跳到正文

#部署/工程

RSS
今日 48 則
11月16日週一
  1. Dev.to Top Tech58

    AgentOps Center 如何用 OpenTelemetry 和 SigNoz 追查多個 AI 助理的問題

    多個 AI 助理一起工作時,流程可能變慢、工具可能反覆失敗,但一般監控畫面仍顯示正常。作者逐段閱讀 AgentOps Center 的程式碼,整理它如何替每個 AI 助理、模型呼叫和工具留下連在一起的追蹤紀錄,再透過 OpenTelemetry 傳到 SigNoz,讓助理根據追蹤、錯誤紀錄和指標找線索。文中也提醒,信心標記只看找到多少監控資料,不代表診斷正確;展示用的故障是程式模擬的,因此畫面只能說明資料流程能運作,不能證明它找得到真實事故。

  2. Dev.to Top Tech42

    掃描超過 37 萬個網站後發現,多數網站為何不容易被 AI 找到?又該怎麼改善?

    AI 助理讀網站的方式和一般瀏覽器不同:有些只快速讀取網頁,不會執行 JavaScript;如果網站內容要等 JavaScript 載入才出現,AI 看到的可能只是一片空白。網站的防火牆也可能把 AI 爬蟲誤當成機器人擋下,或讓它卡在 CAPTCHA 驗證;再加上頁面太複雜,重要資訊容易被一堆程式碼和圖示淹沒。 作者用 AI-Primed 掃描超過 37 萬個網站,並建議把重要內容直接放進伺服器產生的網頁,檢查防火牆是否放行指定的 AI 爬蟲,也可以在網站根目錄放一份 /llms.txt,用簡單文字列出網站介紹和重要連結。這樣 AI 助理比較容易讀懂網站,也比較有機會引用正確資訊。

  3. Dev.to Top Tech53

    Emerson Lavieri 示範如何逐頁檢查網站的結構化資料

    網站首頁的資料整理得很完整,不代表其他頁面也沒問題。保險經紀人 Emerson Lavieri 檢查自家網站的 96 個頁面,發現 83 頁沒有結構化資料,還有作者被寫成兩個不同身分。他用同一個作者編號連結各頁,補上讀者看得到的作者和更新日期,也檢查標題、網址和資料格式。作者提醒,這些整理能讓搜尋系統更清楚知道內容由誰負責,但不保證排名上升;網站當時已在 Google 搜尋結果第一頁,效果還要之後再看。

  4. llama.cpp Releases39

    llama.cpp 發布 b12420,支援 MiniMax-M3.1

    llama.cpp 的 b12420 加入對 MiniMax-M3.1 的支援,也列出 macOS、iOS、Linux、Android 和 Windows 等平臺的版本。像是 Linux 和 Windows 都有可搭配 CUDA 12、CUDA 13 或 Vulkan 使用的版本,部分平臺也提供 CPU 版本。這次更新讓使用者能在不同系統上使用 llama.cpp 執行 MiniMax-M3.1。

  5. Dev.to Top Tech77

    Cognito 如何用 Lambda 列出登入裝置並登出指定裝置

    使用者想檢視哪些裝置還登入帳號,或只登出遺失的手機時,過去得自行追蹤權杖,或一次登出所有裝置。Cognito 自 2026 年 11 月 11 日起可列出帳號的登入紀錄,並逐一結束指定工作階段;這篇教學用兩個 Lambda 函式做出「我的裝置」頁面,也示範支援人員如何處理可疑登入。功能須在 Essentials 或 Plus 方案的使用者集區啟用。要留意,登出後,已發出的存取權杖若只由 API 在本機檢查,仍會有效到期;作者建議將效期設為 5 至 15 分鐘,並在後端遮蔽 IP 位址。

