作者示範如何把 Agave 2.3.13 改成自己的區塊鏈
想建立自己的區塊鏈,直接改用成熟的驗證器程式,還是得處理創世設定、金鑰和主機環境。作者以 Agave 2.3.13 建立名為 Machine 的鏈,記錄如何設定原生代幣、投票金鑰與驗證器,也分享一次設定不合,讓測試驗證器無法投票的問題。單一節點能投票並完成區塊確認,只能說明本機設定可運作,還不能證明多節點網路或使用者轉帳正常。作者也建議分階段測試,橋接真實資產前先完成獨立安全稽核;目前 Machine 仍是未經稽核的單節點本機測試網。
想建立自己的區塊鏈,直接改用成熟的驗證器程式,還是得處理創世設定、金鑰和主機環境。作者以 Agave 2.3.13 建立名為 Machine 的鏈,記錄如何設定原生代幣、投票金鑰與驗證器,也分享一次設定不合,讓測試驗證器無法投票的問題。單一節點能投票並完成區塊確認,只能說明本機設定可運作,還不能證明多節點網路或使用者轉帳正常。作者也建議分階段測試,橋接真實資產前先完成獨立安全稽核;目前 Machine 仍是未經稽核的單節點本機測試網。
讀歷史時,光看文字或某一年的平面地圖,很難看出帝國版圖怎麼擴大、縮小,也不容易比較不同帝國何時並存。Julian Neagu 做了 VEX History Globe,開啟瀏覽器就能在旋轉的地球上,分階段檢視 10 個帝國的版圖;也能切換戰役、首都、貿易路線和統治者等圖層,或用時間軸比較同一時期有哪些帝國。版圖是參考歷史地圖繪製的概略範圍,適合學習,不適合當成研究資料。
AWS 許可權和網路設定分開檢查時,單看每一項都可能正常,串在一起卻讓攻擊者一路取得敏感資料。作者介紹開源工具 Stave,從 AWS 設定快照整理出角色能否接手其他角色、哪些許可權可用,以及網路是否可通行,再用 Soufflé Datalog 遞迴追出完整路徑。文章提到,這套引擎在 Bishop Fox 的 IAM Vulnerable 練習環境中找出全部 30 條已記錄的許可權升級路徑。分析結果仍取決於快照和收集到的資料是否完整。
nginx 發現多個漏洞後,有些 Debian 版本已沒有免費安全更新,Debian 12 和 13 的修補也尚未進入正式更新,讓伺服器管理者難以安全升級。Hosted Power 把修補程式套回 Debian 原有的 nginx 套件,提供 Debian 9 至 13 使用;套件名稱、設定位置和模組介面都維持原樣。安裝程式會檢查 nginx 設定,作者也提醒安裝後要重新啟動 nginx,並在 Debian 官方修補推出後盡快安裝官方更新。
小型區塊鏈若各自挖礦,有限的算力會被分散,網路也可能因算力離開而停擺。作者以 Bitcoin Core v31.1 建立五條供應量不同的分支,讓一個 CPU 用同一次 RandomX 計算嘗試挖出五條鏈的區塊,並加入難度調整與停擺緩解規則。上線初期作者是唯一礦工;公告後外部算力一度升至約 60,000 H/s,難度隨之提高。不過,近期區塊仍集中在少數地址,文章也整理了新手安裝、Windows 排程與簽名領取等實作經驗。
想學 eBPF,卻不知道哪些課程能在自己的 Linux 核心上執行?作者閱讀 bpf-developer-tutorial 的相容性表和部分課程,整理出挑選順序:先確認核心最低版本、系統是否有 BTF,再看課程是否在 CI 實際執行過。文章建議從第 1、4、9 課開始,並在可丟棄的虛擬機器裡練習;作者沒有安裝或執行課程,因此文中的輸出是 README 範例,不是作者實測結果。eBPF 程式需要較高許可權,教學也不保證能直接用在正式環境。
