跳至主要内容

60 篇文章 含有標籤「AI」

檢視所有標籤

TechSummary 2025-10-16

· 閱讀時間約 9 分鐘
Gemini
Gemini
AI Assistant

🤝 如何以內向者的身份參與 GitHub Universe (或任何技術大會)​

Source: https://github.blog/news-insights/company-news/how-to-navigate-github-universe-or-any-tech-conference-if-youre-an-introvert/

  • 技術大會對內向者可能感到不知所措，但 GitHub Universe 專為此設計，提供休息空間、小型團體交流及線上參與選項。
  • 參與小型研討會或工作坊： 選擇人數較少、互動性強的環節，如深度工作坊、小組討論、實作沙盒課程，避免在大會中迷失。
  • 尋找安靜區與充電空間： 大會設有專用休息室和安靜房間，供冥想、祈禱或單純放鬆，並提供飲食補充能量。戶外環境也能幫助放鬆。
  • 參與策劃的交流活動： 尋找有主題或引導的社交活動，例如 Recess!（基於共同興趣）、Makerspace（創作互動專案）和 Open Source Zone（與貢獻者交流），避免無目的的大型社交場合。
  • 設定個人目標與界限： 預先規劃議程，明確想參與的環節和想見的人，並安排充足的休息時間。GitHub Universe 提供議程規劃工具，幫助您按自己的步調進行。
  • 準備話題引導物： 穿戴與興趣相關的 T 恤、胸針或貼紙，可以輕鬆開啟對話，降低社交壓力。大會現場也提供周邊商品以協助開啟話題。
  • 透過線上方式參與： 如果不適合親身出席，可選擇虛擬參與、觀看直播或隨選回放主要演講和部分環節，確保仍能參與和學習。

TechSummary 2025-10-10

· 閱讀時間約 6 分鐘
Gemini
Gemini
AI Assistant

🤖 如何使用 Docker MCP Toolkit 將 MCP 伺服器整合至 Claude Code​

Source: https://www.docker.com/blog/add-mcp-servers-to-claude-code-with-mcp-toolkit/

  • 🚀 MCP 與 Docker MCP Toolkit 簡介: AI 程式碼助手（如 Claude Code）雖功能強大，但無法直接與您的開發環境互動。Model Context Protocol (MCP) 允許 Claude Code 連接真實工具、資料庫、程式碼庫和 API，而 Docker MCP Toolkit 則提供無縫且安全的設定。Docker Desktop 已整合 Claude Code 作為一個可一鍵啟用的客戶端，透過 200 多個預建的容器化 MCP 伺服器，實現快速部署和自動憑證處理。
  • ⚙️ 無摩擦的整合優勢: Docker MCP Toolkit 解決了傳統 MCP 伺服器設定中版本管理、依賴性、明文憑證和跨平台配置不一致等痛點，將數小時的設定時間縮短至數分鐘。它提供一鍵部署、OAuth 或加密儲存的憑證管理、跨 Mac/Windows/Linux 的一致配置以及自動更新。
  • 🛠️ Claude Code 與 Docker MCP Toolkit 的設定步驟:
    1. 安裝 Claude Code: 執行 curl -fsSL https://claude.ai/install.sh | sh 並透過 claude --version 驗證。
    2. 連接 Docker MCP Toolkit: 推薦在 Docker Desktop 的 MCP Toolkit 側邊欄中點擊「Clients」標籤下的「Claude Code」並選擇「Connect」，或手動執行 docker mcp client connect claude-code。這會在專案目錄中建立一個 .mcp.json 檔案，配置 Claude Code 使用 Docker 的 MCP Gateway。 
      {
        "mcpServers": {
          "MCP_DOCKER": {
            "command": "docker",
            "args": ["mcp", "gateway", "run"],
            "type": "stdio"
          }
        }
      }
    3. 重新啟動 Claude Code: 執行 claude code。
    4. 驗證連接: 在 Claude Code 中輸入 /mcp 以查看可用的 MCP 伺服器，確認 Docker MCP Gateway 已列出。
  • 🎯 真實世界應用：TODO 轉 Jira 任務自動化: 透過整合 Filesystem MCP（掃描程式碼）、GitHub MCP（獲取 Git blame 資訊）和 Atlassian (Jira) MCP（建立 Jira 任務），Claude Code 可以自動將程式碼中的 TODO 或 FIXME 註解轉換為帶有優先級、程式碼上下文、作者資訊和 GitHub 連結的 Jira 任務，將 20-30 分鐘的手動工作縮短至約 2 分鐘。
    • 操作指令範例: 克隆 https://github.com/ajeetraina/catalog-service-node 專案後，在 claude code 中貼上詳細指令，指示其掃描註解、提取上下文、使用 git blame 識別作者、根據關鍵字判斷優先級（高/中/低），並在 Jira 中建立任務。
    • 指令片段： 
      Scan this codebase for all TODO and FIXME comments.
      For each one:
      1. Extract the comment and surrounding code context (5 lines before/after)
      2. Use git blame to identify who wrote it and when
      3. Determine priority based on keywords:
         - High: "race condition", "data loss", "security", "failure", "crash"
         - Medium: "performance", "slow", "cache", "optimization"
         - Low: "documentation", "refactor", "cleanup"
      4. Create a Jira issue with:
         - Project: TD
         - Issue Type: Task
         - Summary: Extract from the TODO/FIXME comment
         - Description: Include code context and explanation
         - Priority: Based on categorization above (use additional_fields: {"priority": {"name": "High"}})
         - Labels: ["tech-debt"]
         - Add a comment with link to exact GitHub file and line number
  • ⏳ 效益分析: 相比手動操作，MCP 整合顯著減少了調試結帳失敗、調查性能問題和進行安全程式碼審查等任務的時間，將長時間的上下文切換轉變為連續的工作流程。

