跳到正文

#部署/工程

RSS
今日 54 則
11月17日週二
  1. Together AI Official Blog72

    Together AI 和 Ollama 說明如何讓開放模型長時間執行 AI 助理工作

    AI 助理做長時間的程式工作時,每回合都可能重新送出前面整段對話,讓處理速度變慢、花費增加。Together AI 和 Ollama 說明,快取能保留前面已處理的內容,但提示詞前面的文字一改,後面的快取就得重做;推論引擎若把請求送到別臺機器,也可能用不上原有快取。文章建議讓系統提示詞保持不變,把會變動的資訊放進任務內容,並避免工具一次回傳過多資料。這些做法能減少重複處理,也讓 AI 助理跑長任務時比較順。

    推薦理由:文章從 AI 助理每回合重送整段對話的成本切入,說明提示詞設計與推論引擎如何共同保留快取,並整理可直接採用的做法。

  2. Dev.to Top Tech72

    Node.js 如何避免非同步匯出完成前就發出失效下載連結

    匯出 ZIP 檔時,工作可能還沒完成,瀏覽器就拿到下載連結,結果只看到 404。文章建議等背景工作完成檔案上傳,再把實際儲存位置和匯出狀態一起寫進資料庫;下載服務只根據已完成、尚未過期的紀錄產生連結,並確認匯出屬於登入者的租戶。若同一工作遇到重試或清理,也要用狀態轉換避免兩次工作互相覆蓋,或在檔案被刪除時仍發出連結。這種做法多了資料庫紀錄與檢查步驟,但能追查問題出在哪個交接環節。

  3. Google Developers Blog74

    Google 推出 TPU 模型設計與效能調校指南

    同一個模型放到 TPU 上,矩陣尺寸、模型結構和資料怎麼分工,都會影響訓練速度與服務延遲。Google 推出開源指南,整理模型設計和 TPU 硬體配合的方法,涵蓋把重要尺寸對齊 256、讓 MoE 專家模型少搬運資料,以及依晶片連線方式安排平行運算。文中也用 Ironwood 的測試說明調整效果,例如一種 LatentMoE 設計讓訓練速度提升 14%。指南提醒,架構改動可能影響模型品質,應用實際執行時間比較,並先確認答案品質。

    推薦理由:指南把 TPU 的矩陣尺寸、模型結構與平行運算方式連到實際效能資料,呈現團隊可如何依瓶頸調整設計。

  4. Dev.to Top Tech36

    DevOps 生命週期的五個階段,為什麼不能只往前走

    做軟體時,如果工作只從規劃一路往上線跑,出問題後學到的教訓就不會回到下一輪。這篇文章把 DevOps 工作整理成規劃、開發、部署、營運、回饋五個階段,像一個會繞回起點的圈:例如系統出狀況後,團隊檢查原因,再把預防方法放進下一輪規劃。不同公司的說法不完全一樣,IBM 分成八個階段,Microsoft 分成四個,AWS 則列出六項做法;但共同重點都是讓營運中學到的事回到規劃,讓團隊持續改進。

  5. Vercel Blog46

    Vercel Spend Management 開放專案與產品預算管理

    Vercel 的 Spend Management 現在能分別設定專案和產品的預算,也能檢視目前帳單週期的花費。以專案預算為例,達到上限時可以選擇暫停該專案的正式環境部署,不會影響其他專案;產品預算則能追蹤整個團隊在 Fast Data Transfer 等單一產品上的花費。預算用到 50%、75% 和 100% 時,Vercel 會發出通知;團隊與專案預算也能設定自動暫停部署,產品預算則不支援。Pro 團隊與採用 Flexible Commitment 方案的 Enterprise 團隊可免費使用這項功能。

  6. Dev.to Top Tech43

    用 Apache Cassandra 打造並部署產品查詢應用程式

    要用 Cassandra 查產品,資料表得先照「怎麼查」來設計。這個範例用產品分類當查詢入口,讓同一類產品放在一起,查詢時就能直接找到;如果照一般 SQL 的習慣規劃資料表,可能得掃很多資料,拖慢整個系統。應用程式用 Node.js 和 Express 開發,可連線本機 Cassandra 或雲端的 Astra DB;GitHub Actions 會啟動真正的 Cassandra,檢查資料表和 API,再自動建置、部署。這種做法能讓產品查詢比較順,也能在程式上線前提早抓出資料庫設定問題。

