<?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 This is Hannah Wang on Medium]]></title>
        <description><![CDATA[Stories by This is Hannah Wang on Medium]]></description>
        <link>https://medium.com/@hanforworkandlife?source=rss-5238719f653c------2</link>
        <image>
            <url>https://cdn-images-1.medium.com/fit/c/150/150/1*YImuDdtVlL0tNuz093_bDA.png</url>
            <title>Stories by This is Hannah Wang on Medium</title>
            <link>https://medium.com/@hanforworkandlife?source=rss-5238719f653c------2</link>
        </image>
        <generator>Medium</generator>
        <lastBuildDate>Tue, 17 Nov 2026 20:02:05 GMT</lastBuildDate>
        <atom:link href="https://medium.com/@hanforworkandlife/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[【系統設計】01 學習資源統整]]></title>
            <link>https://hanforworkandlife.medium.com/%E7%B3%BB%E7%B5%B1%E8%A8%AD%E8%A8%88-01-%E5%AD%B8%E7%BF%92%E8%B3%87%E6%BA%90%E7%B5%B1%E6%95%B4-d492c896bba4?source=rss-5238719f653c------2</link>
            <guid isPermaLink="false">https://medium.com/p/d492c896bba4</guid>
            <category><![CDATA[系統設計]]></category>
            <category><![CDATA[software-architecture]]></category>
            <category><![CDATA[design-systems]]></category>
            <dc:creator><![CDATA[This is Hannah Wang]]></dc:creator>
            <pubDate>Thu, 02 Jul 2026 10:21:49 GMT</pubDate>
            <atom:updated>2026-07-06T02:21:08.414Z</atom:updated>
            <content:encoded><![CDATA[<p>系統設計學習資源分享</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1000/0*7K0xuEosHJ7wFEOs.jpg" /></figure><p>最近在學習系統設計，也正在讀 Alex Xu 的《<a href="https://learning-guide.gitbook.io/system-design-interview">系統設計面試：內幕指南</a>》，為了幫助吸收想說來整理幾篇系列文章。</p><p>這篇文是我的系統設計學習筆記第一篇，也寫給剛開始學 System Design 的工程師，尤其是前端 / 全端工程師的入門路線整理。聊聊為什麼要學系統設計，並統整幾項學習資源和學習路線規劃。希望能為正在摸索架構的人提供一個起跑點。</p><p>若有任何錯誤或是想補充的歡迎在文章底下留言唷 🙌</p><p><em>🔖 </em><strong>文章大綱 </strong><em>🔖</em></p><ul><li><a href="#15e7">關於系統設計</a></li><li><a href="#79dc">學習資源整理</a></li><li><a href="#986f">學習路線規劃分享</a></li></ul><h3>關於系統設計</h3><figure><img alt="" src="https://cdn-images-1.medium.com/max/640/0*0bBEq1vAkY5CBnQj.jpeg" /></figure><p><strong>什麼是系統設計？</strong></p><p>系統設計就像是真實世界中的蓋房子，思考一個房子要怎麼被設計，要蓋幾層樓？要用什麼等級的鋼筋水泥？水電的管線要怎麼規劃？要加蓋的話能不能擴充？</p><blockquote>系統設計是在設計一個軟體服務的整體架構，讓它在真實情境下能承受流量、處理資料、維持穩定，並可擴展</blockquote><p>通常包含幾個核心要素：</p><ol><li><strong>架構（Architecture）</strong>：系統該怎麼拆分？單體架構或拆成多個職責單一的小服務（Microservices）</li><li><strong>資料儲存（Data Storage）</strong>：資料該存在哪裡？要用關聯式資料庫還是非關聯式資料庫？需不需要快取？</li><li><strong>擴展性（Scalability）</strong>：如果明天辦活動，流量突然飆升 100 倍，我們能不能快速增加伺服器來分散壓力，活動結束後再縮減回來以節省成本？</li><li><strong>可靠性與高可用性（Reliability &amp; High Availability）</strong>：如果負責結帳的機器突然壞了一台，系統能不能自動切換到備用機？</li></ol><p>系統設計往往沒有一個標準答案，而是看當時的需求做出 trade-off。</p><p><strong>為什麼要學系統設計？</strong></p><p>在開始學習之前先釐清「學習動機」和「學習目標」</p><p>大部分人學習系統設計不外乎是為了面試。幫助自己看懂真實世界的系統，建立起更宏觀的工程思維，無論是想在團隊中主導大型專案或是挑戰頂尖軟體公司的資深職位，系統設計往往是面試過程中具決定性的一關，也是通往資深職位的必經過程(almost)</p><h3>學習資源整理</h3><h4>必讀的經典書籍</h4><ol><li><strong>《資料密集型應用系統設計》 (Designing Data-Intensive Applications, DDIA)</strong></li></ol><ul><li>這本被很多人奉為圭臬的神書在 2026 迎來了第二版（intermediate to advanced），目前尚未有完整的中譯不過也可以先看第一版，比起第二版對初學者比較友善。本書深入探討資料儲存、分散式系統、資料複製與分區等核心概念</li><li>中文版(開源)：<a href="https://github.com/vonng/ddia">https://github.com/vonng/ddia</a><br>英文版(開源)：<a href="https://0-lucas.github.io/digital-garden/99.-Books/Martin-Kleppmann---Designing-Data-Intensive-Applications_-O%E2%80%99Reilly-Media-(2017).pdf">PDF</a><br>中文版(官方)：<a href="https://www.tenlong.com.tw/products/9789865028350">天瓏書局</a><br>英文版(官方)：<a href="https://www.oreilly.com/library/view/designing-data-intensive-applications/9781098119058/ch01.html">O’Reilly 官方購買連結</a></li></ul><p>2. <strong>《系統設計面試：內幕指南》 (System Design Interview — An Insider’s Guide by Alex Xu)</strong></p><ul><li>從一開始的基本知識開始，像是 DNS, CDN, Cache, message queue 等</li><li>中文版(開源)：<a href="https://learning-guide.gitbook.io/system-design-interview">https://learning-guide.gitbook.io/system-design-interview</a><br>英文版(開源)：<a href="https://bytes.usc.edu/~saty/courses/docs/data/SystemDesignInterview.pdf">PDF</a><br>中文版(官方)：<a href="https://www.tenlong.com.tw/products/9789865028855">天瓏書局</a><br>英文版(官方)：<a href="https://www.tenlong.com.tw/products/9798664653403">天瓏書局</a></li></ul><h4>線上平台或資源</h4><ol><li><strong>System Design Primer(</strong><a href="https://github.com/donnemartin/system-design-primer/blob/master/README-zh-TW.md"><strong>GitHub</strong></a><strong>) 開源<br></strong>是 GitHub 上整理大型系統設計概念的開源資源，把散落在網路上的 System design principles 整理成一份學習指南，適合初學者</li><li><strong>ByteByteGo — System Design Interview 需付費<br></strong>ByteByteGo 是 Alex Xu 團隊建立的平台，特色是都會配上精美的圖，對於想用圖解理解架構、互動式內容的人蠻適合的。<br>System Design Interview 是<strong>《系統設計面試：內幕指南》</strong>的<strong>數位擴充版</strong>。主要針對面試去做練習，適合已經有一點基礎，想練題目的人</li><li><strong>ByteByteGo — System Design 101 開源<br></strong>System Design 101 原本是 ByteByteGo 團隊每週發布的電子報內容，後來他們將之開源到 <a href="https://github.com/ByteByteGoHq/system-design-101">GitHub</a> 上，比起 <strong>System Design Interview ，</strong>這比較像是一個百科全書，幫助你快速建立輪廓，適合剛開始學、不知道有哪些主題的人</li><li><a href="https://www.greatfrontend.com/front-end-system-design-playbook"><strong>GreatFrontend — Front End System Design Playbook</strong></a><strong> 需付費 </strong><br>前端工程師專屬的系統設計指南，一般系統設計資源比較多著墨是在後端分散式系統，GreatFrontend 這份<a href="https://www.greatfrontend.com/front-end-system-design-playbook/introduction">聚焦的是 client applications 和 client components 的架構設計</a>。如果你是前端工程師，蠻值得一看的<br>系統設計不只是後端，前端在大規模應用中的效能、快取策略、Web Vitals 也同樣關鍵</li><li><strong>HelloInterview 部分免費 / AI 模擬需付費</strong><br>後端朋友推的資源。近幾年非常熱門且評價蠻高的資源，由曾任 FAANG 的面試官創辦。特色是提供很多面試框架以及「AI 模擬面試」功能</li></ol><h3>學習路線規劃分享</h3><p>可參考 <a href="https://roadmap.sh/system-design">System Design Roadmap</a></p><figure><img alt="" src="https://cdn-images-1.medium.com/max/942/1*CftkafIHxCZ-L1AyKsVLxw.png" /></figure><p>下面分享 AI 幫我整理的學習路線規劃，以 8 週為開端。</p><h4>8 週系統設計（System Design）學習計畫</h4><blockquote><em>💡 </em><strong><em>注意：</em></strong><em> 8 週只是一個粗估的時間，實際進度得依照個人狀況彈性調整。這份計畫由淺入深，不論是為了準備技術面試，還是提升日常架構設計能力皆可參考。不用強求每個資源都要一字不漏看完，針對不熟悉的地方去加強也可！</em></blockquote><ul><li><strong>第 1–2 週：<br>- 學習目標</strong>：<br>建立全貌和專有名詞的理解，包括知道系統設計常見元件，例如什麼是 Load Balancer、API Gateway、CDN，以及常見的通訊協定 HTTP/HTTPS、FTP 、SQL vs NoSQL 等<br>- <strong>學習資源</strong>：System Design 101<br>- 輸出建議：產出筆記，常見元件有哪些？每個元件解決什麼問題？</li><li><strong>第 3–4 週：<br>- 學習目標</strong>：前端系統設計<br>- <strong>學習資源</strong>：GreatFrontend Front End System Design Playbook<br>- 輸出建議：視狀學習況決定練習的範例。設計 Autocomplete、電商商品列表頁、聊天室前端等</li><li><strong>第 5–6 週：<br>- 學習目標</strong>：後端系統設計<br>- <strong>學習資源</strong>：System Design Primer/DDIA (Designing Data-Intensive Applications)<br>- 輸出建議：視狀學習況決定練習的範例。例如動態牆 News Feed、訂單 / 付款系統、遊戲配對或遊戲排行榜等</li><li><strong>第 7–8 週：</strong>開始練經典系統設計題<strong><br>- 學習目標</strong>：透過題目練習系統設計面試的回答流程，掌握 RADIO 或 RADAR 面試框架<br>- <strong>學習資源</strong>：System Design Interview — An Insider’s Guide by Alex Xu / ByteByteGo — System Design Interview / HelloInterview<br>- 輸出建議：視狀學習況決定練習的範例。例如動態牆 News Feed、訂單 / 付款系統、遊戲配對或遊戲排行榜等</li></ul><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=d492c896bba4" width="1" height="1" alt="">]]></content:encoded>
        </item>
        <item>
            <title><![CDATA[初探 SSE(Server-Sent Events)]]></title>
            <link>https://hanforworkandlife.medium.com/%E5%88%9D%E6%8E%A2-sse-server-sent-events-48b8d43e559b?source=rss-5238719f653c------2</link>
            <guid isPermaLink="false">https://medium.com/p/48b8d43e559b</guid>
            <category><![CDATA[https]]></category>
            <category><![CDATA[server-sent-events]]></category>
            <dc:creator><![CDATA[This is Hannah Wang]]></dc:creator>
            <pubDate>Mon, 22 Jun 2026 09:21:00 GMT</pubDate>
            <atom:updated>2026-09-09T03:39:54.426Z</atom:updated>
            <content:encoded><![CDATA[<figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*oIDBOfOPhDSmEdgPNqBSxg.png" /></figure><p><em>🔖 </em>文章索引<em> 🔖<br>1. </em><a href="#08ac">SSE (Server-Sent Events) 介紹</a><br><em>2. </em><a href="#039e">適合與不適合使用 SSE 的情境</a><br><em>3. </em><a href="#936c">SSE 的侷限</a><br>4. <a href="#0b43">建立 SSE 連線</a><br> 4<em>.</em>1 <a href="#a3fc">伺服器端的幾個關鍵 Header</a><br> 4<em>.2</em> <a href="#1fee">資料傳輸格式</a><br>5. <a href="#6952">long polling, short polling, SSE, websocket 之間有什麼差異</a><br>6. <a href="#c44e">參考資料</a></p><p>最近有個專案要從 webSocket 換到 SSE (Server-Sent Events)，後端原本用的webSocket 套件是 <a href="https://pusher.com/docs/">pusher</a>。此專案是公司的出入口安全系統，同仁早上到公司時，都要在大門先刷識別證，系統就會顯示此員工的部門、職稱、卡機位置、刷卡時間等資訊給警衛看，由於只有需要後端推播給前端，不需要來回溝通，所以 SSE 其實就夠了，同時也輕量許多。</p><h3>SSE (Server-Sent Events) 介紹</h3><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*Yw9U8bu7srNxdr5NjizwCA.png" /></figure><p>如果把 websocket 比喻成電話，那 SSE 就像是廣播，是一種<strong>單向傳輸</strong>，讓伺服器<strong>主動推送</strong>資料到瀏覽器。SSE 的本質是一個持久化的 HTTP 連線，連線會保持開啟狀態，伺服器會不斷地往這個連線裡寫入新的數據，與一般的 HTTP 請求傳完就斷不同。</p><p>有以下特點：</p><ol><li>單向的主動推送</li><li>基於 HTTP 協議</li><li>前端用 Web API EventSource 接收</li><li>如果遇到網路斷線、服務重啟、proxy 中斷等連線斷掉的情境，瀏覽器的 EventSource 會帶上 Last-Event-ID嘗試重新連線，Server 也可以指定斷線後多久要進行重連</li><li>支援不同事件類型 Type</li></ol><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*z2iZ_hcuFmhRhz0RVAbKZQ.png" /></figure><p>6. 比 webSocket 輕量</p><h4>適合與不適合使用 SSE 的情境</h4><p>SSE 適合<strong>單向傳輸</strong>的場景（sever to client），例如：通知中心、股票即時狀態等。不適合需要大量雙向互動的場景，例如多人遊戲、即時協作應用、聊天室等，這使用 webScoket 更合適</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*Hig7l1Et62whoLniUHGz1A.png" /><figcaption>bytebytego</figcaption></figure><h3>SSE 的侷限</h3><p>以下舉幾個實務上常見的坑</p><ol><li><strong>連線數量限制</strong>：</li></ol><p>在 <strong>HTTP/1.1</strong> 下，瀏覽器對同一個網域的 TCP 連線數通常是 <strong>6 個，</strong> 如果是使用 <strong>HTTP/2</strong> 或 <strong>HTTP/3</strong> 協定就<strong>不會</strong>有這問題，這叫做多路復用 (Multiplexing)</p><blockquote>什麼算是一個連線數？</blockquote><blockquote>如果你在同一個瀏覽器打開了 6 個分頁，每個分頁都連到 <em>example.com</em> 接收 SSE 資料，就佔用了 6 個連線<strong>，</strong>這時如果開了第 7 個分頁，那這個分頁的請求會進入 <strong>Pending </strong>狀態，直到前面有連線的分頁被關閉</blockquote><p>2. 原生 EventSource 加 custom header 很不方便</p><p>另外一個侷限是原生的 EventSource 不方便加 custom header，WHATWG 定義的建構子是 new EventSource(url, { withCredentials }) ，沒有像 fetch 可以直接設定 headers 的參數</p><pre>fetch(&#39;/api/user&#39;, {<br>  headers: {<br>    Authorization: `Bearer ${token}`,<br>  },<br>});</pre><pre>// The EventSource interface</pre><pre>interface EventSource : EventTarget {<br>  constructor(USVString url, optional EventSourceInit eventSourceInitDict = {});</pre><pre>  readonly attribute USVString url;<br>  readonly attribute boolean withCredentials;</pre><pre>  // ready state<br>  const unsigned short CONNECTING = 0;<br>  const unsigned short OPEN = 1;<br>  const unsigned short CLOSED = 2;<br>  readonly attribute unsigned short readyState;</pre><pre>  // networking<br>  attribute EventHandler onopen;<br>  attribute EventHandler onmessage;<br>  attribute EventHandler onerror;<br>  undefined close();<br>};</pre><pre>dictionary EventSourceInit {<br>  boolean withCredentials = false;<br>};</pre><p>實務上若要驗證，通常用 cookie、session 或 polyfill</p><blockquote>polyfill 在這的意義</blockquote><blockquote><em>用第三方套件模擬原生 </em><em>EventSource，但底層可能用 </em><em>fetch 或 XHR，讓其可以支援 custom headers</em></blockquote><p>以下是一些套件整理，大致可以分成兩類：</p><ol><li>接近 EventSource API 的 polyfill 或 replacement</li></ol><p>2. 不是原生 polyfill，但用 fetch 重新實作 SSE client，通常是為了可以 custom headers / POST / retry 控制</p><ul><li><a href="https://github.com/Azure/fetch-event-source">@microsoft/fetch-event-source</a> (不是傳統意義上的 polyfill，而是用 fetch 做一個更彈性的 SSE client)</li><li><a href="https://github.com/EventSource/eventsource">eventsource</a> ( 與 WhatWG 相容的 EventSource client，可以在 Node.js、瀏覽器、Deno、Bun 等環境使用)</li><li><a href="https://github.com/rexxars/eventsource-client">eventsource-client</a> （功能較完整的 Fetch SSE client，可以自訂 Header, 使用 POST 等）</li><li><a href="https://github.com/mpetazzoni/sse.js/">sse.js</a> (底層是用 XMLHttpRequest 實作，EventSource replacement)</li></ul><p><strong>3. </strong>反向代理可能會把資料先暫存起來(buffer)</p><p>怎麼判定現在資料被 buffer?</p><p>判定方式是可以在 Chrome DevTools 的 Network 裡點 SSE 那個 request，接著點 Response Tab。如果資料不是每隔一段時間一筆筆出現，而是延遲後一次出現好幾筆，通常是 buffer 問題。