如何在 CI 紀錄外洩前,抓出被印出來的機密資料
CI 工作流程裡只要多一行 echo,就可能把權杖印進建置紀錄;除錯步驟若印出整個環境,或記錄含有權杖的要求標頭和設定內容,也可能讓機密資料曝光。Zelsis 會在合併前的審查階段,標出工作流程中這類指令所在的確切行數,供人先檢查。不過,這種檢查無法知道指令執行時實際印出了什麼,只能先篩出可疑寫法。若權杖曾出現在紀錄裡,即使紀錄只有內部人員看得到,也應更換權杖;工具若支援,也可用 --password-stdin 傳入權杖,避免它出現在指令列。
CI 工作流程裡只要多一行 echo,就可能把權杖印進建置紀錄;除錯步驟若印出整個環境,或記錄含有權杖的要求標頭和設定內容,也可能讓機密資料曝光。Zelsis 會在合併前的審查階段,標出工作流程中這類指令所在的確切行數,供人先檢查。不過,這種檢查無法知道指令執行時實際印出了什麼,只能先篩出可疑寫法。若權杖曾出現在紀錄裡,即使紀錄只有內部人員看得到,也應更換權杖;工具若支援,也可用 --password-stdin 傳入權杖,避免它出現在指令列。
下班後心裡還塞滿壓力,回家時很容易把煩躁帶給喜歡的人。Threshold 是一款第一人稱 3D 遊戲:玩家先在院子裡散步、回想兩人的生活片段,再面對一扇有三道鎖的門。若開啟鏡頭感測,遊戲會用心跳帶動門上的燈光,並看著呼吸;每次慢慢吐氣,就能轉開一道鎖。也可以選擇不開鏡頭,用模擬模式遊玩。門開啟後,等待玩家的是溫暖的房間和一句「歡迎回家,你帶來了平靜」。這款遊戲把放慢呼吸變成回家前的小儀式,提醒人先安定下來,再把好心情帶給所愛的人。
新增排程或網頁操作時,如果各自有一套安全規則,兩邊可能不一致。umwayi-os 讓兩種入口都呼叫原本的指令功能,沿用相同檢查與紀錄。排程使用 Linux 的 systemd user timers,只能執行工作或流程;例如,它可以在主人睡覺時整理資料、寫草稿,但最後需要人核准時就會停下來,不能自行發布。網頁則只能連到本機伺服器,請求也要通過安全檢查。作者提醒,瀏覽器測試還沒做,伺服器的聊天和資料匯入功能也尚未完成。
有些日期錯誤要等上好幾天才會出現,光靠單元測試不容易發現。作者開發了 ChronoStack,能讓 Docker Compose 裡的服務、資料庫和排程工作一起快轉虛擬時間,重現真實環境中的時間變化,不必修改程式碼或碰到正式資料。作者用它重現 Twenty 垃圾桶提早刪除紀錄的問題,修正後測試通過,整個流程不到 2 分鐘。他也在幾個開源專案中找到日期錯誤,部分修正已合併。
程式碼被別人複製後,改掉作者名字、授權檔或註解,光看 Git 紀錄很難發現。開發者 Jayakrishna I 做了開源工具 TrapR,會在程式裡放入帶有秘密金鑰的標記和藏在實際功能中的小型暗記,也會比對程式碼的結構。標記和暗記能提供較強的來源證據,結構相似則只是調查線索;作者測試時,工具找出一份移除授權和標記、並改過函式名稱的複製版本,也公開說明它漏掉了一份 45 行的 Python 轉 JavaScript/Java 程式。
惡意網站可能利用 uBlock Origin 的元素選取器,讓使用者只要點一下,就在其他網站執行任意 JavaScript。這個漏洞出在 Firefox 的 MV2 版本;MV3 版本 uBO Lite 也有相關但較輕微的問題,兩者都已修補。攻擊者可把選取器藏在網頁中,送入帶有指令的篩選規則,再誘使使用者點選。修補方式之一,是讓真正的內容指令碼提供密碼,選取器收到後才接受啟動訊息。研究者表示,GPT-5.6 Sol 協助找到問題,Claude 則產生了大部分概念驗證程式碼。