    推薦理由:文章用兩個 Lambda 函式示範裝置清單與遠端登出,也說明已簽發的存取權杖為何可能在登出後繼續有效。

  6. Dev.to Top Tech48

    HazardSim 如何用 Mapbox 和 OpenStreetMap 模擬海嘯淹到哪些地方

    災害地圖通常告訴大家災害發生過在哪裡,HazardSim 則讓人點選海岸、選擇浪高,看看海水可能沿著真實地形流進多遠。它用 Mapbox 的地形資料和 OpenStreetMap 的城市邊界、人口資料來計算;例如,同樣是 10 m 高的海浪,高地城市可能幾乎不受影響,平坦的三角洲卻可能遭到嚴重淹水。 這個工具用簡化規則模擬海水:地面比水位低就會淹水,海浪每前進 250 m 就降低 1 m。它不是災害預報,也沒算海床形狀、地震斷層、潮汐或一天中的時間;傷亡數字還假設沒有人撤離。作者提醒,結果只能用來大致瞭解地形可能讓水淹到哪裡,不能當成真實預測。

  7. Dev.to Top Tech58

    SaaS 分階段推出檢查清單:先小規模測試,再逐步開放

    多租戶 SaaS 一次把更新推出給所有人,可能讓錯誤同時影響大量使用者。這份檢查清單建議先用測試環境或功能開關,讓一小群有代表性的使用者試用,再觀察延遲、錯誤和背景工作是否正常;超過預設門檻時,就暫停推出或切回舊版。資料庫也要分步修改,先讓新舊程式都能使用,再逐漸移除舊資料欄位,降低更新期間出錯的機會。

  8. Dev.to Top Tech45

    Module Federation 如何搭配伺服器端渲染,讓微前端更快顯示內容

    用瀏覽器載入微前端時,使用者可能得先等網頁下載外殼,再等其他部分載入,搜尋引擎也可能看不到多少內容。這篇指南說明怎麼讓伺服器先載入其他團隊獨立部署的程式,組成 HTML 網頁,再交給瀏覽器接手;每個微前端都要各自準備伺服器版和瀏覽器版。像某個部分載入太慢時,伺服器可以先送出有骨架畫面的網頁,讓使用者不用卡在空白畫面。 這種做法能改善網頁一開始顯示內容的速度,也方便各團隊分開更新,但遠端程式會在伺服器上執行,因此載入來源、逾時處理和備用畫面都要安排好。伺服器版和瀏覽器版也得使用相同版本,避免網頁接手時內容對不上;如果團隊不需要各自獨立部署,較簡單的組合方式可能更適合。

  9. Dev.to Top Tech71

    ASP.NET Core 如何可靠地把潛在客戶資料送到 Odoo

    網站收到潛在客戶資料後,如果 Odoo 暫時故障,資料可能只存在自家資料庫,銷售團隊卻收不到。作者用交易式佇列處理這個問題:把客戶資料和待送出的訊息一起存進資料庫,再由背景工作慢慢送往 Odoo;如果工作人員當機,逾時後其他工作人員可以接手。文章也說明如何安排重試、辨認無法修復的錯誤,以及用記錄編號避免重送時在 Odoo 建立重複客戶。

  10. Dev.to Top Tech57

    光纖熔接螢幕顯示 0.03 dB 代表什麼?

    光纖熔接機顯示的損耗數字,常讓人想直接判定接點合格,但它其實是根據光纖端面和對準情況做出的估算,不是實際測量。作者分享現場檢查方法:先依整段光纖的損耗預算判斷估算值;數字偏高時先剪開,檢查並重新處理兩端,再熔接。接點完成後還要妥善放進托盤,避免被夾住或彎折,最後用 OTDR 和整段測試確認實際損耗與連線是否合格。

  11. Dev.to Top Tech48

    AWS CloudWatch 和 SNS 如何在出問題時通知你

    AWS 帳號出了狀況,如果沒人及時收到通知,可能要等到事情變嚴重才發現。CloudWatch 會盯著像 CPU 使用量或預估帳單這類數字,超過你設定的門檻時,就把警報交給 SNS,由 SNS 通知訂閱的人。比方說,你可以設定預估帳單超過 5 USD 時寄電子郵件提醒;收件人要先確認訂閱,否則收不到通知。把團隊放在同一個 SNS 主題裡,也能讓多個警報共用,之後更方便新增收件人或其他通知方式。

