Modern Web
距離上次被喊成全端已經過了好一陣子，累積了不少前端經驗後終究還是回來當全端社畜，不過從新手的第一份工作到現在還是有些不同的想法，就決定在這次來寫吧
Software Development
新 .NET & Azure & IoT & AI 開源技術實戰手冊 (含深入官方程式碼講解)
Software Development
在這 30 天，我會記錄如何一步步摸索 : 六邊形架構、DDD、Java Persistence with Spring Data and Hibernate、Junit5、Docker，有時間會探索Spring Security。嘗試串接 LINE Webhook 和一些免費 API。最後，我會挑戰再做一個 Python 微服務基於 FastAPI 框架，讓這三個獨立的服務 —— Java Spring Boot、資料庫、Python —— 能夠彼此溝通。 這不是專業的架構課QQ，這是一個 Spring、後端學習日記，希望能和大家一起踩坑 ~~🚀。
生成式 AI
一個 Slack AI ChatBot 的完整開發歷程，從產品發想到生產部署的 30 天技術實踐分享。 從 0 到 1：如何將普通 Slack Bot 升級為具有身份認知、支援多輪對話、甚至能 Bot 間協作的 AI ChatBot。 從 Day 1 到 Day 2：技術選型、架構設計、生產環境部署與維運。
佛心分享-IT 人自學之術
對 API 技術的全面介紹，涵蓋其概念、設計原則與實作流程，說明如何通過RESTful API管理資料、服務與功能，並結合測試與驗證。從訂單查詢到後端服務的開發，API 的應用場景與技術實踐展示了現代軟體架構的核心價值，透過實作掌握 API 設計與驗證方法，可有效應用於實際問題解決。
Cloud Native
在雲原生的時代裡，服務之間的連結就像是一場場舞蹈：節奏要準確，步伐要流暢，舞者之間還必須互相信任。作為 API Gateway 的新星，APISIX 就像是一位靈活的精靈，陪伴我在這兩年裡探索、實踐，並一步步將系統舞台搭建得更完整。 這個系列帶著真實的使用經驗、遇到的問題、解決的方式，以及背後的思考。你會看到： 從零開始的旅程：如何部署、如何理解 API Gateway 的角色。 舞步的演進：負載平衡、健康檢查、憑證管理、觀測性等核心議題。 舞台幕間的插曲：服務故障處理經驗、舊服務 TLS 相容問題。 進階的合作舞：踏入Kubernete這個雲原生更大舞
生成式 AI
生成式AI（Generative AI）是基於人工智慧的技術，能夠創造出新的內容，如文字、圖像、音樂等。它通過學習大量的數據，掌握其內在模式和結構，再用這些知識生成類似的資料。常見的生成式AI技術包括生成對抗網絡（GANs）和自回歸模型（如GPT）。這些技術已廣泛應用於語言生成、圖像創作、音樂製作等領域。然而，生成式AI也面臨挑戰，如假信息生成、版權問題和倫理爭議等。隨著技術的進步，生成式AI將深刻影響創意產業及各行各業的未來發展。
DevOps
此系列文將從基礎的部署開始，介紹 graylog 的各種功能，並夾雜我在公司專案中使用的心得與筆記。
DevOps
這是一個從我個人觀察與實踐延伸的心得系列。最初只是想做一個 Grafana Assistant 來改善使用體驗，但隨著深入 LLM 應用，我逐漸意識到：這些系統同樣需要可觀測性，只是方式與傳統服務截然不同。過去的可觀測性 1.0 與 2.0，關注在基礎設施、微服務與指標。 而在 LLM 世界裡，核心卻是模型、提示、評測迭代與使用者互動。這意味著我們需要新的觀點與實踐來理解 LLM 可觀測性。在這個系列中，我會從理論、實務、生態與架構多個層面切入，探索如何打造可持續擴展的 AI 系統。就讓我們一起看看，傳統可觀測性與 LLM 應用的交會，能激盪出什麼樣的火花！
