跳到正文

#部署/工程

RSS
今日 43 則
11月21日週六
  1. Dev.to Top Tech43

    開發者如何挑選 2026 年的離線寫程式裝置與工具

    用雲端 AI 寫程式,程式碼和提示詞會送到外部服務,也可能有延遲或 API 費用;改在自己的電腦上跑,資料能留在本機,常做的小修改也能更快完成。這篇指南整理了從筆電內建 GPU、遊戲顯示卡到工作站的選擇,也介紹 Ollama 和 LM Studio 等工具,讓編輯器能呼叫本機模型。例如,已有 GPU 的開發者可以先裝好執行工具、試跑中型模型,不必先花錢買新硬體;如果自動補完順手,再考慮升級。只是本機模型較難處理複雜推理和很長的上下文,因此常見做法是把補完、重構交給本機,需要深入推理時再用雲端模型。

  2. Dev.to Top Tech58

    Solana 買進通知機器人為何和 Solscan 顯示不同?作者分享排查方法

    Solana 買進通知機器人和 Solscan 顯示的金額不一樣,不一定代表其中一邊出錯。作者整理實際遇到的狀況:SOL 換算成美元的價格會隨時間變動,錢包手續費也可能算在買家的總支出裡;遇到市價商代為成交時,餘額減少也不一定代表有人賣出。若一筆買進分到多個交易池,機器人應檢視整個代幣的餘額變化;讀取交易時,也要設定解析器支援的最高版本,並清楚記錄無法解碼的錯誤,避免買進通知悄悄漏掉。

  3. Dev.to Top Tech48

    用靜態 JSON 檔和 MCP 伺服器,取代每年 $1,200 的輪圈規格 API

    賣輪圈的網路商店查車款規格時,得連問外部服務三次,常常等超過 600ms;服務一齣狀況,店裡的篩選功能也會跟著失靈。作者把不太會變動的車款資料整理成一份靜態 JSON 檔,放在 Cloudflare 的快取裡,並用 MCP 伺服器提供輪圈計算工具,讓 AI 助理查資料、算數字時不用靠猜。像是車主改用不同尺寸的輪圈時,工具能計算輪圈凸出多少;資料也能存在本機,離線查詢約 12,902 款車。這種做法能省下每年約 $1,200 的 API 費用,但特殊煞車配置或冷門車種仍可能需要另外補資料。

  4. BlockTempo 動區動趨44

    Google 擴大 Antigravity 的 Gemini 4 Neon 快取池,預計同樣額度多做 20% 工作

    用 Antigravity 做程式開發時,工作如果隔一段時間才再次呼叫模型,快取可能已被清除,讓額度消耗得更快。Google 正擴大 Gemini 4 Neon 的快取池,讓系統更容易重用前面處理過的內容;負責人預估快取命中率可提高約 4%,同樣的額度至少能多完成 20% 工作。等大型叢集遷移完成後,Google 也會重置額度。快取重用和自動壓縮上下文是不同功能,Antigravity 已有自動壓縮。

  5. Dev.to Top Tech36

    語音辨識的時間戳記為什麼會超出音檔長度?怎麼檢查

    語音辨識系統標出的片段時間,有時會比送進去的音檔還長:一段 541.07 秒的音檔,辨識結果卻到 552.04 秒,多出 10.97 秒,可能讓字幕和配音對不上。排查時,可以比對原始音檔、解碼後的音訊和實際送進辨識系統的資料有多長;如果音訊曾切段或刪除靜音,也要記下每段時間位置如何換回原始音檔。作者建議用測試檢查時間戳記是否為負數、超出音檔範圍,或片段結束時間早於開始時間。直接把超出的時間截短,仍可能讓字幕不同步;這次問題的真正原因還沒有確認。

  6. PyTorch Core Releases41

    PyTorch 修正不同裝置處理特殊資料格式時的錯誤

    PyTorch 的 float4 等特殊資料格式沒有一般的數值轉換方式,彼此混算時原本只有 CPU 會拒絕;其他裝置可能算錯,CUDA 還可能因此報錯,讓後續操作也受影響。這次修改讓 TensorIterator 在所有裝置上遇到這類轉換時,都用相同方式回報「尚未實作」,例如拿 float4 張量和整數或浮點數比較,或把結果加到 float4 輸出中。這讓不同裝置的錯誤處理一致,也避免 CUDA 因不支援的轉換而出問題。

