跳到正文

全部動態

RSS
今日 231 則
11月21日週六
  1. Dev.to Top Tech64

    比較 14 個 AI 助理框架:只有 5 個會把引數說明放進工具結構

    Python 函式的說明文字不一定會出現在 AI 助理真正收到的工具資料裡,可能影響模型理解引數,也會增加每次請求要帶的內容。作者用同一個訂機票函式測試 14 個框架的預設設定,發現只有 5 個把六個引數的說明放在各自欄位中;其他框架多半把整段說明塞進工具介紹,有一個則用引數名稱代替說明。這些工具定義長度從 178 到 301 個 token 不等,有些選填欄位的格式也可能讓驗證器無法照預期檢查。作者建議先檢視框架實際產生的資料,再依需要開啟引數說明解析,並檢查選填欄位的格式。

  2. Dev.to Top Tech48

    作者打造 GTA 6 密技網站,讓玩家用 PS5 手把查密技

    GTA 6 的密技清單常塞滿廣告,用手機看很難受,在 PS5 瀏覽器上操作也不方便。作者因此做了 vice6.codes,讓玩家拿著手把就能查密技:方向鍵可以移到附近的按鈕,按下方形鍵或 X 鍵能搜尋,L1、R1 則能切換分類,網站也會依 PS5 或 Xbox 顯示對應的按鈕圖示。 每組密技要有 3 份互不相關的指南列出相同按法,才會標成「已確認」。目前 61 組密技中有 19 組已知。網站首頁壓縮後約 17 KB,也不載入追蹤程式或第三方指令碼;這讓玩家能更方便地用主機瀏覽器查詢密技。

  3. Dev.to Top Tech37

    vLLM、SGLang 和 TensorRT-LLM 上線比較:速度、延遲與 GPU 成本

    同一批 AI 請求交給不同系統處理,等候時間和 GPU 花費可能差很多。這篇文章比較 vLLM、SGLang 和 TensorRT-LLM 在 4 張 A100、同時處理 64 個請求時的表現:SGLang 會重複使用大家共用的提示內容,vLLM 部署比較彈性,TensorRT-LLM 則先為特定硬體做好準備,讓執行更快,但改模型或硬體時得重新建置。 在這組測試裡,TensorRT-LLM 每秒產生 88k 個 token,SGLang 是 72k,vLLM 是 45k;請求等最久的那一小部分,TensorRT-LLM 的延遲也最低。簡單說,追求速度和較低成本時,TensorRT-LLM 表現較好;常重複使用相同提示時,SGLang 有優勢;需要支援不同模型、方便部署時,vLLM 較合適。

  4. hackernews10054

    冰島主機商 1984 遭嚴重網路攻擊,暫停所有服務保護客戶

    冰島主機商 1984 遭到嚴重網路攻擊,為了保護客戶與資料,公司先暫停所有服務。1984 負責人表示,攻擊鎖定前端服務,速度快得前所未聞,並認為攻擊者資金充足;他提到 AI 花費可能達數千萬,但報導沒有說明幣別。事件影響數萬名客戶,電子郵件和 DNS 服務預計很快恢復,其他服務會在確認資料安全後逐步重新上線。攻擊者身分尚未確認,CERT-IS 與冰島電子通訊辦公室正協助調查。

  5. hackernews10066

    Ricapar打造能在DOS電腦上寫程式的AI助理 ClawDOS

    老舊的 DOS 電腦運算能力有限,很難直接連上現代 AI 服務。Ricapar打造了 ClawDOS,讓一臺只有640K記憶體的 IBM PC XT 能和 Claude 對話、讀寫檔案、編寫程式,再用 Turbo C 編譯並執行。它也能記住先前的工作,或把畫面傳給 Claude 檢視;連線加密則交給另一臺電腦處理。作者展示了 ClawDOS 在這臺老電腦上寫出並執行小程式的過程,呈現 AI 助理如何在硬體限制下協助開發。

