跳至主要内容

10 篇文章 含有標籤「Cloud」

檢視所有標籤

TechSummary 2025-09-15

· 閱讀時間約 12 分鐘
Gemini
AI Assistant

GitHub SSH 存取引入後量子安全 🔒

Source: https://github.blog/engineering/platform-security/post-quantum-security-for-ssh-access-on-github/

  • GitHub 將為其 SSH 端點新增一個後量子安全 SSH 金鑰交換演算法:sntrup761x25519-sha512(或 sntrup761x25519-sha512@openssh.com)。
  • 此變更僅影響 SSH 存取,對 HTTPS 存取無影響,也不影響位於美國地區的 GitHub Enterprise Cloud 資料駐留。
  • 目的是防範未來量子電腦可能進行的「先儲存,後解密」攻擊,確保資料的長期安全。
  • 採用混合式方法,結合了 Streamlined NTRU Prime(一種新的後量子安全演算法)與經典的 Elliptic Curve Diffie-Hellman(使用 X25519 曲線),確保安全性不低於經典演算法。
  • 此演算法將於 2025 年 9 月 17 日起在 GitHub.com 和非美國地區的 GitHub Enterprise Cloud 上啟用,並將包含在 GitHub Enterprise Server 3.19 中。
  • 大多數現代 SSH 客戶端(例如 OpenSSH 9.0 或更新版本)將自動選擇新演算法,無需手動配置;舊版客戶端將回退到舊演算法。
  • 您可以透過執行 ssh -Q kex 來檢查 SSH 客戶端是否支援此演算法,並使用 ssh -v git@github.com exit 2>&1 | grep 'kex: algorithm:' 來查看連接 GitHub 時所使用的金鑰交換演算法。

TechSummary 2025-09-05

· 閱讀時間約 15 分鐘
Gemini
AI Assistant

🚀 如何使用 Playwright MCP 和 GitHub Copilot 偵錯 Web 應用程式

Source: https://github.blog/ai-and-ml/github-copilot/how-to-debug-a-web-app-with-playwright-mcp-and-github-copilot/

  • Playwright Model Context Protocol (MCP) server 結合 GitHub Copilot 可自動化 Web 應用程式的錯誤重現、驗證與修復過程,解決許多專案缺乏完善測試的痛點。
  • Playwright 是一個用於 Web 應用程式的端到端測試框架,而 MCP 則是由 Anthropic 開發的開放協議,旨在將工具暴露給 AI 代理。Playwright MCP Server 允許 Copilot 建立並執行這些自動化腳本。
  • 在 VS Code 中配置 Playwright MCP server 需在 .vscode/mcp.json 中添加以下配置,使其可供所有專案使用:
    {
    "servers": {
    "playwright": {
    "command": "npx",
    "args": [
    "@playwright/mcp@latest"
    ]
    }
    }
    }
  • GitHub Copilot agent mode 能夠根據錯誤報告的重現步驟,利用 Playwright MCP server 自動執行測試、確認問題、追蹤並解決錯誤,甚至在提出修復方案後,返回 Playwright 驗證其有效性。
  • 透過 Playwright,Copilot 能「看到」其更改對網站的影響,這對於處理更複雜的錯誤尤其寶貴,顯著提升了偵錯效率。

TechSummary 2025-08-26

· 閱讀時間約 15 分鐘
Gemini
AI Assistant

🤔 重新發掘學習的樂趣:Jason Lengstorf 談開發現況

Source: https://github.blog/developer-skills/career-growth/rediscovering-joy-in-learning-jason-lengstorf-on-the-state-of-development/

  • 文章探討了開發者對學習新技術的焦慮感,Jason Lengstorf (CodeTV 創始人) 認為學習應該是基於樂趣而非害怕被淘汰。
  • AI 作為能力乘數而非取代者:AI 能顯著提升熟練開發者的速度,並加速初學者的學習過程。但若缺乏學習意願,AI 反而會製造更大的問題。
  • 開源維護者的重要性:文中強調了 SQLite 和 Zod 等關鍵開源專案依賴少數維護者,呼籲開發者社群應支持其使用的「負載承載型」開源專案,例如透過 GitHub Sponsors。
  • 未來網頁創新的趨勢:JavaScript 生態系目前處於停滯期,而 CSS 則蓬勃發展。Jason 預測 AI 將改變 UX 基礎,使其更具對話性,並結合本地 AI 模型和標準化協議(如 MCP),為獨立開發者帶來類似早期 JavaScript 框架時代的機會。

TechSummary 2025-08-20

· 閱讀時間約 12 分鐘
Gemini
AI Assistant

🌍 誰將維護未來?為新一代重新思考開源領導力

Source: https://github.blog/open-source/maintainers/who-will-maintain-the-future-rethinking-open-source-leadership-for-a-new-generation/

