<?xml version="1.0" encoding="UTF-8"?><rss xmlns:dc="http://purl.org/dc/elements/1.1/" xmlns:content="http://purl.org/rss/1.0/modules/content/" xmlns:atom="http://www.w3.org/2005/Atom" version="2.0" xmlns:cc="http://cyber.law.harvard.edu/rss/creativeCommonsRssModule.html">
    <channel>
        <title><![CDATA[Stories by Brandon Lu on Medium]]></title>
        <description><![CDATA[Stories by Brandon Lu on Medium]]></description>
        <link>https://medium.com/@brandonlu0924?source=rss-1ff72ac79a9a------2</link>
        <image>
            <url>https://cdn-images-1.medium.com/fit/c/150/150/1*wH7jt5F3WB5I73XphcHPhg.jpeg</url>
            <title>Stories by Brandon Lu on Medium</title>
            <link>https://medium.com/@brandonlu0924?source=rss-1ff72ac79a9a------2</link>
        </image>
        <generator>Medium</generator>
        <lastBuildDate>Tue, 17 Nov 2026 08:48:57 GMT</lastBuildDate>
        <atom:link href="https://medium.com/@brandonlu0924/feed" rel="self" type="application/rss+xml"/>
        <webMaster><![CDATA[yourfriends@medium.com]]></webMaster>
        <atom:link href="http://medium.superfeedr.com/" rel="hub"/>
        <item>
            <title><![CDATA[2023 研華科技 實習回顧]]></title>
            <link>https://medium.com/@brandonlu0924/2023-%E7%A0%94%E8%8F%AF%E7%A7%91%E6%8A%80-%E5%AF%A6%E7%BF%92%E5%9B%9E%E9%A1%A7-17bbdd59e5e5?source=rss-1ff72ac79a9a------2</link>
            <guid isPermaLink="false">https://medium.com/p/17bbdd59e5e5</guid>
            <category><![CDATA[intern]]></category>
            <category><![CDATA[advantech]]></category>
            <category><![CDATA[review]]></category>
            <dc:creator><![CDATA[Brandon Lu]]></dc:creator>
            <pubDate>Sun, 21 Apr 2024 09:08:48 GMT</pubDate>
            <atom:updated>2024-04-21T09:11:18.338Z</atom:updated>
            <content:encoded><![CDATA[<figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/0*NWGH8gQL7Xwst5UR" /></figure><h3>Intro</h3><p>在研華工作的這九個月，我覺得非常舒適，學到了很多但不會壓力大。這可能要感謝我的主管 Michael，他給我們實習生很大的空間去開發，但同時不會讓我們扛太多的壓力，一句話總結來說：他是我心中最理想的主管會有的模樣。</p><p>在這次的實習心得分享，我希望可以從三個維度來分享：工作內容、文化、面試心得，如果可以幫到你的話歡迎來關注我的哀居工程帳 @<a href="https://www.instagram.com/backend_b__/">backend_b__</a> 我平常會在上面分享自己的所見所聞</p><h3>Tech Stack in this internship</h3><p>在九個月的實習中，需要去學習並使用的技能算是蠻廣泛的，基本上需要用到你就得去學一下</p><p>不過也不用擔心，雖然我自己在進研華之前已經會大部分的工具，但對於不太熟悉的前端、LangChain 這些都會有時間讓你學習再投入開發。不要害怕自己會的技能太少，機會是給想把握的人去抓住的，只要你會基本的前後端、docker，就可以來面試看看！</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*qNwI6gmscjI7WrXn7lWPCQ.png" /></figure><h3>What I do</h3><p>在這個段落我會簡單回顧一下我在研華的工作內容，不過根據不同部門跟主管本來就會有很大的變化，因此這邊只是給好奇研華工作的人一個參考點</p><h3>產品 PHM 開發</h3><blockquote><em>大致上是在幫公司給工廠客戶端的產品寫介面、支援 dashboard 的顯示格式。</em></blockquote><blockquote><em>以數字來說，在這次的產品開發中 trace 了超過五個 Grafana 插件、開發了超過三個客製 Grafana 插件。</em></blockquote><ul><li><strong>後端微服務開發：</strong>首先需要開發後端 micro service 來支援插件的資料格式，這邊算是偏簡單的地方，大概就是起個 FasrAPI 服務、串接資料就沒問題了</li><li><strong>前端 Dashboard 插件開發</strong>：由於產品的前端介面基於 Grafana 生態系，為了讓 dashboard 插件符合 Grafana 生態系的規範，我 trace 了很多網路上的開源專案，還有嘗試去學一點點 Angular，這過程對於不熟前端的人來說會有點頭疼。