跳到主要內容

2016 - 2019 LINE DEV DAY 技術發展

從 2016 年 LINE 開始舉辦 DEV Day 活動至今,已經進入到第四個年頭,每一年都有不同的重頭戲,也讓我們第一次看到了 LINE 這樣亞洲公司在亞洲地區打造出屬於亞太地區專屬於自己品牌的技術形象。

簡易年度記錄

2016 年,LINE 發表了 Chatbot 以及 Open 技術的策略,從那時候開始發表了 armeria 開源技術框架,持續發展至今。
同時當年每個會眾可以拿到一組 LINE Beacon 官方版本,開始了初步 IoT 的佈局。
2017 年,發表了 Clova 項目,以及更多關於 Iot 相關的展示,關於物的連結上,以及對於 Data 上架構的展示,也算是開始進如 Messenge API 調整的一年。
2018 年,建立 LAE 制度,深度開始與開發者進行合作,進行 DevRel 相關,這年 FinTech 大戰開始,同時發表對於 AI 實現於應用上的展示,更值得一提的是 LIFF 的開發與發表。
2019 年,可以說是 AI 年,基本上所有的項目圍繞於 AI 打轉,秉持著原有架構,服務,產品多樣性之餘,已經在這幾年默默的深入到台灣的生活中,大家默默的用著 Chat, 看著 Line News, 用著 Line pay付款買貼圖等。
關於 LINE Dev Day 2019 有更多深入討論。

轉變

2019 年,對於自己來說,是個感覺很深的一年,彷彿經過了再次世代的更替。
從 2012 時所討論的 Cloud System, 當時的討論更多的是在於當地自建機房,還是直接使用雲端服務,從 AWS 服務獨大,到 GCP 深入開發者心中,Azure 當初最不被看好,居然真的擁抱 Open source 在 dotNet core 組合下打下一片天。
2015 年開始,雲端不再是口號,Data 才是王道,到處喊著使用 hadoop ,衝著分散式運算大資料量儲存分析,每個新創都是喊著 Cloud x Data 廝殺著。
2017 年進入 Iot 年代,物物都要聯網,事事都要上網,當時看似傻傻的連冰箱都要上網,到現在似乎已經變成顯學,甚至當年喊著 IPv4 即將用盡,到了 2019 這件事情居然成真。

2019 的新星 AI

LINE Dev Day 2019 從表象上幾乎看不出來新的亮點,沒有太過於全新的產品發表,更多的是著重在於 AI 的發表,和資安的發佈。
從這幾點上,回頭看 2016, 2017 年就已經為了 2019, 2020 結果而佈局,更多的資料,更深入人民的行為結合,更完整的資訊保護,隱私保障。
2017 年正式對外發佈的 Beacon 硬體及 API 的發表,到了現在 2019 有了更多項目的結合,以及 Clova Chip 與不同硬體項目的整合,更多嘗試性的應用,例如台北捷運, LINE NOW 等服務都是 Iot 的展示。
AI 發佈的亮點,從架構面來看反而是產品結構的累積,從開放的角度,擁抱開源的態度,到貼近使用者。
歷經多次資料儲存結構調整,系統優化,架構再次翻新,進而累積出可供 AI Team 參考的使用者回饋,才有辦法打造出真正貼近於實際商品層級的 AI 應用。
從表象上,我們看到的是談論著 AI,背後上是從 4 年前就累積下來的精華, 2019 年的 LINE Dev Day 至少從各種角度和年度累積來說,是玩真的。

AI 與人民生活的距離

很多人都會覺得 AI 離他很遠,可能對於之前的變更來說, Cloud / Data / Infar / 都會是一種很遠距離的感覺,之餘 AI ,他更是改變人們生活的結果。
從 LINE App 裡面的 Smart Channel,到 Line Shopping 裡面的推薦,關聯商品, Line Travel 的資訊給予, LINE Today 的新聞資訊提供,裡面涵蓋著許多 AI 的演算過程,讓結果越來越貼近使用者偏好,讓使用者的黏着度提升。
技術,從某個角度來看就像是空氣,看似很簡單的改變,實際上經過很多不簡單的過程。
當技術存在於生活中,生活就充滿著便利,當它越是便利的時候,人們與技術就越難以分離。

AI Next?