</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*moesPtkmr8EO7pTLoGNJ0g.png" /></figure><p>例如 nginx 如果把回應先暫存起來，前端就不會即時收到資料了，常見解法是請後端在 header 加上 X-Accel-Buffering: no來關閉 buffering，並定期送 comment heartbeat ，透過定期送空訊號，讓長連線不要被當成閒置連線斷掉，同時也幫 server 更快發現 client 已經離線。如同上圖的 : heartbeat，這種以 : 開頭的是 SSE comment，不會觸發 onmessage</p><pre>// Express</pre><pre>app.get(&#39;/api/events&#39;, (req, res) =&gt; {<br>  res.setHeader(&#39;Content-Type&#39;, &#39;text/event-stream&#39;);<br>  res.setHeader(&#39;Cache-Control&#39;, &#39;no-cache&#39;);<br>  res.setHeader(&#39;Connection&#39;, &#39;keep-alive&#39;);<br>  res.setHeader(&#39;X-Accel-Buffering&#39;, &#39;no&#39;); // X-Accel-Buffering</pre><pre>  res.flushHeaders?.();</pre><pre>  // 假設每 15 秒送一次 heartbeat<br>  const heartbeat = setInterval(() =&gt; {<br>    res.write(`: heartbeat\n\n`);<br>  }, 15000);</pre><pre>  const sendData = (data: unknown) =&gt; {<br>    res.write(`data: ${JSON.stringify(data)}\n\n`);<br>  };</pre><pre>  req.on(&#39;close&#39;, () =&gt; {<br>    clearInterval(heartbeat);<br>  });<br>});</pre><p>⚠️ 在 MDN 的範例中不是使用 : heartbeat comment，而是定時送出 event: ping。這種寫法會被前端監聽到，但因為它會定期讓 SSE 有資料流動，所以也能達到類似 heartbeat 的效果 (<a href="https://github.com/mdn/dom-examples/blob/main/server-sent-events/sse.php">完整範例 code</a>)</p><pre>echo &quot;event: ping\n&quot;,<br>&#39;data: {&quot;time&quot;: &quot;&#39; . $curDate . &#39;&quot;}&#39;, &quot;\n\n&quot;;</pre><h3>建立 SSE 連線</h3><p>前面提到 SSE 是由 Client Side 發起一個 HTTP request，Server Side 保持這個 response 不結束，持續透過同一個連線把資料推送給 Client Side</p><h4>伺服器端的幾個關鍵 Header</h4><p>建立 SSE endpoint 時，伺服器端需要設定幾個關鍵的 Header</p><ul><li>Content-Type: text/event-stream（告訴瀏覽器這是一個持續的 Data stream）</li><li>Cache-Control: no-cache（防止瀏覽器快取，確保即時性）</li><li>Connection: keep-alive（保持連線不中斷）</li></ul><h4>資料傳輸格式</h4><p>SSE 傳回的是純文字，每一個事件區塊結尾都以兩次換行符號 (\n\n) 結尾。有幾個特定的欄位：</p><ul><li>data: 訊息內容</li><li>event: 自定義事件名稱。前端可以根據不同的事件執行不同的邏輯</li><li>id: 訊息的唯一識別。如果連線中斷，瀏覽器重連時會發送 Last-Event-ID 給伺服器，伺服器就能補發漏掉的訊息</li><li>retry: 瀏覽器在斷線後，隔多久嘗試重新連線（單位：毫秒）</li></ul><pre>id: 100             // 唯一識別<br>event: flight       // 事件名稱<br>data: {&quot;flight&quot;:[{...}]} // 訊息內容</pre><pre>// 前端可以用 flight 接收事件</pre><pre>function createSSEConnection(...) {<br>let eventSource = null;<br>...</pre><pre>eventSource.addEventListener(&quot;flight&quot;, (event) =&gt; {<br>  console.log(data.percent);<br>  ...<br>});<br>}</pre><p>以下附上一份較完整的範例 code：</p><pre>type SSEOptions&lt;T = unknown&gt; = {<br>  url: string;<br>  withCredentials?: boolean;<br>  onOpen?: (event: Event) =&gt; void; // 連線成功時觸發<br>  onMessage?: (data: T, event: MessageEvent) =&gt; void; // 瀏覽器收到完整事件後觸發 <br>  onError?: (event: Event) =&gt; void; // 連線錯誤或中斷時觸發<br>  events?: Record&lt;string, (data: T, event: MessageEvent) =&gt; void&gt;;<br>  parseJson?: boolean;<br>};</pre><pre>export function createSSE&lt;T = unknown&gt;({<br>  url,<br>  withCredentials = false,<br>  onOpen,<br>  onMessage,<br>  onError,<br>  events = {},<br>  parseJson = true,<br>}: SSEOptions&lt;T&gt;) {<br>  const source = new EventSource(url, {<br>    withCredentials,<br>  });</pre><pre>  const parseData = (event: MessageEvent): T =&gt; {<br>    if (!parseJson) {<br>      return event.data as T;<br>    }</pre><pre>    try {<br>      return JSON.parse(event.data) as T;<br>    } catch {<br>      return event.data as T;<br>    }<br>  };</pre><pre>  source.onopen = (event) =&gt; {<br>    console.log(&#39;[SSE] connected&#39;);<br>    onOpen?.(event);<br>  };</pre><pre>  source.onmessage = (event) =&gt; {<br>    const data = parseData(event);<br>    onMessage?.(data, event);<br>  };</pre><pre>  source.onerror = (event) =&gt; {<br>    console.error(&#39;[SSE] error&#39;, event);<br>    onError?.(event);<br>  };</pre><pre>  Object.entries(events).forEach(([eventName, handler]) =&gt; {<br>    source.addEventListener(eventName, (event) =&gt; {<br>      const messageEvent = event as MessageEvent;<br>      const data = parseData(messageEvent);</pre><pre>      handler(data, messageEvent);<br>    });<br>  });</pre><pre>  return {<br>    source,</pre><pre>    close() {<br>      source.close();<br>      console.log(&#39;[SSE] closed&#39;);<br>    },</pre><pre>    getReadyState() {<br>      return source.readyState;<br>    },<br>  };<br>}</pre><p>使用方式：</p><pre>const sse = createSSE({<br>  url: &#39;/api/sse&#39;,</pre><pre>  onOpen() {<br>    console.log(&#39;SSE 連線成功&#39;);<br>  },</pre><pre>  onMessage(data) {<br>    console.log(&#39;收到預設 message:&#39;, data);<br>  },</pre><pre>  onError() {<br>    console.log(&#39;SSE 發生錯誤或正在重連&#39;);<br>  },</pre><pre>  events: {<br>    newMessage(data) {<br>      console.log(&#39;收到 newMessage:&#39;, data);<br>    },</pre><pre>    notification(data) {<br>      console.log(&#39;收到 notification:&#39;, data);<br>    },<br>  },<br>});</pre><p>建立 SSE 連線的核心流程圖：</p><p>原本想自己畫流程圖，但發現 AI 畫的不錯，那就直接用吧XD</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*zp4C2TI2fgbw8R8nZ0RxxA.png" /></figure><p>PS. 若要中斷連線，可使用 close() 內建函式</p><h3>long polling, short polling, SSE, websocket 之間有什麼差異</h3><blockquote>polling: 一種資料同步機制。客戶端（如網頁）會設定固定的時間間隔，不斷向伺服器發出請求，詢問是否有新資料。可以分成 Short Polling 和 Long Polling 兩種</blockquote><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*XMwffa_2ZHbeO0s6ew7DvQ.png" /><figcaption>bytebytego</figcaption></figure><p>從上圖中可以看到不管哪一種 Polling 一開始都是由 Client Side 主動問 Sever Side，而 Short Polling 和 Long Polling 的差異就在發送 request 的頻率</p><ul><li>Short Polling：每隔一段時間發送 HTTP request</li><li>Long Polling：請求一次後，Sever Side 有資料才回應；回應完 Client Side 再發起下一次請求</li></ul><h4>short Polling</h4><pre>setInterval(async () =&gt; {<br>  const res = await fetch(&#39;/api/notifications&#39;);<br>  const data = await res.json();<br>  console.log(data);<br>}, 3000);</pre><p>若想像成對話，大概是像以下吧XD</p><pre>Client: 有新資料嗎？<br>Server: 沒有喔</pre><pre>3 秒後…</pre><pre>Client: 有新資料嗎？<br>Server: 沒有喔</pre><pre>3 秒後…</pre><pre>Client: 有新資料嗎？<br>Server: 有喔，傳給你</pre><blockquote><em>優點：簡單明瞭<br>缺點：浪費 request，而且更新有可能不夠即時</em></blockquote><h4>Long Polling</h4><pre>async function poll() {<br>  const res = await fetch(&#39;/api/events&#39;);<br>  const data = await res.json();</pre><pre>  console.log(data);</pre><pre>  poll(); // 收到後立刻發下一次<br>}</pre><pre>poll();</pre><pre>(腦補對話)</pre><pre>Client: 有新資料嗎？<br>Server: .....</pre><pre>過了 10 秒…</pre><pre>Server: 有資料了，傳給你<br>Client: 收到，馬上再問下一次<br>Client: 有新資料嗎？</pre><blockquote><em>優點：比 Short Polling 即時，也比較不浪費 request，但本質上還是一次 request 對一次 response</em></blockquote><h4>SSE</h4><p>開一條 HTTP 長連線(Persistent Connection)，Server Side 持續回傳資料</p><pre>const source = new EventSource(&#39;/api/events&#39;);</pre><pre>source.onmessage = (event) =&gt; { ... };</pre><pre>(腦補對話)</pre><pre>Client: 我要訂閱事件<br>Server: 好，這條線保持開著</pre><pre>Server: data: 第一筆資料<br>Server: data: 第二筆資料<br>Server: data: 第三筆資料</pre><h4>WebSocket</h4><p>Client Side 和 Server Side 建立一條持久連線(Persistent Connection)，雙方都可以主動送資料</p><pre>const socket = new WebSocket(&quot;ws://localhost:3000&quot;);</pre><pre>socket.onmessage = (event) =&gt; { ... };</pre><pre>socket.onopen = () =&gt; {<br>  socket.send(&quot;hello&quot;);<br>};</pre><pre>(腦補對話)<br></pre><pre>Client A: connect<br>Server -&gt; Client A: connected</pre><pre>Client B: connect<br>Server -&gt; Client B: connected</pre><pre>Client A -&gt; Server: Hello, I&#39;m Client A<br>Server: 收到 Client A 傳來的訊息</pre><pre>Server -&gt; Client B: (傳送訊息給 Client B)<br>Client B: 收到新訊息：「A: Hello, I&#39;m Client A」</pre><pre>Client B -&gt; Server: Hi~~<br>Server: 收到 Client B 傳來的訊息</pre><pre>Server -&gt; Client A: (傳送訊息給 Client A)<br>Client A: 收到新訊息：「B: Hi~~」</pre><p>各種使用情境整理：</p><ul><li>如果只是偶爾更新，例如每 30 秒刷新後台資料 -&gt; <strong>Short Polling</strong></li><li>如果想做通知，但環境不方便支援 SSE -&gt; <strong>Long Polling</strong></li><li>如果是 AI 串流、任務進度、log、通知，且環境支援長連線串流 -&gt; <strong>SSE</strong></li><li>如果是聊天室、遊戲、多人協作、即時雙向互動 -&gt; <strong>WebSocket</strong></li></ul><h3>參考資料</h3><ol><li><a href="https://developer.mozilla.org/zh-TW/docs/Web/API/WebSocket">MDN — WebSocket</a></li><li><a href="https://developer.mozilla.org/en-US/docs/Web/API/Server-sent_events/Using_server-sent_events">MDN — SSE</a></li><li><a href="https://html.spec.whatwg.org/multipage/server-sent-events.html#server-sent-events">WHATWG SSE</a></li></ol><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=48b8d43e559b" width="1" height="1" alt="">]]></content:encoded>
        </item>
        <item>
            <title><![CDATA[Shadcn 新開源工具 — improve]]></title>
            <link>https://hanforworkandlife.medium.com/shadcn-%E6%96%B0%E9%96%8B%E6%BA%90%E5%B0%88%E6%A1%88-improve-ed0a1871906a?source=rss-5238719f653c------2</link>
            <guid isPermaLink="false">https://medium.com/p/ed0a1871906a</guid>
            <category><![CDATA[improve]]></category>
            <category><![CDATA[ai]]></category>
            <category><![CDATA[shadcn]]></category>
            <dc:creator><![CDATA[This is Hannah Wang]]></dc:creator>
            <pubDate>Wed, 17 Jun 2026 09:48:46 GMT</pubDate>
            <atom:updated>2026-06-18T08:03:24.217Z</atom:updated>
            <content:encoded><![CDATA[<figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/0*RunH2bCzMmyntB3U" /></figure><p>在電子報上看到 <a href="https://github.com/shadcn/improve">shadcn/improve</a> 覺得蠻有趣的，於是就來玩玩看，說不定好用還可以分享給團隊成員，目前開源不到一週大約有 5K 星星！</p><p><a href="https://github.com/shadcn/improve">shadcn/improve</a> 是一個給 AI agent 用的 codebase audit skill。READEME 中寫到核心理念是：「用比較強、比較貴的模型來負責判斷與規劃，像是讀懂 codebase、找出可以改善的問題、排優先順序、寫可執行計畫(預設存放在專案的根目錄下 plans/*.md)」。此外，improve 預設並不會幫你改 code，反而是把實作交給比較便宜的模型或初階工程師，這或許能為你節省一些 token</p><p>如果專案中有現有的設計文件，如 PRD, ADR, CONTEXT.md 等，它會自動讀取這些現有文件，確保它提出的建議不會跟原先的產品走向或已決定的架構發生衝突</p><h3>安裝方式</h3><pre>npx skills add shadcn/improve</pre><h3>常見指令</h3><pre>/improve                        完整掃描 repo，找出問題並生成改善建議<br>/improve quick                  快速掃描，只抓最重要問題<br>/improve deep                   比較完整、深入地掃所有 package 和分類<br>/improve security               只針對安全性檢查 (also: perf, tests, bugs, ...)<br>/improve branch                 只檢查目前 branch 改動的內容<br>/improve next                   功能建議<br>/improve plan &lt;description&gt;     不掃描整個 repo，僅針對你的描述產生實作計畫<br>/improve review-plan &lt;file&gt;     審查現有的實作計畫<br>/improve execute &lt;plan&gt;         派遣成本較低的 AI 執行任務，並審查其工作成果<br>/improve reconcile              更新待辦清單（Backlog）<br>/improve ... --issues           加上此參數，可同時發布為 GitHub Issues</pre><h3>工作流程</h3><p>以 /improve來說，它會去做這些事：</p><ol><li>全面掃描你的 repo (也因為是全面掃描，所以耗費時間蠻久）</li><li>判斷專案技術棧</li><li>找出問題，例如：bug、security issues、performance issues、test coverage 不夠、技術債、dependency / migration issues、DX、文件、產品方向建議</li></ol><p>4. 列出 findings table</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*V0aEciqTWKHJSuqnWLsQ7g.png" /></figure><p>5. 選擇你選想處理的項目（以上我是全選）</p><p>6. 幫你產生一份完整的實作計畫到 plans/</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/714/1*UkurdS9WCPvIc3zOzu16nA.png" /></figure><p>7. 把這份 plan 丟給 Claude Code、Codex、Cursor agent、人類工程師去實作</p><p>總結一個完整的流程會執行以下步驟：</p><p><strong>Audit 全面審查 </strong>-&gt; <strong>Plan</strong> <strong>制定計畫 </strong>-&gt; <strong>Execute 執行與審閱</strong></p><ul><li><strong>Audit</strong>：全面掃描你的專案（包含 9 大類別：正確性、安全性、效能、測試覆蓋率、技術債、開發者體驗等），並列出一份問題清單</li><li><strong>Plan</strong>：從清單中挑選了要解決的項目後，會撰寫出一份實作計畫(格式為 md 檔)</li><li><strong>Execute</strong>：你可以把這份計畫書丟給任何更為便宜的 AI 工具來實作，或者直接使用 /improve execute &lt;plan&gt; 指令，自動開一個隔離分支讓便宜模型去執行，然後審查寫出來的結果是否符合計畫</li></ul><h3>跟其他 AI 工具的 plan mode 差在哪</h3><ol><li>主動性</li></ol><p>plan mode 的設計高度依賴你的指令，例如需要明確告訴它「我要做一個購物車功能」，才會進入 Plan 階段把大任務拆解成小任務，但不會沒事去掃描整個 Repo 告訴你哪裡寫得不好，所以我認為 improve 比較適合你想要優化專案時使用</p><p>2. 產出物</p><p>plan mode 本身是即拋型的，不會作為永久文件保存下來，但 improve 預設會幫你產出 Plan 資料夾，計畫產出後，你可以自行決定要交給誰執行。說到這，突然覺得好像可以用來規劃給新人試用期的任務之一 (?)</p><p>3. 成本與模型搭配策略</p><ul><li>shadcn/improve(高低階模型混搭) <strong>：</strong> 可以用較貴的模型來執行 /improve plan 寫出文件；然後用相對便宜的模型來執行 /improve execute。這在大型專案中可以省下驚人的 token 費用。不過我認為同時也還需要多去驗證 improve 的產出品質如何</li><li>Cursor (單一模型)<strong>：</strong>這個我先持一個保留態度，因為其實也可以先選擇貴的模型去規劃，然後存成一個 md 檔，再讓相較便宜的模型執行。