Dev.to Top Tech74

    RMM+ 外掛有自己的許可權,ConnectWise 更新 ScreenConnect 仍須另行管理

    管理平臺更新到新版本,不代表裡面的第三方外掛也安全。ConnectWise 調查 ScreenConnect 相關事件時,指出約 400 個合作夥伴環境安裝了 RMM+ 外掛;這表示外掛曾經存在,不等於已確認遭入侵。外掛有自己的憑證,也能透過 API 對受管理的電腦下遠端指令。ConnectWise 建議停用相關外掛,並確認技術人員的使用者端已更新;兩項措施處理的是不同風險。作者整理出管理外掛時要確認的事:誰批准安裝、誰負責、憑證如何管理、能執行哪些指令,以及能接觸哪些客戶的電腦。文章也提醒,停用外掛不會自動清除它先前可能留下的程式或存取權;攻擊者如何取得初始存取,目前仍未確認。

  19. Dev.to Top Tech71

    資料庫還原後,客戶還能順利完成預訂嗎?

    資料庫還原完成,不代表客戶馬上就能正常使用服務;舊預訂可能看得到,新預訂卻可能在重新載入後消失。文章建議先把資料庫還原到隔離環境,再用測試帳號走一次預訂流程:確認還原前的預訂仍在、建立一筆測試預訂,並在重新開啟的工作階段確認同一筆資料和狀態還在。如果流程需要背景工作,也要檢查它有沒有完成預期結果。範例中,資料庫在 18 分鐘後可以查詢,但測試預訂到 31 分鐘才通過;這兩個時間應分開記錄。

  20. Dev.to Top Tech62

    如何用 Pyroscope 或 Parca 找出慢速追蹤紀錄中的問題程式碼

    追蹤紀錄能指出請求卡在哪個服務,卻不一定看得出是哪個函式拖慢速度。連續效能分析會持續抽樣記錄程式執行狀況,再用火焰圖顯示哪些函式最耗資源,讓團隊能從慢速跨度往下查到相關程式碼。文章比較 Grafana Pyroscope 和 Parca:Pyroscope 檔案說明如何從追蹤紀錄跳到效能分析結果;Parca 則提供以 eBPF 分析整臺系統的方式,可用於部分語言而不必修改程式碼。作者也提醒,短暫的跨度可能沒有足夠樣本,這類分析較適合用來確認長時間跨度的問題。

  21. Dev.to Top Tech63

    Istio 和 Linkerd 怎麼選?先看你的團隊是否需要服務網格

    服務一多,團隊就得處理服務間加密、重試和監控等問題;服務網格能把這些規則集中管理,但也會增加維運負擔。Istio 功能較多,適合需要進階流量管理、多叢集或細緻許可權控制的團隊;Linkerd 較精簡,適合想要基本功能、也願意接受限制的團隊。文章建議先看服務數量、負責的團隊數,以及是否有加密要求;服務不到十個時,通常可先用入口控制器和 HTTP 使用者端處理。若啟用 Istio 的雙向 TLS,應先用寬鬆模式確認流量都已加密,再切換到嚴格模式,避免服務中斷。

  22. The Hacker News68

    PHP2Shell 漏洞如何讓 PAN-OS 防火牆成為攻擊目標

    防火牆也有網頁管理介面,若直接開放給網際網路,漏洞可能讓攻擊者從遠端執行程式。PHP2Shell 涉及 PHP 的兩個漏洞,CVE-2026-109618 和 CVE-2026-109619;Palo Alto Networks 確認攻擊者曾利用它們攻擊 PAN-OS 管理介面。研究人員發現,攻擊者研究韌體後,串連另一個 Linux 核心漏洞,取得 25 臺系統的最高許可權。文章提醒,網路裝置常使用相同且較舊的軟體版本,攻擊者能先研究如何下手;防守者應找出重要的網頁管理介面,移除網際網路存取,並限制只有可信任的內部 IP 位址能連線。

