跳到正文

#教學/實務

RSS
今日 196 則
11月22日週日
  1. Dev.to Top Tech64

    Dongbum Lee 分享如何用 SDLC Harness 把開發標準帶進 AI 輔助開發

    AI 助理能很快寫出第一版程式,但不同次產出的程式可能不一樣,也未必符合組織的開發標準,後續維護和交接就成了難題。Dongbum Lee 把解法稱為 SDLC Harness:先把組織的標準放進開發流程,再用檢查關卡確認每個階段都有照著做;工程師和 AI 助理累積的經驗,也會留下來供後續工作參考。這套開源工具涵蓋從需求到回顧的十個階段,若檢查未通過,工作會退回修正再檢查。作者認為,讓 AI 寫程式更容易融入組織,關鍵在於準備好自己的標準和流程。

  2. Dev.to Top Tech58

    用 Python 逐筆檢查會計 CSV,找出借貸不平的分錄

    整份會計 CSV 的借貸總額看起來相等,不代表每筆分錄都正確,因為兩筆方向相反的錯誤可能互相抵銷。作者示範用 Python 依分錄編號加總借方與貸方,列出需要檢查的分錄;編號會保留為文字,像「0008」這樣的前置零也不會消失。範例中「0008」借方比貸方多 10 歐元,因此會被列出。這項檢查能找出漏行等問題,但分錄平衡仍不能保證科目或期間正確;作者也提醒要保留原始檔案。

  3. Dev.to Top Tech54

    如何在瀏覽器本機檢查 WebAuthn Passkey 註冊資料

    Passkey 註冊失敗時,只看錯誤訊息很難知道是哪個位元組出了問題。作者說明如何拆開瀏覽器回傳的 attestationObject,檢查其中的 RP ID 雜湊、使用者驗證旗標、計數值與 COSE 公開金鑰;例如,設定要求使用者驗證時,若旗標沒有 UV,就會讓註冊失敗。作者也做了兩個瀏覽器檢查工具,資料只在本機記憶體處理,不會傳到網路上。

  4. Dev.to Top Tech67

    BubbleFacts 如何避免 AI 助理在直播中說錯歌曲資料

    直播時,樂手忙著演奏,沒空逐句確認 AI 助理顯示的歌曲資料;小型模型也可能把沒得過的獎說成得過。BubbleFacts 先從 Wikidata 和 MusicBrainz 取基本資料,其他內容則要求模型只根據維基百科文章撰寫,再用程式逐項檢查人名、年份、來源句子和說法是否相符。來源沒有支援的內容就不顯示,錯誤紀錄留在直播者自己的電腦。內建的 Llama 3.2 3B 也在本機執行,不會把資料送到雲端 AI。

  5. Dev.to Top Tech58

    如何讓 IoT 儀錶板正確顯示裝置多久沒回報

    儀錶板還連得上,不代表每臺 IoT 裝置都有正常回報;裝置持續回報,也不代表觀看者的畫面一定收到更新。文章建議由 API 記下每臺裝置最後一次回報的時間,再依設定的期限標示為「最近回報」、「過期」或「未知」,不要把過期直接說成裝置已關機。範例用 10 秒回報間隔和 30 秒期限說明判斷方式,並提醒正式系統還要處理重複與過期資料、逾時狀態更新,以及儀錶板重新連線後補回最新資料。

  6. Dev.to Top Tech42

    如何從退款政策文字擷取天數,又不亂猜意思

    退款政策裡常有天數,但光看到數字,不一定知道它適用於什麼情況。這篇教學用一小段程式找出「30-day」或「within 7 days」這類寫法中的第一個天數,並分清楚三種結果:找到天數、文字裡沒有符合的天數,以及欄位空白。以 StagingBench 的 12 筆退款欄位為例,程式找出 8 筆有天數、1 筆有文字但沒找到天數,另有 3 筆是空白。若一句話同時寫了首次購買和續訂期限,程式只會抓第一個數字,也不會知道它適用哪個條件;所以要保留原文,不能把擷取出的天數當成完整退款規則。