如果是在 Plan Mode 裡直接按 Build ，跟去社群上的使用者回報會沿用 Plan Mode 當下的模型，而不是 Agent Mode 預設想用的模型，曾經也有人在 Cursor forum 提出希望能讓 Plan / Act 分開設定模型 （<a href="https://forum.cursor.com/t/feature-request-support-separate-ai-models-for-plan-and-act-modes-inspired-by-clinebot/119789?utm_source=chatgpt.com">連結</a>）</li></ul><p>個人覺得 improve 很適合拿來</p><ul><li>專案技術債盤點</li><li>安全性 / 效能 / 測試覆蓋率檢查</li><li>讓 Claude Code 或其他 AI agent 有明確 plan 可以照做</li><li>新接手專案時，可以快速知道哪裡可以優化</li><li>需要幫初階工程師釐清「實作思路」時</li></ul><h3>實測結果</h3><p>接著來看看 improve 給我的計劃，我拿公司最近正在重構的專案去跑，以 <strong>plan</strong> 資料夾的其中一個計劃為例：</p><p><strong>plans/005-fix-test-file-naming-doc.md</strong></p><pre>&gt; **Executor instructions**: Follow this plan step by step. Run every<br>&gt; verification command and confirm the expected result before moving to the<br>&gt; next step. When done, update the status row for this plan in<br>&gt; `plans/README.md`.<br>&gt;<br>&gt; **Drift check (run first)**: `git diff --stat 6XXXXXX..HEAD -- .claude/skills/vue3-project-guideline/SKILL.md`<br>&gt; If this file changed since this plan was written, re-check whether the<br>&gt; specific line cited below still says what this plan assumes before<br>&gt; proceeding.</pre><pre>## Status<br>- **Priority**: P3<br>- **Effort**: S<br>- **Risk**: LOW<br>- **Depends on**: none<br>- **Category**: docs<br>- **Planned at**: commit `6XXXXXX`, 2026-06-17</pre><pre>## Why this matters<br>`.claude/skills/vue3-project-guideline/SKILL.md` - the team&#39;s own documented<br>Vue 3 coding convention, read by both human contributors and AI coding<br>agents working in this repo - states that test files should be named<br>`[PascalCase].test.ts`. In reality, **every single test file in the repo**<br>uses `.spec.ts` (confirmed: `find tests -name &#39;*.spec.ts&#39; | wc -l` → 105,<br>`find tests -name &#39;*.test.ts&#39; | wc -l` → 0). Anyone or anything that follows<br>the documented convention literally will create a file Vitest won&#39;t pick up<br>the way the rest of the suite is organized, and will be inconsistent with<br>every existing test in the repo.</pre><pre>## Current state<br>`.claude/skills/vue3-project-guideline/SKILL.md`, line 98 (inside the<br>&quot;資料夾與檔案結構&quot; section):<br>```<br>- `tests/unit/components|views`：測試檔案對應 `[PascalCase].test.ts`<br>```</pre><pre>## Commands you will need<br>| Purpose | Command | Expected on success |<br>|---------|---------|----------------------|<br>| Confirm reality | `find tests -name &quot;*.spec.ts&quot; | wc -l` then `find tests -name &quot;*.test.ts&quot; | wc -l` | `105` and `0` respectively (or whatever the current counts are - the point is `.spec.ts` should dominate and `.test.ts` should be ~zero) |<br>This is a documentation-only change; there is no build/test/lint command<br>that verifies prose content. The &quot;Done criteria&quot; below are the verification<br>gates instead.</pre><pre>## Scope<br>**In scope**:<br>- `.claude/skills/vue3-project-guideline/SKILL.md` (line 98 only)<br>**Out of scope**:<br>- Any other line in this file.<br>- Renaming any actual test file - they&#39;re already correctly named `.spec.ts`; this plan fixes the doc to match reality, not the reverse.<br>- Any other `.claude/skills/` file.</pre><pre>## Git workflow<br>- Branch: `docs/fix-test-naming-convention`.<br>- Single commit: `docs(guideline): correct test file naming to .spec.ts`.<br>- Do NOT push or open a PR unless explicitly instructed.</pre><pre>## Steps<br>### Step 1: Correct the convention line<br>In `.claude/skills/vue3-project-guideline/SKILL.md`, change line 98 from:<br>```<br>- `tests/unit/components|views`：測試檔案對應 `[PascalCase].test.ts`<br>```<br>to:<br>```<br>- `tests/unit/components|views`：測試檔案對應 `[PascalCase].spec.ts`（Vitest 慣例）<br>```<br>**Verify**: `grep -n &quot;spec.ts&quot; .claude/skills/vue3-project-guideline/SKILL.md` returns a match on line 98; `grep -n &quot;\.test\.ts&quot; .claude/skills/vue3-project-guideline/SKILL.md` returns no match.</pre><pre>## Test plan<br>Not applicable - documentation-only change, no test files are added or modified.</pre><pre>## Done criteria<br>Machine-checkable. ALL must hold:<br>- [ ] `grep -c &quot;\.test\.ts&quot; .claude/skills/vue3-project-guideline/SKILL.md` returns `0`<br>- [ ] `grep -c &quot;\.spec\.ts&quot; .claude/skills/vue3-project-guideline/SKILL.md` returns `1` (or more, if other correct references already existed)<br>- [ ] No files outside `.claude/skills/vue3-project-guideline/SKILL.md` are modified (`git status`)<br>- [ ] `plans/README.md` status row for plan 005 updated to DONE</pre><pre>## STOP conditions<br>- Line 98 doesn&#39;t say what&#39;s quoted in &quot;Current state&quot; (the doc has already been corrected or changed differently) - check whether this plan is already moot before making any edit.</pre><pre>## Maintenance notes<br>- None - this is a single-line, self-contained doc fix with no downstream effects.</pre><p>improve 在計畫文件的結構上具有高度的一致性，固定包含以下部分：</p><p><strong>1. 執行者指示 (Executor Instructions &amp; Drift Check)</strong></p><ul><li>執行者需逐步遵循計畫、驗證指令並確認預期結果</li><li>遇到「停止條件」時必須停止並回報，不可自行發揮</li><li>執行第一步的 Drift check<strong> </strong>，確認程式碼是否在計畫擬定後發生過變更</li></ul><p><strong>2. 狀態區塊 (Status)</strong></p><ul><li>Priority: 優先級<br>- <strong>P0 (Critical / Blocker)</strong>：最高緊急級別。通常是系統全面癱瘓或嚴重資料外洩，所有人必須放下手邊工作立刻處理<br>- <strong>P1 (High)</strong>：高優先級。重要功能壞掉、高風險的潛在錯誤，需要在近期的開發週期中盡快解決<br>- <strong>P2 (Medium)</strong>：中優先級。常規的開發任務或較不影響核心流程的錯誤<br>- <strong>P3 / P4 (Low)</strong>：低優先級。介面微調、不影響使用的小瑕疵，有空時順手修復即可</li><li>Effort: 工作量 (S/M/L)</li><li>Risk: 風險 (LOW/MED/HIGH)</li><li>Depends on: 相依性</li><li>Category: 類別(bug/tests/security/perf/docs/dx/tech-debt)</li><li>Planned at: 包含 commit 跟日期。代表寫下這份計畫時，當下的確切版本快照</li></ul><p><strong>3. Why this matters：</strong></p><p>解釋背景原因與目前程式碼的潛在風險</p><p><strong>4. Current state：</strong></p><p>列出修改前的現有程式碼片段與行號，供執行者核對</p><p><strong>5. Commands you will need：<br></strong>列出需要的指令，用表格呈現，表格內容包括：</p><ul><li>Purpose (目的)</li><li>Command (指令)</li><li>Expected on success (預期結果)</li></ul><p><strong>6. Scope</strong></p><p>明確劃分什麼該做、什麼不該做</p><ul><li><strong>In scope (範圍內)</strong>：明確列出允許修改或新增的檔案</li><li><strong>Out of scope (範圍外)</strong>：特別標註「請勿更動」的相關檔案，以防執行者過度修改</li></ul><p><strong>7. Git workflow<br></strong>若要執行這個計劃的建議的分支名稱和 git workflow</p><ul><li>如何建立分支 (Branch)</li><li>單次提交或逐步提交的 conventional-commit 命名風格</li><li>明確警告「除非有明確指示，否則請勿推送或發 PR」</li></ul><p><strong>8. Steps</strong></p><p>提供具體的程式碼修改規劃，每個步驟最後都附帶 <strong>Verify </strong>區塊，提供該步驟完成後應執行的測試指令與預期結果</p><p><strong>9. Test plan</strong>：測試計畫，<strong>總</strong>結測試策略與最終驗證指令</p><p><strong>10. Done criteria</strong>：附帶一段 Machine-checkable. ALL must hold…」的文字，並帶有 [ ] 的待辦清單，包含此計劃的驗收標準</p><p><strong>11. STOP conditions</strong>：列出在什麼例外狀況下必須立刻停止任務</p><p><strong>12. Maintenance notes：</strong>未來維護看的，提醒未來的開發者或 PR Reviewer 在維護時應注意的事項</p><p>實測 shadcn/improve 後，它規劃問題的細緻度讓我驚豔👍👍 可以把 improve 當成是一個資深工程師的角色來請教。去揣摩它是怎麼定義問題、安排實作順序，以及最後如何建立驗收標準的。</p><p>看過幾個案例後發現每個計畫的底層架構幾乎是固定的。這套鷹架本身是一個非常實用的思考框架。在未來的軟體開發領域裡，實作面的勞力活會越來越少，如何做好前期的「規劃與設計」，是重要的🙌</p><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=ed0a1871906a" width="1" height="1" alt="">]]></content:encoded>
        </item>
        <item>
            <title><![CDATA[如何結合 Karpathy AI 筆記流與防禦性學習，重塑工程師的職涯護城河]]></title>
            <link>https://hanforworkandlife.medium.com/%E5%A6%82%E4%BD%95%E7%B5%90%E5%90%88-karpathy-%E7%AD%86%E8%A8%98%E6%B5%81%E8%88%87%E9%98%B2%E7%A6%A6%E6%80%A7%E5%AD%B8%E7%BF%92-%E9%87%8D%E5%A1%91%E5%B7%A5%E7%A8%8B%E5%B8%AB%E7%9A%84%E8%81%B7%E6%B6%AF%E8%AD%B7%E5%9F%8E%E6%B2%B3-ebd360e5dd9b?source=rss-5238719f653c------2</link>
            <guid isPermaLink="false">https://medium.com/p/ebd360e5dd9b</guid>
            <category><![CDATA[andrej-karpathy]]></category>
            <category><![CDATA[aiera]]></category>
            <category><![CDATA[careers]]></category>
            <dc:creator><![CDATA[This is Hannah Wang]]></dc:creator>
            <pubDate>Wed, 29 Apr 2026 07:17:19 GMT</pubDate>
            <atom:updated>2026-05-07T05:10:58.386Z</atom:updated>
            <content:encoded><![CDATA[<figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*565PmWAlNqWvrMElgB1r-Q.jpeg" /></figure><h3>從「便利商店」到「圖書館」</h3><p>在 <a href="https://www.anduril.tw/karpathy-knowledge-base/">AI 大神 Karpathy 的 AI 筆記流，一般人也能做到八成</a> 這篇文中把大部分人使用 AI 的方式比喻成像是去便利商店買東西，拿到東西，付錢後離開，就像遇到問題時，每次開啟新的對話視窗，問題解決之後就關閉，前面聊過的東西全部消失，AI 對你的研究主題零記憶。Andrej Karpathy (OpenAI 共同創辦人) 做的事情，就是讓 AI 幫自己蓋了一座圖書館，而且這座圖書館會自己長大</p><ul><li><strong>痛點共鳴</strong>：<br>過去我使用 AI 的方式也是類似去便利超商買東西，問完就走，Karpathy 的 AI 筆記流的概念並不是我第一次接觸到，<a href="https://2024.webconf.tw/agenda/day2-8-m">2024 年的 webConf </a>91 APP 擔任敏捷教練的 Ruddy 老師也曾提過他有一個知識系統，讓資訊結構化，有興趣的人可以翻閱當時的<a href="https://docs.google.com/presentation/d/17AAYNZsoolbbRX7fdLkuyl0qykdI1yMl/edit?slide=id.p1#slide=id.p1">演講簡報</a>。</li><li><strong>轉變心態</strong>：2026 的 AI 又帶來前所未有的進步，與其焦慮 AI 會不會取代自己，我決定轉而關注 AI 的「極限」，並根據這些極限來設計自己的生存策略</li></ul><h3>打造會自己長大的個人 Wiki (圖書館)</h3><p>以下是我對 Karpathy AI 筆記流的實踐和取捨：</p><ul><li><strong>建立知識搜集習慣</strong>：過去我的 notion 其實有一個 wiki dashboard 的頁面但都依賴我人工整理，並沒有讓 AI 介入，這次接觸到 Karpathy 的 AI 筆記留後我開始落實 raw/ 資料夾的概念，把我看到的不錯的文章放進一個池，為了搭配平常筆記軟體的使用，我是用 <a href="https://chromewebstore.google.com/detail/notion-web-clipper/knheggckgoiihginacbkhaalnibhilkk">Notion Web Clipper chrome 套件</a>快速存取文章，並且不再花時間手動分類，而是相信 AI 整理的能力。</li><li><strong>實踐「人機分離」</strong>：最重要的一點是將「AI 整理的內容」與「我的個人思考」分開存放，避免自己的想法被淹沒。如果混在一起，你也分不清哪些是自己的想法、哪些是 AI 整理出來的。我認為這也是在訓練自己批判性思考的一個方式。</li><li><strong>碎片時間的運用</strong>：通勤、做家事、運動的時間其實都可以拿來學習，我嘗試了 Lex Fridman 提出的「互動式 Podcast」概念，利用通勤時間對著 AI 提問，讓 NotebookLM 幫我將靜態資料轉化為可聽的知識，也不用老是盯著螢幕。</li></ul><h3>我的防禦性學習與 AI 使用守則</h3><p>在 <a href="https://arxiv.org/abs/2601.20245">How AI Impacts Skill Formation</a> 這篇論文中提到使用 AI 會顯著降低技能學習的質量，使用 AI 組的平均分數比無使用 AI 的對照組低了約 <strong>17%</strong>。這個結果也間接顯示若將思考轉嫁給 AI，可能導致沒有真正學習、理解某項知識</p><ul><li><strong>面對17% 技能退化的恐懼</strong>：看到論文數據顯示 AI 會侵蝕除錯與理解能力時，深有同感，現在工作上沒有 AI 好像要了我的命似的😂 但當有發現這樣的事情時，就立刻止損吧！</li></ul><p>這邊 Leo 也有整理了一張圖，個人覺得非常的清楚～可以看看自己是屬於哪個類別</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/0*41mRHVT8IYxnybaw.png" /><figcaption>來源：Leo <a href="https://airwaves.medium.com/ai-%E6%99%82%E4%BB%A3%E7%9A%84%E5%B7%A5%E7%A8%8B%E5%B8%AB%E6%88%90%E9%95%B7-d2e32a791634">Medium</a></figcaption></figure><ul><li><strong>為自己制定的 AI 使用守則：</strong></li></ul><ol><li><strong>加入原理的追問</strong>：我個人的方式比較偏向「混合程式碼與解釋」，取得 AI 生成的程式碼後，會花時間閱讀解釋，並強迫自己「追問原理」，但這裏會有個盲區是你追問了原理，AI 的回覆也有可能受限於你認知邊界內的事情，所以基礎知識和技能深度還是非常重要的，可以讓 AI 給你一個「知識關鍵字」，在針對關鍵字去做深入研究，秉持在正確使用 AI 的同時也持續精進技能。</li><li><strong>設計我的「無 AI 任務」</strong>：從每天的工作日常開始實踐，畢竟工作的情景是最棒的練習場域，也是最容易取得的，可以以週為單位挑選一個核心主題，刻意不使用 AI，遇到問題時找回獨立除錯、解決問題的肌肉記憶。</li></ol><h3>我如何將重心移往「判斷層」</h3><p>判斷層是指處理那些沒有標準答案、需要考慮全局脈絡的決策</p><p>在 <a href="https://airwaves.medium.com/ai-%E6%99%82%E4%BB%A3%E7%9A%84%E5%B7%A5%E7%A8%8B%E5%B8%AB%E6%88%90%E9%95%B7-d2e32a791634">從四篇 2025–2026 論文洞察 AI 的極限與邊界</a> 一文中提到 AI 擅長局部修補，但仍無法完全理解複雜系統的全局。<br>在 <a href="https://airwaves.medium.com/ai-%E6%99%82%E4%BB%A3%E7%9A%84%E5%B7%A5%E7%A8%8B%E5%B8%AB-%E8%A9%B2%E5%BE%80%E5%93%AA%E8%A3%A1%E8%B5%B0-464f45310fce">AI 時代的工程師，該往哪裡走？</a> 也提到越靠近「執行層」的工作，AI 越能取代；越靠近「判斷層」的工作，人類越有優勢，說到這，那人類是不是可以專注於它做不到的部分，判斷層可以怎麼去訓練？</p><ul><li><strong>練習系統設計：</strong>系統設計涉及多個方案之間的 Trade-off ，需要根據<strong>業務邏輯</strong>、<strong>組織現況</strong>以及<strong>未來的方向</strong>做出選擇。這些 AI 目前都無法完整提供，因為它缺乏對現實世界責任感的連結<br>推薦最近在讀的系統架構書 <a href="https://learning-guide.gitbook.io/system-design-interview">系統設計面試：內幕指南</a> 中文版</li></ul><figure><img alt="" src="https://cdn-images-1.medium.com/max/193/1*TVLlTwyJUE6ccXprjzEqDA.jpeg" /></figure><ul><li><strong>記錄「為什麼這樣做」而非「做了什麼」</strong>：有意識的刻意寫下技術決策的理由和取捨。記錄為什麼捨棄了某個方案，這種帶有當下脈絡的判斷是 AI 無法系統性複製的。</li><li><strong>明確劃分我的「AI 授權邊界」</strong>：為自己的工作劃分紅綠燈。涉及金流與資安的任務，AI 只能做輔助，決策權始終在自己手上。</li></ul><h3>總結</h3><p>AI 或許縮短執行的時間，但高效並不代表有競爭力，越靠近「執行層」的工作，AI 取代性越高；越靠近「判斷層」的工作，人類越有優勢，不論是記錄「為什麼這樣做」還是練習在灰色地帶做決策，這都是在訓練自己接近判斷層的方式。<br>此外，我也會持續跟 AI 合作完善我的個人百科全書，建立不同的知識系統</p><p>題外話：最近被問到一個問題：「你會給現在要轉職成工程師的人什麼建議？」<br>如果是你你會有什麼看法呢？歡迎留言分享～<br>分享我的看法是 2026 年的現在，有了 AI 工具雖可以縮短學習時間，但學習的質量還是取決於吸收和思考，剛好也回扣本文提到的「<strong>加入原理的追問</strong>」、「設計無 AI 任務」，現在使用 AI 輔助開發幾乎已成定局也是未來趨勢，但對於還在打基礎、建立鷹架的初學者而言，更要知道 AI 使用的邊界，鼓勵使用 AI 作為學習輔助，當作一個貼身學習助理，把思考的主控權放在自己手上。</p><h3>參考</h3><ol><li><a href="https://airwaves.medium.com/ai-%E6%99%82%E4%BB%A3%E7%9A%84%E5%B7%A5%E7%A8%8B%E5%B8%AB%E6%88%90%E9%95%B7-d2e32a791634">從四篇 2025–2026 論文洞察 AI 的極限與邊界</a></li><li><a href="https://www.anduril.tw/karpathy-knowledge-base/">AI 大神 Karpathy 的 AI 筆記流，一般人也能做到八成</a></li></ol><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=ebd360e5dd9b" width="1" height="1" alt="">]]></content:encoded>