</li><li><strong>Kubernetes 部署：</strong>相對於前面寫功能，這邊比較像是學怎麼用工具，要用公司內部架好的 K8s 服務來部署到集群裡面，說白了其實就是學學 YAML 檔怎麼寫，有問題就問，沒特別難的地方。</li></ul><h3>我在這當中帶走了：強化 Trace Code / Issue能力</h3><p>現在回顧起來，忙 PHM 的這段期間像是在熟悉開發流程、幫開發 LLM 服務熱身。</p><p>雖然我平常已經很習慣用 GitHub 達成團隊協作、git flow control 等等的事情，但其實很少在認真關注社群的討論，最多就是在 StackOverflow 上找找解答吧。</p><p>但有些 Grafana 生態系的插件偏冷門，如果出錯了 ChatGPT 不一定能幫上忙、StackOverflow 也不一定會有人討論，因此我會需要跑去該插件的 GitHub repo 找相關 issue，或甚至去看他們的程式碼怎麼寫的，對於理解怎麼自己實作插件、排除問題很有幫助。</p><p>對於後面的 LLM 專案幫助不小，因為 LangChain、很多向量資料庫都很新很年輕，完整的知識、雷點整理很少，必須要自己去挖 issue，甚至自己去發問。</p><h3>LLM、RAG 研究與實作</h3><blockquote><em>由於導入 AI 到研華以及各工廠客戶還在新興階段，因此相對前面的產品的開發方向會非常多元，但也因為這樣探索到了特別多新知識。</em></blockquote><p>開發的重點太多太雜了，我挑三個印象深刻的事情來分享就好。</p><h3>設計、實作工廠場景 Chatbot</h3><p>必須說生成式 AI 是個非常有趣的主題，對 AI 完全不熟的我透過這個契機開始接觸 RAG、embedding、fine-tune，甚至到後來會滑推特的時候沒事就看一下最新的 LLM paper⋯⋯雖然只是看個皮毛，但去了解生成式 AI 最新的發展實在很有趣。</p><p>並且在熟悉這些技術之後，我們要開始透過 LangChain 實作 AI 服務來幫助工廠管理員減輕管理負擔。因為 LangChain 實在是個很年輕的框架，有一堆問題需要去參考跟解決，所幸在上個專案中已經養成了從 issue 海去撈取資訊的習慣，在每個坑都沒有停留太久就解決了。</p><p>在這個專案中最讓我印象深刻的是：我主管讓我們實習生去調查 RediSearch / PGVector 作為公司向量資料庫的優勢以及侷限性，在這之後讓我們設計＋實作了 prototype 出來。</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*5HSpEsfL86R1oqFe8q3D1w.png" /><figcaption>當初我所提出的架構（一）</figcaption></figure><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*Xes_lyhZXqFi0MamS7vmxQ.png" /><figcaption>當初我所提出的架構（二）</figcaption></figure><p>通常實習生很難得會得到 own 一個專案的高度自主權，但我們拿到了。因此我好好地砸了時間在探索以 Redis 作為主力向量資料庫會遇到的問題，以及如何去 scale up，是個很棒的機會來認識分散式 Redis (sentinel / cluster) 以及一些原理跟策略。</p><p>在這邊想題外話一下，當初在調查 PostgreSQL 做為向量資料庫可能的時候，我們發現 PGVector 支援的 vector indexing method 不包含 HNSW，因此在 github issue 被敲碗敲爆，也是我們當初不選用 PGVector 主要原因。但過了一個月就發現他們支援了！超級快就把這個 feature 給趕出來⋯⋯軟體圈前進的速度真的很快。</p><h3>技術選型說服</h3><blockquote><em>除了上面提到幫忙向量資料庫（RediSearch / PGVector）選用之外，我還拿到了另一個重大的任務：負責上台簡報說服另一個 team 的高層，改用另一種 low code 工具</em></blockquote><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*yOKssOhQi1FrewPlxe2qpQ.png" /><figcaption>工程師的簡報都很陽春，簡單易懂就好</figcaption></figure><p>當初主要是我跟另一個實習生覺得目前的工具不是那麼好用，因此跟主管簡單分析、比較了兩種不同的 low code 工具，主管也覺得有道理，就展開了這次的行動。</p><p>這讓我感到備受重用，因為通常實習生說話的份量在大公司並不那麼容易受到重視，但我拿到了這個機會上台說服別的 Team 改用別的 Tech Stack，到最後也順利成功了，非常的有成就感。</p><p>我覺得重點在於分析現況、比較兩者優缺、Use Case 舉例。不用太汲汲營營，重點在於呈現客觀的分析，大家都是工程師，在理性討論後會做出好決定的。</p><h3>優化 RAG 表現</h3><p>在周會上偶爾簡單報一下最新的 LLM paper 研究，基本上我關注的都是進階 RAG 的方法</p><ul><li><a href="https://arxiv.org/pdf/2401.15884.pdf">Corrective RAG</a></li><li><a href="https://arxiv.org/abs/2401.04398">Chain of Table</a></li><li><a href="https://arxiv.org/pdf/2401.15391.pdf">MultiHop-RAG</a></li><li><a href="https://dl.acm.org/doi/abs/10.1145/584792.584881">Condorcet fusion</a></li><li><a href="https://plg.uwaterloo.ca/~gvcormac/cormacksigir09-rrf.pdf">Reciprocal Rank Fusion</a></li></ul><h3>Open Source 啟蒙</h3><blockquote><em>在參與公司內部專案開發時，常常會需要用到不同的 Open Source 專案，算是我做開源的一塊敲門磚，回饋給社群的時候非常有成就感</em></blockquote><ul><li>Grafana 插件</li><li>LangChain</li><li>LangFlow</li></ul><p>上面這三個是我除了使用之外，有去碰內部程式碼的專案，這裡面每個專案都有一定規模、星星數，其中最讓我印象深刻的是 LangFlow，在做公司基礎建設的時候，我發現 LangFlow 缺乏 Redis VectorStore、PGVector 的連線 client，剛好這些功能實作出來並不困難，因此我就發了兩個 Pull Request 並且被成功 merge 進去，成就感滿到掉地上</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*REhp4jFL7Xs-goqaF4_xaA.png" /><figcaption>那個螢光筆畫起來的帳號就是我！