Cursor、Devin 和 GitHub Copilot 的收費方式各不相同:Cursor 用每週用量,Devin 用每日和每週的 token 額度,Copilot 則把用量換成點數,每點值 $0.01。作者用相同的工作量來比較:每項任務約用 172,000 個 token,做 80 項任務時,模型用量費從 $1.07 到 $32.06,差別主要來自使用哪個模型。 以 Claude Sonnet 5 為例,80 項任務約花 $21.38;Copilot Pro 只含 $15 用量,可以加付超出的部分,或升級到 Pro+。Cursor 和 Devin 沒有把額度換算成明確金額,因此買之前較難算出能做多少工作。比較方案時,除了月費,也要看用量怎麼算,以及優惠價格何時到期。
用 PyTorch Dynamo 編譯的程式原本無法正確處理 bytearray 的 8 種文字判斷方法,例如檢查內容是不是字母、數字,或是不是小寫。這次更新讓這些方法能在編譯後正常使用;測試也確認,空的 bytearray 只有用 isascii() 檢查時會得到 True,而且在程式裡修改內容後,判斷結果會跟著更新。這讓使用 bytearray 的程式更容易順利交給 PyTorch Dynamo 編譯。
Cline Desktop v0.0.50 修正了幾個會讓 AI 助理卡住或無法工作的問題:手動輸入 /compact 遇到卡住時可以停止;模型切換或整理對話後,Reflection Beam 不再因缺少資料而每回合都失敗。讀取的檔案內容也不會再被截短,現在最多可送出 2000 行或約 48k 個字元。 這次更新也調整了模型選擇方式:沒有儲存模型時,Cline 會先使用第一個免費模型;各模型可用的推理強度也會依照支援情況設定。模型清單新增 94 個服務商,並調整多個模型的預設選擇;使用者已儲存的模型選擇則會保留。
Git 代管服務要同時處理大量儲存庫時,舊架構會因為每個儲存庫都要選出自己的領導節點,讓系統變慢,也更難維護。Enroute 0.4.0 改用新的設計,由一份根日誌指定各儲存庫由哪個節點負責,並保留 Raft 的資料複寫方式。測試中,0.4.0 在 100,000 個儲存庫上分散推送,延遲明顯低於舊版;也建立了 300,000 個儲存庫,最多測得每秒 24,000 次推送。作者表示,較少的共識機制也讓系統更容易理解、維護和擴充。
推薦理由:Enroute 對照 0.3.0 與 0.4.0 的測試,呈現新架構如何把推送分散到更多儲存庫,也降低共識層的複雜度。
Webhook 簽章驗證常在資料看起來一樣時失敗,原因可能是程式先解析 JSON,改變了實際內容的位元組。這篇教學說明,驗證時要使用收到的原始內容,再依服務商的規則計算簽章:GitHub 簽原始內容,Stripe 和 Standard Webhooks 還會把時間或事件編號算進去,金鑰格式也不同。文章也提醒先檢查簽章長度,再用安全的方式比對;Stripe 和 Standard Webhooks 可檢查時間,GitHub 則要靠事件編號避免重複處理。驗證後先快速回覆,再把後續工作交給背景工作處理。
安裝 Google Stitch 的技能時,光看懂功能還不夠,MCP 伺服器得先設定好,指令和資料夾名稱也不能出錯。作者介紹了一份中文檔案,整理 Codex、Claude Code、Cursor 和 OpenCode 的安裝方式,也把 OpenCode 需要手動複製技能資料夾、技能名稱必須符合規則等細節列為常見問題。檔案另有標出哪些內容是原文翻譯、哪些是補充說明;作者沒有實際跑完所有安裝流程,因此對各種工具是否順手的說法是根據檔案步驟整理。
