iT邦幫忙

技術文章

RSS
鐵人賽 Software Development DAY 17
Kotlin Ktor 實戰 101 系列 第 17 篇

Kotlin Ktor 實戰 101 Day 17 設定管理與多環境

day 16 結尾列了 3 個寫死在程式碼裡的東西,port 8080、log level、call id 的長度,還有 day 15 欠的那個「開發模式才回...

鐵人賽 Security DAY 12

[Day 12]Windows Guest VM

1. 建立 Windows Guest VM 官方目前建議: Windows 10 或 Windows 11 23H2 並指出分析 VM 建議關閉 User...

鐵人賽 自我挑戰組 DAY 8

【Day 12】儀表板互動神技:利用「參數(Parameters)」讓使用者自由切換維度與動態門檻

在昨天的文章中,我們學會了免背公式的「快速資料表計算」,輕鬆算出了 YoY 與累積加總。 隨著儀表板越來越豐富,另一個常見的痛點隨之而來: 主管 A 想看「按產...

鐵人賽 IT Operation DAY 18

Day 18|AD 批次建立帳號:從 CSV Onboarding 到自動建立 User

Day 17 我們第一次從:Query / Audit / Report 走進:Change Automation 也碰到了:New-ADUserSet-ADU...

鐵人賽 AI Engineering DAY 12

Day12 - 同一個問題,三種資料搜尋路徑的差異在哪裡?

Day 10 做完 SQLite FTS5,系統可以從 11 個 chunks 找到關鍵字。Day 11 又補上 source catalog,讓五份 har...

鐵人賽 AI Security DAY 12

萬應室的進階版本:Replit 一鍵生成的「影子微服務」

在前一篇我們講到 AI Agent 會為了滿足企業員工的需求,做出各種影子工具。但到這個階段為止,這些工具還是只能運作在員工自己的電腦上,更複雜的工作或是 We...

鐵人賽 自我挑戰組 DAY 12

Milvus Reranking:Decay Ranker、Boost Ranker 與 Model Ranker

昨天介紹到的 Weighted Ranker 和 RRF Ranker 概念上都是在做 fusion,把多個 vector 的 score/ranking 給混...

鐵人賽 AI 自動化 DAY 16

掛號招領單被忘記、過期退回:一張會自己提醒的清單

一張掛號信通知單,退回去之後才發現事情大條了 有一次,供應商寄了一份需要簽名確認的合約文件,用掛號寄過來。郵差來的時候剛好公司沒人在,留了一張招領通知單,夾在當...

鐵人賽 Claude AI DAY 26

D26|把掃描排程接上大 skill,每天出一篇專題

D20 做了一張掃描排程:多久掃一次、去哪幾站、用哪幾組關鍵字。那天的 skill 掃完一輪,把新東西對到弱訊號清單,判要不要升級,然後就停在那裡。掃到的怪東西...

鐵人賽 AI Security DAY 30

Day 30|下一個謎題換你來解

Day 1,我們問:為什麼要打開黑盒子?當語言模型開始參與越來越重要的工作,只看它最後回答了什麼,已經無法滿足我們所有的疑問。我們還想知道:它依賴了哪些資訊?為...

鐵人賽 IT Operation DAY 26

【Day 26】AI 出事的時候,誰接手?

AI 出錯的時候,常常不像一般的系統故障:沒有報錯、沒有告警,整條流程甚至照常跑完。等有人發現了,第一個問題可能是:這到底該誰管? 先看一個已經上過法庭的例子。...

鐵人賽 IT Operation DAY 12

Day 12 - docker build:建立自己的第一個 Docker Image

學習目標 學會使用 docker build 了解 Dockerfile 如何轉換成 Image 認識 -t 參數的用途 使用自己建立的 Image 啟動...

鐵人賽 Modern Web DAY 13

Day 12:把商品、訂單、客戶串起來,第一次像個真正的系統

Day 11:Relation Manager,訂單明細這種巢狀資料怎麼管理 結尾留下一句話,客戶、訂單、訂單明細、商品之間的關聯,技術上都已經打通,訂單知道自...

鐵人賽 Modern Web DAY 12
Rive 的一些進階主題 系列 第 12 篇

[Day 12] Rive 做 RWD 的方法 3:切換不同版本的 Rive 檔

方法三:切換不同版本的 .riv 檔案(多版本設計) 如果前兩種方法都無法滿足需求,那麼最後一種做法,就是準備多份不同的 .riv 檔案,由前端根據裝置或螢幕尺...

鐵人賽 AI Engineering DAY 13

Day 13|振幅編碼:從正規化向量到狀態準備電路|Amplitude Encoding: From Normalized Vectors to Quantum States

Day 12 把每個特徵轉成一個旋轉角度。今天換一條路:把整筆數字寫進量子態的係數(振幅),並回答兩個常被混在一起的問題—— 資料在數學上怎麼變成合法量子態...

