TechSummary 2025-10-09

2025年10月10日 · 閱讀時間約 9 分鐘

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。

GitHub 2025 年 9 月可用性報告 📉

Source: https://github.blog/news-insights/company-news/github-availability-report-september-2025/

2025 年 9 月，GitHub 經歷了三起導致服務性能下降的事件。
9月15日 (UTC 17:55，持續25分鐘)：Copilot 大部分功能可用性降低，原因是一個功能旗標部分部署到全局限速器，導致意外限制了100%的請求並返回403錯誤。問題通過回溯功能旗標解決，並將加強流量異常監測與限速測試。
9月24日 (UTC 14:02，持續50分鐘)：電子郵件遞送延遲，由於異常高的流量導致外發郵件伺服器資源爭用，影響大多數類型郵件通知。GitHub 已更新配置以優化高流量下的容量分配，並改進檢測能力。
9月29日 (UTC 16:26，持續67分鐘)：Copilot API 遭遇部分降級，導致平均0.2%的 GitHub MCP 伺服器請求間歇性返回404錯誤（高峰期達2%）。此問題源於內部依賴升級暴露出服務配置錯誤。已通過回溯升級解決，並將改進文檔和部署流程。

LoRA 解說：使用 Docker 實現更快、更高效的微調 🧠

Source: https://www.docker.com/blog/lora-explained/

LoRA (Low-Rank Adaptation) 是一種高效的語言模型微調技術，允許模型學習特定技能（如 PII 遮蔽）而無需大量計算資源，並可透過 Docker 生態系統簡化訓練、打包和分享流程。
LoRA 工作原理：凍結基礎模型的原始權重，在模型特定部分插入小型、可訓練的「適配器層」(adapter layers)，在微調過程中僅更新這些適配器參數，大幅減少計算和記憶體需求。
實驗範例：文章以微調 Gemma 3 270M 模型來遮蔽文本中的 PII 為例，示範了完整的微調流程。

微調步驟：

準備數據集：訓練數據必須使用與模型推論時相同的「聊天模板」(Chat Templates) 進行格式化，確保模型的魯棒性。

# 數據集格式化範例
max_seq_length = 2048
model, tokenizer = FastModel.from_pretrained(model_name="unsloth/gemma-3-270m-it", ...)
ds = Dataset.from_list(data)
def to_text(ex):
    # ... 格式化消息 ...
    return {"text": tokenizer.apply_chat_template(msgs, tokenize=False, add_generation_prompt=False)}
dataset = ds.map(to_text, remove_columns=ds.column_names)

準備 LoRA 適配器：透過 LoraConfig 定義適配器參數（如 r, lora_alpha, target_modules, lora_dropout），然後將其應用於基礎模型。

from peft import LoraConfig, get_peft_model
lora_config = LoraConfig(
    r=16, 
    lora_alpha=32, 
    target_modules=["q_proj", "v_proj"], 
    lora_dropout=0.05
)
model = get_peft_model(base_model, lora_config)

訓練模型：使用 SFTConfig 配置訓練參數（如 per_device_train_batch_size, num_train_epochs, learning_rate），然後啟動訓練。

# trainer 配置範例
args = SFTConfig(
    dataset_text_field = "text",
    per_device_train_batch_size = 8,
    # ... 其他參數 ...
    output_dir="outputs",
)
trainer_stats = trainer.train()

匯出結果模型：訓練完成後，將 LoRA 適配器合併回基礎模型權重，生成一個包含新技能的獨立檢查點。
```
model.save_pretrained_merged("result", tokenizer, save_method = "merged_16bit")
```

Docker Model Runner：微調後的模型可透過 Docker Model Runner 輕鬆打包、推送到 Docker Hub 並在任何地方運行，實現模型部署的便捷性和可移植性。

5 分鐘「Vibe Coding」建構應用程式的完整初學者指南 ⚡

Source: https://devblogs.microsoft.com/blog/complete-beginners-guide-to-vibe-coding-an-app-in-5-minutes