如同當時 Data 與 Application 如何進行整合計畫,在 AI 演算法如火如荼發表的年代,那下一步應該就是 AI 如何與應用工程結合,讓應用的展現更適用於客戶心中。
明年可以預期的會是 AI & Application ,算法與應用落地的一年,會有更多應用及服務的發表,以前難以使用,難以瞭解的計算情境會更為清晰,很多資料與計算變動當中的產業,會越來越有清晰的輪廓,讓開發者有更多新領域的嘗試,再次透過『站在巨人的肩膀』觀看這個世界。

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」。 ...

Vibe Coding:為什麼 Junior 更快上手?Senior 要如何追趕?

現象層面(市場觀察) 最近有篇文章討論 junior & senior 開發者在 AI 時代的角色轉變,非常熱門。 身為 Cympack 產品開發團隊 ,我們也一直關注這個議題,在閱讀這篇文章時觀察到一些有趣的現象,對我們來說,這正好反映出 AI 正在改變開發生態,junior 借力 AI 快速成長、senior 則需要在 「架構思維」 與 「多 agent 協作」 中找到新定位,其中有些啟發(insight) 可以跟大家分享。 為什麼 Junior 更容易上手 vibe coding? 心智負擔低 → Junior 沒有太多傳統 code workflow 的框架包袱 敢於嘗鮮 → Gen Z / 年輕工程師天生習慣用 prompt-based 工具、跟 LLM 互動 少「優雅程式設計」的束縛 → 不太糾結「這樣寫會不會不夠優雅」,反而 embrace 快速迭代、快速出成果 反觀 Senior: 熟悉大型系統設計 有豐富的「工程正統流程」知識(架構設計、測試策略、效能優化、設計模式) 對 AI 生成 code 的品質 / 維護性通常比較保留 部分 10+ 年資深工程師,對 prompt engineering 沒那麼熟練,還在觀望 技能面(未來的關鍵能力) Vibe coding 本質上 = prompt engineering + AI co-pilot 管理能力 能力項目 誰目前比較有優勢? Prompt 撰寫 / AI 互動 Junior 較強(熟悉 chat-based 流程) 系統設計 / 架構把關 Senior 較強 AI 生成 code 驗證 / Bug 察覺能力 Senior 較強(能看出潛在問題) 快速疊代 / Hackathon 式開發 Junior 較強 長期維護性 / 穩定性 Senior 較強 總結 Junior 確實更快適應 vibe coding,並且更習慣以 「chat-based coding」 的工作流開發。 Senior 擁有驗證 AI 產物與系統設計的深度能力,但若不主動練習 vibe coding,長期會逐漸落後於新一波開發潮流。 就如同在 GAI 技術年會分享,希望帶給各位的感受, 『與 AI 協...

v0 API 是什麼?怎麼用?一篇教你搞懂功能、價格,還能搭配 Cursor 玩出 vibe coding!

Vercel 的 v0 是一款 AI 驅動的前端開發工具,能夠將自然語言描述轉換為可部署的 React 元件和 UI 介面,支援 Tailwind CSS,並可直接部署至 Vercel 平台。此外,v0 提供 API 介面,讓開發者能將其整合至其他工具,如 Cursor IDE,進一步提升開發效率。 Vercel v0 API 介紹 v0 API 目前處於 Beta 階段,主要提供 v0-1.0-md 模型,具備以下特點: 多模態支援:接受文字與圖片(base64 編碼)輸入。  快速串流回應:提供低延遲的串流回應。  OpenAI 相容:遵循 OpenAI Chat Completions API 格式,易於整合至現有工具。  前端開發優化:特別針對 Next.js 和 Vercel 等現代前端框架進行優化。 要使用 v0 API,需訂閱 Premium 或 Team 方案 ,並啟用使用量計費。 使用方式 API 端點: POST https://api.v0.dev/v1/chat/completions 請求標頭: Authorization: Bearer YOUR_V0_API_KEY Content-Type: application/json 參數範例: { "model": "v0-1.0-md", "messages": [ { "role": "user", "content": "建立一個具有身份驗證功能的 Next.js AI 聊天機器人" } ], "stream": true } 您也可以使用官方的 AI SDK 進行整合: npm install ai @ai-sdk/vercel 範例程式 javascript import { generateText } from 'ai'; import { vercel } from '@ai-sdk/vercel'; const { text } = await generateText({ model: vercel...