        </item>
        <item>
            <title><![CDATA[2026 Cake Build With AI 參與心得 — AI 時代下的挑戰與職涯]]></title>
            <link>https://hanforworkandlife.medium.com/2026-cake-build-with-ai-ai-%E5%AD%B8%E7%BF%92%E8%AB%96%E5%A3%87-%E5%8F%83%E8%88%87%E5%BF%83%E5%BE%97-961a1e3c7f29?source=rss-5238719f653c------2</link>
            <guid isPermaLink="false">https://medium.com/p/961a1e3c7f29</guid>
            <category><![CDATA[conference]]></category>
            <category><![CDATA[taiwan]]></category>
            <category><![CDATA[ai]]></category>
            <category><![CDATA[cake]]></category>
            <dc:creator><![CDATA[This is Hannah Wang]]></dc:creator>
            <pubDate>Sun, 29 Mar 2026 09:54:44 GMT</pubDate>
            <atom:updated>2026-09-28T06:43:50.150Z</atom:updated>
            <content:encoded><![CDATA[<p>舉辦時間：2026/03/21 (六)</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*n70M6WaFq-wos5op61VlhA.png" /></figure><p>上週去台大博雅館聽 Cake 舉辦的免費 AI 講座，主要聽了以下三場：</p><ol><li><strong>找出痛點，跟著上哲設計你的高效 AI 工作流 — 林上哲 AI 教學平台 nuva CEO</strong></li><li><strong>打造你的職場數位分身： 非工程師也能上手的 Google AI 辦公自動化實戰 — Watson Shih 台大人智慧應用社/台科大 智慧製造科技研究所</strong></li><li><strong>AI Solution 產業人才對談</strong> ft. IBM、Tera Thinker、Aiworks</li></ol><p>第二場是實作為主的工作坊，因為篇幅考量，本文只紀錄第一場和第三場</p><h3><strong>找出痛點，跟著上哲設計你的高效 AI 工作流 — 林上哲</strong></h3><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*VpMWJiFdlX5p5vSaii8tkA.png" /></figure><p>一開始看到上哲的第一印象是：「哇！這老闆也太年輕了吧！肯定有什麼跟別人不一樣的地方今天才會站在這吧」。先說結論是，我個人覺得十分精彩，不只是內容帶給我蠻多想法和不同視角，還包括現場的氣氛帶動和說故事能力，講者很擅長用故事帶入一些他想傳達的問題和概念，甚至還找聽眾上去演戲，實際去體驗和感受XD 一些我平日習以為常但卻不曾去注意到的事，在演講中被點出來了，彷彿醍醐灌頂。</p><p>這場演講主要是圍繞在這三點</p><blockquote>1. 如何與 AI 協作，確保 AI 的產出結果精準符合你的實務應用需求？<br>2. 透過 3 個評估 Checklist，精準拆解工作流中最值得導入 AI 的節點<br>3. 實際案例解析！上哲如何讓一人公司結合 AI，放大工作產能</blockquote><h4>該如何與 AI 協作，確保產出結果精準符合你的實務應用需求？</h4><p>我開始回想每天上班跟 AI 協作的過程，大概就是準備好情境或規格，開始跟 AI 一來以往的討論，不斷 try on error，完成任務的同時，也要 double check。講者一開始隨機遞麥克風讓大家回答自己有在用的 AI 工具，接著問我們如何去判斷這些 AI 給的答案是「好」還是「不好」</p><blockquote><strong>AI 可以生 99 種回答，你選中的那一個，才叫「答案」</strong></blockquote><p>我突然驚覺：「對耶！ 為什麽每天都在上演的事，我卻沒意識到。」<br><strong>你給 AI 的指令，可以稱為 propmt, context，那 AI 給你的叫 response 或 result，重來都不是 answer</strong>。</p><blockquote>「答案」是人類決定的<br>是「好」還是「不好」也是人類定義的</blockquote><p>講者接著問：「那你仰賴什麼去做決定？」、「AI 能做很多事，那麼人類還能做什麼？」</p><p>做決定的根據這還是得回歸到基本，也就是<strong>專業領域知識、經驗</strong>，當今天你不會一個東西，請 AI 教你是危險的，因為 AI 給的回覆有時候是根據你的所知範圍在回答。</p><p>此外，專業領域知識除了程式語言外，不建議投入所有時間在「學 AI 工具」，因為很有可能到最後變只會「用」AI，可以把一些時間放在「<strong>方法</strong>」，也就是<strong>解決問題的模式</strong>，像是：RAG、AI Agent、AI Workflow 等。方法會隨著時間迭代，但核心概念通常不會那麼快。</p><p>至於，AI 能做很多事，人類到底還能做什麼？<br>我當下想到的答案是「System Design」和「品味」，AI 在 System Design 上給的 context 其實很豐富，但比較 general，沒有辦法在不同限制下做出有深度的設計決策，沒有真正的取捨邏輯。<br>而講師給回覆的是「判斷好的能力」、「品味」，其實這也回扣到上面說的 <strong>專業領域知識、經驗。</strong>此外，講者也分享了一個有趣的故事：</p><h4>高雄小吃攤的故事</h4><p>高雄有一家小吃攤想導入 Line Business Account 自動回覆客人的問題，但一開始卻導入失敗，失敗的原因是：「顧客覺得太快！」</p><p>太快？！什麼意思？<br>顧客覺得「太快」得到商家的回覆，少了等待的時間，就少了溫度！以心理學角度來看，有時候適當的等待會讓人更重視和得到更多關注，有的顧客甚至還覺得回覆那麼快，是不是店家生意不好😂</p><p>所以很明顯的，立即性的回覆不是顧客要的，顧客要的是「溫度」、「等待」。</p><p>所以後來公司就<strong>把回覆時間調慢，一調慢說話就有份量了！</strong><br>關鍵是：欲擒故縱、操作心理XD</p><p>不過講者分享這個故事，是想提醒大家<strong>大量去體驗生活，去累積更真實的人與場景</strong>，因為 AI 的價值不只在工具本身，也包含你對世界的觀察和理解，人生體驗越多，對 AI 應用的視角也越不一樣。</p><h4>透過 3 個評估 Checklist，精準拆解工作流中最值得導入 AI 的節點</h4><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*aRHyoYr-2AYbuJOcpHI16Q.png" /></figure><p>如果在同樣的情境和任務下，表格中 <strong>AI 的生產品質， 你會給幾分？</strong><br>現場大部分聽眾的回答都是 &gt; 85 分，但講者認為是：</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*1tpZZSjIwQZNwP5UK81q-Q.png" /></figure><p><strong>也是 85 分</strong>，為什麼？</p><p>這張表格想表達的核心觀念是，AI 的最大價值不在於「突破品質天花板」<strong>，而在於「大幅降低達到 85 分的成本與時間」</strong>。讓你從一天只能苦幹出 2 份 85 分的作品，變成更輕鬆產出 10 份 85 分的作品，但品質又回扣到上面講的，仰賴你的決定和判斷，一旦過度依賴 AI，最後就會出現<strong>同質化</strong>，大家都能產出「85 分的東西」，看似有效率，但其實把思考與判斷慢慢交出去。<br>如果創造價值的過程中少了中間的推理、掙扎與試錯；短期看起來更快，長期卻會讓能力成長停滯。</p><p>3 個可以給 AI 做的評估 Checklist</p><p>1. 高中生能不能做 <br>高中生只是一個比喻，主要是你認為這件能否放心交給第三方去處理</p><p>2. 一週至少要做一次</p><p>3. 即使出錯，影響範圍也不大</p><h4>實際案例解析！上哲如何讓一人公司結合 AI，放大工作產能</h4><p>講者提到他在 AI 上最常做的事，是把原本需要大量人工處理的流程，變成可複製、可落地的工作流。AI 在中大型、足夠複雜的問題上，其實還是需要人類的把關，不太可能完全自動化，但是公司內部也有很多重複、無聊的瑣碎事，這些事可以讓 AI 去完成，像是：資料的查找/整理、規範、規則查詢等。</p><p>這裡講者分享了一個可怕的故事</p><h4>⚠️ <strong>watch out prompt injection</strong></h4><p>講者的公司曾經收到一封信件，內容包含 prompt injection，字體是白的，人類不能輕易看到，這段 injection 的目的是要拿竊取 token，要是這被 AI 看見的話，就會接收並自動回覆 email 給對方。 所以這也是講者說他不使用信件自動回覆的原因。</p><p>但如果你還是想導入自動化，可以讓 AI 來打草稿，由人類來判斷信件能不能寄出，這裡有個關鍵點是：<strong>先拆解步驟，把某些步驟給 AI ，某些步驟交給我</strong>。<strong>先標準化，再自動化，沒有標準，就沒有自動。</strong></p><p>最後補充一下講者公司使用的 AI 自動化工具<br> ChatGPT Pro / Claude Max / n8n (主機 self host 在 AWS)<br>花費的錢，如果沒串 AI 的話是 400 台幣/ 月，但還是要視你的使用量和伺服器大小而定。</p><h4>金句：</h4><ol><li>AI 可以生 99 種回答，你選中的那一個，才叫「答案」</li><li>先標準化，再自動化。沒有標準，就沒有自動</li><li>AI 時代下的能力，是品味</li></ol><h3><strong>AI Solution 產業人才對談</strong> ft. IBM、Tera Thinker、Aiworks</h3><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*ZDwz4L7Q6pna9P_51LGoxw.png" /></figure><p>由於是對談，以下用 Q&amp;A 的方式來記錄：</p><h4><strong>Q1：AI 時代已經發展 2 年了， 從企業的角度來看， 2026年企業有哪些在此浪潮上的機會點？</strong></h4><ul><li><strong>Aiworks</strong>:<br>我過去可能認為 AI 只是個工具，現在已經變成必備的東西。至於企業可以有哪些機會，這件事不是我說的算，因為每一間企業可以存活下來是因為他們有屬於自己的 Domain Know-how。</li></ul><p>此外講者也多分享了她認為企業可以如何在內部做 AI 導入</p><ol><li>把單點流程串起來，變成是 end-to-end（技術面）</li><li>幫助員工進行 AI 賦能（人才面）<br>現在需要的是複合型人才，換句換說就是 domain 知識＋AI 的結合</li></ol><ul><li><strong>Tera Thinker:</strong></li></ul><p>企業的機會，可以用 AI 放大到什麼程度？<br>這要看企業本身的性質是什麼，我認為有以下兩個機會點</p><ol><li>思考有哪些比較常態性的工作是能被取代的<br>AI 已經能有自主行為、自動化工作流程，從這個角度去發想，原本在企業當中有哪些比較常態性的工作是能被取代的？</li><li>透過 AI 去放大資料所帶來的價值<br>AI 開始能夠去挖掘更多我們沒有想到的方向，例如：累積非常久的數據資料，這些資料可以怎麼樣去賦予它新的價值，加上執行成本變低了，所以可以去做更多的嘗試</li></ol><p>主持人也補充：過去有蠻多企業在單一領域已經做得非常優秀，然後在 AI 出現後，有些企業運用過往累積的使用者數據，突然就開闢了一條新的商業道路，也做得蠻成功的。</p><ul><li><strong>IBM:</strong></li></ul><ol><li>企業內部人才角色會被重新定義 (例如：業務背景 + AI )<br>在過往兩年，導入 AI 的情境是一些高重複性的工作，像是 FAQ 或簡單的客服，在未來，企業內部的人才角色會更著重在怎麼樣融入 AI，像是業務要會使用 AI 工具</li><li>跟上技術趨勢</li></ol><h4><strong>Q2：AI 時代下，企業需要什麼樣的人才？內部會如何幫助人才回應 AI 浪潮的挑戰？</strong></h4><ul><li><strong>Aiworks:</strong></li></ul><p><strong>👉 企業需要什麼樣的人才？</strong></p><ol><li>懂的如何應用 AI 在企業內部做轉型</li><li>擁有 Domain know-how</li><li>人的問題依然存在，你如何去處理這些複雜決策的能力會被放大</li></ol><p>也建議求職者多去關注 AI 出現後的職缺 JD 都寫了些什麼</p><p><strong>👉 內部如何幫人才回應 AI 浪潮的挑戰？</strong></p><ol><li>建立目標</li><li>給予資源</li><li>成立 AI 團隊(較為常見)<br>這個 AI 團隊內會把各個職能的人聚集在一起，他們的任務是幫助企業導入 AI，常見的是 AI COE team。 至於基層的話，通常還是有個關鍵的 owner 或管理者來推動這件事情的發展。 <br>補充：人才在導入 AI 的時候，還是得都先從痛點跟場景出發</li></ol><ul><li><strong>Tera Thinker:</strong></li></ul><p><strong>👉 企業需要什麼樣的人才？<br></strong>這題講者換了個角度來回答，就是「團隊現在是怎麽面試候選人？」</p><ol><li>（工程師）看你怎麼樣去跟 AI Agent 或 AI 工具互相協作<br>過去你要帶回家做個三～五天的中大型系統，現在變成現場直接打開 AI Agent 實作給我們看</li><li>（非工程師）丟一個大型的研究型議題或是一個任務，看候選人在短時間內可以多快速以成果導向去產出這些東西，然後同時觀察他的工具使用和應用狀況</li></ol><p>講者補充：希望候選人偏向 PBL（問題導向學習）的學習方式，真的要弄髒手去把這些工具用熟悉</p><p><strong>👉 內部如何幫人才回應 AI 浪潮的挑戰？</strong></p><ol><li>有套學習組織<br>學習組織並不一定要是一場嚴肅的讀書會，而是讓大家養成習慣，看到什麼新的技術文章、新的 paper 就會分享出來，在開會的時候也會交流一下。 類似像這樣的方式，甚至把它做得更制度化，企業高層要重視即時更迭的重要性。</li></ol><ul><li><strong>IBM:</strong></li></ul><p><strong>👉 企業需要什麼樣的人才？</strong></p><ol><li>除了業務基本知識外，也要能夠靈活運用 AI 工具</li><li>擁有 AI 素養<br>要知道哪些情境是可以使用 AI 的，並要能夠判別 AI 給出的資料是不是可靠的，這也是我們認為對 AI 比較負責任的使用方式。</li></ol><p><strong>👉 內部如何幫人才回應 AI 浪潮的挑戰？</strong></p><ol><li>提供線上課程</li><li>沙盒（Sandbox）實驗環境<br>讓內部的每個人都可以去做 AI 的試用和體驗</li><li>企業內部的黑客松<br>可以跨部門組隊，討論你的 AI 要怎麼直接運用在平常工作的業務場景。此外，黑客松的另一個附加價值是讓員工能更熟悉 AI 的運用方式</li></ol><h4>Q3：有哪些 AI 學習或適應的經驗可以分享或具體建議？</h4><ul><li>Aiworks:</li></ul><ol><li>從做中學 (<strong>以終為始</strong>，設定目標，透過工具去解決它)<br>以 Claud 來說，可以分三種模試：Chat、Cowork、Claude Code。最簡單就是先從 Chat 開始聊天解決問題，再厲害一點你可以建立一些技能跟 Connector，把它串起來變成完整的 Workflow，再更進階就是實際 Coding 來解決更複雜的問題，這些你都可以</li><li><strong>多加利用官方免費資源</strong>，不用花錢去買線上課程</li></ol><ul><li>Tera Thinker:</li></ul><ol><li>建立好的<strong>學習心態</strong><br>注重過程並且去實做，而不是只關注 PBL(問題為導向) 的 outcome，也不應該覺得結果不如理想就認為過程沒有價值、自己的學習方向錯誤</li><li><strong>不要盲目跟風</strong>，這些工具的本質上是類似的<br>當你不斷想去追最新趨勢的同時，這件事根本沒人做得到。 該做的是稍微控制一下 fomo (焦慮)，哪些東西跟哪些東西可能是很類似的，擇定一個把它完整學完</li></ol><ul><li>IBM:</li></ul><ol><li>打好基礎<br>像是知道 RAG 是什麼、什麼時候要用向量資料庫、大型語言模型跟傳統模型的差異在哪裡等</li><li>定義好要解決的問題<br>基礎打好後，接著定義你要解決的問題，例如：這個問題適不適合用 AI，其實有時候 Rule-based（基於規則）就可以有好的效果，這是實作過程中需要注意的</li><li>重點不是你會多少工具，而是針對這個問題有沒有辦法使用對的工具，這樣才能讓技術發揮最大價值</li></ol><h4>金句：</h4><p>以下是在這場對談中聽到的金句們</p><ol><li>AI 不僅是技術，而是變革管理 — Aiworks</li><li>Make things people want → Everybody makes what only themself want. — Tera Thinker</li><li>AI 是一根很強的槓桿，但槓桿放大的是你選擇舉起的東西 — Tera Thinker</li><li>未來最稀缺的能力，不是執行，而是判斷力 — Tera Thinker</li></ol><h4>AI Solutions 的人才需求總結</h4><ol><li>整體解方的思維：不只是完成功能，而是要了解服務背後的問題</li><li>在灰色地帶判斷的能力：幾乎所有決策都不是非黑即白，必須理解領域、使用者、場景、錯誤的代價</li><li>專業領域知識與 AI 協作的能力將是未來的求才趨勢</li></ol><h3>總結</h3><p>很感謝 Cake 舉辦了這場免費講座，讓我認識到很多厲害的講者，在整理資料的同時，我發現 cake 的臉書藏了一些挺有價值的內容和專訪。<br><a href="https://www.facebook.com/cake.me.tw">https://www.facebook.com/cake.me.tw</a></p><p>此外也很感謝朋友分享這個資訊，不然人不在台灣一段時間，都沒發摟到這個優質活動。也讓我在這個 AI 橫行的時代，對未來的職涯走向有了一些頭緒！</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/96/0*Nnz9-llgMNPqJ2RL" /></figure><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=961a1e3c7f29" width="1" height="1" alt="">]]></content:encoded>
        </item>
        <item>
            <title><![CDATA[Vite 升級 從 v5 升到 v8 隨手紀錄]]></title>
            <link>https://hanforworkandlife.medium.com/vite-%E5%8D%87%E7%B4%9A-%E5%BE%9E-v5-%E5%8D%87%E5%88%B0-v8-%E9%9A%A8%E6%89%8B%E7%B4%80%E9%8C%84-0236705ec0cf?source=rss-5238719f653c------2</link>
            <guid isPermaLink="false">https://medium.com/p/0236705ec0cf</guid>
            <category><![CDATA[vites]]></category>
            <category><![CDATA[vitejs]]></category>
            <category><![CDATA[voidzero]]></category>
            <dc:creator><![CDATA[This is Hannah Wang]]></dc:creator>
            <pubDate>Fri, 27 Mar 2026 15:16:11 GMT</pubDate>
            <atom:updated>2026-03-28T06:13:45.906Z</atom:updated>
            <content:encoded><![CDATA[<figure><img alt="" src="https://cdn-images-1.medium.com/max/996/1*vh0myK3a8X7QDZHhz0a8UA.png" /></figure><p>軟體圈前幾個禮拜有個重磅消息是 Vite v8 正式 released 了🎉 <br>剛好最近工作中要處理 Vite 升級，隨手紀錄一下升級的過程</p><h3>為何要升級?</h3><p>升級的優點多於缺點，為何不升～</p><p>有一個最直接的原因是我們的版本真的太舊了，而且這個專案是我們前端其他專案的根，對於之後以此延伸出來的新專案，就像細胞繁殖無限擴大，不夠有延展的寫法、沒在維護的套件、過舊的版本都會對於維護上來說是一個阻礙。<br>前端工具鏈的迭代速度非常快，假設未來想要用最新版的 Vue 或某套件時，可能會遇到 peerDependencies 的相依性要求，那麼等到那時候可能要一次跨更多大版本，痛苦指數更高，所以能趁越早做付出的代價越小。</p><h3>遷移策略</h3><p>由於 Vite 每個大版號都會伴隨 Node 版本的限制以及底層架構的優化，這次的升級橫跨了三個大版號，所以決定逐版進更新行（5 → 6 → 7 → 8），每升一版跑一次 build + test 確認沒壞，比一次跳三版容易 debug。</p><h4><strong>專案技術棧：</strong></h4><p>Vue3 + Vite + Tailwind＋TS +Vitetest，渲染方式走 CSR<br>專案環境相對單純，但即便如此團隊仍一定程度重視效能和可維護性，因為這是其他專案的基底</p><h4>1. v5 -&gt; v6<strong> (^5.2.11 -&gt; ^6.0.0)</strong></h4><p><a href="https://v6.vite.dev/guide/migration">https://v6.vite.dev/guide/migration</a></p><p><strong>Breaking Change</strong>：<br>以下僅列出部分</p><ol><li>需要 Node.js 18/20+</li><li>引入 <a href="https://v6.vite.dev/guide/api-environment.html">Environment API</a> (實驗性)</li><li>Runtime API (實驗性，現在叫 ModuleRunner)</li><li>移除一些過時的 API、Sass 預設使用 <a href="https://sass-lang.com/documentation/breaking-changes/legacy-js-api/">Modern API</a> 等</li></ol><p>官方文件提到 v6 盡量避免破壞性更新，延後實驗性 API 的採用，確保大多數專案能快速升級到新 Major，所以自己在 5 -&gt; 6 是沒有遇到什麼問題。</p><p>不過裡面最讓我期待的莫過於 <strong>Environment API</strong> 了~~ <br>在 Vite 5 (含) 以前，基本上只區分 Client 和 SSR，配置相對單一且侷限，當同一個檔案在瀏覽器和伺服器中表現不同時，Vite 會打架</p><ul><li>在 Client 環境：需要編譯成帶有 HMR 邏輯的 JS</li><li>在 SSR 環境：需要編譯成能輸出 HTML 字串的程式碼(SSR 套件只跑在 SSR 環境）</li><li>在 Edge server 環境：要求程式碼啟動要極快、體積要極小，例如：Cloudflare Workers、Vercel Edge Functions 等。</li></ul><p>隨著現在的 Web 環境越來越複雜， Vite 核心團隊也嗅到了味道。到了 Vite 6 允許開發者定義多個環境（例如：Edge Runtime、Workerd、Node.js 等），每個環境可以有自己的編譯配置、獨立的 Module Graph 記錄該環境的依賴關係、Transform Pipeline 記錄該環境的插件轉換邏輯（例如: SSR 插件只跑在 SSR 環境）、獨立的 HMR 傳輸層，不會因為伺服器端報錯而影響瀏覽器端，以滿足不同環境需求。