PyTorch 原本會在處理每個資料時,重複計算一個其實整次運作都不會變的除法,白白多花時間。這次修改讓 PyTorch 先算好這個數字,再交給後續運算使用。在 GB200 上測試 GLM-5.3 的 FP8 權重時,速度快了 1.17 到 1.22 倍;例如其中一種權重,單次運算時間從 739.2 微秒降到 607.8 微秒。測試結果在修改前後都和 eager 的結果一致。
經營一個部落格,要把文章改成不同平臺適用的內容、安排發布時間,還得避免重複發文,光靠手動處理很容易忙中出錯。作者用 GitHub Actions 自動整理和發布每週貼文,但每篇都要先經過作者檢查、合併 pull request 才能送出。系統會先檢查文字長度、圖片和影片格式,也會實際執行貼文引用的程式;成功發布後,會記下結果,避免下次重跑時又發一次。 原本計畫自動發布到 6 個平臺,後來發現 Hashnode 的 API 需要付費方案,因此改成手動貼文。作者也還不知道每週發 5 篇是否太多、短影片有沒有幫助,以及審稿到底要花多久。這套流程能減少重複工作,但讀者反應和成效仍要等實際發布後才能確認。
AI 助理修好指定程式碼後,也可能順手改到任務沒提的檔案,讓風險藏在很長的程式碼差異裡。文章用一個 Stripe webhook 修補範例,展示同一份變更還加入了秘密金鑰、刪除資料表與排程工作,並升級付款套件。作者建議先列出允許修改的檔案,再用檢查工具比對變更;重要檔案須由負責的人審查,也要掃描秘密資訊、檢查資料庫修改,並讓 AI 助理只使用開發環境的憑證。
每次要修改 dev.to 留言,都得把草稿和同一段提示詞貼進 AI 聊天視窗,來回複製很麻煩。Julie 做了一個本機網頁工具,貼上留言後就能取得修改稿和逐段說明,還會保留 Markdown 格式與最近 10 次紀錄。工具會把留言送到 DeepSeek API,紀錄則存在自己電腦的 SQLite 資料庫;作者也分享如何用固定提示詞和明確的標題格式,讓程式分開整理修改稿與說明。
同一臺電腦上有多個 GitHub 帳號時,提交紀錄、推送程式碼和建立 PR 可能各自用上不同帳號。作者分享自己遇到的問題,並做了 claude-gh-accounts,讓不同資料夾各自對應一個帳號:Git 會依資料夾選擇提交用的姓名與電子郵件、推送憑證和 SSH 金鑰,啟動 Claude Code 時也會為該次工作設定對應帳號。工具支援 macOS、Linux 和 Windows,目前適用於終端機版 Claude Code 與 github.com;IDE 擴充功能和桌面版中的 Claude Code 操作還不會切換帳號。
瀏覽器操作如果超過使用者端的等待時間,呼叫就可能逾時,使用者拿不到結果。browser-use 1.0.7 調整了 MCP 呼叫的回覆方式:長時間執行的 browser_exec 會在 50 秒內先回傳目前輸出,工作仍會繼續;之後再次呼叫 browser_exec 並留空程式碼,就能取回剩下的結果。原本 50 秒內完成的呼叫則維持原樣。這項調整讓有 60 秒限制的 Cursor 等使用者端也能先收到回覆。
Microsoft Publisher 將在 10 月底停止服務,作者想繼續畫交通路線圖,卻找不到簡單好用的工具,於是做了免費的 Liniennetz-Editor。使用者只要輸入車站、路線和每條路線會停靠哪些站,再把車站放到格子上,程式就會自動畫出路線、轉角和站點符號,還能匯出成 SVG、PNG 或 PDF。像兩條路線共用一段軌道時,程式會替它們排出間距固定的平行線;約 300 個車站、50 條路線的地圖,也能靠快取避免拖動文字標籤時重新計算路線。它完全在瀏覽器中運作,不需要後端伺服器;目前介面只有德文。
