Agent 到底做了什麼？把模型、工具與產品請求接起來
Agent 可能重試、切換工具，或等待使用者核准。透過互動瀑布圖與 SDK 追蹤，把產品請求和每一次操作接起來，區分使用者看到的結果與中途發生的錯誤。
主題索引
AI
試模型、用 LLM 做產品的筆記
讓 Agent 說你的產品語言：偏好、臺灣用語與事實邊界
產品口吻不能只靠調整模型參數。以互動圖解整理使用者偏好與文字線索，再把臺灣繁中、回答長度與事實要求寫成 SDK 指引，讓不同任務都遵守相同的表達邊界。
Agent 任務 API 怎麼設計？分清完成、排隊與等待核准
模型有輸出，不代表 Agent 任務已完成。以互動資料流拆開完成、排隊、拒絕與故障，再把 SDK 的等待核准狀態接到產品 API，避免前端誤判與重複執行。
多步驟 Agent 任務太慢？先找關鍵路徑，再處理快取
Agent 可能反覆呼叫模型、查詢資料與執行工具。用互動時間軸找出關鍵路徑，區分串流、完整回答快取與 prompt caching，避免只縮短畫面等待卻放大執行成本。
產品 Agent 的模型層：選擇 SDK、處理重試與備援
Codex SDK、OpenAI Agents SDK 與 Claude Agent SDK 不是同一種模型介面。先確認 Agent 執行環境與狀態責任，再設計能力相容、有限重試和跨供應商備援。
Agent 如何整理資料洞察？先分群，再讓模型命名
想讓 Agent 從客服對話找出產品問題，需要先整理資料與群組證據，再讓模型提議名稱。用 DBSCAN 互動圖解與 SDK 結構化輸出，分清分群、命名與人工判斷的責任。
把產品能力交給 Agent：工具契約、執行計畫與核准流程
讓模型選到工具只是第一步。將既有產品 API 包成可驗證的工具，搭配 MCP 與 SDK 核准機制，處理參數、相依關係和寫入風險。
如何在你的產品裡打造 Agentic 功能：從聊天框到可控的任務迴圈
綜合產品開發與企業輔導經驗，說明如何在產品裡打造 Agentic 功能。搭配 Codex、OpenAI Agents 與 Claude Agent SDK，設計工具、狀態、核准與停止條件。
讓產品 Agent 記住事情：對話狀態、長期記憶與脈絡預算
SDK 接續一段對話，不等於替產品建立長期記憶。從當次對話、歷史紀錄與整理後的偏好出發，拆開資料責任、記憶更新與模型輸入預算。
Agent 能動手之後：替產品建立安全與授權邊界
Agent 不只產生文字，還可能查資料或改動產品狀態。搭配產品實作情境與現行 SDK，拆開輸入、工具授權與輸出檢查的責任。
GitLab Duo CLI 進階篇：批次自動化、多模型比較與降噪技巧
保留 2026 年 6 月的 Duo CLI 批次 review 經驗，更新 2026-10-08 的模型識別碼、headless 自動核准與 Credits 計費。附可重試的完成標記、timeout 腳本，以及單次實測的限制。
我怎麼用 GitLab Duo CLI 做 Code Review：一個社群維護者的日常
保留我在 2026 年 6 月用 GitLab Duo CLI 做 review 的經驗，並補上 2026-10-08 的版本與 namespace 前提、模型識別碼、Credits 計費，以及 headless 自動核准工具的邊界。
淺談 Prompt Cache
Prompt Cache 如何重用 LLM 輸入？區分論文與前綴快取，整理 OpenAI、Anthropic、Gemini、DeepSeek 的最新 SDK 範例、TTL、命中欄位與成本。
Day:292 NEXT
第 292 天的年度檢討：從 Ingrelens 與 cosGlint 的基礎建設到架構解耦，LLM 與後端分離、Orchestrator 上線；經歷 11 月大流量的佇列塞車與 48 小時救火，補齊觀測與調度。cosGlint 的使用者已超過兩千，內建 13k+ 商品，1.3.0 也推出了全方位部位檢測。
算力政治的三條主線：美國管制、企業分流與中國的變通