  7. Dev.to Top Tech65

    如何擴大即時投票規模:公佈累計票數,減少逐票推送

    即時投票時,每接受一票就通知所有觀看者,連線人數一多,推送量也會跟著暴增。作者建議先把有效投票安全記錄下來,再分批公佈累計票數;例如 20,000 票、8,000 名觀看者時,逐票推送約有 160 million 次傳送,改成每 100 票更新一次,約為 1.6 million 次。重新連線的觀看者先取得帶版本號的最新票數,再接收後續更新,避免畫面漏掉變化或倒退。若產品真的需要讓大家即時檢視每一票,才採用逐票推送,並另外處理排序、存取許可權與資料儲存期限。

  8. Dev.to Top Tech58

    Node.js 如何為大型私人檔案選擇分段上傳

    大型檔案上傳到一半中斷時,重新傳送全部內容可能很花時間;但分段上傳也需要儲存進度,並清理沒完成的上傳。文章建議先依實際網路和重試成本選擇方式:能在可接受時間內重傳,就用單次傳輸;需要接續進度,或重傳太昂貴,就考慮分段上傳。檔案傳完後,服務還要另外確認私人儲存空間裡確實有正確大小的檔案,再通知後續處理。這能避免重複通知造成多跑一次解析或其他 AI 工作。

  9. Dev.to Top Tech72

    作者用 Terraform 把惡意軟體掃描環境從數天建置縮短到一小時內

    安全網路裡的檔案必須先掃描才能使用,但每個環境的需求不同,政策一變,手動重建就得花上好幾天。作者把掃描流程做成 Terraform 模組,檔案進入暫儲存存桶後由 Amazon GuardDuty Malware Protection for S3 掃描;乾淨檔案才會送到可供工作負載讀取的儲存桶,無法掃描的檔案會隔離,確認有惡意軟體的檔案則會刪除。沒有掃描結果時也一律隔離,避免未確認的檔案流入。要集中或分開部署,只要換設定再套用一次,作者表示新環境建置已從數天縮短到一小時內。他也分享部署後用 EICAR 測試檔確認攔截、隔離與警示都正常。

  10. AWS What's New73

    Amazon Redshift 支援 Apache Iceberg 多語句交易與時間旅行

    多步驟更新資料時,如果中途失敗,或不同工作同時寫入同一張表,結果可能不完整或需要重試。Amazon Redshift 現在支援 Apache Iceberg 表的多語句交易、衝突處理和時間旅行。你可以把多個更新放在一起提交;發生故障時,整批可以回復。不同工作同時寫入時,只要改動沒有重疊,就能一起完成。也可以查詢過去某個時間點的資料,用來重現報告、檢查修改或復原錯誤寫入。這些功能已在 AWS 商業區域提供,適用於寫入或查詢 Iceberg 表的 Amazon Redshift 預置或無伺服器叢集。

    推薦理由:多語句交易可讓多步資料載入一起提交或回復,時間旅行則能查詢過去的資料狀態,方便重現報告與追查錯誤寫入。

  11. Dev.to Top Tech60

    如何用 FIFO 佇列和冪等鍵避免每週摘要重複寄送

    每週摘要遇上重試時,顧客可能收到同一份內容兩次;FIFO 佇列的五分鐘去重也擋不住更晚的重送。文章示範用固定的事件 ID,在資料庫先原子地登記處理權,再把同一個 ID 傳給寄送服務;訊息要等寄送結果存好後才確認完成。若寄送成功後程式當機,單靠佇列仍可能重複寄送,因此下游服務也要支援冪等鍵;若不支援,就應先查清不確定的寄送結果再重試。文章也比較不同佇列的適用情境,並建議只對已造成重複寄送的情況發出高優先警示。

