iT邦幫忙

17th鐵人賽相關文章
共有 19710 則文章
鐵人賽 Software Development DAY 25

技術 [Day 25] AI 驅動的 Code Review:如何導入團隊流程?

AI 驅動的 Code Review:如何導入團隊流程? 前言 在實作了四種不同方式的 AI Code Review 之後,接下來的挑戰是:如何說服老闆、主管或...

鐵人賽 Build on AWS DAY 29

技術 Day 20 | 可測試系統的設計思維:從元件到 API 測試全攻略 - 單元測試到集成測試的完整測試策略

進入《驗證與品質保證》的第三天,我們將探討一個核心且深遠的主題:可測試系統的設計思維。 這是「向外看」的思維,反過來影響「向內看」的實踐。品質不是在開發完成後才...

鐵人賽 自我挑戰組 DAY 11

技術 Day11 GitLab CI : .gitlab-ci.yml 實務解析:五大區塊與模組化設計

昨天我們從架構的角度理解了 GitLab CI/CD 的運作方式,掌握了 pipeline、Runner 與 stage、job 的基本概念。今天要進一步聚焦在...

鐵人賽 自我挑戰組 DAY 12

技術 Day 12|第二階段:核心 API 開發 (六)撰寫測試與更新文件

Day12,完成這階段的最後一個步驟:API 驗證系統的測試撰寫與文件更新,將基本的 API 轉化為 生產等級的系統,具備完善的驗證邏輯、錯誤處理與測試覆蓋率。...

鐵人賽 Rust DAY 11

技術 Day 11:Struct 的方法與關聯函數

1. 方法 (method)方法定義在 impl 區塊裡,第一個參數必須是 self(或 &self、&mut self),代表該結構體的實例,...

鐵人賽 生成式 AI DAY 11

技術 Day 11. Embedding: 從做 LLM 中看怎麼將文字轉向量

繼前一篇將一段句子分成一個個小分詞,接下來要將這些分詞轉換成數學空間裡的向量。 Token Id Embedding 將語意投射進不同維度 前情提要 當拆解為...

鐵人賽 Security DAY 11

技術 0x0B / Front-end.予 Self-XSS 閣再偉大.credentialless Iframe

今仔日咱來簡單講一个我誠佮意的前端研究員 Slonser 前幾個月分享的一招:Make Self-XSS Great Again 恁若是有咧揣 Web 漏縫耍...

鐵人賽 自我挑戰組 DAY 12

技術 Day 12 - NumPy 陣列的索引與切片神技

大家好,歡迎來到數據新手村的第十二天!昨天深入了解了陣列的靈魂——資料類型 dtype。今天要學習如何精準地操作陣列的「肉體」——也就是存取 (Access)、...

鐵人賽 自我挑戰組 DAY 0

技術 Day 10:哲學平台的小型試驗設計——讓理念落地

前言: 哲學 AI 平台不應只停留在「個人心理引導」的層次,更能擴展到群體互動,成為促進理解與合作的橋樑。然而,理念若要真正落地,必須先經歷小規模的試驗與驗證。...

鐵人賽 Cloud Native DAY 15

技術 scx_rustland 解說

如果覺得文章對你有所啟發,可以考慮用 🌟 支持 Gthulhu 專案,短期目標是集齊 300 個 🌟 藉此被 CNCF Landscape 採納 [ref]。...

鐵人賽 Security DAY 15

技術 Day15-認識Session與Session基本攻防

今天我們要來學Session,這個東西與JWT有點類似,所以我們今天先學Session,這樣明天我們就能針對兩者進行比較。 什麼是Session? Sessio...

鐵人賽 自我挑戰組 DAY 12
ÉCHO (迴響) 系列 第 12

技術 第十二章:美麗新世界

三個月後。 「穹頂」裡,那曾經響徹整座地下堡壘的紅色警報,早已被降級為無害的綠燈,安靜地嵌在數據牆的一角,像一顆被馴服的、不再發光的琥珀。官方的最終報告厚達三百...

鐵人賽 自我挑戰組 DAY 8

技術 Day10:當 AI 進入家庭:家長角色的再定義

前言: 在前幾天的文章中,我談到 AI 在教室裡如何作為「助教」,以及如何彙整學生的學習數據,幫助老師更快掌握班級狀況。然而,孩子的學習並不只發生在教室裡,家庭...

鐵人賽 Software Development DAY 24

技術 [Day 24] AI 驅動 Code Review:四種落地方法全面比較

AI 驅動 Code Review:四種落地方法全面比較 前言 從 Day 1 到 Day 22,我們逐步探討了實現 AI Code Review 的四種不同方...

技術 io_uring 體驗 2

今天就接著來看看為什麼io_uring比asio的性能差。 io_uring 運作機制 io_uring 的目的是簡化傳統I/O在使用者空間(Userspac...