保留 2025 年對美國出口管制、企業供應與中國硬體替代的分析，補上 2026 年 H200、MI325X 有條件逐案審查的政策後續，區分提案、現行規則與境外算力交易的限制。
OpenAI 十月風暴：改制綁定、監管壓力與系統性風險全解析
以下整理 2025 年 10 月間 OpenAI 的核心爭議：改制與融資綁定、反壟斷與監管壓力、內容政策（成人情色）、安全與法律風險，以及「過度互聯、可能太大而不能倒」的系統性風險討論。
Day 234：cosGlint 1.2.4 上線，成分分析＋10 種膚質檢測，保養選品更精準
cosGlint 1.2.4 上線：Findskin 核心演算法重新設計、膚質細分至 10 種，搭配全新相機介面與「計算權重」報告，讓拍照更順、結果更準。Ingrelens 提供 AI 成分解讀、膚況檢測與個人化保養建議，協助判斷產品是否合適。
快與深同路：把「不打擾」與「有話想說」設計成同一個動作
cosGlint 的回饋介面：點一下分數，30 秒後自動送出，想補充的人也能寫文字或撤回。這篇記錄我如何用倒數、動畫和 A/B 測試，讓兩種需求放在同一個流程裡。
面試也不能掉以輕心的資安風險
面試作業也可能是攻擊入口：一次 Node/React 測試儲存庫的伺服器端惡意載入與防護重點
OpenAI 即將放寬色情內容是一種妥協嗎？
回看 2025 年 OpenAI 宣布放寬成年人內容的計畫，區分原始訊息、產品判斷與實際可用範圍；補上個人化指示和內容權限應分開管理的做法。
cosGlint 打造可信的「天氣×保養」系統機制
把高溫、濕度、風速、UV 指數轉成可執行的日常保養：從保養品分析到成分分析，cosGlint 以可被解釋的訊號給出白天防曬、夜間修護、隔日預防的具體指引。
Termdock
Termdock 是以終端為核心的開發環境，整合多工作區、多終端、AST 深度搜尋和檔案/Prompt 管理，也提供 Git 輔助與智慧拖放，減少開發時的視窗切換。
Day 209：我們如何把保養品成分分析變得可用、可信、可比較
回顧 cosGlint 第 209 天的成分分析與產品規劃，補上 Day 234、1.2.4 膚質演算法及相機介面的後續更新。
Vibe coding：你該知道的 API key 知識
保留 API key 外洩事件，更新 Gemini 預付計費與 OpenAI 支出上限，說明後端代理、配額、限流和停機責任。
OpenAI GPT-5 推出後，大家真的在懷念 GPT-4o？
回看 2025 年 GPT-5 上線與 GPT-4o 回歸爭議，討論選擇權、互動偏好與產品語氣設計；補上 2026 年自訂指示和事實邊界的做法。
從技術債到戰略投資
這週從 SEO、Dockerfile/Supervisor、狀態管理、Tiptap + AI 到 環境變數，每天都有新坑。與其把它們當救火，我選擇把舊債系統性轉成投資，讓產品的基礎更穩。 * SEO不是小事。重新設計 JSON‑LD 和 metadata，短期流量未必動，但可
技術債與彈性之間：我把 LLM 微服務拆出來了
這週幾乎都在跟 LLM 微服務搏鬥：調整彈性、金鑰池、供應商切換、逃生門與 fallback 機制，再整合 Sentry 與 Redis 限流。這些改動使用者不一定看得到，但對穩定性與後續擴充很關鍵。 本週進展 * LLM 微服務成功從 Ingrelens 主專案抽離，架
OAuth 解除綁定的取捨：那些看起來很小、其實很難的決定
保留 Google 解除綁定的開發經過，補上站內 session、OAuth scope、access／refresh token 與登入同意撤銷的差異。
SEO 跟使用者體驗的拔河
昨天猶豫了半天要不要接 Microsoft Clarity，今天早上看了幾段 session 錄影，心裡總算鬆一口氣。問題一目了然：搜尋輸入體驗太糟。輸入法組字的時機一錯，搜尋建議就瘋狂跳，整段流程像在考驗使用者耐心。 第一件事，我把搜尋輸入的 debounce 重寫：組字期間