</p><p>相關連結: <a href="https://github.com/vitejs/vite/discussions/16358">https://github.com/vitejs/vite/discussions/16358</a> （紀錄了維護者在設計 Environment API 的過程和與使用者的討論）</p><p>Vite 5：必須啟動兩個不同的 Vite 伺服器，才能在同一個開發流程中處理多個環境</p><p>Vite 6：透過 Environment API，可以在同一個 vite.config.ts 中定義：</p><pre>// example<br>export default {<br>  environments: {<br>    client: {<br>      resolve: { conditions: [&#39;browser&#39;] },<br>      optimizeDeps: { include: [&#39;vue&#39;] }<br>    },<br>    ssr: {<br>      resolve: { conditions: [&#39;node&#39;] },<br>      external: [&#39;fs-extra&#39;]<br>    },<br>    workerd: {<br>      resolve: { conditions: [&#39;workerd&#39;, &#39;module&#39;] },<br>      dev: {<br>        createEnvironment: (server) =&gt; {<br>        }<br>      }<br>    }<br>  }<br>}</pre><p>我們透過 time npx vite --force 查看 Vite 在開發環境下，完全沒有快取(冷啟動)需要花多少時間啟動，如下圖 ⬇️</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/554/1*1XWqq6pPy2xCLdt04npW4A.png" /></figure><figure><img alt="" src="https://cdn-images-1.medium.com/max/928/1*PDr3dB_8f0cHtr6iczDTDg.png" /><figcaption>開發階段：v5 to v6</figcaption></figure><p>從 4351ms 降到 2124ms 是非常有感的進步！對於開發體驗也更好，團隊在 v6 進行了一次大規模的 Esbuild 底層重構。<br>由於 vite 開發環境和正式打包環境是兩套完全不同的底層引擎 (開發用 Esbuild，打包用 Rollup)，所以接下來試著跑看看 npx vite build，如下 ⬇️</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*nWXwG2Wg7-aqT-LMXCYxDg.png" /></figure><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*OyQiX3wG4hnnY_-pwa7mQw.png" /><figcaption>正式打包階段：v5 to v6</figcaption></figure><h4>2. v6 -&gt; v7 (^6.0.0 -&gt; ^7.0.0)</h4><p><a href="https://v7.vite.dev/guide/migration">https://v7.vite.dev/guide/migration</a></p><p><strong>Breaking Change</strong>：<br>以下僅列出部分</p><ol><li>正式棄用 Node.js 18，需要 Node.js 20.19+ 或 22.12+</li><li>進一步優化 pre-bundling 邏輯</li><li>v6 實驗性功能轉成穩定標準</li><li>Rolldown 的深度整合</li></ol><p>這個階段的升版除了 @vitejs/plugin-vue 、@vitejs/plugin-vue-jsx 兩個套件有相容警告外，沒遇到什麼問題，專案環境走 CSR，環境相對單純好處理</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/928/1*vP0uFBhV11lgp_ol5SEbcQ.png" /></figure><figure><img alt="" src="https://cdn-images-1.medium.com/max/868/1*7K-AvS900cNisFbCu72_Kg.png" /><figcaption>開發階段：v6 to v7</figcaption></figure><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*xaYPr-lT717suCkX6GuOYA.png" /></figure><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*xnzUjUOa24P86pknRz9HMg.png" /><figcaption>正式打包階段：v6 to v7</figcaption></figure><h4>3. v7 -&gt; v8 (^7.0.0 -&gt; ^8.0.0)</h4><p><a href="https://vite.dev/guide/migration">https://vite.dev/guide/migration</a></p><p><strong>Breaking Change</strong>：<br>以下僅列出部分</p><ol><li>需要 Node..js 20.19+ 或 22.12+</li><li>V8 強制區分 client 與 ssr 的 Pre-bundling 路徑，確保兩者不會互相污染，解決了前面版本的陳年痛點</li><li>移除舊版 CSS 處理方式，也把 CSS 壓縮工具換成了 Rust 撰寫的 Lightning CSS</li><li>讓 Rust 撰寫的 Rolldown 正式取代 Rollup 與 Esbuild 打包、<strong>Oxc </strong>處理 JS/TS parsing 與 transform</li><li>加入了 Console Forwarding（控制台轉發），瀏覽器報的錯不用在切換到 DevTools 去看啦～ 現在可以直接把報錯丟回你的 Terminal</li></ol><p>這版的釋出把底層引擎全面替換為 Rust 相關工具，讓整條建置的效能達到前所未有的境界，很振奮人心XD</p><p>這版還把過去許多需要額外裝 Plugin 才能做到的事，新增進來了：</p><ul><li>內建 tsconfig paths 支援<strong>：</strong> 以前可能都要裝 vite-tsconfig-paths 套件來解析 TS 的絕對路徑別名，現在只要在設定檔加上resolve.tsconfigPaths: true 就能原生支援</li><li>內建 Decorator 支援<strong>：</strong> 這可能對喜歡寫 Class 和 Decorators的開發者（如 Angular 或 NestJS 生態系）會比較有感，Vite 8 原生支援了 TS 的 emitDecoratorMetadata，不需再依賴 Babel 轉換</li></ul><p>接著來看一下數據，如下圖 ⬇️</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/868/1*7K-AvS900cNisFbCu72_Kg.png" /></figure><figure><img alt="" src="https://cdn-images-1.medium.com/max/1020/1*4NFcKeeYQbOC2ytCnElabA.png" /><figcaption>開發階段：v7 to v</figcaption></figure><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*xnzUjUOa24P86pknRz9HMg.png" /></figure><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*zc7tW_DWDzwSJGVWPoMdjA.png" /><figcaption>正式打包階段：v7 to v</figcaption></figure><p>有發現開發環境啟動的時間（上排圖）變長了一點點嗎？雖然只多了幾毫秒，但這個增加讓我感到很困惑與好奇。<br>後來爬了一下討論區和 issues，看到了一些我覺得很有趣的討論，如果有任何錯誤歡迎留言給我🙏</p><ol><li>環境隔離的代價<br>還記得前面提到 Vite 8 的其中一個更新是強制區分 Client 與 SSR 的 Pre-bundling 嗎？<br>如果你的專案包含 CSR 和 SSR ，Vite 在啟動時會進行兩次 Pre-bundling，一次是 .vite/deps (瀏覽器)，另一次是 .vite/deps_ssr(伺服器)，也因為進行兩次，所以要掃描和處理的檔案變多了，啟動時間自然被拉長</li><li>Rolldown vs. Esbuild<br>這邊就要順便分享 Esbuild 的歷史</li></ol><blockquote>Esbuild 的作者是 Figma 的共同創辦人 Evan Wallace。<br>2020 年 Evan 在開發 Esbuild 時，前端打包工具大部分是使用 Webpack 和 Rollup 等基於 JavaScript 的打包工具，但大型專案的啟動，動輒需要幾十秒，而當時 Evan 開發 Esbuild 的一個強烈的動機就是「速度」，白話說就是 Esbuild 的誕生本身就是 Figma 前 CTO 對「打包太慢」的不滿所催生出來的結果，他選擇用 Go<strong> </strong>從零開始寫，但這也增加了對多執行緒平行處理（Parallelism）和共享記憶體的依賴，並且沒有像 Babel 或 Webpack 那種強大但卻會讓速度變慢的「AST 操作系統」，只做編譯和打包，為此也犧牲了一些對複雜模組語法的精細支援</blockquote><p>Rolldown 雖然是用 Rust 寫的，但其中一個使命是 <strong>Dev/Prod Parity</strong>，也就是開發與生產環境一致性。為了減少在 Dev 跟 Build 出來的結果差異，Rolldown 在底層做了比 Esbuild 更多、更複雜的相容性處理，所以自然也需要多一點處理時間</p><p>3. 更嚴格的 AST 語法分析 (CJS/ESM 互通)<br>Vite 8 對於 CommonJS 的審查變得更嚴格。當 Oxc 在掃描 node_modules 時，它會花比以前更多的 CPU 資源去建立 AST，深挖每一個套件到底有沒有正確匯出 default，以及是否有會讓正式環境 crash 的潛藏因子。這個嚴格的檢查過程也會讓啟動時間變多</p><ul><li>相關連結：<a href="https://github.com/vitejs/vite/issues/21884">https://github.com/vitejs/vite/issues/21884</a><br>這個最新的 Issue 提出公司的大型專案（3000+ 個模組）升級 Vite 8 時遇到的困難，因為底層引擎（包含 Oxc 的解析）對 AST 的審查變嚴格，導致伺服器崩潰，產出的 Chunk 數量暴增，這其實也間接表示新版本為了解析模組依賴關係（尤其是 CJS/ESM 互通），付出了昂貴的運算代價</li></ul><h3>輔助指令</h3><ol><li>列出所有 Vite 版本</li></ol><pre>pnpm view vite versions --json</pre><p>2. Vite 內建的檢查工具<br>升級後，用來檢查 log 中是否有關於 <strong>Deprecation Warning</strong> 的提示</p><pre>npx vite --debug</pre><h3>輔助套件</h3><ol><li><a href="https://www.npmjs.com/package/npm-check-updates">npm-check-update(ncu)</a></li></ol><p>ncu (好像什麼學校縮寫XD)會掃描你的 package.json中的 dependencies ，告訴你哪些套件可以升級到最新版本，忽略指定的版本，但不會修改你的任何檔案</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/716/0*uDXPT24PbMGrrVOm" /></figure><p>如果想要 interactive 介面可以輸入以下指令，它會列出清單，可以單獨勾選想升級的套件</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/900/0*kp9WUgEH5aEyseEC.png" /></figure><pre>npx npm-check-updates -i<br>npx npm-check-updates -i --format # 會依照是更新 major, minor, patch 來分類<br></pre><h3>總結</h3><p>這幾次大版的更新多半圍繞在多環境和底層的調整上，更新過程中很像在看歷史故事，窺探了各個版本之間的調整和迭代。公司的專案環境本身較為單純，很幸運的升版過程遇到的問題都非常微小，像是套件版本相容性和 CI/CD 的 Node 環境版本不夠的問題<br>甚至升完還跟同事說太順利了吧 😂 我覺得怪怪的</p><p>最後，其實在升版的過成中也有在想未來是否要導入 <a href="http://viteplus.dev/">Vite+</a> 開箱即用的全家桶 (寫文當下還在 alpha 版本)，不論大型專案還是小型專案會遇到的痛點不只是 bundler，還有 toolchain 的拼裝 (linter/formatter/test…）和整合，若未來有機會引入，效率提升的影響範圍就不僅僅是在 build 了，而是擴散到整個團隊的 workflow</p><h3>參考資源</h3><ul><li><a href="https://vite.dev/blog">https://vite.dev/blog</a></li><li><a href="https://vite.dev/guide/migration">Migration Guide</a></li></ul><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=0236705ec0cf" width="1" height="1" alt="">]]></content:encoded>
        </item>
        <item>
            <title><![CDATA[拒絕假性勤奮：如何提高生產力 (Productivity)]]></title>
            <link>https://hanforworkandlife.medium.com/%E6%8B%92%E7%B5%95%E5%81%87%E6%80%A7%E5%8B%A4%E5%A5%AE-%E5%A6%82%E4%BD%95%E6%8F%90%E9%AB%98%E7%94%9F%E7%94%A2%E5%8A%9B-productivity-0fb9da0becbc?source=rss-5238719f653c------2</link>
            <guid isPermaLink="false">https://medium.com/p/0fb9da0becbc</guid>
            <category><![CDATA[productivity]]></category>
            <dc:creator><![CDATA[This is Hannah Wang]]></dc:creator>
            <pubDate>Thu, 05 Mar 2026 10:45:59 GMT</pubDate>
            <atom:updated>2026-03-05T12:13:49.010Z</atom:updated>
            <content:encoded><![CDATA[<p>個人分享</p><p><em>🔖 文章索引 🔖<br>1. </em><a href="#6876">生產力與效率的差別</a><br><em>2. </em><a href="#5847">精力小偷</a><em><br>3. </em><a href="#8bd3">如何保留你的心智肌肉</a><em><br> 3.</em>1 <a href="#fcb8">精力管理</a><br> <em>3.2</em> <a href="#8958">有效休息</a><br> <em>3.3</em> <a href="#5807">先吃掉那隻青蛙</a><br> <em>3.4</em> <a href="#94c0">建立界線</a><strong><br></strong>4<em>. </em><a href="#0ce7">工具分享和書籍推薦</a><br>5. <a href="#e0be">Takeaways</a></p><p>本文整理自在團隊內部的個人分享<br>本分享主要著重在軟性的心法和思維上，而非硬性的工具使用，因為我相信再怎麼厲害的工具，如果沒有搭配正確的心態和態度，那麼工具終將只是工具而已</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/550/1*Ua7aIFq15l_2ev0BrmeUtA.png" /></figure><p>看看上面這張圖中的黃衣男士在做什麼？</p><p>=&gt; 回覆電子郵件</p><p>假設他在 10 分鐘內一口氣回完 15 封郵件，動作飛快，看起來很厲害，你覺得這是「有效率」還是「有生產力」？</p><p>下段會有答案</p><h3>生產力與效率的差別</h3><figure><img alt="" src="https://cdn-images-1.medium.com/max/896/1*dF0Y9_zdrigrCCHZtnIZ2Q.png" /></figure><p>「效率」<strong>關注的是過程是否省時、省力且順暢<br></strong>「生產力」<strong>強調產出本身，生產力 = 效率 × 任務價值(對的事)</strong></p><p>『做得快』不代表『做得對』。 效率 (Efficiency) 只是讓我們跑得快，但生產力 (Productivity) 才是<strong>確保我們跑在正確的方向上</strong></p><p>如果只是在小事上打轉，那只是陷入了「假性勤奮」的陷阱</p><p>這場分享，是要來分享有什麼方法可以在追求效率的同時，也確保是productive ，避免瞎忙</p><p>Ａ：上面黃衣服男士其實是有效率的，因為他的過程順暢，但不一定是有生產力，如果這 20 封信都是無關緊要的垃圾郵件，那他的產出（Output）其實很低，生產力就不高，如果都是重要的關鍵訊息，那他的生產力就很高</p><p>透過簡單的情境來感受生產力和效率的差別在哪裡</p><h3><strong>精力小偷</strong></h3><figure><img alt="" src="https://cdn-images-1.medium.com/max/400/1*D3NZAFwELHfTzjWFHz8aIg.png" /></figure><p>想要提高生產力，需要先識別你的「精力小偷」</p><p>為什麼我們每天下班都覺得心力交瘁？那是因為你的「心智肌肉」（Mental Muscle）被過度消耗了</p><blockquote>「心智肌肉」（Mental Muscle）並不是一個心理學的專有詞彙，而是一個廣泛用於大眾的稱呼，背後的科學概念是非常扎實的，將人的意志力、專注力、情緒調節、韌性等心理能力集結在一起</blockquote><p>以下是幾個常見的精力小偷：</p><ol><li><strong>無計劃的工作流程</strong></li><li><strong>過度會議</strong></li><li><strong>手機通知、電話等</strong></li><li><strong>重複性工作</strong></li><li><strong>完美主義</strong></li><li><strong>環境吵雜</strong></li><li><strong>通勤時間</strong></li></ol><p>這幾個選項你中了幾個呢？如果超過一半可能要檢視一下目前的狀態了<br>我自己比較常出現的是 1, 3, 7 XDD</p><p>雖然有些小偷是你一時半刻很難去改變的，但那也沒關係，把精力放在自己可以改變的事物上就好</p><p>會提到精力小偷是因為<strong>時間與精力是實體工作中的稀缺資源</strong>，當你處於「精力赤字」時，自然無法專注在真正重要的事情上</p><p>只要你能想辦法在實體工作建構好一套適合自己的工作和學習模式，那麼到了混合或全遠端的模式下，便是事半功倍了，因為你能運用的時間和精力資源相對豐富許多</p><h3>如何保留你的心智肌肉</h3><figure><img alt="" src="https://cdn-images-1.medium.com/max/400/1*-I5fcM6KBNiTOOr17ROfRw.png" /></figure><p>心智肌肉就像是身體的肌肉一樣，具有「可訓練性」和「可恢復性」，你現在的意志力或專注力並非天生定型，可以透過練習而改變<br>這邊很推薦一本書叫做「<a href="https://www.books.com.tw/products/0010990062?srsltid=AfmBOorrhoo8lglusE-l4ovKmFs4mBaeQriRyiB87T2IUYCWDtizHj7k">神經可塑性</a>」，如果對神經迴路的強化有興趣的話不妨可以去看看～書中的內容不會很艱澀難懂，反而用了很多生活化的比喻幫助理解</p><p>除此之外，我們也可以利用有限的心智肌肉來提高生產力，把它的價值最大化，那接下來的問題就會是，How ? 該怎麼做？</p><blockquote>=&gt; 想辦法偷懶</blockquote><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*poBFFKPRsyyYgY39y64Otg.png" /></figure><p>那要怎麼有技巧的偷懶，找出「最省力」的方式呢？以下提供幾個方法：</p><h4><strong>1. 精力管理</strong></h4><p>首先要了解究竟我們的精力是從哪裡來？<br>精力管理的關鍵不在於你每天擠出了多少時間，而是你怎麼利用你的精力，時間是「有限」的，但精力是「可再生」的</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/550/0*3dx_czZAS8nYGjwy.jpg" /><figcaption><strong>《The Power of Full Engagement》</strong></figcaption></figure><p>上圖是「精力金字塔」（Energy Level pyramid），它是一個著名的管理模型，由 Jim Loehr 和 Tony Schwartz 共同提出，核心概念是：「<strong>管理能量，而非管理時間，才是卓越表現的關鍵</strong>。」</p><p>這個概念最早出現在他們 2001 年發佈在《哈佛商業評論》的文章，後來在 2003 年出版的暢銷書 《The Power of Full Engagement》(中：全力以赴：高效能人士的精力管理術）中有完整的論述（是本很有年代感的書XDD</p><p>精力金字塔把人的精力分成四個維度，強調「由下而上」的支撐關係，如果底層不穩，也會連帶影響高層</p><h4>第一層：體能精力 (Physical Energy) — 基礎</h4><p>是金字塔的最底層，人體最基本的生活所需，如果身體累了，腦袋再聰明也轉不動</p><h4>第二層：情緒精力 (Emotional Energy) — 品質</h4><p>這決定了精力的「品質」<br>你能夠想像當你今天處在一個焦慮、高壓、煩躁的環境裡工作會怎麼樣嗎？<br>不只工作的不開心，生產力應該也不高吧！不要小看負面情緒，當你處於負面情緒時，精力會大量流失（也是所謂的「內耗」）。正向情緒則能產生能量</p><h4>第三層：心智精力 (Mental Energy) — 焦點</h4><p>這層最接近本文提到的「心智肌肉」，其他關鍵要素像是「專注力」也是屬於這層。如果缺乏這層，你的精力可能會四處發散</p><h4>第四層：精神精力 (Spiritual Energy) — 精神上的意義</h4><p>是金字塔的頂端，也也是心裡強大的動力 (你的「為什麼」) ，當你覺得做某件事很有意義時，即使身體疲憊，依然能激發出韌性。這層的關鍵要素是：價值觀、目標、熱情來源</p><p>除了第四層偏向內在動力以外，其他層級後面會有相對應的管理方法</p><h4><strong>2. 有效休息（Physical）🛌</strong></h4><p>腦袋需要間歇性地重整思緒，就像肌肉需要恢復一樣。高強度的休息能幫助恢復高強度工作的動力 work hard play hard</p><p><em>所以說好好吃飯、好好睡覺、不熬夜是很重要的&gt;&lt;</em></p><h4><strong>3. 先吃掉那隻青蛙（Emotional）🐸</strong></h4><p>「先吃掉那隻青蛙」 (Eat That Frog) 是 Brian Tracy 所提出的經典理論<br>概念：你每天早上起床第一件事，就是生吃一隻青蛙（比喻最難、最不想做、但最重要的那件事），那接下來的一整天你都會覺得比較輕鬆，因為最困難且糟糕的事已經過去了</p><p>每天晚上先辨識出明天那隻「最大、最難、最想拖延」的青蛙（任務），並在隔天<strong>精力最充沛時優先解決它</strong>。由於青蛙任務通常也伴隨著壓力和焦慮，所以優先處理後面會更輕鬆，讓情緒回血</p><p><em>這邊想分享一個特別的經驗：我司福利是有折扣機票，但使用折扣票必須是候補位，候補位就是你必須等待賣不掉的機位，但是旅行通常會提前規劃，當今天不確定自己上不上的了飛機那要怎麼辦？ 住宿要訂嗎？每次離我要出國的時間越近都感到日益焦慮，你說這些焦慮會不會影響到專注，我可以很肯定地跟你說：「會！」，滿腦子都在想：「啊！我上的了飛機嗎？」「飛不出去怎麼辦啊 ? 總不能旅伴先去吧」此時此刻，我反而覺得這件事就是我的「青蛙」，套用到上面「青蛙的樣子」其實並不吻合，但它確實讓我感到焦慮，所以後來還是優先去處理！果然焦慮感沒了，專注力就更高了</em></p><h4>4. <strong>建立界線（Mental）🚧</strong></h4><p>建立清楚界線能讓工作更輕鬆，也讓生活掌控權在自己手上</p><p>將一天簡單分成「<strong>早上」、「下午」、「晚上」</strong>，在特定區塊內只做特定事項，並保留「<strong>彈性區塊</strong>」處理突發狀況</p><p><em>像我有同事只在早上時段 code review ，其他時間除非緊急的，否則一樣都是明天早上看</em></p><p>此外也可以嘗試以下幾種方法來建立界線：</p><ol><li>開啟「勿擾模式」</li><li>每天最多只做三件事(設立上限)</li><li>透過蕃茄鐘來限制工作範圍</li></ol><p>除了蕃茄鐘以外，前面兩個是經常在用的，選擇合適的工具和方法就好，也可以參考一些把時間分塊化的 APP</p><h3>工具分享和書籍推薦</h3><figure><img alt="" src="https://cdn-images-1.medium.com/max/400/1*y-Pm7lf6ZCs-6WfrsAoVgQ.png" /></figure><p>常用工具：</p><ul><li><a href="https://ticktick.com/">TickTick Todo List</a> (支援網頁版/應用程式)</li><li><a href="https://chromewebstore.google.com/detail/timer-countdown/lpopfncaoeljgopgbdcgaklafemlbjbe">Chrome Tool：倒數計時器</a></li><li>手機/電腦的勿擾模式</li></ul><p>推薦書籍：</p><ul><li><a href="https://www.books.com.tw/products/0010906940?srsltid=AfmBOoqqtgU20klxWQbxj5SkFzVfgAjbq5Isl65Y1M0OMgy06nntDXPK">深度工作力</a></li><li><a href="https://www.books.com.tw/products/0010851163?srsltid=AfmBOoqfILXtMbf5IyvSIOR6kcVrWO0eG8swvwV4nW6kzsTbNg0yNpR4">專注力協定</a></li><li><a href="https://www.books.com.tw/products/0010990062?srsltid=AfmBOor1vmkmS-cYIyp6PWFk7sQL1UhnsNnWepAtYUmyKMWt9D0cz6t_">神經可塑性</a></li></ul><figure><img alt="" src="https://cdn-images-1.medium.com/max/450/1*5-QrYUmKB3Fp3BYLdzT9ow.png" /></figure><h3><strong>Takeaways</strong></h3><p>生產力不是要把每一分鐘填滿，而是為了「想辦法偷懶」 — 用最省力的方式達成目標</p><p>從今天起，可以…</p><ul><li><strong>適當休息</strong>，好好吃飯、好好睡覺</li><li>找出<strong>排解壓力或應對負面情緒</strong>的方法</li><li>觀察自己的<strong>精力曲線</strong></li><li><strong>辨識出那隻青蛙 (最重要、最困難、一直拖延的任務)</strong></li><li>把時間<strong>分塊</strong>，畫出界線</li><li>把要做的事具體條列出來，排優先序，透過週復盤 review</li></ul><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=0fb9da0becbc" width="1" height="1" alt="">]]></content:encoded>