  7. Dev.to Top Tech64

    Google Cloud 的管理代理程式掃描未過,作者重編譯後為映像檔加上版本檢查

    雲端映像檔裡的程式也可能因版本太舊而無法通過弱點掃描。作者發現 AlmaLinux 10 和 Rocky Linux 10 映像檔中的 Google 管理代理程式,使用 Go 1.25.5 編譯;掃描要求至少使用 Go 1.25.13,對應 CVE-2026-39821。移除代理程式會讓客戶無法使用主控臺的修補管理和資產清單功能,因此作者改用 Go 1.27.4 重編譯,換掉原本的執行檔,並加上檢查,讓映像檔裡版本低於門檻的 Go 程式無法通過建置。這套檢查也擋下了 AWS 基底映像檔中的其他代理程式;作者表示,相關映像檔後來通過驗證並公開。

  8. Dev.to Top Tech37

    Python 如何記錄簡訊驗證碼的送達狀況,並讓賣家能繼續登入

    賣家等不到簡訊驗證碼,可能就進不了訂單系統;但簡訊被服務接受,不代表真的送到手機。文章建議先記下每次登入驗證,再把服務回報的送達狀況另外記錄,並標明它是哪次登入的資料,免得舊紀錄蓋掉新紀錄。像是同一位賣家重寄驗證碼時,系統要分清第一次和第二次的嘗試。 做法有兩種:用 Infrai 定期查詢簡訊狀況,並把資料交給觀測工具;或用 Twilio 傳簡訊、Datadog 看紀錄,再由自家系統把資料對起來。無論選哪種,都要讓賣家能在等待期間重新傳送,或改用其他驗證方式;也要記住查詢時間不等於電信業者送達的時間。這樣出問題時,客服比較能查清楚發生了什麼。

  9. Dev.to Top Tech54

    Hoelee 示範如何用 Astro 和 Gitea Actions 自架部落格

    自架部落格時,從提交文章到網站更新,常要自己處理建置、部署和伺服器設定。Hoelee 分享他的做法:文章用 Markdown 撰寫並存進 Gitea,每次推送到 main,Gitea Actions 就在自架伺服器上建置網站,再交給 nginx 提供瀏覽,Cloudflare Tunnel 負責讓外界連得到。他也整理了設定過程中遇到的問題,例如執行工作需要 Docker socket,以及 Gitea 和 runner 版本不合時可能無法接手工作。這套流程能保留文章修改紀錄,也不必另外維護資料庫或管理介面。

  10. Dev.to Top Tech61

    自架客服聊天系統的日常維護操作指南

    把客服聊天系統架在自己的伺服器上,能自己掌握對話資料,但安裝完成後還要持續維護,才能在故障時找回資料、讓服務正常運作。這份操作指南建議先列出系統使用的服務和資料位置,定期備份並實際還原,確認附件也能開啟;再安排資料儲存期限、分開管理操作紀錄和錯誤紀錄,設定故障告警,定期檢查管理員帳號與許可權。升級前先備份,並在測試環境確認登入、傳訊、上傳檔案和 AI 回覆都正常。文中以 Dingx 示範部分管理功能,也提醒規劃容量前先向供應商確認部署細節。

  11. Dev.to Top Tech45

    如何記錄結帳失敗:串起 HTTP 錯誤、排程工作與佇列重試

    客人結帳失敗時,客服得先弄清楚問題是出在送出請求、背景工作,還是重試之後;只記下網站回報的錯誤,往往看不出整段過程。文章建議分別記錄網站請求、排程工作和佇列工作,再用同一組結帳識別資料把紀錄串起來,也要保留錯誤發生的先後順序。舉例來說,每天記下 10,000 筆事件、每筆 2,000 bytes,30 天原始資料就有 600,000,000 bytes;這只是估算資料量的例子,不是廠商報價。記錄太多會增加負擔,但刪掉重試過程又可能讓客服無法解釋問題,因此要先想清楚需要保留哪些線索、多久。

