(Photo by Felix Eka Putra Kuntjoro on Unsplash)

起因

剛才想到將 MacWhisper Dictation 的後處理，從原本的 LM Studio google/gemma-3-12b 改成使用 openai/gpt-oss-20b，但一直遇到 gpt-oss 模型會將思考過程也回傳成為 dictation 輸出結果。有問題的輸出結果：

We need to correct punctuation: use full-width. 
Input: "嗨,我們明天去兒童樂園玩好嗎?" 
We replace comma with ，, question mark with ？. 
Also add period at end? 
The sentence ends with question mark already. 
So output: "嗨，我們明天去兒童樂園玩好嗎？"
嗨，我們明天去兒童樂園玩好嗎？

Read More

(圖說：將世界重新使用向量拆解與整合，我們也許得以重新認識新的世界。圖片來源：Photo by James Wainscoat on Unsplash)

✳️ tl;dr 給技術管理者

• Amazon S3 Vectors 將原生向量搜尋功能直接整合進 S3 物件儲存，目標是簡化架構並降低成本。¹
• 對於 RAG、語意搜尋等 AI 應用，官方宣稱最高可節省 90% 的向量儲存與查詢成本。
• 這意味著我們不再需要為某些 AI 場景維護一個獨立、昂貴的向量資料庫，大幅降低了維護營運複雜度 (TCO)。²
• S3 Vectors 提供 subsecond 級查詢效能，適用於對延遲要求非即時 (non-real-time) 的大規模應用。³

• 核心優勢：實現了向量資料的「存算分離 (Storage and Compute Separation)」，將長期儲存的成本效益發揮到極致。⁴
• 透過與 Amazon OpenSearch 的整合，可建立「冷熱」資料分層策略，兼顧成本與高效能查詢需求。⁵
• 可與 Amazon Bedrock Knowledge Bases 的無縫整合，讓建立和擴展 RAG 應用的過程變得前所未有的簡單。⁶
• S3 Vectors 的出現，可能迫使現有向量資料庫廠商 (如 Pinecone) 重新思考其市場定位與定價策略。

• 對於技術團隊，現在需要重新評估現有的 AI 技術堆疊，判斷哪些工作負載可以遷移到 S3 Vectors 以實現成本優化。
• 該功能引入了新的 Vector Bucket，讓向量管理像管理一般 S3 物件一樣簡單。
• 推測：未來 S3 Vectors 可能會進一步增強其查詢能力，例如支援混合搜尋，以適應更複雜的場景。

✳️ tl;dr 給工程師與開發者

• Amazon S3 現在原生支援向量儲存與搜尋，新功能 S3 Vectors。¹
• 可以直接在 S3 建立 Vector Bucket 和 Vector Index，然後用 API 存入和查詢 embeddings。
• 對於許多 RAG 應用，可以省去部署和管理一個獨立 Vector DB 的步驟。⁷
• API 支援 k-NN 相似性搜尋，並提供 subsecond 級的回應時間，同時支援 Cosine、Euclidean 等距離度量。

• 開發亮點：查詢時可以使用 metadata filter，例如 (category = 'ernest-pkm' AND year > 2023)，非常實用。³
• 與 Amazon Bedrock Knowledge Bases 無縫整合，設定好 S3 data source 後，Bedrock 會自動幫你處理 embedding 和同步。⁶
• 如果你的應用需要更低的延遲或更複雜的搜尋 (如 hybrid search) ，可以將熱向量匯出到 Amazon OpenSearch Service。⁵

• 對於已經在使用 AWS 的開發者，學習曲線很低，基本上就是多學幾個 S3 API call。
• 整個服務是 Serverless 的，意味著你不用煩惱 scaling、provisioning 和 aRPU 這些東西，專心處理客戶應用場景。
• 可以更經濟地為你的 AI Agent 建立一個巨大的長期記憶庫，所有互動紀錄或知識，都能被向量化並儲存在 S3。
• 對於儲存在 S3 Data Lake ⁴ 中的海量文件或圖片，現在可以直接就地建立索引並進行語意搜尋，無需 ETL 到另一個系統。（Well… 如果你的海量檔案現在還沒放在 S3… 那就呼叫幾個 API calls 吧 XD）

