跳到正文

#部署/工程

RSS
今日 54 則
11月17日週二
  1. AWS Machine Learning Blog57

    Novo Nordisk 如何用 Amazon Bedrock AgentCore 查詢製造檔案

    製藥流程檔案數量龐大,還得確認檔案是否核准、版本是否有效,以及內容適用哪個廠區、產品和裝置,人工查詢容易耗時,也可能漏掉重要關聯。Novo Nordisk 團隊與 AWS 合作打造 AI 助理,先用知識圖譜釐清問題範圍,再結合關鍵字與語意搜尋找出相關檔案,並附上來源;問題不夠清楚時,會先詢問使用者。若找不到合適資料,系統會說明限制,不自行補答案。團隊表示,部分過去要花數小時或數天的工作,現在可在幾分鐘內完成。

  2. AWS Machine Learning Blog48

    AWS 示範如何用 Amazon Bedrock 和 AWS Transform 把主機 Assembler 程式改成 Java

    銀行、保險公司和航空公司有些重要工作仍靠主機上的 Assembler 程式處理,但懂得維護這些程式的人愈來愈少,手動重寫又花時間,也可能弄丟沒人記得的規則。這套做法先用 Amazon Bedrock 分析程式、整理出業務規則,再請熟悉業務的人檢查;接著把 Assembler 轉成較容易閱讀的 COBOL,確認結果符合原本功能後,再由 AWS Transform 轉成 Java Spring Boot 應用程式。 例如,程式裡的資料對應和計算規則會先整理成檔案,交給專家確認,降低轉換時漏掉規則的風險。這種分階段做法能協助縮短改寫時間,也讓人能在每個重要步驟檢查程式是否維持原本的業務功能。

  3. Dev.to Top Tech56

    如何用 Azure CLI 和訂閱隔離開發、測試與正式環境

    環境設定檔太多、內容又不一致,可能讓部署看起來成功,實際上卻改到了錯的 Azure 環境。作者建議在 Git 保留少量一致的環境範本,只寫設定名稱和非機密預設值,機密資料放在 Key Vault 或 App Settings;部署前則用 Azure CLI 確認訂閱和資源群組,並讓不同階段使用各自的部署環境。這些做法能減少設定走樣,也讓人和 AI 助理都能照同一份路徑說明操作。

  4. Dev.to Top Tech42

    is-an.ai 教你免費申請 AI 專案網址,並用 CLI 或 AI 助理完成設定

    做 AI 專案時,每個試作品都買一個網域很花錢,但申請免費網址又可能遇到名額用完。is-an.ai 提供免費的 你的專案.is-an.ai 子網域;最近把 DNS 換成 dns.he.net,名額從 3,500 個增加到 10,000 個,也重新開放申請。你可以到網站用 GitHub 登入、用 CLI 下指令,或送出 GitHub pull request 來申請,再把網址指向 Vercel 等主機;CLI 也能上傳靜態網站,Claude Code 和 OpenClaw 則可透過外掛代為操作。這種免費網址適合展示作品或測試點子,但網址屬於服務方;開始收費後,換成自己買的網域會比較適合。

  5. Dev.to Top Tech49

    研究拆解 Polymarket 氣溫市場的 3 種計算錯誤:1,153 天都得出正確區間

    氣溫市場看起來只要找出機場當天最高溫,但少算一種測量紀錄,或把小數直接去掉,都可能讓結果落到隔壁的溫度區間。作者比對 48 個城市、1,153 個已結算的城市日,發現美國以外的機場要把每半小時的例行紀錄也算進去;美國則只算每小時的例行紀錄,不能把天氣突然變化時的特別紀錄算進去。 溫度有小數時,研究採用四捨五入,並在有精確到 0.1°C 的紀錄時優先使用該數值;換算成華氏溫度後,再四捨五入到整數。照這套方法計算,1,153 天都落在市場結算的區間;若直接去掉小數,則有 59 天算錯。作者也提醒,市場規則和資料可能改變,因此這次比對結果不保證未來每天都適用。