鐵人賽 Software Development DAY 14

技術 Day 14 - 本地資料儲存:LiteDB 簡介

昨天我們學會了如何解析 JSON,把 API 回傳的資料轉換成 StockProfile。今天要解決另一個問題:資料要怎麼保存起來? 為什麼要用本地資料庫 在選...

鐵人賽 自我挑戰組 DAY 12

技術 Day 12 進階模組化:Base 元件設計 - Button

除了重複的區塊可以抽成元件外,最小的組成單元常見就是按鈕,它有很多不同的狀態,透過抽離成獨立元件,能確保整體介面的一致性與邏輯可維護性。 常見的基礎元件包含:...

鐵人賽 自我挑戰組 DAY 13

技術 [Day 13] GU價格提醒系統 (7) - [學習筆記] n8n : Discord 訊息通知

延續昨天最後做的 [Day 12] GU價格提醒系統 (6) - [學習筆記] n8n : 增加執行節點 HTTP Request ,我們成功使用我們的 API...

鐵人賽 IT 管理 DAY 25

技術 Day 25 - 章節二十四:隱形通道及結界 ‧ VPN 安全架構與精控整合 ‧ 總結

🏰 前言 ‧ 隱形通道的終極修行 經過二十多天的修煉,我在 VPN 的世界裡終於掌握了隱形通道之術。 VPN,不只是通道,更是 異世界網路的護盾與捷徑。 掌...

鐵人賽 IT 管理 DAY 12

技術 Day11-沒有比較就沒有傷害,比較 "安全" 的連線?

在我們進入 SSH 和 https 等相關主題之前,我們先來稍微認識些簡單的密碼學。 密碼學基礎 編碼 跟密碼學無關 編碼(encoding):將資訊從一種形...

鐵人賽 自我挑戰組 DAY 25

技術 Extension 系列:用 geom_dotsinterval() 觀察趨勢

在進行資料分析時,首要的任務之一是掌握資料的分布特徵與整體趨勢。密度圖(Density Plot)特別適合用於連續型資料,因為它將離散樣本點平滑化,形成連續曲...

鐵人賽 Software Development DAY 12

技術 11. Effect layer: 管理 dependency 的相依性

在上一篇中我們講到了 DI ,這篇要來介紹 Effect 中的 DI 要如何透過 Layer 管理相依性 所以為什麼需要管理相依性,我們來講個例子,你設計了一個...

鐵人賽 Security DAY 11

技術 【LOLBAS鐵人賽Day11】Msdt.exe:微軟診斷工具的 RCE 漏洞

Msdt.exe 是用來執行疑難排解套件的工具,但在 2022 年的 Follina (CVE-2022-30190) 漏洞讓全世界見識到它的危險性。 MSDT...

鐵人賽 生成式 AI DAY 12

技術 Day12|Prompt Engineering 實戰:用 CoT、角色提示與 JSON 把輸出變得可用

承上篇文章,有了方法論,現在把鏡頭拉近到實作現場:我們將用三個代表性情境——數學推理(CoT)、旅遊規劃的角色與風格控制、以及工程整合用的 JSON 輸出——逐...

從零開始的區塊鏈學習 系列 第 11

技術 11:什麼是智能合約?參觀以太鏈和區塊坊

一、智能合約簡介• 定義:一種去中介化的合約,透過區塊鏈運行與驗證,避免中間人介入。• 例子:買車、買房子 → 省去仲介、業務員,直接透過智能合約執行。• 流程...

鐵人賽 Modern Web DAY 24

技術 Swiper 沒有 Tailwind 和 Map 渲染好麻煩?來我幫你寫好了!

嗨咿我是illumi,習慣Tailwind的你是否也曾經被 Swiper 的官方範例搞得頭昏腦脹?要寫一堆 CSS、還要手動建立每個 SwiperSlide,超...

鐵人賽 Build on AWS DAY 11

技術 SageMaker Data Wrangler:資料預處理實戰

前言 data wranger 官方連結 在機器學習中,資料品質決定了模型的成敗。今天我們來學習如何使用 SageMaker Data Wrangler 進行高...

鐵人賽 Rust DAY 11

技術 URL 縮短服務 - 類似 bit.ly 的 URL 縮短器

前言 今天要實作一個 URL 縮短服務,類似 bit.ly、tinyurl 等服務。這個專案將展示如何使用 Rust 建構一個完整的 Web 服務,包含 RES...

深度學習Tensorflow 2.X 系列 第 26

技術 設定模型層數

在深度學習中,神經網路的「模型層數」指的是模型的深度,也就是由多少層的神經元堆疊而成。設定模型層數沒有一個絕對的標準答案,它需要根據你的資料複雜度和運算資源來權...

鐵人賽 DevOps DAY 11

技術 【Day 11】從玩具到工具:了解生產級 LLM Agent 下的冰山

前言 許多開發者初次接觸 AI Agent,會被 ReAct (Reasoning and Acting) 框架的簡潔與強大所吸引,並迅速用幾十行程式碼實現一...