找工作時,職缺可能已經過期,求職者也不一定找得到可信的應徵方式。OpenJob 把職缺整理成 AI 助理能讀取的公開資料庫,作者提供 3 段提示詞,分別用來搜尋工作、刊登職缺和建立人才檔案。找工作時,提示詞會要求只列出最近 60 天發布的職缺,並附上僱主自己的應徵連結;職缺刊登 60 天後會到期。人才檔案則不能放電子郵件或電話,發布前必須先讓本人確認,並會在 180 天後到期。
開源專案的程式碼就算能修好問題,也不一定會被維護者合併。作者整理自己用 superhuman 提交的 115 個 PR 和審查留言,發現關鍵常在程式碼以外:先確認專案接受外部貢獻、沒有人已在處理同一問題,並照專案慣用的格式寫說明、附上測試。送出後也要盡快回覆審查意見;有時維護者會接手最後的修改,合併修正並保留貢獻者署名。這些經驗顯示,AI 助理參與寫程式時,也得遵守開源社群原有的合作方式。
OpenHands Agent Canvas 的 v1.43.0 加入多項新功能,例如在設定精靈中建立自動化、對話反應,以及顯示 AI 助理修改過的訊息。實驗性功能可從設定頁面檢視;聊天訊息清單也改成只載入目前需要顯示的內容,讓操作更順。這次更新還修正切換對話時自動化設定表單會消失的問題。macOS 下載版尚未取得 Apple Developer ID 簽章,系統可能會把它標示為「已損毀」;說明指出,這是 Gatekeeper 的隔離標記,移到「應用程式」後可用提供的指令清除。
同一段文字交給不同 LLM tokenizer 處理,切出的 token 數可能差很多,也會影響費用估算。Mohit Verma 做了開源工具 MLBox,讓人直接在瀏覽器貼上文字,比較 7 種 tokenizer 的切分結果、字元費用和差異。像「नमस्ते दुनिया」這 13 個字元,GPT-4o 會切成 5 個 token,Llama 3.1 切成 9 個,cl100k 切成 13 個。頁面還有神經網路練習場、可在筆電完成的 ML 專案清單,以及模型價格計算工具;所有功能都能離線使用,文字不會離開自己的裝置。
AI 開源專案的連結失效,和專案停止更新,是兩件不同的事。作者追蹤了 733 個 GitHub 或 Hugging Face 專案,發現 23 個曾變得無法取得,其中 5 個後來恢復;另有 67 個專案超過 90 天沒有更新。作者建議把這兩種狀況分開記錄,並且連續兩次查不到才標記為失效。引用專案時,也可在網址旁附上 DOI 或封存連結,避免日後網址失效就找不到資料。
AI 助理的設定檔會決定它啟動哪些伺服器、使用哪些憑證,以及能讀寫哪些資料,但這些檔案常沒像程式碼一樣被檢查。作者做了開源工具 agentconfig-audit-lite,能找出設定檔中的明文金鑰、沒有鎖定版本的伺服器,以及缺少拒絕讀取或修改規則的情況;金鑰只會以遮蔽形式顯示。工具也提醒,寫在 CLAUDE.md 裡的「不要碰 .env」只是文字指示,真正的限制要靠拒絕規則或 hook。不過它只確認 hook 是否存在,不會檢查 hook 實際做了什麼。
OpenSSL 的 Base64 編碼函式 EVP_EncodeBlock() 有緩衝區溢位問題,輸入長度太大時,計算結果可能超出可用範圍,讓函式寫到預留空間之外。修補提案會在遇到空緩衝區、負數長度或長度計算溢位時停止處理;作者也指出,搭配 GOST 提供者,透過環境變數傳入超長密碼,可觸發這個問題。修補程式仍在審查,尚未合併,也沒有官方安全公告或確認受影響版本清單。作者未能在自己的環境重現漏洞,因此相關說明來自提案與程式碼審查。
