WeHelp
軟體工程師開放社群
彼此照應,一起成長
WeHelp 第八屆,招生中
轉職後端、前端、資料工程師;進修 AI 深度學習
WeHelp Academy
成為有效運用 AI 技術的全端工程師,以及深度學習領域的嚴格職業訓練。
專案開發、求職導向、社群支援、非手把手教學,掌握軟體工程師自我成長的核心競爭力。
WeHelp Coding 程式解題系統
適合新手的線上程式解題練習,持續更新十五年來程式入門教學用題庫,幫助你進入下一個階段,支援 Python 和 JavaScript 進行解題。
立刻開始練習解題
WeHelp Community
歡迎參與我們的社群,分享想法或資訊。
來自不同背景的軟體新鮮人,或者多年經驗的工程師。
開始分享想法或資訊
聽孫燕姿的演唱會聽到邊唱邊哭
真的是充滿回憶啊!
像在跟過去階段的自己告別
要往前走、進入新階段的人生了
ORM 效能調整,心法沒變,只是更快了
我覺得 ORM 效能調整,我的心法一直都一樣,有 AI 只是做得更有效率。

核心步驟就是把查詢條件都測試一下,發現很慢的,就直接 Log ORM 轉譯的執行計劃,然後調整。聽起來簡單,但以前每個步驟都要自己來,每個環節都得思考很久。

現在可快了——
發覺慢,請 AI 幫我 Log 執行計劃(我自己順便學一下 .NET 8 怎麼錄製),然後直接丟給 AI,讓他去看執行計劃哪邊有問題、調整 LINQ 語法,最後再跑一次效能測試。他還能順便檢查哪個查詢條件要加 Index,完美。

你說測試?
沒錯,這是 TDD 開發,調整完再跑一次 TDD 驗收,完全沒問題。
以前人工時代這些步驟非常費時——我要自己看 LINQ、自己猜可能哪個環節有問題,根本不會特地寫 SQLite 去針對資料查詢寫測試。現在這些都有了,這真的是很棒的世代。

心法不變,效率大增。
設計架構、思考整體軟體架構、學習各種設計模式,這些還是很重要。

每個功能在開發、討論規格的時候,整體架構都已經在腦中浮現了,剩下就是跟 AI 說明一下,順便看看大數據跟自己想的是否一樣。當然,也是在這個過程中慢慢跟大數據學習,持續增強。

話說,以前手刻更容易寫出 N+1,因為演殘或是分心,但 AI 還真的都沒寫出什麼 N+1——可能因為我常常跟他碎念別這樣幹吧 XD
邀請所有朋友來參加 WeHelp Demo Day 第七屆的專案技術分享會。

5/17 週日晚上,8 點鐘,線上直播網址
https://youtube.com/live/OqcxlklFYto

了解學員們如何從無到有,成為具備良好基礎,能掌握雲端系統維運能力,開發 AI 應用的軟體工程師,詳細的活動和專案介紹,請參考以下活動網頁:
https://wehelp.tw/academy/demo-day
因為蘋果公司把iPhone設計得太難偷,所以才滋生了一整條犯罪供應鏈。
A whole criminal supply chain exists because Apple made iPhones too hard to steal
Source: https://www.phonearena.com/news/a-whole-criminal-supply-chain-exists-because-apple-made-iphones-too-hard-to-steal_id180408

由於蘋果加強了 iPhone 的硬體安全與防盜鎖定功能,使得竊賊難以直接重置並轉售失竊手機。這導致犯罪集團發展出一套精密的供應鏈:犯罪者會在公共場所暗中觀察受害者的螢幕解鎖密碼,得手後立即利用該密碼更改 Apple ID 權限,徹底將原主排除在帳號之外。這不僅能讓手機被成功轉售,更能讓犯罪者存取受害者的銀行應用程式與個人資料,形成從竊取、洗錢到零件拆解的完整非法產業。

在 2013 年蘋果推出「啟動鎖定」(Activation Lock)之前,iPhone 是街頭搶劫的主要目標,因為它們極易被轉售。該功能的推出雖然大幅降低了單純的硬體失竊率,卻也迫使犯罪分子技術升級。隨著 iPhone 逐漸整合了支付、密碼管理與身分認證,犯罪者發現「螢幕解鎖密碼」已成為掌控整部裝置與數位生活的萬能鑰匙,這使得犯罪行為從單純的物品盜竊轉向了針對個人憑據的精密監控與社交工程。

針對此威脅,蘋果已推出「遭竊裝置保護」功能,預計未來將更廣泛地應用生物辨識驗證與地理位置感知延遲,以防止密碼被盜後立即造成重大損失。然而,這可能促使犯罪集團開發更先進的釣魚技術或轉向更暴力的脅迫手段。長遠來看,這將推動行動作業系統重新設計安全架構,減少對單一密碼的依賴,並可能催生出更普及的硬體安全密鑰或去中心化身分驗證方案,以應對日益複雜的數位資產盜竊風險。
如果你註冊 Apple Card,蘋果會免費送你一副 AirPods Pro 3。
Apple will give you the AirPods Pro 3 for free if you sign up for the Apple Card
Source: https://www.gsmarena.com/apple_will_give_you_the_airpods_pro_3_for_free_if_you_sign_up_for_the_apple_card-news-72854.php