  12. Hacker News (official RSS)66

    作者推出 pkgbase,讓 FreeBSD 系統升級只要一個指令

    FreeBSD 接下來會改用 PKGBASE 安裝和升級系統,但原本的升級流程需要輸入很多指令。作者因此寫了 pkgbase 工具,把升級步驟整理成 pkgbase upgrade -r VERSION,也提供檢視開機程式、待處理檔案和核心模組等指令。文章示範用它把 FreeBSD 15.1-RELEASE 升到 15.2-BETA1,過程中仍要確認是否繼續;作者也說,暫時保留這個選擇,之後再考慮是否自動執行。

  13. Dev.to Top Tech38

    cPanel & WHM 如何安裝在 VPS 上:需求、安裝指令和常見問題

    在 VPS 上安裝 cPanel & WHM,最容易卡住的往往不是那一行指令,而是伺服器不符合條件:系統版本不支援、記憶體不夠、主機名稱或網路設定有問題,都可能讓安裝停下來。安裝前要用全新的作業系統,準備公開固定的 IPv4 位址,並以 root 身分執行指令;例如 AlmaLinux 9 是文章建議的選擇之一,記憶體和硬碟則建議各準備 4 GB、40 GB。安裝後還要設定 WHM、啟用授權並重新設好防火牆。若 VPS 已裝過其他伺服器服務,通常得先備份資料,再重灌系統;而 cPanel 授權試用期結束後需要付費。

  14. Dev.to Top Tech52

    Cloudflare Workflows 教學:在重播時檢查步驟留下的舊資料

    Cloudflare Workflows 會把完成步驟的結果存起來,流程恢復時可能直接拿出舊資料,不再執行原本的檢查。若新版程式收緊了資料規則,舊資料就可能一路流到後續工作。作者建議在 step.do 回傳結果後立刻檢查資料,確保新執行和恢復中的流程都符合目前規則。若舊資料不合格,流程會停下來;已暫停的流程也可能因此失敗,但能避免錯誤資料影響後續系統。

  15. Dev.to Top Tech69

    如何用 Redis Token Bucket 為 Django API 限流,並讓 429 告訴使用者端何時重試

    API 遇到大量請求時,既要保護服務,也要清楚告訴使用者端何時能再試。作者示範用 Redis 和 Token Bucket 計算每位使用者剩下的請求額度,並以 Lua 指令碼確保多臺伺服器同時處理請求時不會放過超額流量。不同耗費較大的網址可以扣更多額度;超過限制時回傳 429 和 Retry-After,讓使用者端等一段時間再重試,並加入隨機延遲,避免大家同時重新傳送請求。文中也提醒,限流上線前應先記錄流量,確認設定不會擋住正常使用。

  16. Dev.to Top Tech50

    事件發生時間不代表資料已可用:如何重現當時做出的決定

    回頭重播以前的決定時,只看事件什麼時候發生,可能會把當時還沒出現的資料也算進去。範例中的 E-01 在 12:00 發生,12:03 才能使用,12:05 又被更正;因此重播 12:02 的決定時,結果應該是空的。做法是先確認資料在決定時間前已可用,再從當時能用的版本中挑出最新一版。這樣,12:04 仍會看到原本的 20,到了 12:05 才看到更正後的 18。保留舊版本和當時的時間紀錄,才能還原那時真正看得到的資料。

  17. Dev.to Top Tech66

    MinIO 在 Kubernetes 記憶體用量逼近上限卻沒被終止,作者說明原因與檢查方式

    MinIO 在 Kubernetes 裡顯示用了快滿的記憶體,卻一直沒有因記憶體不足而被系統終止,這不一定代表程式漏掉記憶體。作者觀察自己的一個 MinIO 執行個體:512Mi 的上限用了約 495Mi,連續 30 天都沒發生 OOMKilled;檢查後發現,其中一部分是系統仍可回收的檔案快取,而 MinIO 會依容器上限保留一部分記憶體空間。文章示範如何檢視容器內的記憶體分佈、監控資料和終止紀錄,再用提高上限後的負載測試觀察變化;測試中記憶體仍接近新上限,但沒有發生 OOM kill。作者也提醒,測試沒有確認舊設定在相同負載下是否會被終止。

  18. Dev.to Top Tech46

    WriteFreely 一鍵部署範本:自架部落格要花多少心力?