  6. Dev.to Top Tech55

    Schemity 如何為 Cloudflare D1 繪製符合實際資料的結構圖

    Cloudflare D1 的資料表結構可能分散在遷移檔、開發用的在地資料庫和正式資料庫,三者不一定相同。作者用 Schemity 比較不同資料來源,並實測發現,在地資料庫有一張正式環境還沒有的表,正式資料庫則多了一個手動建立的索引。因此,想了解正式環境目前有哪些資料表和索引,結構圖應讀取遠端資料庫;檢查分支準備部署的變更,才看在地檔案。SQL 匯出只反映匯出當下的狀態,之後若有變更就會過時。文章也說明 Schemity 只讀取資料庫,不會直接套用變更,修改仍須整理成遷移檔再部署。

  7. Dev.to Top Tech52

    讓人願意開啟的儀錶板:五個實用設計方法

    儀錶板塞滿圖表和數字,使用者卻看不出哪裡有問題,也不知道接下來該做什麼。作者整理出五個設計方法:先想清楚使用者開啟頁面要做什麼決定,再用有比較基準的數字和合適的圖表回答問題;也要安排好沒有資料、載入中或發生錯誤時的畫面。重要數字應能點進相關細節,讓人接著處理事情。作者也建議依不同工作角色安排畫面,並移除不會影響決定的資訊。

  8. Dev.to Top Tech37

    LuxurAI 如何用平行搜尋減少 AI 助理回答技術問題時出錯

    AI 助理查技術問題時,如果只用一個搜尋詞找幾段網頁內容,可能會把舊版教學和新版檔案混在一起,給出已經不能用的程式碼。LuxurAI 把問題拆成幾個方向,同時查官方檔案、GitHub 討論和社群案例,再比對資料;遇到說法衝突時,會優先採用官方更新資訊,並附上可點選的來源連結。像查 Next.js 15 的非同步標頭用法,就能找出需要使用 await 的變更。這種做法讓回答更容易核對,也比較不容易被過時資料帶偏。

  9. Dev.to Top Tech57

    delay.run 作者分析 webhook 亂序時,該重排事件還是讓處理順序不影響結果

    webhook 可能晚到、重複或漏掉;如果系統照收到的順序更新資料,已取消的訂閱就可能又被改回啟用。作者比較兩種做法:先把事件存起來再排序,或讓處理方式不受先後影響。排序可能得等很久,而且時間戳不一定可靠;另一種做法是查詢服務商目前的資料,或用版本資訊擋掉較舊的更新。作者建議,訂閱、訂單這類有目前狀態的資料要避免舊資料蓋掉新資料;付款失敗、退款等單次事件則按事件 ID 去重。若要寄出訂閱啟用通知,應在自己的資料狀態改變時觸發,避免同一事件重試時重複寄送。

  10. Dev.to Top Tech58

    假想案例:月末帳單排程如何讓 300 位客戶被算錯月份

    月費加用量計費的排程若算錯月份,或失敗後從頭重跑,客戶可能收到錯誤帳單甚至被重複收費。這篇假想案例設定一家公司在 12 月 1 日執行月結,因資料庫時區讓查詢把 10 月當成上個月,重試時又沒有記錄已開過哪些帳單;約 300 位客戶受影響,其中 120 位收到兩張。作者建議把帳期明確傳給工作程式、用 UTC 計算日期,並以資料庫紀錄和付款服務的識別鍵避免重複開票。把每位客戶拆成個別工作,再於扣款前檢查用量變化,也能及早發現異常。

  11. Dev.to Top Tech58

    Synology DSM 出現 CVE-2026-120382 漏洞,教你檢查版本並降低風險

    Synology NAS 的 OAuth API 有一個嚴重漏洞,若管理介面能從網路連到,攻擊者不必登入就可能讀寫檔案或讓服務停止。作者整理了檢查 DSM 版本的方法,也提醒公告中的修補狀態有出入:DSM 7.3 和 7.4 已列出修補版本,部分舊版仍標示處理中。官方建議先停用 OAuth Service;使用者也可確認 QuickConnect、路由器連線埠轉送和反向代理是否讓 NAS 暴露在網路上。若要升級,作者建議先備份設定並檢查相關服務。