n8n 網站能透過網域開啟,Webhook 卻可能顯示 localhost:5678,讓外部服務把請求送到自己的電腦,工作流程收不到事件。作者用 n8n 2.48.6 和 Caddy 實測發現,N8N_HOST 和 N8N_PROTOCOL 會改網址的網域與開頭,但網址仍會帶著 5678;設定 N8N_WEBHOOK_URL 才能換成外部使用的網址,N8N_PROXY_HOPS 則用來告訴 n8n 前面有幾層反向代理。文中也示範如何重啟服務、確認正式 Webhook 網址,並提醒工作流程必須先發布,正式網址才會接收事件。
在 VPS 上裝好 Coolify,不代表防火牆就會擋住所有對外連線;沒有設定網域時,HTTPS 也還沒準備好。作者在 Ubuntu 24.04 VPS 上實際安裝 Coolify 4.7.5,並記錄如何建立管理員帳號、檢視服務是否正常,以及用 ufw-docker 管理 Docker 發布的連線埠。測試發現,ufw 單獨使用時,Docker 發布的連線埠仍可能從外部連上;設定 ufw-docker 後,才可按需要放行面板與 Proxy 使用的連線埠。沒有網域時,80 和 443 會回傳 503,並使用 Traefik 預設憑證;網域指向 VPS 並在面板設定後,Proxy 才能申請憑證。文中也提醒要把含有金鑰與密碼的 .env 檔另存到安全位置。
想在家用電腦跑大型語言模型,買新顯示卡可能很花錢。這篇評測用三張二手 Nvidia V100 組成總價 $1,042 的主機,測試 Qwen 3.6 35B;在 4K 上下文時,每秒約產生 100 個 token,到了 128K 仍有 72.7 個。作為比較,三張 P100 在相同條件下只有 40.2 個,V100 每次測試的 GPU 耗電也約是 P100 的一半。作者提醒,各臺裝置使用的執行工具不同,因此比較數字只能大致參考。
推薦理由:這組測試比較不同退役 GPU 在長上下文下的速度與耗電,也列出自組成本,可用來評估舊卡能否應付本機模型推論。
匯出工作一直被系統殺掉,Node.js 的 heap 卻只有 210 MB,乍看像是找不到原因。作者追查後發現,Pod 把 /tmp 設成用記憶體的暫存空間,S3 上傳失敗時檔案沒有刪除,留下的檔案也算進容器的 1 GiB 記憶體上限;容器重啟後,這些檔案仍留在 Pod 裡。團隊改用磁碟暫存、清理每次工作的檔案,並在啟動時清掉舊檔。這個案例提醒排查 OOMKilled 時,也要檢視容器共用記憶體和暫存檔。
有些程式語言寫起來簡單,卻不容易直接控制記憶體;KingCobra 想把這兩件事放在一起。作者推出 1.0 版,語法包含切片、解構和錯誤處理,也能使用指標與呼叫 C 程式。它沒有垃圾回收功能,但會檢查重複釋放、指標越界和生命週期問題。直譯器能執行所有程式,部分只處理整數的程式則可在 x86-64 上使用 JIT;作者測得 fib(35) 約快 14 倍。作者也列出限制,包括 JIT 支援範圍有限、macOS 未納入 CI,以及 Windows 直譯器中的閉包可能出錯。
黃仁勳過去用輝達的投資和收購,幫忙扶植開源與開放權重模型,也曾反對限制中國開放權重模型,並推動美國發展這類模型。有人擔心,他離開後,輝達投資不再那麼大方,模型市場可能更集中在少數業者手上,OpenAI 和 Anthropic 等閉源模型開發商也可能因此受益。業界人士認為開放權重模型不會消失,但少了這位重要的出資者與支持者,發展速度可能變慢。
AI 助理寫程式、測試和檢查變快後,團隊更容易卡在規則沒寫清楚、大家各自理解不同。作者分析 Rootstrap 提出的 Knowledge-Centric Delivery:先把經核准的業務規則和決策放進共用知識庫,再讓 AI 助理依照這些內容建置軟體;缺少規則時先找人補齊,合併程式前也要拿出測試等證據。像取消訂閱後還能用到已付費期間結束,就是先寫清楚規則,再用測試確認程式做得到。作者認為,這能讓修改更容易追查,也讓人把時間花在釐清需求和判斷結果上;文中另提出從單一業務範圍開始試行的做法。
