跳到正文

#部署/工程

RSS
今日 40 則
11月14日週六
  1. PyTorch Core Releases55

    PyTorch 更新 NCCL Extensions 版本,並調整建置條件

    PyTorch 更新了 NCCL Extensions 的來源版本,並調整 NCCL-EP 的建置條件:沒有指定架構清單時,就不建置 NCCL-EP。更新說明也提到 NCCL-EP v0.3 已推出,加入 Vera Rubin 支援,並改善 NVLink 資料傳送與合併等功能。這次變更主要是更新 PyTorch 使用的來源版本,並讓建置依架構設定進行。

  2. Microsoft ONNX Runtime Releases73

    ONNX Runtime CUDA Plugin EP 0.4.0 加入 CPU 與 GPU 混合執行 MoE 模型

    大型 MoE 模型的專家層可能超出 GPU 記憶體容量,讓模型難以執行。ONNX Runtime CUDA Plugin EP 0.4.0 新增 CPU 與 GPU 混合解除安裝功能:放得下的專家留在 GPU,其他專家改由 CPU 處理,也能在執行過程中把常用專家移到 GPU。這項功能需要搭配 ONNX Runtime 1.32.0;版本或運算元格式不相符時,可能造成執行錯誤或程式崩潰。更新也加入直接執行 GGUF 等區塊量化權重的運算元,以及長上下文和推測解碼加速。

    推薦理由:這次更新把 MoE 模型的專家層分散到 CPU 與 GPU 執行,也補上多種量化格式支援,能協助評估 GPU 記憶體不足時的部署選項。

  3. Dev.to Top Tech62

    eBPF 教學示範如何追蹤檔案開啟,並依 PID 篩選

    想知道哪個程式正在開啟檔案,可以用 eBPF 在 Linux 核心中追蹤相關的系統呼叫。這篇教學示範如何監看 sys_openat,並用全域變數設定要追蹤的 PID;設為 0 時會記錄所有程式,指定 PID 後就只記錄該程式。篩選在核心中進行,能略過不需要的事件;作者也示範用 eunomia-bpf 編譯、執行程式,並檢視追蹤結果。

  4. Dev.to Top Tech55

    作者分享如何修正工業掃描器把兩個條碼讀成交錯數字的問題

    倉庫掃描包裹時,掃描器可能同時讀到同一張標籤上的兩個條碼,讓兩組數字交錯輸入,產生錯誤的追蹤碼。作者分享一個 TypeScript 做法:等掃描完成後,把字串拆成奇數與偶數位置的兩組,再檢查其中一組是否是另一組的開頭;符合條件時就取出完整追蹤碼,有歧義時則保留原始內容。這讓軟體能在裝置端整理輸入,也避免只靠特定物流業者的編碼規則。

  5. Dev.to Top Tech46

    C++ 列方向走訪為什麼比列方向慢?一次看懂記憶體存取順序的影響

    同樣把矩陣裡的數字加總一遍,只改變程式走訪資料的順序,速度可能差很多。因為 C++ 會把同一列的資料排在一起,照著一列一列讀,電腦就能順手用到附近已經載入的資料;改成一欄一欄讀,就得在相隔很遠的位置之間跳來跳去。作者用一個 8192 × 8192 的矩陣測試,列方向走訪花了 9.31 ms,欄方向走訪花了 422.74 ms,慢了 45.41 倍,而且兩種走法算出的總和相同。這提醒我們,程式跑多快不只看做了多少運算,資料怎麼排列、怎麼讀也很重要。

  6. Dev.to Top Tech52

    Oladapo Israel 整理 33 個 Linux 指令,帶你熟悉 DevOps 常用操作

    剛接觸雲端與 DevOps 時,Linux 終端機裡的指令常讓人不知道從哪裡開始。Oladapo Israel 整理了 33 個常用指令,從檢視資料夾、搬動檔案和修改許可權,到搜尋文字、檢查系統狀況、測試網路與連線到遠端伺服器都有介紹。例如,tail -f 可以持續顯示日誌的新內容,方便檢視程式正在發生什麼事。文章也提醒,刪除資料的 rm -rf 要小心使用;熟悉這些操作能幫助讀者練習日常的 Linux 管理工作。

