Cloudflare Queues 解決的是每個無伺服器應用遲早都會撞上的那個問題：一個請求抵達，觸發了一段使用者本來不該等待的工作。寄出確認郵件、把上傳的圖片改尺寸、把記錄同步到第三方服務。這些工作的共同點是：它們必須發生，但並不需要在使用者按下按鈕的那一刻發生。在傳統伺服器上，你把這類工作交給一個背景工作行程就好。可是在 Workers 上，請求處理完就結束，根本沒有可以交出去的常駐行程。 常見的幾種繞道做法，比看起來更糟。把工作放在請求裡同步做完，等於讓使用者去等一家郵件服務商的回應。向另一個 Worker 丟出請求卻不等待它，只要發起方的呼叫先結束，這個工作就丟了。這兩種做法都撐不過服務商的一次故障。 佇列真正給你的是什麼：...
Cloudflare Workers
有關Cloudflare Workers的指南、教學與範例，這是一個在網路邊緣部署快速、可擴展且安全應用程式的無伺服器平台。
Cloudflare Hyperdrive 之所以存在，是為了處理一個非常具體、也一點都不炫目的問題：一個在 200 座城市裡執行的 Worker，去跟某一座城市裡的那一個 Postgres 資料庫對話，會比同一道查詢從緊鄰這台資料庫的伺服器發出來得慢。不是慢一點點，而往往是慢上好幾倍，而且原因跟查詢本身怎麼寫完全無關。 當一個無伺服器應用顯得遲鈍時，多數人的第一直覺是怪查詢規劃器，或是再加一個索引。但在跟某個區域資料庫溝通的 Workers 上，查詢本身通常沒有毛病。真正出問題的是連線。 Hyperdrive 真正修好的東西： 建立一次資料庫連線的代價，而且這筆代價要在每一個請求上重新付一遍。一條 Postgres 連線在第一列資...
如果你照著 2026 年以前寫的 Cloudflare 教學操作過，安裝過名稱裡帶有 “resizing” 的外掛，或者接手過一個重寫圖片 URL 的 Worker，你多半已經遇到令人困惑的狀況：Cloudflare 控制台裡再也沒有名為 Image Resizing 的功能，說明文件也不再提到它。你的設定並沒有壞掉，只是你要找的那個名稱悄悄消失了。 這項功能現在叫做 Image Transformations。它做的是同一件事，走同一套 URL 結構，使用同一批參數。改變的是名稱、它在控制台裡的位置，以及計費方式。最後一點值得仔細閱讀，因為計費模式和多數舊指南所描述的確實不同。 一句話總結： 你現有的 URL 與 Worker 照...
降低 LLM 延遲是建構反應迅速的 AI 應用的工程師所面臨最關鍵的挑戰之一。雖然大型語言模型（LLM）的能力持續增強，但其逐 token 的生成方式會為終端使用者帶來令人沮喪的瓶頸，而漫長的等待時間會直接導致參與度下降與應用流失。因此，最佳化推論管線的速度是開發者的一項核心要求。本指南概述如何設定提示詞快取、實作回應串流傳輸、建構邊緣網路路由，以及使用無伺服器組態來削減處理延遲。 效能指標提示： 在測量 API 延遲時，請將首個 Token 時間（TTFT）與整體生成速度區分開來。較低的 TTFT 會讓應用對使用者產生即時的感覺，即便整個輸出生成需要數秒，因為文字會立即開始算繪。 重點摘要： 提示詞快取： 重複使用靜態前綴標頭以繞...
使用全新的 OpenAI Realtime API 構建低延遲音訊管道，使開發人員能夠在生產環境中推出類似人類的對話式語音代理。傳統上，構建語音介面意味著將三個獨立的模型層連結在一起：自動語音識別（ASR）、基於文本的 LLM 邏輯層，以及文本轉語音（TTS）合成。該多步驟管道引入了顯著的往返網路延遲，使得自然對話變得不可能。通過持久的 WebSocket 連接進行原生音訊處理改變了這一現狀，將網路延遲降低到 300 毫秒以下。本指南闡述了如何建立連接狀態、流式傳輸原始音訊緩衝區以及優化會話配置。 API 安全警告：切勿在用戶端瀏覽器指令碼中直接公開您的 OpenAI API 金鑰。始終通過安全的邊緣中間件（如 Cloudflare...