在 MoE 裡,有時一批資料不會分到任何專家,讓輸入的 token 數變成 0;這時 PyTorch 的 XPU 版 grouped_mm 會出錯。問題是底層 oneDNN 無法處理某些維度為 0 的分組資料。這次修正會在輸出沒有元素時直接結束;如果 K 維度是 0、但輸出仍有內容,就把輸出設為全 0,因為這時沒有任何數值可以加總。測試涵蓋這兩種情況,讓空輸入也能得到正確結果。
保護 AI 寫程式工具的安全規則,如果只靠指令裡出現某些字來判斷,可能連檢查設定的指令也一起擋掉。作者修改了 Mac YOLO Safeguards,讓它逐段檢查指令,只有真的要改動受保護的設定或檔案時才拒絕;讀取設定、檢視狀態和執行說明指令則可通過。即使先用 cd 換資料夾,規則也會追查實際寫入位置。作者也建議把平常用來檢查防護工具的指令拿去測試,確認它們能正常使用,而刪除防護設定的操作仍會被擋下。
如果部署只能靠 CI/CD,服務出問題時,團隊可能連修正或回復舊版都做不到。作者以 GitHub Actions 一次服務中斷為例,說明如何準備一條緊急部署路徑:使用不依賴原 CI/CD 的執行環境,預先儲存已掃描的部署成品,並準備需要多重驗證與第二人核准的獨立憑證。部署時要指定映像檔的摘要值,避免臨時猜測版本;也要定期演練、留下紀錄,並在事後檢查每次使用情況。
只看最後寫好的程式碼,AI 助理學不到遇到錯誤後怎麼繼續。Sumama-Jameel 整理出 66 段實際執行的程式開發過程:AI 助理在 Docker 沙盒裡處理真實專案任務,使用工具、碰到錯誤再修正,工具輸出和失敗紀錄都保留下來。每段資料都會檢查專案測試,也能在自己的電腦上重新驗證。作者公開與四份大型資料集的比較,並說明這份資料在規模和部分指標上落後;用它訓練的小型模型有一項分數從 43% 升到 80%,其他分數則退步。
準備 GitHub Foundations(GH-900)時,考試範圍從 Git 基礎到 GitHub 協作與管理,容易讓人不知道該先讀哪裡。作者整理七個考試領域和比重,並安排每天約一小時的四週計畫:先在電腦上練習 Git,再熟悉 GitHub 專案與團隊功能,接著操作 Actions、Copilot、Codespaces 和 Projects,最後複習安全設定與社群功能。Git 基礎佔考試 25% 到 30%,作者建議從實際輸入指令、建立分支和處理衝突開始。考試為 100 分鐘,滿分 1,000 分,通過門檻是 700 分;這是換算後的分數,不代表答對 70%。
很多程式檔案被大量程式碼引用,看起來像是包辦太多工作的「上帝物件」,但光看引用次數還不夠。作者檢查 Grafana、Keycloak 和 Docker Compose 的熱門檔案,發現 Grafana 的檔案只負責轉出其他模組的名稱,Keycloak 的檔案則是供程式查詢功能的介面;Docker Compose 的共用套件則包含許多不同用途的資料。判斷時還要看檔案裡有沒有實際運作的程式、多久因哪些原因修改,以及引用它的程式各自用了哪些內容,才能看出是否真的該拆分。
太陽能、家用電池、電動車和每小時變動的電價若沒有協調好,可能會在不划算的時間買電,或讓電動車把家用電池的電量用掉。作者用 Antigravity 搭配 Gemini 4 Hydrogen 規劃需求、Gemini 4 Carbon 撰寫和測試程式,做出開源工具 cheap-watts,自動安排電池和車輛的充電時間。工具每 30 分鐘檢查天氣、電價和車輛狀態,也能先用 --dry-run 試跑,確認排程後才控制家用逆變器。作者也分享用不同 AI 助理分工、隔離硬體介面,以及透過程式檢查和 PR 流程降低金鑰外洩與裝置誤操作風險的做法。