</figcaption></figure><p>題外話，我目前正在投入一個 Metalake 的開源專案 <a href="https://github.com/datastrato/gravitino">Gravitino</a>，歡迎來一起貢獻、給星星喔！這個社群有十位 mentor 可以帶你開發功能，並且創辦人都是來自世界各地開源圈的大佬，發展性非常高。</p><h3>Culture</h3><p>由於我不是正職員工，就不分享所謂公司的價值觀、或其他的部分，我會聚焦在我所感受到的研華生活：以自身感覺來說，我對研華的福利感到蠻滿足的；實習生之間也有蠻多機會可以彼此認識，暑假去研華會很像是待在一個有薪水的夏令營 XD</p><h3>期中、期末實習發表</h3><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*nf-Kf7bvBI200-PS0-ofxw.png" /><figcaption>舞台蠻大的，報告起來很爽</figcaption></figure><h3>Tech Sharing</h3><p>我們 team 大概每過一段時間就會有一次技術分享會，只要是跟工作相關的主題都可以發表，我自己有參加到兩次，分別是以下兩個主題</p><ul><li>如何擴充現有 LangFlow 組件</li><li><a href="https://www.canva.com/design/DAF4zeC54nA/tBUkvdDt71Y5dSOgqRRbfw/edit?utm_content=DAF4zeC54nA&amp;utm_campaign=designshare&amp;utm_medium=link2&amp;utm_source=sharebutton">乾淨架構心法</a></li></ul><h3>Team Building</h3><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*PmeMYJhbSgiWkIqRtB_Ybg.png" /><figcaption>隨便找了一張看起來感情好的照片</figcaption></figure><p>會把不同部門的實習生打散，一起組隊玩密室逃脫，是個蠻有趣的體驗</p><h3>點數換食物</h3><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*lqaR14nlvjyK9gkWFi39dg.png" /><figcaption>我最常點的套裝：草莓貝果＋拿鐵</figcaption></figure><p>每個月會有大約價值八百元的點數，可以拿去換公司內部咖啡廳的餐點，我都拿來吃早餐、買咖啡，這部分讚讚</p><p>點數也可以拿去換電影票或是其他的票卷，不過我還沒試過就是了</p><h3>休息時間飛空拍機</h3><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*q8-yFagJzFtxmZQ5tpV2Ng.png" /><figcaption>DJI mini2 超讚</figcaption></figure><p>由於在暑假過後，會根據各部門的習慣決定實習生能否遠距上班，我很幸運的是主管很放心讓我們全遠距上班，因此我在每天的下午三點半到四點這個休息時間，會去樓頂飛空拍機，相信大家對各自的遠距生活都很有規劃的</p><h3>結語</h3><p>能夠看到這邊的人，應該多少對研華的實習感到興趣吧，快去職缺官網看看吧</p><p>然後別忘了追蹤分享 @<a href="https://www.instagram.com/backend_b__/">backend_b__</a>，我們下次見</p><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=17bbdd59e5e5" width="1" height="1" alt="">]]></content:encoded>
        </item>
        <item>
            <title><![CDATA[2024 LINE TECH FRESH 面試心得]]></title>
            <link>https://medium.com/@brandonlu0924/2024-line-tech-fresh-%E9%9D%A2%E8%A9%A6%E5%BF%83%E5%BE%97-16c5341410ee?source=rss-1ff72ac79a9a------2</link>
            <guid isPermaLink="false">https://medium.com/p/16c5341410ee</guid>
            <category><![CDATA[intern]]></category>
            <category><![CDATA[line]]></category>
            <category><![CDATA[interview]]></category>
            <dc:creator><![CDATA[Brandon Lu]]></dc:creator>
            <pubDate>Sun, 21 Apr 2024 08:57:59 GMT</pubDate>
            <atom:updated>2024-04-27T02:39:41.527Z</atom:updated>
            <content:encoded><![CDATA[<figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*YzsgP55ITqhCsqwaqQQxRg.jpeg" /><figcaption>根本還沒進 LINE 就在那拍畢業照的我</figcaption></figure><h3>前言</h3><p>個人覺得以前段班的實習來說，LINE 的面試難度算是相對友善的，不像 Google / Appier / Microsoft / … 需要跑至少兩關以上，也不會考你白板題。</p><p>基本上 LINE 的面試只有一關，下面的流程會以時間線去做敘述，希望可以幫助到其他也想進來這個好地方的人！</p><h3>面試職位</h3><p>LINE TECH FRESH (Backend, Central Dev 兩個 Team)</p><h3>投遞履歷：D+0 Days</h3><p>剛好有朋友在裡面，所以有幫內推一下，覺得有內推真的有差，大約一週後就收到了面試通知</p><p>我投遞的是 Central Dev 跟 Backend 兩個 Team，不過之後才知道原來這次的 Backend 其實是 LINE Travel，而 Central Dev 實際上是兼顧公司內部服務以及機動支援的 Team，可以接觸到的範圍非常廣泛</p><h3>面試作業：D+10 Days</h3><p>之前其實在投遞時沒聽過有面試作業，因此在收到面試通知之後嚇了一跳：居然收到了乾淨架構主題的面試作業。