跳到正文

#教學/實務

RSS
今日 106 則
11月20日週五
  1. Dev.to Top Tech55

    Google 試算表怎麼比對兩張工作表,找出不同的資料

    兩張 Google 試算表看起來相似,數量或品名卻可能不同;如果資料順序也不一樣,直接逐格比對還會把許多列誤認成差異。這篇教學整理了幾種用公式找差異的方法:資料排列相同時,可以逐格比對;順序不同時,可以用品名等欄位找出另一張表沒有的資料,也能列出整列不相同的專案。文中用「Banana」數量不同和「Date」拼成「Dates」的例子,說明多餘空格、文字格式的數字也會影響比對結果。

  2. Dev.to Top Tech43

    NVLink 和搭配 CXL 的 PCIe 怎麼選?一邊追求 GPU 高速互連,一邊重視記憶體共享

    AI 叢集裡的晶片除了要會運算,彼此也得夠快地交換資料。NVIDIA 的 NVLink 讓多張 GPU 高速互通,適合集中使用同一家廠商硬體的訓練工作;搭配 CXL 的 PCIe 傳輸較慢,但能讓 CPU、加速器和記憶體更方便地共享資料。文中舉例,單張 GPU 的 NVLink 雙向頻寬約 900 GB/s,PCIe 5.0 x16 則每個方向約 64 GB/s。選哪一種,要看工作最需要速度、記憶體容量,還是不同廠商硬體一起使用的彈性。

  3. Dev.to Top Tech38

    PurrTrack 如何用 React + Firebase 擴充網頁版,並處理 AI 辨識貓食包裝的限制

    用手機記錄貓咪吃了多少、體重變化很方便,但多貓家庭要分配食物、計算自製食譜,手機畫面就不太好操作;每次更新還得等多個 App 商店審核。PurrTrack 保留輕巧的 Flutter 手機版,另外用 React 和 Firebase 做網頁版,讓兩邊共用會員和訂閱,也能同步資料。像是一次替多隻貓記錄餐點、檢視 7、14、30 天的熱量與體重變化,都能在網頁上處理。 作者也試過用 AI 拍照讀取貓食包裝上的熱量和成分,但小罐頭的標示會繞著罐身,亮光也可能遮住小字,讀錯熱量會影響餵食計算。因此,掃描只當作輔助,使用者確認食物資料後,系統再依照記錄好的數字計算。這個做法讓 AI 幫忙省事,同時避免把不可靠的辨識結果直接當成營養資料。

  4. Dev.to Top Tech68

    FFmpeg 如何替直式影片加黑邊,保留完整畫面比例

    直式影片要放進 16:9 畫面時,直接拉成 1920×1080 會讓人物變寬,裁切則會切掉畫面上下部分。作者用 FFmpeg 示範先等比例縮小影片,再把它放到 1920×1080 畫布中央,兩側補上黑邊。文中的測試確認成品保留原本畫面比例,AAC 音訊不變,片長也和原片接近。這個做法適合需要完整保留直式畫面的情況。

  5. Dev.to Top Tech61

    Unicode 正規化教學:為什麼看起來相同的日文件名比對不起來

    有些日文看起來一模一樣,電腦裡的字元編碼卻可能不同,讓搜尋或檔名比對失敗。文章用 Python 說明 NFC 和 NFD 會用不同方式表示「が」:一種用一個字元,另一種拆成兩個,因此直接比較會得到不相同的結果。不同作業系統處理檔名的方式也不同;例如文中測試的 APFS 能用其中一種形式找到另一種形式建立的檔案,但程式自己的字串比較仍可能失敗。作者建議在比對或建立索引時,先把文字統一成 NFC,並另外保留原始檔名;NFKC 雖能統一部分相似字形,也可能改掉原本內容。

  6. Dev.to Top Tech39

    Astral UV 如何加快 KVM VPS 上的 Python 建置並減少記憶體用量

    在記憶體不多的 KVM VPS 上建置 Python 服務,pip 和 Poetry 可能要花很久整理套件,也會吃掉不少記憶體,讓伺服器因記憶體不足而中斷。作者改用 Astral UV 管理 Python 版本和套件,並透過共用快取重用已下載的資料。以一個有 48 個直接依賴套件的 FastAPI 服務為例,沒有快取時,安裝時間從 pip 的 84.2 秒降到 4.1 秒,記憶體用量則從 410 MB 降到 42 MB。作者表示,整個 CI/CD 建置流程也從 4.5 分鐘縮短到 22 秒,讓部署更快,也減少 VPS 因記憶體不足而當機的情況。