使用 VPN 時,俄羅斯的銀行或購物網站可能把海外伺服器的 IP 當成可疑來源;連到海外的路線也可能不穩。作者整理 AmneziaWG 的兩臺 VPS 設定:用俄羅斯伺服器當入口,連到海外出口,依目的地 IP 決定流量走哪裡,所有裝置共用同一套分流規則。作者在測試伺服器上觀察到,某次從西伯利亞直連海外機房會掉 30–50% 的封包,先經莫斯科則沒有掉包。這套設定需要手動維護,而且不是斷線保護開關;作者也說明如何檢查路由、更新俄羅斯 IP 清單,以及出口被封鎖時更換伺服器。
影片剪完後,還得回頭找每個主題從哪裡開始、挑出適合分享的句子,常常很花時間。作者做了一項 Hermes 技能,讀取 SRT 或 VTT 字幕,依談話用詞變化建議章節位置,也會列出可能適合引用的句子。AI 助理再替章節命名、調整起點並寫摘要;引言會連同時間標記逐字保留,貼上前也會檢查 YouTube 的章節規則。作者提醒,章節位置只是建議,自動字幕也可能有錯;目前只用少量影片和自我測試,長時間錄影還沒測過。
公司裡的資料常散落在不同地方,像資料庫、資料湖、檔案儲存空間和即時訊息系統;連「資料在哪裡、是什麼、誰能使用」的說明也跟著分散,找資料、拿資料做 AI 專案都變麻煩。作者把 Apache Gravitino 想成一張大家共用的資料地圖:它能整理不同系統裡的資料資訊,卻不必搬動資料本身。它用四層來分類,從整個工作空間一路分到資料表、檔案、訊息主題和 AI 模型,讓團隊比較容易找到並管理各處的資料。
這期 Signal 整理了幾則科技訊息:Java4Shell 漏洞會受 CPU 型號影響,文章建議所有 JDK 17+ 都安排修補,並先盤點服務使用的版本;暫時也可用 -XX:-UseBASE64Intrinsics 關掉受影響的程式,但每個 Java 程式都得重新啟動。OpenAI 推出 GPT-6.2 Astra 和 Sol,開發者可透過 Vercel AI Gateway 使用;Astra 每百萬個輸入 token 收 $8、輸出 token 收 $40,文章提醒效能和品質說法仍應用自己的程式測試。 另外,Vercel Sandbox 的 Python SDK 升到 1.0,eve 也以開放原始碼形式推出;Amazon SageMaker 則新增 KV cache-aware 路由。這些工具各有適用情境,像是讓 Python 執行程式時自動清理隔離環境,或讓多輪對話更有效利用快取。實際匯入前,仍要先確認需求並在測試環境試跑。
AI 助理為了找程式專案裡的資料,通常不需要刪除、改寫檔案,或任意檢視所有內容。Sentinel-IR 會整理出程式的結構,讓 AI 助理只能檢視獲準的資料夾;Sentinel-IR MCP 不會改寫專案檔案、執行程式或連上網路。就像請圖書館員找一本書,只要給他借書證,不必把整棟樓的鑰匙交出去。 開啟稽核紀錄後,系統會記下使用了什麼工具、檢視哪個路徑、結果如何,以及檔案的 SHA-256 指紋,但不會記錄程式碼內容。這些紀錄能幫團隊確認 AI 助理看過什麼、檔案後來有沒有改變;不過,指紋不能保證紀錄不會被動手腳。它也無法保證防住藏在專案裡的惡意文字。原則是:專案內容是資料,不是新的命令。
推薦理由:DaisyRose-27B 在多項終端機與程式開發評測中優於基礎模型,呈現強化學習後訓練對長時間任務的影響。
把網頁內容交給雲端處理,可能不符合資料留在自己電腦上的需求;Firecrawl Local 提供另一種做法。它是 Firecrawl 的開源單一執行檔,可在本機擷取、整理網頁,並提供 localhost:3002 的 API,也能當作 MCP server 給 AI 助理使用。搜尋、無法在本機擷取的網頁,以及 Alexandria 資料服務仍可能連到 Firecrawl Cloud;設定 FIRECRAWL_CLOUD=off 可關閉雲端轉送。它沒有 JSON 摘要、瀏覽器操作和長期儲存工作等完整伺服器功能,適合想在本機測試擷取流程的人。