很久以前我就想好好了解軟工這個部分，包含常常聽到 SOLID, DI (Dependency Injection), IoC (Inversion of Control), 各種五花八門的詞，於是我把握這次機會上網做了很多功課</p><p>相關中文資源其實不是很多，加上我對這個領域幾乎沒什麼接觸。所以我的替代方案是去 YouTube 找國外工程師的講解、論壇分享，看爆啊！</p><p>推薦閱讀順序：透過十幾分鐘的短影片建立非常概略的輪廓，了解整體脈絡；之後再去看文章跟論壇分享，會有比較詳細的設計哲學講解、程式碼範例，可以更深入的理解</p><p>短影片：</p><p><a href="https://youtu.be/J1f5b4vcxCQ?si=Irmpq3IaWa_3APVU"><strong>Dependency Injection, The Best Pattern</strong></a></p><iframe src="https://cdn.embedly.com/widgets/media.html?src=https%3A%2F%2Fwww.youtube.com%2Fembed%2FJ1f5b4vcxCQ%3Ffeature%3Doembed&amp;display_name=YouTube&amp;url=https%3A%2F%2Fwww.youtube.com%2Fwatch%3Fv%3DJ1f5b4vcxCQ&amp;image=https%3A%2F%2Fi.ytimg.com%2Fvi%2FJ1f5b4vcxCQ%2Fhqdefault.jpg&amp;key=a19fcc184b9711e1b4764040d3dc5c07&amp;type=text%2Fhtml&amp;schema=youtube" width="854" height="480" frameborder="0" scrolling="no"><a href="https://medium.com/media/0a4bf495a2f1188a903918666c7fe5c3/href">https://medium.com/media/0a4bf495a2f1188a903918666c7fe5c3/href</a></iframe><p><a href="https://youtu.be/JubdZIdLQ4M?si=ZZL4l_SHrL4p2bZ9"><strong>Hexagonal, Onion &amp; Clean Architecture</strong></a></p><iframe src="https://cdn.embedly.com/widgets/media.html?src=https%3A%2F%2Fwww.youtube.com%2Fembed%2FJubdZIdLQ4M%3Ffeature%3Doembed&amp;display_name=YouTube&amp;url=https%3A%2F%2Fwww.youtube.com%2Fwatch%3Fv%3DJubdZIdLQ4M&amp;image=https%3A%2F%2Fi.ytimg.com%2Fvi%2FJubdZIdLQ4M%2Fhqdefault.jpg&amp;key=a19fcc184b9711e1b4764040d3dc5c07&amp;type=text%2Fhtml&amp;schema=youtube" width="854" height="480" frameborder="0" scrolling="no"><a href="https://medium.com/media/80212d693d6535d8bebd8878615c7876/href">https://medium.com/media/80212d693d6535d8bebd8878615c7876/href</a></iframe><p><a href="https://youtu.be/1OLSE6tX71Y?si=Dkui0gYeKV7CotKO"><strong>Understand Clean Architecture in 7 Minutes</strong></a></p><iframe src="https://cdn.embedly.com/widgets/media.html?src=https%3A%2F%2Fwww.youtube.com%2Fembed%2F1OLSE6tX71Y%3Ffeature%3Doembed&amp;display_name=YouTube&amp;url=https%3A%2F%2Fwww.youtube.com%2Fwatch%3Fv%3D1OLSE6tX71Y&amp;image=https%3A%2F%2Fi.ytimg.com%2Fvi%2F1OLSE6tX71Y%2Fhqdefault.jpg&amp;key=a19fcc184b9711e1b4764040d3dc5c07&amp;type=text%2Fhtml&amp;schema=youtube" width="854" height="480" frameborder="0" scrolling="no"><a href="https://medium.com/media/59ea0ce62ecf2a49506ad78ff99e2109/href">https://medium.com/media/59ea0ce62ecf2a49506ad78ff99e2109/href</a></iframe><p><a href="https://youtu.be/3Es8C5zsMBs?si=5pti9sdFUrmfB4cc"><strong>讓水球帶著大家從 0 開始導讀「乾淨架構」原文書！</strong></a></p><iframe src="https://cdn.embedly.com/widgets/media.html?src=https%3A%2F%2Fwww.youtube.com%2Fembed%2F3Es8C5zsMBs&amp;display_name=YouTube&amp;url=https%3A%2F%2Fwww.youtube.com%2Fwatch%3Fv%3D3Es8C5zsMBs&amp;image=http%3A%2F%2Fi.ytimg.com%2Fvi%2F3Es8C5zsMBs%2Fhqdefault.jpg&amp;key=a19fcc184b9711e1b4764040d3dc5c07&amp;type=text%2Fhtml&amp;schema=youtube" width="854" height="480" frameborder="0" scrolling="no"><a href="https://medium.com/media/69505212b08b4055005d0d0bca424b96/href">https://medium.com/media/69505212b08b4055005d0d0bca424b96/href</a></iframe><p><a href="https://youtu.be/kF7rQmSRlq0?si=5qJC5jRtFifmRU6M"><strong>SOLID Principles: Do You Really Understand Them?