✳️ tl;dr 給行銷人與產品人

• 想像一下，你公司所有的文件、客服對話、產品圖片、甚至影片，都能用自然語言進行語意搜尋。Amazon S3 Vectors 正在讓這件事變得更便宜、更簡單。¹
• 過去，只有資源雄厚的公司才能負擔得起建立大規模向量搜尋系統。現在，AWS 將這項能力直接內建到 S3，大幅降低了技術門檻和成本。
• 應用場景：媒體公司可以快速在 PB 級的影片庫中找到相關片段；醫療機構可以在數百萬張醫學影像中識別相似病例。
• 對於電商，可以用它來建立更精準的語意搜尋引擎，理解用戶「想要」什麼，而不僅僅是他們「輸入」了什麼。

• 商業價值：這不僅僅是技術升級，更是释放企業內部「非結構化資料」價值的一把鑰匙。⁴
• S3 Vectors 讓 RAG (檢索增強生成) 技術變得更加普及，這意味著你的聊天機器人或 AI 客服可以提供相對準確、相對有根據的回答。⁶
• 市場趨勢：向量搜尋正在從一個利基技術，轉變為雲端儲存的基礎設施的一部分。

• 這項創新將加速 AI 在各行各業的落地，因為它解決了最基礎的「資料準備」和「知識儲存」的成本問題。
• 對產品經理來說，這意味著在規劃 AI 功能時，可以更大膽地構思需要海量知識庫的應用。（將 S3 當作萬能鑰匙，電影 Matrix 裡面的 keymaker。）
• S3 Vectors 與 Amazon Bedrock Knowledge Bases 的整合，提供了一個一站式的知識庫解決方案。⁶
• 推測：未來將會出現更多基於 S3 Vectors 的第三方 SaaS 應用，專注於特定行業的知識管理和語意搜尋。此推測基於 AWS 生態系中 ISV 的發展模式。²
• 企業現在應該思考：我有哪些沉睡的資料可以被「向量化」，從而創造新的商業價值？先不要顧慮資料格式，你覺得是「資料」就試著先用用看，先從小資料起手。

Read More

(圖說：Claude Code 正在進行 代理式程式開發 (agentic coding)。圖片來源：Anthropic。)

✳️ tl;dr

• Anthropic 最近分享了他們內部團隊使用 Claude Code ¹ 的真實案例 ²，讓我看到了從單純的程式碼自動完成，進化到「代理式軟體開發生命週期 (agentic SDLC)」的大致畫面。
• Data Infrastructure 團隊讓 Claude Code 用 OCR 看錯誤截圖，診斷出 Kubernetes IP 耗盡，並提供修復指令
• 非技術背景的財務人員只要用 自然語言 描述需求，Claude Code 就能自動產生查詢並輸出 Excel 報表
• Product Development 團隊在 auto-accept mode 下讓 Claude Code 自主寫出 70% 的 Vim 模式程式碼
• Security Engineering 透過 Claude Code 快速解析 Terraform plan，完成安全審核並減少開發瓶頸
• Inference 團隊依賴 Claude Code 生成涵蓋 edge case 的單元測試，研究開發時間降低 80%
• DS/ML 團隊用 Claude Code 建立 5,000 行 TypeScript 儀表板 (dashboard)，從一次性分析轉向長期可重用工具

• MCP（Model Context Protocol） ³ 讓 Claude 在安全環境中存取精準的組態與資料
• Claude Code 借助「自我驗證迴圈」：撰寫程式 → 執行測試/CI → 自動修正錯誤，推進代理式 SDLC (agentic SDLC)
• 第三代 AI coding 工具正整合到端到端開發流程，從需求到部署 全面自動化
• Anthropic 透過 RLAIF 與 Constitutional AI 訓練模式，讓 Claude 在程式碼生成中展現業界領先的自我修正能力