  7. Dev.to Top Tech64

    產品經理和工程師該怎麼配?文章整理常見比例與 AI 帶來的變化

    產品經理和工程師要配多少人,沒有適用每間公司的固定答案。文章整理多份資料,指出常見情況約是 1 位產品經理配 4 到 10 位工程師;公司規模、產品工作由誰分擔,都會改變比例。計算時也要算進創辦人或工程師花在產品工作的時間,而不是隻看職稱。AI 工具可能加快寫程式的速度,但文章提醒,實測結果不一,團隊還是要先找出工作卡在哪裡:是等產品決策、需求不清,還是檢查和測試太慢,再決定是否需要調整人力。

  8. Dev.to Top Tech66

    手把手教你不用 Kafka,用 Change Streams 把 MongoDB 資料同步到 Snowflake

    只定期匯出 MongoDB 資料,會漏掉後來的新增、修改和刪除,讓 Snowflake 裡的資料跟不上。作者實際示範用開源工具 OLake Go 讀取 MongoDB 的 Change Streams,再把資料寫成 Iceberg 表格,供 Snowflake 查詢,也能讓 DuckDB 和 Spark 讀取同一批檔案。範例先複製 48 筆資料,再同步 12 筆變更;作者也提醒,兩次同步不能隔得比 MongoDB 保留變更紀錄的時間更久,否則就得重新複製資料。

  9. Dev.to Top Tech53

    產品經理如何用客戶證據管理 AI 時代的利害關係人

    每個人都能用 AI 整理市場資料和提出產品點子,產品經理要怎麼判斷哪些建議真的適合自己的客戶?文章建議先依照利害關係人的影響力和關注程度,安排不同的溝通方式,再把 AI 提出的功能改寫成它想解決的客戶問題,對照訪談、客服紀錄和使用情況。像是客戶原話或實際測試結果,能幫團隊看出哪些問題真的存在;還要先說清楚誰負責推動、誰有權決定,並把理由記錄下來。這讓討論能回到客戶需求,也減少因為決策權不清而起的爭執。

  10. Dev.to Top Tech53

    保險理賠教學:如何按事故當時有效的保單版本處理案件

    理賠案件的保單可能在事故發生後才更新,若直接使用目前版本,推薦的處理方式就可能不適用於事故當時。作者以假想的住宅保險公司為例,說明如何依事故日期找出適用保單,記下當時使用的資料和規則,再由系統準備建議、交給分析人員決定。若日期有衝突、資料不完整或找不到唯一適用版本,案件就轉交人工處理。試行時也要分開檢視不同保單版本的結果,並留意人工案件是否因此積壓。

  11. Dev.to Top Tech64

    Yonto Player 如何用 Markdown 工作流程讓 AI 助理和開發者照著做

    重複的開發工作如果只靠口頭交代,容易漏掉步驟,也可能讓不同 AI 助理各自用不同方式處理。Yonto Player 的程式庫把這些工作寫成 Markdown 檔,內容包含何時使用、要做哪些步驟,以及每一步的指令;人也能直接閱讀照做。較長的細節放在參考資料夾,相關工作流程則互相引用,避免規則散落重複。作者也分享了問題修正、品質檢查和開啟 PR 等例子,讓團隊能把日常做法整理成容易維護的工作指南。

  12. Dev.to Top Tech54

    研究者說明 AI 叢集如何跨資料中心連線

    單一資料中心的電力、散熱和空間可能不夠容納大型 AI 叢集,因此研究者提出 scale-across,讓不同建築、園區甚至不同地區的資料中心連在一起。它和機房內連線加速器、資料中心內連線機櫃的網路分工不同,目標是讓多個場址共同支援運算。Google 已提出面向整個園區的 Virgo 網路架構,Cisco 和 Marvell 也在開發相關技術。跨場址連線仍會遇到傳輸延遲、壅塞和封包遺失;AI 訓練需要加速器頻繁交換資料,延遲可能拖慢整個叢集,所以規劃時不能只看網路速度,也要一併考慮網路路徑和通訊方式。

  13. Dev.to Top Tech58

    AWS Emulator 搭配 NestJS,如何在本機測試 S3、DynamoDB 和 SQS 遙測流程

    測試雲端服務時,光確認 API 回應正常,還不代表資料真的有存進去或警示真的送出。作者用 NestJS 和 AWS Emulator 做了一套本機遙測 API:收到 CPU 與記憶體數值後,更新 DynamoDB 的最新狀態、把每筆資料存到 S3,並在 CPU 使用率達到 80% 時送出 SQS 警示。文章也說明如何啟動模擬服務、送出資料和檢查結果。自動化測試只驗證 API 的部分行為,沒有測到 AWS SDK 操作或警示門檻;這些整合流程是另外手動確認的。

