Calendar
Browse every post by publication date — a month-by-month calendar of the whole archive.
2026295 posts
202553 posts
December 2 posts
January 5 posts
20241 posts
December 1 posts
Every post by date
11 posts
- QM 深度解析（五）：Sandbox、Skills、Cron 與部署 — 讓 Agent 擁有一台持久的電腦
- QM 深度解析（四）：安全模型 — 三種 Posture、命令政策與誠實的威脅模型
- QM 深度解析（三）：Harness 抽象 — 一套核心驅動四種 Agent 引擎
- QM 深度解析（二）：Scope 與 Resolution — 一次對話如何解析出身分、權限與工作區
- QM 深度解析（一）：多人協作 Agent 平台的架構全景
- OpenWorker 深度解析（五）：能力擴充 — Tools、Skills、Personas、MCP 與排程
- OpenWorker 深度解析（四）：LLM 層 — Provider 抽象、能力降級與 Context 自動壓縮
- OpenWorker 深度解析（三）：Harness — 權限模型、Inbox 與人機協作
- OpenWorker 深度解析（二）：TurnEngine — Agent 迴圈的完整解剖
- AIO / GEO - Part 11 - 商業化：市場長什麼樣、誰在買、誰在賣
- OpenWorker 深度解析（一）：架構全景 — 一個能交付成果的桌面 AI 同事
31 posts
- industry-map - 半導體產業鏈 Part 14:終端需求（需求端 Demand）
- industry-map - 半導體產業鏈 Part 13:雲端 CSP（下游）
- industry-map - 半導體產業鏈 Part 12:系統 / 伺服器 OEM（下游 Downstream）
- industry-map - 半導體產業鏈 Part 11:網通 / 互連（下游 Downstream）
- industry-map - 半導體產業鏈 Part 10:封裝測試 OSAT（中游）
- industry-map - 半導體產業鏈 Part 9:IDM / 類比（中游）
- industry-map - 半導體產業鏈 Part 8:記憶體 DRAM / NAND / HBM（中游）
- industry-map - 半導體產業鏈 Part 7:IC 設計 — 其他 fabless(中游)
- industry-map - 半導體產業鏈 Part 6:IC 設計 — GPU / 加速器（中游）
- industry-map - 半導體產業鏈 Part 5:晶圓代工(中游)
- industry-map - 半導體產業鏈 Part 4:晶圓設備（上游）
- industry-map - 半導體產業鏈 Part 3:EDA + IP 設計工具與矽智財（上游）
- industry-map - 半導體產業鏈 Part 2:特用化學 / 光阻（上游）
- industry-map - 半導體產業鏈 Part 1:矽晶圓 / 基板（上游 Upstream）
- industry-map - 半導體晶片產業鏈全景（上游到下游）
- Tesla (TSLA) 2025 10-K 深度解析
- Rocket Lab (RKLB) 2025 10-K 深度解析
- Palantir Technologies (PLTR) 2025 10-K 深度解析
- Oracle (ORCL) 2026 10-K 深度解析
- Ondas Holdings (ONDS) 2025 10-K 深度解析
- ollama on mac - part 5 - 工具呼叫、多模型服務與進階實踐
- NVIDIA (NVDA) 2026 10-K 深度解析
- NextEra Energy (NEE) 2025 10-K 深度解析
- Meta (META) 2025 10-K 深度解析
- Kratos Defense (KTOS) 2025 10-K 深度解析
- Berkshire Hathaway (BRK.B) 2025 10-K 深度解析
- Amazon (AMZN) 2025 10-K 深度解析
- Alphabet (GOOGL) 2025 10-K 深度解析
- AI System on Native AWS - Part 2 - 智慧文件處理 IDP 管線
- AeroVironment (AVAV) 2026 10-K 深度解析
- Advanced Micro Devices (AMD) 2025 10-K 深度解析
2 posts
- ollama on mac - part 4 - 與應用整合(Python、OpenAI SDK、LangChain、Open WebUI、RAG)