        </item>
        <item>
            <title><![CDATA[GitLab CI/CD — 認識 Pipeline & Job]]></title>
            <link>https://hanforworkandlife.medium.com/gitlab-ci-cd-%E8%AA%8D%E8%AD%98-pipeline-job-3a06de9e90e8?source=rss-5238719f653c------2</link>
            <guid isPermaLink="false">https://medium.com/p/3a06de9e90e8</guid>
            <category><![CDATA[ci-cd-pipeline]]></category>
            <category><![CDATA[gitlab]]></category>
            <dc:creator><![CDATA[This is Hannah Wang]]></dc:creator>
            <pubDate>Mon, 26 Jan 2026 09:22:55 GMT</pubDate>
            <atom:updated>2026-01-27T03:51:30.581Z</atom:updated>
            <content:encoded><![CDATA[<h3>GitLab CI/CD — (2) 認識 Pipeline &amp; Job</h3><p>Pipeline &amp; Job</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*mm0t-D7FFqrJTIydVVKv_Q.png" /></figure><p>本文是自己的學習筆記，預計會寫幾篇系列文章，如果有任何錯誤，歡迎不吝指正唷🤗～</p><blockquote>🔖 文章索引 🔖<br>1. <a href="#9f05">Pipeline 管線</a><br>2. <a href="#4345">Job 工作</a><br>3. <a href="#72da">動手實作 — 配置你的 pipeline</a><br> <a href="#6ed0">3–1. 不想繼承 default 設定怎麼辦？</a><br> <a href="#e51f">3–2.進階小技巧：使用 extends 更彈性</a><br>4. <a href="#fc1d">參考資源</a></blockquote><p>其他系列文章：</p><ul><li><a href="https://medium.com/%40hanforworkandlife/gitlab-ci-cd-getting-started-%E5%9F%BA%E6%9C%AC%E4%BB%8B%E7%B4%B9-7-%E5%80%8B%E5%B8%B8%E8%A6%8B%E7%9A%84%E5%9F%BA%E7%A4%8E%E5%90%8D%E8%A9%9E-dc23ab18f80a">GitLab CI/CD — (1) 基本介紹 &amp; 7 個常見的基礎名詞</a></li></ul><h3>Pipeline 管線</h3><p>之前文章有提到 pipeline 是一次完整的 CI/CD 執行流程，由多個 stages 、jobs 和 <a href="https://docs.gitlab.com/ci/yaml/#global-keywords">YAML global keywords</a> 組成，然後在 .gitlab-ci.yml 檔案裡去配置</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/400/1*xU4GL1i0bFLdAu2jPGAdmQ.png" /><figcaption>自行繪製</figcaption></figure><p>GitLab 對於 pipeline 有分很多不同的類型，我們來看看：</p><ul><li><a href="https://docs.gitlab.com/ci/pipelines/pipeline_architectures/#basic-pipelines">Basic pipelines</a> <br>Basic Pipeline 是最基本的 Pipeline，會依照 stages 的順序去執行，同一個 Stage 內的所有 jobs 會「同步」執行，但當前 stage 必須要跑完，才會進入下一個 stage。優點是簡單直觀，缺點則是效率較差<br>本文之後的舉例也會以此類型的 pipeline 為主</li></ul><pre># 全域 stage，定義執行順序<br>stages:<br>  - build<br><br>compile_code: # job name<br>  stage: build  # 指定這個 job 是屬於哪一個階段<br>  script: <br>    - echo &quot;開始編譯&quot;      <br>    - npm install           <br>    - npm run build        <br>    - echo &quot;編譯完成&quot;</pre><ul><li><a href="https://docs.gitlab.com/ci/yaml/needs/">Pipelines that use the </a><a href="https://docs.gitlab.com/ci/yaml/needs/">needs keyword</a> <br>又叫做「Directed Acyclic Graph (DAG) Pipeline」。使用 needs關鍵字來指定 job A 完成後立刻跑 job B，而不需要等待整個 stage 完成。執行效率比 Basic Pipeline 好，適合大型專案</li><li><a href="https://docs.gitlab.com/ci/pipelines/merge_request_pipelines/">Merge request pipelines</a> <br>只有在建立或更新 Merge Request (MR) 時觸發。這類 Pipeline 不會知道 Target Branch 的最新變更，只針對 Source Branch 測試</li><li><a href="https://docs.gitlab.com/ci/pipelines/merged_results_pipelines/">Merged results pipelines</a> <br>GitLab 會先模擬將 Source Branch 合併到 Target Branch 後的結果，並針對這個結果跑測試，防止測試過了，但合併後卻可能壞掉的問題。 Merged Results Pipelines 主要防範的不是檔案衝突(畢竟檔案衝突 git 就可以發現)，而是邏輯衝突，但有個問題是我們無法確保是否跟其他同時正在合併的內容兼容，所以這也延伸出了下面的 <a href="https://docs.gitlab.com/ci/pipelines/merge_trains/">Merge trains</a></li><li><a href="https://docs.gitlab.com/ci/pipelines/merge_trains/">Merge trains</a> <br>把 <a href="https://docs.gitlab.com/ci/pipelines/merged_results_pipelines/">Merged results pipelines</a>合併成一個隊列 (queue)。主要是避免不同 MR 之間邏輯相互衝突導致 target branch 壞掉，每個 MR 都與其他較早的 MR 進行比較，確保彼此能夠一起運作。假設有兩個 MR，分別是 MR1 和 MR2，他們都要合併到 Main，這時 MR1 先合併進去了，Merge trains 會把 Main + MR1 + MR2 先合併在一起跑測試，如果測試未過 pipeline 就會 failed，能盡早發現問題</li></ul><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*gltVQtNrFPHv2aP0hsxsOA.png" /><figcaption>文章連結：<a href="https://martinfowler.com/articles/continuousIntegration.html">https://martinfowler.com/articles/continuousIntegration.html</a></figcaption></figure><ul><li><a href="https://docs.gitlab.com/ci/pipelines/downstream_pipelines/#parent-child-pipelines">Parent-child pipelines</a> <br>由「一個父管線」和「多個子管線」組成，父管線會觸發子管線，由於父子管線都在同個專案內，所以經常用於 monorepo。通常搭配 trigger: include</li></ul><pre>trigger-microservice-a:<br>  stage: test<br>  trigger:<br>    include: path/to/XXXX.yml  # include 指向專案內的另一個檔案<br>    strategy: depend</pre><ul><li><a href="https://docs.gitlab.com/ci/pipelines/downstream_pipelines/#multi-project-pipelines">Multi-project pipelines</a> <br>A 專案的 Pipeline 觸發 B 專案的 Pipeline，像骨牌一樣。例如：當後端 backend-api 改了 API 格式，後端的測試過了，但這可能會害前端 frontend-app 壞掉，這時候就可以使用 Multi project pipelines，搭配 trigger: project關鍵字。常用在微服務的架構上</li></ul><pre>trigger-frontend:<br>  stage: deploy<br>  trigger:<br>    project: XXXX/frontend-project  # project 指向另一個專案<br>    strategy: depend</pre><ul><li><a href="https://docs.gitlab.com/ci/pipelines/pipeline_types/#branch-pipeline">Branch Pipeline</a> / <a href="https://docs.gitlab.com/ci/pipelines/pipeline_types/#tag-pipeline">Tag Pipeline</a><br>push commit / push tag 到遠端時執行。 Branch Pipeline 和 Tag Pipeline預設會執行，不需要任何配置</li></ul><p>要知道 Pipeline 的類型，到 GitLab Repo 中的 Build/pipelines 就可以看到</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/200/1*BHoM9CT8bIdbbtBPvQnCYQ.png" /></figure><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*7p0K_VoPOZzTWHDH5iWfFg.png" /><figcaption>藍色標籤就是 Pipeline 類型，此為 branch pipeline</figcaption></figure><h3>Job 工作</h3><p>Job 是組成 pipeline 的元素之一，每個 Job 都是獨立的，是 .gitlab-ci.yml 中寫在最外層（Top-level）的名稱<br>Job 名稱可以自定義，但要避免用到「<a href="https://docs.gitlab.com/ci/jobs/#job-names">保留關鍵字</a>」</p><pre>stages:<br>  - build<br><br>compile_code: # job name<br>  stage: build<br>  script: <br>    - echo &quot;開始編譯&quot;      </pre><p>Job 內的語法是用 <a href="https://docs.gitlab.com/ci/yaml/">YAML Keywords</a>，以下介紹一些 Job 常見的關鍵字：</p><ol><li><a href="https://docs.gitlab.com/ci/yaml/#stage"><strong>stage</strong></a><strong><br></strong>定義這個 Job 屬於哪個階段，如果不寫，預設屬於 test stage。同個 stage 裡的 Jobs 會同步執行</li></ol><pre># 全域 stage，定義執行順序<br>stages:<br>  - build<br><br>compile_code:<br>  stage: build  # 指定這個 job 是屬於哪一個階段<br>  script: <br>    - echo &quot;開始編譯&quot;      </pre><p>PS. Job 內的 stage 不用加 s，全域的有加</p><p>2. <a href="https://docs.gitlab.com/ci/yaml/#image"><strong>image</strong></a><strong><br></strong>指定這個 Job 要用哪個 Docker Image 來執行（僅限 Docker Runner）</p><pre>test-job:<br>  image:<br>    name: &quot;registry.example.com/my/image:latest&quot;<br>  script: echo &quot;Hello world&quot;</pre><p>3. <a href="https://docs.gitlab.com/ci/yaml/#tags"><strong>tags</strong></a><strong><br></strong>指定要用哪一台 Runner 來執行 Job，如果不給 tags，Job 就會一直顯示 Pending 的狀態，雖然 tags 不是必填，但還是養成習慣加上會比較好</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*KDwOavyGNV5heALDxjzhuA.png" /><figcaption>from nano banana</figcaption></figure><pre>job:<br>  tags:<br>    - docker<br>    - shell</pre><p>4. <a href="https://docs.gitlab.com/ci/yaml/#rules"><strong>rules</strong></a><strong><br></strong>設定條件判斷，可以跟很多關鍵字搭配，每一個條件判斷都必須包含以下的關鍵字至少一個</p><ul><li>if</li><li>changes</li><li>exists</li><li>when</li></ul><pre>job:<br>  script: echo &quot;Hello, Rules!&quot;<br>  rules:<br>    - if: $CI_MERGE_REQUEST_SOURCE_BRANCH_NAME =~ /^feature/ &amp;&amp; $CI_MERGE_REQUEST_TARGET_BRANCH_NAME != $CI_DEFAULT_BRANCH<br>      when: never<br>    - if: $CI_MERGE_REQUEST_SOURCE_BRANCH_NAME =~ /^feature/<br>      when: manual<br>      allow_failure: true<br>    - if: $CI_MERGE_REQUEST_SOURCE_BRANCH_NAME</pre><p>5. <a href="https://docs.gitlab.com/ci/yaml/#when"><strong>when</strong></a><strong><br></strong>指定執行時機，如果沒有定義，預設是 when: on_success <br>常用值：</p><ul><li>on_success：前面的 Stage 都成功才跑</li><li>manual：變成「手動按鈕」，像播放鍵那樣，通常我們會自動部署到測試區，但正式上線需要人工確認，就會使用這個值</li><li>always：不管前面跑的結果如何都要跑，常用於通知或清理環境，也可以用在 <a href="https://docs.gitlab.com/ci/yaml/#workflow">workflow:rules</a></li><li>never：只能在 rules 區塊內或 <a href="https://docs.gitlab.com/ci/yaml/#workflowrules">workflow: rules</a>中使用</li></ul><pre>include:<br>  - local: presets/base/template.yml<br>    inputs:<br>      # ... 略 ....<br>  - local: templates/docker-buildx/template.yml<br>    rules:<br>      - if: &quot;&#39;$[[ inputs.lint ]]&#39; == &#39;false&#39;&quot;<br>        when: never</pre><p>6. <a href="https://docs.gitlab.com/ci/yaml/#needs"><strong>needs</strong></a><strong><br></strong>接收一個 array。使用 needs關鍵字來指定 job A 完成後立刻跑 job B，不需要等待整個 stage 完成，打破 Stage 的順序</p><pre>needs: [&quot;job-a&quot;] # 只要 job-a 做完，我就立刻開始，不用等整個 Stage 結束</pre><p>7. <a href="https://docs.gitlab.com/ci/yaml/#variables"><strong>variables</strong></a><strong><br></strong>定義該 Job 專用的環境變數，寫在外層就是全域變數</p><pre>variables:<br>  ALL_JOBS_VAR: &quot;A default variable&quot;<br>job1:<br>  variables:<br>    JOB1_VAR: &quot;Job 1 variable&quot;<br>  script:<br>    - echo &quot;Variables are &#39;$ALL_JOBS_VAR&#39; and &#39;$JOB1_VAR&#39;&quot;</pre><p>8. <a href="https://docs.gitlab.com/ci/yaml/#allow_failure"><strong>allow_failure</strong></a><strong><br></strong>接收一個布林值。是否允許這個 Job 失敗，若傳入 true 是允許失敗且不會導致整個 Pipeline 停下來，常用在 lint 或 測試中的新功能</p><pre>.#coverage-badge/default-config:<br>  rules:<br>    - if: $CI_COMMIT_BRANCH == &#39;$[[ inputs.target_branch | expand_vars ]]&#39;<br>  variables:<br>    GIT_STRATEGY: empty<br>  allow_failure: true<br>  coverage: &#39;/Average Coverage: ([\d.]+%)/&#39;<br>  needs: []<br>  tags:<br>    - develop<br>    - shell</pre><p>9. <a href="https://docs.gitlab.com/ci/yaml/#before_script"><strong>before_script </strong></a><strong>/ </strong><a href="https://docs.gitlab.com/ci/yaml/#after_script"><strong>after_script</strong></a><strong><br></strong>在主要 script 執行 <strong>之前</strong> 或 <strong>之後</strong> 要跑的指令</p><pre>job:<br>  before_script:<br>    - echo &quot;Execute this command before any &#39;script:&#39; commands.&quot;<br>  script:<br>    - echo &quot;This command executes after the job&#39;s &#39;before_script&#39; commands.&quot;<br><br><br>job:<br>  script:<br>    - echo &quot;An example script section.&quot;<br>  after_script:<br>    - echo &quot;Execute this command after the `script` section completes.&quot;</pre><p>10. <a href="https://docs.gitlab.com/ci/yaml/#artifacts"><strong>artifacts</strong></a> <br>中文直翻是人工製品，製造物，把 Job 產生的檔案（如編譯好的 dist 資料夾、測試報告等）保存下來，傳給下一個 Stage 使用或讓使用者下載，沒有設 artifacts，檔案就不會保留</p><pre>artifacts:<br>  paths:<br>    - dist/<br>  expire_in: 1 week  # 存一週後自動刪除</pre><p>11. <a href="https://docs.gitlab.com/ci/yaml/#cache"><strong>cache</strong></a><strong><br></strong> 快取特定檔案或資料夾，通常用在下載很花時間、但變動頻率不高的檔案。