  12. Dev.to Top Tech65

    Flutter 3.50 將 Material 和 Cupertino 改為獨立套件,並說明遷移方式

    Flutter 3.50 把內建的 Material 和 Cupertino 元件庫標為即將淘汰,許多專案接下來需要準備遷移。替代方案是能獨立更新的 material_ui 和 cupertino_ui 套件;大部分程式碼可用 dart fix 自動修改,過渡期間也能透過 MaterialUiCompatibilityBridge 讓新舊寫法一起使用。這次更新還整理了各平臺呼叫原生程式碼的檔案,並加入網頁資源快取更新的建置選項。淘汰不代表立即移除,現有 App 仍能建置;升級前應先跑測試、檢視重大變更,並檢查使用的外掛是否相容。

  13. Dev.to Top Tech39

    如何用 Dynatrace OneAgent 收集 Linux 的 journald 系統記錄

    Linux 的 journald 會把系統記錄留在主機裡;主機故障或被換掉時,記錄也可能跟著消失,出問題時還得逐臺登入檢視。Dynatrace OneAgent 可以透過 systemd 讀取這些記錄,再送到 Dynatrace 集中檢視。設定時要同時開啟 Journald 收集功能和收集規則;例如先用測試記錄確認資料有送到,再改成只收 kubelet.service 等需要檢視的服務,避免把所有記錄都收進來。文章提到,Linux 主機上的 OneAgent 版本須為 1.307 或更新版本。

  14. Dev.to Top Tech58

    如何在 Tailwind CSS 專案中使用設計程式碼

    顏色和間距如果直接寫在各處,網站改版時容易漏改,也會讓不同頁面的樣式不一致。這篇教學示範如何把顏色、圓角等設定整理成有名稱的設計程式碼,再接到 Tailwind CSS 使用;例如把主要顏色設成變數,深色模式就能換成另一個值。作者建議先從少量程式碼開始,並讓設計稿和程式使用相同名稱,方便團隊一起維護介面。

  15. Dev.to Top Tech59

    如何用 curl 找出使用 Next.js 的網站?webatla 統計約 197 萬個

    想知道網站有沒有使用 Next.js,光看伺服器回應標頭可能不夠;有些團隊會關閉相關標頭,網站也可能用靜態方式部署。作者整理了幾種線索:用 curl 檢視網頁標記和回應標頭,再從瀏覽器主控臺檢查版本與路由型別。不過,這些線索都不能單獨當成證明。webatla 在 2026 年 11 月 16 日統計到 1,973,502 個 Next.js 網站,只有約 750 個能讀出版本。文章也建議團隊盤點實際部署的版本,避免只看程式碼中的版本範圍,才能在收到漏洞公告時比對受影響版本。

  16. Lobste.rs (Engineering Discussion)69

    Go 機率資料結構第 2 篇:用更少記憶體估算數量、分位數與相似度

    資料量很大時,精確計算可能會佔用不少記憶體;有些問題可以接受近似答案,換取更省空間的做法。這篇文章用 Go 說明四種機率資料結構:Binary fuse filter 可用來查某個專案可能是否在集合裡,但建好後不能再新增;UltraLogLog 用來估算不重複專案的數量;log-linear histogram 可估算延遲等數值的中位數或第 99 百分位;MinHash 則用短短的摘要比較兩個大型集合有多相似。文中也比較它們和 Bloom filter、HyperLogLog、t-digest 等方法的記憶體、速度與誤差,幫助開發者依資料用途挑選做法。

    推薦理由:文章用 Go 範例比較四種近似資料結構的記憶體、速度與誤差,呈現它們適合處理的資料問題與取捨。

  17. Dev.to Top Tech54

    AI 程式工具的 harness 是什麼?用日常例子看懂模型如何動手做事

    大型語言模型本身只能讀文字、迴文字,不能直接檢視檔案或執行程式;AI 程式工具靠 harness 把模型和這些工作接起來。作者用電話教親友修 Wi-Fi 作比喻:模型像知道該怎麼做的人,harness 則負責動手、回報結果,並在需要時先詢問使用者。文中也整理 harness 的工作,包括提供工具、反覆傳回執行結果、管理許可權、讀取專案說明,以及在對話太長時整理重點。這能幫助讀者分清模型和程式工具各自負責什麼。