安全研究人員、滲透測試人員和開發者檢查可疑資料時,常得手動一層層解碼。OWASP DecodeBox 把編碼、解碼、資料轉換和安全分析工具放在同一個平臺,能自動辨認資料格式、逐層解碼,並提供 500 多種操作,幫忙找出藏起來的內容。它在瀏覽器裡執行,資料會留在本機,也有離線版本,方便在沒有網路的環境使用。
自己替網站處理登入、密碼和使用者許可權,容易寫出重複程式,也得自行維護安全細節。作者用 Keycloak 搭配 Python 連接器,把登入、登出、權杖更新和驗證整理成幾個操作,再接到 Flask 網站。使用者登入時會先前往 Keycloak,完成驗證後再回到網站;連接器也會檢查登入回應,並在權杖快到期時更新。作者表示,整合程式約 80 行,並提供程式碼範例和專案連結。
AI 助理執行命令時,刪錯資料夾或重設程式碼,可能讓資料和工作成果消失。作者把 107 條來自公開 Claude Code 問題回報的命令交給自己開發的 guard 檢查;這個工具會拒絕部分命令、要求使用者確認部分命令,也可能完全不作判斷。測試中有 24 條被拒絕、52 條需要確認、31 條沒有判斷。作者提醒,這些數字只適用於他挑選的命令,不能代表它能攔下多少真實事故。像是透過資料庫工具執行的操作,或藏在指令碼裡的刪除命令,guard 可能看不到;沒有判斷時,仍由 Claude Code 自己的許可權設定決定怎麼處理。
AI 助理大量產生程式碼,讓原本為人類開發者設計的 GitHub 面臨更大負載,文章也整理了它近年的服務中斷情況。Cursor 推出可和 GitHub 同步的 Origin;OpenAI 用 Pando 支援自家程式庫,並計畫把 Code Storage 整合進 Codex;Anthropic 則在公司內部用 Scion 取代 Git。這些做法各有不同,目前只有 Origin 能讓外部使用者試用,Scion 僅供 Anthropic 內部使用。GitHub 正擴充容量並遷移到 Azure,而它累積的使用者、開源社群和協作習慣,也讓其他平臺不容易取代它。
用 GitHub Actions 自動推送版本標籤後,後續發版流程可能完全沒有啟動,畫面也不會顯示失敗。作者遇到 11 個標籤都成功推送、卻沒有任何發版流程執行,原因是由 GITHUB_TOKEN 產生的事件通常不會啟動另一個工作流程,只有 workflow_dispatch 和 repository_dispatch 例外。若只想接著完成發版,可以改用 workflow_call,或透過 gh workflow run 手動派送,不必另外新增金鑰;若需要讓推送事件啟動其他流程,例如替機器人開的 PR 執行檢查,則可改用 GitHub App 安裝權杖,並自行加入避免重複觸發的條件。
推薦理由:作者用自己的發版流程說明 GITHUB_TOKEN 為何會讓標籤推送後沒有後續工作流程,並整理不必新增金鑰的處理方式。
招募人員點開履歷上的 GitHub 連結,可能只花 30 秒看你的個人頁。與其放一堆教學作業或空專案,不如挑出自己做的 4 到 6 個好作品,釘選在頁面上,再用個人 README 簡單介紹你會做什麼、作品幫誰解決問題。每個作品也要附上說明、實際展示連結和畫面截圖,讓人看得出它能不能用、程式碼是否清楚。 README 不必塞滿技能徽章或動畫;清楚的作品介紹、好懂的提交紀錄,以及不把密碼等機密放程序式碼,都更能讓人認識你的做事方式。整理好 GitHub,就能讓招募人員在面試前先看到你做過什麼。