  7. Dev.to Top Tech63

    如何用每月 $1 的 NAT VPS 讓 Discord Bot 24 小時運作

    Discord Bot 會主動連上 Discord,不需要自己的 IPv4 位址,因此可以放在共用 IPv4 位址的 NAT VPS 上運作。作者示範如何建立 Bot、把程式放到 Debian 或 Ubuntu 伺服器,再用 systemd 讓它開機後自動啟動,當程式中斷時也會重新啟動。文中使用 natbox.io 每月 $1 的方案,也提醒 Bot 不需要對外開放連線埠,並說明伺服器不支援 Docker,對外寄信則要改用 HTTPS 郵件 API。

  8. Dev.to Top Tech46

    如何確認 Oracle Database 19c 的 CDB 和 PDB 都已正確套用更新

    更新資料庫後,只看到修補程式安裝成功,還不夠;SQL 更新可能沒有套用到每個資料庫容器,PDB 也可能仍是關閉狀態。這份指南示範如何分別檢查 Oracle Home 裡的程式檔、資料庫中的 SQL 更新,以及 PDB 是否能正常開啟、重新啟動後也會維持開啟。 範例使用 Oracle Database 19c Release Update 19.32,檢查結果顯示 CDB 根容器和測試用 PDB 都已成功套用 SQL 更新,PDB 也處於可讀寫狀態,並存好了開啟設定。不過,範例沒有提供 Oracle Home 的修補清單,因此不能據此確認程式檔也已更新;更新成功也不代表應用程式一定能正常運作。

  9. Dev.to Top Tech53

    作者如何用 Cloudflare Workers、D1 和 R2 打造可查證的 InGulfJobs 求職網站

    波灣地區的求職廣告很多,但求職者常難以確認招募公司和職缺是不是真的。作者打造 InGulfJobs,要求每則職缺都附上招募公司執照和該職缺的許可編號,查不到就不刊登;網站用 Cloudflare Workers、D1 和 R2 執行。他也分享兩個上線問題:每頁重算職缺分類數量,讓資料庫讀取量跟著流量增加;職缺頁的結構化資料則漏了 Google 建議的欄位。作者透過快取減少重算,並補上資料欄位。這個做法讓查證成為刊登流程的一部分,也提醒架站時要一併規劃資料維護和搜尋曝光。

  10. Dev.to Top Tech38

    S3 分割方式會拖慢 Athena?用 Iceberg 整理小檔案

    把資料一筆一筆寫進 S3,久了可能累積成數千個小檔案。Athena 查資料時得先逐一檢視檔案資訊,光是找檔案就可能花掉很多時間,還會增加掃描費用。文章建議用 Apache Iceberg 管理資料表,讓 Athena 依日期找資料,並把小檔案合併成較大的檔案;例如可把檔案整理到 128MB 左右,讓查詢更順。整理也需要額外運算費用,因此資料量不到 100GB 時,管理成本可能比速度提升更不划算。

  11. Hacker News (official RSS)70

    OpenOrange讓Cloudflare Workers能在自選雲端執行

    使用Cloudflare Workers時,Durable Objects 長時間運作和資料寫入可能增加費用,也會受執行環境限制。Rivet推出開源工具OpenOrange,讓Cloudflare Workers能在AWS、Google Cloud、Azure或自有伺服器執行,並沿用原本的Wrangler設定與指令。作者列出的價格比較中,Durable Objects運算費用約低4.8倍,SQLite資料寫入約低5.7倍;實際花費會依工作負載而變。遷移時,Durable Objects可在服務持續運作下搬移,D1則會中斷幾分鐘。