本文介紹了「Vibe Coding」方法論，利用 GitHub Copilot 結合 Claude Sonnet 4.5 作為推理模型，以自然語言快速開發應用程式。作者在5分鐘內成功建構了一個播客數據分析平台，並在15分鐘內完成部署。
Vibe Coding 核心理念：開發者以結果為導向提供提示，讓 AI（Copilot + Sonnet 4.5）自動處理技術選型、架構設計和代碼實作，開發者則專注於定義需求和識別問題。
AI 自動選擇的技術棧：React + TypeScript (實現類型安全和現代化 UI)、Tailwind CSS (快速樣式設計)、Recharts (數據可視化)、Lucide React (簡潔圖標)。

開發流程亮點：

初始提示：僅提供 CSV 數據和高層次需求（美觀、可搜尋、Vite 應用、可部署到 GitHub Pages），未指定具體技術。

AI 架構：Copilot 在2分鐘內自動生成完整的項目結構和組件，包括 Dashboard.tsx、EpisodeList.tsx、TopicAnalysis.tsx 等，並規劃了狀態管理、數據流和樣式系統。

// 項目結構示例
├── src/
│   ├── App.tsx                    // 主應用程式及路由
│   ├── components/
│   │   ├── Dashboard.tsx          // 概覽指標
│   │   ├── EpisodeList.tsx        // 搜尋與篩選
│   │   ├── TopicAnalysis.tsx      // AI 提取主題
│   │   ├── PerformanceCharts.tsx  // 分析深入探討
│   │   └── EpisodeDetail.tsx      // 單集詳情
│   ├── utils.ts                   // 數據解析與輔助函數
│   └── types.ts                   // TypeScript 定義
├── package.json
├── vite.config.ts
└── tailwind.config.js

問題解決：當發現 CSV 解析錯誤（因標題中的逗號），作者僅描述了錯誤現象，Copilot 立刻重寫了 parseCSVLine 函數以正確處理。

const parseCSVLine = (line: string): string[] => {
  const result: string[] = [];
  let current = '';
  let inQuotes = false;
  // ... 處理帶引號逗號的實現邏輯 ...
  return result;
};

部署自動化：參考作者其他倉庫的部署工作流程，Copilot 自動生成了 GitHub Actions 配置，實現 GitHub Pages 的自動部署。
TypeScript 修正：AI 也能精準識別並修正未使用的 import 錯誤，確保代碼質量。

AI 驅動的應用程式功能：包含智能分析儀表板、進階搜尋與過濾、AI 主題提取分析、留存率分析，以及透過 Recharts 實現的精美響應式圖表。
Vibe Coding 方法論總結：專注於成果導向的提示、讓 AI 進行技術決策、迭代解決問題而非功能、參考自身工作以保持一致性、並信任 TypeScript 進行錯誤預防。
GitHub Copilot + Sonnet 4.5 的魔力：AI 不僅建議代碼，更作為架構師和結對程式設計師，處理深層架構設計、技術棧選擇、數據流規劃和邊緣案例預期。

建立 Kotlin Multiplatform 專案，贏取 KotlinConf 2026 之旅 🏆

Source: https://blog.jetbrains.com/kotlin/2025/10/kotlin-multiplatform-contest-2026/

JetBrains 宣布啟動 2026 年度針對學生和應屆畢業生的「Kotlin Multiplatform Contest」，鼓勵參賽者使用 Kotlin Multiplatform (KMP) 建立創新專案。
Kotlin Multiplatform (KMP) 允許開發者使用單一程式碼庫為 Android、iOS、桌面、Web 和伺服器等多平台創建應用程式。
獎勵：排名前三的專案創作者將贏得前往 2026 年 5 月 21-22 日在德國慕尼黑舉辦的 KotlinConf 2026 的機會，包含旅行、住宿、獨家紀念品，並在 KotlinConf、Kotlin 及 Kotlin Foundation 的社交媒體和公眾渠道上獲得曝光。所有有效參賽者也將獲得 Kotlin 紀念品。
重要日期：
- 比賽開放：2025年9月15日
- 提交截止日期：2026年1月12日
- 獲獎者公布：2026年1月22日
參賽方式：
- 加入 Kotlinlang Slack 工作區的 #kotlin-multiplatform-contest 頻道獲取支援和資訊。
- 檢閱並滿足所有規則和資格標準。
- 使用 Kotlin Multiplatform 建構專案，今年特別鼓勵探索為 AI 應用程式添加智能功能。
- 將專案上傳至 GitHub，包含詳細的 README 文件（需包含安裝說明和支援平台的功能描述）。
- 建議包含一段 3-5 分鐘的短片，演示專案在不同平台上的主要功能。

