跳到正文

全部動態

RSS
今日 279 則
11月22日週日
  1. Dev.to Top Tech66

    PhotoKit 實作指南:避免照片很多或存於 iCloud 時出錯

    在模擬器裡用幾張照片測試正常,換成裝有大量照片的 iPhone,程式可能就會變慢、顯示錯誤照片,或讀不到存在 iCloud 的原圖。作者整理了 PhotoKit 常見的實作問題,提醒開發者要分清楚使用者只允許檢視部分照片的情況,也不要一次把整個相簿載入記憶體。製作縮圖時要按螢幕大小挑選適合的圖片尺寸,並在畫面快速捲動時取消舊請求,避免照片跑到錯的格子。若要下載 iCloud 原圖,則應清楚處理下載進度和使用者拒絕下載的情況。作者也建議用真實裝置和大型照片資料庫測試。

  2. Dev.to Top Tech43

    量化為什麼能讓低精度模型保有接近原版的準確度

    大型語言模型需要很多記憶體,裝置不夠力時就很難跑。量化會把模型裡的數字改用比較少的位元來存,讓模型變小;有些 4-bit 模型的準確度仍和原本的 32-bit 模型差不多。原因是模型有不少重複的資訊,而且一層會把許多小小的誤差加在一起,彼此抵消。 只把權重改成低精度通常比較容易,活化值卻可能被少數特別大的數字影響,讓其他數字擠在很少的格子裡。SmoothQuant、AWQ 和 GPTQ 會用不同方法,把精度留給比較重要的地方。實務上可以先試著量化已訓練好的模型;如果準確度掉太多,再用量化感知訓練,讓模型重新學會適應。

  3. llama.cpp Releases36

    llama.cpp 加入 SYCL 版 gated_delta_net 運算核心

    llama.cpp 的這次更新加入一種 SYCL 運算核心,能把 gated_delta_net 的工作分成區塊處理。更新頁也列出 macOS、iOS、Linux、Android、Windows 和 openEuler 等平臺的建置專案,涵蓋 CPU、GPU 與 NPU 等不同硬體環境;部分專案標示為停用。這讓使用者能看出更新支援哪些平臺與運算方式,但頁面沒有進一步說明這項新核心的效能差異。

  4. Dev.to Top Tech48

    怎麼確認 AI 助理真的做了它聲稱完成的工作?

    光看 AI 助理交出的結果或它自己的說明,沒辦法確認工作真的做過。文章整理出三種造假方式:根本沒執行、執行的內容和說法不同,或事後修改結果。比較可靠的查法,是看執行系統當下留下的紀錄,再重新計算紀錄裡的 SHA-256 雜湊,確認結果有沒有被改過。文中的例子用 Zambo 查詢 ETH 價格,重新計算後雜湊相同;但這只能證明結果沒被事後修改,不能證明價格正確。

  5. Dev.to Top Tech69

    讓 AI 助理替你花錢安全嗎?作者提出三道可查核的把關方式

    讓 AI 助理替人付款,光靠提示詞要求它別超支並不可靠。作者認為,安全要靠系統本身設下不能自行調高的花費上限、每筆消費都留下他人能重新核對的紀錄,以及在付款前留下明確核准。文中舉例,一次消費因共用每日上限而在執行前被擋下,公開紀錄也能重新計算雜湊值核對;另一筆旅館訂房報價則公開了付款與退款條件供人查驗。不過,作者也指出其中一項補償金額缺少計算公式。這些做法能讓花費和核準過程更容易追查。

  6. Dev.to Top Tech52

    AI 助理呼叫逾時後可能重複付款,Zambo 說明如何用重播避免重做

    AI 助理呼叫付款或訂位工具後,如果回應在傳送途中遺失,就無法知道事情到底有沒有完成;直接重試可能讓同一筆操作做兩次。Zambo 的做法是先記下操作編號和預期結果,再讓重試取回已記錄的結果,不重新執行。文章展示兩份測試紀錄:一份前後效果數量都是 1;另一份雖然成功取回資料,但沒有儲存回應內容,也沒比較重試前後的效果數量,因此還不能證明重試不會重做。作者建議檢查實際效果數量,並留下完整回應紀錄。