- AI System on Native AWS - Part 1 - Serverless RAG 智慧客服知識庫
8 posts
- Auto Agent System - Part 5 - 前端體驗與 Pipeline 編排:SSE 即時串流與多步驟任務鏈
- Auto Agent System - Part 4 - 生產化之路:Langfuse 可觀測性、Docker 瘦身與 AWS 部署
- Auto Agent System - Part 3 - 自動化任務實戰:Shopee 爬蟲、Google Maps 名單、Tasker 自動提案
- Anthropic Financial Services 入門 Part 3 — 實戰:用 GL Reconciler 跑一次對帳流程
- Auto Agent System - Part 2 - Harness 引擎:多模型容錯、自我修正與 LLM 評審
- Anthropic Financial Services 入門 Part 2 — Agent、Skill、Command、Connector 是怎麼組成一個系統的
- Auto Agent System - Part 1 - 系統總覽:一個 CrewAI 多代理自動化平台如何運作
- Anthropic Financial Services 入門 Part 1 — 怎麼安裝、怎麼用
9 posts
- Langfuse 入門 Part 4 — 監控與 Prompt 管理:把實驗成果變成生產循環
- Langfuse 入門 Part 3 — LLM 評估:Score、LLM-as-a-Judge、Dataset 與 Experiment
- Langfuse 入門 Part 2 — 三行程式碼開始追蹤:SDK 整合與 Tracing 實戰
- Langfuse 入門 Part 1 — 為什麼 LLM 應用需要可觀測性?核心概念與資料模型
- finance_data 是怎麼運作的:用 Cron + LLM 全自動生成股票研究報告
- ChatPDF RAG 優化（三）：可觀測性與評估 —— Langfuse 追蹤、評估歷史、即時評分
- ChatPDF RAG 優化（二）：後端強化與進階 RAG —— 安全、資源邊界、多查詢擴展
- ChatPDF RAG 優化（一）：語意切塊與混合檢索 Semantic Chunking + Hybrid Retrieval
- 把站台從 3.1GB 砍到 503MB：finance_data 部署效能調校全紀錄
8 posts
- Knowledge Graph 知識圖譜（五）：實戰 — 用 LLM 自動建構知識圖譜並做問答
- Knowledge Graph 知識圖譜（四）：結合 LLM — GraphRAG 與多跳推理
- Cloudflare AI 安全稽核系統（三）：LLM Agent 的安全反模式——十個讓報告失去公信力的做法
- Knowledge Graph 知識圖譜（三）：與關聯式 / 向量 / 文件資料庫的比較
- Cloudflare AI 安全稽核系統（二）：Agent 設計深潛——Hunt 策略、Sub-Agent Spawning、Adversarial Validation
- Knowledge Graph 知識圖譜（二）：從零建構 — NER、關係抽取與 Neo4j 實作
- Cloudflare AI 安全稽核系統（一）：六階段 Multi-Agent Pipeline 全解析
- Knowledge Graph 知識圖譜（一）：核心概念、三元組與語意網路
6 posts
- Stock Analysis - AVAV (AeroVironment) - 估值模型與投資裁決（下）
- Stock Analysis - AVAV (AeroVironment) - 技術面、籌碼面與市場情緒（中）
- Stock Analysis - AVAV (AeroVironment) - 基本面與產業競爭力深度解析（上）
- Stock Analysis - PL (Planet Labs) - 估值模型與投資裁決（下）
- Stock Analysis - PL (Planet Labs) - 技術面、籌碼面與市場情緒（中）
- Stock Analysis - PL (Planet Labs) - 基本面與產業競爭力深度解析（上）
13 posts
- AI 工程從零開始｜Phase 19 Part 3：Capstone — 多模態 AI 應用端對端實作與系列總結
- AI 工程從零開始｜Phase 19 Part 2：Capstone — 生產級 AI Agent 產品端對端實作
- AI 工程從零開始｜Phase 19 Part 1：Capstone — 企業級 RAG 知識庫系統端對端實作
- AI 工程從零開始｜Phase 18 Part 2：AI 治理與倫理 — 工程師的責任邊界
- AI 工程從零開始｜Phase 18 Part 1：AI 技術安全 — 讓模型行為符合人類意圖