  6. Dev.to Top Tech58

    AWS API Gateway 考試指南:從錯誤碼判斷流量限制、快取與授權設定

    準備 AWS DVA-C03 時,API Gateway 題目常用錯誤訊息或需求來考你該選哪項設定。這份指南整理了幾個常見線索:429 通常和流量限制有關,502 可能是 Lambda 回傳格式不符,504 則表示後端處理太久;若要限制不同客戶的用量,可用使用方案搭配 API 金鑰,但 API 金鑰不是用來驗證身分。文章也說明 REST API 與 HTTP API 的差異,以及快取、授權和分階段發布的選擇,並建議自己動手設定和製造錯誤來練習。

  7. Google Developers Blog74

    Google 教你依 AI 助理的工作時段配置 GKE 節點

    AI 助理的工作空間可能整天開著,卻只在收到提示詞時工作;如果每個工作階段都一直佔著機器,等待時間也要付費。Google 說明如何用 Agent Substrate 和 AX 把閒置的工作環境暫存到物件儲存,空出機器,等下一次提示詞來時再恢復。以 100 個程式開發 AI 助理為例,每小時 2 次提示詞並設定 2 分鐘閒置時間,節點費用可省 40%;每小時 4 次提示詞時,節省幅度降到 4%。文章也提醒,工作池要依最忙時的需求配置,並和提供相同 CPU 保證的做法比較。

    推薦理由:文章用提示詞頻率和閒置時間比較 GKE 節點成本,並說明工作池滿載與 CPU 保證會怎麼影響停放效益。

  8. Dev.to Top Tech72

    62 頁網站為何送出 55,000 個 IndexNow 網址,作者找出三個問題

    一個只有 62 頁的網站,卻在幾個月內向 Bing 送出約 55,000 個網址,問題不只出在搜尋引擎。作者查出,Astro 的 IndexNow 整合把變更紀錄放在每次建置都會消失的檔案裡,導致每次部署和預覽版都把所有頁面重送;Cloudflare Crawler Hints 也在靜態網站每次部署時反覆通知 IndexNow,甚至曾自行重新啟用。文中還提醒,抓取工具的快取、錯誤狀態碼和假冒 Googlebot 的爬蟲都可能誤導判斷,並示範如何只提交網站地圖中的 canonical 網址、儲存已送出紀錄、限制數量,以及用 curl 和 Search Console 核對真實結果。

  9. Dev.to Top Tech67

    Linux 的 systemd-tmpfiles 如何讓長時間運作的服務失去連線

    有些服務明明還在運作,卻突然再也接不到連線,原因可能是 Linux 定期清理 /tmp。systemd-tmpfiles 預設會刪除連續 10 天沒有被碰過的檔案;如果服務把 Unix socket、PID 檔或暫存資料放在那裡,檔案可能被靜默刪掉,服務本身卻不會當機或留下錯誤紀錄。可以用 systemd-tmpfiles --cat-config 檢查設定,並將執行檔移到 /run、替路徑建立排除規則,或定期碰觸檔案避免它被清掉。

  10. ollama release44

    Ollama v0.40.17-rc1 加入批次式推測驗證

    多個請求同時產生內容時,逐一檢查草稿可能拖慢速度。Ollama v0.40.17-rc1 的 mlxrunner 改成批次檢查,讓不同請求共用目標模型的驗證工作,同時保留各自的抽樣方式和快取回復。它也會分別學習同時處理多個請求時該寫多長的草稿,並處理取消請求、不同生成方式混用等情況,讓並行生成時的草稿和檢查更能配合。

  11. Dev.to Top Tech43

    共用主機用 SFTP 部署網站:沒有 CI 也能照著檢查清單上線

    用 SFTP 把 PHP 網站上傳到共用主機,不一定要有 CI 或建置流程;重要的是檔案要放對位置、照對順序上傳,完成後還要實際檢查網站。作者會先上傳 CSS、JavaScript 和圖片,再分批上傳網頁,並保留改動前的檔案,出錯時就能逐一還原。接著才更新像 app.js?v=14 這樣的版本號,避免訪客的瀏覽器繼續載入舊檔。上線後還要用手機和電腦瀏覽網站、檢視錯誤訊息與找不到的檔案,清除快取並記下改了什麼。照著清單一步步做,小型網站也能穩穩上線,出錯時比較容易查明和復原。

