Weekly Issue 第 21 期:JetBrains 發表 2025 Go 生態系調查

最近在讀 Tony Fadell 的 "Build",作者曾經參與過 iPhone 的開發,各種經驗談讓人嘆為觀止,例如這段:「如果故事有某個部分銜接不上,那麼產品本身也會有某個地方行不通…這便是為什麼最後 iPhone 的表面是玻璃,而不是塑膠,以及為什麼 iPhone 沒有硬體鍵盤。」

好在哪呢?好在如果能掌握這個觀念,就能知道如何「閱讀」產品,看見一個產品,就像閱讀一則故事一樣,知道它的抑揚頓挫,知道它想表現的東西。我相信每個經歷過產品開發的人,看這本書都會很有感覺。  


🗞️ 熱門新聞

JetBrains 前陣子公布 Go 生態系的調查結果。

除了 IDE 跟 AI coding assistants 中,JetBrains 的占比遠高於我的預期外,倒是沒太多意外。

值得注意的是產業分布,網路應用與雲端基礎建設維運仍然占大宗,JetBrains 今年另有一篇 "Is Golang Still Growing" 講得很詳細。

Liquid Glass Is Cracked, and Usability Suffers in iOS 26

看到一篇從設計層面批評 Apple 的 Liquid Glass,「(新的)視覺語言讓內容變得模糊不清,而非讓內容成為焦點。」

我至今還是不知道 Liquid Glass 的用途是什麼(有人提到為了三維空間的體驗,也許吧),對我來講比較大的問題是辨識度下降與多餘的動畫。非常好奇它的發想情境是什麼。


✨ 科技觀點

Hacker News - The Good Parts

我很常逛 HN,剛發現有人針對 HN 的討論風氣特別寫了一篇,稱讚它能滿足讀者的求知慾,對我來說確實如此。

社群是非常難的題目,不知道 HN 是如何做到,以及這會不會只是個暫時的現象?前陣子跟朋友聊天時提到,私人社群需要「即時訊息」的功能,例如 Discord,但 HN 顯然更偏向長文思考。

AI's Dial-Up Era

最近跟朋友在討論 AI 到底是不是泡沫,我沒答案,但是很喜歡這篇講的 Jevons Paradox: "效率的技術改進會導致該資源的總消耗增加,而不是減少。"

用比較通俗的講法:改善工作效率會讓你更忙,而不是更輕鬆,因為當你有空時,你會被安排更多工作。雖然這是個悲觀的觀點,畢竟從本質上,能改善效率,意味著你更理解這份工作本身。

有好幾次我都覺得現實比我想的複雜,我用 LLM 規劃旅遊行程,而 LLM 卻不知道假日鐵路停駛。它更像是個新的工具,而不是應用本身。

The Future of AI History

Chrome 當年曾打算保留所有用戶的瀏覽紀錄,並讓你可以訪問,從中發掘出自己的 insight(例如,我都是在看旅遊網頁,或者我平均的網頁停留時間)。

這個計畫最後失敗了。因為「這並不重要。沒有人會去使用歷史記錄。他們只會再回到 Google,重新搜尋他們要找的東西。」

這對產品設計,特別是 AI 的產品設計來說,的確很有啟發。與其提醒使用者他正在使用 AI,我更傾向讓 AI 在背後給他更好的體驗。

Intentional, Not Reflexive: A Manager's Thoughts on AI

常見談 LLM 應用的文章都是談如何優化個人的生產力,這篇則是從管理的角度來談 LLM 的效果。

有意思的點是,我平常也會問 LLM 跟生產力無關的問題,但我沒意識到它是不同的用途,它在協助我「下決定」,或者是讓我意識到,我對該問題認識還不夠。

舉個例子,我會餵日記給 LLM,有時候它能幫我意識到,我在無意識繞開問題,雖然即使知道也不一定想面對,但就是一個提醒,讓我知道應該要做(或不做)哪些事。

AI Won't Generate a Good Product Idea

「我們只能在自己能想像出適當問題、提示與情境的範圍內轉換情境。初學者無法直接抵達專家領域。」

這句話不只適用 LLM,也適用管理。以前聽前輩分享,一家公司的上限通常是老闆,因為老闆沒辦法理解他不知道的東西。不是說無法從理性上理解,而是只能依賴想像來模擬動起來的樣子,但這是不夠的,我能看 Curry 打球跟我能像 Curry 打球,是兩件不同的事。

Messing with bots

看到 Bear 的開發者嘗試餵爬蟲垃圾資訊,消耗爬蟲的時間。這個點子最早是從 Reddit 或 HN 來的,用意是讓無視 robot.txt 的 AI 爬蟲吃點苦頭。

我第一時間想法是「可是這樣不是在白白消耗你的頻寬嗎?」,作者也承認,這點子不適用在生產環境,特別是你需要跟 Google 搞好關係的時候。只是 "Sometimes we can just do things for fun."

To get better at technical writing, lower your expectations

我剛成為工程師,寫技術文件時,會期待每個看完文件的人能理解系統。現在只會希望過幾個月後,重看技術文件的自己知道當時的情境。

在有工程文化的環境中,技術文件還是非常重要,它有點像是 Grove 講的「管理槓桿」,讓你知道該如何面對日常重複性的問題。

我們以前的習慣是,只要有出現問題,或者是涉及設計,我們都會建立技術文件。


📌 工程實務

如何快速上手和贡献开源项目

當你有多螢幕時,KDE 的邊緣觸發只會發生在最外層,原因是:「这样设计的动机源自费茨定律(Fitts’s Law),该定律表明:触发屏幕角落是很容易的,但在两个屏幕之间触发一个角落(一个没有视觉边界的一像素目标)则非常困难。」

看到這類原因都會有「原來如此」的念頭,有時候看其他人的網站,覺得設計不對,但進一步理解後,才發現原因比預期複雜。

you don't need anubis

看到一位開發者用 Caddyfile 配置阻擋 LLM 爬蟲。

原理是 LLM 不會執行 JS,因此只要包含簡單的 JS 就能有效阻擋,類似 Anubis,可是更簡單。

看內容,應該是真的有擋下來。但 LLM 不會執行 JS 還是讓我挺訝異的,照這樣講,他們連動態內容都爬不到?