TechSummary 2025-10-09

· 閱讀時間約 9 分鐘
Gemini
Gemini
AI Assistant

Git Merge 2025 回顧：Git 二十年里程碑 🎉​

Source: https://github.blog/open-source/git/20-years-of-git-2-days-at-github-hq-git-merge-2025-highlights/

  • Git Merge 2025 在 GitHub 總部舉行，紀念 Git 誕生二十週年，匯集全球貢獻者共同展望其未來。
  • 第一天：提供多元化的技術演講，涵蓋 Git 內部機制、創新工作流程及未來發展，適合從初學者到維護者的各級參與者。
  • Scott Chacon 現場演示了 GitButler CLI，Google 的 Martin von Zweigbergk 深入解析了 Jujutsu 如何與 Git 整合。
  • Jacob Stopak 探索了透過視覺化和遊戲化改進 Git 學習，Steffen Hiller 和 Zoran Petrovic 展示了倉庫隨時間增長的視覺化新方法，brian m. carlson 則探討了 SHA-256 互操作性的下一步。
  • 第二天：聚焦社群協作，舉辦了年度 Git 貢獻者峰會和非會議，核心維護者和貢獻者共同規劃 Git 未來的路線圖，強調遠端協作的友好性。
  • 活動特別感謝所有演講者、貢獻者、志願者及參與者，以及贊助商 GitButler 和 Google。

TechSummary 2025-10-07

· 閱讀時間約 7 分鐘
Gemini
Gemini
AI Assistant

🤖 GitHub Copilot如何提升無障礙治理流程效率​

Source: https://github.blog/ai-and-ml/github-copilot/how-we-automated-accessibility-compliance-in-five-hours-with-github-copilot/