鐵人賽 ChatGPT & Codex DAY 19

# Day 19|從能跑到好維護:讓 Codex 協助重構

前幾天完成了新增任務與瀏覽器持久化,昨天又替現有功能補上最少且必要的測試。 現在程式可以運作,也有測試保護重要行為,終於可以開始討論重構。 今天不增加任何產品功...

鐵人賽 Vibe Coding DAY 12

AI 回報 99 個測試通過,工作單要的是 1468 個

AI 改完程式,回報最後一段寫著: pytest: 99 passed 99 個測試通過,看起來像好消息。 可是交代工作的時候,你寫過「測試至少要 1468...

鐵人賽 Claude AI DAY 12

Day 12 書籍列表:第一個看得到的畫面

今天要將資料庫裡的書籍資料,透過 PHP 渲染成前端 HTML 網頁,打造出使用者能「看得到、互動到」的 UI 介面。 步驟一:使用 Claude Code 建...

鐵人賽 IT Operation DAY 26

Day 26|讓代理節點故障後自動接管:Keepalived、VRRP 與三組高可用 VIP

前一天已經讓 Nginx 依健康狀態選擇 Web 後端,也讓 HAProxy 依 Patroni 回報的 PostgreSQL 角色分流讀寫連線。用戶端固定連向...

鐵人賽 自我挑戰組 DAY 12

Day 12|使用 AI 摘要長篇文件

文件越長,越考驗閱讀能力。 AI 最具生產力的能力之一,就是在幾分鐘內協助你找出重點。 前言 在日常工作中,我們經常面對: 20頁以上的提案文件 數十...

鐵人賽 Claude AI DAY 28

第 28 天|測試在 CI 上失敗,我連續猜錯兩次原因

前言 我第一次把測試搬上 GitHub Actions 時,乾淨版連續失敗了兩次。報告和證據都在手上,我卻連續猜錯兩次原因。 這時候很容易想直接改測試,看看能不...

鐵人賽 AI Security DAY 11

Day 12:Embedding 污染與向量鄰近攻擊(Vector Proximity Attack)

攻擊原理:操控語意空間距離Embedding 模型將任意長度的文字映射至高維度的向量空間中。語意相似的文字,其向量距離(如 Cosine Distance 或...

鐵人賽 Vibe Coding DAY 13

網站快做完了,我才看到一位媽媽的手寫表格

本文同步發表於我的個人網站 那張表格是手寫的。 一位媽媽自己畫的格子,在這個網站出現之前,她就在用紙筆記錄了。 朋友 R 不會寫程式,和 AI 一起做了一個...

鐵人賽 AI 自動化 DAY 25

AI 自動化常見的錯誤有哪些

前幾天有介紹了AI自動化的優點、缺點與資安問題。雖然AI自動化的存在幫助人們許多,但如果使用方式不正確,也有可能讓簡單的工作變麻煩,那麼在使用自動化時有哪些常見...

Day 12:把不需要追蹤的檔案藏起來

在專案開發的過程中,有些檔案是我們在自己電腦測試或編譯時產生的暫存檔、編輯器設定檔,甚至是存放資料庫密碼與 API 金鑰的機密設定檔。這些檔案如果在執行 git...

鐵人賽 AI 自動化 DAY 14

Day14 AI導覽模擬系列7-值得注意的宗教節慶活動導覽

關於宗教節慶結合旅遊是會讓人記憶深刻,如同臺灣本島的大甲媽和白沙屯媽遶境,當然馬祖保有閩東祭祀的舊俗,旅客到這裡一定要提醒,務必遵守當地禁忌,以下會挑出比較特別...

鐵人賽 Claude AI DAY 13

Day 12:規格書的自我檢查,規劃代理人如何驗證自己的產出

Day 11:避免內容漂移,跨篇一致性的機制設計 結尾留下一個具體的問題。跟過去保持一致的問題已經解決,但這一次自己交出的規格書內部是否完全沒有問題,還不知道。...

鐵人賽 AI Security DAY 21

第 21 篇|為了抓跨 Session 濫用,我們準備留下多少資料?

為了抓跨 Session 濫用,我們準備留下多少資料? [[我也希望安全第一]]|第 21/30 天 從一筆不保存原文的風險訊號開始 若濫用者把一個惡意軟體...

鐵人賽 Build on Google AI DAY 25

Day 25|評論裡的工作資訊,Gemini 能整理清楚嗎?

昨天測了三種情境的店家排序,發現推薦理由可能省略限制,連 Agent 做的核對表也可能讀錯。排名有了,理由卻還要逐項回頭查。今天把焦點放到評論:工作資訊散在不同...