- AI 工程從零開始｜Phase 17 Part 3：AI 成本優化與規模化 — 把每美元壓榨到極限
- AI 工程從零開始｜Phase 17 Part 2：AI 系統可觀測性 — 當模型行為成為監控對象
- AI 工程從零開始｜Phase 17 Part 1：AI 推論服務架構 — 從單機到全球部署
- AI 工程從零開始｜Phase 16 Part 2：湧現與集體智慧 — 群體行為的工程設計
- AI 工程從零開始｜Phase 16 Part 1：多 Agent 協調 — 分工、通訊與共識
- AI 工程從零開始｜Phase 15 Part 2：自我改進與 2026 安全技術棧
- AI 工程從零開始｜Phase 15 Part 1：長時程自主系統 — 跨天任務的 Agent 工程
- AI 工程從零開始｜Phase 14 Part 4：Agent 生產化 — 可靠性、可觀測性與成本控制
30 posts
- AI 工程從零開始｜Phase 14 Part 3：Agent 框架全景 — AutoGen、CrewAI 與自建的取捨
- AI 工程從零開始｜Phase 14 Part 2：Agent 規劃系統 — 從目標到行動計畫
- AI 工程從零開始｜Phase 14 Part 1：Agent 迴圈與記憶系統 — 從單次呼叫到自主行動
- AI 工程從零開始｜Phase 13 Part 2：AI 工作流程編排 — LangChain、LlamaIndex 與生產管線
- AI 工程從零開始｜Phase 13 Part 1：MCP 與 API 整合 — AI 與真實世界的介面
- AI 工程從零開始｜Phase 12 Part 2：多模態 Agent 與電腦操作 — 跨模態推理與行動
- AI 工程從零開始｜Phase 12 Part 1：Vision Transformer 與多模態融合架構
- AI 工程從零開始｜Phase 11 Part 2：RAG 系統與 LLM 評估 — 生產落地的最後一哩
- AI 工程從零開始｜Phase 11 Part 1：LLM 推論工程 — 從實驗到每秒千次請求
- AI 工程從零開始｜Phase 10 Part 3：LLM 微調 — LoRA、QLoRA 與指令對齊
- AI 工程從零開始｜Phase 10 Part 2：LLM 預訓練 — 萬億 Token 的工程挑戰
- AI 工程從零開始｜Phase 10 Part 1：從頭構建 LLM — Tokenization 的工程藝術
- AI 工程從零開始｜Phase 9：強化學習基礎 — RLHF 與遊戲 AI 的根基
- AI 工程從零開始｜Phase 8 Part 2：GAN 與影片生成 — 對抗的藝術
- AI 工程從零開始｜Phase 8 Part 1：擴散模型 — 從雜訊到藝術的數學
- AI 工程從零開始｜Phase 7 Part 2：Transformer 訓練策略與架構變體
- AI 工程從零開始｜Phase 7 Part 1：Transformer 架構深度解析 — 改變一切的注意力
- AI 工程從零開始｜Phase 6 Part 2：語音合成與音訊模型 — 讓機器開口說話
- AI 工程從零開始｜Phase 6 Part 1：自動語音辨識 — 讓機器聽懂人類
- AI 工程從零開始｜Phase 5 Part 3：進階 NLP — BERT、問答系統與語言理解
- AI 工程從零開始｜Phase 5 Part 2：Seq2Seq 與注意力機制 — Transformer 前夜
- AI 工程從零開始｜Phase 5 Part 1：NLP 基礎 — 文字是智慧的介面
- AI 工程從零開始｜Phase 4 Part 3：視覺語言模型、3D 視覺與世界模型
- AI 工程從零開始｜Phase 4 Part 2：目標偵測與語義分割 — 讓機器看懂空間
- AI 工程從零開始｜Phase 4 Part 1：電腦視覺基礎 — 從像素到 CNN 特徵
- AI 工程從零開始｜Phase 3：深度學習核心 — 從第一原理構建神經網路
- AI 工程從零開始｜Phase 2 Part 2：集成學習與最佳化 — 超越單一模型的上限
- AI 工程從零開始｜Phase 2 Part 1：傳統機器學習 — 生產 AI 的骨幹
- AI 工程從零開始｜Phase 1 Part 2：機率與統計 — 不確定性的數學語言
- AI 工程從零開始｜Phase 1 Part 1：線性代數與微積分 — AI 演算法直覺
39 posts
- FDE 面試準備指南（四十二）：RKK 實戰——顧問技能：從「要 AI」到 POC 範圍定義的 Discovery 框架
- FDE 面試準備指南（四十一）：RKK 實戰——分散式 AI 系統的故障排查：結構化診斷框架與五種常見失效模式
- FDE 面試準備指南（四十）：RKK 實戰——AI 系統的 PII 保護：假名化設計、最小存取原則與合規稽核