Qodana 公共 API 現已推出！ 🔑

Source: https://blog.jetbrains.com/qodana/2025/10/qodana-public-api/

Qodana 公共 API 現已全面上線，附帶完整的文檔、範例和 OpenAPI 規範，讓所有 Qodana Cloud 用戶能夠將 Qodana 直接整合到自己的系統中。
主要更新：過去僅限部分帳戶可用的 API 端點，現已擴展、完善並開放給所有用戶，實現關鍵工作流程的自動化並透過程式方式訪問核心功能。

新功能亮點：

透過 API 直接建立和管理團隊及專案。例如，可透過 POST 請求創建新團隊和專案，並獲取專案令牌。

範例指令碼：

qodana_token=$(curl -X POST https://{qodana_cloud_url}/api/v1/public/organizations/projects \
  -H "Authorization: Bearer $permanent_organization_token" \
  -d '{
        "projectName": "My project name",
        "teamName": "My team name"
      }')

這使得 Qodana 能更無縫地整合到現有的 DevOps 管道、儀表板或內部工具中。

文檔與規範：提供完整的公共 API 參考資料、端點詳情和範例，並發布了 OpenAPI 規範（openapi.yaml），方便在 Postman 或 Swagger UI 等工具中探索和測試。
未來展望：JetBrains 將持續擴展公共 API，提供更多端點和功能，以實現對 Qodana 功能更深層次的訪問。

TeamCity 2025.07.3 版本發布 🛠️

Source: https://blog.jetbrains.com/teamcity/2025/10/teamcity-2025-07-3-bug-fix/

TeamCity On-Premises 2025.07.3 已發布，這是下一主要版本前的一個重要錯誤修復更新。
主要修復內容：
- 解決了極長時間運行測試期間「Tests」選項卡功能失常的問題。
- 修正了「Reuse jobs」設定顯示不一致的問題。
- 解決了新拉取請求管道運行自動觸發失敗的問題。
- 處理了新註冊雲端實例類型分配不正確的問題。
更新效益：除了錯誤修復，所有 TeamCity 錯誤修復版本也包含性能和安全改進，JetBrains 強烈建議用戶盡可能更新其 On-Premises 伺服器，以確保獲得：
- 性能提升。
- 更好的整合兼容性。
- 更快速、更穩定的構建。
- 增強的工作流程安全性。
兼容性：TeamCity 2025.07.3 與所有 2025.07.x 版本共享相同的數據格式，允許在該系列內進行升級或降級，無需備份和恢復。
升級方式：可透過現有 TeamCity 版本的自動更新功能、直接從 JetBrains 網站下載最新版本，或拉取更新後的 TeamCity Docker 映像進行升級。

Visual Studio Code 2025 年 9 月更新 (版本 1.105) 💻

Source: https://code.visualstudio.com/updates/v1_105

本文發布了 Visual Studio Code 2025 年 9 月版本 (1.105) 的最新功能和更新。
鼓勵用戶閱讀完整文章以了解此版本的所有詳細變更和改進。

Git Merge 2025 回顧：Git 二十年里程碑 🎉​

GitHub 2025 年 9 月可用性報告 📉​

LoRA 解說：使用 Docker 實現更快、更高效的微調 🧠​

5 分鐘「Vibe Coding」建構應用程式的完整初學者指南 ⚡​

建立 Kotlin Multiplatform 專案，贏取 KotlinConf 2026 之旅 🏆​

Qodana 公共 API 現已推出！ 🔑​

TeamCity 2025.07.3 版本發布 🛠️​

Visual Studio Code 2025 年 9 月更新 (版本 1.105) 💻​