軟體維護成本，就是那個讓一個成功專案在十八個月後變成一場尷尬談話的數字。開發階段有預算、有簽核，也如期交付了。可是上線之後會發生什麼事，被一句「技術支援」草草帶過，再配上一個有人憑感覺喊出來的金額，而那個金額幾乎每次都太小。 原因出在結構，不是誰不用心。開發有一個可以報價的範圍。維護沒有範圍，因為決定它的是還沒發生的事：某個相依套件爆出漏洞、某家供應商改掉自己的介接規格、某位使用者碰上當初誰都沒想到的狀況。 人人都在引用的經驗法則是每年抓開發成本的 15 到 20 個百分點，而它之所以危險，正是因為它離正確答案不遠。 它對的次數多到讓人安心，錯的時候又總是往同一個方向錯：它低估了缺陷集中浮現的第一年，而在有法遵義務或外部介接很多的系...
文章
在同一頁面瀏覽所有文章。找到關於人工智慧、程式設計、資安、基礎設施與網站開發的教學、深度解析、指南與更新。
技術盡職調查不是一場程式碼品質比賽，而準備接受查核的團隊，通常把時間花在最不相干的地方。沒有人是為了替你的抽象層打分數才來買一家公司。買方想弄清楚的其實只有兩件事：擁有這套系統要付出多少代價，以及在資金易主之後，情況可能壞到什麼程度。 換一個角度看待這件事之所以重要，是因為它會改變你該優先處理什麼。醜歸醜但跑得動、團隊看得懂、可以安全修改的程式碼，只是一則輕微的查核結果。反過來說，寫得漂亮卻只有一個人看得懂的程式碼，才是嚴重的查核結果，而真正牽動價格的，向來是後者。 所有問題背後的那個問題： 如果創辦工程師在交割後的隔週離職，這套系統還跑得下去，而且還改得動嗎？幾乎每一項會壓低出價的查核結果，都是對這個問題的具體回答。知識全積在一個...
資料庫效能的排查工作，通常從有人提議換一台更大的執行個體開始，又通常以這樣一個發現收場：每次載入頁面時，有一條查詢都在對 400 萬列做循序掃描。瓶頸從來就不是硬體，瓶頸是執行計畫。 這個模式重複得夠穩定，值得當成預設假設寫下來。當應用很慢而資料庫又很忙時，原因幾乎都是少數幾條特定的查詢，而不是整體容量不足；把機器換大，只能把問題掩蓋到資料表再次長大的那一刻為止。 動手改之前，先量。 憑猜測去最佳化一條查詢，正是團隊花掉整整一週新增索引、結果寫入變慢而讀取一點也沒變快的原因。任何資料庫都能告訴你哪些語句消耗的總時間最多。從那裡開始，修掉排在最前面的那一條，然後再量一次。這樣反覆兩三輪，事故通常就結束了。 資料庫效能始於找出那條查詢總...
實體SEO的起點，是一個大多數最佳化建議至今仍然略過的事實：搜尋引擎早就不再比對字串了。它們比對的是事物。一個頁面拿到什麼分數，並不取決於它是否含有某個詞組，而取決於系統是否相信這個頁面談的是詞組背後的那個概念，以及系統對於那個概念究竟是什麼有多少把握。 這個區別決定了重複關鍵字究竟對你有幫助，還是完全沒有作用。在比對字串的系統裡，重複是一種訊號。在比對實體的系統裡，重複只是雜訊，真正會推動結果的，是機器能不能辨識出你是什麼。 判斷你是否以實體身分存在的測試： 搜尋你的公司名稱，看看在沒有人追問的情況下，搜尋引擎主動端出了關於你的哪些資訊。如果它只回傳首頁，其他什麼都沒有，那麼你只是一串它找得到的字元。如果它回傳了描述、所在地、類別...
談到軟體測試策略，大家幾乎都從覆蓋率說起，而覆蓋率偏偏是整個領域裡資訊量最低的一個數字。一個覆蓋率達到九十的程式碼庫，照樣可能在最常被走到的路徑上把缺陷送上線，因為覆蓋率量的是測試執行期間有哪些程式碼行被跑過，而不是有沒有針對這些行做出任何有意義的斷言。 真正信任自己測試套件的團隊，並不是覆蓋率百分比最高的那一群。他們是這樣的團隊：東西真的壞掉時測試會亮紅燈，其餘時候測試安安靜靜。這個特性，比多數人想像的更難用錢買到。 對任何一個測試都值得問的問題： 如果它失敗了，我知道該怎麼辦嗎？因為行為改變而失敗的測試，會告訴你一些事情。因為某個實作細節換了位置而失敗的測試，只能告訴你有人做了重構。這種失敗累積到一定數量，團隊就不再讀失敗訊息，...