  12. Dev.to Top Tech39

    maillab/cloud-mail 在 Cloudflare Workers 上處理電子郵件轉寄的實務難題

    用 Cloudflare Workers 轉寄大量電子郵件,看起來可以省下傳統郵件伺服器;但實際測試後,maillab/cloud-mail 遇上了幾個麻煩:流量一大,部分轉寄規則會讀到舊資料;新網域雖然已加上 MX 記錄,卻可能還要等 4 到 6 小時才真的能收信。作者也發現,原本的郵件解析工具太大,換成較精簡的工具後,程式大小降到 380KB。 這套做法也有不適合的情況:單封 50MB 的附件可能讓 Worker 記憶體用完;需要不可修改的稽核紀錄,或要替寄出的信件加上 DKIM 簽章時,也得搭配其他服務。至於怎麼在多個邊緣節點公平限制每位使用者的寄信量,作者仍找不到同時顧到費用、速度和準確性的好方法。

  13. Dev.to Top Tech72

    教學:用 IAM 許可權串接 Strands AI 助理,並處理工作階段的並行限制

    兩個 Strands AI 助理要互相傳遞工作時,呼叫端得先取得服務卡片、簽署請求,還要有正確的 IAM 許可權。作者逐步示範如何透過 A2A 串接 Amazon Bedrock AgentCore 上的 AI 助理,並讓同一個 IAM 身分簽署請求,不必另外設定 API 金鑰或共用密碼。實測也發現,同一工作階段同時送出兩個請求時,第二個會收到 409;依序呼叫可沿用工作階段,而平行工作則要分開使用工作階段。文章另比較新工作階段和重複使用工作階段的服務卡片讀取速度,提供設計串接流程時可參考的取捨。

  14. Dev.to Top Tech64

    Python 教學:瀏覽器直傳私有儲存空間後,如何安全處理報表

    大型報表若先經過網站伺服器再上傳,會佔用頻寬和重試資源;直接傳到私有儲存空間,則要小心通知延遲、重複或檔案被替換。作者建議用儲存事件把工作送進佇列,工作人員再確認檔案版本、所屬客戶和大小,並以隔離、掃描、產生縮圖、標記可下載的順序處理。瀏覽器回報上傳成功,不代表檔案安全;只有掃描結果乾淨後,報表才能提供下載。重複通知要能安全略過,掃描失敗則留在隔離狀態重試。

  15. Dev.to Top Tech70

    如何為私有檔案選擇簡單的物件儲存,並設定瀏覽器直傳

    私有檔案如果有明確刪除期限,只靠儲存服務的自動清理可能不夠,因為文中提到的生命週期規則最短只能設為一天。作者建議由伺服器驗證使用者、建立檔案位置並發出限時上傳網址,讓瀏覽器直接傳檔,不必拿到儲存憑證;刪除期限則記在資料庫,再由背景工作按期限刪除指定檔案。像是需要在幾分鐘內刪除的檔案,就應由工作程式處理,而不是等自動清理。若產品需要公開連結或圖片轉換,媒體服務會更合適;若要確保檔案不能被覆寫或需要不可變儲存,也要選有相應控制功能的服務。

  16. Dev.to Top Tech46

    FastAPI SSE 即時網路儀錶板實作:netpulse 整合遇到的問題與解法

    網路監控儀錶板要即時顯示路由器狀況,又不想一直重複向伺服器要資料,可以用 SSE 讓伺服器透過 HTTP 持續傳送更新。netpulse 每 5 秒送出一次路由器的 CPU、記憶體等資訊;實際上線後,卻遇到資料庫連線越開越多、使用者離線後背景工作還在跑,以及同步網路呼叫卡住所有連線等問題。把資料庫連線移到重複工作的外面、在使用者端離線時清理工作,並改用非同步網路呼叫,可以避免這些狀況。和每 5 秒重新查詢一次的做法相比,SSE 測得資料庫查詢量減少 70%、網路流量減少 40%;但大量連線時,其他 API 的回應也可能變慢。

  17. Dev.to Top Tech58

    如何避免學費收據簡訊逾時後重複寄送

    付款已完成,但簡訊服務逾時時,應用程式不知道訊息到底有沒有送出;馬上重試可能讓收據寄兩次。文章示範用固定的通知識別碼和持久紀錄儲存每筆收據,再查詢原本那次寄送的狀態。逾時後先把工作留在「結果不明」,等有證據確認狀態再決定下一步;如果查不到原本的訊息,也不能假設重送一定會沿用同一筆。範例用 Python 和 SQLite 模擬重複付款通知、寄送逾時與後續查詢,程式不會真的寄出簡訊。作者也提醒,這只是本機示範,正式系統還要處理程式中斷後留下的工作。

