Kruti Dev 如何轉成 Unicode?短音符和 reph 為什麼要移動
舊的 Hindi 檔案如果缺少 Kruti Dev 字型,原本看得懂的字可能會變成一串英文字母。Kruti Dev 把拉丁字母當作印出天城文字形的程式碼,所以轉成 Unicode 得重新組出正確文字,不能只換字型。文章用例子說明,轉換器要先比對較長的字元組合,再把短音符 ि 移到子音後面,並把 reph र् 移到它所屬字群前面。順序弄錯時,文字看起來可能差不多,搜尋、排序和拼字檢查卻會出問題。
舊的 Hindi 檔案如果缺少 Kruti Dev 字型,原本看得懂的字可能會變成一串英文字母。Kruti Dev 把拉丁字母當作印出天城文字形的程式碼,所以轉成 Unicode 得重新組出正確文字,不能只換字型。文章用例子說明,轉換器要先比對較長的字元組合,再把短音符 ि 移到子音後面,並把 reph र् 移到它所屬字群前面。順序弄錯時,文字看起來可能差不多,搜尋、排序和拼字檢查卻會出問題。
AI 工具能直接讀寫 Markdown 檔案,因為內容就是一般文字,標題、清單和表格也都寫在文字裡,不必先轉成別的格式。像 Claude Code 和 Cursor 也用 Markdown 放指示;修改後還能用 Git 比對前後差異,例如只看哪些字變了,可以執行 git diff --word-diff notes.md。不過 Markdown 不會讓 AI 答得正確,也可能因為不同工具對格式的處理方式不同,讓表格或其他內容看起來不一樣。用 AI 改檔案後,還是要自己檢查修改紀錄。
AI 助理的記憶系統常把不同做法都叫作「聯想」,但它們找回資料的方式不一樣。作者用白話分開說明:兩段記憶常一起被找回時,連結可以變強;有些系統只在存入資料時建立連結,有些只比對文字或向量相似度,還有些會依回答評分調整權重。讀取時,系統也可以沿著既有連結找出和問題用詞不同的記憶。作者建議觀察連結權重在共同讀取或評分後是否改變,也可測試只出現一次的更正能不能影響答案;這有助於看出系統實際採用哪種機制,以及它可能漏掉什麼。
同一個工具可能對應好幾種搜尋說法,但每種說法都做一頁相同內容,搜尋引擎可能不收錄。TheOmniKit 作者分享做法:只有在頁面提供自己的文字、預設設定或比較內容時,才保留獨立網址;內容太像的頁面則轉到主要頁面,並把原本的搜尋說法列在主頁上。作者也用程式整理合併規則,遇到難以判斷的情況就先保留。Search Console 的資料顯示,有些搜尋意圖頁已排到搜尋結果第一頁,卻仍然沒有點選,因此標題和搜尋摘要也需要另外調整。
AI 助理可能會先回答「我在這個城市該找哪家公司?」讓服務業者開始整理網站資訊,方便模型看懂。作者在網站根目錄放了一份 Markdown 檔案,列出公司名稱、城市、服務和重要頁面的連結,也可另外提供內容更完整的版本。公司名稱和地址要跟網站及商家資料一致,沒有出現在網站上的價格或說法就不放進檔案。作者目前還無法確認這樣做能不能讓 AI 助理更常推薦公司,但整理過程確實找出了網站和商家資料不一致的地方,也讓基本資訊更整齊。
Salesforce 常需要連線付款、物流或公司內部的系統,但把網址和密碼直接寫程序式碼或設定裡,容易讓機密外流,也讓換密碼變得麻煩。Named Credentials 會把外部系統的網址、登入方式和憑證放在 Salesforce 設定中,Apex 程式只要用名稱呼叫,Salesforce 就會代為加入登入資料。比如要查一筆訂單,程式可以呼叫 callout:My_External_API/orders/12345,不用自己寫網址或 Authorization 標頭。換 API 金鑰時,只要更新設定中的憑證,不必改程式;但使用者也要透過許可權集取得存取權,而且原有的呼叫次數與逾時限制仍然適用。