軟刪除這件小事，背後的細節卻不小
軟刪除這件小事，背後的細節卻不小 原本只想補一個產品刪除 API。硬刪除直覺又乾脆，但總會有人手滑、客服就會來敲門。最後還是加了 deletedAt 欄位，用軟刪除留個回頭路。 一做下去才發現沒那麼單純：所有產品查詢都要顧到「未刪除」的狀態，沒有 WHERE deletedA
為體驗與準確性重構一切
圖片輪播的坑，比我想的深得多。昨天把 .gitignore 的怪事整理完，今天回到產品開發，開始做待辦清單裡的圖片輪播。原本估半小時的小元件，結果一做就發現邊界狀況一堆。 先是圖片 URL 的檢查，避免破圖。寫到載入狀態才真正頭痛：使用者網路慢，圖片還沒載好，輪播就先動，體驗直
中文用語統一大作戰：從小細節到底層穩定，這週我修了哪些坑
本來計畫把時間放在核心功能的優化，結果一打開產品分析服務的介面，先被一堆不一致的中文用詞刺了一下。看似微小的「上傳」「提交」「新增」差異，卻會讓品牌商覺得產品不夠專業，也影響他們的信任。想到我們的客群特別在乎質感，我還是把今天的重心從新功能挪開，展開一場用語清掃。 原本只想改幾
AI 分類越做越複雜，是在挖坑還是填坑？
AI 分類越做越複雜，是在挖坑還是填坑？ 這幾天把重心放在兩件事：產品分類的 AI 自動化，以及安全檢查服務的重構。原本以為只是把 API 接上、模型升級一下，結果一路從資料結構、路由、紀錄，到架構設計全被牽出來重整。 先談分類。 起手式很直接：把產品名稱與描述丟給模型，取
FindSkin：從命名到體驗，把混亂收回來
記錄 FindSkin 當時的命名、問卷與介面整理，補上 cosGlint 1.2.4 演算法與 10 種膚質分類的後續文章。
看不見的細節，為什麼值得？
今天的開發原本很單純：做一個訪客帳號。實作後卻發現，難的是讓它用起來一致、可信。這一整天的折返，讓我更確定：產品的差異，往往來自那些使用者不會主動說出口、卻一直感受到的細節。 一、身分與名稱要一致。一開始我以為 localStorage 放個暱稱就好。等到遇到「訪客是否能轉成正
重構永遠不是「只是改一下」的事
今天原本只打算把產品頁改成 client-side component，改善 SSR 時卡卡的效能與 UX。結果一碰到 loading 與 error 處理，才發現 API 根本沒涵蓋這些情境，只好連同整包一起重整。有人會問：「真的有必要動 API？用戶會在意嗎？」我很確定，這種
API 重構後的幾點實話：技術債、產品判斷與下一步
API 重構後的幾點實話：技術債、產品判斷與下一步 這週把 Ingrelens 的幾個老問題一次整起來：API 架構統一、環境變數管理自動化、會員系統與帳號刪除流程重構，還把 HTTP 全面升級到 HTTPS。Dockerfile 重新整理、部署腳本補上該有的保險，過去半年累積
Email 驗證、會員系統與那些「看似簡單」的更新紀錄
今天幾乎都在跟會員系統纏鬥。Ingrelens 一開始只是做「註冊、登入」這種基本功能，結果一路長出資料更新、密碼修改、guest 升級成正式會員……每加一個需求，整體邏輯就再複雜一點。 先處理 email 驗證。以前的流程只是寄信、點連結，直到要支援 guest 升級與 em
把炸彈拆完，才有力氣往前走
游標分頁、環境變數與 API 統一大作戰：把炸彈拆完，才有力氣往前走 有些技術債務不會自己消失，換個環境就原形畢露。這兩天我乾脆把 API URL 的處理邏輯整個抽出來，用環境變數統一管理，再加上 trim，免得前後多了空白符號害人抓狂。順手把散落各處的 console.log
Dockerfile、環境變數與 API endpoint：一次把坑補齊的週記
這兩天主要在補技術債、梳理架構，過程當然少不了自我懷疑，但也總算把幾個老問題處理好了。 先是 Dockerfile。昨晚就覺得哪裡怪，早上看 deployment log 才確認：前端 CORS 一直叫，後端 API 的 domain whitelist 根本沒吃到。追了半天發