  18. PyTorch Core Releases45

    PyTorch 的 ROCm FlyDSL TopK 改用執行時迴圈,減少程式碼並提升速度

    FlyDSL 的 TopK 程式每次掃描 256 個數字格子,原本會把整段工作一次展開,讓程式碼變大,也佔用較多晶片資源。這次修改改成逐步重複掃描,降低編譯後的資源用量;在 gfx950 的測試中,暫存器溢位從 424 次降到 0 次。45 組測試的平均速度提升 12%,最快提升 63%,最慢則慢了 2%;所有結果都和 ATen 完全相同。

  19. Dev.to Top Tech57

    房屋搜尋怎麼設計資料整理流程,避免成本增加和舊資料混入

    房屋搜尋如果把所有舊資料都留在索引裡,可能會重複顯示已修改的物件,也讓過期房源繼續出現。作者建議先決定每筆搜尋資料代表一個物件還是一段介紹,再把物件編號、篩選條件、可搜尋文字、資料來源和更新時間分開管理。資料有變動就更新,已移除就刪除;搜尋時限制候選筆數,並把查詢結果拿去和一小組已標記答案的問題比對。這樣能一起檢查房源是否符合條件、資料是否新鮮,也能估算搜尋和後續模型處理會用掉多少資源。

  20. Dev.to Top Tech58

    如何讓自動化工作流程遇到故障時仍能繼續處理

    自動化流程在測試時常能順利運作,到了實際使用時卻可能遇到 API 逾時、資料欄位改變或意外的空值,讓整個流程停下來。這篇教學建議把重要工作拆成幾個步驟,避免像寄通知這類非必要工作出錯時,連帶擋住核心資料的儲存;也可以設定錯誤分支,讓付款 API 逾時時改走其他付款服務,或交由人工檢查。流程還能記下失敗的資料、時間和錯誤訊息,修好問題後再重新處理,減少資料遺失。

  21. Lobste.rs (Engineering Discussion)64

    作者用 Asterisk-Jio 接回 JioFiber 市話,並排查 SIP 通話問題

    換掉 JioFiber 的 ONT 後,網路還能用,市話卻無法正常通話。作者用 Asterisk 連線 Jio 的語音網路和手機通話 App,逐步排查註冊失敗、通話沒聲音,以及部分號碼被拒的問題。他用封包擷取確認,有些來電在 Asterisk 回覆 200 OK 後,沒有收到 Jio 的 ACK;這個問題當時仍未解決。另一套 SIP 程式則讓原本會失敗的號碼成功接通,作者據此調整並製作 Asterisk-Jio,最後讓來電、外撥和那些號碼都能通話。

    推薦理由:作者記錄從 SIP 註冊、通話沒聲音到部分號碼遭拒的排查過程,也展示如何用另一套 SIP 實作確認問題出在端點行為。

  22. Dev.to Top Tech45

    Amazon EMR Serverless 如何免去 Spark 叢集管理

    如果 Spark 工作只在特定時段大量運算,平常叢集閒著也要管理,還可能得付費;臨時開機又可能拖慢工作。Amazon EMR Serverless 讓你設定 Spark 工作,由 AWS 按工作需要安排運算資源,工作結束後再收回。像是 PySpark 工作要讀取 S3 的檔案、處理完再寫回去,就能交給服務安排工作人員執行,不必自己維護叢集或處理作業系統更新。 費用會依工作期間實際使用的 vCPU、記憶體和儲存資源計算;Amazon EMR on EC2 則可能在 Spark 沒有處理資料時仍持續產生費用。這種按工作需求使用資源的方式,適合工作量忽多忽少的情況;若工作全天持續執行,長時間維持的叢集可能更省錢。

  23. Dev.to Top Tech57

    如何替每個資料管線工作設定專屬 IAM 角色

    如果多個資料工作共用同一個 IAM 角色,一個工作出錯或遭入侵時,就可能取得其他工作的許可權。文章示範把資料匯入和資料轉換工作分開設定角色:匯入工作只能寫入原始資料桶,轉換工作才能讀取原始資料並寫入整理後的資料桶,桶政策還能再限制哪些角色可以存取。這種做法能縮小單一工作出問題時的影響範圍,也讓 CloudTrail 紀錄更容易看出是哪個工作執行了操作。文中的指令已檢查格式,但沒有從頭到尾實際執行。