  12. Dev.to Top Tech61

    房產知識 AI 助理如何先檢查圖片生成費用再送出請求

    房產管理 AI 助理回答完維修問題後,若要另外生成示意圖片,就得先確認這次請求花多少錢,避免費用沒算清楚就開始執行。作者建議先核對實際使用的模型設定和有效費率,再算出所有允許嘗試的費用上限,並從租戶尚未預留的預算中保留這筆金額。以生成 2 張圖片、整個請求最多重試 1 次為例,預留時要按最多 4 次圖片嘗試計算;這不代表每次失敗都會收費。若費率或可能費用無法確認,就先不要送出圖片請求,讓原本的知識問答繼續運作。

  13. Dev.to Top Tech44

    用 K3s、Cloudflare 和 Tailscale 把舊 Debian 筆電變成私人雲端

    舊筆電也能拿來放檔案、看影片和管理下載,不一定得另外買伺服器或租 VPS。作者把一臺裝有 Debian 的筆電架成家用伺服器,用 K3s 管理 Jellyfin、Nextcloud、Headlamp 和 Gopeed 等服務;Cloudflare Tunnel 讓指定網站能從外面連回家裡,Tailscale 則讓作者私下登入伺服器管理,不必把 SSH 開放到公開網路。筆電約有 8 GB 記憶體和 285 GB 儲存空間,足以拿來練習和執行這些服務。這套做法能讓舊裝置繼續派上用場,也讓作者實際練習管理應用程式、網路和儲存空間;不過,小型家用環境未必需要 Kubernetes,Docker Compose 可能更簡單。

  14. Dev.to Top Tech56

    IoT 控制面板如何在裝置連線前做好授權與監測

    IoT 裝置連上控制面板,不代表提出要求的人有權下指令;如果只看連線狀態,過期的權杖也可能讓控制許可權繼續存在。作者建議由伺服器先檢查裝置身分、權杖範圍、房間容量和信任訊號,再決定是否發出有期限的租約,並留下可重查的稽核紀錄。同一個請求重試時應回傳同一個決定,避免重複發租約或留下多筆紀錄。監測時可分別記錄拒絕原因、授權耗時、成功建立工作階段的比例和租約逾期清理情況;裝置識別碼則留在稽核資料裡,不放進指標標籤。這樣遇到問題時,才能分清是授權政策、房間容量,還是網路協商出了狀況。

  15. Dev.to Top Tech47

    DuckDB 和 ClickHouse 怎麼選?單機分析省成本,資料變大多人使用就看 ClickHouse

    DuckDB 和 ClickHouse 都能快速分析資料,但適合的使用情況不同。DuckDB 像是裝在程式裡的小工具,不必另外架伺服器,資料也能放在單一檔案裡,適合一個程式處理幾百 GB 以內的資料,省下機器和維護費。ClickHouse 則能把工作分給多臺伺服器,適合多人同時查詢、資料量變大,或需要很快更新的儀錶板。 例如,文中的測試裡,分析約 100GB 的資料時,ClickHouse 跑完 22 個查詢花了 79 秒,DuckDB 花了 148 秒;不過,如果資料只有 300GB 左右、使用者不多,DuckDB 通常更省錢。簡單說,先看資料大小和有多少人會一起使用:小規模工作用 DuckDB 較省事,規模擴大後再考慮 ClickHouse。

  16. Google Developers Blog77

    Google 用 Zero-TIM 讓 TPU 上的 AI 模型取樣與訓練結果完全一致

    大型語言模型用強化學習訓練時,取樣和更新模型若算出些微不同的機率,訓練可能變得不穩。Google 在 Tunix 中做出 Zero-TIM,讓 TPU 上的取樣、服務預填和訓練三條流程,對同一個動作算出完全相同的機率;做法包括固定運算順序,並讓訓練重用服務端的計算。團隊在 64 張 TPU v5p 上測試 200 步,Zero-TIM 每一步的取樣與訓練機率差異平均為零,這些測試中的解題率也比另外兩種做法高。結果來自 FrozenLake 測試環境,文章沒有說明其他模型或任務的表現。