  7. Dev.to Top Tech52

    怎麼確認 AI 助理真的訂好行程?查核工具留下的收據

    AI 助理說「訂好了」,不代表訂位系統真的完成預約;它可能根本沒送出請求,也可能遇到失敗,或訂到不同條件。作者建議檢視執行系統留下的收據,確認是哪個工具在什麼時間執行,以及系統實際回傳了什麼,再重新計算摘要值,檢查紀錄有沒有被改過。文章也把結果分成已驗證、驗證失敗、無法查閱、尚未檢查和沒有紀錄五種狀態,提醒「尚未檢查」不等於已確認,「沒有紀錄」也不能直接當成預約失敗。

  8. Dev.to Top Tech49

    Zambo 如何留下 AI 助理每次工具呼叫的公開查核紀錄

    想知道 AI 助理到底呼叫了哪些工具,光看服務商帳號裡的紀錄,外人通常無法檢視,也難以確認內容有沒有被改過。Zambo 會替經過它的每次工具呼叫留下收據,記下工具、時間和結果的雜湊值,並把收據接在同一項工作的上一筆紀錄後;即使呼叫被擋下、工具根本沒執行,也會留下紀錄。任何拿到連結的人都能免費查核。比如價格查詢留下了 ETH 為 $1,621.82 USD 的結果,其他人可以重新計算雜湊值,確認內容是否一致。不過,收據只能證明結果存下後沒有被改過,不能證明結果正確;AI 助理若透過其他連線呼叫工具,也不會出現在這份紀錄裡。

  9. Dev.to Top Tech35

    LangSmith 替代方案怎麼選?看你要除錯紀錄,還是別人也能查驗的紀錄

    團隊常把 AI 助理的執行紀錄拿來除錯,但如果客戶或稽核人員也得檢視,只有放在自家帳號裡的紀錄就不太夠用。Langfuse 和 AgentOps 適合團隊追查問題;Langfuse 每月 $29 起,AgentOps Pro 每月 $40 起。若要讓外部的人也能查驗,可看 ASQAV 和 Zambo:前者 Pro 每月 $39、年繳,保留紀錄 1 年;後者每月 $29,會替工具呼叫留下收據,任何人都能重新核對內容有沒有被改過。 不過,收據只能證明存下來的結果沒有被動過,不能證明答案正確,也不能拿來除錯。若既要追查 AI 助理出了什麼問題,又要讓外部的人確認紀錄,就得分別準備這兩種工具。

  10. Dev.to Top Tech57

    CanopyCore 整理 Diddy Kong Pilot GBA 原型的反向工程研究

    已取消發行的 GBA 遊戲 Diddy Kong Pilot,留下的程式難以直接讀懂。作者花了 17 天分析這款 2003 年原型,將成果整理成唯讀研究資料庫,包含 151 份技術檔案和核心引擎的 C11 參考實作。作者記錄了畫面、精靈圖、飛行物理、遊戲 AI、碰撞和音效系統,並用模擬器及差異測試比對原始程式與重建版本。這份資料不會編譯成 ROM,也不包含遊戲素材,可供儲存研究與日後進一步比對。

  11. Dev.to Top Tech65

    Atom Zero 用 49.2M 引數模型打造可查來源的本機 AI 助理

    小模型能記住的知識有限,硬要它回答所有問題,容易答錯又讓人失去信任。作者做出 Atom Zero,讓 49.2M 引數的模型負責簡短對話,再從本機檔案找資料和來源,或用工具處理算術、待辦事項、時間與個人筆記。找不到資料時,它會說沒有來源,並把問題記下來;要查外部資料前,必須先由人同意。作者測試整套產品時,21 項行為檢查全數通過,但裸模型不使用檢索和工具時,知識測試只有 2/10。它可在本機運作,也能選擇把一般聊天交給本機模型服務;作者提醒,這不是通用推理模型。

  12. Dev.to Top Tech46

    如何在 AWS 打造零停機的容器 CI/CD 流程

    更新網站時,常得手動打包程式、換上新版,過程中也可能讓網站暫時不能使用。這個專案把 2048 網頁遊戲放進 Docker 容器,串接 GitHub 和 AWS:程式碼推到 main 分支後,AWS 會自動製作新容器、存進 ECR,再更新線上的遊戲。更新時,ECS 會先啟動新版容器並把流量轉過去,再關掉舊版,因此玩家可以繼續玩,不必等網站停機。整個流程由 CodePipeline 串起來,讓程式更新更省手動操作。