  24. Dev.to Top Tech70

    Design Den Solutions 實測自家網站圖片,整理響應式圖片的檢查順序

    網站圖片太大時,直接加上 srcset 不一定能減少手機下載的資料量,還可能選錯要處理的頁面。Design Den Solutions 檢查自家網站的圖片尺寸、版面和載入方式,發現真正較重的是服務頁上會立刻載入的圖片,而手機上的圖片尺寸其實沒有過大。把五張圖片從 PNG 換成 JPEG 後,檔案總量從 4,080 KB 降到 592 KB;但作者沒有做畫質比較,提醒這個結果還要先確認畫面能不能接受。文章也整理出檢查順序:先看哪些圖片一開始就載入,再依版面和螢幕密度算合適尺寸,最後才決定是否使用 srcset。

  25. Dev.to Top Tech62

    Bilal Bukhari 示範把 ZIP 檔上傳到 S3,自動更新 EC2 上的遊戲

    手動把遊戲更新到伺服器,常得登入主機操作。Bilal Bukhari 示範把 ZIP 檔上傳到 S3 後,如何讓 AWS 自動完成部署:S3 收到新檔案時會通知 Lambda,再由 Lambda 請 Systems Manager 把檔案下載到 EC2、解壓縮到網站資料夾並重新啟動 nginx。作者沒有開放 SSH 連線埠,伺服器會主動連到 Systems Manager 接收工作;每次部署也會留下執行紀錄。他重複上傳測試,兩次都成功,並指出正式使用時可再加入版本儲存和回復方式。

  26. Vercel Blog69

    Vercel 示範如何測試 AI 助理能不能完成使用者的工作

    AI 助理看起來完成了工作,結果卻可能點錯飲料,或花超過使用者設定的預算。Vercel 用咖啡訂單示範如何反覆執行同一項任務,檢查最後結果是否符合飲料、取餐時間和總金額等要求,再檢視失敗紀錄,找出助理在哪一步出錯。文章也說明成功率、Pass@k 和 Pass^k 的差別:如果使用者每次都需要答對,Pass^k 能看出助理是否夠可靠。團隊可以用這些測試比較修改前後的結果,並在產品更新時重跑,及早發現問題。

    推薦理由:文章用咖啡訂單示範如何從使用者常遇到的錯誤設計測試,並比較成功率與 Pass^k,幫助團隊找出需要修正的環節。

  27. Dev.to Top Tech72

    OLake Go 實作教學:把 MySQL 變更同步到 BigLake,供 BigQuery 查詢

    MySQL 資料每天整批匯入 BigQuery 後,白天的更新和刪除可能不會馬上出現在報表裡。作者實測開源工具 OLake Go,讓它讀取 MySQL 的變更紀錄,再把資料寫進 Google Cloud Storage 裡的 BigLake 資料表,BigQuery、DuckDB 和 Spark 都能讀取同一份資料。這次使用 MySQL 8.4 和 OLake Go v1.1.0,48 筆初始資料花了 37 秒同步,之後 12 筆變更花了 55 秒。這種做法適合需要讓多種分析工具共用資料的情況;若只用 BigQuery,文中也比較了較直接的 Datastream 路線。

  28. Dev.to Top Tech72

    物流檔案如何安全直傳雲端儲存?用租戶專屬路徑和 HEAD 檢查

    物流照片、影片和簽收檔案若直接從瀏覽器上傳,系統不能只相信瀏覽器回報完成,否則可能讓不同公司的資料混在一起。作者示範由後端確認登入者身分、產生專屬檔案路徑並簽發限單次操作的上傳網址;收到完成通知後,再用 HEAD 確認檔案存在,才把紀錄標成可用。需要掃毒、做縮圖或辨識文字時,才另外用通知啟動後續工作。文章也比較統一儲存服務與直接使用雲端廠商的取捨,提醒版本管理、不可修改儲存等需求會影響選擇。