  23. Dev.to Top Tech52

    如何用 curl 和瀏覽器量 TTFB,分清網站慢在哪個環節

    網站被說「很慢」時,單看回應時間往往不知道問題出在哪裡。這篇教學說明 TTFB 是從開始載入到收到第一個位元組的時間,包含 DNS、連線和伺服器回應,卻不代表頁面已經載入完成或能正常操作。你可以用 curl 拆開檢視請求各階段,也能在瀏覽器開發者工具或主控臺檢視;多量幾次,避免把單次結果當定論。若首位元組很快但圖片或指令碼載入很慢,訪客仍可能看到空白畫面,因此還要依實際卡住的地方檢查其他載入與互動指標。

  24. Dev.to Top Tech53

    Solo SaaS 如何挑選 Uptime 監控與狀態頁工具?

    一人經營 SaaS 時,免費監控工具看起來省錢,但監控數量、商用限制和通知方式差很多。文章比較 UptimeRobot、Better Stack、Uptime Kuma、Checkly 和 Cronitor:Better Stack 免費方案約有 10 個監控專案和一個狀態頁,可商用;UptimeRobot 有 50 個監控專案,但免費方案限個人用途;Uptime Kuma 可自架並不限監控數量,代價是要自己維護。作者也提醒,監控器若和服務放在同一臺主機,主機故障時可能一起停擺,最好放在不同位置,並先監控網站、API 和登入流程。

  25. Dev.to Top Tech50

    如何挑選低延遲的 VPS 位置

    挑 VPS 時,大家常先比 CPU 多快,卻忘了伺服器離使用者或服務太遠,網路回應就會變慢。光在光纖裡每毫秒大約走 200 公里,算上繞路和路由器,約每 100 公里會多出 1 毫秒來回時間。網站伺服器要靠近多數使用者;交易機器人要靠近交易所的 API;SSH 則要靠近自己。像歐洲到美國東岸,來回約要 80–100 毫秒,再快的 CPU 也補不了這段距離。 下單前可以用 mtr 檢視網路每一站的延遲;拿到 VPS 後,也能用 curl 分開測 DNS、連線、TLS 和總耗時。EQVPS 的伺服器在德國和芬蘭,適合歐洲一帶的使用者與服務;若使用者主要在亞洲或美洲,歐洲伺服器會多出 80–250 毫秒的來回時間,選離他們更近的位置會比較合適。

  26. Dev.to Top Tech56

    Bardia Yaghmaie 推出 Bardiup,讓 Kubernetes 備份依保留規則挑選

    用固定期限刪除備份,可能讓故障期間沒做出新備份的舊副本也照常過期。Bardia Yaghmaie 因此做了 Bardiup,讓 Kubernetes 的磁碟區只用一個排程備份,再依保留規則留下最近 7 天、4 週和 12 個月的副本;只有成功備份的日子才會計入保留時間。作者舉例,一年後會留下 20 份備份,而不是 365 份。備份是 S3 裡的 tar.gz 檔案,另附檢查碼;目前不會備份 Kubernetes 資源,也沒有重複資料刪除功能。

  27. Dev.to Top Tech64

    作者示範如何把 Agave 2.3.13 改成自己的區塊鏈

    想建立自己的區塊鏈,直接改用成熟的驗證器程式,還是得處理創世設定、金鑰和主機環境。作者以 Agave 2.3.13 建立名為 Machine 的鏈,記錄如何設定原生代幣、投票金鑰與驗證器,也分享一次設定不合,讓測試驗證器無法投票的問題。單一節點能投票並完成區塊確認,只能說明本機設定可運作,還不能證明多節點網路或使用者轉帳正常。作者也建議分階段測試,橋接真實資產前先完成獨立安全稽核;目前 Machine 仍是未經稽核的單節點本機測試網。