    自己架 WriteFreely 部落格,得先下載程式、產生金鑰、處理資料庫搬家和聯邦設定,很多人還沒發出第一篇文章就放棄了。作者把這些步驟包成 Railway 一鍵部署範本,並讓系統在啟動時產生管理員和應用程式金鑰,避免沿用預設密碼;ActivityPub 聯邦功能也已開啟。SQLite 不必另外設定就能使用,但如果要開多個副本或讓多人同時寫入,就得搬到 Postgres,過程並不簡單。自架也代表要自己處理垃圾註冊和封鎖名單。

  19. Dev.to Top Tech54

    作者分享如何整合觀測平臺,同時避免把儀表資料綁進廠商工具

    把記錄和指標資料放在不同平臺,查問題時得在兩套工具間來回切換;但若每個服務都採用特定廠商的工具,更換平臺也會變得麻煩。作者分享把兩種資料整合到同一平臺的經驗,並讓應用程式依 OpenTelemetry 標準送出資料,再由中間的收集器轉送到平臺。這樣換資料去處時,只需調整收集器設定,不必逐一修改服務。不過,儀錶板、警示和查詢仍依賴平臺自有格式,搬家時得重做;部分系統資料也可能仍要靠廠商工具取得。作者尚未算出整合後是否省錢,因此只談維護和查閱上的改變。

  20. Dev.to Top Tech40

    災難復原不只看 RPO、RTO,還要先想清楚三件事

    災難發生時,光知道資料能救回多少、服務多久能恢復,還不夠;如果沒先想清楚要救哪些東西、公司需要服務恢復到什麼程度,以及其他服務和合作廠商能不能配合,復原計畫就可能花大錢卻派不上用場。文章建議先回答這三個問題,再選擇備援方式:例如內部工具可以先恢復基本功能,讓使用者暫時只能讀取資料;需要幾乎不中斷服務的系統,則可能得在多個地區同時準備足夠資源。先了解真正的需求和限制,才能做出符合預算、也能在出事時派上用場的安排。

11月15日週日
  1. Dev.to Top Tech73

    作者用一張 Jira 票說明 AI 助理團隊如何協作寫程式

    讓 AI 助理接手一張工作票後,怎麼問清需求、控制花費,又避免它做錯事?作者用一張 API 限流需求,帶出從主管分派工作、產品經理補充條件,到程式撰寫、測試、審查和人工核准上線的流程。每個階段都會交接整理好的資料,工具操作和花費也由軟體把關;遇到不清楚的需求,AI 助理先提出問題,不能自行改寫驗收條件。作者也指出,團隊的瓶頸可能是人力時間:這張票預估要用 410 分鐘的產品經理時間,超過每週可用的 300 分鐘,因此得先放下部分工作。

  2. Dev.to Top Tech59

    Datadog 太貴怎麼辦?比較 10 種替代方案與挑選方法

    Datadog 帳單可能因為記錄檔、指標和追蹤資料增加而變高,換工具也會花時間搬設定。作者整理五種做法:減少 Datadog 的記錄檔和指標用量、改用其他商業平臺、選代管或自行架設的開源工具,或使用雲端業者的監控服務,並用不同用量比較各工具的價格。文章建議先清理帳單,再透過 OpenTelemetry 把資料送到 Datadog 和候選工具,讓兩邊並行至少 2 週,確認團隊能正常查問題後再決定是否搬遷。

  3. Dev.to Top Tech48

    小型商家 FAQ 機器人如何用快取減少大型語言模型呼叫

    小型商家每天常被問營業時間、配送範圍和預約方式等問題;每次都請大型語言模型回答,會多花錢。這篇文章用 Python 和 SQLite 做了一個小型快取:先把問題的大小寫和多餘符號整理好,再比對以前的答案;符合條件就直接拿來回覆,答案每週更新一次。像「幾點開門」這類一般問題可以快取,但顧客姓名、訂單或帳戶資料不能存;如果價格、營業時間或規定改了,也要清掉舊答案。這樣能減少重複呼叫模型的費用,也提醒商家先量量看簡單做法省不省事,再考慮更複雜的比對方式。