    推薦理由:文中拆解 TPU 上取樣與訓練算出不同機率的原因,並提供三段比對流程,方便定位數值差異從哪裡出現。

  17. NVIDIA Newsroom Press Releases58

    Lambda 用 NVIDIA Photonics 連線超過 10,000 張 GPU,提升 AI 工廠網路效率

    數千張 GPU 一起訓練 AI 模型時,網路如果太慢或中斷,整批工作都可能卡住。雲端服務商 Lambda 使用 NVIDIA Photonics 交換器,連線裝有 GB300 NVL72 的機櫃,整個 AI 工廠有超過 10,000 張 GPU。Lambda 的測試顯示,網路延遲在機櫃規模約降低 4%,在機群規模最多降低約 10%,耗電效率最高提升 5 倍、可靠度最高提升 15 倍。交換器採用液冷,也能在現場更換光源模組;如果雷射故障,就不必更換整個模組。

  18. Dev.to Top Tech70

    作者實測 Nginx,整理 WebSocket 連不上時的排查方法

    網站一般頁面能開,WebSocket 卻可能在 Nginx 後方連不上,或閒置一段時間後斷線。作者用兩種 Nginx 版本和 Node、Python 後端測試,發現除了轉送 Upgrade 和 Connection 標頭,舊版 Nginx 還要明確設定使用 HTTP/1.1;Connection 標頭也要依瀏覽器是否要求升級來切換。連線成功後若固定在 60 秒斷開,原因可能是預設讀取逾時。文中提供一份通過測試的設定,並提醒重新載入前先用 nginx -t 檢查。

  19. Dev.to Top Tech52

    Mister Blocks 作者分享如何控制免費 AI 積木建造服務的成本

    免費 AI 服務開放給所有人使用時,少數大量請求就可能很快耗光預算。Mister Blocks 作者分享自己的做法:每次呼叫 Claude 都記下花費,並在昂貴工作開始前檢查每日 25 美元的總預算;照片建造、點子建造和聊天也各有每日 IP 限額。網站透過 Cloudflare Worker 轉送訪客 IP,並用共享金鑰確認這個 IP 資訊可信,避免有人偽造地址繞過限制。作者也依工作難度分配 token,並讓耗時較長的建造工作在背景執行。免費瀏覽既有指南不會產生模型費用,因此不受建造額度限制。

  20. Dev.to Top Tech61

    WordPress 記憶體用量超標時,怎麼找出問題來源並修好

    WordPress 網站跳出記憶體用完的錯誤時,錯誤訊息指出的檔案通常只是最後碰到上限的地方,不一定是真正原因。作者建議先檢視 PHP 錯誤紀錄和實際記憶體設定,再依主機環境調整 WordPress 設定或伺服器設定;如果設定被主機鎖住,改網站檔案也不會生效。接著可用 WP-CLI 比較外掛載入時的記憶體用量,或加入暫時記錄工具,找出哪個外掛或請求讓用量升高。查明原因後再更新外掛、調整工作方式或修正查詢,避免只把記憶體上限一再調高。

11月16日週一
  1. Dev.to Top Tech47

    Unity 6 LTS 升級教學:正式營運中的遊戲,升級前要檢查哪些事

    還在營運的遊戲要升級 Unity,麻煩的不只是換新版,還要顧到玩家的存檔、遊戲內容、更新流程和各平臺設定。這份檢查清單建議先開一條專用分支,記下目前的建置時間、檔案大小、畫面速度和場景載入時間,再逐項確認外掛、畫面效果、遊戲內容和存檔是否能正常運作。像玩家裝置裡已經快取的內容,就要確認新版遊戲讀得懂;舊版玩家也不能因此載入不相容的內容。升級後還要重跑各平臺測試,檢查舊存檔能否讀取,並先讓少數玩家試用。選好時機、留著舊版以便回復,才能減少正式更新後出問題的機會。

  2. Dev.to Top Tech36

    為什麼 Linux 伺服器跑了幾天後會變慢?