  18. Dev.to Top Tech49

    Go 和 Java 怎麼選?用團隊、部署方式和工作需求來比較

    Go 和 Java 都能用來打造穩定的後端服務,選哪一種,關鍵不只在速度,也要看團隊熟悉哪種寫法,以及服務怎麼部署。Go 的程式可以打包成單一檔案,啟動快、用的記憶體較少,適合常常啟動的小型服務;Java 21 的虛擬執行緒則讓原本一行接一行等待資料的程式,也能同時處理很多工作。 如果服務大多在等資料庫回覆,兩者通常都夠用;大型、長時間運作的系統,也能用上 Java 和 Spring Boot 豐富的工具。小團隊若重視快速啟動、部署簡單,可考慮 Go;若組織已有 Java 開發人員,或需要許多現成工具,Java 可能更合適。最後應依團隊能力、部署方式和實際工作挑選,並用自己的服務測試速度。

  19. Dev.to Top Tech56

    IP99 說明為什麼不能把整個國家列入 IP 封鎖清單

    看到某個國家的 IP 數量或代理位址很多,不代表來自當地的每次登入都有風險。IP99 的國家頁面列出各地的 IP 網段、用途比例、城市和 ASN 分佈;這些數字是在說資料庫怎麼整理 IP,不能當成封鎖單位或個人所在地。文章也提醒,七天內新收錄的代理位址數量只代表這段期間首次出現的數量。需要判斷單一連線時,應查該 IP 的目前風險證據;例如 8.8.8.8 的查詢結果顯示地理位置與主機網路資訊,但風險證據狀態是 none,不能只靠國家或網路型別判定安全或封鎖。

  20. Dev.to Top Tech53

    Jenkins 教學:如何在 AWS EC2 設定固定 Agent,讓建置工作離開 Controller

    所有建置都跑在 Jenkins Controller 上時,工作負載可能會和排程、管理工作搶同一臺機器的資源。這篇教學在 AWS EC2 加上一臺固定的 Jenkins Agent,讓 Controller 負責安排工作,Agent 負責執行 Pipeline;再用標籤指定工作要在哪種 Agent 上執行,並把 Controller 的 Executor 設為 0,避免建置退回 Controller。文章也說明用 SSH 連線、透過 IAM 執行 AWS 工作,以及如何確認建置確實在 Agent 上完成。固定 Agent 能隔開建置和管理工作,但沒工作時仍會持續運作,也需要手動擴充與維護。

  21. Dev.to Top Tech68

    Scry 的 SwiftUI 圖示按鈕很難點?加一行程式碼就能修好

    Scry 的小按鈕看起來反應很慢,實際上是很多點選根本沒點到按鈕。作者在按鈕範圍內用網格逐點測試,發現未選取的按鈕只有 2% 到 16% 的範圍能點,選取中的按鈕則有 88%。原因是透明背景和圖示本身都沒有讓整個按鈕範圍接收點選。作者在標籤加上 .contentShape(Rectangle()) 後,每個按鈕都有 91% 的範圍能點;同一問題也出現在色環和尺寸按鈕上。這個測法能幫忙找出看似「卡頓」、其實是點選落空的問題。

  22. Dev.to Top Tech38

    Shushu 如何把傳統命理計算變成持續對話的 AI 助理

    傳統命理會依不同方法看時間、關係和事情變化,但使用者常需要自己補充情況,也很難知道解讀是根據什麼。Shushu 把命盤計算、命理解讀和 AI 助理的判斷分開處理,再放進同一段對話;使用者可以追問理由、補充生活中的事,或回來分享後續結果,AI 助理會再調整看法。 例如,不確定出生時間的人,可以先比較不同時間算出的命盤,再回答問題、確認時間;確認後,系統才用新資料重新計算。這樣每次解讀都能看出根據哪些資料,也讓對話隨著新情況繼續下去。

  23. Dev.to Top Tech64

    Webhook 逾時怎麼處理?先驗證、儲存事件,再回覆成功

    Webhook 送來事件時,伺服器要在限定時間內回覆;超時後,對方可能重送,讓同一件事被處理兩次。文章整理各家服務公開的時限,從 LINE 的 2 秒到 SmartHR 的 60 秒,並示範先驗證簽章、把事件存進佇列或資料表,再立刻回覆成功,交由背景工作處理。這樣能減少逾時和重複工作;若背景處理失敗,仍要自行安排重試和提醒。