  14. Dev.to Top Tech55

    作者用一段提示詞做出西班牙文遊戲 Lingo Hop,模型費用 6 美分

    從空資料夾做出一款能玩的語言遊戲,要怎麼把課程、答題和進度放在一起?作者用一段提示詞,讓 AI 程式開發工具做出 Lingo Hop:手機畫面裡有五堂西班牙文課、連續學習天數、愛心和經驗值,每堂課有選翻譯和拼句子兩種練習。作者讓工具在瀏覽器實際玩完第一堂,答對 8 題中的 7 題,並確認進度有存下來;之後又加上每天累積經驗值的進度圈。不過其他課程還沒逐一玩過,這個單人原型也沒有帳號、同步、口說或聽力功能。整次模型使用費為 6 美分。

  15. Dev.to Top Tech60

    房屋搜尋如何用增量索引,讓新房源和異動及時出現在結果中

    房源狀態或價格改了,搜尋結果卻還留著舊資料,會讓找房的人看到已售出的房子,或漏掉降價資訊。作者分享一套增量更新做法:每筆房源都有版本,系統只接受較新的版本;重複送來的更新可以安全重做,定期比對也能找回漏掉的資料。房價改動時可只更新價格欄位,文字沒變就不必重算向量。至於一筆房源要切成多大的文欄位落,作者建議用實際查詢測試相關性和更新速度,再依目標選擇。

  16. Dev.to Top Tech57

    如何每週和客戶對談,讓產品團隊及早修正方向

    產品團隊如果隔很久才問客戶意見,可能會花好幾個月沿著錯的假設做產品。文章整理一套每週持續探索的做法:先選定想改善的目標,每週安排一次短訪談,讓產品、設計或工程團隊成員直接聽客戶分享,再把訪談內容和產品決策連在一起。招募可以用產品內邀請和預約連結減少來回聯絡;AI 可協助轉錄、分類和整理,但模擬使用者的回答不能當成真實客戶證據。

  17. Dev.to Top Tech54

    面對 AI 時代的軟體複雜度,6 個程式碼審查習慣讓變更更容易理解

    AI 助理能產生更多程式碼,但團隊可能更難看懂整個系統,也更難判斷改動會帶來什麼影響。作者整理出 6 個程式碼審查習慣:先用一句話說清楚改動目的,再對照程式碼;連同周邊模組、套件和測試一起看;遇到團隊沒人能解釋的新部分,就追問它的用途;合併前也要想清楚出錯時會怎樣、能不能復原。文中提到的系統性失靈是他人的觀點,六個習慣則是作者自己整理的實務做法,不能當成事故原因的研究證據。

  18. Dev.to Top Tech55

    如何檢查 AI 產品是否真的符合市場需求

    AI 產品剛推出時,很多人可能只是好奇試用一次,使用量看起來不錯,卻不代表他們會持續回來,也不代表每項工作都能賺錢。文章整理了一套檢查方法:先鎖定一群客戶和他們常做的一件事,再追蹤客戶有沒有完成工作、之後是否回來,以及每次完成工作的收入能不能高過成本。作者也提醒,AI 回答被送出不等於工作完成,應記錄使用者接受、修改或放棄回答等後續行動。把這些訊號放在一起看,團隊比較能找出真正有需求的客群和需要改善的地方。

  19. Dev.to Top Tech48

    ERPoida 如何讓 Claude 透過 MCP 使用 ERP 資料,並遵守使用者許可權

    有些 ERP 示範讓 AI 助理用共用帳號讀寫資料,可能讓它看到比提問的人更多的薪資、發票和客戶資料。ERPoida 讓 AI 助理以使用者身分登入,每次操作前都檢查這個人能開哪些功能、能看哪些紀錄與欄位,並留下紀錄。像是業務員問全公司的薪資,系統就會像在畫面上操作一樣拒絕,連拒絕也會記錄下來。 使用者也能用 Claude 或 ChatGPT 透過 MCP 查詢資料、草擬逾期發票提醒,或新增欄位和畫面;AI 助理能做的事不會超過使用者本來的許可權。財務資料另有資料庫規則把關:不平衡的分錄會被拒絕,已過帳的發票不能直接修改或刪除,必須用貸項通知單更正。這樣既方便用白話處理工作,也能讓重要帳目依規則留下紀錄。