    Linux 伺服器重開後變快,過幾天卻又變慢,不一定是硬體故障。背景程式可能一直佔用 CPU 和記憶體,程式也可能用了記憶體卻沒有釋放;太大的記錄檔、沒關掉的資料庫連線,或頻繁的硬碟讀寫,也都可能拖慢速度。像 Python 程式每天處理大量請求時,如果一直留下用不到的資料,記憶體就可能越佔越多。重開機只能暫時遮住問題,定期檢視資源用量、記錄檔和資料庫連線,才比較容易找到原因並讓伺服器穩定運作。

  3. AWS Machine Learning Blog66

    Amazon Bedrock 開放權重模型支援明確提示詞快取

    每次請求都重送很長的背景資料,會增加處理時間和輸入費用。Amazon Bedrock 的開放權重模型現在支援明確提示詞快取,開發者可以標出要重複使用的內容,讓後續請求直接讀取快取;也能使用自動快取,或同時使用兩種方式。文章用產品手冊問答和 OpenCode 寫程式的例子,示範如何檢視快取讀取與寫入用量。把不常變的指示和參考資料放在前面,有助於重複使用;實際支援方式、最低長度和儲存時間則依模型而異。

    推薦理由:文章比較自動與手動標記快取字首的做法,並示範如何檢視讀寫用量,方便估算重複使用長提示詞時的費用與延遲變化。

  4. Dev.to Top Tech74

    部署策略怎麼選?六種做法與適用情境一次看

    更新軟體時,最怕新版本出問題,卻來不及讓服務恢復。作者整理六種部署做法:Recreate 會先停掉舊版再啟動新版;Rolling update 逐步替換;Blue/green 準備兩套服務後切換;Canary 先讓一小部分使用者試用;Shadow 把真實請求複製給新版,但不把新版答案給使用者;Feature flag 則先部署、之後再開啟新功能。文章建議小團隊先用 Rolling update,並設定健康檢查;若故障代價高,可考慮 Blue/green;流量夠多且有自動監測時,再用 Canary。資料庫修改也要分階段進行,確保回復舊版時仍能正常運作。

  5. Dev.to Top Tech58

    如何依工作需求選擇開放權重模型或專有 LLM

    團隊挑模型時,常得在資料控制、成本、畫面理解能力和上手速度之間取捨。文章整理訪談中的做法:若需要控制訓練方式、資料用途、資料留存、部署位置或模型大小與速度,可考慮開放權重模型;若更在意視覺表現、快速開始使用或特定工作的品質,專有模型可能更合適。DeepSeek V3 被受訪者視為開放模型在效能與價格上的轉折點。文章也建議先寫下每項工作的需求與要檢查的失敗情況,再透過可切換的模型服務層配置不同模型,避免綁死單一供應商。

  6. Dev.to Top Tech56

    Dynatrace Dashboards 如何用 Davis 預測儲存空間何時不足

    只看磁碟剩餘空間的曲線,很難決定何時該加買儲存裝置。這篇教學說明如何在 Dynatrace SaaS 的 Dashboards 中,替時間序列圖表開啟 Davis Forecast,預測磁碟、流量或費用之後的變化;預測結果會附上可能範圍,不是確切日期。作者建議先用過去資料回測、留意近期遷移或清理造成的變化,再決定是否採取行動。若要用工作流程自動通知,也應只處理分析狀態正常、預測品質有效的結果;文章沒有確認工作流程能否由圖表直接觸發。

  7. Dev.to Top Tech72

    Quarkus 教學:比較 Mutiny 和虛擬執行緒處理網路請求

    伺服器同時處理很多等待網路回覆的請求時,該用 Mutiny 的反應式寫法,還是 Java 虛擬執行緒?作者用 Quarkus 做了五種版本的股價查詢服務,再用本機假服務測量速度。測試中,反應式寫法和虛擬執行緒寫法在最高每秒 10,000 個請求時都碰到同一臺機器的效能上限;把阻塞呼叫交給一般工作執行緒,則在每秒約 1,000 個請求後開始受限。作者提醒,這些結果只適用於文中的簡單查詢和測試環境,選擇時還要看程式是否好讀、是否需要串接非同步工作,以及如何限制同時送出的請求。