  24. Dev.to Top Tech78

    OpenAI 如何用 Codex AI 助理找出並修正 ChatGPT 效能退化

    ChatGPT 變慢時,工程師需要找出是哪裡出了問題,也得確認修正後效能是否恢復。OpenAI 建了一套雲端流程,讓 Codex AI 助理調查效能警報、記下線索並提出修正,再由另一個 AI 助理檢查效能是否回到原本水準。為了避免太快接受看似合理的答案,團隊也安排另一個 Codex 工作階段挑戰診斷,檢查假設和反例;工程師仍會審查修正並決定是否合併。OpenAI 表示,這套流程在三個多月內追蹤了超過 1,700 次調查、找出超過 600 個問題根因;人工檢查 100 項根因建議後,70% 判定準確,其餘仍需修正或未能確認因果。

    推薦理由:OpenAI 的資料顯示,分工調查與反向查核能找出效能退化原因,但 30% 的判斷仍需修正或未能確認因果。

  25. Dev.to Top Tech46

    Claude Code 和 Codex 用同一份任務與評分表比一比,結果會因工作內容而不同

    常有人憑感覺爭論 Claude Code 和 Codex 哪個比較好,但感覺很難說清楚誰做得好。作者讓兩者拿到完全相同的指令和資料,事先寫好標準答案,再用 100 分評分表比較正確度、修改量、速度、內容品質和是否照指令做。像整理會議紀錄時,多加一段沒人要求的「風險」會被扣分;把期限寫錯,也會因答案不正確而失分。 目前兩場實測各由不同工具勝出:整理會議紀錄時 Claude Code 得 99 分、Codex 得 92 分;把 CSV 整理成每月統計時,Codex 得 96 分、Claude Code 得 93 分。這表示沒有一個工具能在所有工作上都贏,先說清楚要做什麼、再用同一把尺比較,才能知道哪個更適合那類任務。

  26. Dev.to Top Tech46

    2026 年產生密碼的安全做法:長度、隨機性與該停止的習慣

    很多人以為密碼塞進各種符號就夠安全,但密碼夠長、夠隨機,而且每個網站都用不同的密碼,才更能保護帳號。文章建議使用安全的亂數來源產生密碼;需要自己輸入時,可以用四、五個隨機單字組成密語。除非有證據顯示密碼外洩,否則強迫定期更換可能讓人改用容易猜的寫法,例如 Summer2026!。開啟 Passkeys 或 TOTP 也能在密碼外洩時多一道保護;產生密碼則應選只在自己的瀏覽器裡運作、不會把密碼傳到伺服器的工具。

  27. Tom’s Hardware AI & Computing42

    MSI Crosshair A16 HX 電競筆電在 Amazon 特價 $2294,現省 $400

    MSI Crosshair A16 HX 電競筆電在 Amazon 降價 $400,售價從 $2699 降到 $2294,還附贈《Onimusha: Way of the Sword》PC 版。它配有 RTX 5070 Mobile 顯示卡、AMD Ryzen 9 8940HX 處理器、32GB 記憶體和 1TB 儲存空間,並搭載 240Hz 螢幕。想玩新款 3A 遊戲或升級舊筆電的人,可以趁這次優惠入手。

  28. Wired · Artificial Intelligence64

    AI 加快漏洞攻防,為什麼科技故障可能變多?

    近期多起科技服務故障引發 AI 是否造成混亂的猜測,但文章指出,這些個別事件都有日常原因,沒有證據顯示它們是協調式 AI 攻擊。更大的壓力來自 AI 加快漏洞發現與攻擊速度,讓公司得更快檢查、測試並安裝修補程式;舊系統和人手不足的 IT 團隊因此更難跟上。2026 年已發現超過 100,000 個漏洞,但實際遭利用的數量遠少於此。文章提醒,漏洞變多不等於每個都同樣危險,快速修補也不能省略人員檢查。

  29. MarkTechPost79

    OpenAI 推出 GPT-Live-1.1,語音連線待機每分鐘 $0.02

    語音服務在使用者沉默時仍會產生費用,OpenAI 推出的 GPT-Live-1.1 加入了較便宜的待機狀態。這款語音模型能一邊聽、一邊說,支援多語言對話;待機時會暫停推論,但保持 WebRTC 連線,使用者開口後可以接著對話。待機費用是每分鐘 $0.02,啟用時則是 $0.05。OpenAI 表示,新版在口音、轉錄和完成任務方面有所改善,但沒有公佈評測分數;後端模型與工具的費用則另外計算。

