被追上也沒關係，我們為什麼還是繼續做 Termdock
Termdock 推出八個月後，很多原本很前面的功能已經被大廠 CLI 跟上了。但我們還是想繼續做，讓大量使用 CLI、經常切換專案的人，工作更順、更穩，也少被打斷。
主題索引
Startup
做產品和創業時遇到的事
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。
Product Hunt 後感：從 Termdock 首秀到完整發布策略
從 Termdock 首秀經驗出發，結合 Product Hunt 官方指南與 Tally、Wisp 案例，整理上線前準備、素材、當天互動與發布後成效追蹤。
cosGlint Android 封測結束
保留 cosGlint 2025 Android 封測心得與填答，補上個人帳號適用範圍、12 人連續 opt-in 14 天及公開資料規則。
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
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
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
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
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
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
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）。
Renew: Day 0
Renew: Day 0
被追上也沒關係，我們為什麼還是繼續做 Termdock
Termdock 推出八個月後，很多原本很前面的功能已經被大廠 CLI 跟上了。但我們還是想繼續做，讓大量使用 CLI、經常切換專案的人，工作更順、更穩，也少被打斷。
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。
Product Hunt 後感：從 Termdock 首秀到完整發布策略
從 Termdock 首秀經驗出發，結合 Product Hunt 官方指南與 Tally、Wisp 案例，整理上線前準備、素材、當天互動與發布後成效追蹤。
cosGlint Android 封測結束
保留 cosGlint 2025 Android 封測心得與填答，補上個人帳號適用範圍、12 人連續 opt-in 14 天及公開資料規則。
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
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
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
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
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
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
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）。
Renew: Day 0
Renew: Day 0