iT邦幫忙

技術文章

RSS
鐵人賽 AI Engineering DAY 21

Day 21|測試任務完成後,AI 真的會重新安排下一步嗎?

前言 今天的核心其實只有一句話:如果任務狀態改變了,AI 能不能根據最新資料重新安排? 我想知道更新了任務進度,AI 是否會重新安排任務順序。 先確認目前資料庫...

鐵人賽 AI 自動化 DAY 21

DAY 21|用 `/meeting` 串起完整會議流程

前幾天已把第一輪討論、需求變更、PM 草案與 Review 分開完成。不過實際操作時,仍要依序輸入 /start、/change、/draft 和 /revie...

鐵人賽 JavaScript DAY 21

Day 21 Fiber 雙緩衝機制與 WorkLoop:React 如何調度優先級?

今天我們要說明 React 16+ 能實現非阻塞渲染 (Non-blocking Rendering) 與可中斷更新 (Interruptible Render...

鐵人賽 Kubernetes DAY 21

Day 21|K8s 除錯

昨天設定了 NetworkPolicy,限制 Pod 之間的網路流量。今天會整理 K8s 除錯的流程,以及常見錯誤的排查方式。 除錯流程 遇到問題,從上往下逐...

鐵人賽 Vibe Coding DAY 21

Day 21 — AI 工具大比拼 (下):Codex + Antigravity 帶來的開發體驗革命

昨天的 Day 20 我們探討了 LM Studio(硬體卡頓)與 Ollama(純指令門檻高)在實際開發輔助上的限制。今天我們來看 Codex 與 Antig...

鐵人賽 AI 自動化 DAY 21

Day 21|畫面裡能回答之後,我如何把 Gemini 呼叫變成可追查的程式?

1. 我先用 N201 驗證一個完整呼叫 Day 20 我先定義 Gemini 的工作:整理設備回報的摘要與議題,理由要能指回原文,未知資訊不能自行補齊。接下來...

鐵人賽 AI Engineering DAY 21

[Day 21] Prompt 設計:如何讓 LLM 善用檢索結果

[Day 21] Prompt 設計:如何讓 LLM 善用檢索結果前言前面 20 天我們把心力都放在「怎麼找到相關內容」,從今天開始要進入 Generation...

鐵人賽 自我挑戰組 DAY 21

Day 21:幫診所裝一台會跳動的心電圖機

前言 昨天解決完呼吸過場的語言同步問題之後,我盯著那個圓圈動畫看了很久。 單純地縮放、變色,一縮一放,看久了其實有點像……呼吸球。嗯,它確實就是設計來模擬呼吸的...

鐵人賽 IT Operation DAY 21

Day 21 - 讓 Operator 管理 Todo API 的 Deployment 與 Service

前一篇的 accept 會記錄收到的 image、port,並回寫 Accepted,但 Todo API 的部署還不會跟著改變。今天我們加入資源管理,讓 Op...

鐵人賽 AI Engineering DAY 21

Day21 Learning Rate 太大、太小會怎樣?模型為什麼學不動?

前幾天我們陸續調整了 Epoch、Early Stopping 和 Batch Size,但模型在訓練時,還有一個非常重要的問題: 每次根據 Loss 更新...

鐵人賽 ChatGPT & Codex DAY 21

讓 ChatGPT 幫我建立待辦清單

學習使用 ChatGPT 到第 21 天,我發現它除了可以幫我處理比較複雜的事情,也很適合拿來整理每天的小任務。有時候事情一多,就很容易忘記自己到底有哪些事情要...

鐵人賽 Claude AI DAY 13

Day 25|被找到不等於被認證:索引資訊與可重現的回報入口

昨日回顧 Day 24 把發行包、文件與驗證證據綁在一起。今天準備讓外部讀者找到專案,並且在有問題時能有效回報。先把產品與證據做完整,再考慮宣傳;索引、目錄或...

Day 21|網站上線之後:日誌、儀表板與告警的監控入門

上一篇整理了分享連結之前的資安檢查。連結傳出去、朋友開始使用之後,會遇到另一個問題:網站壞了,你很可能是最後一個知道的人。 假設選物網站每天凌晨會自動整理商品:...