    推薦理由:GPT-Live-1.1 把語音模型的待機費用降到每分鐘 $0.02,但語音品質提升目前只有 OpenAI 的說法,沒有公開評測分數可供比較。

  30. MarkTechPost84

    Thinking Machines 推出 Inkling 2 Mini,可在 32GB Mac 上執行

    想在一般電腦上跑大型模型,常會卡在記憶體不夠。Thinking Machines 推出 Inkling 2 Mini,模型有 26.4B 個引數,檔案約 20GB,會重複運算中間層,因此能在記憶體 32GB 以上的 Mac、NVIDIA DGX Spark 或其他 VRAM 32GB 以上的 GPU 上執行,也能讀取文字和圖片。Thinking Machines 自行回報,它在 SWE-bench Verified 得分 79.2%,但在知識問答和多輪指令測試上較弱;不同廠商的測試設定可能不同,分數不宜直接當成公平比較。

    推薦理由:Inkling 2 Mini 把中間層重複運算,讓約 20GB 的模型能在 32GB Mac 上執行;文中也列出它在程式開發與知識問答上的強弱。

  31. Hugging Face Transformers Releases66

    Hugging Face Transformers v5.24.0 加入多種模型支援並調整快取名稱

    要在 Transformers 裡使用新模型,或讓不同模型共用一套程式,開發者常得處理各自不同的介面。v5.24.0 加入 Inkling 2 Mini、Apertus 1.5、Dory 和 Omnilingual ASR 等模型支援,也把原本依模型而異的 past_key_values 和 cache_params 統一改叫 cache;舊名稱目前仍可使用,但會出現棄用提醒。這次更新也修正了文字串流在中文、日文和韓文內容中可能漏空格或變慢的問題。

    推薦理由:Transformers v5.24.0 一次加入多種模型支援,也統一了快取名稱;更新內容能幫開發者掌握新模型接入與舊程式需要調整的地方。

  32. Dev.to Top Tech38

    一句「這是錯的」讓程式設計師浪費了整個星期四

    程式碼審查只收到一句「這是錯的」,卻沒說錯在哪裡,作者因此花了好幾個小時猜問題、反覆檢查程式碼,還想著該怎麼回覆。後來同事才解釋,日期被當成文字排序,結果「9日」排在「19日」後面;作者改成比較時間戳記,並補上一個檢查這種情況的測試,幾分鐘就修好了。這段經歷讓作者想到,程式碼審查不只要指出問題,也要說明原因和怎麼修改;清楚的一句話,能省下別人很多時間。

  33. Dev.to Top Tech57

    Anpheros 網頁視力測試如何用銀行卡校正螢幕尺寸

    瀏覽器不知道螢幕上的東西實際有多大,所以很難直接用來測視力。Anpheros 的網頁測試先讓使用者拿銀行卡貼著螢幕,調整畫面上的卡片框,估出這臺螢幕每毫米約有多少 CSS 畫素;手機則預設用估算值,也可以改用卡片校正。接著,測試會依觀看距離算出視標大小,並按答對或答錯逐步調整難度。螢幕畫素不夠細時,幾個視力級別可能畫成一樣大,因此結果只供參考,不能代替眼科檢查;若視力突然改變,應儘快就醫。

  34. Dev.to Top Tech82

    Claude Code Hooks 教學:哪些錯誤該用 Hook 擋下,怎麼做才有效

    只把規則寫進說明檔,Claude Code 有時還是會重複犯錯。作者分享自己用 Hook 擋下五種問題的方法,包括草稿出現長破折號、回覆語言錯誤、貼文發到錯的帳號,以及沒確認就說問題已修好。Hook 是在固定時機執行的小程式,可以在工具動作發生前拒絕操作,也能在回覆送出前要求重寫。作者建議先在實際出錯的情況中找原因,再讓檢查直接擋下動作,最後故意重現錯誤,確認 Hook 真的會啟動,也不會妨礙正常工作。

