Hero Image
Postman

Postman 使用筆記 Postman 功能 登入1，撰寫測試 安裝 Postman Desktop 不要使用線上版，會有資料同步卡頓的問題 登入 Postman Workspaces 建立或選擇 Workspaces 測試命名 Controller/Action+ 如有其他必要說明 環境變數 可以自訂各種會因環境變化必須自訂的參數 環境變數抽換參數 比如新增環境變數 baseUrl，測試 api baseUrl 不要寫死在測試範例，使用環境變數已切換實際測試連線 Mock Server 前端開發超前後端進度時 想要模擬溝通後端 api 使用 2 新增測試資料 撰寫測試資料 查看 mock url 前端開發使用測試 Api https://64680c7d-60de-4ffe-abb7-462f3958d8df.mock.pstmn.io/Car/GetCar 開發相關 Nuxt API 開發 每開發一支 api 就要登入 Postman 新增一個測試資料 api 連線 mock : postman mock nitro: { devProxy: { '/mockStoreApi': { target: "https://64680c7d-60de-4ffe-abb7-462f3958d8df.mock.pstmn.io", changeOrigin: true, secure: false, }, api 連線 mock : postman mock 模擬資料建立

Sunday, January 25, 2026 | 1 minute Read
Hero Image
Test Tool

Test Tool Listed Tool StressTesting 壓力測試: JMeter、Nbomber End-to-End Test E2E 測試: Automa StressTesting JMeter //Todo Nbomber //Todo End-to-End Test Automa //Todo 補充 All Types of Test 文章提及工具: 壓力測試、E2E 測試 功能性測試 單元測試 (Unit Test) - 測試最小可測試單元 整合測試 (Integration Test) - 測試模組間的介面與互動 系統測試 (System Test) - 測試完整系統功能 驗收測試 (Acceptance Test) - 驗證系統是否符合需求 冒煙測試 (Smoke Test) - 快速驗證主要功能是否正常 回歸測試 (Regression Test) - 確保新改動不影響既有功能 非功能性測試 效能測試 (Performance Test) - 測試系統效能表現 負載測試 (Load Test) - 測試預期負載下的表現 🟢 壓力測試 (Stress Test) - 測試極限負載: JMeter、Nbomber 尖峰測試 (Spike Test) - 測試突發流量 耐久測試 (Endurance/Soak Test) - 測試長時間運行穩定性 安全測試 (Security Test) - 測試系統安全性與漏洞 相容性測試 (Compatibility Test) - 測試不同環境、瀏覽器、裝置的相容性 可用性測試 (Usability Test) - 測試使用者體驗 UI 相關測試 🟢 E2E 測試 (End-to-End Test) - 模擬使用者完整操作流程: Automa UI 測試 - 測試介面元件與互動 視覺回歸測試 (Visual Regression Test) - 比對畫面截圖差異 其他測試類型 探索性測試 (Exploratory Test) - 手動探索系統行為 混沌工程測試 (Chaos Engineering) - 主動注入故障測試韌性 A/B 測試 - 比較不同版本效果 災難復原測試 (Disaster Recovery Test) - 測試系統復原能力

Monday, December 22, 2025 | 1 minute Read
Hero Image
RAG

RAG Retrieval-Augmented Generation RAG（檢索增強生成）是一種架構模式。 在 LLM 生成答案前，先從外部知識庫檢索相關資料，再將檢索結果提供給模型作為上下文，提升回答的正確性、可控性與即時性。 LLM 的本質：條件機率模型（Conditional Probability Model） 定義 大型語言模型（LLM）的核心任務只有一個：在給定前文條件下，預測下一個 token 的機率分佈。 數學形式為： P(token_t | token_1 … token_{t-1}) 表示在給定前文 token 的情況下，模型預測下一個 token 的機率。 這個機率分佈是由模型內部的所有參數（weights）共同決定的。 這些參數並不儲存任何可直接查詢的知識內容，而是隱式地編碼了大量語言片段之間的統計關聯與結構模式。 LLM 並不具備「查詢」、「記憶文件」或「事實驗證」能力。 LLM「知識」從何而來 X LLM 沒有文件 X LLM 沒有資料表 X LLM 沒有條目式知識 O 參數空間中所編碼的統計關聯結構 壓縮後的語言世界模型 訓練階段：把世界「壓縮」成參數，訓練資料（書籍、文件、程式碼、維基百科）僅用於不斷調整模型參數，強化 token 與 token 之間的關聯機率 資料不會被儲存，僅留下統計痕跡。 小模型仍「看起來懂很多」 多數人類知識是低熵、可高度壓縮的 技術文件與教科書高度模板化 (token 關聯穩定) 常識與基礎知識在語料中反覆出現 因此：只需要很少參數就能學到這種穩定規律，LLM 並非記住內容，而是學會「怎樣說才像懂」。 Transformer 擅長「關聯建模」 世界不是隨機的，而是高度可壓縮： 長距離 token 關聯 抽象語義空間 結構對齊（Structure Alignment） Transformer 等於一個超強壓縮器，這讓它可以： 將問題對齊到「已見過的語言模式」 再生成對應回應 回答不是「查到」，而是「生成」，不是回憶，是重建 類比

Monday, December 22, 2025 | 2 minutes Read
Hero Image
Typora

Typora a nice .md file editor IDE 撰寫者：Amanda Chou 日期：2025/04/17 .md ? md 是什麼? Markdown 文件的副檔名 Markdown 又是什麼? Markdown ? **Markdown **是一種輕量級標記式語言，創始人為約翰·格魯伯。 使用易讀易寫的純文字格式編寫文件，然後轉換成有效的XHTML（或者HTML）文件。 這種語言吸收了很多在電子郵件中已有的純文字標記的特性。 輕量化、易讀易寫特性，並且對於圖片，圖表、數學式都有支援 Markdown 用途廣泛 目前許多網站都廣泛使用Markdown來撰寫說明文件或是用於論壇上發表訊息。如GitHub、Reddit、Discord、Diaspora、Stack Exchange、OpenStreetMap 、SourceForge、簡書等，甚至還能被用來撰寫電子書。 之前介紹的 Vue 文件 重新認識 Vue.js | Kuro Hsu git book 也是 深入淺出 GitBook 寫作與自助出版，電子書也能多人協作 HackMD 也是 小題大作的30個 HackMD 技巧 現在演示的這個投影片也是 md fille 怎麼變 slide? 後面針對匯出章節會提到 Why Markdown 輕量易用：Markdown 語法簡單直觀，幾乎無學習成本。(幾乎沒有，但還是有一點，語法還是需要熟悉一下) 高度可移植：Markdown 文件是純文字格式，可以在任何平台上查看或編輯，方便與版本控制工具，適合開發者和團隊協作。 多用途輸出：支援導出為 PDF、HTML、Word、Slides 等多種格式。特別適合技術文件、筆記、部落格文章等用途。 多輸出主要是依賴 Pandoc 工具支援，後面針對匯出章節會提到 強大的生態系統：可擴展性強，支持 LaTeX（數學公式）、圖表（如 mermaid.js）、代碼高亮等功能。 開放性標準：Markdown 是一種開放格式，無專屬軟體依賴，確保文件長期可讀。 參考: 寫作＆筆記神器 MarkDown 真希望我學生時期就懂 分享了 dillinger, Typora 還有影片介紹 Why Markdown 只要可以版控，就會好找很多 如果有要找，版控，就會好找很多

Thursday, April 17, 2025 | 5 minutes Read