成分搜尋與 API 整合的兩天修補：從資料庫到前端的連鎖反應
成分搜尋與 API 整合的兩天修補：從資料庫到前端的連鎖反應 這兩天主要在處理兩件事：把成分搜尋做對、把 API 整合拉回穩定。結果一路從資料庫 schema、ORM、到前端路由和狀態管理，全都被牽出來重整了一遍。 先說成分搜尋。之前後端只有陽春 CRUD，前端要找成分時不是
當重構像多米諾骨牌：從小修到整體優化的一週
延續昨天的 AI 整合反思，我原本只想讓產品分析結果更好讀。沒想到下去動了一個顯示細節，整個渲染邏輯就像多米諾骨牌一樣一路倒下：從前端元件、狀態流到資料處理方式，都得重新整理。雖然頭疼，但結果讓我滿意。 先從「觀察互動」著手。我加了一個專門顯示成分的區塊，原本擔心資訊太細，使用
條碼的幽靈：安全與現實的角力
昨天把產品管理的 CRUD 骨架穩住後，今天直接把精力放在條碼掃描的擴展。理由很簡單：如果輸入資料不可靠，後面的分析再巧都只是表面工夫。 先整理了幾個後端細節，把多餘的 SQL 彈性收斂，移除那些看似靈活、實則增加風險的參數，順手解了一些依賴問題。結論很直白：簡化後更安全，查詢
穩住掃描，補強地基：今天我為 IngreLens 做的兩件事
讓掃描更可靠，也把產品管理功能做紮實
做減法的 API 決策：把模型切換藏進產品分析，專注真實場景
這次把「AI 模型切換」端點併入產品分析 API，讓功能回到穩定、準確的分析。也處理 OpenAI 模型更新的封裝，補上 FastAPI middleware 與錯誤處理；下週要做完整的整合測試，也確認前後端能搭配運作，並用監控與快速還原先前版本的機制降低風險。
Day1 : 把 AI 成分分析的後端雛形搭起來
打造「保養品成分分析」後端原型：選用 FastAPI，以非同步處理應對 AI 延遲，並設計可在多模型間安全切換的「逃生門」（含 Grok）。重點放在錯誤處理與降級邏輯，確保故障時介面穩定。下一步：基準測試冷啟動與延遲、明確 SLA/降級策略、補齊觀測性（metrics、tracing、警示）。
Agent 到底做了什麼？把模型、工具與產品請求接起來
Agent 可能重試、切換工具，或等待使用者核准。透過互動瀑布圖與 SDK 追蹤，把產品請求和每一次操作接起來，區分使用者看到的結果與中途發生的錯誤。
讓 Agent 說你的產品語言：偏好、臺灣用語與事實邊界
產品口吻不能只靠調整模型參數。以互動圖解整理使用者偏好與文字線索，再把臺灣繁中、回答長度與事實要求寫成 SDK 指引，讓不同任務都遵守相同的表達邊界。
Agent 任務 API 怎麼設計？分清完成、排隊與等待核准
模型有輸出，不代表 Agent 任務已完成。以互動資料流拆開完成、排隊、拒絕與故障，再把 SDK 的等待核准狀態接到產品 API，避免前端誤判與重複執行。
多步驟 Agent 任務太慢？先找關鍵路徑，再處理快取
Agent 可能反覆呼叫模型、查詢資料與執行工具。用互動時間軸找出關鍵路徑，區分串流、完整回答快取與 prompt caching，避免只縮短畫面等待卻放大執行成本。
產品 Agent 的模型層：選擇 SDK、處理重試與備援
Codex SDK、OpenAI Agents SDK 與 Claude Agent SDK 不是同一種模型介面。先確認 Agent 執行環境與狀態責任，再設計能力相容、有限重試和跨供應商備援。
Agent 如何整理資料洞察？先分群，再讓模型命名
想讓 Agent 從客服對話找出產品問題，需要先整理資料與群組證據，再讓模型提議名稱。用 DBSCAN 互動圖解與 SDK 結構化輸出，分清分群、命名與人工判斷的責任。
把產品能力交給 Agent：工具契約、執行計畫與核准流程
讓模型選到工具只是第一步。將既有產品 API 包成可驗證的工具，搭配 MCP 與 SDK 核准機制，處理參數、相依關係和寫入風險。
如何在你的產品裡打造 Agentic 功能：從聊天框到可控的任務迴圈