  29. Dev.to Top Tech72

    Node.js 如何用 Transactional Outbox 確保訂單事件能重試送出

    訂單存進資料庫後,如果程式在通知其他服務前當機,訂單和通知就可能對不上。這篇教學用 PostgreSQL 和 Node.js 示範 Transactional Outbox:在同一筆資料庫交易中存入訂單和事件,再由另一個工作程式送出通知;送出失敗時可以重試。因為重試可能讓同一事件送到不只一次,接收端也要記住事件 ID,避免重複處理。文章還比較定時查詢和 CDC 兩種送出方式,並提醒要留意卡住的事件、重試狀況和資料清理。

  30. Dev.to Top Tech78

    AWS Nitro Sandboxes 如何讓每個 EKS Pod 跑在獨立虛擬機器裡

    Kubernetes Pod 共用主機的作業系統核心,一個容器出問題時,可能影響同一臺機器上的其他容器。AWS Nitro Sandboxes 讓每個 Pod 跑在自己的輕量虛擬機器裡;在 EKS Auto Mode 中,只要替 Pod 設定 runtimeClassName: isolated-sandbox,就能啟用隔離。另一種 confidential-sandbox 還會先確認虛擬機器裡的系統映像檔和 Cedar 政策,再由 AWS KMS 提供秘密資料。文章也用 AI 助理的工作示範如何限制它能連線的服務,並提醒網路政策依主機名稱設定,解析到相同位址的其他服務仍可能連得上。

    推薦理由:文章整理兩種隔離模式、工作負載的網路限制與節點共用資源,並提供可重複檢查 VM 邊界的做法。

  31. AWS Machine Learning Blog52

    MoEngage 如何用 Amazon Bedrock AgentCore 打造 AI 助理行銷平臺

    行銷團隊規劃活動時,常得在分析、內容和活動工具之間來回切換。MoEngage把原有平臺 API 接成 MCP 工具,讓 AI 助理能在同一段對話中查資料、寫活動內容和調整流程。使用者身分與工作區資訊由系統傳送,不交給模型判斷;每位使用者的工作階段也各自隔離,並可設定人工審核後才執行。文章也分享了平臺實際成效:客戶 Glance 的活動上線速度提升 50%,推播點閱率提升 38%。

  32. Dev.to Top Tech72

    用 PostgreSQL 做 RAG,作者分享搜尋方法與實測結果

    做 RAG 常要把資料另外存進向量資料庫,還得處理兩邊同步和備份。作者用 PostgreSQL 示範把文字、向量和關鍵字放在同一個資料庫,再合併向量搜尋與全文搜尋的結果;例如,搜尋引數名稱時能靠關鍵字找到內容,問法不同時也能用向量搜尋找意思相近的段落。作者在自己的測試環境中發現,100k 筆、1536 維的資料用 HNSW 索引,搜尋約需 3 到 6 毫秒,準確度會隨設定改變;這些數字來自合成資料,實際使用仍要用自己的查詢測量。

  33. Databricks Blog45

    Databricks AI Runtime 如何協助企業使用表格資料 AI 模型

    用表格資料預測客戶會不會流失、商品需求有多少,通常得為每種工作各自訓練和維護模型,既花時間,也得處理 GPU 設定和管理。表格基礎模型(TFM)先用大量合成資料預訓練,拿到新資料時,就能參考已知答案來預測,不必從頭訓練;例如 TabICLv2 約有 28M 個引數,商用授權較寬鬆,但不同模型在效能、成本和授權上各有取捨。 Databricks AI Runtime 提供代管 GPU,並整合實驗追蹤、資料治理和模型部署,讓團隊能在資料所在的平臺測試或微調 TFM,再把模型用於批次工作或即時預測。這類模型有機會省下建置和維護專用模型的時間,但每次預測都要把資料交給模型處理,GPU 用量可能隨資料列數和欄位增加;企業仍得用自己的資料評估準確度與運算成本。