  13. Dev.to Top Tech62

    用程式檢查中國試用期規則:期限上限、薪資底線與條文疑問

    試用期合約要檢查期限和薪資是否符合法規,但條文中的範圍邊界和「或」字,會讓判斷不那麼簡單。作者把中國《勞動合同法》的規定寫成程式檢查條件:合約滿 12 個月時,試用期最多 2 個月;滿 36 個月時,最多 6 個月。超過上限且已經履行的月份,補償要按試用期後的月薪計算。至於試用期薪資,條文列出合約薪資與同職位最低薪資的 80% 等底線,卻沒有說兩者不同時該採哪一個;作者因此讓程式列出各項金額,避免自行選定答案。這篇是作者閱讀法規原文後的整理,不是法律建議。

  14. Dev.to Top Tech42

    用 JavaScript 在瀏覽器裡移除圖片的 AI 標籤與隱私資料

    有些社群平臺會讀取圖片裡的資料,替照片加上 AI 標籤;真實照片只要經過一次生成式填補,也可能被誤標。作者用 JavaScript 做出一套在瀏覽器裡運作的清理方法,直接移除 JPEG 和 PNG 裡的 AI 標記、編輯紀錄與 GPS 等資料,圖片不必上傳,也不會改變畫面或降低畫質。例子是保留 ICC 色彩資料,避免清理後顏色跑掉。不過,這只能處理藏在檔案資料裡的標記,無法移除 SynthID 這類藏在畫素中的水印,也不能改掉已發布貼文上的標籤;如果圖片是 AI 生成的,仍應如實標示。

  15. Dev.to Top Tech52

    KAN 如何用可學習的連線函式找出資料中的公式

    一般神經網路會調整連線上的數字,再用固定的函式處理訊號;KAN 則讓每條連線都學一條自己的曲線,節點只負責把訊號加起來。文章用尋找 sin(x × y) 公式的例子,說明如何檢視這些曲線、移除接近零的連線,再把結果整理成公式。這種做法適合輸入較少、資料有明確結構,而且希望看懂模型學到什麼的科學問題;但訓練較慢,遇到高維資料時也不一定比一般神經網路好。

  16. Dev.to Top Tech47

    監控 Shopify、求職網站和 Substack:先找公開 JSON,別急著啟動無頭 Chrome

    有些自動整理資料的工作會開瀏覽器讀網頁,但網站只要改了版面,程式就可能抓不到資料,還會吃掉 n8n 容器的記憶體。作者建議先找網站已提供的 JSON 或 RSS,再用 HTTP 讀取:監控 Shopify 商品時,用不會隨名稱改變的款式 ID 比對;追蹤求職網站時,把「目前沒有職缺」和「查詢失敗」分開,避免誤報職缺關閉或重新開放。Substack 舊文章和 Podcast 逐字稿也可能直接從網站資料或 RSS 找到,不必先開瀏覽器或下載音訊轉文字。這樣能減少故障,也比較不會把查詢失敗當成空資料。

  17. Dev.to Top Tech71

    11 家代管 Postgres 服務,1 GB 和 16 GB 資料庫每月要花多少錢?

    代管 Postgres 的標價常沒算進儲存空間和必要月費,最後帳單可能高出不少。作者用相同條件比較 11 家服務,估算資料庫整月不停機、單一節點運作時,1 GB 和 16 GB 規格每月要花多少錢,並把儲存費與必要方案費算進去。比較結果中,1 GB 規格最低是 DigitalOcean 的 $15.15;16 GB 規格則從 Railway 的 $198 到 Heroku 的 $750。磁碟最低容量、方案限制和是否需要備援,也都會改變費用;這些價格是 2026 年 11 月查核的美元金額,實際下單前仍應檢視服務商價格頁面。

  18. Dev.to Top Tech46

    Password Pusher 如何把分享密碼的連結和管理許可權分開

    Password Pusher 能建立分享密碼、文字、檔案和網址的連結,並設定連結何時失效、能開幾次或需要通關密語。麻煩在於,外部收件者開啟分享連結,和管理者登入系統,是兩條不同的路:有公開連結,不代表管理帳號也暴露;管理用的 API 權杖也不該放進分享連結。管理 Password Pusher 的人應分開檢查這些入口,限制誰能進管理頁面,並設定分享連結的期限。像一次性連結也可能被郵件或聊天軟體的掃描器先開啟,讓真正的收件者無法使用。