• 你有想過 AI coding 工具 在你的組織內部 或 對你自己的工作流程 到底能做到什麼 程度 嗎？
• 今年五月我在 AWS Summit Hong Kong 2025 分享「重塑程式設計: AI 如何轉變企業的程式開發方式」，從 SDLC 開始拆解，大家有興趣也可以搭配投影片一起閱讀。

⁴⁵⁶⁷⁸

Read More

(圖說：水文調查儲存區。每個管子都包含一份登錄的水文調查資料。圖片來源：Photo by NOAA on Unsplash。)

✳️ tl;dr

• 美國政府 2025-07 發布 America's AI Action Plan，目標重塑美國 AI 全球主導地位
• 三大戰略支柱：加速 AI 創新、建設 AI 基礎設施、領導國際 AI 外交與安全
• 撤銷前任政府 AI 執行命令 14110，移除「繁文縟節和過度監管」

• 強調 保護言論自由 和美國價值觀，確保 AI 系統客觀追求真理
• 鼓勵 開源和開放權重 AI 模型 發展，促進創新與商業採用
• 建立簡化的資料中心、半導體製造和能源基礎設施許可程序，實現「Build, Baby, Build」願景

• 透過 CHIPS 計劃辦公室 重振美國半導體製造業
• 建設軍用高安全性資料中心，抵禦國家級攻擊威脅
• 向夥伴出口美國 AI 技術的完整技術堆疊

• 建立監管沙盒和 AI 卓越中心，讓研究機構、新創和企業能快速部署測試 AI 工具
• 建立 AI 勞動力研究中心，持續評估 AI 對勞動市場的影響並提供政策建議
• 投資自動化雲端實驗室，涵蓋工程、材料科學、化學、生物學等多個科學領域

• 附上全文 美國人工智慧行動計畫（中文翻譯好讀版）¹

^2314567

Read More

(圖說：正在安裝 Kiro。圖片來源：Ernest’s MBP。)

✳️ tl;dr

• 覺得 AI | Vibe coding 寫程式像開盲盒嗎？
• Kiro ¹ 用 Specs 幫你拆盒前就看說明書
• 一句提示 → 自動展開使用者故事，還附 EARS 需求標準

• Ernest 嘗試拆解 Kiro 的四層架構（意圖層、知識層、執行層、監督層）²
• Kiro AI = Kiro Agentic IDE

• Tasks 列表直接串單元/整合測試，減少忘記寫測試的窘境
• Hooks 讓大家發揮想像力，事件驅動的自動化，自己的自動化自己接
• Steering 專案指導原則，確保一致性，讓 Kiro 遵循組織文化，串接知識管理
• 支援 RWD 與 A11y，前端也有被照顧

• 預覽期間免費，支援 Mac/Win/Linux （快蹭！
• Kiro 基於 Code OSS，與 VS Code 相容
• VS Code 使用者 (應) 可無痛搬家，有些外掛在 Kiro 還沒見到
• Kiro + WSL2 解法 ²

• 延伸玩法: Kiro + dev container 做隔離
• 延伸玩法: Kiro + Remote SSH + EC2 (CloudShell?) within VPC

³⁴⁵

Read More

(圖說：巴西第一大港，Port of Santos，提供裝卸貨櫃服務。圖片來源: Photo by sergio souza on Unsplash。)

✳️ tl;dr

• Cloudflare Containers ¹ 公開 Beta 上線，付費用戶立即可用，與 Workers 完整整合。
• Region: Earth 全地球之全域佈署，數秒啟動容器，開發者無須自行選區 (5)。
• 透過 Worker→Container 綁定，可依 ID 動態生成隔離實例，適合多租戶平台。
• dev/basic/standard 三種 Instance Type 覆蓋 256 MiB, 1 GiB, 4 GiB 記憶體需求。
• 10 ms 計費粒度，CPU、記憶體、磁碟分別度量，並附免費額度。
• 內建 Metrics/Logs 保留七天，可外送 LogSink，降低 Observability 整合成本。
• Upcoming: autoscale = true 啟用全球自動擴容與延遲感知路由。