  28. Dev.to Top Tech36

    如何在軟體架構工作中使用 AI,同時保留工程師的判斷力

    AI 可以快速畫出架構圖、整理設計決定,也能提出可能出錯的情況,但看起來合理的建議,不一定符合系統真正的需求。例如,AI 可能推薦 PostgreSQL,工程師還是得確認資料怎麼使用、系統要多可靠,以及團隊是否能維護。架構師也要檢查系統依賴、故障時如何恢復、資料安全和長期成本,並清楚記下選擇的理由與負責審核的人。AI 能幫忙省下準備時間,最後是否採用、出了問題由誰負責,仍需要工程師判斷。

  29. Dev.to Top Tech52

    Qwen3 27B 在 12GB 筆電顯示卡上實測:NVFP4 幾乎省不了 VRAM

    在 12GB 顯示卡上跑大型模型,記憶體不夠時,直覺可能是換成更省空間的量化設定。作者在同一臺筆電上比較 NVFP4 和 RK4V4,發現兩者的 VRAM 峰值只差約 50–70 MiB;真正佔掉大部分空間的是會隨上下文增加的 KV 快取。作者建議遇到記憶體不足時,先調低 KV 快取的容量。品質檢查中,RK4V4 答對 35/39 題,NVFP4 答對 34/39 題,但樣本不多;這些結果來自單一裝置,不能當成通用基準。

  30. Dev.to Top Tech53

    Excel 的列數上限讓英國公共衛生署漏掉近 16,000 筆 COVID-19 檢測結果

    資料處理流程如果悄悄漏掉紀錄,表面上看起來正常,受影響的人卻可能收不到重要通知。2020 年 10 月,英國公共衛生署把實驗室送來的 CSV 檔轉成舊版 Excel(.xls)格式;每天的陽性檢測資料超過 65,536 列後,超出的紀錄被直接截掉,近 16,000 筆結果因此漏掉,相關民眾及其接觸者也沒有及時收到通知。文章建議在轉換前後核對資料筆數,並在數量不一致時立刻中止流程、發出警示,避免系統回報成功,資料卻已經遺失。

  31. Dev.to Top Tech72

    作者示範如何用 12GB 筆電顯示卡執行 Qwen3 27B AI 助理

    在筆電顯示卡記憶體有限時,AI 助理處理長程式檔和多次工具操作,可能放不下需要記住的對話。作者用 KVMem 把近期和找回的資料放在顯示卡上,其餘歷史存在電腦記憶體,需要時再取回,並搭配 dsh 工作區執行程式開發、檔案和網路工作。作者在自己的 12GB 顯示卡上測試,讓 AI 助理回想先前對話與程式內容的測試答對 24 題;但 256K 是可用容量上限,並不代表每一步都能讀取全部歷史,完整 256K 也尚未驗證。

  32. Dev.to Top Tech45

    AWS Amplify 如何在背景管理 CloudFront,讓 CDN 看起來像消失了一樣

    網站明明連得上 CloudFront,AWS 主控臺和指令卻找不到對應的配送設定,查問題時很容易以為它不見了。若網站是用 AWS Amplify Hosting,CloudFront 可能由 Amplify 在背後建立和管理,所以不會出現在一般的 CloudFront 清單;自訂網域也要從 Amplify 裡檢視。比如想把同一個網域改接到自己的 CloudFront,可能會遇到 CNAMEAlreadyExistsException,因為一個網域同一時間只能接到一個 CloudFront 配送設定。先確認 DNS 指向,再查 Amplify 和 API Gateway;若要自己管理 CloudFront,等新設定準備好再移除舊網域連結,避免網站中斷。

  33. Dev.to Top Tech42

    Trida AI:建置 AI 系統前,先找出三位負責人

    AI 系統上線後,總會遇到要不要擴大工作範圍、換更便宜的模型,或暫停系統等問題;如果沒有人能拍板,事情就可能卡在會議或公用信箱。Trida AI 建議建置前先寫下三位負責人:對工作成果負責的人、每天照看系統的人,以及管理系統資料許可權的人,並清楚列出各自能決定、要請示和能喊停的事情。比如,系統要讀新的供應商網站,應由資料負責人核准;文中的例子裡,這項申請因為沒有人接手,等了九天。明確分工能讓決定更快找到負責的人,也讓系統上線後有人持續照看。