  12. Dev.to Top Tech39

    Amazon S3 Annotations 如何替檔案加上背景資訊,讓 AI 更容易找到需要的資料

    公司把合約、報表和圖片存進 Amazon S3 後,光看檔名常常不知道檔案是誰的、能不能使用,或目前審核到哪一步。Amazon S3 Annotations 可以替檔案加上這些整理好的背景資訊,原本的檔案內容不必更動;例如標明合約屬於哪位客戶、是否已核准。應用程式就能先按這些條件找出合適檔案,再搭配 AI 搜尋內容並整理答案。這讓資料更容易被找到和管理,但仍要檢查 AI 加上的資訊是否正確,並確認使用者有許可權讀取檔案。

  13. Dev.to Top Tech44

    推論工程如何拆解 AI 模型上線服務的三個層次

    AI 模型要正式提供服務,光有模型還不夠:流量一大,回應速度、穩定度和花費都得顧。Philip Kiely 在《Inference Engineering: Serving Generative AI in Production》中,把這份工作分成三層:執行層讓模型在 GPU 上跑得更順、少佔記憶體;基礎設施層負責依流量調整資源;工具層則讓工程師更容易設定和管理服務。 書中也談到量化、草稿模型先猜答案再讓大型模型檢查,以及把工作分給多張 GPU 等做法。例如,模型太大、放不進一張 GPU 時,可以拆開工作由多張 GPU 一起處理。這些方法能讓模型服務更快、更省資源,但工程師仍得確認答案品質沒有變差。

  14. Dev.to Top Tech48

    Healthtech 背景工作佇列如何擋下格式錯誤的 256 KB JSON 訊息

    健康科技服務要等到合約期限再提醒續約,但訊息如果塞進太多資料,可能超過 256 KB,或因格式不對而無法處理。做法是讓 Node.js 傳送端和接收端都檢查訊息大小與內容格式,佇列裡只放精簡的提醒指令和資料參照;較大的健康紀錄則留在別處。像是收到缺少期限或資料參照的訊息,就把它記錄並隔離,不要一直重試。 接收端會先記下訊息編號,再處理提醒;如果工作途中當機,訊息再次送達時,就能避免重複通知。工作人員也要確認訂閱仍有效、期限沒有改變,再決定是否寄出提醒。這樣能減少個人資料在佇列和紀錄中多留一份,也讓錯誤訊息和暫時性的服務故障分開處理。

  15. Dev.to Top Tech54

    五家企業 AI 助理平臺的資料會存在哪裡?作者比較各自的部署選項

    處理發票資料的 AI 助理可能會碰到供應商銀行資料和核準紀錄,因此企業得先弄清楚它在哪裡執行、模型在哪裡處理資料,以及紀錄存放在哪裡。作者根據五家平臺的廠商檔案,比較 MuleSoft、Boomi、SAP、Azure 和 AWS 的執行環境、模型處理地點與紀錄設定。Azure 說明資料區域選項較清楚,AWS 列出多個歐洲區域;MuleSoft 和 Boomi 有客戶自行管理的執行環境,但 Boomi 的 Flex 仍在早期測試。作者也指出,部分平臺沒有說明模型呼叫的實際地點或紀錄儲存多久,而且這次只查閱檔案,沒有實際建置驗證。

  16. Dev.to Top Tech41

    AI Gateway 怎麼比?TENSORAXIS 說明費用、模型選擇和部署方式

    挑 AI Gateway 時,不能只看首頁寫的單價,還要算清楚服務費、能用哪些模型,以及要自己架設還是交給平臺處理。這篇比較也說明,TENSORAXIS 是作者經營的產品,內容根據公開資料整理,不是獨立評測。舉例來說,每月使用 40M 輸入 token 和 10M 輸出 token 時,直接連模型服務是 $78,按比例收費的路由服務約 $81.90-82.29,月費固定 $49 的控制平臺則是 $127;自己架設的代理服務是 $78,另要花時間維運。實際怎麼選,得把自己的用量、各種費用和搬家成本一起算進去。