- FDE core topic - Value Story & Objection Handling：價值敘事架構與常見異議破解
- FDE core topic - POC Scoring & ROI：概念驗證評分矩陣與投資回報框架設計
- FDE core topic - Stakeholder Mapping：利害關係人圖譜與決策影響力分析
- FDE core topic - Structured Troubleshooting：自上而下分層排錯與 AI 系統觀測方法論
- FDE core topic - Discovery to Technical Constraints：顧問工程師的高階探索問法
- FDE core topic - RAG Triad Metrics：上下文相關度、忠實度與答案相關度的可觀測性追蹤
- FDE core topic - LLM-as-Judge & Bias Mitigation：大規模自動評估與裁判偏見消除
- FDE core topic - Semantic Model Routing：置信度熵值驅動的智能模型分流
- FDE core topic - Context Cache Eviction：硬體級上下文快取驅逐策略與計費陷阱
- FDE core topic - TTFT & Throughput Optimization：首字延遲與推理吞吐量的硬體級優化
- FDE core topic - Vector Drift & Blue-Green Indexing：向量圖結構健康度與零停機切換
- FDE core topic - Speculative Tool Execution：大扇出控制與投機雙發防禦
- FDE core topic - Idempotency & State Recovery：分佈式 Agent 的精確一次斷點續傳
- FDE core topic - Backpressure & Fair-Share：多租戶流量削峰與公平資源排程
- FDE core topic - Async Event-Driven Pipeline：解耦同步 HTTP 與保護後端連線池
- FDE core topic - CMEK / BYOK 信封加密：自主密鑰管理與零信任加密架構
- FDE core topic - Data Residence & Sovereign AI：金融醫療場景的地緣合規架構
- FDE core topic - PII 去識別化與格式保留加密：資料進入 AI 管線前的隱私護欄
- FDE core topic - Indirect Prompt Injection：Agent 工具鏈的隱形攻擊與沙盒隔離
- FDE core topic - Prompt Injection & Jailbreak Defense：生產環境零信任 AI 防禦體系
- FDE core topic - Re-ranking & Cross-Encoder：向量粗召回後的精準重排序機制
- FDE core topic - Hybrid Search & RRF：混合檢索與倒數排名融合演算法
- FDE core topic - State Machine & DAG：確定性圖結構與 Agent 反思迴圈收斂
- FDE core topic - Memory Architecture：Agent 階層式記憶體設計
- FDE core topic - Context Management：Token 預算管理與上下文修剪策略
- FDE 面試指南 Part 52：百萬級 Agent Tool-Calling 的全域非同步並行優化與扇出控制
- FDE 面試指南 Part 51：百萬級多輪對話的 KV Cache 驅逐機制與記憶體架構優化
- FDE 面試指南 Part 50：生產環境 GenAI 自動化評估管線與 LLM-as-a-Judge 漂移監控
- FDE Interview Guide Part 49：百萬級 RAG 系統的即時資料漂移與向量索引自動更新管線
- FDE 面試指南 Part 48：高可靠性 Agent Graph 的多重工具 Fallback 與自我修復機制
- FDE 面試準備指南（四十七）：RKK 實戰——大模型與地端微型模型的智慧混合路由與冷啟動優化
- FDE 面試指南 Part 46：高規格金融業的數據無痕化與自主密鑰管理（BYOK / CMEK in GenAI）
- FDE 面試指南 Part 45：Agent 工具鏈的間接提示詞注入防禦設計
- FDE 面試準備指南（四十四）：RKK 實戰——長文本 LLM 與 RAG 動態混合路由架構設計
- FDE 面試指南 Part 43：跨國電商百萬級購物車 Agent 的分散式動態權限與狀態回復
- FDE 面試準備指南（三十九）：RKK 實戰——從 10,000 到百萬用戶：AI 系統的橫向擴展架構設計
8 posts
- FDE 面試準備指南（三十八）：RKK 實戰——從 POC 到 Production：AI 系統的五個生產化差距與 Rollback 設計
