佛心分享-IT 人的工作軟技能
In this series of articles, I'll introduce useful business English phrases, sentences, and vocabulary related to software engineers. My goal is to help readers improve their English skills in the workplace.
自我挑戰組
本系列以 30 天連載，從抽象思維出發，構築可落地的雲端資料平台。內容涵蓋： - 工程思維—釐清「抽象」的語意差異與價值。 - Helm 實戰—values.yaml 設計、template 技巧、Bitnami 範例。 - GitLab CI—基本介紹、部署整合、版本與參數管理。 - Kafka—從 Log 與資料庫演進理解事件流平台誕生與效能。 - Kubernetes—annotation/label 設計、k9s 示範 CRD、外部 API。 - Terraform—多環境治理與自動化部署。 最後以架構藍圖與決策模板收束，整合成可複製的雲端平台藍圖。
Modern Web
《拖延怪日記》是一個結合 Modern Web 與 AI 的互動網頁作品，以「記錄沒做到的事」為核心，專為想改善拖延的人設計。使用者每天只需輸入「今天沒做什麼」與「原因」，系統會回覆一則溫暖或打趣的語錄，讓紀錄不再是壓力，而是陪伴與幽默。 專案涵蓋表單紀錄、LocalStorage 保存、Undo、排序篩選、情緒追蹤、任務安排、互動動畫、AI 語錄生成、背景主題切換、雲端同步等功能，並支援 RWD 響應式設計，確保手機與桌機都能流暢使用。 此作品不追求一次治癒拖延，而是透過日常紀錄、數據回顧與 AI 陪伴，讓使用者逐步觀察自己的模式、累積成就感，進而找回改變的動機。
Software Development
我是一名大一升大二的資工系學生，在一年級的程式設計課中學過C與C++的基礎語法，而由於二年級會上Java，所以想在暑假時先提早了解，以免到時候上課聽不懂也只能發呆。 除了學習Java的語法外，我會希望自己能夠透過Java完成一個自己寫的遊戲，過程中可能會包含大量詢問AI的過程，但目的都是為了讓自己搞懂自己應該做甚麼，以及正在學習的重點。
Security
對沒錯，在藍隊中，需要的工具以及技術也是非常重要的一個部分，接下來的30天會帶給大家在學習藍隊時或者打藍隊CTF時用到的一些我覺得有趣的奇技淫巧或工具跟大家分享，也期望跟大家推廣藍隊的有趣之處。
Cloud Native
採用 Cloud Native 架構，負責支撐跨平台 AI 行程規劃 App 的資料處理與功能實現。使用者輸入旅遊條件後，後端 API 將整合 AI 模型生成每日行程與推薦，並儲存與提供給前端使用。 雲端部署確保服務可擴展且穩定，並透過資料庫管理行程與使用者偏好，提升響應速度與準確度。30 天內將完成 API 設計、AI 串接、雲端部署與效能優化，確保前後端協作順暢與服務品質。
Mobile Development
以 Flutter 打造跨平台 AI 行程規劃 App，支援 iOS 與 Android。使用者可輸入旅遊地點、天數與個人偏好，系統將生成每日行程與景點、美食建議，並搭配地圖標示功能。 負責介面設計與互動邏輯，實現順暢的操作體驗與清晰的行程展示。透過 Flutter 單一程式碼基底，確保跨平台視覺與操作一致。30 天內將完成 UI 設計、功能實作及資料串接，呈現完整且易用的應用成品。
Cloud Native
筆者在今年年初受到大神 Andrea Righi 的演講啟發，將 scx_rustland 移植到 golang 平台上運作， 並且考慮 Cloud-Native 的應用場景打造了一款適用於雲原生的通用排程器「Gthulhu」。 該系列文會以系統性的方式帶你學習如何開發 eBPF 應用，以及我如何思考 Gthulhu 的系統設計。 專案網址：https://github.com/Gthulhu/Gthulhu（歡迎賞 Star！）
自我挑戰組
本系列文章將以 R 語言的 ggplot2 為核心，結合 tidyverse 的資料處理能力，系統性探索資料視覺化的技術與設計思維。內容分為兩大部分： 技術面：透過Statistics Globe課程學習心得，從基本的語法與美學映射，到進階的圖形類型與套件擴展，並透過實作案例逐步加深理解. 設計面：結合資料視覺化理論與最佳實務，涵蓋圖表設計原則、顏色與比例的應用、資訊層次的呈現，以及如何避免常見的視覺化誤區. 將在30 天的持續創作，最終將完成一套從資料分析到圖表設計的完整學習筆記挑戰.
生成式 AI
這次的方向以投資知識 + AI 技術 + 網頁實作 為核心，讓身為投資小白的我能跟著一步步完成屬於自己的 AI 投資顧問。前一週將先建立基礎，包括股票數據來源、基本面與技術面概念，以及第一個抓資料的程式範例；第二週重點放在 AI 應用，透過 OpenAI API 讓 AI 幫忙生成公司簡介、解讀指標與市場情緒，並組合成投資報告；第三週會加入趣味與進階應用，例如多語言輸出、加密貨幣分析、自訂報告格式與批次分析；最後一週則專注在優化與收尾，包含控制成本、改善輸出品質、加入股價圖表、製作教學與心得分享。最終成果是一個簡單實用、能整合數據與 AI 的投資分析網站，並完整記錄從 0 到 1 的學習歷程。