  12. Dev.to Top Tech68

    systemd-networkd 實用教學:讓 Linux 的 IP 位址設定在重開機後保留

    用 ip addr add 加上的 IP 位址,可能在重開機或 systemd-networkd 重新設定網路時消失,因為位址沒有寫進 networkd 管理的設定檔。文章說明 .link、.netdev 和 .network 各自負責什麼,並示範如何設定固定 IP、DHCP 和網路橋接。設定檔會依檔名排序,第一個符合網路介面的檔案會生效;可以用 networkctl status 檢視目前是哪個檔案。修改後要先重新載入設定,遠端調整網路也可能中斷 SSH 連線。文中範例依 systemd 257.13 檢查,並提醒在重開機後確認設定仍有效。

  13. Dev.to Top Tech75

    作者分享 AI 助理部署出錯的 5 種情況與防護方法

    多個 AI 助理同時改程式和部署時,問題可能出在共用狀態,而不是程式碼本身。作者讓 AI 助理替自己的內部工具寫程式、檢查並部署,遇過部署記錯版本、把別人的未完成修改一起提交,以及測試意外終止其他程式等狀況。他的做法包括在建置開始時記下版本、逐一選出要提交的檔案,並讓測試使用暫存的程式資料。文章也提醒,檔案或資料夾還在,不代表服務真的正常;工作突然一起失敗時,應檢查共用的登入狀態等環節。

  14. Dev.to Top Tech72

    Rails API 教學:找出並避免 N+1 查詢拖慢使用者

    Rails API 在資料變多後可能突然變慢,常見原因是每筆資料都額外查好幾次資料庫。這篇教學用訂單清單說明,原本 200 筆訂單會產生 801 次查詢;改用 preload 載入相關資料後,可降到 5 次。文章也比較 preload、eager_load 和 includes 的適用情況,並示範把加總交給資料庫處理。最後可用 strict_loading 和固定查詢數量的測試,及早發現新功能帶來的問題。

  15. Dev.to Top Tech53

    用 Prometheus 監看 Jenkins 佇列、執行器與建置失敗

    Jenkins 的建置卡住或沒人手可跑時,只看目前畫面不容易知道問題從哪裡開始。這篇教學用 Jenkins 的 Prometheus metrics plugin 收集資料,再用 Grafana 看佇列、可用執行器、離線節點和建置失敗比例,並提供五種 PromQL 告警規則。也可匯入 Jenkins Lite 儀錶板,ID 是 26040,需使用 Grafana 10.0 或更新版本。作者提醒,告警門檻只是起點,要依自己的工作量調整;若 Jenkins 完全沒有回應,指標也可能消失,因此還要留意資料是否中斷。

  16. Dev.to Top Tech59

    AI 專案動工前,Azrty 教你先檢查五道準備關卡

    公司想做 AI,常會先買模型或啟動試辦,卻可能還沒準備好資料、系統和管理方式。Azrty 提出五道關卡,檢查資料能不能讀取、系統能不能串接、裝置是否合用、誰負責管理,以及是否有人能決定預算並追蹤成果。文中的保險公司案例有三關通過、兩關未過,問題是部分理賠資料還是掃描檔案,管理流程也不完整,因此建議先補好資料和管理安排,再投入建置費用。

  17. Dev.to Top Tech60

    如何用模型分流降低正式環境的 LLM API 費用

    正式環境的 LLM API 費用會隨使用量增加;若每個請求都交給最貴的模型,簡單工作也得付高價。作者整理三種分流方法:已知工作型別時直接指定模型;用語意比對或分類模型判斷該用哪個模型;先讓便宜模型回答,答得不夠好再升級。文章以每天 100,000 個問題的案例試算,將一半問題交給較便宜的模型後,每月費用約從 $14,850 降到 $8,151.65。作者也提醒,應先用測試題和部分流量比較回答品質,避免省下費用卻讓答案變差。

  18. Dev.to Top Tech83

    llama.cpp 發布 1.0,為本機 AI 應用訂下 API 穩定規則

    本機 AI 應用常得跟著底層工具的變動修改程式,升級時也可能遇到相容問題。llama.cpp 發布 1.0.0,開始依照版本號說明變更影響:主要版本可以有不相容變更,次要版本維持相容並加入功能,修補版本則只修錯誤。這次也移除了 35 個已淘汰的函式,若應用還在呼叫它們,升級時會無法編譯;開發者需要先檢查並修改程式。新版另加入一些模型支援、伺服器安全修正和語音功能。