構建 Cloudflare Workers AI 代理是從簡單的 AI 提示詞過渡到自適應工作流的下一步。這些被稱為 AI 代理（AI Agent）的系統使用大語言模型（LLM）來調用外部工具、做出決策並自主執行任務。雖然傳統的代理運行需要沈重的伺服器，但本教程將向您展示如何使用 Cloudflare Workers 和 LangChain.js 構建並託管無伺服器的 AI 代理。 TL;DR 瞭解 AI 代理：代理使用 LLM 做出決策並調用外部 API（工具/tools）來自主解決使用者查詢。 在邊緣（edge）端使用 LangChain.js：LangChain.js 與 Cloudflare Workers 輕量級的 V8 ...
本 Cloudflare Workers AI 教程將向您展示如何直接在 Cloudflare 的全球邊緣網絡上部署和運行機器學習模型。借助 Cloudflare Workers AI ，您可以在靠近用戶的地方執行大型語言模型（LLMs）、文本翻譯、圖像生成和語音轉文字，而無需管理複雜的 GPU 伺服器。以下步驟涵蓋了如何配置 Wrangler、編寫 fetch 處理程序、運行 Llama 模型以及優化邊緣 API 成本。 TL;DR 無伺服器運行 AI 模型；Cloudflare Workers AI 管理底層 GPU 基礎設施，僅按活躍計算量計費。 在 wrangler.toml 中配置綁定（bindings）；...
Cloudflare Workers 與 AWS Lambda 都是無伺服器運算平台，但兩者的起點不同。Lambda 是龐大 AWS 生態系中確立的無伺服器標準；Workers 則是邊緣原生的，為低延遲與全球分發而生。2026 年，兩者都很出色，正確的選擇取決於你的工作負載與現有技術棧。本指南從真正重要的面向比較 Cloudflare Workers vs AWS Lambda。 重點摘要（TL;DR） Workers 在輕量的 V8 isolates 上於 edge 執行，cold start 幾乎為零，並預設全球分發 Lambda 在 AWS 區域中以 microVM 模型執行，支援眾多語言執行環境，並與 AWS...
Cloudflare Workers 讓你無需管理伺服器，就能在靠近使用者的邊緣執行後端程式碼。對 API 而言，近乎為零的冷啟動、全球分佈與緊密整合的儲存三者結合，使 Workers 在 2026 年成為極具吸引力的平台。本指南說明 Cloudflare Workers API 的結構，以及它與傳統後端有何不同。 重點摘要 Cloudflare Workers 在邊緣的 Cloudflare 全球網路上執行你的程式碼，因此請求可在靠近使用者處以近乎為零的冷啟動被處理 Worker 透過 fetch 處理常式處理傳入請求；你依方法與路徑進行路由，並回傳標準的 Response 物件 Workers 直接綁定至儲...
如果 Cloudflare Images 是你圖片棲身之處，那麼 Cloudflare Image Transformations 就是讓它們變快的引擎。它在圖片被請求的那一刻調整尺寸、壓縮並將其轉換為現代格式，只使用你已經擁有的原圖。沒有建置步驟，沒有預先產生的縮圖，沒有把你的儲存弄得雜亂的單獨副本。你在 URL 中請求想要的尺寸和格式，Cloudflare 便在邊緣產生它並快取。 本指南是我關於在 Cloudflare 上託管圖片的概述的實用伴篇。它講解執行轉換的兩種方式、重要的參數、在 2026 年的成本，以及如何在 WordPress 和 PrestaShop 上將這一切自動化。 摘要 轉換從單張原圖按需調整尺寸、壓縮並將圖...