推薦理由:Firecrawl Local 把常用的網頁擷取工作留在本機,也說明哪些功能仍會連到雲端,方便評估資料流向與功能取捨。
想在自己的電腦抓取網站,卻不想維護資料庫和多個服務,可以考慮 Firecrawl Local。它是 Firecrawl 的輕量版本,能在本機抓取、爬梳和整理網站內容,並提供 API v2;搜尋等部分功能則會連到 Firecrawl Cloud。自架版需要用 Docker Compose 維護多個服務,但工作可以儲存更久,搜尋也留在自己的環境。文章也提醒,Local 的工作會在一小時後到期,部分輸出格式和功能不支援;Firecrawl 宣稱它更快、更省記憶體,但沒有公佈測試方法,想知道實際差異仍要用自己的網站測試。
想在自己的電腦抓取網頁,卻不想另外管理資料庫和多個服務,可以看看 Firecrawl Local。它是 Firecrawl 在 2026 年 11 月 18 日推出的單一程式,可抓取、巡覽和整理網頁,並在本機提供 v2 API;自架版則需要用 Docker Compose 執行多個服務。Local 的部分功能會連到 Firecrawl Cloud,關閉雲端連線後,搜尋和受阻網頁的替代處理就無法使用。文章也比較兩者的工作儲存、輸出格式和安全設定,並提醒 37 倍速度與記憶體用量的數字是 Firecrawl 的說法,讀者可用自己的網址測試。
想在自己的電腦抓取網站,有些人不想為此安裝資料庫、佇列和多個容器。Firecrawl 新推出的 Firecrawl Local 是一個 Rust 執行檔,可在本機抓取、整理和列出網站網址,也提供 v2 API;它不需要資料庫或容器,但工作資料只保留在記憶體,服務重啟或超過一小時就無法接續。搜尋、被擋住的網頁和 Alexandria 會依設定送到 Firecrawl Cloud,若不希望資料離開電腦,可以關閉雲端連線,但這些功能也會停用。需要長時間工作、JSON 或摘要格式,或讓搜尋留在自己的伺服器上,則應使用自架版。文章也提醒,Firecrawl 宣稱 Local 快 37 倍、記憶體用量少 230 倍,但沒有公開測試方法,建議用自己的網址比較。
展場又大又擠,帶著相機、腳架和提詞器邊走邊拍很不方便,拍完的影片也得另外找時間傳回去。雷科技做了一套探展拍攝系統,把平板、DJI Pocket 和手機裝在同一支架上:平板顯示臺詞,Pocket 負責拍攝,手機則能即時監看和回放。雷科技在 IFA 試用後,還加上獨腳架來減輕手臂負擔,並打算把整套方案免費分享給其他創作者。這套系統仍在改良,團隊也正在規劃讓拍攝素材能更快傳回後方。
把語音送到雲端辨識,可能讓敏感內容離開使用者的裝置,也會增加網路傳送、費用和伺服器管理的麻煩。SolveMyMedia 改用 Transformers.js 和 ONNX Runtime Web,直接在瀏覽器裡處理音檔:第一次先下載 Whisper 模型並存在瀏覽器,之後就能離線辨識;有 WebGPU 時用顯示卡加速,沒有時則用 WebAssembly 和 CPU。音檔和辨識結果都留在裝置上,使用者不必為每分鐘辨識付 API 費用。這種做法適合重視隱私的語音工作,但文章也提醒,雲端仍適合需要大量資料或集中處理的工作。