</strong></a></p><iframe src="https://cdn.embedly.com/widgets/media.html?src=https%3A%2F%2Fwww.youtube.com%2Fembed%2FkF7rQmSRlq0%3Ffeature%3Doembed&amp;display_name=YouTube&amp;url=https%3A%2F%2Fwww.youtube.com%2Fwatch%3Fv%3DkF7rQmSRlq0&amp;image=https%3A%2F%2Fi.ytimg.com%2Fvi%2FkF7rQmSRlq0%2Fhqdefault.jpg&amp;key=a19fcc184b9711e1b4764040d3dc5c07&amp;type=text%2Fhtml&amp;schema=youtube" width="854" height="480" frameborder="0" scrolling="no"><a href="https://medium.com/media/2c6f0e34ed89aeec3ba11bd94ccee1b2/href">https://medium.com/media/2c6f0e34ed89aeec3ba11bd94ccee1b2/href</a></iframe><p>文章：</p><p><a href="https://blog.cleancoder.com/uncle-bob/2012/08/13/the-clean-architecture.html"><strong>The Clean Architecture — Uncle Bob</strong></a></p><p><a href="https://medium.com/%E7%A8%8B%E5%BC%8F%E6%84%9B%E5%A5%BD%E8%80%85/%E4%BD%BF%E4%BA%BA%E7%98%8B%E7%8B%82%E7%9A%84-solid-%E5%8E%9F%E5%89%87-%E5%96%AE%E4%B8%80%E8%81%B7%E8%B2%AC%E5%8E%9F%E5%89%87-single-responsibility-principle-c2c4bd9b4e79"><strong>使人瘋狂的 SOLID 原則：單一職責原則 (Single Responsibility Principle)</strong></a></p><p><a href="https://medium.com/%E7%A8%8B%E5%BC%8F%E6%84%9B%E5%A5%BD%E8%80%85/%E4%BD%BF%E4%BA%BA%E7%98%8B%E7%8B%82%E7%9A%84-solid-%E5%8E%9F%E5%89%87-%E9%96%8B%E6%94%BE%E5%B0%81%E9%96%89%E5%8E%9F%E5%89%87-open-closed-principle-f7eaf921eb9c"><strong>使人瘋狂的 SOLID 原則：開放封閉原則 (Open-Closed Principle)</strong></a></p><p><a href="https://medium.com/%E7%A8%8B%E5%BC%8F%E6%84%9B%E5%A5%BD%E8%80%85/%E4%BD%BF%E4%BA%BA%E7%98%8B%E7%8B%82%E7%9A%84-solid-%E5%8E%9F%E5%89%87-%E9%87%8C%E6%B0%8F%E6%9B%BF%E6%8F%9B%E5%8E%9F%E5%89%87-liskov-substitution-principle-e66659344aed"><strong>使人瘋狂的 SOLID 原則：里氏替換原則 (Liskov Substitution Principle)</strong></a></p><p><a href="https://medium.com/%E7%A8%8B%E5%BC%8F%E6%84%9B%E5%A5%BD%E8%80%85/%E4%BD%BF%E4%BA%BA%E7%98%8B%E7%8B%82%E7%9A%84-solid-%E5%8E%9F%E5%89%87-%E4%BB%8B%E9%9D%A2%E9%9A%94%E9%9B%A2%E5%8E%9F%E5%89%87-interface-segregation-principle-50f54473c79e"><strong>使人瘋狂的 SOLID 原則： 介面隔離原則 (Interface Segregation Principle)</strong></a></p><p><a href="https://medium.com/%E7%A8%8B%E5%BC%8F%E6%84%9B%E5%A5%BD%E8%80%85/%E4%BD%BF%E4%BA%BA%E7%98%8B%E7%8B%82%E7%9A%84-solid-%E5%8E%9F%E5%89%87-%E4%BE%9D%E8%B3%B4%E5%8F%8D%E5%90%91%E5%8E%9F%E5%89%87-dependency-inversion-principle-a74ca045d776"><strong>使人瘋狂的 SOLID 原則：依賴反向原則 (Dependency Inversion Principle)</strong></a></p><p>論壇分享：</p><p><a href="https://youtu.be/SxJPQ5qXisw?si=4pbDIhhJyLumHFij"><strong>🚀 The Clean Architecture (Ian Cooper)</strong></a></p><iframe src="https://cdn.embedly.com/widgets/media.html?src=https%3A%2F%2Fwww.youtube.com%2Fembed%2FSxJPQ5qXisw%3Ffeature%3Doembed&amp;display_name=YouTube&amp;url=https%3A%2F%2Fwww.youtube.com%2Fwatch%3Fv%3DSxJPQ5qXisw&amp;image=https%3A%2F%2Fi.ytimg.com%2Fvi%2FSxJPQ5qXisw%2Fhqdefault.jpg&amp;key=a19fcc184b9711e1b4764040d3dc5c07&amp;type=text%2Fhtml&amp;schema=youtube" width="854" height="480" frameborder="0" scrolling="no"><a