PHP 軟體在自己的電腦上能跑,不代表客人下載後也能順利安裝。作者整理出 5 個實用教訓:要測試網站裝在網域根目錄和子資料夾的情況,確認 ZIP 裡真的有安裝需要的資料夾,也要把授權啟用和之後的授權檢查分開處理。比方說,授權伺服器短暫斷線,不該立刻被當成授權遭撤銷,讓已付費的客人無法使用。發布前,最好把 ZIP 解壓縮到全新的資料夾,照客人收到的說明重新安裝、登入並檢查功能。測試真正交到客人手上的安裝包,才能提早發現開發時沒遇到的問題。
訂單要同時處理庫存、付款和出貨時,各服務有自己的資料庫,沒辦法靠一筆交易讓它們一起成功或失敗。Saga 會把工作拆成各服務自己的小步驟;中途出錯時,再用補償動作處理已完成的步驟,例如取消付款授權、釋出庫存。文章比較兩種安排方式:協調式由一個協調器安排順序、重試和補償;事件編舞式則讓服務收到事件後各自接手。文中也提醒,Saga 執行期間其他請求可能看見暫時狀態,因此要設計防止重複執行的步驟、逾時處理和狀態記錄。
想讓紅色只顯示一半,顏色碼就要多加一組數字來表示透明程度,這組數字叫 Alpha。在 #AARRGGBB 裡,#80FF0000 是約 50% 不透明的紅色;FF 表示完全不透明,00 表示完全透明。透明度和不透明度剛好相反,改顏色碼前要先確認兩者指的是哪一種。 刪掉顏色碼最後兩個字,也不一定是移除透明度:#B4555555 原本是帶透明度的灰色,刪掉後變成 #B45555,會被讀成另一種完全不透明的顏色。不同工具放 Alpha 的位置也可能不同,所以要先確認格式;半透明黑色蓋在藍色上,則會和藍色混合,讓背景看起來變暗。
把 Claude 接進自己的程式時,光看每個 Token 的單價,常會低估實際帳單,因為輸入內容、輸出長度和額外工具費用都會影響花費。這篇教學整理 Claude API 的模型費率,並示範先算出每次請求的輸入與輸出 Token 數,再乘上價格和使用次數,估出月費。例如,Sonnet 5.5 每次使用 3,000 個輸入 Token 和 800 個輸出 Token,費用是 $0.014;每天 1,000 次、連續 30 天,約 $420,還沒計入快取或批次處理。批次處理可讓輸入和輸出 Token 費用減半,快取則能降低重複傳送內容的成本;實際價格仍應以 Anthropic 的官方資料為準。
半透明的顏色看起來是什麼樣子,要看它下面墊著什麼:像一層半透明黑色,放在白色上會變成灰色,放在藍色上則會變成深藍色。計算時,把前景和背景的紅、綠、藍三種顏色分開混合;例如半透明紅色蓋在白色上,會變成淡粉紅色。 這種效果常用來讓照片上的白字更清楚,也能做出圖片底部漸漸變暗的效果。要是畫面顏色和程式裡的色碼不一樣,記得色碼寫的是原本的顏色,螢幕上的顏色則是混合後的結果;另外,不同平臺可能把透明度放在色碼的不同位置,直接照抄可能會弄錯。
查歐洲公司和政府標案時,開發者有時會用瀏覽器自動抓資料;檢查電子發票時,則可能得把含有機密的 PDF 上傳到別人的網站。這篇文章介紹兩種免費工具:一種用 Python 內建功能查官方資料,另一種直接在自己的電腦檢查 Factur-X 發票裡的資料與金額有沒有問題,不必把 PDF 傳上網。像是檢查買家的公司編號是否正確,或確認發票上的金額算得對不對。需要定期追蹤資料時,也能把工作流程匯入 n8n,讓查資料和整理結果自動進行。
線上畫格工具常要先把照片傳到伺服器,處理私人照片時會多出等待和隱私顧慮。Easy Grid Maker 把圖片處理留在使用者的瀏覽器裡,再用 HTML5 Canvas 畫格線;遇到 iPhone 的 HEIC 照片時,會先試著直接讀取,需要時才載入解碼工具。文章也說明如何避免格線多出細縫、讓線條在深淺背景上都看得清楚,並用向量圖列印出和照片比例相同的空白格紙。