  17. ollama release48

    Ollama 發布 v0.40.17,加入 Inkling 2 Mini 並改善多項功能

    Ollama v0.40.17 加入 Thinking Machines 的 Inkling 2 Mini:它有 26B 個引數、每次運作會用到其中 5.4B,能處理文字和圖片、呼叫工具,也能進行推理;在 SWE-Bench Verified 的分數是 79.2%。這個模型約佔 20GB,能在 Apple silicon 的 Mac 上執行;這次版本還不支援 PC,之後才會加入。 這次更新也讓 Apple silicon 上的 Ollama 能同時處理多個請求,並改善 Claude Code 延後載入工具等功能。其他修正包括讓共用記憶體的顯示卡載入模型更順利,以及避免 Ollama 在非互動式終端機中因沒有輸入指令而顯示錯誤。

  18. Dev.to Top Tech52

    libvirt 虛擬機器的核心是什麼?看懂背後的 XML 設定檔

    使用 libvirt 管理虛擬機器時,常會透過指令或圖形工具建立、啟動和修改設定,卻不清楚這些工具實際在改什麼。作者用一臺 Debian 虛擬機器說明,每臺機器都有一份 XML 檔案,記錄記憶體、虛擬 CPU、開機方式和磁碟位置;磁碟與 UEFI 韌體設定則存在檔案指向的檔案裡。可以用 virsh dumpxml 檢視設定,用 virsh edit 修改;直接改磁碟上的 XML,libvirt 不一定會讀到。文章也說明 define 會儲存設定、create 會直接啟動暫存虛擬機器,而 start 會啟動已儲存的虛擬機器。瞭解 XML 後,新增磁碟或調整網路等工作,就能從設定內容著手。

  19. Dev.to Top Tech39

    AI 助理在 Base 上管理資金:自動調整投資組合,也要設好安全限制

    作者在 Base 上執行一個能自行管理資金的 AI 助理:它會觀察市場、調整資產比例,也能直接執行交易,不必每次等人批准。文章舉例,這個 AI 助理每 6 小時檢查一次投資組合;當穩定幣和 ETH 的比例偏離目標太多時,就會送出交易,從決定到鏈上確認的中位時間是 2.3 秒。作者表示,Base 的交易費較低,讓頻繁調整資產變得划算。 不過,讓 AI 助理自行動用資金也有風險:如果它遭到入侵,資產可能很快被轉走。因此作者設了交易金額上限、24 小時內的交易比例上限,並限制它只能使用經過稽核的服務;每筆交易還會先由守護合約檢查。這個例子說明,自動管理資金不只要讓 AI 助理會交易,也要限制它能做什麼。

  20. Dev.to Top Tech47

    GPT Image 2.6 如何用兩階段流程做出角色一致的動態貼圖

    一次請 GPT Image 2.6 做出一整組動態貼圖,角色可能每張都長得不太一樣。這篇文章建議分兩步:先做一張靜態角色圖,確認外型和顏色都對了,再把它當成每張貼圖的參考,只要求模型改動作、不改角色。像水豚穿著黃色雨鞋,可以先確認牠的樣子,再讓牠揮手做成 GIF。完成後還要檢查角色是否走樣、動畫接得順不順,出錯時也要分清楚是設定有誤,還是服務暫時出問題。這樣比較容易找出問題,也能減少整組貼圖看起來不像同一個角色的情況。

  21. Dev.to Top Tech50

    Python 如何用即時 DNS 檢查判斷商店網址何時能啟用

    商店網址的 DNS 設定送出成功,不代表顧客馬上就能順利使用;設定可能還沒生效,網域驗證也可能尚未完成。如果網站只記住「以前成功過」,有人改了設定後,畫面仍可能錯誤顯示已就緒。文中的 Python 範例會重新讀取 DNS 記錄和網域驗證狀態,確認需要的記錄都吻合後,才顯示上次檢查時已就緒;檢查結果會附上時間,並短暫快取,例如 30 秒後再檢查。這個時間只決定何時重新查詢,不能讓 DNS 更快生效。如此一來,商店可以等到有新鮮證據再切換網址,也不會把商店已就緒誤當成訂單通知郵件也已通過驗證。