- FDE 面試準備指南（三十七）：RKK 實戰——企業 AI 的「連接組織」：Legacy 系統整合、API 橋接與安全邊界設計
- FDE 面試準備指南（三十六）：RKK 實戰——生產級 AI Evaluation Pipeline：從黃金資料集到 CI/CD 品質閘門
- FDE 面試準備指南（三十五）：RKK 實戰——生產級可觀測性設計：Granular Tracing、Span 樹與 Cloud Trace 整合
- FDE 面試準備指南（三十四）：RKK 實戰演練——六個端對端 Mock 情境題與模範答案
- FDE 面試準備指南（三十三）：RKK 面試解剖——面試官怎麼看你、怎麼評分、什麼叫做強力雇用
- FDE 面試準備指南（三十二）：RKK 實戰——Vertex AI 產品棧全解析：Agent Builder、Vertex AI Search、Gemini API 與部署架構
- FDE 面試準備指南（三十一）：RKK 實戰——Google ADK 深度設計：Agent 類型、Tool 宣告與 Multi-Agent 協調
15 posts
- FDE 面試準備指南（三十）：顧問實戰——Constraint-First 架構設計：VPC 限制下的 GCP AI 系統
- FDE 面試準備指南（二十九）：顧問實戰——AI 系統 TCO 估算與 ROI 說服框架
- FDE 面試準備指南（二十八）：顧問實戰——生產事故診斷與客戶溝通語言
- FDE 面試準備指南（二十七）：顧問實戰——如何在 45 分鐘內把模糊需求變成 POC 計畫
- FDE 面試準備指南（二十六）：顧問實戰——「我們現在用 OpenAI，為什麼要換 Vertex AI？」
- FDE 面試準備指南（二十五）：RKK 實戰——Self-Reflection 與幻覺校正迴圈設計
- FDE 面試準備指南（二十四）：RKK 實戰——混合模型路由與語意路由器設計
- FDE 面試準備指南（二十三）：RKK 實戰——多租戶 Agent 的限流、Fair-Share 與 Token 預算控制
- FDE 面試準備指南（二十二）：RKK 實戰——動態並行 Tool-Calling 與依賴解析引擎
- FDE 面試準備指南（二十一）：RKK 實戰——長任務 Agent 的異步分散式架構
- FDE 面試準備指南（二十）：RKK 實戰——間接 Prompt Injection 與 Dual-LLM 防禦架構
- FDE 面試準備指南（十九）：RKK 實戰——Multi-Agent 系統的統計評估與細粒度追蹤
- FDE 面試準備指南（十八）：RKK 實戰——三層記憶體架構與 LLM 成本調優
- FDE 面試準備指南（十七）：RKK 實戰——MCP 伺服器、Tool-Calling 安全與 OAuth 授權
- FDE 面試準備指南（十六）：RKK 實戰——Multi-Agent 狀態管理與死鎖排除
6 posts
- FDE 面試準備指南（十五）：RKK 實戰——AI Agent 規模化與 Cache 策略
- FDE 面試準備指南（十四）：RKK 實戰——AI Agent Memory 架構設計
- FDE 面試準備指南（十三）：RKK 實戰——Prompt Injection 攻防與 Agent 安全
- FDE 面試準備指南（十二）：RKK 實戰——AI Agent 統計評估與品質量化
- FDE 面試準備指南（十一）：RKK 實戰——AI Agent 線上除錯與故障排除
- FDE 面試準備指南（十）：RKK 實戰——AI Agent 的 Context Management
5 posts
- FDE 面試準備指南（九）：LLM 核心知識——Token、Prompt Engineering 與 Embedding
- FDE 面試準備指南（八）：ML 基礎必備——從傳統機器學習到 Deep Learning
- FDE 面試準備指南（七）：Agent 深度設計——ReAct vs Planner、Tool Routing、Multi-Agent
- FDE 面試準備指南（六）：RAG 進階——檢索失敗、Grounding、評估指標與成本控制
- FDE 面試準備指南（五）：RAG 深度技術——Chunking、Embedding、向量資料庫與混合搜尋
4 posts
- FDE 面試準備指南（四）：System Design 實戰
- FDE 面試準備指南（三）：你不能忽略的 ML 基礎
- FDE 面試準備指南（二）：Agent System Design
- FDE 面試準備指南（一）：RAG 完全解析
5 posts
- AI Forward Deployed Engineer 必備技能指南（五）：客戶協作與問題解決實務
- AI Forward Deployed Engineer 必備技能指南（四）：生產環境 AI 系統監控與最佳化
- AI Forward Deployed Engineer 必備技能指南（三）：企業級 AI 整合與部署策略