  19. Dev.to Top Tech52

    MultiO 比較五種模型:大致正確的回答也可能把話說得太滿

    AI 回答有時不是全錯,而是方向大致正確,細節或語氣卻說得太滿。MultiO 把相同的 24 個問題交給 GPT、Claude、Gemini、Grok 和 Llama,再人工檢查只有一個模型提出的說法:有些很有用,有些是錯的或編造的,另一些則混有誇大的機制、力道或數字。像模型談到馬拉松訓練時,整體安排大致可用,但每小時 60–90 g 碳水對初次參賽者可能太多。作者建議,遇到只有一個模型提出的資訊,除了查證,也要特別留意最強烈的形容詞和最精確的數字。

  20. Dev.to Top Tech61

    GitHub 流量資料只保留 14 天,如何自己長期儲存

    GitHub 的流量頁面只保留最近 14 天,太久才檢視就會少掉一段紀錄。作者示範用 GitHub API、指令稿和每日排程,把瀏覽次數與複製次數按天存起來;來源網站和熱門頁面則要各自儲存成 14 天區間快照,不能把每天的快照加總,否則同一批訪客會被重複計算。排程需要另一組具備存取許可權的權杖,作者也提醒要留意權杖到期,以及定期確認工作流程仍在執行。

  21. Dev.to Top Tech58

    Node 22 實測:structuredClone 和 JSON 複製物件,哪種比較快?

    複製物件時,速度快的方法可能會悄悄漏掉資料。作者在 Node 22 比較 structuredClone 和 JSON.parse(JSON.stringify()),發現複製一般資料時,JSON 方法快了約 1.6 到 1.75 倍;不過它會丟掉函式和 undefined,把 Date 變成文字,遇到迴圈引用還會出錯。structuredClone 能保留 Date、Map、Set,也能處理迴圈引用。作者建議先用 structuredClone;只有確認資料是一般 JSON 格式,而且程式常常大量複製、速度也確實成了問題時,再考慮改用 JSON 方法。

  22. Dev.to Top Tech52

    如何不再忘記回訊息:習慣與 WhatsApp、Gmail 設定

    訊息一讀過,未讀提醒就消失;如果當下沒空回,之後很容易忘記。作者整理了幾個做法:兩分鐘內能回就立刻回,否則把訊息標成未讀、設為稍後提醒,或加進待辦清單;暫時答不完時,可以先告訴對方何時回覆,再安排固定時段集中處理訊息。文章也介紹 WhatsApp 和 Gmail 的相關設定,以及作者開發的 Focus 100:Android 版可讀取所選 App 的通知,將需要回覆的訊息變成附有期限和草稿的待辦事項,草稿須經使用者同意才會送出。靜音聊天室不會被讀取;iPhone 版則需貼上或匯入訊息。

  23. Dev.to Top Tech58

    OSTUM Desktop 如何離線比對兩份 Excel 活頁簿

    比對兩份 Excel 活頁簿時,如果商品列換了位置,逐列比較可能會把沒變的商品誤認成有差異。OSTUM Desktop 會請使用者選原始檔、更新檔,以及兩張表中用來辨認商品的欄位,再依商品程式碼比對價格。範例中,A17 的價格從 90 RUB 變成 100 RUB,D42 被刪除、E53 新增;B24 和 C31 雖然換了位置,資料並沒有改變。檢視畫面會列出新舊內容和兩邊的儲存格位置,確認後另存成報告活頁簿;若預覽後來源檔有變動,就要重新比對。

  24. Dev.to Top Tech42

    Orca 如何讓 Claude Code 和 Codex 的合作流程更順手

    用 Claude Code 和 Codex 一起寫程式時,常得先整理一份 task.md,交代問題、檔案位置和做法;如果 GitHub issue 已經寫得很清楚,這份檔案就可能只是重複工作。作者改用 Orca,從 issue 挑出工作後,替它建立獨立的工作區,再開啟 Claude Code 或 Codex,並用快捷指令重複執行調查、修改和檢查步驟。 以 JobSearchBuilder 的 issue #47 為例,作者先確認怎樣才算修好,再讓 AI 助理處理,最後親自檢查修改內容並執行 dotnet build 和 dotnet test。需求複雜或模糊時,task.md 仍然有用;簡單明確的工作則可直接從 issue 開始,少做一份重複檔案,也比較不容易把不同工作的修改混在一起。