  • 開源社群「老齡化」問題: 根據 Tidelift 2024 年維護者調查,46-65 歲維護者的比例自 2021 年以來翻了一倍,而 26 歲以下貢獻者則從 25% 下降到 10%。這揭示了開源社群面臨的傳承危機和潛在的知識流失。
  • Gen Z 貢獻者「Sam」視角: 文章引入一位 23 歲 Gen Z 貢獻者「Sam」的人格設定,他們渴望為有意義的氣候科技專案貢獻,透過 YouTube 自學程式碼,擅長線上社群管理,但對公開儲存庫感到畏懼。他們尋求目標、彈性及歸屬感。
  • 「參與之山」框架: 為了幫助像 Sam 這樣的貢獻者茁壯成長,文章提出一個包含六個階段的框架:「參與之山」——發現、首次接觸、參與、持續參與、網絡參與、領導力。
  • 針對 Gen Z 需求調整傳統最佳實踐:
    • 發現階段: Gen Z 透過 TikTok、Discord 和 YouTube 發現專案,他們希望在 README 中直接看到專案宗旨,並偏好行動裝置學習。專案需在 Gen Z 活躍的平台露面。
    • 首次接觸: 需提供行動友善、視覺優先的登陸體驗,以及像 Discord 這樣輕鬆開放的聊天頻道,讓新手可以潛水觀察。
    • 參與階段: Gen Z 偏好即時回饋、沙盒環境進行嘗試,以及提供允許學習而非僅限展示的空間,例如 FreeCodeCamp 和 Kubernetes 的貢獻者遊樂場模式。
    • 持續參與: 重視可分享的認可(徽章、提及、作品集),更關注影響力而非層級晉升。
    • 網絡參與: 偏好具名的、可分享的角色(如 Discord 版主、社群嚮導),非正式交流,以及同儕主導的領導模式(如 Rust 的共識驅動治理)。
    • 領導階段: 期望共同管理而非自上而下的控制,並尋求補償或專業成長,例如 TensorFlow 的貢獻者階梯。
  • 具體行動建議: 將 README 轉化為 60 秒解說影片、建立首次貢獻者的沙盒空間、啟動 Discord 或非主題頻道以培養歸屬感、明確並公開專案使命。

TechSummary 2025-08-15

· 閱讀時間約 8 分鐘
Gemini
AI Assistant

🔒 Docker @ Black Hat 2025:CVE 漏洞應對之道

Source: https://www.docker.com/blog/docker-black-hat-2025-secure-software-supply-chain/

  • 在 Black Hat 2025 大會上,CVE 漏洞成為核心議題,業界正從被動掃描轉向主動在軟體供應鏈源頭消除安全負債。
  • 前進方向包括:使用強化版映像 (Hardened Images)、符合法規的工具以及強大的生態系合作夥伴關係 (如 Docker 與 Wiz)。
  • 會議指出六大安全主題,強調掃描不足以應對,需要「零 CVE」的起始點,並透過提供 Debian 和 Alpine 等不同發行版,以及靈活的客製化能力來滿足企業需求。
  • Docker Hardened Images (DHI) 提供零 CVE 的基礎映像,並附帶 SLA、SBOM (軟體物料清單) 和簽名證明,消除安全性與易用性之間的權衡。
  • 即使是新興的 AI 工作負載,也能受益於既有的容器安全模式(隔離、閘道控制、執行前驗證),DHI 作為 AI 系統的可信啟動平台至關重要。

TechSummary 2025-08-11

· 閱讀時間約 10 分鐘
Gemini
AI Assistant

🔗 大規模保障供應鏈安全:從 71 個重要開源專案做起

Source: https://github.blog/open-source/maintainers/securing-the-supply-chain-at-scale-starting-with-71-important-open-source-projects/

  • Log4j 零日漏洞事件後,凸顯了開源庫安全性對整個軟體供應鏈的巨大影響,促使 GitHub 於 2024 年 11 月啟動「GitHub 安全開源基金」(GitHub Secure Open Source Fund)。
  • 該基金為維護者提供資金支援,參與為期三週的專案,內容包含安全教育、導師指導、工具、認證及安全意識社群等,旨在提升安全影響力、降低風險,並大規模保護軟體供應鏈。
  • 前兩期專案已集合來自 71 個重要開源專案的 125 位維護者,取得了顯著成果:
    • 修復了 1,100 多個由 CodeQL 檢測到的漏洞。
    • 發布了 50 多個新的常見漏洞與暴露(CVE),保護下游依賴項。
    • 阻止了 92 個新機密洩漏,並檢測和解決了 176 個已洩漏的機密。
    • 80% 的專案啟用了三個或更多基於 GitHub 的安全功能,63% 的專案表示對 AI 和 MCP 安全有更好理解。
    • 維護者利用 GitHub Copilot 進行漏洞掃描、安全審計、定義和實施模糊測試策略等。
  • 專案涵蓋了 AI/ML 框架(如 Ollama, AutoGPT)、前端/全端框架(如 Next.js, shadcn/ui)、Web 伺服器/網路/閘道(如 Node.js)、DevOps/建置工具(如 Turborepo)、安全框架/身份/合規工具(如 Log4j)、以及開發者工具/CLI 助手(如 Charset-Normalizer, nvm, JUnit)等多個關鍵領域。
  • 該計劃的成功關鍵在於:資金支援結合時間限制的專注訓練、互動式編碼經驗以及建立一個以安全為重點的社群,促進了維護者之間的快速交流與協作。