  4. Dev.to Top Tech62

    WBX Sandbox 團隊分享打造 AI 助理執行平臺的 10 個經驗

    讓 AI 助理跑程式不難,難的是工作跑很久、連線中斷後怎麼接著做,以及如何確認結果真的跑過。WBX Sandbox 團隊分享打造這個平臺時學到的 10 件事:長工作要能在背景繼續跑,結果要整理成摘要,專案環境要能儲存,也要留下執行紀錄供人檢視。平臺用隔離的 Linux 虛擬機器處理完整環境,也用 WebAssembly 執行較小的工作。作者也提到,MCP 工具說明會影響 AI 助理選擇怎麼操作。這些經驗可供打造 AI 程式執行環境的人參考。

  5. Dev.to Top Tech49

    Hermes Agent 24/7 實測:跑在 VPS 上需要多少記憶體和硬碟空間?

    想讓 Hermes Agent 全天候線上,VPS 要買多大才夠?作者在一臺有 4 個 vCPU、7.9 GB 記憶體的主機上實際測量,發現常駐的 Gateway 程式用了 337 MB 記憶體,安裝檔加快取則佔了 11 GB,其中 7.2 GB 是可以清理的快取。只想試用、只接一個聊天管道,2 GB 記憶體和 25 GB 硬碟就能跑;日常使用可選 2–4 GB 記憶體和 40 GB 硬碟。模型在外部服務商那裡執行,因此 VPS 不需要 GPU,但要記得清快取、留足硬碟空間。

  6. Dev.to Top Tech75

    AWS 流量沒增加,帳單為什麼還是變高?教你逐項找原因

    網站流量沒增加,AWS 帳單卻變高,常見原因是舊資料持續累積、折扣到期,或某項新費用開始收取。作者建議先用 Cost Explorer 比較兩個月份,再按服務和使用型別檢視費用變化;也可檢查 S3 舊檔案版本與未完成的上傳、ECR 舊映像檔、RDS 儲存空間和備份,以及 CloudWatch 記錄是否持續累積。文章也提供清理 S3 舊版本與未完成上傳的設定範例,提醒先確認現有規則,因為刪除的版本無法復原。定期檢視折扣到期日和資料保留設定,有助於及早找出帳單增加的原因。

  7. Dev.to Top Tech63

    llama.cpp 推出 1.0,為公開 C API 訂下版本規則

    底層工具更新時,依賴它的程式可能突然無法編譯。llama.cpp 推出 1.0,並和底層的 ggml 改用語意化版本規則:公開 C API 有破壞性變更時會升主版本,新功能升次版本,錯誤修正升修補版本。這讓開發者能從版本號看出變更大致有多大,也比較好安排升級。這項承諾只涵蓋公開 C API,不保證所有命令列選項或模型檔案永遠不變;1.0 也移除了 35 個已棄用函式,仍使用這些函式的程式會無法編譯。

  8. Dev.to Top Tech45

    EDI 180 退貨流程解碼:退貨要先談好,不能直接當成折讓

    退貨不是把訂單倒過來,也不是一開口就能拿到折讓;買方得先透過 EDI 180 告訴賣方要退哪些商品、數量、狀況和原因,等賣方核准後才能寄回。像是商品壞了、買太多或遇到回收,處理方式和費用都可能不同;賣方也可能只核准部分商品,或要求檢查、維修、報廢。貨物寄出時通常用 856 通知,收到並檢查後才用 812 或 810 處理款項。把申請、核准、寄回和退款的順序弄錯,或讓商品編號對不上,都容易讓退貨卡住,甚至造成損失。

  9. Dev.to Top Tech62

    付款 webhook 上線前,先檢查這 12 項防護做法

    付款 webhook 上線後,事件可能重複、延遲或順序顛倒;如果服務剛好停機,也可能收不到通知。作者整理了 12 項上線前檢查:先用原始請求內容驗證簽章並儲存事件,再快速回覆付款服務,把更新訂單、寄信等工作交給背景工作處理。處理時要能安全重跑、不依賴事件順序,也要留意長時間沒有事件的情況,並定期和付款服務的資料核對。上線前還要測試重複事件、失敗重試和服務暫停等狀況,避免漏掉付款或重複執行動作。