  20. Dev.to Top Tech57

    如何用 Dynatrace 執行環境資訊,排定 GitHub Advanced Security 警示優先順序

    GitHub Advanced Security 會列出程式碼和套件的安全問題,但大量警示很難看出哪些真的正在執行、是否能從網際網路連到。文章說明如何用 Dynatrace 把 Kubernetes 正在執行的映像檔對應到 GitHub 專案,再把部署資訊送回 GitHub,讓團隊先篩出已部署、對外曝露或能接觸敏感資料的問題。映像檔加上建置來源證明後,可用於不同的映像檔儲存庫;若沒有證明,依映像檔名稱比對只適用於 ghcr.io。作者依據官方檔案與廠商文章整理步驟,並明確指出自己沒有實際安裝驗證;Dynatrace Managed 是否適用,檔案也沒有說明。

  21. Dev.to Top Tech69

    如何帶團隊做事前驗屍:產品上市前找出風險的流程與範本

    產品上市前,團隊常忙著確認已知工作,卻沒說出可能讓計畫失敗的風險。事前驗屍會請大家先想像上市已經失敗,再各自寫下原因,分成明確威脅、自己不擔心但別人可能在意的事,以及團隊避而不談的問題。接著一起挑出最重要的幾項,為每項指定負責人、第一步處理方式和期限,並定期追蹤。文章提供一小時的會議流程和範本,也提醒主管晚點發言,避免影響其他人的想法。

  22. Dev.to Top Tech48

    OpenSSL Base64 溢位漏洞解析:哪些情況才可能出問題?

    OpenSSL 的 Base64 編碼函式遇到超大資料時,可能算錯輸出長度,進而寫出預留的記憶體範圍。要觸發問題,程式得一次處理約 1.5 GiB 以上、由外部影響的資料,還得用算錯的長度準備輸出空間;目前沒有公開漏洞利用或已知攻擊。文章測試發現,輸入超過 1,610,612,733 bytes 時,函式回報的長度會變成負數,但沒有實際重現記憶體損壞。漏洞紀錄列出的受影響版本是 OpenSSL 4.0.0 至 4.0.3,以及 4.1.0;3.0.13 也出現相同的長度問題,但不在紀錄名單內,是否受影響要問軟體供應商。修補版據報排定 12 月 1 日推出;在此之前,可先限制輸入大小,並確認各程式和容器使用的 OpenSSL 版本。

  23. Dev.to Top Tech52

    技術產品經理如何用六層工具串起 AI 工作流程

    技術產品經理常得在訪談紀錄、產品資料、規格和程式碼之間搬資料,AI 助理也因此難以掌握完整背景。這篇指南把工具分成六層,從整理客戶回饋、檢視產品使用情況,到寫規格、做原型和協助開發,再用 MCP 連線資料,並用 AGENTS.md 告訴程式開發工具產品背景。作者也估算,個人精簡配置每月約 $20,較完整的配置約 $65;五人團隊約 $335。文中提醒,AI 產出的規格與程式碼仍要由人檢查。

  24. Dev.to Top Tech43

    產品團隊變大後怎麼不變慢?產品運作模式的做法

    團隊變大後,大家不再能靠口頭聊一聊就同步,常會有人重複做同一件事,或不知道該由誰決定。文章建議把合作方式寫清楚:每個團隊要達成什麼、誰能做哪些決定、怎麼瞭解客戶需求,以及如何檢查成果。比方說,團隊定期一起看目標和客戶回饋,就能早點發現兩組人正在做相似的功能。公司可以依照團隊大小逐步補上這些做法,也不必照抄別家公司的模式;重點是讓每個人知道方向、看得到需要的資料,也清楚誰該負責。