  34. Dev.to Top Tech43

    多語言旅遊網站為何選擇靜態產生,而不是 CMS

    多語言旅遊網站常遇到頁面載入慢、翻譯網址混亂的問題,尤其旅客用手機連上 3G 或飯店 Wi-Fi 時更明顯。作者替 Marrakech 的包車接送服務網站 navetteforyou.com,選擇把各語言的頁面內容寫在 TypeScript 檔案裡,建置網站時一次產生完整頁面,不必等伺服器查資料。網站有 8 種語言、200 多個頁面;作者表示,所有頁面的 Lighthouse 效能分數是 98–100,在 3G 測試下,主要內容不到 0.8 秒就出現。內容要修改時得提交程式碼並重新建置,因此這種做法適合內容不常變動的服務網站;若內容每小時都更新,就比較適合用 CMS。

  35. Dev.to Top Tech46

    商標資料庫下載不難,難在持續找出真正相關的新商標

    各國商標資料都能免費下載,但每天收到一大堆新申請和舊商標異動,很難知道哪些真的和自己的品牌有關。作者舉例,捷克一天的資料就有 213 筆紀錄,其中 205 筆是更新、8 筆是刪除;新申請和過期、轉手的舊商標混在一起,還得處理不同拼法、相似發音、商標圖案和自家公司的申請,單靠文字搜尋很容易漏掉或收到太多通知。 商標一公佈,提出異議的時間就開始倒數:EUIPO 有 3 個月,USPTO 有 30 天,英國商標局通常有 2 個月。真正費工的不是下載資料,而是每天比對各地資料、把通知送給對的人,並控制誤報,否則大家可能把提醒關掉,錯過重要的新申請。

  36. Dev.to Top Tech65

    IaC 為什麼還得搭配資源生命週期管理?

    只靠 IaC 管理雲端資源,可能漏掉有人手動建立、後來被遺忘的應用程式、程式碼儲存庫和測試環境。作者建議替每項資源標上負責團隊、到期日、用途和管理方式,並在到期前 7–14 天提醒負責人確認是否續留。到期後先停用或封存,保留 30–60 天恢復時間,確認不再需要才永久刪除;另外用獨立掃描工具找出 IaC 清單外的資源,並在員工離職時移交資源。這樣能清掉長期閒置的專案,也降低誤刪正式系統的風險。

  37. AWS What's New74

    Amazon WorkSpaces 新增 AI 助理設定、身分管理與操作回放功能

    企業讓 AI 助理操作真實系統和敏感資料時,需要知道它代表誰行事、做過什麼。Amazon WorkSpaces 新增多項功能,讓團隊能設定或連線 AI 助理,使用支援 OIDC 的身分提供者登入,也能讓助理沿用登入者的身分與許可權。管理者還能回看工作階段的畫面影片和操作文字紀錄;資料會存放在自己的 Amazon S3 儲存貯體,並以自己的金鑰加密。這些紀錄可供安全與合規團隊檢視,協助企業管理助理在工作環境中的操作。

    推薦理由:WorkSpaces 新增的登入、代理使用者身分與工作階段重播功能,呈現企業如何檢視 AI 助理操作並保留稽核紀錄。

  38. Dev.to Top Tech56

    如何為 SaaS 提醒服務安排 Email、簡訊與推播

    提醒時間可能被更改,寄送量也可能突然增加;只靠定時工作無法確認訊息是否送達。文章建議把未來的提醒存在資料庫,到期後再放進受流量限制的工作佇列,由工作者寄送 Email、簡訊或推播。短暫租約能讓系統找回中途停住的工作,固定的寄送識別碼則能避免重複處理造成重複通知;系統記錄的「已接受」只代表服務商收下請求,不代表收件者已讀。若提醒少、時間差幾分鐘也能接受,定時掃描會更簡單;常改期或需要處理大量寄送時,混合式做法較能應付。

  39. Dev.to Top Tech54

    如何用 logshrink 壓縮 CI/CD 與正式環境日誌,同時保留錯誤堆疊和錯誤碼

    測試、建置或伺服器出錯時,重複的進度訊息和重試紀錄常會蓋住真正的錯誤;直接刪掉文字或只保留最後幾行,也可能讓排查線索消失,甚至把失敗的建置誤判成成功。作者介紹 logshrink,逐行讀取輸出並合併重複訊息,保留錯誤堆疊和失敗前後的內容;文中表示,它能減少 70–90% 的冗長輸出。處理大型日誌檔時,也能先收起重複的重試和健康檢查訊息,讓故障出現與後續重試的順序更容易看清楚。