  10. Dev.to Top Tech50

    Nebula.NET 如何找出字串加密拖慢程式的熱區,並只排除需要加速的部分

    字串加密會把程式裡看得懂的文字藏起來,但在跑得特別頻繁的程式碼裡,解密也可能拖慢速度。像迴圈每次都要解出不同字串時,影響可能很明顯;如果字串只在第一次使用時解密,後續通常不會一直付出這個成本。作者建議用 BenchmarkDotNet 比較加密前後的速度,例如範例中一種情況幾乎沒差,另一種則慢到原本的 4.07 倍。確認是哪個方法真的受影響後,再用 nebula.config.json 排除那個範圍,其他字串照樣加密保護。

  11. Dev.to Top Tech41

    AI 沒有網路也能回答?認識在裝置上執行的 AI

    AI 沒有網路時還能回答,是因為模型檔案放在自己的電腦或手機上,由裝置裡的晶片負責運算;但它沒辦法自己查到最新訊息,除非你提供資料或讓應用程式連上可查詢的工具。文章用 llama.cpp 說明這個做法:模型讀取檔案、把提示詞轉成模型看得懂的格式,再一步步產生回答。像是小型模型的檔案約 0.91 GB,連同其他記憶體需求估計約 1.33 GB。這些數字只是估算,還沒有用真正的模型測量;在裝置上執行能不靠遠端模型服務,但速度和記憶體需求會受模型大小與硬體影響。

  12. Publickey (日系頂級架構誌)73

    Cloudflare 開源 Kitesurf,打造給 AI 助理使用的輕量瀏覽器

    AI 助理操作網頁時,不需要人用瀏覽器的分頁、書籤和擴充功能,但同時執行許多工又需要瀏覽器夠輕巧。Cloudflare 開源了 Kitesurf,這是一款專為 AI 助理設計的無畫面瀏覽器,不使用 Chromium,也不依賴 Node.js,主要以 Rust 撰寫並編譯成 WebAssembly,預計在 Cloudflare Workers 上執行。Cloudflare 表示,和 Chromium 相比,Kitesurf 使用 CPU 和記憶體的效率約好 3 到 7 倍;它也支援 Chrome DevTools Protocol,可連線 Puppeteer 等工具。

    推薦理由:Kitesurf 專為 AI 助理操作網頁打造,文中也比較了它和 Chromium 的資源消耗,能看出精簡瀏覽器的設計取捨。

  13. Dev.to Top Tech58

    AI 助理沙箱負載測試:作者說明哪些地方撐得住、哪些尚未驗證

    系統一次跑 20 個各做約 1 分鐘工作的任務時,任務沒有遺失,排不進去的會等待,工作進度也能從共用磁碟查到。不過,這次測試沒有讓容器、主機或網路故障,無法說明系統遇到故障要多久才會發現、多久才能恢復;作者也坦白,目前容器壞掉後,裡面的任務不會自動重新派送。文章還比較兩種隔離不受信任程式碼的做法:gVisor 和 Kata Containers,並說明作者因筆電硬體限制只在紙上整理、沒有實作。測試結果能確認部分流程可運作,也清楚劃出尚未驗證的範圍。

  14. Dev.to Top Tech65

    BuildJet 停止服務後,如何遷移 GitHub Actions 工作流程

    BuildJet 已停止執行工作,還留著舊 runner 標籤的 GitHub Actions 工作流程就沒有機器可跑。作者整理遷移前要檢查的專案,並示範把每個工作的 runs-on 標籤換成新 runner、把 BuildJet 的快取步驟改成 actions/cache。最容易漏看的是快取容量和執行速度:GitHub 每個儲存庫提供 10 GB 快取,BuildJet 原本是每週 20 GB,超出的資料會被清掉;改用較小的 runner,也可能讓工作變慢。文章建議先挑一個最花時間的工作流程試跑,比對時間和快取紀錄,再逐步修改其他工作流程。

  15. Dev.to Top Tech39

    AWS Lambda 刪掉後,留下的 CloudWatch 日誌群組該怎麼處理?