  22. Dev.to Top Tech48

    健康科技網站如何防機器人註冊,並讓使用者管理登入中的裝置

    健康科技網站需要防止機器人註冊,也要讓使用者看得懂哪些裝置登入過帳號,並能撤銷不認得的登入。文章建議,建立帳號前先由伺服器確認驗證碼成功;設定頁則只顯示系統確實掌握的資料。沒有位置或裝置資訊,就標成「無法取得」,不要猜城市或裝置名稱;若網站自行記錄最近一次驗證時間,也要說清楚那代表什麼。每筆登入旁都應有撤銷功能,並由伺服器確認使用者有權檢視或撤銷。文章也比較 Auth0、Clerk、Supabase Auth 和 Infrai,提醒更換服務前要實際確認資料對得上、撤銷後登入真的失效;光看儀錶板或服務介紹,無法證明防機器人或帳號安全效果。

  23. Dev.to Top Tech45

    AI 圖片產生流程如何安全重試 429 上傳錯誤

    AI 產生報告圖片後,如果物件儲存回覆 429(要求太多),重新產生圖片既浪費時間,也可能讓同一份報告出現不同版本。做法是先把圖片存好,再交給另一個工作步驟上傳;重試時沿用原本的圖片和同一個檔名,並在有限次數內逐漸拉長等待時間。文章用 5 種情況檢查流程,例如連續遇到 429、上傳成功但回覆遺失,以及報告到期後能否刪除。這能減少重複檔案,也讓圖片留多久、誰能檢視,都由系統確實管好。

  24. Dev.to Top Tech59

    Unreal 團隊如何用夜間建置交接跨時區工作

    團隊分散在不同時區時,夜間建置一旦出錯,另一邊可能得等上大半天才知道問題在哪。Juego Studios整理了一份 Unreal 團隊交接清單,建議先訂好建置截止時間,再由同一臺建置機產出檔案,並把編譯、測試、打包分開回報。下班前也要留下簡短筆記,說明哪些改動需要優先測試、有哪些已知問題,以及誰負責處理失敗的建置。這些做法能讓下一個接手的團隊更快開始工作,也減少彼此等待。

  25. PyTorch Core Releases48

    PyTorch Dynamo 加快檢查張量是否共用記憶體

    PyTorch Dynamo 編譯程式時,會檢查多個張量有沒有用到重疊的記憶體;原本就算 3,103 個張量彼此沒有重疊,也可能要做超過 481 萬次比較。這次修改讓系統先按記憶體位置排序,再逐一檢查相鄰區段;遇到不適用的情況,仍會使用原本的檢查方式。在一個使用 3,103 個區塊的測試中,檢查時間從 86.75 毫秒降到 4.90 毫秒,讓編譯後的更新工作更快。

  26. Dev.to Top Tech47

    Node.js 聊天室如何讓唯讀觀眾安全接回漏掉的訊息

    聊天室重新連線成功,不代表觀眾真的看到了離線時漏掉的對話;唯讀觀眾也不能因為要補訊息,就拿到發言權。做法是由後端核對身分,再發只准訂閱指定頻道的許可權,並另外儲存對話,讓觀眾回來後從上次看到的位置補讀。像是觀眾斷線時聊天室收到新訊息,系統得確認他有權看這個房間,也得查出哪些訊息還沒送到;若舊訊息已不在儲存範圍內,就要明確告知或提供最新內容,不能假裝全部補好了。紀錄可保留成功與失敗的統計,但不必把每則訊息或每位觀眾的資料都存進監控紀錄,才不會多留一份對話。