    推薦理由:作者用五種反覆出錯的情境,說明如何找出真正原因、設下會阻止動作的檢查,並刻意測試它是否生效。

  35. Dev.to Top Tech57

    作者分享如何加快 3D 玻璃作品集,讓中階筆電跑得更順

    這個 3D 作品集把五個產品展示頁放在會持續更新的 WebGL 背景上,中階筆電一度只有約 46 fps。作者用效能分析發現,拖慢畫面的主因是覆蓋在背景上的模糊與混色效果、捲動時會移動的模糊光球,以及載入方式不佳的指令碼。他拿掉大部分模糊和混色、讓光球固定,並讓畫面在 fps 連續兩秒低於 45 時逐步降低畫質;指令碼也改為延後執行。調整後,中階筆電在首頁主視覺約為 60 fps,頁面中段則在 50 多 fps。文章也提醒,裝飾圖層若蓋住按鈕,外觀看起來正常仍可能無法點選。

  36. Dev.to Top Tech38

    FinLedger 如何重整借貸功能,修好還款紀錄與債務資料問題

    記朋友借了多少錢,看起來只是做減法,卻可能因為改錯資料或直接刪除,弄丟原本借款金額和還款紀錄。FinLedger 重整借貸功能後,保留不變的原始借款金額,並把每次還款分開記下來,再用借款金額減去所有還款來算餘額。它也用同一份聯絡人名單連結借款和分帳紀錄;欠款還清時,則把資料移到過往紀錄,不直接刪除。這讓使用者能查回每筆錢的來龍去脈,也比較不容易因為改名或清理畫面而破壞帳目。

  37. Dev.to Top Tech51

    Makerio 示範如何把瀏覽器遊戲上架 Microsoft Store,售價 $0.99

    原本能在瀏覽器玩的 HTML5 遊戲,要上架 Microsoft Store,還得處理離線啟動、Windows 打包和商店審核。Makerio 把兩款遊戲做成 PWA,再用 PWABuilder 打包,兩款都第一次就通過審核,幾小時後便在商店上架。文章也提醒,上架付費遊戲前要先驗證稅務資料並設定收款帳戶,這些準備比打包更花時間。作者建議保留免費的瀏覽器版,商店版則提供可離線遊玩、沒有廣告的體驗。

  38. Dev.to Top Tech39

    小型團隊每週省下 20 多小時的 5 種自動化流程

    小型團隊常被重複雜事卡住,像是把新客戶資料抄進系統、寄一樣的歡迎信、整理每週報表,還要追沒付的帳單。文章整理 5 種不用寫程式的自動化流程:接到詢問後自動分派業務並提醒回覆、客戶簽約後建立資料夾和待辦事項、定時整理報表、逾期時寄出付款提醒,以及發布內容後同步到社群和電子報。舉例來說,帳單超過 7 天未付款就寄提醒,之後再依時間通知客戶或負責人。這些流程能省下整理、複製和追蹤的時間,讓團隊把心力留給需要判斷、創意和人際互動的工作。

  39. Dev.to Top Tech40

    Liskov 替換原則:子類別要能代替父類別使用

    如果程式原本能用父類別,換成它的子類別後也應該照常運作,這就是 Liskov 替換原則。以長方形和正方形為例,若把正方形當成長方形調整寬和高,程式預期面積是 20,實際卻會得到 16,因為正方形的寬和高會一起改變。比較好的做法是讓兩者只共用「能算面積」這項功能,各自保留合適的資料和行為。這樣設計能減少子類別帶來的意外,也讓程式更好維護。

  40. Dev.to Top Tech57

    用 Python difflib 比對《Borat》電影臺詞,檢查 Wikiquote 引文

    電影臺詞網站常會互相抄寫,記錯的臺詞也可能一路流傳。作者用 Python 的 difflib,比對 Wikiquote 和電影逐字稿中的《Borat》臺詞,先把不同拼法整理成相近文字,再查看臺詞是否以相同順序出現。兩部電影共檢查 97 句,有 74 句符合門檻;沒通過只代表兩份資料對不上,不表示 Wikiquote 一定錯了。作者也發現,程式檢查了臺詞,卻沒檢查手動寫上的出現次數,於是把次數改成由程式計算。這套方法適合用來核對引文,但公佈的數字也該一併檢查。