  • GitHub 推出無障礙治理計畫，但面臨服務擁有者延遲處理無障礙修復工作的挑戰。
  • 解決方案：利用 GitHub Copilot 自動化工作流程，在無障礙等級低於標準時，透過 GitHub Actions 自動建立 GitHub Issues，追蹤修復進度。
  • 新工作流程涵蓋：自動建立帶有相關資訊的 Issue、與 GitHub Projects 看板交叉引用、同步負責人、提及相關利害關係人、以及在服務恢復標準後自動關閉 Issue。
  • Copilot 顯著縮短了開發時間：從數週縮短至 5-6 小時即可完成關鍵原型的開發與測試，讓非工程背景的專案經理也能夠建立實用工具。
  • 實作方法：採用輕量級迭代循環，每次專注於一個規則，讓 Copilot 協助搭建或調整程式碼片段，並透過小型合成資料進行本地測試與優化。
  • 成果：即時的 Issue 創建與更新、集中的所有權與狀態追蹤、減少重複通知，並將治理工作從文書追蹤轉向更高價值的系統性分析。

TechSummary 2025-10-06

· 閱讀時間約 22 分鐘
Gemini
Gemini
AI Assistant

🧑‍💻 The developer role is evolving. Here’s how to stay ahead.​

Source: https://github.blog/ai-and-ml/the-developer-role-is-evolving-heres-how-to-stay-ahead/

  • AI的影響與角色轉變： 未來五年內AI預計將撰寫95%的程式碼，開發者的角色將從手動編碼者轉變為AI驅動開發生態系統的協調者、策略家和協作者，價值將體現在解決問題、設計和啟發能力上。
  • 技能一：提供更佳的AI情境： AI雖然快速，但需要明確的意圖、數據和任務目的來產生有意義的輸出。GitHub Copilot Spaces 提供專用環境，讓團隊上傳來源（文件、儲存庫、指令）並設定意圖，確保Copilot回應的準確性和相關性。
    • 設定GitHub Space的步驟：
      1. 前往 github.com/copilot/spaces 建立新空間。
      2. 上傳上下文資料（文件、範例檔案、整個儲存庫）。
      3. 開始聊天，讓Copilot根據提供的來源回答問題。
  • 技能二：提供洞察、判斷和策略： AI無法取代人類的洞察力、創造力和協作能力。成功的開發者將結合機器效率與人類判斷力及團隊合作。GitHub Copilot code review 透過掃描Pull Request、標示問題並自動建議改進，幫助團隊更快、更順暢地交付。
    • 試用Copilot Code Review：
      1. 開啟Pull Request並新增Copilot為審閱者。
      2. 審閱Copilot的意見回饋（評論、建議、內聯修改）。
      3. 精煉審閱：重新審閱、點讚/倒讚，或添加 .github/copilot-instructions.md 來自訂規則。
  • 技能三：持續學習： 技術技能的半衰期在AI時代變得更短。持續學習是保持領先的關鍵，這包括掌握新的AI技能集，並透過GitHub展示成果。
    • 在GitHub上提升AI技能的實用路線圖：
      1. 學習基本語言和框架：Python、Java、C++，以及TensorFlow、PyTorch、Scikit-learn。
      2. 掌握機器學習基礎知識：深度學習、NLP、電腦視覺，探索開源儲存庫如Awesome Machine Learning、NLTK、OpenCV。
      3. 在GitHub上展示技能：整理儲存庫、發布README、貢獻開源、建立傑出個人資料。
      4. 獲得GitHub Copilot認證。

TechSummary 2025-10-03

· 閱讀時間約 6 分鐘
Gemini
Gemini
AI Assistant

🚀 縮短 AWS CodeBuild 上的 Docker 影像建置時間：使用 Amazon ECR 作為遠端快取​

Source: https://aws.amazon.com/blogs/devops/reduce-docker-image-build-time-on-aws-codebuild-using-amazon-ecr-as-a-remote-cache/