根據最新消息,蘋果公司正計畫推出一項極具吸引力的促銷活動:凡是新申請 Apple Card 信用卡並獲得核准的用戶,將可免費獲得最新的 AirPods Pro 3。這項活動通常會附帶特定的消費門檻,旨在透過高價值的硬體贈品,迅速擴大 Apple Card 的用戶基數,並進一步深化消費者對蘋果金融服務生態系統的依賴。這也是蘋果首次將尚未上市或剛發表的高階耳機作為信用卡的開卡禮。

Apple Card 自 2019 年與高盛銀行(Goldman Sachs)合作推出以來,主要以「每日現金」(Daily Cash)回饋、無手續費及深度整合 iPhone 錢包 App 為賣點。過去,蘋果針對新用戶的促銷多集中在小額現金回饋(如 50 至 75 美元)或 Apple Services 的免費試用,鮮少直接贈送價值超過 200 美元的硬體產品。此舉背景正值蘋果傳出欲結束與高盛的合作關係,並在金融市場尋求更穩固的立足點,因此需要強大的誘因來維持增長動能並吸引新戶轉移。

此舉可能預示著蘋果未來將更頻繁地利用「硬體與金融服務綑綁」的策略來對抗傳統銀行。若此促銷取得成功,可能會引發其他科技巨頭效仿,將昂貴的消費電子產品作為獲客成本(CAC)的一部分。長期來看,這不僅能提升 AirPods 系列的市場佔有率,還能強化 Apple Card 作為蘋果生態系核心支付工具的地位,為未來推出更多如儲蓄帳戶、先買後付(BNPL)等金融產品鋪路,但也可能面臨監管機構對於生態系綑綁與市場壟斷的進一步審查。
谷歌即將為安卓系統帶來期待已久的撥號器更新。
Google is bringing a long-awaited dialer update to Android
Source: https://www.gsmarena.com/google_is_bringing_a_longawaited_dialer_update_to_android-news-72835.php

Google 正在為 Android 的撥號程式(Phone by Google)推出一項備受期待的更新,核心功能是新增了「查閱」(Lookup)按鈕。這項功能允許使用者在通話紀錄中直接點擊未知號碼,並透過 Google 搜尋快速辨識該來電者的身份或相關企業資訊,省去了手動複製貼上到瀏覽器的麻煩。


歷史背景:
長期以來,Android 使用者在面對陌生來電時,往往需要依賴第三方應用程式(如 Truecaller 或 Whoscall)來辨識騷擾電話或商業來電。雖然 Google 先前已推出「通話過濾」(Call Screen)和「騷擾電話阻擋」等功能,但對於未被標記的未知號碼,使用者仍需手動搜尋。這項更新反映了使用者多年來希望將搜尋引擎功能更深層地整合進原生撥號介面的需求。


這一更新預示著 Google 將進一步削弱第三方來電辨識 App 的必要性,並強化其生態系統的整合。未來,這項功能可能會結合 Gemini AI,不僅能搜尋號碼,還能自動摘要該號碼的網路評價或潛在風險。這也意味著撥號程式正從單純的通訊工具轉型為智慧資訊入口,進一步提升使用者對抗電信詐騙與行銷電話的效率。
OpenAI 不斷調整高階主管團隊,試圖贏得人工智慧代理之戰。
OpenAI keeps shuffling its executives in bid to win AI agent battle
Source: https://www.theverge.com/ai-artificial-intelligence/931544/openai-keeps-shuffling-its-executives-in-bid-to-win-ai-agent-battle

OpenAI 近期正經歷劇烈的高層人事變動,多位核心高管如前技術長 Mira Murati 相繼離職。這波人事洗牌反映了公司正處於關鍵轉型期,將重心從單純的語言模型開發,轉向更具行動能力、能自主完成複雜任務的「AI 代理」(AI Agents)。這項策略調整旨在競爭日益激烈的市場中保持領先,並配合公司從非營利導向轉型為營利性企業的商業佈局,以確保在研發與市場應用上能更快速地反應。


此次變動的歷史背景可追溯至 2023 年底執行長 Sam Altman 的撤職與回歸風波,該事件暴露出公司內部在「安全願景」與「商業擴張」之間的深層矛盾。自此之後,OpenAI 的多位共同創辦人與資深研究員(如 Ilya Sutskever、Jan Leike、John Schulman 等)陸續出走,部分轉投競爭對手 Anthropic 或自行創業。隨著公司完成新一輪高達 66 億美元的融資,OpenAI 正加速從原本的非營利研究機構轉型為營利性公益企業,這導致了領導層必須進行重組,以符合投資者對商業化進程的期待。