  25. Dev.to Top Tech55

    開發者如何一步步找到程式錯誤的真正原因

    遇到程式錯誤時,隨手改幾行碰碰運氣,可能讓問題更難找。作者整理出一套除錯方法:先說清楚預期和實際結果,設法穩定重現錯誤,再仔細看錯誤訊息、追蹤資料怎麼變,並把問題縮小到最簡單的失敗例子。接著一次測一個想法,必要時用除錯工具逐步檢視程式,也檢查最近改過的內容。修好後,還要重做原本會出錯的步驟,並試試附近的情況。這樣能靠線索逐步排除原因,也讓求助時更容易說明問題。

  26. Dev.to Top Tech66

    DCOM 10016 怎麼查?先確認程式有沒有真的故障

    Windows 出現 DCOM 10016 錯誤時,不一定代表程式壞了;Microsoft 說,常見的 Microsoft 元件案例是第一次啟動被拒後再試一次,通常可以忽略。作者建議先檢視事件中的 CLSID、APPID、帳號和來源,再確認同一時間是否有應用程式或服務故障。若電腦運作正常,可只隱藏特定組合的事件;若某個程式確實出錯,才在對應的 DCOM 設定中,只授予事件所列帳號需要的許可權。不要用 Everyone 完全控制或修改整臺電腦的限制來消除警示。

  27. Dev.to Top Tech72

    AI 程式助理讓提交量增加 240%,軟體發布量只增 30%

    AI 程式助理能寫出更多程式碼,但這些程式碼不一定更快變成正式發布的軟體。文章整理多項研究,指出超過 500,000 名 GitHub 開發者的提交量增加 240%,專案數增加 80%,發布量則增加 30%;其他實驗對 AI 是否能加快工作,也得到不一致的結果。多出的程式碼仍要花時間檢查、測試和修正,文章因此建議團隊改看通過審查與部署的變更,讓 AI 在開發過程中提供回饋,並把工作切成較小批次。

  28. Dev.to Top Tech47

    Offcall 桌面 App 用呼吸節奏,陪工程師寫好事故交接筆記

    事故才剛處理完,值班工程師常得趁記憶還清楚時寫交接筆記。Offcall 會透過 Presage SmartSpectra SDK 從攝影機讀取呼吸速度,用畫面上的波浪陪使用者慢下來,也依呼吸是否穩定,在連續穩定 15 秒和 23 秒後依序提出問題:發生了什麼事、還有哪些事沒處理、現在要放下什麼。最後會整理成可貼到其他地方的純文字筆記。使用者也能跳過停頓,攝影機會立刻關閉;呼吸讀數不會寫進筆記,也不會儲存影片或讀數。

  29. Dev.to Top Tech65

    如何替七個更新頁面去除重複內容,並保留可查證的引用

    追蹤多個更新頁面時,同一則訊息可能因網址或發布時間不同,被系統當成好幾條新訊息,讓客服收到重複通知。作者建議先清理網址與頁面文字,再用來源、網址和文字雜湊值辨認重複內容,並把引用資訊一路保留到搜尋和通知中。這樣七個來源轉載同一段內容時,只算一組證據;頁面真的有變動時,通知也能附上新舊內容的差異和來源。文章也提醒,若內容主要在圖片裡,或必須逐一顯示每個轉載網址,這套做法就不一定適合。

  30. The New Stack44

    Agentic AI Foundation 的 Angie Jones:AI 助理發展像坐雲霄飛車,工程師得學會跟上

    AI 助理讓新人更快寫出程式修改,但每個提案仍要有人檢查,決定哪些值得採用。Angie Jones 曾讓 Block 的 10 位新人在陌生程式碼中使用 AI 助理解決客戶問題;她也分享 Goose 的做法:先討論問題和設計,再動手改程式,維護者也會用 AI 助理整理問題、檢查程式碼和做安全掃描。 Jones 認為,開發者除了學會使用 AI 助理,也要懂得怎麼打造可靠的 AI 助理,例如限制它能做什麼、能讀取哪些客戶資料。像 MCP 和 A2A 這類共同標準,能讓開發者在工具改變時仍有基礎可依循;而新人熟悉怎麼讓 AI 助理開始工作,資深工程師則能協助判斷哪些修改適合推出。