  7. Dev.to Top Tech57

    Debian 穩定版 Java4Shell 尚未修好,文章教你檢查與暫時緩解

    Debian 12 和 13 的 OpenJDK 套件仍受 Java4Shell 影響,平常用 apt 更新也不會解決;修正版當時已在 sid 提供。漏洞只會在同時具備特定處理器指令的 x86-64 電腦上觸發,ARM64 不在文章所述範圍內。文章說明如何確認處理器、套件版本和各個 Java 服務實際使用的 JVM,並提供兩種做法:替服務關閉有問題的 Base64 功能,或改用已修補的 Temurin。若服務內含自己的 JVM,單看系統預設的 Java 版本可能不夠。

  8. Dev.to Top Tech49

    光子運算和電子運算怎麼分工?資料跑遠路時,光比電線省力

    電腦算得快,資料在晶片裡跑來跑去卻很耗時間和電力。光子運算用光傳資料,適合跑長距離、搬大量資料;電子運算則擅長計算、記憶和短距離傳送。舉例來說,晶片之間或資料中心的連線,用光可以同時傳多種波長,速度快、每個位元耗電也較低;但在晶片內幾毫米的短線上,產生和接收光的額外成本可能更高。 所以實際做法是讓光負責搬資料,電子元件負責計算和記憶。兩者來回轉換太頻繁,雷射和轉換過程就會吃掉省下的電力;光子零件也較大,製造和設計成本較高。光不會取代電晶體,而是有機會取代長距離傳資料的電線。

  9. Dev.to Top Tech53

    CAM 和 SRAM 搜尋怎麼選?看懂網路交換器的速度與成本

    網路交換器得快速找出符合 IP、MAC 位址或規則的資料,普通記憶體要逐筆查詢或靠演演算法搜尋。CAM 會同時比對所有專案,TCAM 還能用「不在意」的位元表示萬用規則,因此可在一個時脈週期內回報結果;但每個位元需要額外比對電路,晶片面積和耗電都高,更新資料也比較麻煩。SRAM 比較省空間,資料更容易增減,但搜尋可能需要多次讀取,或在資料量大時花很多週期。文章用交換器查詢路由和存取規則為例,說明只有必須在固定時間內完成的查詢,才值得使用 CAM;其他資料通常更適合放在 SRAM。

  10. Dev.to Top Tech65

    Fluency Lab 教你建立會自動更新的 TTS 發音字典

    診所的電話問候就算能正常播放,姓名、藥名或地名念錯,還是會造成困擾;要改發音,往往得請開發者更新設定。Fluency Lab 範例讓員工用簡訊送出更正,由每間診所專用的程式角色檢查內容、更新發音字典,再重新產生問候音訊。遇到多人同時修改時,它會先讀取最新內容再重試,避免漏掉別人的更新;系統也會定期產生音訊並比對檔案是否改變。不過,比對結果只能看出音訊是否不同,不能判斷念得好不好,面向病患的發音仍應由合適的人員確認。

  11. Dev.to Top Tech37

    AI 要在整個團隊用得起來,關鍵不只是換更強的模型

    一個人用 AI 做事不難,難的是讓整個團隊每天都願意用;卡關的地方常常不是模型不夠強,而是工具和大家原本的工作方式合不來。作者認為,團隊需要在共用的頻道和討論串裡看見彼此怎麼下提示詞、檢查結果和修正內容,也要把重複雜事交給 AI 處理,重要決定仍由人來做。像是先請 AI 重做一天的電子郵件,再要求加上方便比較差異的畫面;試出有用的方法後,就把它整理成團隊能重複使用的程式或檢查流程。工具若能集中處理登入和安全設定,並配合團隊熟悉的聊天、檔案和專案方式,就更容易讓不同職務的人一起用。

  12. Dev.to Top Tech46

    WebAssembly 和容器怎麼隔離不信任的程式?比較速度、安全與相容性

    外來程式可能藏在外掛、雲端函式或別人寫的程式碼裡,放進自己的系統執行時,得先想好怎麼避免它亂動。容器像是替程式準備一套獨立的 Linux 環境;WebAssembly(Wasm)則把程式放進受限制的空間,只有主機明確開放的檔案或網路功能才能使用。 兩者各有適合的工作:容器能直接執行大多數 Linux 軟體,工具也成熟;Wasm 啟動快、佔用空間較少,適合短時間執行的小程式和外掛。例如每次收到請求才啟動的雲端函式,Wasm 可能只要幾微秒,容器通常要數十到數百毫秒。不過,Wasm 能不能安全隔離,還得看主機開了哪些許可權;要跑大型或既有軟體時,容器通常更方便。