    推薦理由:文章整理 llama.cpp 1.0 的 API 穩定規則與移除專案,能幫開發者判斷升級前要檢查哪些程式呼叫。

  19. Dev.to Top Tech55

    教你用 EC2 執行節點分擔 Jenkins 建置工作

    所有建置工作都擠在同一臺 Jenkins 伺服器上時,一次跑好幾個工作就可能變慢,還會讓新工作排隊。這篇教學示範如何把第二臺 EC2 設成 Jenkins 執行節點,讓主要伺服器負責安排工作,執行節點負責建置和測試。你可以用標籤把工作交給合適的節點,也能把不同工作分開同時執行;文章還說明如何限制 SSH 連線來源、存放登入金鑰,以及讓主要伺服器不執行建置工作。

  20. Hacker News (official RSS)64

    DocSpring 分享用 Convox 部署八年的經驗與 AWS 成本

    想把應用程式放進自己的雲端帳戶,又不想一開始就從頭搭建部署平臺,團隊可以怎麼做?DocSpring 作者分享,他們從 Heroku 搬到 AWS 後使用 Convox,先用現成流程部署,再逐步學會調整 Terraform,並為 SOC 2 需求加上自家的存取控管。文中也說明日常部署和維護工作,以及一種三個可用區的 AWS 設定,固定費用估算約為每月 $306,還不含資料庫、流量等費用。作者認為,想在自己的雲端帳戶中使用 Heroku 式部署、又需要隨需求調整基礎設施的團隊,可以考慮 Convox;自行管理也得負責升級、監控與備份。

  21. Dev.to Top Tech72

    AI 助理在背景執行時,如何避免重複寄信和無限重試

    AI 助理在你關掉頁面後繼續工作,若遇到逾時或重新啟動,可能把已完成的動作再做一次,例如重複寄信或退款。作者用 Kafka 背景工作者的經驗說明,應替每個動作設定固定的識別碼,讓接收服務認得重試的是同一件事;也要限制每項工作的重試次數,把一直失敗的工作移到待人工檢視的地方,並留下無法修改的操作紀錄。這些做法能減少重複操作,也方便事後查清 AI 助理做過什麼。

  22. Dev.to Top Tech43

    實用的 AI 試行計畫,最後要做出決定,不能只看展示

    公司想用 AI 省下重複工作,可以先挑一件常做的小事試試看,例如把維修請求分好類,或幫忙整理報價草稿。試之前要先寫清楚哪些資料能用、AI 能做什麼、哪些結果要員工確認,也要記下現在的處理方式和花費的時間,再用實際工作檢查結果是否可靠。 試行結束後,應根據證據決定要在限制內繼續、修改後再試,或停止;如果效果不清楚,就先縮小範圍或整理資料。AI 展示得順利,不代表適合直接拿來處理正式工作;有時用現成產品,甚至簡單的表單,就能解決問題。

  23. Dev.to Top Tech56

    24hTrack 團隊說明跨境包裹為何要分開記錄兩家物流業者

    跨境包裹常由一家業者負責運出,再交給目的地的物流公司送到收件人手上;只在系統裡記一家公司,容易把延誤算錯,也可能因為一段時間沒有掃描紀錄就誤以為包裹出問題。24hTrack 團隊建議把運送過程分成不同路段,分別記下負責業者和追蹤號碼,並依各路段的配送時間判斷是否延遲。業者名稱也不該只靠文字比對,因為拼錯或使用別名時,系統可能就找不到它;可以先用追蹤號碼的格式辨認,並把別名整理成資料。這樣比較容易知道該向誰查詢,也能在沒有新掃描時清楚告訴顧客原因。

