跳到主要內容

回顧 JavaScript for backend 講題

這次準備 WebConf 活動,受龍哥,PCT 的邀請講解 Node.js 相關議題,其實就技術來說與開發許多專案的前輩相比較,自己還是有許多地方需要精進,跟大家分享的方向也都是比較粗淺的部份,太多深入的議題可能就要請前輩來指導。

剛開始準備方向是希望與大家分享 Node.js 分散式架構上的應用,整體來說也比較像是自己在 MiCloud 環境中實際應用的架構,會使用到 Load Balancer,Middle server,DB Server ,還有加上 SmartOS SMF 服務,一開始的確是這麼想,也是要朝這方向準備。畢竟這樣的課題是自己日常生活所在接觸,準備起來也是稀鬆平常,還可以充當內部說明簡報,當然最後卻沒有這樣子做。

主因是相信來到 WebConf 的朋友大多沒有接觸過  Node.js,Node.js 某方面來說對各位也算是新的技術,如果對於一個沒有接觸過的朋友,相信還是 Node for beginner 會比較適合。

在思考準備方向的時候開始有了許多矛盾,也有許多不同的想法,當時心中更呈現了『一起來寫程式吧!』這個詭異的念頭,回到實際面就是,我只有 『30 分鐘』,超出這個時間,就表示…

『你已經死了』



轉變

許多念頭許多想法,但是三十分鐘只能讓我呈現一個重點。最後決定的主題就是『說明 JavaSCript 本質』,在這個課題上良葛格已經寫了一系列的好文章給予後進,當然我所能著墨的就在於 JavaScript 在後端程式語言如何應用,以及差異上怎麼分別,最少讓大家在這三十分鐘內能夠知道 『JavaScript 已經不一樣』,就跟當時第一屆 『JSDC 2012』 舉辦的心情一樣,只要讓參與者,感受到 JavaScript 已經不一樣了,能夠讓大家體會到這件事情,就足夠了。

開始著手改自己的大綱,以及投影片的製作開始,將幾個重要的事情點出來。

 * 介紹平常所認知的 JS, 與實際 JS 差異
 * 如何判讀自己在前端、後端的 JS 環境
 * Node.js 如何替 JS 帶來新的契機
 * 簡單介紹 Node.js 能夠做什麼

驚喜

這個 slide 放在 slideShare ,希望能夠更多人能夠給予回饋,在經過一兩週之後,驚喜出現了,Slide 首先出現在

SlideShare 的首頁,

"JavaScript for backend " is being talked about on Facebook more than anything else on SlideShare right now.


接著過了兩天之後,又收到 SlideShare 的來信,

"Your presentation JavaScript for backend is featured on the SlideShare homepage."


這兩串小小衝擊下來,小小滿足自己的虛榮心,也感覺到好像自己有做了些什麼不一樣,總之心情是開心的,是雀躍的,但是好像又沒有什麼好說的。

如果大家有興趣回顧 JavaScript for Backend 的話,歡迎參考指教,





期望

很感謝龍哥, PCT 舉辦這場活動,也許用『盛事』來形容更為精確,與『IxDA』共同協辦研討會,確實帶來不一樣的影響,不論是開發者、設計師、產品規劃等,都可以從這場活動中獲益良多。個人也是深受益處。

接下來 JSDC 也開始萌生許多想法,當然希望能夠向這些研討會學習,也讓更多人了解 JavaScript 這個語言,讓 Web 帶來更多不一樣的衝擊與聲音,讓更多使用者能夠接觸到『全新使用者體驗』,讓所有人都能夠為之驚艷。

最後感謝所有參與者,所有聆聽者,希望大家能夠跟我有同樣的感受『JavaScript 真的不一樣了』。

留言

這個網誌中的熱門文章

RAG 和 Prompt 原理超簡單解說!想知道 AI 怎麼找答案看這篇

這篇文章是給對於你已經開始使用所謂的 ChatGPT / Claude / Gemini 之類的 AI 服務,甚至是 Siri (嘿丟,他也是一種 AI 應用服務喔) 簡單來說是非 技術人員, PM,小白,想要趕快惡補的人 ,直接花十分鐘可以看完的一篇科普業配文章。 或者是概念僅止於,AI 這東西會幻想,會有誤差,會對於生活有些幫助但沒有幫助的人們,做個簡單又不是太簡單的介紹,希望用一個非常入門的方式讓你們有個了解。 當然,這篇文章目的很簡單, 就是引流 ,如果你身邊有已經對於 Web 技術開發的人員,歡迎報名分享給他,年末出國不如學一技在身,參加今年我們舉辦最後一場 RAG 實作工作坊,報名連結 , https://exma.kktix.cc/events/ai-for-dev-course-rag-2 注意: 接下來每個大段落結束都會有一段工商導入,但文章絕對精彩,請注意! 為了讓各位容易想像,我們將整個世界的資訊,先濃縮到這本『西遊記』的世界觀當中,我們整個世界都在這個 『西遊記』 ,而 大型語言模型 我們用 『書精靈』 來描述。 PS. 我們先預設各位,應該都有聽過,西遊記!如果沒有聽過西遊記的,請右轉出去,謝謝! 先來談談向量 在《西遊記》的世界裡,我們可以把 向量想像成一種「內容座標」 ,讓系統知道每個角色、場景、法術等的 「位置」和「距離」 。向量幫助語言模型知道不同內容之間的關聯程度。 向量就像內容的「距離」和「位置」 比方說,唐三藏的 「位置」(向量)會接近「佛經」和「取經」 的概念,因為他一路上都是為了取經而前進。孫悟空的 向量位置則會更靠近「金箍棒」和「七十二變」 這些概念,因為這些是他的特徵。 相似內容靠得更近:像「佛經」和「取經」會靠近唐三藏的向量,因為它們彼此有很強的關聯。 相差較大內容會離得較遠:像「取經」和「妖怪」「妖怪的寶藏」就距離比較遠,因為妖怪的寶藏和取經的目標關聯性不大。 是誰決定的這些位置? 簡單來說,這些位置和關係是模型自己學出來的。語言模型會閱讀大量的資料和這世界觀的資訊,觀察哪些詞語經常一起出現,根據「共同出現的頻率」來決定它們的關係,並且自動生成向量。例如: 如果模型看到 「唐三藏」 總是和 「取經」 一起出現,它就會讓「唐三藏」的向量靠近「取經」。