  25. Dev.to Top Tech53

    Laravel 如何用獨立資料庫隔開各租戶的資料

    經營 SaaS 時,每位客戶的資料要怎麼分開,是常見的架構選擇。這篇教學說明 Laravel 的「每個租戶使用一個資料庫」做法:主網域上的中央資料庫存租戶清單、網域和全站設定;客戶進入自己的子網域後,系統會依網域切換到該租戶的資料庫。文章也提醒,快取、檔案和背景工作都要記住所屬租戶,避免資料混在一起。這種做法方便分開備份或搬移客戶資料,但需要管理更多資料庫;客戶規模較小時,共用資料庫並用 tenant_id 區分也可能更簡單。

  26. Dev.to Top Tech42

    Shopify 匯入供應商 CSV 為何會悄悄出錯?用零外部套件檢查工具提早抓問題

    幫網路商店匯入供應商的商品表格時,麻煩常出在不易察覺的小錯:SKU 重複可能蓋掉商品,價格寫成「18,50」或「TBD」會讓系統讀不懂,Excel 也可能把特殊字元弄亂。作者做了一個不用另外安裝套件的 Node.js 指令列工具,可以先檢查 Shopify 必填欄位、重複 SKU、價格格式、亂碼和「一箱 12 個」這類包裝價格文字;有問題時會回報錯誤。另有網頁版 CSV 檢查工具,最多可檢查 25,000 列。這些檢查能在資料匯入商店前抓出常見錯誤,減少商品資料和價格出問題的機會。

  27. Dev.to Top Tech62

    電商商品資料怎麼整理,才能讓 AI 助理找到並推薦商品

    想讓 AI 助理推薦網路商店的商品,第一步未必是把結帳搬進聊天介面,而是讓商品資料完整又容易讀懂。作者整理 OpenAI、Shopify 等平臺的說明,建議商品頁寫清楚材質、尺寸、價格、庫存、配送和退貨資訊,也要回答買家常問的問題,並讓網站與商品目錄的資料一致。像挑選適合敏感肌的項鍊,頁面若有材質和過敏資訊,AI 助理才有資料可以比對。作者也建議把 AI 帶來的流量獨立追蹤,觀察訪客是否下單。文中引用的研究各自採用不同方法,數字不宜直接比較。

  28. Dev.to Top Tech49

    Pixelvile 從借來的電腦起步,累積 600 多位客戶後學到什麼

    小店常得用不同工具管理網站、預約、客戶資料和帳單,老闆忙起來還要一直切換,顧客也可能忘記赴約。Pixelvile 從替人修程式、做小網站開始,後來幫診所、沙龍和咖啡店做一個整合用的管理頁面,並每月協助維護。團隊發現,在印度做生意,手機上好不好用、能不能用 WhatsApp 提醒預約,比多幾種功能更重要;預約前一天提醒,還能讓客人一鍵改時間,也能減少爽約。他們也讓客戶離開時帶走自己的網域、網站內容和客戶資料。這些經驗提醒做網站的人:工具要簡單好用,客戶也該保有自己的資料和選擇權。

  29. Dev.to Top Tech69

    研究者發現 Windows 11 可能記錄電腦執行過哪些 AI 程式

    Windows 11 的診斷資料可能記下電腦執行過哪些 AI 程式和開發工具,讓人擔心它是否也會收集提示詞或程式碼。研究者逆向分析一個 Windows 元件後發現,它會把符合的程式名稱記成約每日更新一次的勾選紀錄;這份紀錄沒有提示詞或程式碼,也不代表程式真的執行過,因為只要把其他程式改名成 codex.exe,也會觸發相同紀錄。這項發現只來自研究者測試的環境,尚未證明所有 Windows 11 電腦都有啟用。使用者可到「設定」中的「診斷與意見反應」檢視或關閉選用診斷資料;公司管理的電腦可能無法自行更改設定。

  30. Dev.to Top Tech40

    Java ZGC 和 G1 比較:用更多 CPU 和記憶體換更短的停頓

    Java 程式會累積不再需要的資料,清理時若暫停太久,使用者就可能遇到畫面卡住。G1 分批整理記憶體,停頓通常是幾十毫秒;ZGC 則趁程式繼續運作時搬動資料,把停頓壓到 1 毫秒以下,但會多花 CPU,也需要多留約 15% 到 30% 的記憶體空間。 例如,小型服務用 G1 通常就夠了;大型記憶體索引或不能忍受卡頓的結帳服務,可能更適合 ZGC。兩者都會清掉不需要的資料,差別在於:G1 偶爾停下來整理,ZGC 則讓程式一直多做一點事。