How We Saved 70% of CPU and 60% of Memory in Refinery’s Go Code, No Rust Required.

HoneyComb 談他們如何優化 Go 應用的 CPU 跟 MEM。

原則上還是老套路,用 Profling 找出熱點並改善,比較值得注意的是他們的開銷都是在 Serialization,因此他們選擇開發一套 lib 來最佳化這段。

有些問題真的只有流量大到一個程度才值得做。

Read more

Weekly Issue 第 26 期:AI 批評指南

最近在讀《高效槓桿力》,書中提出一套變革管理框架:「尋找關鍵支點,重新配置資源。」當然,書裡給出很多案例,說明如何找到支點,只是我同時在想,如何將他們帶到我面對的情境呢? ✨ 科技觀點 Pluralistic: The Reverse-Centaur’s Guide to Criticizing AI 看到有人非常認真討論事情,即使是批評 AI,都會讓我有興趣。 附上一些我的觀點: 1) 成長型公司聽起來很美好,每個人都會想待在那,但當它變成前提時就是另一回事了。很多決策都會以成長為基礎,最後就是投資人跟企業都沒辦法接受不成長的代價。 2) 常常在爭論 AI 是否會取代工作,看的是 AI 的兩個面向,賦能與自動化,哪個會更符合當前情境。贊同賦能的人會認為 AI 帶來生產力的解放,並創造價值,可是實際上呢? 3) 很多人提過 AI 的解壓縮 / 壓縮特性,特別是在履歷或信件應用。

By Ken Chen

Weekly Issue 第 25 期:Slack 基礎設施爭議

因為地緣政治議題,我們會關心資料存放的地點是否足夠安全,即使當使用者被盯上,他仍然可以放心資料足夠隱密。這也是為什麼當網路上傳出 Slack 台灣的資料轉移到阿里雲時,會引起爭議的原因。 Slack 已經出面澄清並無此事,這也讓我們反思,當軟體業面臨這類公關危機時,應該要揭露到什麼程度。 🗞️ 熱門新聞 Slack 在臺服務將移轉至中國? Salesforce:臺灣用戶使用全球基礎設施,與阿里巴巴無關 前幾天 Salesforce 傳出要將 Slack 台灣資料轉移到阿里雲,立刻引起一陣討論,有 Salesforce 的人出來澄清,說沒有這回事。 「台灣市場一直以來都是採用 Global Infrastructure 全球基礎設施。簡單說,台灣用戶的資料是儲存在美洲或亞太區(如日本),跟中國的阿里雲在物理和邏輯上都是完全切開的。 」 讓我有興趣的是,Salesforce 沒有說他們是用哪個雲平台。我們以前有次遇到類似情況,也討論到是否揭露使用平台。當時我持反對意見,認為只需要揭露「使用全球基礎設施」已經夠了,頂多說非中國廠商的服務就好,不需要也不應該說明具體是哪個。

By Ken Chen

Weekly Issue 第 24 期:網路的精神高地

前陣子去了雪梨一趟,跟布里斯本或台北都形成有趣的對比,旅行中也不斷在想,一座城市如何發展出自己的文化?這有點像是網路平台如何形成聚落,而又如何消亡。 很喜歡本期談知乎的一篇文章,理想主義的光輝是最吸引人的,我常在想,有沒有辦法將那座「看不見的城市」帶到真實世界中。 🗞️ 熱門新聞 A ChatGPT prompt equals about 5.1 seconds of Netflix 看到 Simon Willison 提到,如果 Sam Altman 的資訊是對的,每個 LLM 提問相當於 5.1s 的 Netflix 影片耗能。 計算的需求讓輝達跟台積電挖到金礦,那電力需求又會讓誰挖到金礦呢? ✨ 科技觀點 我们失去的不只是知乎,而是中文互联网的精神高地 「那时的知乎,更像“思想沙龙”,而非“内容平台”。」 昨天跟朋友聊天,

By Ken Chen

Weekly Issue 第 23 期:Mastodon CEO 離職感言

電子報本質是種自媒體,儘管我發文前都會確認,還因為能力所限,偶爾還是有沒做好的地方。每次遇到時我都會想,不知道其他自媒體是如何查證的呢? 現代的訊息越來越快,不只是自媒體,很多專業媒體也不見得有完備的查證能力,我猜當內容氾濫,「真實」會變得越來越有價值,最終變成一門生意。 🗞️ 熱門新聞 Explore the independent web Ghost 最新一期的電子報談到他們如何處理「內容發現」的問題。 簡單來說,他們有個內容發現工具 Ghost Explore,如果創作者願意提交自己的網站數據,他們能依照這些網站數據來推薦。再來,他們還會參考 ahrefs 的資料,判斷該網域是否具有高品質。 這比 Substack 發展社群工具,更貼近我對產品的想像。現代內容網站基本都需要演算法,這已經不是要不要,是怎麼設計的問題。 My next chapter with Mastodon Mastodon 的 CEO 即將卸任,他發了篇談談這段時間的心路歷程。

By Ken Chen