href="https://medium.com/media/f7f091f3a6af03d3c15a63539c7e68dd/href">https://medium.com/media/f7f091f3a6af03d3c15a63539c7e68dd/href</a></iframe><p><a href="https://www.youtube.com/live/e0UOuQ_lCUY?si=IoXkwvZHwBJ5KYbS"><strong>Fred聊聊SOLID設計原則</strong></a></p><iframe src="https://cdn.embedly.com/widgets/media.html?src=https%3A%2F%2Fwww.youtube.com%2Fembed%2Fe0UOuQ_lCUY%3Ffeature%3Doembed&amp;display_name=YouTube&amp;url=https%3A%2F%2Fwww.youtube.com%2Fwatch%3Fv%3De0UOuQ_lCUY&amp;image=https%3A%2F%2Fi.ytimg.com%2Fvi%2Fe0UOuQ_lCUY%2Fhqdefault.jpg&amp;key=a19fcc184b9711e1b4764040d3dc5c07&amp;type=text%2Fhtml&amp;schema=youtube" width="854" height="480" frameborder="0" scrolling="no"><a href="https://medium.com/media/ce3b23638c7019b16552d55dba59377c/href">https://medium.com/media/ce3b23638c7019b16552d55dba59377c/href</a></iframe><p><a href="https://www.facebook.com/groups/teddy.tw/"><strong>搞笑談軟工</strong></a></p><p>不過就算把上面的資源全部看完，其實也只會跟我一樣對乾淨架構有粗淺的理解而已⋯⋯真的要熟練的話除了要多練習、實作之外，可能也要組個讀書會來研讀原著，一起討論才不會陷入自己的象牙塔當中！</p><p>更：錄取之後還真的收到了寒假作業，要我去研讀原著⋯⋯太狠了沒想到這天來得這麼快</p><h3>面試：D+20 Days</h3><p>本來的形式會是兩個 Team 的面試官一起來面試我，但由於其中一個 Team 的面試官有臨時會議。在我的要求下，跟 HR 約好變成兩個 Team 分開面。其實有點慶幸，因為我的面試作業真的花了超級多心思在準備的，只有一個小時面試的話可能會冷落另一個 Team 的面試官</p><p>LINE 的面試流程大致可以分為三關</p><ol><li>面試者自我介紹</li><li>技術問答（or 面試作業問答）</li><li>面試官介紹 LINE 以及公司文化、QA Time</li></ol><p>我覺得這三關當中都有可以把握的地方，讓我一個一個介紹</p><h3>面試者自我介紹</h3><p>好的開始是成功的一半，這邊奠定了後面要問你什麼的方向</p><p>💡 秘訣：可以做個小簡報稍微介紹一下自己的經歷、擅長的東西、做過的專案</p><p>面試官看到有興趣的地方就會在下一關開始延伸技術問答</p><h3>技術問答</h3><p>其實有點記不起來具體的問題了，不過應該也沒什麼餐考價值。畢竟根據經歷、專案不同，本來會問的東西就不一樣</p><p>在這邊要注意：</p><p>💡 一定要對自己的專案做好功課（你的 XXX 是怎麼實作的？有遇到什麼困難嗎？原理是什麼？）</p><p>💡 對於技術的比較、取捨最好也要熟悉（為何選Ａ資料庫不選Ｂ？如果選Ｃ的話會怎麼樣？）</p><p>根據我的個人觀察，LINE 實習生分享會幾乎每一組都分享了他們用 OOO 技術去解決了 NNN 問題；在 Side Project 這方面，用到 CI/CD, Docker, K8s, …… 的話有一定的機率會加分</p><p>可參考 <a href="https://engineering.linecorp.com/zh-hant/blog/line-tech-fresh-2022-graduation"><strong>【TECH FRESH 畢業分享會】原來實習有這些眉角？</strong></a></p><h3>QA Time</h3><p>到了萬年難解的問問題時間了，前面如果被電，一定腦袋一片空白只覺得完蛋了⋯⋯但我覺得倒也不必，如果不是太過於致命、會導致 Strongly Rejected 的失誤，在這邊可能還救的回來</p><p>💡 問個好問題可以表現出你對這個工作的深度理解，印象分＋＋</p><p>個人覺得加分的問題包含「詢問工作細節」、「在進行 XX 時可能會遇到 XX 問題，你們通常會怎麼處理」舉例：「在進行壓力測試時，你們有遇過單一機器發出流量不夠大的情況嗎？你們會怎麼做到分散式壓力測試的數據收集跟監控？」</p><h3>等待 HR 通知：D+40 Days</h3><p>等待的時間真的有夠漫長，我面試 Backend 的時候有被問倒一兩個問題（沒說明好 Open-Closed Priciple, 寫測試的方法不夠 best practice）實在有夠焦慮。我每隔幾天就會夢到 HR 打過來一次，甚至有一次的夢境是經過馬桶的時候突然從裡面噴出了兩張摺疊好幾層的紙條，展開之後看到居然是兩個 Team 的 offer，到底什麼鬼劇情</p><p>還好最後順利地兩個 Team 都錄取了，實在非常感謝朋友幫忙內推跟建立心態，也感謝女友忍受我在旅行沒事的時候就在研讀 Clean Architecture、忍受一切、安排超級讚自由行的行程</p><h3>總結</h3><p>就我目前的觀察而言，LINE 希望尋找的應該不是演算法選手，是找出對軟體工程有熱忱的實作派。（以公司的角度大概是用實習的薪資換到接近 Mid-level 的工程師，還可以打亮在軟體圈的名聲） 所以其實應該不太需要準備刷題，平常可以做的準備大概就是好好研讀技術、應用在專案上面、貢獻 Open Source、多關注 LINE 工程部落格。這些準備不只可以拿來準備 LINE 的實習面試，長遠而言更是一條軟體工程師必走的道路！一起加油</p><p>我平常會在 IG 工程帳 <a href="https://www.instagram.com/backend_b__/">@backend_b__</a> 分享所見所聞，如果你覺得這篇文章不錯或是有共鳴的話就幫我分享＋標註吧</p><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=16c5341410ee" width="1" height="1" alt="">]]></content:encoded>
        </item>
        <item>
            <title><![CDATA[串接 OpenAI GPT3 機器人教學]]></title>