  13. Dev.to Top Tech42

    用 AMD 和 DGX Spark 打造在地 RAG 系統,搜尋實驗室筆記與簡報

    實驗室的筆記和簡報散落在許多檔案裡,找到答案後也常得再花時間確認出處。作者做了一套在地 RAG 系統,能搜尋 Markdown 筆記和 PowerPoint,也會標出答案來自哪個檔案、哪一行或哪張投影片。簡報裡的圖表會先由 Gemma 4 31B 寫成文字說明,讓系統也找得到圖上的內容。 測試時,研究人員用日文和英文問兩個問題:CSV 檔放在哪裡,以及某個磁碟目前還有多少空間。系統都找到了相關資料;回答第一題時附上能支援答案的出處,第二題則沒有亂猜空間數字,因為筆記無法證明目前的容量。這讓研究人員不只拿到答案,也能回到原始資料查證;圖表說明則能幫忙找到投影片,細節仍要開啟原圖確認。

  14. Dev.to Top Tech61

    作者找出 Mac 因 555 個閒置 MCP 伺服器卡住的原因與解法

    Mac 跑起程式開發用的 AI 助理後變得很卡,作者原以為是 npm exec 沒有正常關閉伺服器,查過程式後才發現,真正原因是 94 個仍開著的工作階段各自啟動 MCP 伺服器,總共留下 555 個程式。作者建議把伺服器設定移到各專案,工作完成後關閉工作階段;他也用 Prismor 列出伺服器的使用情況,清掉閒置專案。清理 373 個程式後,他的 Mac 交換空間從 38.3 GB 降到 17.2 GB,開著的工作階段仍可繼續使用。

  15. Dev.to Top Tech39

    Aider 依任務挑 AI 模型,省下不必要的費用

    用 Aider 寫程式不用付費,但每次傳送訊息都會附上程式庫地圖、加入的檔案和聊天紀錄,因此帶進去的資料越多,模型費用也可能越高。作者建議依工作挑模型:小型修改可用中階模型,大型功能交給高階模型規劃、再由中階模型動手;整理檔名等大量固定修改則可用低成本模型,但要仔細檢查結果。平常也可設定較便宜的模型處理摘要和提交說明,只加入需要修改的檔案,完成後移除,並在不同任務間清空聊天紀錄。便宜模型若同一處修改需要超過約 3 次提示才能修好,作者就會升級模型;因為省下的模型費用,可能抵不過浪費的時間。

  16. Dev.to Top Tech40

    PostgreSQL 大型資料清理怎麼做?用排程發工作、讓工作者分批刪除

    一次刪掉大型資料庫裡的資料,可能花太久,讓排程工作卡住;如果中途失敗,從頭重跑也會浪費資料庫資源。這篇文章建議讓排程只負責開始工作,再把工作切成有固定範圍的小任務交給工作者處理;每個任務完成後記錄結果,失敗時只重試那一小段。 例如,清理某家付款服務商的資料時,可以按商家和日期範圍分批處理。即使同一批工作重送,系統也能認出已完成的部分,不必整張資料表重跑。這種做法能控制資料庫負擔,也讓換排程或佇列服務時比較容易保留原本的清理流程;但如果工作有很多前後依賴,文章建議改用 Temporal 或 Airflow 這類工作流程工具。

  17. Dev.to Top Tech72

    如何防止 AI 助理被表格裡的隱藏指令騙去寄信

    AI 助理讀取表格、網頁或 GitHub issue 時,可能把裡面的惡意文字當成指令,進而呼叫工具外寄資料。作者分享自己檢查內部 AI 助理時遇到的案例,並整理幾種防護方式:把外部內容清楚標成不可信,讓程式檢查工具呼叫;只要工作內容包含外部資料,寄信或傳送資料等會改變外部狀態的動作,就先請人確認。即使這些措施都沒擋住,也要限制憑證許可權、避免把金鑰放進提示詞,並限制 AI 助理能連線的網站,降低資料外洩的影響。