綜合產品開發與企業輔導經驗，說明如何在產品裡打造 Agentic 功能。搭配 Codex、OpenAI Agents 與 Claude Agent SDK，設計工具、狀態、核准與停止條件。
讓產品 Agent 記住事情：對話狀態、長期記憶與脈絡預算
SDK 接續一段對話，不等於替產品建立長期記憶。從當次對話、歷史紀錄與整理後的偏好出發，拆開資料責任、記憶更新與模型輸入預算。
Agent 能動手之後：替產品建立安全與授權邊界
Agent 不只產生文字，還可能查資料或改動產品狀態。搭配產品實作情境與現行 SDK，拆開輸入、工具授權與輸出檢查的責任。
GitLab Duo CLI 進階篇：批次自動化、多模型比較與降噪技巧
保留 2026 年 6 月的 Duo CLI 批次 review 經驗，更新 2026-10-08 的模型識別碼、headless 自動核准與 Credits 計費。附可重試的完成標記、timeout 腳本，以及單次實測的限制。
我怎麼用 GitLab Duo CLI 做 Code Review：一個社群維護者的日常
保留我在 2026 年 6 月用 GitLab Duo CLI 做 review 的經驗，並補上 2026-10-08 的版本與 namespace 前提、模型識別碼、Credits 計費，以及 headless 自動核准工具的邊界。
淺談 Prompt Cache
Prompt Cache 如何重用 LLM 輸入？區分論文與前綴快取，整理 OpenAI、Anthropic、Gemini、DeepSeek 的最新 SDK 範例、TTL、命中欄位與成本。
Day:292 NEXT
第 292 天的年度檢討：從 Ingrelens 與 cosGlint 的基礎建設到架構解耦，LLM 與後端分離、Orchestrator 上線；經歷 11 月大流量的佇列塞車與 48 小時救火，補齊觀測與調度。cosGlint 的使用者已超過兩千，內建 13k+ 商品，1.3.0 也推出了全方位部位檢測。
算力政治的三條主線：美國管制、企業分流與中國的變通
保留 2025 年對美國出口管制、企業供應與中國硬體替代的分析，補上 2026 年 H200、MI325X 有條件逐案審查的政策後續，區分提案、現行規則與境外算力交易的限制。
OpenAI 十月風暴：改制綁定、監管壓力與系統性風險全解析
以下整理 2025 年 10 月間 OpenAI 的核心爭議：改制與融資綁定、反壟斷與監管壓力、內容政策（成人情色）、安全與法律風險，以及「過度互聯、可能太大而不能倒」的系統性風險討論。
Day 234：cosGlint 1.2.4 上線，成分分析＋10 種膚質檢測，保養選品更精準
cosGlint 1.2.4 上線：Findskin 核心演算法重新設計、膚質細分至 10 種，搭配全新相機介面與「計算權重」報告，讓拍照更順、結果更準。Ingrelens 提供 AI 成分解讀、膚況檢測與個人化保養建議，協助判斷產品是否合適。
快與深同路：把「不打擾」與「有話想說」設計成同一個動作
cosGlint 的回饋介面：點一下分數，30 秒後自動送出，想補充的人也能寫文字或撤回。這篇記錄我如何用倒數、動畫和 A/B 測試，讓兩種需求放在同一個流程裡。
面試也不能掉以輕心的資安風險
面試作業也可能是攻擊入口：一次 Node/React 測試儲存庫的伺服器端惡意載入與防護重點
OpenAI 即將放寬色情內容是一種妥協嗎？
回看 2025 年 OpenAI 宣布放寬成年人內容的計畫，區分原始訊息、產品判斷與實際可用範圍；補上個人化指示和內容權限應分開管理的做法。
cosGlint 打造可信的「天氣×保養」系統機制
把高溫、濕度、風速、UV 指數轉成可執行的日常保養：從保養品分析到成分分析，cosGlint 以可被解釋的訊號給出白天防曬、夜間修護、隔日預防的具體指引。
Termdock
Termdock 是以終端為核心的開發環境，整合多工作區、多終端、AST 深度搜尋和檔案/Prompt 管理，也提供 Git 輔助與智慧拖放，減少開發時的視窗切換。