- AI Forward Deployed Engineer 必備技能指南（二）：多智慧體系統與框架實戰
- AI Forward Deployed Engineer 必備技能指南（一）：基礎核心概念與技術棧
4 posts
- 如何衡量 AI 的準確度（三）：RAG 系統的可靠性評估框架
- 如何衡量 AI 的準確度（二）：大型語言模型（LLM）的評估方法
- RAG 完全指南（三）：進階檢索技術——混合搜尋、HyDE、Multi-Query、Reranker
- 如何衡量 AI 的準確度（一）：分類與回歸任務的基礎評估指標
5 posts
- 用 AI Bot 打造顧問團隊（五）：數位行銷公司實戰案例
- 用 AI Bot 打造顧問團隊（四）：小型外包公司實戰案例
- 用 AI Bot 打造顧問團隊（三）：評估、維運與優化計畫
- 用 AI Bot 打造顧問團隊（二）：三條路線的實作步驟與範例程式碼
- 用 AI Bot 打造顧問團隊（一）：策略與技術路線選擇
10 posts
- 在 Mac 本地運行 Google Gemini 4 模型：完整指南
- LangGraph AI 後端邏輯設計：狀態流、決策路由和條件轉移
- LangGraph AI 後端核心代碼實現：生產級代碼範本
- LangGraph AI 後端架構設計模式：從單體到分佈式
- LangGraph AI 後端創意應用：10 個生產級案例和未來方向
- LangGraph + LangChain 完全入門指南：從基礎到生產
- LangGraph + AI 後端實戰：構建智能客服工單處理系統
- Hermes Agent 完全入門指南：自我改進的 AI 智能體
- Harness 工程入門指南：AI 時代的基礎設施自動化
- Career-Ops 完全使用指南：AI 驅動的智能求職系統
6 posts
- 多 Agent Token 優化系列 pt.6：Agent 專責化實戰指南 — 打造精準高效的專家團隊
- 多 Agent Token 優化系列 pt.5：選擇性 Context 傳遞 — 打造高效協作系統
- 多 Agent Token 優化系列 pt.4：模型分層實戰 — 智能路由打造高效低成本系統
- 多 Agent Token 優化系列 pt.3：Context 壓縮與摘要 — 打造可無限對話的 AI 系統
- 多 Agent Token 優化系列 pt.2：Prompt Caching 實戰 — 從記憶體快取到 RAG 系統
- 多 Agent Token 優化系列 pt.1：完整指南 — 使用 Claude API 構建高效 AI 系統
2 posts
- SpotifyMCP2: Control Spotify with Claude via the Model Context Protocol
- finance_data: A Python Toolkit for Downloading SEC Financial Filings from EDGAR
7 posts
- Crypto Quantitative Trading Part 3: Optimization, Validation, and Production Deployment
- Crypto Quantitative Trading Part 2: Advanced Strategies and Backtesting Framework
- Crypto Quantitative Trading Part 1: Fundamentals and Essential Concepts
- 心靈 Lesson 2：如何建立「賣股票」的固定流程？投資心法完整指南
- Everything Claude Code: The Ultimate Production-Ready Plugin Collection Guide
- Building a Sentiment-Driven US Stock Trading System with X.com Real-Time Analysis
- Building an Intelligent Bitcoin Trading System with AWS CDK and ML Models
9 posts
- Synthwave 讀書會串流實戰（三）：賽博龐克視覺製作、霓虹燈美學與 80 年代復古設計
- Synthwave 讀書會串流實戰（二）：AI 音樂生成、合成器音色設計與專業音樂策展
- Synthwave 讀書會串流實戰（一）：80 年代復古文化、市場分析與目標受眾定位
- AI 深海/太空環境音串流實戰（四）：Shorts 導流、社群經營與多元變現策略
- AI 深海/太空環境音串流實戰（三）：OBS 設定、串流上線與自動化監控
- AI 深海/太空環境音串流實戰（二）：8K 視覺製作與動態場景生成
- AI 深海/太空環境音串流實戰（一）：市場分析、科學原理與 AI 工具選擇