電腦插上 USB 裝置時,通常會相信裝置自己說的身分:它說自己是鍵盤,電腦就讓它輸入文字;它說自己是網路卡,電腦就讓它連上網路。BadUSB 利用的就是這份信任,讓小裝置假扮成鍵盤或其他裝置,快速打字、點選畫面,甚至改變網路流量。它不一定要靠使用者點開連結,只要有人把裝置插上電腦,就可能開始動手腳。 USB 原本追求的是「插上就能用」,所以很難只靠修補軟體解決。文章建議把陌生 USB 當成陌生網路裝置看待;只想充電時,用只能傳電、不能傳資料的線或轉接頭。公司或實驗室也能限制哪些裝置可以連線。這些做法各有麻煩,但能減少電腦把假裝置當成使用者本人而照做的機會。
服務變慢時,Prometheus 的延遲圖表能指出問題發生的時間,卻不會告訴你是哪一筆請求拖慢了速度。Prometheus exemplars 可以在指標資料旁記下 trace ID,讓你從 Grafana 圖表直接開啟對應的 OpenTelemetry 追蹤資料。文章說明如何開啟 exemplar 儲存、用 API 確認資料已收到,再設定 Grafana 的連結;檔案估計只存 trace ID 的 exemplar 約佔 100 bytes,預設緩衝區可放 100,000 筆。若取樣流程丟掉了較慢的追蹤資料,圖上的連結仍可能找不到目標,因此要檢查取樣設定。
服務出問題時,只看儀錶板可能知道錯誤變多了,卻不清楚是哪個服務出錯、原因又是什麼。這篇教學把三種線索分開使用:指標用來看錯誤率等數字並觸發警示,追蹤用來找出請求經過哪些服務、卡在哪裡,日誌則記錄當下發生的細節。作者示範在 Python 日誌中加入 trace_id 和 span_id,再搭配付款失敗計數器;發生錯誤時,就能從警示找到追蹤,再用追蹤編號查出相關日誌,少花時間翻找大量紀錄。
上傳大圖片時,若一次把整個檔案載入記憶體,手機等裝置可能會吃不消;若把圖片縮小或裁切再上傳,收到的也不會是原本那個檔案。這篇教學用 TypeScript、Dart、Python 和 C# 示範,如何按位元組範圍逐段讀取檔案,最後一段不足 1 MB 也能保留。每段依序接回去,就能還原原檔;作者也提醒要確認分段長度總和正確,並留意編號、讀取位置和大檔案的位移計算。
圖片太大時,可以先切成一小段一小段傳給伺服器;但如果沒有標清楚每段是第幾段,伺服器就不知道怎麼排回原樣。這篇示範如何打造接收分段圖片的 API:每段都附上上傳編號和段落編號,伺服器會先確認編號和大小符合上傳紀錄,再把每段存成獨立檔案。 就算第 3 段比第 1 段早到,伺服器也能依段落編號放對位置。收到完成通知後,它會檢查有沒有缺段,再依序接起來;例如少了第 2 段,就能告訴使用者端要補傳哪一段。這種做法讓大圖片不必一次塞進記憶體,但斷線和重複傳送等問題還要後續處理。
網站剛上線時,Google 還找不到哪些頁面,經營者也很難知道該先忙什麼。Masood Ahmad 把 Google Search Console 當成工作清單:看到還沒被收錄的頁面,就先處理;看到哪些在地搜尋已經讓網站出現在結果中,就優先整理相關服務頁面。以他的牙科網站為例,24 天內有 152 個頁面被收錄,搜尋曝光次數從 0 增加到 2,061,但目前只有 1 次點選,還沒有帶來客戶。這個工具沒有直接帶來流量,卻讓他知道 Google 看得到哪些頁面,也知道接下來可以做什麼。