  24. Dev.to Top Tech64

    Qwen2.5-Coder-32B 為什麼在 24 GB 顯示卡上跑很慢?KV 快取調整教學

    模型檔案大小小於顯示卡記憶體,不代表執行時一定放得下;對話越長,模型用來記住前文的 KV 快取也會佔用更多記憶體。作者用 Qwen2.5-Coder-32B 說明,權重之外還要替快取、運算和執行環境留空間,並教人用 ollama ps 和 nvidia-smi 檢查顯示卡是否把部分工作交給 CPU。調低 KV 快取精度、縮短上下文,或限制同時處理的請求,都可能減少記憶體用量;文中也提醒,實際結果會受執行環境和硬體影響,調整後應再檢查記憶體與速度。

  25. Dev.to Top Tech44

    貨運收據圖片怎麼存才安全?從 S3、R2 到 Google Cloud Storage 的選擇指南

    貨運收據要留著查帳,麻煩的不只是把圖片傳上去,還得確保每家客戶只能碰到自己的檔案。做法是讓伺服器根據已登入的客戶資料和資料庫裡的收據編號決定檔案位置,瀏覽器不能自己挑路徑;重試上傳時也沿用同一組識別資料,避免同一筆收據被當成不同檔案。 如果收據一定要防止遭人改寫或刪除,單靠沒有版本保留或物件鎖定的儲存服務不夠,還得另外設計儲存方式。文中也比較 S3、R2、Google Cloud Storage 和共用 REST 介面的選項:哪個適合,取決於團隊已在用的雲端工具,以及收據是否需要長期防竄改。

  26. PyTorch Core Releases39

    PyTorch Dynamo 修正字典的順序、型別與長度檢查

    Python 字典的專案順序、實際型別或長度改變時,PyTorch Dynamo 可能需要重新檢查原本建立的運算圖。這項修改會記住這些字典資訊;如果呼叫函式時,關鍵字的順序不影響結果,就能沿用原本的運算圖。遇到無法確定的情況,仍會保守檢查順序。這次修改只處理字典檢查,沒有更動公開介面;它也通過部分 Python 3.15.2 CPU 測試,但其他平臺和環境的測試仍有未完成專案。

  27. Dev.to Top Tech60

    SquadNote 和 Voices Diary 如何分開檢查網頁、OTA 與原生版本更新

    兩個使用 Next.js 和 Expo 的服務,即使設定名稱相同,更新送到哪裡、連到哪個 API,以及該怎麼驗收,都可能不同。作者比對 SquadNote 和 Voices Diary 的程式碼與設定,整理出網頁、OTA 更新和原生版本各自需要留下的檢查證據。像是 iOS 登入修正除了 JavaScript,也改了原生設定,因此只寫「修好登入畫面」無法確認 OTA 是否包含全部變更。文章也提醒,兩個服務的通知用途不同,驗收時要分別檢查實際功能。這次是固定版本的原始碼檢查,沒有確認已發布版本,也沒有實際測試裝置通知或量測維護時間。

  28. Dev.to Top Tech45

    用 OKF Todo 接手前一天失敗的部署工作

    部署失敗後,錯誤紀錄、復原計畫和主管批准常散在不同地方,隔天接手時很難知道進度。OKF Todo 是免費、開放原始碼的 Windows 待辦工具,可以把調查內容、檔案、待辦步驟和批准留言放在同一個任務裡。範例中,部署因為找不到金鑰參照而停下來;七個步驟已完成四個,隔天開啟任務,就能從第一個還沒完成的步驟「部署修正後的設定」繼續,也能檢視部署紀錄和批准留言。

  29. Dev.to Top Tech65

    醫療預約 AI 助理如何在資料失效時分層查詢與轉交人工

    醫療預約資料可能過期或暫時查不到,AI 助理若照著舊資料回答,病人可能會拿到錯誤的時段。作者提出四層處理方式:先查最新索引,再查最近可用的快照,接著查排程系統,最後交由人工確認。每一步都記下資料版本和新鮮度;如果只能找到舊快照,助理要說明時段仍需確認,沒有可靠資料就轉交人工。文章也提醒,查詢逾時和確定沒有符合時段是兩回事,不能混為一談。