  31. Dev.to Top Tech58

    Upbeat 用呼吸控制虛擬合唱團,讓指揮者練習帶拍

    指揮者練習時,身邊沒有合唱團,很難知道自己的預備呼吸能不能讓大家一起進拍。Faris 做了 Upbeat,讓虛擬合唱團跟著使用者吸氣的快慢進場;唱得整齊時,聲音會一起出現,呼吸太淺或只點頭時,歌手就會錯開進拍,燈光也會顯示誰晚了。練習者可以做不同速度的節拍練習,檢視結果。程式用電腦鏡頭讀取呼吸和頭部動作,使用前會先徵求同意;影片不會儲存,沒有鏡頭時也能切換成節拍器模式。

  32. Dev.to Top Tech59

    付款提醒排程 API 教學:用排程、佇列和資料庫避免重複通知

    付款結算和通知寄送如果綁在同一個排程工作裡,遇到程式中斷時,可能不知道訊息有沒有送出,也可能重複提醒。作者建議用排程啟動每晚的付款核對,把符合條件的提醒和寄送紀錄存進資料庫,再由佇列安排電子郵件、簡訊和推播各自重試。每則提醒使用固定識別碼,重跑核對或重複收到工作時,就能避免再次建立同一則通知。若服務端已接受訊息,但程式還沒記下結果就中斷,應先查收據或等待回呼;無法確認時,不要直接盲目重送。

  33. Dev.to Top Tech44

    影片編輯器怎麼計費?每次操作、每小時影片,還是每上傳一分鐘?

    使用 AI 編輯影片時,費用可以按每次操作、影片時數,或上傳分鐘數計算。按次收費容易對照模型成本,但使用者可能因為重做也要付費而不敢多試;按影片時數收費比較好懂,不過各家算的是上傳、錄影還是剪輯後的影片,可能不同。Cutora 選擇按上傳分鐘數計費:每個專案裡的檔案都算,取消或失敗的上傳不算,重新剪輯、匯出和加入音樂音效也不扣分鐘。這讓使用者能放心反覆調整,但重做多次會增加 Cutora 的成本。

  34. Dev.to Top Tech47

    教你用 ElevenLabs 和 Python 製作影片 AI 配音工具

    替影片換成另一種語言的配音,常得找人錄音,再把新聲音對準畫面,過程又花時間又麻煩。這篇教學用 Python、ffmpeg 和 ElevenLabs 把流程串起來:先取出影片聲音,再產生新的配音,調整長度後放回影片。沒有現成臺詞時,也可以先把原音轉成文字,再翻譯成目標語言;例如,想把影片改成另一種語言,就能把翻譯好的臺詞交給 ElevenLabs 合成語音。這套做法能讓影片配音更容易自動處理,但新聲音仍要配合影片長度。

  35. Dev.to Top Tech43

    PhotoStructure 沒有內建登入功能,公開連線前要先設好防護

    PhotoStructure 沒有內建登入功能,因此需要限制在可信任的網路裡使用,或在外部加上會要求登入的反向代理。作者查詢 ZoomEye 時,找到 0 筆標示為 PhotoStructure 應用程式的結果,以及 21 筆標題含有 PhotoStructure 的結果;這些數字只反映查詢範圍,不能證明有人把照片庫公開,也不能代表個人資料外洩。照片庫可能存有照片、拍攝資訊、相簿和位置資料,若要從外部連線,應確認登入保護有效,而且網路不能直接連到後端服務。

  36. Dev.to Top Tech56

    Tej Pandya 分析印度購物 AI 如何證明在地優勢

    在印度做購物 AI,光是換成在地品牌或加上聊天介面,不一定能讓顧客買得更好。Tej Pandya 提出一套評估方法,建議先挑一種明確任務,例如找出尺寸合適、含運費不超預算,而且能送到指定 PIN code 的鞋子,再檢查商品是否有貨、價格和退貨條件是否可靠。測試時也要和顧客原本會用的購物網站、搜尋引擎或全球 AI 助理比較,並算進客服、退款與人工處理的成本。語言、在地商品和配送服務都可能成為優勢,但要用實際成果證明。