  18. Dev.to Top Tech61

    Node.js 客服知識庫為什麼用追蹤比只看記錄更容易找出問題

    客服知識庫明明搜尋速度很快,卻可能把已過期的退款規定放進答案;只看分散的記錄,很難查出是哪一步出了問題。作者在 Node.js 服務中比較兩種做法:每一步各寫一筆記錄,或讓同一張客服單的資料處理和搜尋步驟連在一條追蹤紀錄裡。這樣可以沿著文章版本、索引、篩選和排序,查出舊資料在哪裡被選中。追蹤資料也要遮蔽客服訊息、限制存取,並留意儲存成本;小型單機原型用記錄和少量指標可能就夠了。

  19. Dev.to Top Tech55

    金融研究儀錶板如何避免翻頁時重複或漏掉資料

    金融研究儀錶板更新索引時,分析師可能在下一頁看到重複資料,或找不到剛才看過的檔案。作者建議每次搜尋固定使用同一份索引快照,並用遊標記住分頁位置;索引更新期間,新搜尋可使用新版,進行中的搜尋則繼續讀舊版。搜尋時先多找一些候選資料、去掉近似重複項,再依遊標分頁。這樣能重現當時的結果並查明問題來源,但保留舊索引和額外排序會增加儲存需求與延遲。

  20. Dev.to Top Tech64

    eBPF 教學:用 libbpf 檢視 TCP 連線延遲

    後端服務連資料庫、呼叫其他服務時,如果 TCP 連線變慢,光看總耗時不容易知道問題在哪裡。這篇教學用 eBPF 追蹤連線開始與收到回應的時間,再透過 libbpf 把延遲、程式名稱和連線位址等資訊整理到使用者空間顯示。例子中,工具列出 wget 和 ssh 連線的延遲,方便開發者找出哪些連線比較慢,作為網路效能分析與故障排查的線索。

  21. Dev.to Top Tech56

    遠端工程師報到前,如何準備裝置、帳號和許可權

    遠端工程師第一天卡住,常是因為 VPN、程式碼存放庫或雲端許可權還沒準備好。作者整理了一套報到前的做法:先指定裝置、帳號和各種許可權的負責人,再把電腦設定好、依工作需要開通帳號,並在新人登入前實際確認 VPN、存放庫和必要許可權都能使用。最後,把硬體資訊、登入方式、第一天要做的事和求助物件放進一份簡短檔案。每次新人報到後再補上遇到的問題,能減少等待,也避免一開始就給太多許可權。

  22. Dev.to Top Tech68

    作者示範用 Go 和 WebAssembly 在瀏覽器檢查 webhook 簽章

    把 webhook 內容和簽章金鑰貼到線上工具,可能會讓機密資料離開自己的電腦。作者做了一個簽章檢查工具,讓 Go 程式編譯成 WebAssembly,直接在瀏覽器裡比對內容和金鑰,並顯示通過或失敗;金鑰不會離開瀏覽器分頁。工具支援 Paystack、Stripe、GitHub 和一般 SHA-256、SHA-512,也能檢查 JSON 格式。作者接著示範把檔案部署到 Brimble 靜態網站,並分享用純 Go 套件、簡單的瀏覽器介面和自動部署來重用這種做法。

  23. Dev.to Top Tech62

    Automaton 用發布前檢查,避免文章白白浪費每日發布機會

    每天最多隻能發布一篇文章時,網址撞到舊文章就可能讓當天的發布機會白白浪費。Automaton 做了一個發布前檢查工具,每次送出文章前都會查帳號上的即時資料:確認今天是否已經發布文章,也比對草稿的 canonical_url 是否和舊文章重複。若今天的名額已用完,工具會指出是哪篇文章佔了名額,以及何時才能再發布;若網址撞上,也會指出是哪篇舊文章。作者還用它找到一篇帶有外部網站網址的草稿,避免日後發布時才被 API 拒絕。

  24. Dev.to Top Tech65

    如何在 Entra ID 防範 OAuth 同意釣魚,找出並撤銷惡意應用程式授權

    OAuth 同意釣魚不會偷走密碼,而是誘使使用者在真的 Microsoft 登入頁面替陌生應用程式按下同意,所以多因素驗證可能照常通過。作者說明,取得授權的應用程式可用權杖存取郵件或檔案;只重設密碼,不能撤銷這項授權。文章示範如何限制使用者同意應用程式、設定管理員審核流程,並用 KQL 搜尋可疑的郵件或檔案許可權。若已發生授權,還要刪除授權、停用應用程式、撤銷使用者工作階段,並檢查信箱規則與存取紀錄。