            <link>https://medium.com/@brandonlu0924/%E4%B8%B2%E6%8E%A5-openai-chatgpt-%E6%A9%9F%E5%99%A8%E4%BA%BA%E6%95%99%E5%AD%B8-e3fad0e26fd7?source=rss-1ff72ac79a9a------2</link>
            <guid isPermaLink="false">https://medium.com/p/e3fad0e26fd7</guid>
            <dc:creator><![CDATA[Brandon Lu]]></dc:creator>
            <pubDate>Sun, 11 Dec 2022 15:02:16 GMT</pubDate>
            <atom:updated>2022-12-12T17:45:54.237Z</atom:updated>
            <content:encoded><![CDATA[<h3>1213 更新</h3><p>本文所串接的是 GPT3 的 text-davinci-003 模型</p><p>並不是最近大家在網頁上所看到的 ChatGPT，如有誤導，請多見諒</p><h3>前言</h3><p>今天要實作的語言是 Python 版，若希望使用 Node.js 或 C# 可以左轉其他大神的：</p><p>Node.js : <a href="https://github.com/memochou1993/ai-assistant?fbclid=IwAR14FiBM2-FuI36QpXDcq9G52x9FuUWeI4KtfqFinJgnyA6whL2BQTZD4_k">memochou1993/ai-assistant</a></p><p>C# : <a href="https://github.com/isdaviddong/chatGPTLineBot?fbclid=IwAR1ktXUcivo8eG6MmTntY-dlG0SqyoRVyoGKEmMXHogc37jxrnxyuhrVFi4">isdaviddong/chatGPTLineBot</a></p><p>基本上串 ChatGPT 很簡單，尤其是 python 已經有套件的狀況下 都是看一下官方文件就可以串起來的簡單步驟 讀者們如果有 Docker 的基礎，應該二十分鐘內就可以串好並部署了！</p><h3>懶人包</h3><ol><li>申請 API key <a href="https://beta.openai.com/account/api-keys">https://beta.openai.com/account/api-keys</a></li><li>設定 .env 並放在 manage.py 旁邊</li></ol><pre>DJANGO_SECRET_KEY=secret<br>DATABASE_URL=sqlite://YOUR_PASSWORD/db.sqlite3<br>EMAIL_URL=smtp://user:YOUR_PASSWORD@localhost:25<br>LINE_CHANNEL_ACCESS_TOKEN=<br>LINE_CHANNEL_SECRET=<br>CHAT_GPT_TOKEN=</pre><ol><li>部署</li><li>申請 line 官方帳號<a href="https://ithelp.ithome.com.tw/users/20117701/ironman/2634">這篇</a></li><li>docker 安裝<a href="https://www.docker.com/products/docker-desktop/">連結</a></li><li>ngrok 安裝<a href="https://ithelp.ithome.com.tw/articles/10197345">這篇</a></li><li>docker compose up -d</li></ol><h3>以下正式教學</h3><h3>第一步：到 openAI 網站申請 API key</h3><p>連結在這：<a href="https://beta.openai.com/account/api-keys">https://beta.openai.com/account/api-keys</a></p><p>切記，這個 api key 不可以推上來 github 喔，可能會不明人士盜用！</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/786/0*5_O-pMKLf1biX2-Y.png" /></figure><h3>第二步：使用 .env 來設定環境變數</h3><p>我在 repo 中有放置 .env.sample ，大家可以根據自己的環境設置不一樣的變數</p><p><a href="https://github.com/Lanznx/HealthLineBot/blob/main/.env.sample">https://github.com/Lanznx/HealthLineBot/blob/main/.env.sample</a></p><pre>DJANGO_SECRET_KEY=secret<br>DATABASE_URL=sqlite://YOUR_PASSWORD/db.sqlite3<br>EMAIL_URL=smtp://user:YOUR_PASSWORD@localhost:25<br>LINE_CHANNEL_ACCESS_TOKEN=<br>LINE_CHANNEL_SECRET=<br>CHAT_GPT_TOKEN=</pre><p>這邊要注意的是，你的 .env 應該要放置於跟 manage.py 相同的路徑底下</p><p>這樣我在專案設定的路徑 ENV_PATH = &quot;.env&quot;才吃的到環境變數喔！</p><p>再來是 google 金鑰憑證的部分，這個金鑰是我朋友的陳年老金鑰，我想說方便才拿它來串 ChatGPT</p><p>我已經盡量把需要的地方拆出來了，但礙於申請這個 google API 金鑰可能會有點麻煩</p><p>而目前感覺起來應該也不太會有爆流量的問題，所以就先暫時暴露在 github 上給大家方便吧！</p><p>如果想要把金鑰替換成自己的，可以參考以下文章申請！</p><p><a href="https://ithelp.ithome.com.tw/articles/10234325">蛤！原來串接 Google Sheet API 那麼簡單?