未來 OpenAI 將全力投入具備自主執行任務能力的「AI 代理」技術,這可能引發新一輪的軟體革命,改變人類與數位工具的互動方式,使其從「對話框」進化為能代勞各項事務的「虛擬員工」。然而,核心人才的持續流失可能對其長期創新能力與 AI 安全性的把控帶來隱憂。隨著公司結構徹底轉向營利模式,OpenAI 與微軟及其他投資者的關係將更加緊密,但也可能面臨更嚴格的監管審查,以及社會對其背離「造福全人類」初衷的質疑。
怎麼用好 AI?
現在各種新流派出來真的不需要 FOMO
也不用什麼都會
目前我看起來都在做一樣的事情
也就是

『邊界控制』

只是方法和流程有差別
所以找到屬於自己當下該專案要的方法就好
不要被那些新名詞嚇到
谷歌更新了垃圾郵件規則,將試圖「操縱」人工智慧的行為納入其中。
Google updates its spam rules to include attempts to ‘manipulate’ AI
Source: https://www.theverge.com/tech/931416/google-ai-search-spam-policy

Google 宣布針對搜尋引擎的垃圾內容政策進行重大更新,核心目標是打擊利用自動化工具(特別是生成式 AI)大規模生產低質量內容以操縱搜尋排名的行為。此次更新特別鎖定三種濫用模式:第一是「規模化內容濫用」,即利用 AI 產出大量無用資訊以佔據搜尋結果;第二是「網站聲譽濫用」,防止高權重網站出租頻道給第三方發布低質內容(寄生式 SEO);第三是「過期網域濫用」,禁止購買舊網域來寄生垃圾內容。Google 旨在透過演算法優化,減少搜尋結果中 40% 的非原創與低質量內容。

過去幾年,隨著 ChatGPT 等大型語言模型(LLM)的普及,產製文字內容的門檻與成本大幅下降,導致網路上出現大量旨在迎合搜尋引擎演算法而非服務真實讀者的「內容農場」。Google 過去的政策主要強調內容的有用性,並未明文禁止 AI 生成,但隨著 AI 操縱手段日益進化,許多自動化網站透過洗稿、拼湊資訊等方式嚴重干擾了搜尋生態。這迫使 Google 必須從政策層面重新定義「垃圾內容」,將焦點從「內容如何產出」轉向「產出內容的意圖是否為了操縱排名」。

未來,單純依賴 AI 快速產出文章的 SEO(搜尋引擎最佳化)策略將面臨全面失效,創作者必須更深層地展現專業性、經驗與權威性(E-E-A-T)才能獲得青睞。這可能引發一場 AI 生成技術與偵測過濾技術之間的「軍備競賽」,迫使 AI 內容轉向更高質量的產出。對於一般用戶而言,搜尋結果的精準度與原創性有望提升,但對於小型獨立網站來說,在演算法嚴格審查下證明自身內容的「人類原創價值」將成為更嚴峻的生存挑戰。
OpenAI 現在希望 ChatGPT 能夠存取您的銀行帳戶
OpenAI now wants ChatGPT to access your bank accounts
Source: https://www.theverge.com/ai-artificial-intelligence/931122/openai-chatgpt-financial-accounts-plaid-connection

OpenAI 正尋求讓 ChatGPT 接入使用者的銀行帳戶資訊,這主要透過與金融科技服務(如 Plaid)的整合來實現。這項功能旨在讓 AI 能夠分析個人的收支狀況、提供客製化的理財建議、追蹤預算,並協助使用者更直觀地管理財務。這標誌著 ChatGPT 從單純的資訊檢索工具,轉向具備實際執行能力與深度個人化數據處理的「AI 代理人」。

歷史背景:
這一發展源於 OpenAI 持續推動的「外掛程式」(Plugins)與「函數調用」(Function Calling)技術。過去兩年,ChatGPT 已從單純的文本對話演進到能透過第三方 API 進行操作。在此之前,金融領域已存在「開放銀行」(Open Banking)的趨勢,允許第三方應用在用戶授權下存取金融數據。OpenAI 藉由與金融數據服務商合作,將這項成熟的基礎設施與大型語言模型的分析能力結合,試圖解決傳統理財軟體互動性不足的痛點。

未來,這可能導致個人理財顧問行業的全面自動化,AI 將能根據即時市場變動與個人財務狀況,自動執行避稅策略或投資組合調整。然而,這也引發了極大的安全與隱私疑慮,一旦帳戶存取權遭破解,損失將難以估計。此外,這可能促使金融監管機構制定更嚴格的 AI 金融法規,以界定 AI 在提供財務建議時的法律責任,並確保數據在傳輸過程中不會被用於訓練模型以外的非法用途。
載入更多