npm 還可以看影片,沒想到真的有人這麼做

 還真的有人做這件事情, 庆余年2剛上線,有一位小哥竟然利用 npm 包的機制,將整套高清視頻都搬上來了。 https://x.com/fengmk2/status/1791498406923215020 圖片來源, https://x.com/fengmk2/status/1791498406923215020/photo/1 此 Package 出處 https://www.npmjs.com/package/lyq2?activeTab=versions 截圖留念, 機制說明 NPM(Node Package Manager)是一個流行的 JavaScript 軟件包管理器,用於管理和分發 Node.js 應用的依賴。它允許開發者將自己的代碼打包成「包」,並上傳到 NPM 的公共註冊表,供其他開發者下載和使用。這個過程通常包括以下步驟: 創建 NPM 包 :開發者將自己的代碼和相關文件打包成一個 NPM 包。 上傳到註冊表 :將包上傳到 NPM 的公共註冊表。 下載和使用 :其他開發者可以通過 NPM 命令行工具下載並安裝這些包。 這位小哥利用這一機制,可能是通過將整套高清視頻文件打包成 NPM 包並上傳到公共註冊表。其他人只需通過簡單的 NPM 命令即可下載這些視頻文件。 影響 版權問題 :這種行為涉及明顯的版權侵犯。高清視頻通常受到版權保護,未經授權的分發和下載都是非法的。 NPM 註冊表的可靠性 :這類內容的出現可能會損害 NPM 註冊表的可靠性和聲譽。NPM 註冊表是開發者分享和使用代碼的重要平台,如果充斥著這些不合法的內容,會影響其公信力。 潛在的安全風險 :將視頻文件偽裝成 NPM 包可能會帶來潛在的安全風險。下載這些包的用戶可能會無意中下載到惡意軟件或其他有害內容。 技術濫用 :這一行為展示了技術的濫用,原本為了方便開發者分享和使用代碼的機制,被用來分發非法內容,會對整個開發者社區造成負面影響。 歡迎留言給我,讓我們得到更多討論,一起回饋更多可能。 如果對於技術架構或者技術開發有相關需要顧問教育訓練服務或專案開發,聯絡方式如下,或者是與皇漢科技 EXMA-Square 進行聯繫。 FB: https://www.facebook.com/clonncd/ Twitter: https://twitter.com/clonncd 熱血漢誌: htt

從易經八卦到 AI 應用:用 LLM 自動化數據整理的工程探險

從 2023 年開始,在去年 為何技術老人這樣想那樣做? 的那場分享之前,就開始探索管理的更多可能性,以及探索更深層的奧秘,宇宙的二進位,生活中的陰與陽,到透過朋友深入探索 8 進位和 64 進位的玄學領域。 一開始只是想將自己體驗進行工程的還原,先是以為透過 ai 可以很快(偷懶)就可以解決掉資訊整理的問題,這邊有些踩雷的過程,以及對於整體實作的紀錄,分享給大家。 人生,原本以為很輕鬆的事情,最後都會不太容易 原本目標是希望將網路上許多的八卦資訊,以及六十四卦象內容,透過 AI 將資料進行彙整,就資料進行整合以及釐清就花了些時間 (汗) 以下且聽我慢慢道來 ... . 思緒步驟 大概步驟會是這樣,首先進行基礎八卦資訊搜集,大概由乾掛到坤卦,這些都可以在網路上容易取得,(這邊採用的是先天八卦順序) https://chatgpt.com/share/672083ea-4000-8010-ae50-3e120d845244 接著進入重點, 64 卦目前並沒有太多工程項目可以進行整合資料,因此主要透過 ChatGPT 產生資訊,以及透過 wiki 進行先達到快速效果。 https://chatgpt.com/share/67208416-c210-8010-9d43-a8c7235a1b03 緊接著,就會得到一串很像是 64 掛的內容, 不看不知道,一看嚇一跳,取得資料中會包含錯誤資訊,對應錯誤的上下卦,但畢竟是電腦,有錯很正常,這才是我認識的 ChatGPT (這邊也有試過 Claude 也有相同問題)。 校正回歸 此時經驗就非常重要,透過 AI 協助我們進行資料編寫比對,但不是單純的比對,而是要先想清楚自己的目標是什麼。 64 卦,兩兩相對。 64 卦,每個卦象不重複。 基礎於一開始 『懶』的狀態 , 首先直覺性的,是將比對錯誤的 json 直接丟入,原本預計透過 chain of thought 的方式,讓 llm 進行重複確認,但 ... 測試發現,需要透過 llm 產出原生資料越大時,隱藏的重複錯誤性會隨之提高。 llm 不轉,我轉 因此,這邊的解法朝向糾錯為主。 首先回到目的性,我們需要得到的結果是 完整的 64 卦象 取得對應的正確上下卦位置。 當我們有這樣明