  25. Dev.to Top Tech58

    研究指出養成習慣中位數約需 66 天,「21 天定律」源自誤讀

    很多人聽過「21 天就能養成習慣」,做不到時可能以為是自己不夠努力。作者整理多項研究,指出這個說法不是習慣研究的結論;一項研究中,符合分析條件的 39 人,養成習慣的中位數是 66 天,個人時間從 18 到 254 天不等。研究也發現,漏做一天不會明顯打亂養成過程。作者建議把練習接在每天固定會做的事後面,例如開啟筆電後先解一道題,並把練習縮小到忙碌時也做得到。

  26. Dev.to Top Tech67

    Deurenberg 體脂公式的 JavaScript 實作教學:哪些情況不該相信估算結果

    BMI 計算器加上體脂估算看似只要一行公式,但結果可能讓人誤以為非常準確。作者用 JavaScript 實作 Deurenberg 公式,並說明怎麼檢查輸入、何時不顯示結果,以及如何在畫面上提醒使用者。這個公式根據 BMI、年齡和性別估算體脂,研究中的誤差約為 4 個百分點,也無法分辨肌肉和脂肪;作者因此建議把結果標成估算值,避免拿它替個人設定目標體重。

  27. Dev.to Top Tech70

    作者用純 Luau 實作 ML-KEM,讓遊戲指令碼語言也能做後量子金鑰交換

    Luau 沒有 64 位元運算,實作需要大量此類運算的後量子密碼因此很不容易。作者用純 Luau 寫出 ML-KEM,涵蓋三種參陣列,約 400 行程式碼且不需額外相依套件。為了加快運算,他把 64 位元資料拆成兩組 32 位元資料處理,也用查表和重用暫存空間減少工作量。作者列出的測試中,ML-KEM-768 產生金鑰、封裝與解封裝分別約需 506、545 和 594 微秒;完整金鑰交換約需 1.1 毫秒。文章也說明密碼實作很難靠表面結果找出錯誤,因此必須逐層檢查。

  28. Dev.to Top Tech49

    Shopify 訂單和 Stripe 撥款對不起來?用這套方法快速核對

    Shopify 記錄的是訂單總額,Stripe 撥款則已扣掉手續費,而且款項可能分批入帳;退款和爭議款也會晚些時候才結算,所以每次對帳都很花時間。這套方法會用金額、日期和撥款說明裡的訂單編號,幫每筆 Shopify 訂單尋找可能對應的 Stripe 撥款:金額可差 2% 以內,日期可差 3 天。還有一個在瀏覽器裡本機執行的小工具,讀取兩邊的 CSV 檔後,列出已配對和仍待查的資料,讓每月要核對 100 多筆訂單的商店少花不少時間。

  29. Dev.to Top Tech53

    Marketplace 如何在正式流量下安排定期資料清理

    定期清理資料時,排程器準時啟動,不代表工作一定順利完成;大量刪除也可能拖慢顧客使用的服務。文章以 Marketplace 每週摘要的過期資料為例,建議把清理工作切成有限大小的批次,並讓重複執行也不會多刪資料。若工作只需在單一資料庫執行 SQL,可先把排程放在資料庫旁;若要使用應用程式規則、跨服務協調或獨立管理重試,再考慮應用程式工作者或外部排程器。比較時要同時觀察工作延遲、資料庫負載和維運成本,並在顧客流量與延遲補跑時一起檢查。

  30. Dev.to Top Tech65

    Python 教學:避免 AI 助理重試工具時重複寄信或扣款

    工具呼叫逾時時,程式可能以為操作沒成功而重試,但服務其實已寄出郵件或完成扣款,結果同一件事做了兩次。作者用 Python 標準函式庫整理一套處理方式:重試時加入隨機延遲,服務故障時先暫停呼叫,並讓同一件工作的每次嘗試共用同一組冪等鍵,避免重複執行。多次失敗的工作會先存進死信佇列,等服務恢復後再用原本的鍵重試。文中的測試用虛擬時鐘,不必連網或使用 API 金鑰,就能重現測量結果。

  31. Dev.to Top Tech39

    Muffle 如何打造不靠雲端的 Android 自動靜音 App

    忘記把手機轉成靜音,在會議、教室或祈禱場所都可能讓人尷尬;但靠自己記得切換,也常常會失手。作者因此打造了 Muffle,讓 Android 手機依時間或所在位置自動切換音量模式,所有資料和判斷都留在手機裡,不必連上雲端。 Muffle 用 Android 的系統功能安排時間觸發,也會在手機重新開機後重新設定;位置判斷則在手機本機完成。不過,Android 省電模式可能延後背景工作,作者得調整鬧鐘設定並處理電池最佳化限制。這個例子說明,讓 App 不依賴雲端能減少隱私疑慮和伺服器故障問題,但仍得面對手機系統對背景工作的限制。