只要 cache key 一樣，可以跨 Pipeline 共享</p><p>cache 可以定義在全域或單一的 Job 內</p><pre>test-job:<br>  script: npm test<br>  cache:<br>    key: &quot;project-cache&quot;<br>    paths:<br>      - node_modules/</pre><p>12. <a href="https://docs.gitlab.com/ci/yaml/#script"><strong>script</strong></a><strong><br></strong>script 是 job 的靈魂，會由上而下逐行執行，也是唯一「<strong>必填」</strong>的欄位<br>⚠️ 注意：只要任何一行執行失敗，整個 job 就會被判定為失敗 (Failed) 並停止執行</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*6K19PmW0NARRReIatOFZBg.png" /><figcaption>Pipeline &amp; Job</figcaption></figure><p>從上圖中我們可以看到，在 GitLab 的 Pipeline 中，每一個直欄（Stage）裡的小方塊都會對應到 .gitlab-ci.yml 最外層的 Job 名稱</p><p>不過，為了介面清楚，GitLab 會自動把性質很像的 Job 折疊成一個格子(<a href="https://docs.gitlab.com/ci/jobs/#group-similar-jobs-together-in-pipeline-views">Grouped Jobs</a>)，點擊後展開後，會看到裡面個別的 Job，如下圖：</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/0*CkvP8-QzQstGQJd0.png" /><figcaption>Grouped Jobs</figcaption></figure><p>想要建立一個 Group Jobs ，要在名稱上使用 斜線(/) or 冒號 (:) or 空白 + 數字，像是test 1/3 、test 2:3 、test 2 3</p><pre>test 1/3:<br>  script: echo &quot;part 1&quot;<br>test 2/3:<br>  script: echo &quot;part 2&quot;<br>test 3/3:<br>  script: echo &quot;part 3&quot;</pre><p><a href="https://docs.gitlab.com/ci/pipelines/downstream_pipelines/?tab=Parent-child+pipeline"><strong>Trigger Jobs</strong></a></p><p>使用 trigger 關鍵字來定義。trigger-XXX的 Job 不是用來跑 script 的，而是用來觸發另一個下游管線（Downstream Pipeline）</p><pre># parent-child pipeline<br>trigger_job:<br>  trigger:<br>    include:<br>      - local: path/to/XXXX.yml<br><br># multi-project pipeline<br>trigger_job:<br>  trigger:<br>    project: project-group/my-downstream-project</pre><p><a href="https://docs.gitlab.com/ci/jobs/#hide-a-job"><strong>Hidden Jobs</strong></a><br>Hidden Jobs 專門用來當作「模板 job template」給別人繼承用的，自己不會執行。名稱開頭有一個 <strong>. </strong>，常用於共用的設定，讓其他 Job extends</p><pre>.hidden_job:<br>  script:<br>    - run test</pre><h3>動手實作 — 配置你的 pipeline</h3><blockquote>如果是用 VsCode 可以用這個套件 👉 <a href="https://docs.gitlab.com/editor_extensions/visual_studio_code/">GitLab Workflow extension for VS Code</a>， 安裝後，就會在編輯器下方的狀態列看到當前 Commit 的 Pipeline 是否有跑過，還可以查看 log、執行 retry / cancel pipeline 等</blockquote><h4><strong>前置作業</strong></h4><p>首先，你必須要是專案的 matainer 或 owner，才能在 GitLab 上看到 Setting 頁面，Runner、Variable 和一些基本 CICD 設定都會在這裡處理</p><h4>配置步驟</h4><ol><li>建立 Runner (如果是透過 GitLab.com，則可以跳過此步驟，因為官方會提供 Instance Runner)<br><strong>設定位置：</strong><strong>Setting &gt; CI/CD &gt; Runners</strong><br>如果還沒有 Runner： 可以在本機電腦上安裝 <a href="https://docs.gitlab.com/runner/install/">GitLab Runner</a> 執行檔然後<a href="https://docs.gitlab.com/runner/register/">註冊</a></li></ol><pre>gitlab-runner register</pre><p>2. 設定 Pipeline 的觸發檔案<br><strong>設定位置：</strong><strong>Setting &gt; CI/CD &gt; General pipelines &gt; CI/CD configuration file</strong></p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*PuRw9b0t0CK5EvSEXTxrJA.png" /><figcaption>配置檔案的位子，依實際情況而定</figcaption></figure><p>3. 在專案內建立 .gitlab-ci.yml 檔案，並配置 pipeline<br>流程可以複雜也可以簡單，為了簡化學習曲線，這邊先用 Basice Pipeline 為例</p><blockquote>1. 定義環境 (image, tag 等)<br>2. 全域設定 (stages, cache , global variables 等)<br>3. 資料管理 ( cache等)<br>4. Jobs 建立和配置 (script, rules, job variable, artifacts 等)</blockquote><pre>stages: <br>  - build<br>  - test<br>  - deploy<br><br>cache:<br>  key:<br>    files: [pnpm-lock.yaml]<br>  paths:<br>    - node_modules/<br>    - .pnpm-store/<br><br><br>build-job:<br>  stage: build<br>  image: node:20-alpine    <br>  tags:               <br>    - docker<br>  before_script:                   <br>    - corepack enable<br>    - corepack prepare pnpm@latest --activate<br>    - pnpm config set store-dir .pnpm-store<br>    - pnpm install<br>  script:<br>    - pnpm run build<br>  artifacts:<br>    paths:<br>      - dist/<br>    expire_in: 1 hr<br><br><br>test-job:<br>  stage: test<br>  image: node:20-alpine    <br>  tags:              <br>    - docker<br>  before_script:                   <br>    - corepack enable<br>    - corepack prepare pnpm@latest --activate<br>    - pnpm config set store-dir .pnpm-store<br>    - pnpm install<br>  script: pnpm run test<br><br><br>lint-check-job:<br>  stage: test<br>  image: node:20-alpine  <br>  tags:              <br>    - docker<br>  before_script:                   <br>    - corepack enable<br>    - corepack prepare pnpm@latest --activate<br>    - pnpm config set store-dir .pnpm-store<br>    - pnpm install<br>  script: pnpm run lint<br><br><br>deploy-prod-job:<br>  stage: deploy<br>  image: google/cloud-sdk:latest <br>  tags:                        <br>    - docker<br>  needs: [&quot;build-job&quot;]<br>  script:<br>    - echo &quot;Deploying...&quot;<br>    - gcloud app deploy dist/<br>  rules:<br>    - if: $CI_COMMIT_BRANCH == &quot;main&quot;<br>      when: manual</pre><p>上面這段有很多 Job 用到相同的設定（像是部分 job 都用同一個 Docker Image, before script），基於 DRY 原則，可以利用 default 關鍵字把重複設定套用到當前 Pipeline 中的每一個 Job。簡化後如下：</p><pre># 加入 default<br>default:<br>  image: node:20-alpine<br>  tags: [docker]<br>  before_script:<br>    - corepack enable<br>    - corepack prepare pnpm@latest --activate<br>    - pnpm config set store-dir .pnpm-store<br>    - pnpm install<br><br>cache:<br>  key:<br>    files: [pnpm-lock.yaml]<br>  paths:<br>    - node_modules/<br>    - .pnpm-store/<br><br>stages:<br>  - build<br>  - test<br>  - deploy<br><br><br>test-job:<br>  stage: test<br>  script: pnpm run test<br><br><br>lint-check-job:<br>  stage: test<br>  script: pnpm run lint<br><br><br>build-job:<br>  stage: build<br>  script:<br>    - pnpm run build<br>  artifacts:<br>    paths:<br>      - dist/      <br>    expire_in: 1 hr<br><br><br># 如果某個 Job 需要不同的設定<br># 可以在該 Job 裡面重新定義該關鍵字，覆蓋掉 default 的設定    <br>deploy-prod-job:<br>  stage: deploy<br>  image: google/cloud-sdk:latest <br>  tags:                        <br>    - docker<br>  needs: [&quot;build-job&quot;]<br>  before_script: []<br>  script:<br>    - echo &quot;Deploying...&quot;<br>    - gcloud app deploy dist/<br>  rules:<br>    - if: $CI_COMMIT_BRANCH == &quot;main&quot;<br>      when: manual</pre><h4>不想繼承 default 設定怎麼辦？</h4><p>但如果有一個 Job <strong>完全不想</strong>使用這些預設值，<a href="https://docs.gitlab.com/ci/jobs/#set-default-values-for-job-keywords">官方文件</a>提到可以使用 <strong>inherit: default: false</strong></p><pre># ...略...<br><br>deploy-prod-job:<br>  inherit:<br>    default: false<br></pre><h4>進階小技巧：使用 extends 更彈性</h4><p><a href="https://docs.gitlab.com/ci/yaml/yaml_optimization/#use-extends-to-reuse-configuration-sections">官方文件</a></p><pre># 開頭加個 &quot;點&quot;，代表隱藏，不會真的執行<br>.deploy_template:<br>  stage: deploy<br>  image: google/cloud-sdk:latest<br>  tags: [docker]<br>  needs: [&quot;build-app&quot;]<br>  script:<br>    - echo &quot;Deploying $ENV_NAME...&quot;<br>    - gcloud app deploy dist/ --project=$GCP_PROJECT_ID<br><br><br>deploy-dev:<br>  extends: .deploy_template   # extends .deploy_template<br>  environment:<br>    name: development<br>  variables:<br>    ENV_NAME: &quot;Development&quot;<br>    GCP_PROJECT_ID: &quot;my-dev-project&quot;<br>  rules:<br>    - if: $CI_COMMIT_BRANCH == &quot;develop&quot;<br><br>deploy-prod:<br>  extends: .deploy_template   # extends .deploy_template<br>  environment:<br>    name: production<br>  variables:<br>    ENV_NAME: &quot;Production&quot;<br>    GCP_PROJECT_ID: &quot;my-prod-project&quot;<br>  rules:<br>    - if: $CI_COMMIT_BRANCH == &quot;main&quot;<br>      when: manual</pre><h3>參考資源</h3><ul><li><a href="https://docs.gitlab.com/topics/build_your_application/">GitLab 官方文件</a></li><li>工作日常</li></ul><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=3a06de9e90e8" width="1" height="1" alt="">]]></content:encoded>
        </item>
        <item>
            <title><![CDATA[因電腦壞掉的美麗相遇? Warp 讓你的 Terminal 起飛]]></title>
            <link>https://hanforworkandlife.medium.com/%E5%9B%A0%E9%9B%BB%E8%85%A6%E5%A3%9E%E6%8E%89%E7%9A%84%E4%B8%80%E5%80%8B%E7%BE%8E%E9%BA%97%E7%9B%B8%E9%81%87-warp-ai-terminal-%E8%AE%93%E4%BD%A0%E7%9A%84-terminal-%E8%B5%B7%E9%A3%9B-cfae8612eb79?source=rss-5238719f653c------2</link>
            <guid isPermaLink="false">https://medium.com/p/cfae8612eb79</guid>
            <category><![CDATA[terminal]]></category>
            <category><![CDATA[ai]]></category>
            <category><![CDATA[warp]]></category>
            <dc:creator><![CDATA[This is Hannah Wang]]></dc:creator>
            <pubDate>Sat, 10 Jan 2026 07:55:37 GMT</pubDate>
            <atom:updated>2026-01-12T03:13:47.133Z</atom:updated>
            <content:encoded><![CDATA[<p>Warp = AI x Terminal</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*HI6bI_KjUm61A5BuecsIkQ.png" /><figcaption>Warp 官網</figcaption></figure><p>在過去 <strong>Zsh</strong> 搭配特定插件的方式來設定和美化 Terminal 是一個很常見的組合，筆者之前都是用「<a href="https://ohmyz.sh/">Oh My Zsh</a> + <a href="https://iterm2.com/">iterm 2</a>」。直到最近我的電腦因為進水整台報銷了😅 所以要重新設定環境，這也讓我開啟跟 Warp 相遇的契機XD</p><pre>🔖 文章索引 🔖<br>1. Warp 簡介<br>2. 下載與安裝<br>3. Warp 的收費 &amp; 核心功能<br>4. Warp 與編輯器的整合</pre><h3>Warp 簡介</h3><p><a href="https://www.warp.dev/">Warp</a> 於 2022 年 4 月正式發佈 Public Beta 版，它是一個基於 Rust 開發的 Terminal 工具(效能好)，適用於 macOS、Windows 和 Linux 環境</p><p>之前就有同事大推 Warp，這次使用下來還要習慣一下操作，但也發現 <strong>Warp</strong> 真的蠻棒！它的 AI 甚至可以分析<strong>報錯訊息</strong>，幫你 fix bugs，堪稱一個終端機裡的小 agent</p><p><strong>優點：</strong></p><ul><li>效能好，省記憶體，即使處理大量的 log 也不會卡頓</li><li>內建 Warp AI 搜尋指令、指令自動補齊（auto-suggestions）</li><li>像文字編輯器一樣的選取和輸入功能</li><li>可以讀取你的 code base</li><li>整合了很多常見功能，便利性提升</li></ul><h3>下載與安裝</h3><p>以 MacOS 為例，有兩種下載方式</p><ol><li><strong>Homebrew</strong></li></ol><pre>brew install -- cask warp</pre><p><strong>2. 下載到本機</strong></p><p>在 <a href="https://www.warp.dev/">warp.dev</a> 點擊 <strong>Download for Mac</strong></p><p>Window 和 Linux 的下載方式，請<a href="https://www.warp.dev/download">點此</a></p><blockquote>也可以透過筆者的 Referral Link 來安裝唷！<a href="https://app.warp.dev/referral/ZKX86W">https://app.warp.dev/referral/ZKX86W</a></blockquote><p>安裝完後會看到如下畫面，之後註冊或三方登入授權的流程這邊就不多做說明</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/500/1*aX2ckgh6nPL4x4LQD0BiAQ.png" /></figure><ol><li>註冊與登入</li><li>設定主題 (optional)</li><li>是否設為預設 Terminal (optional)</li></ol><figure><img alt="" src="https://cdn-images-1.medium.com/max/524/1*ND2SCLxwT7tLvJDmb0agdw.png" /></figure><h3>Warp 的收費 &amp; 核心功能</h3><p>Warp 的 AI 功能（包含 Agent Mode）是採「<strong>點數制</strong> 」，新戶可能首月會給比較多點數，每個月 Reset 一次</p><p>每 1 點大約等於 1 次標準的 AI 問答，但如果是比較複雜的操作(MCP/Agent)，像是用 agent mode 讀取檔案、連線 GitHub MCP 修 Bug，會消耗更多</p><p>在寫這篇文時，意外找到一支影片 <a href="https://www.youtube.com/watch?v=b39GNsHtqcQ">How To Minimize Costs Using Warp AI</a>，教你如何透過預設指令和 script 來減少 AI 查詢，有興趣的朋友可以看看～</p><iframe src="https://cdn.embedly.com/widgets/media.html?src=https%3A%2F%2Fwww.youtube.com%2Fembed%2Fb39GNsHtqcQ%3Ffeature%3Doembed&amp;display_name=YouTube&amp;url=https%3A%2F%2Fwww.youtube.com%2Fwatch%3Fv%3Db39GNsHtqcQ&amp;image=https%3A%2F%2Fi.ytimg.com%2Fvi%2Fb39GNsHtqcQ%2Fhqdefault.jpg&amp;type=text%2Fhtml&amp;schema=youtube" width="854" height="480" frameborder="0" scrolling="no"><a href="https://medium.com/media/1c910ee62f7824430e374fef1645d727/href">https://medium.com/media/1c910ee62f7824430e374fef1645d727/href</a></iframe><p>一開始使用 Warp 的時候有點像在用 Code Editor 的錯覺，因為實在太像了！以下介紹幾個 Warp 核心功能：</p><h4><strong>📍 1. AI Command Search</strong></h4><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*WQ9i1r_BzzDvWHVXn2Hl4g.gif" /></figure><p>輸入 # 號然後 + 一個 space，後面直接輸入中文或英文（例如：# 幫我檢查 3000 port 是誰佔用），會自動生成指令</p><p>Warp 有 terminal mode 和 agent mode 兩種模式可以選擇，輸入 * 會切換到 agent mode</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/336/1*hkvA9bM8-u4EQLHwSMaWJA.png" /><figcaption>agent mode</figcaption></figure><figure><img alt="" src="https://cdn-images-1.medium.com/max/340/1*xXbFvSP7UODWwwFc170w4A.png" /><figcaption>terminal mode</figcaption></figure><h4>📍<strong>2. 自動補齊 (Auto-suggestions)</strong></h4><p>輸入開頭文字後，按 <strong>右方向鍵</strong> 或 <strong>Tab</strong> 即可填入提示字</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*3kd_mpkdnkMjb3qi0q8egQ.gif" /></figure><h4>📍 <strong>3. Workflows (工作流) 搜尋面板</strong></h4><figure><img alt="" src="https://cdn-images-1.medium.com/max/708/1*CfTmjkJjbpFAMPOsGvvwNw.png" /><figcaption>Workflows 面版</figcaption></figure><p>按下 Control + Shift + R可以開啟 Workflows 面版，並搜尋常見的指令組合（如 Git 相關指令）</p><p>此外你可以把常用的指令存起來，存取方法是先選取指令並按下右鍵選擇 “Save as workflow”</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/332/1*KeJ0NRo5udBwlKWWOeDCgw.png" /></figure><h4>📍 4. WARP.md</h4><p>WARP.md是給 AI Agent 看的專案規格書 (Project-specification)，如果要撰寫全域的規則位置在 Settings &gt; AI &gt; Knowledge &gt; Rules</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*RSqbcOL39V-G1wpDyY4ThQ.png" /><figcaption>Rules</figcaption></figure><p>▪️ 如何建立 WARP.md</p><p>除了自己手動建立外，還可以使用 Slash Command</p><ol><li>在 Warp 終端機中，進入你的專案根目錄</li><li>在輸入框打 /init 然後按 Enter</li></ol><figure><img alt="" src="https://cdn-images-1.medium.com/max/492/1*VreWhXDrYt5vQUPB6lPDWA.png" /><figcaption>/init</figcaption></figure><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*wfILSIRqD4VUufwN_ojbtw.png" /><figcaption>按 Enter 後會有些問題要選</figcaption></figure><p><strong>5. MCP Servers</strong></p><figure><img alt="" src="https://cdn-images-1.medium.com/max/834/1*K8Ot_1_ljs0kDsNcChb_kw.png" /></figure><p>Warp 有提供幾個常見的 MCP Servers，也可以自己添加，但要小心點數用盡</p><h3>Warp 與編輯器的整合</h3><p>目前 Warp 尚無法像原生終端機一樣『內嵌』在編輯器視窗中，因為它是透過獨立的 GPU 渲染架構來呈現 Block UI，無法被現代編輯器裡的終端機面板整合。