  31. Dev.to Top Tech50

    RDMA 和 Kernel TCP 比較:繞過作業系統,換取更低延遲

    兩臺伺服器傳小訊息時,Kernel TCP 會讓資料經過作業系統,過程中需要複製資料,也會佔用 CPU;RDMA 則能讓網絡卡直接把資料寫進接收端的記憶體。文章比較這兩種傳法:快速區域網路上,Kernel TCP 傳一次來回通常要數十微秒,RDMA 寫入則可不到 2 微秒。 例如,儲存系統要處理大量小型讀取時,RDMA 能減少網路工作佔用的 CPU,讓延遲在忙碌時更穩定。不過它需要支援 RDMA 的網絡卡、設定妥當的網路裝置,以及不能被換出的記憶體;因此適合能掌控整個資料中心網路、而且訊息量很大的工作。一般用途則用 Kernel TCP 就好,等確認網路處理真的拖慢系統,再考慮改用 RDMA。

  32. Dev.to Top Tech43

    WebAssembly Components 和 Containers 比較:兩種打包程式的方法

    程式要放到伺服器上執行,可以用 Containers 打包作業系統和程式,也可以用 WebAssembly Components 打包編譯好的程式碼,並清楚列出它需要哪些功能。Containers 能讓舊程式少改一點就搬到新環境,但檔案通常比較大,啟動也較慢;WebAssembly Components 通常只有幾 KB 到幾 MB,能在不到 10 毫秒內啟動,不過只能使用主機明確提供的功能。 例如,從不熟悉的來源下載外掛時,WebAssembly Components 可以限制它讀取哪些資料,讓它比較不容易碰到其他程式的內容;但舊外掛可能得修改才能使用。若要搬動既有程式,Containers 通常比較方便;若能掌控程式碼,也想要快速啟動和明確的安全限制,WebAssembly Components 會更合適。

  33. Dev.to Top Tech43

    AI 客服怎麼避免答錯:6 個真實案例與改善方法

    AI 客服有時會承諾公司沒答應的退款、引用不存在的規定,或把別人的訂單資料回給客人。作者整理出 6 個實際案例,發現多半是資料沒整理好、規則互相打架,或系統漏看了重要資訊。像是客服和客人來回談了 25 次,退款承諾藏在訊息中間,AI 沒找出來;後來先把對話整理成附有來源和日期的重點,輸入資料也從 37,604 個 tokens 減到 4,722 個,回覆才答對。 改善方法包括:資料沒有提到的內容就不要硬寫、提供目前日期、檢查訂單編號的辨識方式、每次回覆前先查常見問答,並針對最新一封信重新產生自動回覆。這些做法提醒我們,AI 答錯時,先找它缺了什麼資料或用了什麼錯誤規則,通常比只叫它「小心一點」更有用。

  34. Dev.to Top Tech43

    MVP 開發流程怎麼做?先驗證一個核心工作流程,再逐步擴大

    做新產品時,團隊常急著寫程式、加功能,結果花了好幾週做出來的畫面,使用者根本很少用。比較好的做法是先挑出一件最常卡住的工作,訂出怎樣才算真的有幫助,例如使用者能不能反覆完成任務,或能不能省下時間,再做出一小段完整流程給人試用。 試用後,觀察大家在哪裡停下來、改用手動處理,或常常來問問題,再先修最卡的地方。若流程有 AI,也要先想好它能處理哪些資料、沒把握時怎麼轉交給人。等確認大家真的需要這套流程,再投入更多時間做完整軟體;這樣比較不容易把力氣花在沒人需要的功能上。

  35. Dev.to Top Tech50

    SaaS 報表下載怎麼做?用限時簽名連結,別讓檔案塞滿應用程式伺服器

    SaaS 報表如果存在應用程式伺服器上,大檔案同時被下載時,可能塞滿伺服器硬碟,還佔住處理網頁請求的資源。文章建議讓背景工作程式先產生報表、存進物件儲存,再提供限時簽名連結,讓瀏覽器直接下載。像是 900 MB 的報表,就不必一路經過應用程式伺服器;但連結本身不負責確認使用者能不能看報表,還是要由資料庫先檢查許可權。每份檔案也應有不同版本名稱,避免重做報表時蓋掉舊檔。這種做法能減少伺服器負擔,但檔案保留多久、何時刪除,以及資料存在哪個地區,仍要事先安排。