  8. Dev.to Top Tech44

    SEO 網站做 A/B 測試前,先檢查臨時網址和清理計畫

    網站用 A/B 測試比較不同頁面時,訪客可能會被帶到臨時網址;如果沒先想好怎麼導流、頁面要不要指向原本的網址,以及測試結束後如何收尾,暫時安排就可能一直留著。作者建議上線前先列出原頁和所有變化版本,實際檢查訪客會收到什麼內容;依 Google 的建議,這類測試導向變化版本時使用暫時的 302 轉址,並讓變化頁標明原頁是主要版本。 例如,產品說明頁的測試若讓其中一版誤稱客戶不必加入工作區,就可能把錯誤資訊展示給買家。團隊也應先寫清楚誰負責收尾、要移除哪些設定,以及舊的變化網址要怎麼處理。點選或註冊結果不能直接證明搜尋排名或 AI 答案能見度有變化;測試結束後,還要再確認一般訪客看到的是預定的正式頁面。

  9. Dev.to Top Tech42

    Prism AI 為什麼拆成 Prism Chat 和 Prism Studio 兩套 Windows 應用程式?

    做研究時,AI 助理可以整理雜亂筆記、摘錄和草稿;但寫 LaTeX 時,多一個沒跳脫的百分號或亂猜的引用,就可能讓 PDF 編譯失敗。Prism AI 在 v3.1.0 把工作拆成 Prism Chat 和 Prism Studio:前者用來探索與整理資料,後者處理 LaTeX 檔案,AI 提議會先列出修改內容,讓人檢查後再採用。兩套程式也能各自設定模型,例如用 Ollama 整理筆記,再換成雲端服務處理複雜的數學圖表。這樣比較不會讓研究資料幹擾正式檔案,但把大綱搬進 LaTeX 範本時,仍得多一道交接。

  10. Dev.to Top Tech54

    Immich 手機版比伺服器新時,照片備份會停住

    Immich 手機版更新後,照片備份可能悄悄停住,伺服器的健康檢查和錯誤紀錄卻都看起來正常。作者發現,手機上的 Immich 3.3.3 不會向較舊的伺服器 v3.2.2 上傳;比對手機連線紀錄、工作階段中的 appVersion 和伺服器版本,才找到原因。把伺服器升到 v3.3.3 後,備份恢復正常。作者也發現 Renovate 的更新卡在等待發布時間,並提醒升級前先備份資料庫,因為降版不能只換回舊映像檔。

  11. MIT Technology Review · AI41

    SAP 如何幫企業把 AI 從小型試驗帶進日常工作

    很多公司試過 AI,卻卡在小規模測試,因為資料零散、難以判斷效果,也擔心安全和管理問題。SAP 和 Infosys 的主管建議,企業要先整理好能反映實際業務的資料,再挑出值得做、做得到,也能擴大的工作,例如縮短處理時間或減少成本。像是處理供應鏈或財務工作的 AI,準確度只有 80% 可能遠遠不夠;公司也得訂好誰能使用、如何監看和把關。這樣才能避免 AI 只停在展示階段,並讓真正有效的做法推廣到更多工作。

  12. Dev.to Top Tech75

    如何用 AWS DMS 把 Oracle 搬到 Aurora PostgreSQL,將切換縮短至 45 秒

    4TB 的 Oracle 資料庫若停機匯出再匯入,可能要等上好幾個小時;作者的團隊改用 AWS DMS 搬到 Aurora PostgreSQL,應用程式在大部分搬移期間仍可使用舊資料庫。DMS 先大量複製資料,再持續同步新變動;等同步延遲接近零,短暫停止寫入、確認資料筆數相符,再把應用程式改連新資料庫,這次切換不到 1 分鐘。搬移前還要用 AWS Schema Conversion Tool 處理資料表結構,確認大型物件的實際大小,並留意沒有主鍵的資料表與目標端觸發器,否則可能拖慢同步或造成資料被截斷、重複處理。

  13. Dev.to Top Tech42

    多人遊戲伺服器怎麼選?玩家人數和遊戲玩法會影響費用

    多人遊戲的伺服器費用,主要看同一時間有多少玩家線上上,以及遊戲怎麼連線,不是看下載次數。朋友一起玩的回合制遊戲可以用轉接服務或玩家自己的裝置來連線;需要快速反應的射擊遊戲,通常得用雲端專用伺服器,費用也比較高。文中估算,小型多人遊戲剛推出時,每月可能花約 $500;如果突然爆紅,每月可能超過 $20,000。 例如,2,000 人同時玩的休閒即時遊戲,伺服器費用可能從每月數百美元到數千美元;同樣人數的 5 對 5 射擊遊戲,可能每月要花數千美元。遊戲團隊還得把網路流量、不同地區的伺服器和閒置中的伺服器算進去。先用便宜又適合玩法的連線方式,再隨玩家增加擴充,並在推出前測試尖峰人數,才比較不會玩家一多就當機,或花到入不敷出。