但我開發時都習慣用使用編輯器裡內嵌的 Terminal，所以這無疑對我有些不便</p><p>後來 AI 提供我以下兩種方式來快速呼叫出 Warp 視窗：</p><ol><li>設定「全域快捷鍵」</li></ol><ul><li>前往 Settings &gt; Features &gt; Global Hotkey 或直接搜 Global Hotkey</li><li>選擇 Dedicate Hotkey Window</li><li>設定快捷鍵，可以直接在鍵盤輸入</li><li>設定位置/大小：看個人習慣把 Warp 面板 Pin to 哪個位置，還可以設定寬高</li></ul><figure><img alt="" src="https://cdn-images-1.medium.com/max/940/1*DmNJMvPgah7Unilz2n-NHA.png" /><figcaption>我的設定</figcaption></figure><p>2. 透過編輯器的 setting.json 來開啟 (以 Cursor 為例)</p><ul><li>按 Cmd + Shift + P</li><li>輸入 Open User Settings (JSON)</li><li>在設定檔裡加入這行（針對 macOS）</li></ul><pre>{<br>    &quot;terminal.external.osxExec&quot;: &quot;Warp.app&quot;<br>}</pre><p>以後在 Cursor 裡按下 Cmd + Shift + C，就會直接彈出 Warp 並切換到當前專案的目錄</p><h3>結語</h3><p>Warp 在他剛發佈的時候有爆紅一陣子，目前體驗下來的心得是，我需要改變和適應以往操作終端機的習慣，撇除個人習慣問題，對於需要頻繁使用 Terminal 的工程師來說，Warp 確實整合了很多強大功能，如果真的要說缺點應該就是付費吧&gt;&lt; 我也不知道會不會過一陣子我又投入「oh my Zsh + item2」的懷抱，畢竟看著那麽醜的原生 Terminal 手好癢 &gt; — &lt;</p><blockquote>題外話！推薦幫我做防潮處理的店家<a href="https://share.google/qJ6ieChapwFd3KAlI"> ai3c 維修中心</a>，這次因為沒有維修東西，他們沒跟我收費&gt;&lt; 而且檢查很仔細，工程師還會打電話來告知目前的檢測進度，服務好又專業👍</blockquote><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=cfae8612eb79" width="1" height="1" alt="">]]></content:encoded>
        </item>
        <item>
            <title><![CDATA[GitLab CI/CD — Getting Started 基本介紹 & 7 個常見的基礎名詞]]></title>
            <link>https://hanforworkandlife.medium.com/gitlab-ci-cd-getting-started-%E5%9F%BA%E6%9C%AC%E4%BB%8B%E7%B4%B9-7-%E5%80%8B%E5%B8%B8%E8%A6%8B%E7%9A%84%E5%9F%BA%E7%A4%8E%E5%90%8D%E8%A9%9E-dc23ab18f80a?source=rss-5238719f653c------2</link>
            <guid isPermaLink="false">https://medium.com/p/dc23ab18f80a</guid>
            <category><![CDATA[gitlab]]></category>
            <category><![CDATA[devops]]></category>
            <category><![CDATA[ci-cd-pipeline]]></category>
            <dc:creator><![CDATA[This is Hannah Wang]]></dc:creator>
            <pubDate>Wed, 07 Jan 2026 15:51:36 GMT</pubDate>
            <atom:updated>2026-01-27T03:55:48.933Z</atom:updated>
            <content:encoded><![CDATA[<h3>GitLab CI/CD — (1) 基本介紹 &amp; 7 個常見的基礎名詞</h3><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*0Gcs8fQ2JzFfsT9pwc10XA.png" /></figure><p>最近主管說要在今年 4 月下線 Jenkins 並遷移到 GitLab CI/CD<br>對於這塊一直都只停留在大概知道怎麼用而已，沒有深入去了解過建置細節。剛好趁這個機會一邊整理學習筆記，一邊分享，預計寫幾篇系列文章，如果文中有任何錯誤，歡迎不吝指正唷～</p><p>本文會以 <strong>GitLab</strong> <strong>CI/CD </strong>為例，內容整理自我的工作日常和 <a href="https://docs.gitlab.com/topics/build_your_application/">GitLab 官方文件</a></p><blockquote>🔖 文章索引 🔖<br>1. <a href="#2217">Jenkins 用的好好的，幹麻遷移到 GitLab?</a><br>2. <a href="#762d">什麼是 CI/CD？</a><br>3. <a href="#9489">GitLab 7 個常見的基礎名詞</a><br>4. <a href="#900a">補充：pipeline types</a><br>5. <a href="#7dcf">結語</a></blockquote><p>其他系列文章：</p><ul><li><a href="https://hanforworkandlife.medium.com/gitlab-ci-cd-%E8%AA%8D%E8%AD%98-pipeline-job-3a06de9e90e8">GitLab CI/CD — (2) 認識 Pipeline &amp; Job</a></li></ul><h3>Jenkins 用的好好的，幹麻遷移到 GitLab?</h3><p>公司用 Jenkins 也用了三年多，以下幾個是選擇遷移的原因，當然還有其他原因，這邊就挑幾個主要的來說明</p><ol><li><strong>整合方便，程式碼在哪，Pipeline 就在哪</strong><br>之前發了一個 MR 若遇到 pipeline failed 時，常要切回 Jenkins 看 Log，兩邊切換有點麻煩，權限管理也要維護兩套（LDAP 雖然可以串，但設定麻煩），都在 GitLab 做管理，整合也方便</li><li><strong>GitLab 的 YAML 語法比 Jenkins 的 Groovy 更簡單</strong><br>YAML 採用宣告式語法，比 Groovy 結構更清晰，簡單易讀，雖然彈性度較低，但 95% 的場景下已足夠用</li><li><strong>避免 Plugin Hell</strong><br>這應該是使用 Jenkins 為人詬病的其中一點吧！Jenkins 要用什麼會需要額外安裝套件，如果套件一多（Git, Docker, Slack 等）維護成本就更高，但在 GitLab 很多都是內建的，像是 Container Registry, Code Review, Auto DevOps, Email Sending 等，升級 GitLab 時，所有功能是一起升級，穩定性高，也不用擔心版本衝突</li></ol><h3>什麼是 CI/CD？</h3><p>不免俗先來個教科書解釋 🤓</p><ul><li><strong>CI 持續整合 (Continuous Integration)：</strong> <br>發生在開發者把程式碼推送到遠端後自動觸發的行為，常見的流程包含：打包(build)、程式碼風格檢查(lint)、測試(test) 。目的是儘早發現錯誤</li><li><strong>CD 持續部署/交付(Continuous Deployment/Delivery)：</strong> <br>當 CI 通過後，系統會自動將程式碼部署到測試或正式環境上，目的是確保程式都處於「可發佈」的狀態，CD 的 <strong>D</strong> 是 <strong>Delivery</strong> 和 <strong>Deployment</strong>，兩者的流程不太一樣<br><strong>Delivery</strong>：<em>CI 通過</em> → <strong>CD 開始 </strong>→ <em>部署到測試環境</em> → <em>人工驗收</em> → <em>(等待批准)</em> → <em>部署到正式環境 (prod)</em><br><strong>Deployment</strong>：<em>CI 通過</em> → <strong>CD 開始 </strong>→ <em>部署到測試環境</em> → <em>自動化驗收測試</em> → <em>部署到正式環境 (prod)</em></li></ul><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*ts8NdQ1RDymXe7mJBFLQ5g.png" /><figcaption>from Gemini 3 pro</figcaption></figure><h3>GitLab 7 個常見的基礎名詞</h3><p>要建置 GitLab CI/CD 會需要在專案根目錄或是跟目錄下的 .gitlab資料夾內建立一個 .gitlab-ci.yml 的檔案，系統會根據該檔案所定義的內容自動建立 CI/CD Pipeline。官方文件的內容非常豐富，在建立 .gitlab-ci.yml前先對幾個關鍵元素(關鍵字)有個基本概念，後面在建立 pipeline 時也會更容易理解</p><ol><li><strong>workflow</strong><br>屬 global keywords。workflow 通常搭配 rules使用，會寫在 .gitlab-ci.yml 的最上面。可以把它想成是 pipeline 的總開關，依照 rules 判斷要不要建立這個 pipeline。<br>根據 YAML 的語法規則， 一個 .gitlab-ci.yml裡只能有一個 workflow</li></ol><pre>workflow:<br>  rules:<br>    - if: $CI_COMMIT_MESSAGE =~ /-draft$/<br>      when: never. # 直接拒絕，整條 Pipeline 不會被建立<br>    - if: $CI_PIPELINE_SOURCE == &quot;push&quot;<br>     when: never<br>    - when: always</pre><p>2. <strong>Pipeline</strong>：<br>pipeline 是指一次完整的 CI/CD 執行流程，由多個 stages 、jobs 和 <a href="https://docs.gitlab.com/ci/yaml/#global-keywords">global keywords </a>組成。GitLab 對於 pipeline 有分很多不同的類型，像是 merge request pipeline , branch pipeline , tag pipeline 等，詳情可看<a href="https://docs.gitlab.com/ci/pipelines/pipeline_types/">官方文件</a>。<br>一個簡易的 pipeline 可能包括三個 stages：build ➡️ test ➡️ deploy</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*JVoRbETFabXpPM0RAy7Kgg.png" /><figcaption>pipeline 與 pipeline ID</figcaption></figure><p>上圖展示了「每一次 Push 」都會觸發一次 Pipeline</p><p>3. <strong>Stage</strong>：<br>屬 global keywords。stage 是指 pipeline 中的各階段，在 .gitlab-ci.yml會寫stages，記得加 s，因為會由多個 jobs 組成。stage 間執行的順序會是由上而下，如果要忽略執行順序，可使用 <a href="https://docs.gitlab.com/ci/yaml/#needs">needs</a> 關鍵字</p><pre># Stage (階段/分類)<br>stages:<br>  - build<br>  - test<br>  - deploy</pre><p>若在 .gitlab-ci.yml 裡沒有定義 stage，預設的 pipeline stages 會是</p><ul><li><a href="https://docs.gitlab.com/ci/yaml/#stage-pre">.pre</a></li><li>build</li><li>test</li><li>deploy</li><li><a href="https://docs.gitlab.com/ci/yaml/#stage-post">.post</a></li></ul><p>.pre 和 .post 不會單獨存在，至少會需要一個 job</p><p>4. <strong>Job</strong>：<br>位於 stage 階層內，job 是 stage 裡最小的執行單位 (script / 指令)。同一個 stage 裡的 job 會「平行執行」，以下方為例，所謂平行執行，並非指不同 Stage 之間（如 build 與 test）平行，而是指<strong>同一個 Stage 內</strong>的所有 Jobs 會同時開始跑，執行成功後，才會去執行下一個 stage 內的 Jobs，如果最後都成功，此 pipeline 會被標記為 passed</p><pre># 1. Stage (階段/分類)<br>stages:<br>  - build<br>  - test<br>  - deploy<br><br># 2. Job (實際任務)<br>compile_code:          # &lt;--- Job 名稱<br>  stage: build         # &lt;--- 此 Job 屬於 &quot;build&quot; Stage<br>  script:<br>    - npm install<br>    - npm run build<br><br>unit_test:             # &lt;--- Job 名稱<br>  stage: test          # &lt;--- 此 Job 屬於 &quot;test&quot; Stage<br>  script:<br>    - npm run test<br><br>deploy_to_prod:        # &lt;--- Job 名稱<br>  stage: deploy        # &lt;--- 此 Job 屬於 &quot;deploy&quot; Stage<br>  script:<br>    - echo &quot;Deploying...&quot;</pre><figure><img alt="" src="https://cdn-images-1.medium.com/max/682/1*F4x9rpd4yyKxWL6eIkUccw.png" /><figcaption>執行成功</figcaption></figure><p>5. <strong>Template</strong>：template 是可重複使用的 job 設定片段（共用 image、before_script、tags…），你可以自定義或是使用<a href="https://docs.gitlab.com/ci/examples/#cicd-templates">官方提供的 template</a></p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*8n4Mgb6LkJ3prFeEamNf9g.png" /></figure><p>template 的使用方式是用 include 關鍵字引入，可寫多個</p><pre>include:<br>  - template: Security/SAST.gitlab-ci.yml<br>  - template: Auto-DevOps.gitlab-ci.yml</pre><p>6. <strong>Component</strong>：完整封裝的 CI/CD 模組，可跨專案重用（jobs + rules + variables）。階層高於 template，同樣透過 include關鍵字來引入</p><p>通常 component 會存放在一個獨立的 Component 專案中，並把所有的元件配置放在 templates/ 資料夾下</p><pre>├── templates/<br>│   ├── my-component.yml<br>│   └── my-other-component/ <br>│       ├── template.yml<br>│       ├── Dockerfile<br>│       └── test.sh<br>├── LICENSE.md<br>├── README.md<br>└── .gitlab-ci.yml</pre><p>上面這是官方的提供的 multiple component 結構，工作上因為需求較複雜且前後端共用，所以結構不太一樣，大致如下：</p><pre>├── templates/<br>│   └── checkmarx/<br>│   └── coverage-badge/<br>│   └── docker-buildx/<br>│   └── release/<br>│   └── variables/<br>│   └── version/<br>│   └── ...../<br>├── common/<br>│   └── git-merge/<br>│       ├── template.yml<br>│       ├── README.md<br>│   └── other-common-component/<br>│       ├── template.yml<br>│       ├── README.md<br>│   └── rules/<br>│       ├── template.yml<br>│       ├── README.md<br>├── presets/ <br>│   ├── README.md<br>│   └── api-js/<br>│       ├── template.yml<br>│       ├── README.md<br>│   └── base/<br>│       ├── template.yml<br>│       ├── README.md<br>│   └── base-js/<br>│       ├── template.yml<br>│       ├── README.md<br>│   └── php-js/<br>│       ├── template.yml<br>│       ├── README.md<br>│   └── vue-js/<br>│       ├── template.yml<br>│       ├── README.md<br>├── CONTRIBUTING.md<br>├── README.md<br>└── .editorconfig<br>└── .gitlab<br>│       ├── CODEOWNERS</pre><p>7. <strong>Runner：</strong> 真正執行 Jobs 的 agent。GitLab Server 通常只負責管理和發號施令，它不會自己去編譯、跑測試，而是把 Jobs 丟出來，由安裝在另一台機器上的 GitLab Runner 去執行。如果以 Scpoe 來區分的話，分成 Shared Runners 、Group Runners、Project Runners <br>GitLab 官方有提供免費額度的 Shared Runners ，你也可以架設自己的 Runner，詳情請<a href="https://docs.gitlab.com/ci/runners/#runner-categories">點此</a></p><h3>補充：<a href="https://docs.gitlab.com/ci/pipelines/pipeline_types/">pipeline types</a></h3><blockquote>同事：嚴格來說 GitLab 實際上沒有 CI/CD pipeline 的概念，而是有 <a href="http://medium.com/r?url=https%3A%2F%2Fdocs.gitlab.com%2Fci%2Fpipelines%2Fpipeline_types%2F">pipeline type</a> 的概念，CI/CD pipeline 是我們為了方便稱呼才這樣取的</blockquote><p>pipeline type 是什麼？</p><p>Pipeline 本身是中立的，是觸發它的 source 賦予它意義</p><p>Pipeline Types 依照 trigger 類型區分：</p><ul><li><strong>push (Branch Pipeline):</strong> 發生在 code push 到遠端分支時， branch pipeline 的觸發是跟 source branch有關，而不是 target branch</li><li><strong>merge_request_event (Merge Request Pipeline):</strong> 發生在 opened MR</li><li><strong>schedule:</strong> 定時觸發，像 Cronjob</li><li><strong>web:</strong> 在網頁上手動按 &quot;Run Pipeline&quot;</li><li><strong>trigger:</strong> 透過 API 被外部系統呼叫</li></ul><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*qdsweUyb5vU1QmsT9hn2gA.png" /></figure><p>看到這個 dev to uat 的 MR ，你覺得這個 pipeline 是屬於哪個 type 呢？</p><p>圖片裡有答案，應該很明顯😆</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/592/1*M5z_OAQd7rVZd863ZKkf8w.png" /><figcaption>Pipeline passed for 100baf54 <strong>on dev</strong> 6 hours ago</figcaption></figure><p>答案是 <strong>branch pipeline</strong>，線索就藏在關鍵字 on dev</p><ul><li><strong>Branch Pipeline <br></strong>GitLab 會顯示它是在哪個分支名稱上運行的，如圖中的 on dev，這代表這個 Pipeline 是由 push 到 dev 分支這個動作觸發的。即使你沒有設定 MR Pipeline，GitLab 的 MR 頁面還是會很貼心把該 source branch 最新的 Branch Pipeline 結果顯示出來</li><li><strong>Merge Request Pipeline</strong>：<br>GitLab 上的顯示文字會標示與 MR 相關的資訊，例如「Pipeline passed for … on !123 (編號 123 的 MR )」，或者會有 <strong>Detached</strong> (分離) 或 <strong>Merged results</strong> (合併結果) 的標籤出現在 Pipeline 狀態圖標旁</li></ul><h4>這代表什麼意義？</h4><p>既然這是 Branch Pipeline，代表這個 Pipeline 執行時，拿不到 MR 相關的環境變數（例如 $CI_MERGE_REQUEST_IID）<br>也代表它測試的是 dev 分支在那次 Commit (100baf54) 當下的狀態，而不是測試dev 合併進 uat 後的狀態</p><p>想寫下這段補充，主要是因為在整理這文章之前會有點混淆 Branch Pipeline 和 MR Pipeline，物理名稱上都知道差異，但實際跑一次流程和看到 pipeline 還是會有點不確定！</p><h3>結語</h3><p>理解了 CICD 的基本概念和 7 個基礎名詞後，下一步就是要實際動手寫了！預計在下一篇系列文章中，分享如何開始建置一個專案的 Pipeline</p><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=dc23ab18f80a" width="1" height="1" alt="">]]></content:encoded>
        </item>
    </channel>
</rss>