- ADHD 友善專注音樂頻道實作指南：從零到一的完整路線圖
- Synthwave 讀書會串流（四）：開發者社群與變現策略
6 posts
- Claude Code 開發工作流程完整指南：從需求到部署的最佳實踐
- 深入理解 Claude Code Context Window：管理對話上下文的完整指南
- Claude Code 最佳實踐指南：提升 AI 輔助開發效率的 20 個技巧
- Building Centralized Grafana + Prometheus Monitoring with AWS CDK: Multi-Service Observability Platform
- 深入理解 Claude Code 架構：Plugin、Skill、Sub-agent 與 MCP 完整指南
- Building AI Music Generation Platform: AWS CDK Architecture with SageMaker and Bedrock Comparison
1 post
↑ Back to 2026 calendar2 posts
- Fine-Tuning LLMs with AWS Bedrock: A Complete Guide to Post-Training Customization
- Building Multi-Agent Orchestration Systems with Claude Code
5 posts
- Building a Centralized Monitoring System with AWS CloudWatch and Grafana using CDK
- Building a Centralized User Access Control System with AWS Cognito and CDK
- Deploying Hugging Face Models to AWS: A Complete Guide with CDK, SageMaker, and Lambda
- Express.js Best Practices: Building Production-Ready Node.js Backend Applications
- TypeScript Best Practices: A Comprehensive Guide to Type-Safe Development
2 posts
- Kubernetes Autoscaling Complete Guide (Part 8): Security, Compliance & Governance
- Kubernetes Autoscaling Complete Guide (Part 7): Production Troubleshooting & War Stories
6 posts
- Kubernetes Autoscaling Complete Guide (Part 6): Advanced Autoscaling Patterns
- Kubernetes Autoscaling Complete Guide (Part 5): Vertical Pod Autoscaler & Resource Optimization
- Kubernetes Autoscaling Complete Guide (Part 4): Monitoring, Alerting & Threshold Tuning
- Kubernetes Autoscaling Complete Guide (Part 3): Hands-On HPA Demo with Apache-PHP
- Kubernetes Autoscaling Complete Guide (Part 2): Cluster Autoscaling & Cloud Providers
- Kubernetes Autoscaling Complete Guide (Part 1): Horizontal Pod Autoscaler
7 posts
- Kubernetes 完整指南（三）：進階功能與生產環境實踐
- Kubernetes 完整指南（二）：核心資源與 kubectl 實戰操作
- Kubernetes 完整指南（一）：基礎概念與架構詳解
- Docker 完整指南（三）：進階應用與生產實踐
- Docker 完整指南（二）：指令大全與實務操作
- Docker 完整指南（一）：基礎概念與入門教學
- Docker Mount Complete Guide: Volumes, Bind Mounts, and tmpfs Comparison
10 posts
- AWS DynamoDB Complete Guide: Architecture, Indexing & Performance Optimization
- Spring Boot 程式碼載入深度解析：從編譯到物件實例化完整流程