TechSummary 2025-08-05

· 閱讀時間約 20 分鐘
Gemini
AI Assistant

🔒 每個人都是「雪花」:為真實世界設計強化映像檔流程

Source: https://www.docker.com/blog/hardened-image-best-practices/

  • 強調強化容器映像檔(Hardened Container Images)在安全與操作簡便性上的潛力,但指出其在實際開發與生產中面臨的根本挑戰。
  • 闡述「雪花問題」(Snowflake Problem):每個軟體堆棧、CI/CD 管線和安全設定都獨一無二,僵化的安全方案反而導致開發者尋求變通方案,可能降低整體安全性。
  • 提出解決方案:在強化映像檔流程中融入彈性,例如支援多種發行版(multi-distro options)和自助服務客製化(Self-service customization),讓開發者能輕鬆添加所需的 CA 憑證或整合現有映像檔。
  • 提及利用 AI 驅動的轉換工具來協助將現有 Dockerfile 轉換為多階段構建(multi-stage builds),降低遷移阻力。
  • 強調社群信任的重要性:與開源專案維護者建立緊密關係,確保強化映像檔的設計能納入專案見解與經驗。
  • 總結最佳策略是「安全預設、可控彈性、社群信任」,並指出一個高採用率但非完美強化的映像檔策略,比低採用率的「完美」策略更能提升組織整體安全。

TechSummary 2025-07-21

· 閱讀時間約 6 分鐘
OpenAI
AI Assistant

這份摘要聚焦於最新的雲端與人工智能技術趨勢,尤其是 Docker 在代理應用、AWS 的結合應用、以及數據分析、安全規範等方面的創新與實務案例。內容涵蓋從代理應用開發生態、雲端事故調查整合、到資料分析在醫療領域的實務挑戰,提供完整的技術洞見與實務流程。

Docker 推動代理應用的未來 🚀

Source: https://www.docker.com/blog/wearedevelopers-docker-unveils-the-future-of-agentic-apps/

  • Docker在WeAreDevelopers會議展示支持代理應用的工具進展,代理應用定義為利用LLMs來構建以目標為導向,具備訪問工具、資料和系統的應用。
  • 代理應用的棧中,Docker支持模型下載執行、容器化的工具伺服器,以及用compose.yaml整合模型、工具及自定義代碼。
  • 以範例compose文件整合模型、MCP Gateway與應用,支持多框架(如ADK、CrewAI)並支持雲端部署(Google Cloud Run、Azure)。
  • Docker推出Compose for agents、支援Google原生Cloud Run部署、Docker Offload(雲端GPU資源調度)來降低模型部署門檻。
  • 大型Workshop及Lightning Talks促進社群交流與實務應用,並宣布2026年的WeAreDevelopers北美盛會。

重點: 代理應用將成為AI應用新生態的核心,Docker提供全方位工具支持開發到部署,並強調雲端資源整合。

TechSummary 2025-07-18

· 閱讀時間約 6 分鐘
OpenAI
AI Assistant

IntelliJ IDEA 2025.2 Beta 發布與新溝通策略 🚀

Source: https://blog.jetbrains.com/idea/2025/07/intellij-idea-2025-2-beta/

  • IntelliJ IDEA 2025.2 Beta 現已推出,結束早期測試計劃(EAP),並採用新溝通方式,將更新分為「What's New」與「What's Fixed」兩部分。
  • 「What's New」專注於最重要的功能更新,例如支援 Java 25、Maven 4、Spring 改進、AI 支援,讓信息更集中。
  • 「What's Fixed」則專注於品質提升,包括Spring + Kotlin 改進、遠端開發、性能優化等。
  • 會舉辦專屬直播介紹新特徵,並鼓勵用戶試用Beta版本並提供反饋。
  • Overall: IntelJ IDEA 2025.2 採用新的發布資訊策略,專注用戶體驗與產品透明化。

TechSummary 2025-07-15

· 閱讀時間約 3 分鐘
OpenAI
AI Assistant

利用 GitHub Copilot 助力開發流程整理與優化 🚀

Source: https://github.blog/ai-and-ml/github-copilot/from-chaos-to-clarity-using-github-copilot-agents-to-improve-developer-workflows/

  • 介紹如何透過 GitHub Copilot coding agent,將零散且潛在鬆散的專案結構改造為高度組織且易於維護的系統
  • 重點流程包括:優化自訂指令、建立 setup 檔案、辨識技術債務
  • 利用 Copilot 與 pull request 協作,加快專案改善
  • 以範例改進驗證檔案,全面提升專案品質、文件化與測試覆蓋
  • 最終實踐包括在不同專案中進行前後比對,證明 AI 助攻大幅提升效率