JSON 出錯時,解析器常只回報一個位置數字,讓人很難找出是哪裡寫錯。ToolPeko 提供一小段 JavaScript,印出錯誤位置前後的文字,並用箭頭標出解析器停下來的地方;常見原因包括多打一個逗號、用了單引號、鍵名沒加引號、放進註解,或用了 JSON 不接受的值。解析器指出的位置也可能比真正的錯誤晚幾個字元。若內容看起來沒問題,可以再檢查字串是否被截斷;處理含有電子郵件、權杖或內部網址的資料時,應在本機或自己的瀏覽器中檢查,避免把內容送到陌生伺服器。
手動把每段提示詞貼進圖片工具很花時間,批次生成也可能讓角色細節跑掉。作者實測讓 Meta 的 Muse 撰寫指令碼,再透過 PixAI API 先生成一張圖片,確認設定後才批次送出另外四張。五張圖都保留了角色的銀色短髮、琥珀色眼睛和透明雨傘,但衣服樣式和場景細節仍有變化。作者也提醒,網站測試一張花了 3,000 點,API 測試一張則花了 4,000 點;開始批次前應先用 API 試跑,並確認每次要送出的提示詞與任務。
手機切換網路或 App 中途關閉時,整張圖片重傳很麻煩。這篇教學說明如何把圖片切成多個部分,只重傳失敗的部分;遇到網路錯誤、逾時或伺服器錯誤時,可以逐步增加等待時間再試。App 重開後,還能向伺服器查詢哪些部分已收到,只補傳缺少的部分。作者也提醒,同時上傳太多部分會拖慢連線、增加手機負擔,因此可用有限數量的工作流程控制並行上傳。
圖片太大或網路中斷時,整個檔案重傳會很費時間,也容易失敗。這篇指南把前幾篇的分段上傳方法整理成正式環境架構:用 PostgreSQL 記錄上傳進度,將圖片零件和完成的檔案放在物件儲存空間,並讓網站、手機和後端程式共用同一套 API。作者也說明如何檢查檔案、限制上傳量、確認內容完整,以及清除過期檔案。這些做法能讓上傳中斷後接著傳,也方便追查問題。
想看懂 GPT 怎麼運作,卻常被現成工具包起來的細節擋住。作者做了一個開源教學專案,用 C# 和 ILGPU 在 GPU 上訓練小型 GPT,讓模型根據前面的字元預測下一個字元;OpenAI Codex 協助完成多數程式碼、教學說明和驗證工作。專案也用 CPU 計算結果和數值檢查來核對 GPU 運算,並安排七堂課,從基本運算一路帶到文字生成。它適合用來探索 Transformer 和 GPU 程式設計,作者也提醒,這個小模型不適合實際使用,短時間訓練也不保證能生成好文章。
AI 助理可能用一串一般的終端機指令繞過只比對指令文字的許可權規則。作者因此用 Python 小工具,在指令執行前擋下讀取機密資料、危險操作和資料庫變更;另外也做了一個掃描工具,檢查讓 AI 助理付款的服務是否有驗證付款通知、避免重複扣款、限制下單次數和留下紀錄。比如掃描結果會分成 READY、PARTIAL 或 NOT_READY,但它只看得到這些防護專案有沒有出現,不能判斷它們做得對不對。作者認為,在關鍵操作入口設下明確檢查,比只靠提示詞提醒 AI 助理更可靠。
夏令時間結束時,當地時間會倒退一小時;作者的用量排程因此漏跑一次,少算 212 位客戶共 18,420 筆 API 使用紀錄。問題出在 APScheduler 3.9.1 的排程使用紐約時間,兩次 01:30 中只跑了較晚的一次;工作又只整理最近一小時,沒有補上空缺。作者改用 UTC 排程,並記錄上次完成的時間,讓下一次從那裡接著整理;若工作延誤超過 90 分鐘也會發出提醒。補算後,帳務差異歸零,客戶在下一張帳單收到用量。
公司有很多 AWS Lambda 函式時,更新共用程式或憑證,往往得通知各團隊逐一改版和重新部署。AWS Lambda 從 2026 年 11 月 18 日起提供客戶管理的執行環境:平臺團隊發布環境版本,再移動 dev、test 或 prod 等別名;函式在下次冷啟動時就會使用新版本,不必每個函式都重新部署。不過,新舊版本可能暫時並行,而且發布環境的人能在使用它的函式中執行程式碼,因此作者建議把發布流程當成正式的生產環境管理,並留意刪除仍在使用的版本可能讓函式冷啟動失敗。