Day 209：我們如何把保養品成分分析變得可用、可信、可比較
回顧 cosGlint 第 209 天的成分分析與產品規劃，補上 Day 234、1.2.4 膚質演算法及相機介面的後續更新。
Vibe coding：你該知道的 API key 知識
保留 API key 外洩事件，更新 Gemini 預付計費與 OpenAI 支出上限，說明後端代理、配額、限流和停機責任。
OpenAI GPT-5 推出後，大家真的在懷念 GPT-4o？
回看 2025 年 GPT-5 上線與 GPT-4o 回歸爭議，討論選擇權、互動偏好與產品語氣設計；補上 2026 年自訂指示和事實邊界的做法。
從技術債到戰略投資
這週從 SEO、Dockerfile/Supervisor、狀態管理、Tiptap + AI 到 環境變數，每天都有新坑。與其把它們當救火，我選擇把舊債系統性轉成投資，讓產品的基礎更穩。 * SEO不是小事。重新設計 JSON‑LD 和 metadata，短期流量未必動，但可
技術債與彈性之間：我把 LLM 微服務拆出來了
這週幾乎都在跟 LLM 微服務搏鬥：調整彈性、金鑰池、供應商切換、逃生門與 fallback 機制，再整合 Sentry 與 Redis 限流。這些改動使用者不一定看得到，但對穩定性與後續擴充很關鍵。 本週進展 * LLM 微服務成功從 Ingrelens 主專案抽離，架
OAuth 解除綁定的取捨：那些看起來很小、其實很難的決定
保留 Google 解除綁定的開發經過，補上站內 session、OAuth scope、access／refresh token 與登入同意撤銷的差異。
SEO 跟使用者體驗的拔河
昨天猶豫了半天要不要接 Microsoft Clarity，今天早上看了幾段 session 錄影，心裡總算鬆一口氣。問題一目了然：搜尋輸入體驗太糟。輸入法組字的時機一錯，搜尋建議就瘋狂跳，整段流程像在考驗使用者耐心。 第一件事，我把搜尋輸入的 debounce 重寫：組字期間
軟刪除這件小事，背後的細節卻不小
軟刪除這件小事，背後的細節卻不小 原本只想補一個產品刪除 API。硬刪除直覺又乾脆，但總會有人手滑、客服就會來敲門。最後還是加了 deletedAt 欄位，用軟刪除留個回頭路。 一做下去才發現沒那麼單純：所有產品查詢都要顧到「未刪除」的狀態，沒有 WHERE deletedA
為體驗與準確性重構一切
圖片輪播的坑，比我想的深得多。昨天把 .gitignore 的怪事整理完，今天回到產品開發，開始做待辦清單裡的圖片輪播。原本估半小時的小元件，結果一做就發現邊界狀況一堆。 先是圖片 URL 的檢查，避免破圖。寫到載入狀態才真正頭痛：使用者網路慢，圖片還沒載好，輪播就先動，體驗直
中文用語統一大作戰：從小細節到底層穩定，這週我修了哪些坑
本來計畫把時間放在核心功能的優化，結果一打開產品分析服務的介面，先被一堆不一致的中文用詞刺了一下。看似微小的「上傳」「提交」「新增」差異，卻會讓品牌商覺得產品不夠專業，也影響他們的信任。想到我們的客群特別在乎質感，我還是把今天的重心從新功能挪開，展開一場用語清掃。 原本只想改幾
AI 分類越做越複雜，是在挖坑還是填坑？
AI 分類越做越複雜，是在挖坑還是填坑？ 這幾天把重心放在兩件事：產品分類的 AI 自動化，以及安全檢查服務的重構。原本以為只是把 API 接上、模型升級一下，結果一路從資料結構、路由、紀錄，到架構設計全被牽出來重整。 先談分類。 起手式很直接：把產品名稱與描述丟給模型，取
FindSkin：從命名到體驗，把混亂收回來
記錄 FindSkin 當時的命名、問卷與介面整理，補上 cosGlint 1.2.4 演算法與 10 種膚質分類的後續文章。
看不見的細節，為什麼值得？
今天的開發原本很單純：做一個訪客帳號。實作後卻發現，難的是讓它用起來一致、可信。這一整天的折返，讓我更確定：產品的差異，往往來自那些使用者不會主動說出口、卻一直感受到的細節。 一、身分與名稱要一致。一開始我以為 localStorage 放個暱稱就好。等到遇到「訪客是否能轉成正