</a></p><h3>第三步（可略過）：根據官方文件，你可以選擇使用 HTTP request 或者 python 套件</h3><p>官方文件在這：<a href="https://beta.openai.com/docs/api-reference/completions/create">Create completion</a></p><p>但這邊我跟官方文件使用的引入方式不太一樣，是使用 python-dotenv 這個套件</p><p>但功能基本上大同小異，讀者可以自行斟酌</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/0*zYxpYqZGns7SFLb4.png" /></figure><p>基本上我都寫好了，所以只要環境變數有塞進去 .env 應該就可以跑起來了</p><h3>第四步：核心程式碼解說（可略過）</h3><p><a href="https://github.com/Lanznx/HealthLineBot/blob/main/healthlinebot/views.py">/healthlinebot/view.py 的連結</a></p><p>我在第十三行引入 openai 的官方套件，並且完成 .env 的載入</p><p>這個套件很明顯還在實驗階段，版本只出到 0.25.0</p><p>下面是官方連結，有興趣可以看看：</p><p><a href="https://pypi.org/project/openai/">官方連結</a></p><p>接下來就是整個程式碼最核心的部分了！！</p><p>我定義了 chatGPT 這個函式，text 是使用者回覆的訊息</p><p>然後我呼叫了 openai.Completion.create 這個函式</p><p>必填的參數只有一個，就是一定要指定 model</p><p>而我所使用的語言模型是 text-davinci-003 ，跟大家一般在網頁版所看到的並不一樣</p><p>但這部分我沒有多做研究，可能網頁版的模型已經釋出 API 讓大家玩了？</p><p>歡迎大家可以研究一下並讓我知道喔！</p><p>總之我覺得目前這個已經很厲害了</p><p>來簡單解釋一下我現在填進去的參數</p><ol><li>model: 這個就不解釋了，可以在這裡查看所有的語言模型種類<a href="https://beta.openai.com/docs/api-reference/models/list">https://beta.openai.com/docs/api-reference/models/list</a></li><li>prompt：使用者輸入的訊息，給模型的 input</li><li>max_tokens：模型回覆的長度，大部分的模型可以支援到 2048 個 token，就是回覆很長很多的意思！詳細定義可以看這裡：<a href="https://beta.openai.com/tokenizer">https://beta.openai.com/tokenizer</a></li><li>temperature：溫度，我把它解讀為人性的「溫度」，這個參數應該是介於 0 ~ 1 之間，預設為 1，設成 0 的話模型給出的回覆會很無聊，1 的話會很更 creative，我自己是設定中庸的 0.8</li></ol><p>最後最後，只要使用者不是輸入我們指定的字，我們就可以透過呼叫剛剛定義好的 chatGPT 這個函式來用 text-davinci-003 模型來回覆使用者囉！</p><h3>第五步：部署</h3><p>我使用了 docker 去做打包，所以部署起來特別的方便</p><p>如果你是沒有用過 docker 的讀者，可以參考這篇<a href="https://github.com/twtrubiks/docker-tutorial">教學</a>學習一下</p><p>也可以用官方的<a href="https://www.docker.com/products/docker-desktop/">連結</a>安裝</p><p>最後我是開放 8000 port，如果希望使用別的 port 來開通服務的話可以去改</p><p>docker-compose.yaml 當中的 8000:8000 把左邊的八千改成你想要的 port</p><pre>version: &#39;3.8&#39;</pre><pre>services:<br>  server:<br>    container_name: bot<br>    build:<br>      context: .<br>    ports:<br>      - 8000:8000 // 改左邊的 8000，他代表 host_port，右邊是 container_port 不用動<br>    restart: always</pre><p>Ngrok 的教學可以參考<a href="https://ithelp.ithome.com.tw/articles/10197345">這篇</a></p><p>架設 Linebot 的教學可以參考<a href="https://ithelp.ithome.com.tw/users/20117701/ironman/2634">這篇</a></p><h3>!!! 注意 !!!</h3><h3>感謝你的注意</h3><p>Line Webhook URL 的路徑我是設定 /healthlinebot/callback</p><p>Line Webhook URL 的路徑我是設定 /healthlinebot/callback</p><p>Line Webhook URL 的路徑我是設定 /healthlinebot/callback</p><p>也就是 <a href="https://base_url/healthlinebot/callback">https://BASE_URL/healthlinebot/callback</a></p><p>很重要，所以我要講三遍，這是一個很容易踩雷的部分</p><p>最後輸入 docker compose up -d 以及 Ngrok 8000</p><p>就可以部署囉！</p><h3>進階：圖文選單設定</h3><p>我在底下有放我當初設定這個圖文選單的 postman 設定</p><p>可以透過 import 進來，然後把參數改成自己的</p><p><a href="https://api.postman.com/collections/20112142-5056931c-5f27-493c-8e59-99383408e5f6?access_key=PMAT-01GKZYJG9R0K17VPR3QEAEWYZT">https://api.postman.com/collections/20112142-5056931c-5f27-493c-8e59-99383408e5f6?access_key=PMAT-01GKZYJG9R0K17VPR3QEAEWYZT</a></p><p>教學的話可以參考<a href="https://ithelp.ithome.com.tw/articles/10294287">這篇</a></p><p>恭喜大家！終於完成了一個附加功能有點多的 OpenAI 聊天機器人 還偷渡了一些 docker 進來 如果成功的話歡迎讓我知道你完成了！ 也很歡迎點個星星或 fork 過去改寫喔！</p><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=e3fad0e26fd7" width="1" height="1" alt="">]]></content:encoded>
        </item>
    </channel>
</rss>