• Cloudflare Containers 底層是 AWS 開發且開源的 Firecracker microVM ² 以 KVM 提供 隔離，降低多租戶側通道風險，並保持啟動速度與資源運用效率。
• Firecracker microVM < 125 ms 冷啟、< 5 MiB 記憶體，兼顧安全與密度。
• Ernest Chiang 於 COSCUP 2020 Firecracker 工作坊，示範 ³ 90 秒跑起 4,000 microVM on i3.metal。

^45678910

Read More

(圖說：Ernest at Taiwan Product Conference 2025。圖片來源：Bob Chao。)

一路看著台灣從技術社群發展出技術年會，也隨著產業轉型及跨領域整合的複雜度增加，陸續在地產生了越來越多的產品相關機會，涵蓋產品營運 (product operation)、產品行銷 (product marketing)、產品設計 (product design)、產品管理 (product management)、產品開發 (product development) 等各方各面，相當有機蓬勃。

但看似綠意盎然的背後，到底是有機溫室？還是雜草叢生？在混沌中前行的我們，沒人知道答案。不知道答案，代表我們還能做些什麼，代表我們還能出門探索，代表我們還能回家實驗，代表我們還能嘗試迭代。這天炎熱的週末，我們一群圍繞產品生態的人們，一起在第一次舉辦的 台灣軟體產品年會 2025 裡頭，嘗試著做點什麼。

年會心得，另篇整理。

本篇會分兩個階段，一會先釋出投影片，然後二會釋出 Q&A 補充說明。歡迎大家使用投影片最後一頁的表格，給予我各種角度的回饋、或問問題交流。期待彼此下次的嘗試。

Read More

(Illustration: Walk nearby Le Bouchon Ogasawara in Shibuya, Tokyo. Image source: Ernest)

✳️ tl;dr

隨著 AWS Taipei Region (ap-east-2) 發佈，該來更新一下那雜草叢生的 web latency 小工具惹。

• http overhead 比較重，但手邊沒有 CLI 時、或是客戶遠距時，可以簡單做評估。

• 有依照城市距離盡量排列。
• 以 AWS Region naming rule 為基礎，輔以我微薄的地理知識。
• 以不過度分類以至於粒度太細為原則。如果你的原則不一樣，歡迎從 upstream fork 一份改成你喜歡的樣子。

• Google: “ernest latency ping tool”

Read More

(圖說：AWS Summit Hong Kong 2025 Dev Lounge。圖片來源：Dorothy。)

✳️ 緣起

很榮幸收到投稿邀請被選上。非常感謝大家都在默默地督促著我前進 :) 另一個榮幸是躬逢其盛，遇上 AWS Summit Hong Kong 十週年，回想從 2014 年與 Lenie 與 Locarno 一起邀請 Jeff Barr 來台灣給 COSCUP 一場主題演講 (keynote)、一路到鼓勵參加 AWS Hero program、再到今天有這個機會來到香港在 AWS Summit Hong Kong 的 Dev Lounge 跟一票開發者與技術管理者一起交流，真心覺得緣分與迭代進步的幸運交叉，心中充滿各種感激。

分享的內容來自於近一年多來我們與傳統產業互動、梳理流程、物件狀態化的經驗，以及我們自身產品與技術整合團隊 (PTI) 的工作流程與 AI 工具協作的調整（踩坑之旅）。搭配 Amazon Q CLI 以及從現有流程來延伸出 AI 協作的思維，邀請 AI 成爲我們團隊的新成員，練習分派任務給 AI 做，跟所有新同事一樣，都會有磨合期，但是只要一天不邀請這位（這群？！）新同事，那磨合就不會開始。

Read More

（圖說：開箱 Apple MacBook Pro M4 Pro 和 reMarkable Paper Pro。拍攝於 AWS re:Invent 2024，拉斯維加斯。圖片來源：Ernest）

今天花了一些時間在一台 macOS Sequoia 15.1.1 機器上設定 nRF52 DK (PCA10040) 開發板的開發環境，這台機器是 Apple Macbook Pro M4 Pro (Apple Silicon)。這篇部落格文章筆記了這個過程，留給自己以及同為使用 Nordic Semiconductor nRF52 DK 朋友們參考。

Read More