  34. Dev.to Top Tech63

    VSolitaire 作者如何找出 Node 伺服器卡住 8 秒的原因並修正

    VSolitaire 想替每日紙牌挑出玩家有機會解開的牌局,卻讓 CI 裡的 Node 伺服器卡住 8 秒。作者從 Playwright 的網路紀錄發現,幾個 API 請求都送出後沒有回應,再用 CI 環境逐步找出原因:同步執行的求解器會佔住 Node 的主執行緒,讓其他請求也只能等。修正後,搜尋每次只跑一輪,再用每 100 毫秒一次的暖機逐步處理;測試伺服器也會走這段暖機流程。作者提醒,除錯時要看請求紀錄,並確認測試跑的路徑和正式環境一致。

  35. Phoronix (Linux HW & Benchmarks)60

    AMD 為 Versal Gen 2 的 AI Engine 提交 Linux 核心驅動程式

    Versal 系統裡的 AI Engine 先前沒有 Linux 核心內建的驅動程式,使用者得靠核心外的版本支援。AMD 現在提交了新的 AIE 加速器驅動程式,供 Linux 核心審查;它支援較新的 Versal Gen 2,並採用 Linux 核心標準的加速器架構。這讓 AIE 有機會透過核心內的開源驅動程式運作;目前提交的仍是供審查的程式碼。

  36. Dev.to Top Tech39

    Geometry Dash 玩家工具網站開發心得:把選關、找密碼和遊玩指南整理在一起

    玩 Geometry Dash 時,想找適合自己的第一個惡魔關卡,或查遊戲密碼和過關方法,常得在好幾個網站之間來回切換。作者因此做了 GD Level Tools,把關卡搜尋、第一個惡魔推薦、闖關規劃、遊戲內密碼查詢和指南放在同一個網站;推薦工具會先問玩家的平臺、擅長的技巧和喜好,再說明推薦理由與練習方式。網站也收錄 17 篇指南,涵蓋獎勵、模組安裝和常見問題等內容。作者分享,推薦結果不能只看關卡難度,還得考慮玩家用電腦或手機、擅長哪些技巧,才更可能找到合適的關卡。

  37. Dev.to Top Tech78

    2026 年 AI 助理沙箱評比:E2B、Daytona 等 7 種服務怎麼計費

    AI 助理常有不少時間在等模型回覆,但沙箱服務可能仍按整段開啟時間收費,讓帳單差很多。Yusuf 用 2 vCPU、4 GB 記憶體的程式助理情境,比較 7 種沙箱跑 1 小時及 100 人每月使用的費用;依他的估算,每小時從 Upstash Box 的 $0.017 到 E2B、Daytona 和 Blaxel 的 $0.166。差異主要來自 CPU、記憶體是否按實際使用量計費,以及等待時是否仍收費。文章也提醒,執行使用者提供的程式碼時要留意隔離與網路存取,並先用自己的工作流程實測一天再估算費用。

    推薦理由:這份比較把七種沙箱放進同一個會等待模型回覆的程式助理工作情境,呈現計費方式如何影響每小時與每月費用。

  38. Dev.to Top Tech47

    用咖啡店示範 OpenTelemetry:開源監控工具和 Dash0 怎麼選?

    系統一變慢或出錯,線索常散在不同地方,很難知道問題出在哪。作者做了一間叫 The Daily Grind 的咖啡店,讓 3 個 Python 服務處理點餐、備料和煮咖啡,再用 OpenTelemetry 收集追蹤、指標和紀錄,搭配 Pyroscope 檢視程式用了多少 CPU 和記憶體。比方說,客人點卡布奇諾後,可以沿著追蹤紀錄檢視訂單經過哪些服務、各花了多久;如果還想知道是哪段程式特別耗 CPU,就看效能分析資料。這套示範把多種線索放在一起,讓工程師更容易找出訂單變慢或失敗的原因。