    AWS Lambda 函式刪掉後,CloudWatch 建立的日誌群組不會跟著消失,預設也會「永不過期」。時間久了,帳戶裡可能堆著幾百 GB 沒人會再看的日誌,每月雖然只多花幾美元,卻常常找不到負責的人。AWS 本月新增的帳戶層級保留政策,可以替所有 /aws/lambda 日誌設定期限,連已存在的也適用;但它只會停止日誌繼續累積,不會刪掉群組,也不會告訴你哪些群組已經沒有函式。作者會比對還存在的函式和未設定保留期限的日誌群組,把多出來的列為孤兒群組,先記下名稱再刪除;不過,仍得小心別誤刪法規要求保留的日誌。

  16. Dev.to Top Tech59

    S3 如何用 AWS CDK 和預先簽署網址,讓瀏覽器可靠上傳大型檔案

    大檔案如果一次上傳,網路中斷後可能得從頭重來,沒傳完的檔案也會繼續佔用 S3 空間。作者示範用 AWS CDK 和 TypeScript 建立分段上傳流程:瀏覽器把檔案切成小段,透過各自的預先簽署網址直接傳到 S3;伺服器先訂好每段大小,完成前再檢查每段是否都已上傳。以 3 GiB 檔案為例,採用 16 MiB 分段時會分成 192 段,失敗時可以重傳單段。文章也說明如何自動清除中斷後留下的檔案,避免持續產生儲存費用。

  17. Dev.to Top Tech62

    如何替 AI 助理估算 GPU 任務的實際費用

    只看 GPU 的每小時價格,常會低估一項任務最後要付的錢。文章提出一套估算與檢查方法,把計費門檻、環境準備、模型下載、執行、輸出儲存,以及可能的儲存和傳輸費用都算進去;費用不確定時要明白標出。開始使用前,先讓人確認報價、支出上限、要上傳的資料和輸出位置。若啟動結果不明,先查原本的資源狀態,避免重試時多開一臺而重複付費。完成後也要確認輸出資料和資源已正確儲存、釋放。

  18. Dev.to Top Tech44

    如何保護 VPS 上自行架設的 AI 助理

    AI 助理會讀網頁、信件等文字,也可能照著其中藏著的指令行動;如果它還能執行程式、使用 API 金鑰或花錢,就可能洩漏機密、亂花費用,甚至刪錯資料。文章建議把它放在獨立 VPS,使用沒有管理許可權的專用帳號,並用 systemd 限制它能修改的資料夾和記憶體用量。金鑰要放在只有助理帳號能讀取的檔案裡,也要設定花費上限;刪資料、匯款或推送程式碼等重要操作,則先請人確認。 提示注入目前沒有可靠方法能完全擋下來,所以重點是讓出事時損失有限。例如,若助理只能修改自己的工作資料夾,就算被騙去執行刪除指令,也不至於動到其他資料。這些做法無法讓 AI 助理變得能盲目信任,但能把可能造成的損害控制在較小、較容易復原的範圍內。

  19. Dev.to Top Tech49

    一週測了 22 次、記下 23 個問題:哪些是服務的錯,哪些是測試自己的錯?

    一週串起多個服務做驗收,最後 22 次測試共記下 23 個問題:11 個在資料收集程式、4 個在設定、3 個在其他服務,還有 5 個出在測試流程本身。像是測試重用用完的情境,第二次重跑就失敗;或拿舊版程式來判斷修正結果,讓通過的專案看起來變少。作者也發現,一家服務測試通過,不代表另一家也沒問題,因此要分開檢查。把測試自己的錯也記下來,並讓其他服務的問題留在清單上,才能看清問題到底在哪裡。

  20. Dev.to Top Tech48

    如何找出 SQLAlchemy 工作階段沒關閉、導致連線池耗盡的問題

    網站處理請求時,如果程式中途出錯,忘了關閉 SQLAlchemy 工作階段,資料庫連線就可能一直被佔著;同時有太多請求時,連線池會用完,服務也可能因此停擺。只靠工程師手動檢查程式碼,很容易漏掉這種問題。 作者做了一個 Python 程式碼檢查工具,會找出沒有用 try...finally 關閉工作階段,也沒有用 with 管理的寫法,並在報告中標出問題檔案和行數。把它放進 CI 流程,就能在有問題的程式碼上線前先擋下來,減少連線耗盡造成的服務故障。