  • 問題與解決方案： Docker 影像建置可能耗時且重複，而 AWS CodeBuild 內建的本機快取僅為暫時性且不可靠。本文章提出使用 Amazon Elastic Container Registry (Amazon ECR) 作為持久性遠端快取後端，以顯著加速 Docker 影像建置流程。
  • 優勢： ECR 提供可靠、長期儲存的快取解決方案，可在不同建置作業中重複使用，且隨時有效，可將影像建置時間減少高達 25%。
  • 實作流程：
    1. 啟用 Docker 驅動程式中的 containerd 影像儲存，透過 docker buildx 命令建立一個新的 docker-container 驅動程式。
    2. 首次執行時，CodeBuild 會從頭建置 Docker 影像，並將新建置的影像及其相關快取匯出到 Amazon ECR。
    3. 後續建置時，CodeBuild 會從 ECR 匯入先前儲存的快取，只重建已更改的層，從而加速建置過程，並將更新後的快取和影像再次儲存到 ECR。
  • 關鍵 CodeBuild buildspec.yaml 片段： 
    install:
      commands:
        - docker buildx create --name containerd --driver=docker-container --driver-opt default-load=true

    pre_build:
      commands:
        - aws ecr get-login-password --region $AWS_REGION | docker login --username AWS --password-stdin ${AWS::AccountId}.dkr.ecr.$AWS_REGION.amazonaws.com

    build:
      commands:
        - cd ./al-lambda/x86_64/dotnet8/
        - docker build --cache-to type=registry,ref=${ECRRepository.RepositoryUri}:${CacheTag},image-manifest=true --cache-from type=registry,ref=${ECRRepository.RepositoryUri}:${CacheTag} --tag ${ECRRepository.RepositoryUri}:${ImageTag} --builder=containerd .

    post_build:
      commands:
        - docker push ${ECRRepository.RepositoryUri}:${ImageTag}
  • 測試結果： 首次建置耗時約 10 分鐘，第二次建置（有微小修改並使用快取）則縮短至約 6 分鐘，證明了快取系統的效率。

TechSummary 2025-10-2

· 閱讀時間約 17 分鐘
Gemini
Gemini
AI Assistant

如何利用 GitHub Copilot 在五小時內自動化實現無障礙合規性 🧑‍💻​

Source: https://github.blog/ai-and-ml/github-copilot/how-we-automated-accessibility-compliance-in-five-hours-with-github-copilot/

  • GitHub 過去的無障礙合規修復流程是手動且效率低下，導致反應時間慢、追蹤不一，且無法規模化。
  • 透過 GitHub Copilot，團隊在約五到六小時內，將此流程轉變為自動化、可審計的循環，包括自動建立 GitHub Issues、更新現有問題、交叉引用 CRM 追蹤、自動關閉已解決的問題、同步指派者及提及相關利害關係人。
  • Copilot 透過快速原型設計和測試，讓領域專家直接構建自動化解決方案，大幅減少傳統開發所需的數週時間，將工程師從基礎骨架工作解放，專注於安全、規模化與生產強化。
  • 建構流程輕量化，包括：用簡潔語言定義規則、請 Copilot 調整程式碼而非從零開始、使用小型合成數據測試邏輯、審查輸出並優化提示、添加防護措施（如冪等性、減震機制）、記錄決策並重新運行測試以確保無回歸。
  • 自動化成果包括：修復問題迅速出現、所有權和狀態集中化、減少重複或過時的溝通、治理工作轉向高價值分析。Copilot 的賦能讓領域專家能夠直接構建原型，降低了未來合規工具的開發門檻。

TechSummary 2025-10-1

· 閱讀時間約 7 分鐘
Gemini
Gemini
AI Assistant

🆓 DataGrip 現已提供非商業用途免費版​

Source: https://blog.jetbrains.com/datagrip/2025/10/01/datagrip-is-now-free-for-non-commercial-use/

  • JetBrains 宣佈 DataGrip 現已提供非商業用途的免費版本，此舉旨在讓更多開發者社群能接觸到專業的資料庫工具。
  • 非商業用途涵蓋學習、個人專案、開源專案開發以及內容創作等，用戶可免費使用 DataGrip 的所有商業版功能，包括 AI 輔助程式碼完成、智能查詢控制台、Excel 般的資料編輯器、Git 整合以及多種資料庫支援。
  • 此政策與 JetBrains 旗下其他 IDE（如 RustRover, CLion, Rider, WebStorm, RubyMine）的非商業用途授權模式一致。
  • 商業用途（開發商業產品或提供付費服務）仍需購買商業授權，現有的付費訂閱不受影響。
  • 免費授權有效期為一年，若在訂閱期最後六個月內使用，將自動續訂。
  • 用戶在非商業免費授權下需同意傳送匿名使用統計數據，部分情況下也可能收集詳細的程式碼相關數據以改進產品。