  27. Dev.to Top Tech70

    如何讓 Webhook 重試與補送更穩定,不拖慢其他客戶

    Webhook 傳送失敗時,如果一直重試或一次補送大量積壓事件,可能讓其他客戶等更久,也讓剛恢復的服務再次過載。這篇指南整理了三種做法:依每個端點的 Retry-After 安排重試,並讓其他工作繼續進行;先檢查格式錯誤或過大的資料,把反覆造成錯誤的事件隔離到死信佇列;補送時限制速度,並把即時事件排在前面。作者也提醒,補送可能造成重複或順序改變,接收端應用穩定的事件識別碼去重,並準備暫停補送的方式。

  28. Dev.to Top Tech48

    背景工作佇列如何處理公開 HTTPS 訂閱端的 429 限流與重試

    金融服務的續約提醒有時得等到指定時間才能送出;如果服務暫時忙不過來,提醒也可能被拒收。做法是先把收到的提醒安全存好,再交給背景工作佇列安排時間和重試。像是收到 429 限流回應時,系統會依對方提供的等待時間,或採用有上限的延遲方式再試;若重試時間超過業務期限,就把工作交由人員檢查。即使同一則訊息送來好幾次,也要用唯一的業務識別資料避免重複造成帳務影響。這樣能讓系統留下每次處理紀錄,也更容易查清提醒最後送出、重試,還是需要人工處理。

  29. Dev.to Top Tech59

    如何安全更新 Service Worker 快取並清除舊版本

    網站更新 Service Worker 時,如果新舊快取混在一起,可能會拿舊的離線頁面給訪客看。作者示範把每個版本的快取分開管理:安裝時先準備新版資源,啟用時只清除同一組舊快取;網路失敗時,HTML 頁面只從目前版本的快取找離線頁面。這樣能避免誤刪其他快取,也不會用舊內容掩蓋新版缺少離線頁面的問題。文中的 Node 測試只能檢查快取命名、清理範圍和備援流程,仍要在瀏覽器測試實際的 Service Worker 生命週期。

  30. Dev.to Top Tech48

    Xybrid 主張 AI 應先在裝置上運作,需要時再用雲端

    很多團隊一加上 AI,就先把資料送到雲端,之後才想到能不能在手機或電腦上處理。Xybrid 主張把順序反過來:先用裝置裡的模型,真的不夠用再交給雲端。文中的例子顯示,iPhone 15 在 5 種工作裡有 4 種比雲端快,像圖片分類約 2 毫秒,語音轉文字約 200 毫秒;在裝置上處理也不用付每次呼叫雲端的費用,資料不必離開裝置。 這不代表所有 AI 都能放進手機:太大的模型仍得靠雲端。但 Whisper Tiny、Kokoro 和 Gemma 4 E2B 等模型已能在手機上處理語音、文字或多種媒體。文章建議先讓裝置上的模型試著完成工作,只有遇到複雜問題或模型放不下時才升級到雲端,讓使用者少等一點,也少傳出敏感資料。

  31. PyTorch Core Releases46

    PyTorch 把 FloorDiv 移出核心運算,讓 GLM-5.3 FP8 權重處理快 1.17 到 1.22 倍

    PyTorch 原本會在處理每個資料時,重複計算一個其實整次運作都不會變的除法,白白多花時間。這次修改讓 PyTorch 先算好這個數字,再交給後續運算使用。在 GB200 上測試 GLM-5.3 的 FP8 權重時,速度快了 1.17 到 1.22 倍;例如其中一種權重,單次運算時間從 739.2 微秒降到 607.8 微秒。測試結果在修改前後都和 eager 的結果一致。

  32. Dev.to Top Tech46

    GBase Database 單一與分層 dbspace 配置的可重複比較指南

    資料表要放在同一個儲存空間,還是分開存放,常讓資料庫管理員只能憑經驗爭論。這份指南教人用同一臺機器、同一批資料和同一組 SQL,分別測試兩種配置:一種把業務資料放在 rootdbs,另一種把業務資料、歷史資料、暫存資料和大型物件分開存放,再比較儲存空間使用、暫存操作、磁碟忙碌情況,以及擴充和備份的麻煩程度。 例如,可以觀察排序用的暫存資料是否真的進入指定空間,會不會擠掉業務資料可用的容量。分開存放不一定讓查詢變快,但可能讓容量管理和備份更清楚;如果資料量和同時使用的人不多,單一空間也可能就夠用。結果會受硬體、資料量和工作內容影響,因此要控制測試條件,並記錄別人能照著重做的結果。