公司檔案常混在一起,後續工具不一定知道該怎麼處理。Japan Open Data Lab 推出 ja-doc-classify-v1,先把日文商業檔案分成 8 個領域,再在有把握時從 43 種檔案型別中挑選;沒把握就只回報領域。它也會標出可能高度敏感的檔案,讓人優先檢查,但這個標記不是保密判定。兩組各 200 份人工撰寫檔案的測試中,領域分類在未棄答的結果上準確率為 0.989;檔案型別則為 0.82–0.87。合約、委任狀和身分確認臺帳容易分錯,作者提醒重要判斷仍要交由人員或後續規則處理。
AI 寫出的程式碼就算能正常運作,也可能變得複雜,或不符合原有專案的寫法,讓開發者難以說明修改理由。軟體工程師 Sumit Jambhale 開發了開源命令列工具 GitCheck,協助開發者在提交程式碼前先弄懂 AI 協助完成的修改。工具會分析已暫存的程式碼差異和語法結構,再依照架構、實作選擇和邊界情況提出問題;開發者回答後,GitCheck 會評估說明並提供回饋,最後由開發者決定是否承擔這些修改。目前可從頭到尾完成這套流程,但提問是否切中重點、評估品質和使用體驗仍有改進空間。
AI 助理查資料時,如果使用者取消了原本的工作,查詢結果晚一步才回來,就可能被下一個任務拿去用。文章提出一個測試方法:先讓任務 A 查詢 Cedar 的資料並暫停回應,取消任務 A,再開始使用 Birch 資料的任務 B,最後放回任務 A 的查詢結果,檢查它送到了哪裡。測試時要看傳送紀錄和模型收到的內容,不能只看 Birch 的答案是否正確,因為答案正確不代表 Cedar 資料沒有混進去。作者也提醒,這套測試只能說明實際測過的情況,不能因此認定所有取消時機都安全。
用一個 AI 助理整理好的簡報架構,換到另一個 AI 助理時常得重新說明。Graphium 讓你把決定存成自己資料夾裡的筆記,再透過 MCP 連線其他 AI 助理;你可以請一個助理存下內容,再請另一個搜尋並讀取筆記,也能詢問答案來自哪篇筆記。由 AI 存下的筆記會記錄使用的 AI 應用程式。這項功能只會分享你主動存下的筆記,助理也不一定會自行搜尋;目前只能連線同一臺電腦上的 AI 應用程式。
手動發布靜態網站,常得一次上架多篇文章,還要確認連結和翻譯都準備好了。作者分享一套不靠 CMS 的排程做法:文章先放進佇列資料夾,檢查程式會確認各語言檔案、連結和文章結構,再由排程挑出到期文章。發布前會先跑完整建置;只要建置失敗,文章就不會推上網站,仍留在佇列等下次重試。作者也提醒,他用的筆電排程可能因睡眠或關機漏掉發布時段,並建議改用雲端排程或 VPS。
llama.cpp 的 CUDA 矩陣運算在輸出非常大時,可能把寫入位置算錯,造成程式越界寫入並因非法記憶體存取中止。這次更新把相關位置計算改用能處理更大數值的 64 位元整數。舉例來說,詞彙表有 248320 個詞、輸出 16384 列時,結果會有 4.07e9 個元素,超過原本 32 位元整數能正確處理的範圍;修正後可避免這類位置計算錯誤。
推薦理由:內容交代 NVIDIA 暫代執行長向員工重申晶片規劃與開放模型策略,並呈現員工對模型發布前安全測試的不同看法。
nginx 的 HTTP/2 漏洞已有可在預設 HTTPS 與 HTTP/2 設定下發動的遠端程式碼執行示範,但 OpenResty 當時還沒有修補版。Corvus 團隊先依自己的建置設定確認哪些漏洞適用,再把 nginx 1.31.8 到 1.31.9 的完整程式碼差異套進 OpenResty,並讓修補套不上時建置直接失敗。受影響版本包括 nginx 1.31.8 及更舊版本;1.31.9 和 1.30.7 已修補,暫時無法重新建置時,可在受影響伺服器關閉 HTTP/2。文章也指出,監控指令碼用 tee 傳遞輸出時可能漏掉前一個指令的失敗狀態,導致更新提醒一直沒有發出。