  30. Dev.to Top Tech54

    Homeflix 如何用 Node.js 和 FFmpeg 排定背景轉檔,減少串流等待

    自架影音伺服器常要等到按下播放,才開始轉換不相容的影片格式,可能因此等上 5–15 秒,也讓 CPU 忙個不停。作者分享他為 Homeflix 實作的背景轉檔佇列:有人開始播放時,系統會中止較低優先順序的轉檔、清理未完成的暫存檔,再把工作排回佇列,避免同時跑兩個 FFmpeg 工作。文章也說明轉檔工作的優先順序、如何整理混亂的檔名,以及 Windows 安裝程式打包 FFmpeg 時會遇到的問題。

  31. Dev.to Top Tech44

    CloudVerg 如何處理多雲環境中,同一個服務名稱卻連到不同地方的問題

    同一套程式在不同雲端連線逾時,問題可能出在私有 DNS:同一個服務名稱在 AWS、Azure 等環境裡,可能各自指向不同地方。CloudVerg 的 VergMesh 做法是先整理一份清單,記下重要名稱應該連到哪裡,再對照各雲端的轉送設定、清除過期紀錄,並定期從每個環境檢查解析結果。作者也發現,只清理一次很快又會亂掉;如果私有名稱解析失敗卻偷偷改用公開網址,也可能讓測試看似成功、正式環境卻連到別的服務。因此,清單要隨新服務更新,異常時也要明確報錯,才能及早發現問題。

  32. Dev.to Top Tech59

    如何用 Ansible 和 Python 加固 AWS EC2 Ubuntu 伺服器並檢查設定變動

    雲端伺服器建立後,系統預設設定可能不夠安全,工程師手動修理也可能讓整批主機的設定慢慢跑掉。作者分享一套適用於 Ubuntu 22.04 和 24.04 的做法:用 Ansible 加固 SSH、網路設定、防火牆和重要檔案,再用 Python 工具檢查主機是否符合安全規範。GitHub Actions 會在變更合併前檢查設定、測試重複執行是否還會改動主機,並確認檢查結果全數通過;EC2 主機則能依 AWS 標籤動態挑選,方便分批處理。

  33. Dev.to Top Tech78

    Docker 容器停止總要等 10 秒?找出 SIGTERM 沒送達的原因與修法

    Docker 容器停止時若總是等滿 10 秒,可能是主程式沒收到 SIGTERM,最後被 Docker 強制結束。作者檢查自己的六個容器,發現其中五個都以 137 結束;像是用 shell 指令啟動程式,可能讓 shell 留在最前面,訊號沒有傳到真正的服務。改用 exec 格式啟動、替程式加入 SIGTERM 收尾處理,或使用 Docker 的 init 功能後,六個容器都能在一秒內停止。被強制結束時,正在處理的請求或工作可能來不及正常收尾。

    推薦理由:作者逐一檢查六個容器,說明 SIGTERM 為何沒送到應用程式,並整理出幾種能讓服務正常收尾的修法。

  34. Dev.to Top Tech56

    API Gateway 與 Lambda 扇出怎麼選?Go 架構的延遲與成本教學

    一個 API 請求如果同時叫好幾個 Lambda 處理,成本和延遲就不只來自程式執行時間,還包括每次呼叫的排程,以及主程式等待回覆的時間。文章用 Go 的請求分類流程說明:三個下游 Lambda 平行處理時,整體回應仍要等最慢的一個;若尖峰流量超過下游預備的執行環境數量,等待還可能拉長。若使用者不必立刻拿到所有結果,可讓 Lambda 把工作送進 SQS,先回傳追蹤用的 ID,再由下游各自處理;若結果必須即時用來決定回應,就得估算整條流程的併發需求,並處理個別下游失敗和延遲。