大量 CSV 檔案會吃掉不少時間和記憶體;如果很多人同時送出處理要求,伺服器得一邊忙著處理舊工作,一邊開更多執行緒或子程式接新工作,可能因此忙到當機。做法是先把工作放進佇列,讓背景工作程式依序處理,伺服器就不必同時扛下所有工作,還能減少資源消耗、接住更多要求。像 RMQ 和 SQS 這類佇列會照先進先出的順序取出工作;資料庫不一定能保證同樣的順序。因此,遇到耗時或吃資源的工作,例如處理 CSV、圖片,或等待第三方 API 回覆時,可以考慮改用非同步處理。
AI 助理可以修改程式碼,也能修改同一個專案裡的測試,所以「測試全過」不一定代表修正有效。作者建議用一套 AI 助理看不到或不能改的測試:先對修改前的程式執行,確認測試會失敗,再對修改後的程式執行,確認測試會通過;測試前後也要比對雜湊值,避免測試被動手腳。最後的判定要寫清楚結果、檔案、行數和出錯內容。這些紀錄能證明測試確實執行過,但不能保證測試本身設計得好,仍要定期重新檢查。
GPGME 有一個漏洞,攻擊者可用特製的 OpenPGP 金鑰觸發記憶體錯誤;作者想確認 Ubuntu 24.04 是否已收到修補。他查了套件版本、安全公告和 Ubuntu 的發布紀錄,發現 Debian 12 和 13 已有修正版,但 Ubuntu 24.04 當時仍沒有更新。舊版套件號碼本身不能證明是否受影響,作者建議用 apt-cache policy 檢視實際安裝和可更新的版本。一般簽署與驗證在測試中仍正常,但會讀取不可信金鑰清單的程式仍需留意這個漏洞。
藥局想改善顧客取貨體驗,原本考慮自己做通知系統;但門市人員發現,通知很快送到,訂單還是可能要找很久。作者示範怎麼用 Wardley 地圖拆開這些問題,分別觀察訊息送達時間、門市找貨時間和訂單是否一次就找到,再把證據、來源、日期和還不確定的地方記下來。團隊可以先測試實體標籤是否能縮短找貨時間,也可以比較不同訊息服務能否配合現有流程。這些紀錄能說明建議根據什麼,也方便日後重新檢查投資決定。
想把自己寫的小程式變成有人願意付錢使用的工具,先找幾位真的遇到同樣麻煩的人試用,聽聽他們覺得哪裡好用、哪裡難用。第一版只做最重要的 3 項功能,並選自己熟悉的技術,才不會花太多時間學新東西。作者用一次付費的簡單價格、免費服務上的介紹頁和 PayPal 收款,讓使用者容易購買;每週再挑 2 個重要意見修改。 經營這類小工具也要顧好自己的時間,例如每週最多花 3 個晚上,並留意收入、每月有多少人使用,以及使用者是否離開。重點是慢慢改善、只做真正有用的功能,也別讓專案佔滿生活,這樣才有機會長久做下去。
AI 助理把工作交給另一個 AI 助理時,接手的人可能看不到原本的對話,也難以確認交接內容有沒有被改過。Zambo 的 HANDOVER 要求記下工作摘要、目標、接收物件和後續步驟;資料缺漏時會拒絕存檔,並留下原因。交接與接收時,系統各自產生收據,公開驗證頁面能檢查記錄是否遭到修改。作者也用兩個連線示範完整流程。收據只能證明記錄寫入後沒有被改動,不能證明工作結果正確,也無法確認摘要是否漏掉失敗專案。
AI 助理交出一份操作紀錄時,單看紀錄裡的雜湊值,還不能知道內容是否完整,也不能確認它記下了每個聲稱做過的步驟。作者把查核分成三件事:比對內容有沒有被改過、確認紀錄尾端沒有被刪掉或整份替換,以及逐一檢查每個聲稱的步驟是否都有紀錄。文章也比較兩種做法:把紀錄串成鏈並從外部儲存頭端雜湊,或替每次操作建立可公開查驗的收據。兩者都只能證明紀錄未被事後改動,不能證明工作結果正確;而由服務端建立收據,也代表查核者需要信任建立收據的執行服務。
