「Release 只是幻覺，真正的 CI/CD 是人生。」

欸，先說，我寫這篇的時候，手邊咖啡冷掉了三次，Slack 一直閃，腦袋裡跑的不是 bug，就是人生。
但無論如何，今天不是結束，而是新的開始。
三十天，從抓 Arxiv 論文，到做 RAG，再到監控系統、Alertmanager、Langfuse，我的生活就像被 Prefect 排程了一樣——每天都有 task，但誰在乎你的情緒。

• youtube

AI 生成的，我自己都不敢這樣說 XD

1. 開場碎念：工程師的人生 CI/CD

你知道嗎？工程師的人生很像一個永遠跑不完的 pipeline：

• Build：起床喝咖啡、打開 IDE
• Test：寫程式、debug、再 debug、再 debug，最後發現 commit 的只是少了一個分號
• Deploy：把 code push 到 staging，看著 log 滿天飛 emoji 🔥
• Monitor：系統掛了你要修，感情掛了你也只能修自己的心（沒有人幫你 alert）

欸，別笑，這就是 Day 30 的真相——技術堆疊好了，人生還是 messy。
至少在技術世界，你可以用 Prefect、FastAPI、Qdrant、PostgreSQL、MinIO 把一切流程自動化。
人生呢？沒有 Task Retry，沒有 Prefect UI，只有你自己對著鏡子說：「幹，今天又掛了」。

2. RAG Pipeline：魔法與現實的交界

先回顧一下三十天前的冒險：RAG（Retrieval-Augmented Generation）。
簡單講，就是「你問問題 → 模型先去找資料 → 再給你答案」。

from fastapi import FastAPI
from pydantic import BaseModel

class Query(BaseModel):
    question: str

app = FastAPI()

@app.post("/rag/")
async def rag_endpoint(query: Query):
    retrieved_docs = retriever.retrieve(query.question)
    answer = generator.generate(retrieved_docs)
    
    # ⚠️ Warning: AI 給出的答案比前任還亂
    if not retrieved_docs:
        print("💀 沒有資料，生成答案就是廢話")
        
    return {"answer": answer}

AI 也會犯人生錯，RAG 就像你的人生選擇坐標系，資料對了，人生才順。

欸，看起來很簡單對吧？
現實是我 debug 了三天，才發現 retriever 回來的 docs 裡，有些是空的，generator 給出的答案居然比我前任還糟——完全亂套。
所以啊，RAG 不是萬能，它只是一個知識坐標系。沒有正確資料，你問再多 prompt engineering，也只會拿到一堆廢話。

💡 小結：資料才是英雄
就像人生，別指望努力就有好結果。資料對了，AI 才能給你答案。人生呢？你只能自己整理資料。

3. Infra + Monitoring：系統健康就是人生健康

說到 infra，這 30 天，我學會了三個字：監控很重要。

• Node Exporter → 監控 CPU、Memory、Disk
• cAdvisor → 監控容器資源
• Blackbox Exporter → 從外部測試 API 可用性
• FastAPI Heartbeat → 應用端自我檢查

看起來像是 nerd 玩具，但我告訴你，沒有它們，你就會在凌晨三點看到：

🔥 Database exploded again   # 💔 心碎值 +1
⚡ CPU 99%                   # 💀 心臟跳速 2x
💾 Disk 0%                   # 😱 絕望指數 9000

欸，這感覺跟被前任半夜罵你一樣，心臟都快跳出來。

而 Grafana Dashboard 就是你的精神安慰師：把所有 log、metrics、health check 都化成彩色圖表。
看著 Grafana紅 Panel 就像看到前任訊息：緊張、心跳加速，但你知道得 fix，不能 crash。
這完全就是我的人生縮影：總是在修錯誤，然後假裝自己掌控一切。

4. Email Pipeline：自動化知識快遞 & 精神糧食

三十天前，我做了 Email Pipeline。
目的很簡單：把 Arxiv 上的最新論文，摘要生成 → 翻譯 → 美化 → 自動寄送給訂閱者。

flow = Flow("daily_digest")
with flow:
    papers = fetch_papers_task()
    chunks = process_pdfs_task(papers)
    embeddings = embed_docs_task(chunks)
    send_email_task(embeddings)

欸，這個 pipeline 的精神其實很像人生規劃：

• 你投資時間整理知識
• 結果你收到的 feedback 可能是「不想訂閱」或「已讀不回」
• 但 pipeline 還是照做，不抱怨

人生也是 pipeline：整理、嵌入、發送，但別人可能不理你；pipeline 仍然跑，人生也是 ><，偶爾 log 會告訴你，世界還活著。

5. FastAPI 安全：給 API 積點防禦，也給自己一點尊嚴

FastAPI 的安全設計：CORS、Trusted Host、Rate Limiting。
這三個東西，其實可以套到人生：

• CORS → 別人誰能靠近你？
• Trusted Host → 誰是真朋友？誰只是流量？
• Rate Limiting → 耐心值有限，別人不能用光你的生命

如果缺了它們，你的 API 就像無人管理的自助餐廳：人人都來亂吃，最後蛋糕被踩爛。
人生也是，沒有邊界，你會被踩到心力枯竭。

6. Makefile：懶人工程師的幸福小確幸

欸，我說 Makefile 沒有很潮，但超耐用。
每次敲 make deploy，看到：

🚀 Deploying... ✅ Done!

內心都冒出一絲小確幸。
當然，如果人生也有 Makefile 就好了：

make deploy
make happy # ⚠️ 還沒被發明
make love # 🔥 自行意會

你就知道，工程師的夢想清單裡，最想要的還是自動化人生。

7. Langfuse：觀測 RAG 也觀測自己

最後，我要講 Langfuse。
不是教你怎麼 debug 系統，而是教你怎麼 debug 人生。

看著 embedding_span、retrieval_span、rerank_span、generation_span，
我彷彿在 replay 自己的一天：

• embedding_span → 早上起床的掙扎
• retrieval_span → 查資料、查人生意義
• rerank_span → 思考選擇
• generation_span → 講出口、行動

欸，你看著 trace 會發現：AI 的錯誤，其實也是你自己一天決策的縮影。
所以，觀測不只是為了找 bug，而是理解自己。

8. 尾聲：Day 30，不是結束，而是新的部署

三十天寫下來，我深深覺得：

• 部署人生，比部署系統還難。
• CI/CD，比你想像中更像生活節奏：寫、測、上線、監控、修 bug、repeat。
• 系統崩掉，你可以 rollback；人生崩掉？喝咖啡、深呼吸、再重啟。

欸，明天起床，我會再 deploy 一個版本的自己。
反正世界還沒爆，我也還活著。

💭 小結

1. RAG、Prefect、FastAPI、Qdrant、PostgreSQL、MinIO 都只是工具。
2. 生活比任何 pipeline 都要 messy，但至少可以從系統裡偷學一些哲學。
3. 當你看到「🔥 Database exploded again」，深呼吸，世界沒問題，你只是 debug 自己。

欸，好啦，這就是 Day 30 的全部。
三十天的旅程，不是結束，而是新的部署——人生的持續交付。