很多商業軟體要月月付費,客戶資料也放在別人的雲端;對保管個資和帳號的會計師事務所,或要管理親友名單與禮金的婚禮家庭來說,可能不太放心。RSFlowHub 做了 CA Vault 和 Toran,買一次後安裝在自己的主機上,資料留在自己的伺服器,兩款都不會回傳使用紀錄,也不必連回原廠才能運作。 CA Vault 能整理客戶資料、報稅期限、檔案和帳號,也會自動列出待辦事項;Toran 則把賓客回覆、座位、禮金和廠商安排放在同一個地方。舉例來說,Toran 收到親友的出席回覆後,座位安排和入口名單也會跟著更新;婚宴現場網路不穩時,仍可先離線使用,等網路恢復再同步。CA Vault 一次付費 ₹7,999 起,Toran ₹9,999 起。資料放在自己的主機上,能少付月費,也更方便掌握誰能看到資料。
在記憶體有限的 JVM 裡微調大型語言模型,輸出層可能會因為一次算出太多詞彙分數而耗盡記憶體。Kotensor 作者遇到 Qwen2-0.5B 微調失敗後,先跳過不計入損失的提示詞,再把輸出計算和交叉熵損失分小批次處理,並重用暫存空間,避免一次存下龐大的中間資料。他也加入 JVM Vector API 加速矩陣運算。在文中的測試裡,完整 24 層模型原本會超過 6 GB 堆積記憶體而失敗,修改後用量為 2.84 GB;搭配向量化後,輸出層計算時間從 2.70 秒降到 0.33 秒。
Claude Skills 能替 Claude Code 和 claude.ai 加上現成技能,但技能資料夾裡也可能附帶會執行的程式碼。這篇指南整理九個 GitHub 資源,涵蓋 Anthropic 官方範例、行銷與研究技能、程式開發工具,以及方便搜尋的清單,並提供各自的安裝方式。作者建議先讀 SKILL.md 和資料夾裡的程式,留意網路連線、讀取專案外檔案或傳送資料的行為,也要確認授權與更新狀況;第一次只安裝一個技能,並先在單一專案試用。文章沒有安裝或執行這些技能,因此這份整理不是安全審查。
想讓 Claude Code 操作檔案、GitHub、瀏覽器或資料庫,得先挑對 MCP 伺服器,也要管好它能碰哪些資料。這份指南整理四類選擇:用參考伺服器處理檔案與 Git、用 GitHub 官方伺服器檢視專案和問題、用 Playwright 操作瀏覽器,以及用 Google 的 MCP Toolbox 連線資料庫。文中提供安裝方式,也提醒先把許可權縮到需要的範圍,例如只開放單一資料夾、先用唯讀許可權;瀏覽器和資料庫工具則可能接觸網頁內容或執行 SQL,設定前要留意風險。作者依照專案檔案整理內容,但沒有實際連線測試這些伺服器。
機器人要拿起物品,得先選對夾爪;物品的形狀、材質和表面,都會影響能不能抓穩。常見設計有四種:平行夾爪用兩根手指夾住物品,多指夾爪靠好幾個接觸點配合不同形狀,吸盤夾爪靠吸力固定,磁力夾爪則用磁力吸住能被磁鐵吸引的材料。 例如,吸盤適合表面平滑、不容易漏氣的物品;表面粗糙或有孔洞時,就可能吸不牢。沒有一種夾爪適合所有工作,挑選時得看物品和工作環境。有些夾爪還會用感測器確認是否抓穩,讓機器人能在抓取時調整做法。
要讓機械手臂把工具移到指定位置,不能只告訴它目標在哪裡,還得算出關節要怎麼動。這一章從正向與反向運動學談起,說明如何用座標轉換算出工具的位置,再找出能到達目標的關節角度;也介紹雅可比矩陣、冗餘關節和奇異點,解釋機器人如何調整姿勢、避開關節限制並保持動作穩定。後半部開始介紹逆向動力學,說明如何依照機器人的動作計算所需的力或扭力。內容也提醒,座標設定、工具位置和機器人實際校正都會影響結果。
團隊收到 Notion 帳單後,發現沒人清楚哪些檔案還在使用,也擔心日後無法取回資料。作者比較開源替代工具時,主要檢查三件事:資料能不能自己儲存、斷網後能不能繼續編輯,以及能不能把內容完整匯出。作者最後列出 AppFlowy、AFFiNE 和思源筆記,並提醒各自的同步方式、使用習慣和學習難度不同。團隊最後採用自架服務,並每天把 Markdown 資料夾備份到私人程式碼儲存庫;作者也建議先測試斷網工作和匯出,再決定是否搬家。