  32. Dev.to Top Tech60

    Aider 怎麼檢查 AI 改的程式?作者分享 Git 流程和復原方法

    讓 AI 助理改程式時,最讓人不放心的常是改了什麼、出錯後怎麼復原。作者分享自己使用 Aider 的 Git 流程:開始前先提交或暫存自己的修改,再為每個任務開一個分支;修改過程中用 /diff 逐段檢查變更,並親自跑測試。若改錯了,可以先用 /undo 撤回 Aider 的上一筆提交;較早的錯誤提交可用 git revert <hash> 保留紀錄地撤回,git reset --hard <good-hash> 則會刪除目標版本之後的本機歷史,使用前要確認。這樣每次修改都比較容易檢查,也有清楚的復原路徑。

  33. Dev.to Top Tech61

    遊戲付款提醒怎麼寄才可靠?用佇列控管寄送速度與重試

    夜間一次找出大量到期付款提醒時,如果直接寄出電子郵件和簡訊,可能撞上服務商的速度限制,也難以確認哪些通知真的送到。作者建議先由排程找出到期專案,再分批放進佇列,讓工作者依服務商和租戶的限制逐筆寄送,並記下每次嘗試的結果。若請求逾時,系統應標記為結果不明,不能當成已送達,也不能直接重寄;要先查核服務商紀錄,避免玩家收到重複通知。文章也提醒,佇列收到工作不代表服務商已接受通知,必須留下可追查的紀錄,才能安全處理失敗與重試。

  34. Dev.to Top Tech72

    Claude Code 如何保留可靠的工作記憶

    AI 助理記下的工作資訊,可能因期限變動、不同對話互相矛盾,或把猜測當成事實而慢慢出錯。作者分享一套不用寫程式的做法:每筆資訊標出來源、確認狀態和核對日期;由單一管理者整理各次對話提出的修改;舊資料移到封存檔,方便查回或還原;每週再拿記憶和郵件、行事曆等原始資料比對。作者在自己的設定中檢查 22 筆資訊,發現 4 筆確實過時。這些方法能讓錯誤更容易被發現,也提醒 AI 助理把郵件和檔案中的行動要求當成資料,不要自行執行。

  35. Dev.to Top Tech58

    作者分享 Mac 終端機設定,用 9 種工具處理日常開發工作

    剛換新 Mac 開啟終端機時,畫面很簡單,也不容易看出目前在哪個專案或 Git 分支。作者依照日常操作順序,整理了 9 種工具:Ghostty 負責終端機視窗,Starship 顯示目錄和分支,zoxide 和 fzf 幫忙找資料夾、檔案與指令,lazygit 用來整理 Git 修改,Claude Code 和 Codex CLI 協助處理程式工作,TokenBar 檢視不同工具的用量與重設時間,Raycast 則方便切換視窗。作者也列出安裝方式與費用,讓讀者能按自己的工作習慣挑選工具。

  36. Dev.to Top Tech46

    React 電子郵件欄位如何避免錯誤訊息讓畫面跳動

    登錄檔單輸入 email 後才冒出錯誤訊息,常會把下面的按鈕往下推;改好後訊息消失,畫面又彈回去,讓人看錯位置,也可能按錯按鈕。做法是在欄位下方先留好放提示文字的空間,沒有錯誤時顯示格式說明,有錯誤時再說清楚要怎麼改。React 表單也要讓螢幕閱讀器知道欄位出了什麼問題,並避免每打幾個字就一直朗讀提醒。這樣能讓畫面穩定,也讓不同方式操作表單的人都看得懂狀態。

  37. Dev.to Top Tech59

    如何用 Amazon Bedrock AgentCore CLI 部署第一個 AI 助理

    遇到服務問題時,常得先查清楚是自己的系統出錯,還是 AWS 某個區域出了狀況。作者帶著讀者用 Amazon Bedrock AgentCore CLI 做一個簡單的 AI 助理,查詢 AWS Health Dashboard 的公開資訊,並可依區域篩選事件。文章從建立專案、在本機執行到部署上線,也示範如何檢視追蹤紀錄,瞭解模型何時呼叫工具、傳了什麼內容。作者提醒,AWS 資源會依使用量計費,部署前要準備好帳號許可權,完成後也要清理資源。