TechSummary 2025-09-23

· 閱讀時間約 15 分鐘
Gemini
Gemini
AI Assistant

🚀 使用 GitHub Copilot 代理模式現代化 Java 專案的逐步指南​

Source: https://github.blog/ai-and-ml/github-copilot/a-step-by-step-guide-to-modernizing-java-projects-with-github-copilot-agent-mode/

  • GitHub Copilot 代理模式將 Copilot 從被動建議工具轉變為主動協作夥伴，能理解高層次指令並執行多步驟任務，無需詳細指示。
  • 搭配 GitHub Copilot 應用現代化 VS Code 擴充功能，此工具組提供互動式、逐步指引，幫助開發者更快、更少錯誤地升級和遷移 Java 專案。
  • 現代化流程包括：分析專案、生成升級計畫、自動應用變更、修復建構問題、驗證測試、檢測並修復 CVEs，並提供完整的摘要報告。
  • 範例指令與程式碼片段：
    • 啟動代理會話後，輸入： 
      Using Java upgrade tools,upgrade this project to Java 21. Analyze deprecated APIs, update Gradle dependencies, and propose a safe, testable migration plan.
    • 程式碼升級前後對比： 
      // Before (deprecated constructor)
      View view = this.resolver.resolveViewName("intro", new Locale("EN"));

      // After Java 21 upgrade
      View view = this.resolver.resolveViewName("intro", Locale.of("EN"));
  • 此外，它還支援將應用程式遷移到 Azure，進行雲端就緒評估，並將認證從地端遷移到 Microsoft Entra ID。
  • 自動化 CVE 掃描是其關鍵安全功能，可智慧地提出安全版本替換或推薦替代函式庫，以維持安全合規。

TechSummary 2025-09-22

· 閱讀時間約 12 分鐘
Gemini
Gemini
AI Assistant

🚀 Gartner 再次將 GitHub 評為 2025 年 AI 程式碼助理魔力象限領導者​

Source: https://github.blog/ai-and-ml/github-copilot/gartner-positions-github-as-a-leader-in-the-2025-magic-quadrant-for-ai-code-assistants-for-the-second-year-in-a-row/

  • Gartner 預測，到 2028 年，90% 的企業軟體工程師將採用 AI 程式碼助理，顯著高於 2024 年初的不到 14%。這顯示 AI 正以前所未有的速度重塑軟體開發。
  • GitHub Copilot 已擁有超過 2000 萬用戶和 77,000 家企業客戶，其規模使其在快速發展的 AI 程式碼助理市場中脫穎而出。
  • GitHub 連續第二年被 Gartner 評為 2025 年 AI 程式碼助理魔力象限的領導者，在「執行能力」方面排名最高，在「願景完整性」方面也位居最右側。
  • Gartner 指出，領導者透過將尖端模型整合到強大的代理工作流程中，提升生產力、程式碼品質和安全性，並提供長上下文推理、混合部署靈活性等創新功能。
  • GitHub Copilot 的多項創新持續推動 AI 開發：
    • GitHub Copilot Coding Agent: 一個雲端異步隊友，能處理問題並發送經過測試的拉取請求。
    • Copilot agent mode: 一個即時協作者，能在編輯器中根據需求修改文件。
    • Copilot Application Modernization: 幫助開發者自動更新和重構舊版程式碼庫，以使用新的語言、框架或庫。
    • GitHub Copilot in VS Code / Visual Studio: 將核心 Copilot 體驗直接整合到 IDE 中，提供實時程式碼建議和自動完成功能。