  35. Dev.to Top Tech38

    轉向校正指南:先校準方向盤感測器的正中位置,再修正左右輪轉角

    方向盤感測器如果沒對準正中,車子或機器人就可能以為自己走直線,實際上卻慢慢偏向一邊。校正時,先把轉向機構放在真正的直行位置,量出感測器此時的讀數,扣掉這個偏差;再從左右兩邊靠近正中,比較讀數是否一致,並確認轉動方向判斷正確。以左右輪轉彎為例,轉彎內側的輪子需要比外側轉得更大,才能沿著各自的路線繞向同一個中心。把正中位置校準好,再檢查左右輪的轉角關係,能減少直行偏移,也避免把零件鬆動或安裝錯誤當成校正問題。

  36. Dev.to Top Tech35

    LiDAR 校正工程第 7 章:校正 LiDAR 內部量測與相機位置關係

    LiDAR 量到的距離和方向若有固定偏差,點雲裡的牆面和物體就可能歪掉;只靠多量幾次,無法消除這種持續存在的誤差。校正時會拿已知距離和角度的平面等參考物來比對,找出距離、角度和各束雷射的偏差,再用不同位置和方向的資料檢查結果。文章也說明 LiDAR 和相機的外部校正:找出兩者之間的旋轉與距離,才能把 LiDAR 的立體資料對到相機影像。校正做得好,能讓後續的定位、地圖和避障使用更可靠的感測資料。

  37. Dev.to Top Tech39

    多感測器校正第 9 章:對準時間,找出感測器彼此的位置

    相機、LiDAR、雷達和 IMU 如果在不同時間記錄資料,移動中的機器人就可能把時間差誤認成位置或角度不準。這章說明怎麼先確認每種感測器的時間戳記代表什麼,再用共同時鐘、觸發訊號,或比對感測器記錄到的移動情形來找出時間差;例如,LiDAR 一次掃描要花一段時間,不能把整片點雲都當成同一瞬間拍下來。 時間對準後,還要調整感測器之間的位置和角度,讓它們看到的環境能互相吻合。若時間差沒有處理好,調整位置時可能會把錯誤藏起來;因此校正時要讓平臺安全地移動和轉彎,並在實際運作情況下檢查結果。

  38. Dev.to Top Tech54

    《Calibration Engineering》第 10 章:如何自動校正機器人與自駕車

    機器人和自駕車的相機、雷達、光達等零件,即使裝好了,也可能因位置偏差或時間不同步而讓量測出錯。這章說明如何在工廠用固定參考物量測每臺裝置,算出並檢查校正引數,再把結果和裝置資料存檔;超出可修正範圍的問題則應退回檢查。它也介紹機器運作時如何監看校正變化,以及如何用紀錄追查故障、比較產線表現。

  39. Dev.to Top Tech38

    巴基斯坦貨櫃碼頭規劃主權 AI 架構:靠本地 GLM 5.3 化解大塞港

    巴基斯坦港口的貨櫃常常卡住一整週,外頭等著載貨的卡車大排長龍,但政府要求必須縮短到兩天內領走。偏偏貨櫃卡關的原因分散在七個不同系統,排程員每天都要手動四處查資料。為瞭解決塞港,團隊規劃了一套資料不出境的 AI 架構,把開源的 GLM 5.3 模型直接裝在碼頭自有的伺服器上,客戶與貨物資料完全不外流。系統讓各個 AI 助理自動盯著進度、草擬移櫃或催辦計畫,再由真人主管審核確認。即使遇到四十個貨櫃臨時延遲放行,AI 也能連夜重新排好堆放順序,既能加快領貨速度,又確保營運資料完全掌握在自己手裡。

  40. Dev.to Top Tech66

    提醒通知與公開 webhook 怎麼設計,避免漏送、重複寄送和時區錯誤

    提醒通知可能因服務重啟、佇列重送或時區變化而漏掉或重複送出。作者建議把每次預定通知存成資料庫紀錄,再用排程或延遲訊息找出待處理工作,並用固定的冪等鍵避免同一則通知被送好幾次。使用者選的當地時間和 IANA 時區也要一起儲存,清楚訂出夏令時間跳過或重複的時刻該怎麼處理。公開 webhook 則應先驗證簽章、記下事件編號,再安全地重複處理後續工作。