金融科技軟體開發在報價與排程上，跟一般軟體開發沒有兩樣，直到有人問出那句話：到底誰有資格持有這筆錢。從那一刻起，專案就不再是一道工程題，而變成一道帶著工程成分的監理題，你腦中原本的時程也不再站得住腳。 技術很少是難點。搬動資金是一個已經解決的問題，市場上有成熟的服務商、有文件齊全的介面，還有第一天就能用起來的測試環境。真正拖長金融科技專案的，是執照上的身分、面對稽核必須拿得出的軌跡義務，以及好幾個架構決定其實早已由持照方替你做完了。 決定你時程的問題： 你自己持照，還是以代理人身分掛在別人的執照底下營運，或者完全避開受監理業務？這三個答案會產生長度完全不同的專案，而差距是用等待的月數衡量，不是用開發的週數衡量。在做任何範圍規劃之前，...
MVP 軟體開發出錯的地方是範圍會議，不是開發過程本身。有人說出「最小可行產品」這幾個字，大家點頭同意，接著送來的功能清單裡卻寫著使用者帳號、後台管理介面、計費、通知、儀表板，還有一個行動應用程式。那不是最小可行產品。那是一個完整的產品，而它花掉的時間會是你心裡那個數字的三倍。 真正造成損害的字是「可行」。多數團隊把它讀成「好到可以賣給所有人」，但它的本意是「剛好夠用來判斷到底有沒有人想要這個東西」。 最省錢的範圍測試： 對每一項功能，問問自己會因為答案不同而做出什麼不一樣的事。如果一項功能改變不了任何決定，它就不屬於 MVP。後台管理介面不會告訴你人們是否想要這個產品；它只會告訴你，等人們想要之後，這個產品會更好管理。把它放到第二...
有排名卻從不被引用，是把搜尋引擎最佳化做對了、卻眼睜睜看著它什麼都沒帶來的那種很具體的挫折感。排名來了。曝光在漲。點擊卻沒有跟上，而且把標題標籤重寫多少次都不會有變化。 這不是你最佳化上的失敗。這是當結果頁不再是一份連結清單、而變成一個答案時必然會發生的事。而且它現在已經是常態，不是一個值得拿去診斷的異常。 我們自己的數據，取自 Search Console，統計範圍是截至 2026 年 8 月初的 28 天： 本站有 531 個查詢字詞排在前十名，帶來 28,847 次曝光，卻只換到 161 次點擊。這就是 0.56% 的點擊率，而第四到第十名在過去通常能拿到 2% 到 8%。這 531 個查詢字詞裡，有 452 個一次點擊都沒有...
llms.txt 現在到底有沒有用？誠實的答案是：在可測量的範圍內幾乎沒有用，而那些告訴你這個檔案對 AI 能見度至關重要的人，通常是在向你推銷東西。一邊這樣說，一邊又建議你發布一份，這個立場並不舒服。所以這篇文章先把數字攤開來，之後再解釋這項建議本身。 檔案本身是個合理的想法。它是放在網站根目錄下的一份 markdown 索引，告訴語言模型你發布了什麼、內容在哪裡，就像 robots.txt 告訴爬蟲哪些內容可以抓取一樣。想法沒有問題。問題出在它原本要服務的那些公司身上，它們幾乎沒有採用。提出一份規範，和真的出現讀取它的一方，完全是兩回事。 伺服器日誌真正顯示的情況： Ahrefs 對 137,000 個網域的分析發現，2026 ...
要不要封鎖 AI 爬蟲，往往被當成技術題來問，但它其實不是。封鎖本身只是幾行設定，在 robots.txt 裡補幾條規則，或在網路層打開一條規則，十分鐘就結束了。真正難的地方在於決定你到底想不想這麼做，而這個決定完全屬於生意層面：你是在兩件事之間取捨，一邊是保護內容不被拿去訓練模型，另一邊是讓自己繼續出現在人們現在用來取代搜尋結果清單的那些答案裡。 網路上多數建議都是先選邊，然後只替自己那一邊辯護。誠實的講法是另一種：正確答案會隨商業模式而不同。一家靠頁面瀏覽量維生的媒體，跟一家靠詢價維生的服務公司，本來就應該得出完全相反的結論。如果兩者答案一樣，那才代表有人算錯了。 這筆交易一句話就講得完： 封鎖 AI 爬蟲可以擋下內容被吸收，但...