重構永遠不是「只是改一下」的事
今天原本只打算把產品頁改成 client-side component，改善 SSR 時卡卡的效能與 UX。結果一碰到 loading 與 error 處理，才發現 API 根本沒涵蓋這些情境，只好連同整包一起重整。有人會問：「真的有必要動 API？用戶會在意嗎？」我很確定，這種
API 重構後的幾點實話：技術債、產品判斷與下一步
API 重構後的幾點實話：技術債、產品判斷與下一步 這週把 Ingrelens 的幾個老問題一次整起來：API 架構統一、環境變數管理自動化、會員系統與帳號刪除流程重構，還把 HTTP 全面升級到 HTTPS。Dockerfile 重新整理、部署腳本補上該有的保險，過去半年累積
Email 驗證、會員系統與那些「看似簡單」的更新紀錄
今天幾乎都在跟會員系統纏鬥。Ingrelens 一開始只是做「註冊、登入」這種基本功能，結果一路長出資料更新、密碼修改、guest 升級成正式會員……每加一個需求，整體邏輯就再複雜一點。 先處理 email 驗證。以前的流程只是寄信、點連結，直到要支援 guest 升級與 em
把炸彈拆完，才有力氣往前走
游標分頁、環境變數與 API 統一大作戰：把炸彈拆完，才有力氣往前走 有些技術債務不會自己消失，換個環境就原形畢露。這兩天我乾脆把 API URL 的處理邏輯整個抽出來，用環境變數統一管理，再加上 trim，免得前後多了空白符號害人抓狂。順手把散落各處的 console.log
Dockerfile、環境變數與 API endpoint：一次把坑補齊的週記
這兩天主要在補技術債、梳理架構，過程當然少不了自我懷疑，但也總算把幾個老問題處理好了。 先是 Dockerfile。昨晚就覺得哪裡怪，早上看 deployment log 才確認：前端 CORS 一直叫，後端 API 的 domain whitelist 根本沒吃到。追了半天發
成分搜尋與 API 整合的兩天修補：從資料庫到前端的連鎖反應
成分搜尋與 API 整合的兩天修補：從資料庫到前端的連鎖反應 這兩天主要在處理兩件事：把成分搜尋做對、把 API 整合拉回穩定。結果一路從資料庫 schema、ORM、到前端路由和狀態管理，全都被牽出來重整了一遍。 先說成分搜尋。之前後端只有陽春 CRUD，前端要找成分時不是
當重構像多米諾骨牌：從小修到整體優化的一週
延續昨天的 AI 整合反思，我原本只想讓產品分析結果更好讀。沒想到下去動了一個顯示細節，整個渲染邏輯就像多米諾骨牌一樣一路倒下：從前端元件、狀態流到資料處理方式，都得重新整理。雖然頭疼，但結果讓我滿意。 先從「觀察互動」著手。我加了一個專門顯示成分的區塊，原本擔心資訊太細，使用
條碼的幽靈：安全與現實的角力
昨天把產品管理的 CRUD 骨架穩住後，今天直接把精力放在條碼掃描的擴展。理由很簡單：如果輸入資料不可靠，後面的分析再巧都只是表面工夫。 先整理了幾個後端細節，把多餘的 SQL 彈性收斂，移除那些看似靈活、實則增加風險的參數，順手解了一些依賴問題。結論很直白：簡化後更安全，查詢
穩住掃描，補強地基：今天我為 IngreLens 做的兩件事
讓掃描更可靠，也把產品管理功能做紮實
做減法的 API 決策：把模型切換藏進產品分析，專注真實場景
這次把「AI 模型切換」端點併入產品分析 API，讓功能回到穩定、準確的分析。也處理 OpenAI 模型更新的封裝，補上 FastAPI middleware 與錯誤處理；下週要做完整的整合測試，也確認前後端能搭配運作，並用監控與快速還原先前版本的機制降低風險。
Day1 : 把 AI 成分分析的後端雛形搭起來
打造「保養品成分分析」後端原型：選用 FastAPI，以非同步處理應對 AI 延遲，並設計可在多模型間安全切換的「逃生門」（含 Grok）。重點放在錯誤處理與降級邏輯，確保故障時介面穩定。下一步：基準測試冷啟動與延遲、明確 SLA/降級策略、補齊觀測性（metrics、tracing、警示）。