- JVM 記憶體深度解析：堆疊與堆積記憶體完整指南
- AWS VPC Complete Guide: Enterprise Networking Patterns & VPC Peering
- AWS Load Balancers: Complete Guide - Application, Network, Gateway, and Classic Load Balancers Comparison with Implementation
- AWS API Gateway: Complete Guide with Load Balancer Comparison, Microservices Architecture, and Java Implementation
- Webhooks: Complete Guide with Java Implementation - Event-Driven Architecture, Real-Time Integrations, and Best Practices
- Redis Sentinel: Complete High Availability Setup Guide with Java Integration and Monitoring
- MySQL Sharding Strategies: A Comprehensive Guide to Horizontal Scaling, Partitioning Methods, and Implementation Patterns
- Essential Design Patterns in Java: A Comprehensive Guide to Creational, Structural, and Behavioral Patterns
7 posts
- 🛍️ Building a Modern E-commerce Shopping Cart with Spring Boot & Stripe Payment Integration
- Java Learning Journey: Fundamentals to Advanced
- Building Real-Time Chat Room with Spring Boot WebSocket
- Building NYC Taxi Data Pipeline with Spark and Kafka
- Building Employee Management System with Spring Boot and Vue.js
- Advanced MCP Server Development with Database Integration - Part 2
- Building MCP Servers for Claude Code Development - Part 1
2 posts
- SpringDataPlatform: Apache Flink Management System
- Building a Spotify Playlist Application with Spring Boot and Vue.js
5 posts
- Building Scalable WordPress on AWS ECS Fargate
- Building Serverless URL Shortener with AWS CDK
- Microservices Architecture Patterns: Lessons from Scale
- Database Performance Optimization: From Slow Queries to Sub-millisecond Response Times
- Building Resilient Systems: Handling Failure at Scale
5 posts
- Java Concurrency Part 3: Design Patterns with Thread Interfaces - Producer-Consumer, Observer, and Enterprise Patterns
- Java Concurrency Deep Dive Part 2: Mastering Runnable, Callable Patterns and Internal Mechanisms
- Java Concurrency and Threading: Complete Guide to Runnable, Callable, and Modern Thread Patterns
- SAGA Pattern: Managing Distributed Transactions in Spring Boot Microservices
- Data Consistency Patterns in Java Enterprise Applications