  36. Dev.to Top Tech52

    如何用 Hubfly space 替 App 打造端對端加密即時聊天

    一般即時聊天會經過中間伺服器,若伺服器遭入侵,訊息可能被看見。這篇教學用 Hubfly space 和 @hubfly/realtime,讓使用者的瀏覽器與後端替訊息加密,再由即時伺服器轉送看不懂的密文;後端也會確認使用者能不能讀取或傳送該頻道的訊息。作者提醒,主金鑰必須固定放在後端,不能放進前端;使用者離開後,還要更換金鑰,因為他們手上已有的舊金鑰不會自動失效。加密不會隱藏頻道名稱、使用者 ID、訊息大小與時間等資料,單一伺服器也沒有備援。

  37. Dev.to Top Tech44

    教你用 Hubfly space 在網站邊緣保護 WordPress 登入頁和 xmlrpc.php

    WordPress 網站常被機器人亂試密碼;如果等 WordPress 裡的安全外掛擋下來,PHP 和資料庫早已開始忙碌。這篇教學示範在 Hubfly space 的網站入口加上三道防護:先用登入限制保護還沒裝好的網站,再擋掉 WordPress 通常不需要公開的檔案,最後限制同一個 IP 短時間能送出的請求。 例如,擋住 xmlrpc.php 能堵住一次送出多次密碼猜測的路,但不能阻止機器人改打 wp-login.php,所以還要搭配每個 IP 的流量限制和登入防猜密碼外掛。設定完成後,擋下的請求會在送進 WordPress 前被回絕,減少網站白忙一場;不過,若網站有用 Jetpack 等依賴 xmlrpc.php 的工具,就得先確認是否會受影響。

  38. Dev.to Top Tech45

    2026 免費架站方案怎麼選?各平臺限制和超出免費後的費用一次看

    想免費架一個完整網站,常遇到前端、API 和資料庫各要找不同服務,還可能突然睡著、用量提早用完,甚至把資料刪掉。這份指南整理各平臺的免費限制:像 Render 每個工作區每月有 750 小時,足夠讓一個服務整月運作;Neon Free 有 1 GB 空間,但運算時間用完就會停。Render 的免費 Postgres 則會在建立 30 天後到期,寬限期過後資料會被刪除。 如果網站只是作品集或小型專案,可以讓前端照常顯示,API 睡著時再等它醒來,資料則放在會暫停、但不會到期的資料庫。若服務必須整天馬上回應,就要準備每月約 $2–$5 的小型主機費用。選免費方案前,先算清楚每月能用多久,以及資料庫會暫停還是到期,才不會在有人來用時網站停擺。

  39. Dev.to Top Tech36

    如何依照工作內容、預算和地區挑選 AI 訂閱方案

    挑 AI 訂閱時,先想清楚自己常做什麼、多久用一次,以及每月願意花多少錢,再去看品牌和方案,通常比較不容易花冤枉錢。偶爾用來寫字或聊天,可以先試免費方案;如果每週常寫作、處理檔案或寫程式,再比較每月 $20 的 ChatGPT Plus 和 Claude Pro。要用 API 的話,費用得另外算,個人訂閱不等於 API 點數。 各家方案的價格、使用上限和功能不同,能不能訂閱也會受所在地區、帳號型別和付款方式影響。像 Google AI Pro 標價是每月 $19.99,但實際方案仍要看官方頁面和結帳畫面。先選能完成工作的最低價方案,真的碰到限制再升級。

  40. Dev.to Top Tech75

    AWS Emulator 教你部署前測試 AWS 工作流程

    呼叫 AWS 服務的程式,常得部署到真實環境才能確認結果;AWS Emulator 可讓你先在自己的電腦或 CI 裡測試。把 AWS CLI 或 SDK 指向本機端點,就能檢查程式是否讀到 S3 檔案,或在 SQS 訊息重送時只留下預期的一筆資料。文章也提醒,模擬器支援程度會因操作而異,建立資源成功不代表背後的服務真的能運作;許可權、託管觸發和正式環境負載仍要用真實 AWS 驗證。