鐵人賽 Modern Web DAY 21

DAY21 基礎資料型態與運算子

在昨天的文章中,我們成功在網頁中引入了第一行JavaScript,並打開瀏覽器的控制台(Console),成功向網頁大腦發出了連線訊號。 當我們開始要求Java...

鐵人賽 AI Engineering DAY 3

Day 22(下)|Golden Signals、RED、USE:框架是起點,不是儀表板模板

GitHub:darkstar1227/learning-sre-for-ai-era 結論先說:框架選對只是起點,真正驗證它有沒有用,要靠實作把三套框架接...

鐵人賽 自我挑戰組 DAY 21

【Day21】static method 靜態方法 & static class 靜態類別

靜態方法 舉例 Tool模板: namespace ConsoleApp1 { static class Tool /設定 Tool 為靜態方法 { publi...

鐵人賽 AI Engineering DAY 3

Day 21(下)|Metrics、Logs、Traces:同一件事,三種問題

GitHub:darkstar1227/learning-sre-for-ai-era 結論先說:trace 要拆到能做決定、metrics label 要...

鐵人賽 AI Engineering DAY 3

Day 21(上)|Metrics、Logs、Traces:同一件事,三種問題

GitHub:darkstar1227/learning-sre-for-ai-era 結論先說:metrics 回答「有沒有問題」,logs 回答「發生了...

鐵人賽 AI Engineering DAY 3

Day 20(下)|Error Budget 與 Burn Rate:預算用完要真的改變行為

GitHub:darkstar1227/learning-sre-for-ai-era 結論先說:算出 burn rate 只是前半段,真正決定行為的是把它...

鐵人賽 AI Engineering DAY 3

Day 20(上)|Error Budget 與 Burn Rate:預算用完要真的改變行為

GitHub:darkstar1227/learning-sre-for-ai-era 結論先說:error budget 不是故障額度,而是 SLO 留下...

鐵人賽 AI Engineering DAY 3

Day 18(下)|LLM Application SLI:把「慢」拆到能修的位置

GitHub:darkstar1227/learning-sre-for-ai-era 結論先說:事件契約定義好只是起點;真正決定值班工程師能不能在深夜迅速...

鐵人賽 AI Engineering DAY 3

Day 18(上)|LLM Application SLI:把「慢」拆到能修的位置

GitHub:darkstar1227/learning-sre-for-ai-era 結論先說:LLM application 要同時定義 system...

鐵人賽 AI Engineering DAY 3

Day 17(下)|好的 SLI 與 FastAPI SLO:量得到不代表該量

GitHub:darkstar1227/learning-sre-for-ai-era 結論先說:規格寫得再漂亮,沒有查詢跟反例驗證過,都只是紙上的承諾;這...

鐵人賽 AI Engineering DAY 3

Day 17(上)|好的 SLI 與 FastAPI SLO:量得到不代表該量

GitHub:darkstar1227/learning-sre-for-ai-era 結論先說:好的 SLI 靠近使用者結果、能驅動動作,且不需要為了好看...

鐵人賽 AI Engineering DAY 3

Day 16(下)|平均 Latency 為什麼會騙人?請看尾端

GitHub:darkstar1227/learning-sre-for-ai-era 結論先說:histogram 埋對了只是起點,dashboard 要...

鐵人賽 Software Development DAY 27

Day 27:案例——一個看似綠燈的測試,其實沒斷言到真正關鍵的行為

前言:測試綠燈,代表邏輯是對的嗎? 測試綠燈只代表「斷言的部分都成立」,不代表「這段邏輯所有重要的行為都被驗證過」。如果斷言本身斷得不夠精準,一段邏輯即使被改壞...

鐵人賽 Claude AI DAY 27

Day 27:驗證——這套「證據優先」的要求,有沒有真的減少事後補救的次數

前言:第三部的驗證,跟前兩部有一個關鍵差異 Day 09、18 分別驗證過第一部、第二部的規則有沒有生效。第三部的驗證方式要多一層考量:「有沒有附上證據」本身容...