  14. Dev.to Top Tech35

    Fitness Quest 如何調整走路步數換獎勵的規則,讓遊戲對不同體力的人都好玩

    步數直接照一比一換成遊戲獎勵,走得少的人很難拿到東西,走得多的人又可能很快拿光獎勵。Fitness Quest 改用每人過去 14 天的平均步數當基準:前 50% 的步數有 1.5 倍獎勵,接著到個人目標按一般速度換算,超過目標後則逐漸減少額外步數的回報。漏走一天時,虛擬夥伴的活力會在 48 小時內慢慢下降,不會立刻被懲罰。 手機不必一直開 GPS,Fitness Quest 會從 iOS 的 CoreMotion 和 Android 的 Health Connect 讀取計步資料。有時手機會一次送來好幾小時累積的步數,若全算在同步當下,深夜走的路可能被算到隔天;作者把這些步數分配回兩次同步之間,讓每天的步數切分更準確。

  15. Dev.to Top Tech42

    Rax Time 怎麼克服 GPS 不準,自動記錄工地工時

    每週才補填工時,常會變成憑印象估算,少算的時間也可能讓公司少收費。Rax Time 會在工人抵達工地時自動打卡,離開時自動下班;但工地地址可能不清楚,室內和大樓之間的 GPS 也不可靠,所以系統會參考主管設定的位置、街道地址,或之前打卡位置的平均值,並把預設範圍設為 600 公尺。 開車經過工地不算上班:停留不到 3 分鐘會略過;離開後 90 分鐘內回到同一工地,會接著記在同一張工時卡上。自動記錄也能事後修改,並由主管確認後才進入薪資或請款流程。工人可以自行選擇是否開啟定位;設計重點是讓自動打卡省下填表時間,也讓人能修正不準確的紀錄。

  16. Dev.to Top Tech44

    區塊鏈入門第 3 章:用 Ganache 在自己的電腦跑區塊鏈

    第一次寫區塊鏈程式時,光是申請測試網帳號、看懂一堆說明,就可能花上不少時間。這一章帶讀者用 Ganache 在自己的電腦啟動區塊鏈,再用 Web3.js 連線,讓練習交易可以馬上進行,不必先準備測試網帳號。像是把 1 ETH 從第一個帳號轉到第二個帳號,就能試著觀察交易怎麼送出。這種做法適合動手熟悉區塊鏈程式,也能練習處理節點無法啟動、連線失敗或交易送不出去等問題。

  17. Lobste.rs (Engineering Discussion)52

    如何替 FreeBSD pkgbase 設定本機映象站

    把許多 FreeBSD 主機或 jail 改用 pkgbase 時,同一批系統套件可能會一再從官方映象站下載,浪費頻寬。作者分享用 Apache 架設本機映象站的設定,讓伺服器代理並快取 pkgbase 套件,再把 FreeBSD-base 套件庫的網址改指向自己的伺服器。快取只套用在內容雜湊固定的套件檔案;設定代理時也要直接連到 CDN,因為官方網址會轉址,而 Apache 不會沿著轉址快取內容。

  18. Dev.to Top Tech65

    小團隊什麼時候適合自架大型語言模型?作者分享實測與硬體需求

    自架大型語言模型能讓資料留在自己的網路裡,但買了顯示卡不代表一定比較省錢。作者以自己的系統測試 36 封有標準答案的財務郵件,託管模型答對 32 封,本機 4B 模型答對 13 封;本機每次平均約 23 秒,託管模型約 2 秒,而整個 AI 助理系統每天的託管費約 5 美分。因此,他把需要判斷的工作交給託管 API,留下嵌入向量工作在本機。文章也說明顯示卡記憶體如何限制模型大小和上下文長度,並提醒請求量忽多忽少時,顯示卡閒著也一樣耗成本。