想用 Google 找網頁連結,又不想換掉原本的預設搜尋?可以在 Chrome 新增一個獨立的網站搜尋捷徑,指定一個沒用過的關鍵字,例如 gw。輸入 gw,再按空白鍵或 Tab,就能輸入要查的內容;原本的預設搜尋設定會保留。文章也提供用 JavaScript 組出 Google Web 搜尋網址的做法,讓加號、&符號和引號都能正確留在搜尋內容裡。如果搜尋結果開成平常的 Google 頁面,可以檢查捷徑是否設好,以及 Google 是否選了 Web。
舊車音響可能只認得 MP3,也可能讀不到新格式的 USB 隨身碟,或把歌曲順序排亂。作者實際整理一支給 2012 年前後車款使用的 USB 隨身碟,建議先查音響手冊確認格式、資料夾和檔案數量限制,再把音樂轉成真正的 MP3,不能只改副檔名。音樂可用 192 kbps 固定位元率,語音用 64–96 kbps;舊音響也可能需要較舊的 ID3v2.3 標籤。資料夾保持簡單、歌曲編號補上前導零,並先在停車時試播,就能減少路上找不到歌曲或播放順序不對的麻煩。
網路上的檔案轉換工具常要求先把檔案傳到遠端伺服器,處理的是財務資料時,難免讓人擔心資料會不會真的刪掉。JSONtoSheet 把轉換工作放在瀏覽器裡進行,讓使用者整理 JSON、銀行對帳單 PDF 和發票,再匯出 Excel 檔,資料不必離開瀏覽器分頁。它也能把銀行提供的 CSV 轉成 QuickBooks Desktop 可用的 QFX 檔。 例如,系統會從 PDF 擷取文字位置,整理成一列列資料,再核對期初和期末餘額;發現資料列可能漏掉時,就會標示出來。作者表示,先用固定規則處理,大約 80% 的轉換可以立刻完成、成本為 $0,只有歪斜掃描檔和熱感紙收據才交給視覺 AI。這樣能兼顧速度、成本和財務資料隱私。
想在 Raspberry Pi 5 上安全地跑 Docker Sandboxes,安裝和記憶體限制都得先弄清楚。作者在一臺 8 GB 的 Raspberry Pi 5 上實測,發現 Docker 的套件來源當時沒有適用的 arm64 套件,改用發行頁提供的 Ubuntu 26.04 安裝檔後,診斷檢查通過。沙箱能在自己的環境裡執行 Docker,也能限制網路連線、分享資料夾或把資料夾設成唯讀;第一次建立沙箱連同下載約花 2 分 15 秒,之後約 8 秒。記憶體是主要限制,兩個沙箱同時運作時,主機約剩 2.1 GiB 可用;這些結果只來自一塊板子,不能當成官方支援或效能基準。
大型語言模型回答問題時,會把讀過的文字留在 KV cache;如果每個請求一開始就預留一大段記憶體,很多空間會被佔著,其他請求也用不到。作者用停車位和小型互動示範,解釋 PagedAttention 如何把記憶體切成固定大小的區塊,需要時才分配,並用對照表記下區塊位置。多個請求也能共用相同提示詞的資料,只有內容要改動時才複製區塊。這能減少閒置空間,讓同一批記憶體容納更多請求;作者也提醒,區塊較大時空位會增加,太小則可能影響 GPU 平行處理。
推薦理由:文章從 KV cache 的記憶體浪費談起,再用互動式示範比較分頁配置與連續配置,說明記憶體管理如何影響同時服務的請求數。
程式寫完、測試也過了,準備開 PR 時,還是可能漏掉空值檢查或沒想到的特殊情況;等同事審查後才發現,就得回頭修改再等一次檢查。這篇文章介紹 Qodo、CodeRabbit、Greptile 和 Macroscope,讓開發者在開 PR 前先用命令列檢查 Git 裡的修改。以 Qodo 為例,它能檢查尚未提交和新加入的檔案,也能讀取功能說明等背景,再把問題整理後交給 Claude Code 或 Codex。這樣 AI 助理寫完程式後,可以先請另一套工具找問題,再修正結果。不過,能在本機檢查程式碼,不代表 AI 模型也在自己的電腦上執行;有程式碼隱私要求時,還得確認資料會送到哪裡。