  33. Dev.to Top Tech47

    結帳系統如何選錯誤追蹤工具,保留查案真正需要的線索

    結帳出錯時,如果錯誤紀錄和系統日誌對不上,客服就很難查出是哪筆交易出了問題;只把錯誤收進系統,也不代表線索完整。作者建議,後端錯誤追蹤先保留幾個能串起事情的資料:不透露身分的事件代號、出錯的操作,以及能連到日誌的追蹤編號。像是重試後有兩筆錯誤紀錄,卻只對應到一件客訴,就不能把它算成兩位顧客都失敗。 工具要看查案需要什麼:需要瀏覽器畫面重播或程式碼位置資訊時,可評估 Sentry;需要追查多個服務之間的請求時,可評估 Datadog;Healthchecks 則能提醒排定的工作沒執行,即使沒有錯誤紀錄。若只收集後端錯誤,就得另外處理通知和沒發出錯誤的工作;也要確認線索能儲存多久、敏感資料有沒有妥善保護。

  34. Dev.to Top Tech49

    Lab to Prod 每週發文流程怎麼運作

    經營一個部落格,要把文章改成不同平臺適用的內容、安排發布時間,還得避免重複發文,光靠手動處理很容易忙中出錯。作者用 GitHub Actions 自動整理和發布每週貼文,但每篇都要先經過作者檢查、合併 pull request 才能送出。系統會先檢查文字長度、圖片和影片格式,也會實際執行貼文引用的程式;成功發布後,會記下結果,避免下次重跑時又發一次。 原本計畫自動發布到 6 個平臺,後來發現 Hashnode 的 API 需要付費方案,因此改成手動貼文。作者也還不知道每週發 5 篇是否太多、短影片有沒有幫助,以及審稿到底要花多久。這套流程能減少重複工作,但讀者反應和成效仍要等實際發布後才能確認。

  35. Dev.to Top Tech63

    API 金鑰出問題時,如何查出是哪個服務在使用

    API 金鑰不知道由哪個服務使用時,直接換掉可能讓事件收不進來,讓已經延誤的工作更難恢復。作者整理了一套查核流程:用不含金鑰內容的識別碼記錄使用情況,再比對部署設定與執行紀錄;若多個服務共用同一把金鑰,就要分開觀察,並替各服務準備自己的金鑰。換新金鑰後,先用受控事件確認資料確實送達,再觀察舊金鑰的使用情況,才決定何時撤銷。文中也用假設的流量和處理速度計算積壓量,提醒團隊先確認容量上限能否消化待處理事件。

  36. Dev.to Top Tech61

    Taocarts 用 Token Bucket 限制跨境結帳 API 流量

    結帳流量突然變多時,正常買家的操作和程式重試都可能讓庫存與付款檢查一再執行。Taocarts 分享用 Token Bucket 管理跨境結帳 API:每個請求會用掉一個代幣,代幣會隨時間補回,因此能容許短暫的流量高峰,也能限制長時間的請求量。團隊設定容量為 20、每秒補回 0.5 個代幣,並用 Redis 的 Lua 指令碼讓檢查和扣除代幣一次完成,避免同時送來的請求重複通過。超量時還會回傳 Retry-After,讓使用者端稍後再試。

  37. PyTorch Core Releases53

    PyTorch 為 NIXL 傳輸加入對端通知功能

    使用 NIXL 傳送資料時,程式需要知道傳輸何時完成,才能接著處理。這次 PyTorch 更新加入對端通知功能:讀取或寫入資料時可以附上通知,接收端會在傳輸完成後收到;也能查詢或等待通知。通知內容上限是 4 KiB,零位元組傳輸不能附帶通知。由於 NIXL 1.5.2 的 UCX 傳輸要等發起端檢查傳輸才會送出通知,而且 NIXL 無法主動提醒有新通知,這項更新會在背景輪詢傳輸和通知。