[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"article-2026-system-design-interview-cheat-sheet-page-zh":3,"article-related-2026-system-design-interview-cheat-sheet-page-zh":30,"series-tools-fcd9e0a1-085a-48e5-97e2-6d9757ac06f7":82},{"id":4,"slug":5,"title":6,"content":7,"summary":8,"source":9,"source_url":10,"author":11,"image_url":12,"cover_image":12,"category":13,"language":14,"translated_content":11,"related_article_id":15,"keywords":16,"key_takeaways":22,"views":26,"created_at":27,"published_at":28,"topic_cluster_id":29},"fcd9e0a1-085a-48e5-97e2-6d9757ac06f7","2026-system-design-interview-cheat-sheet-page-zh","2026 系統設計面試一頁模板","\u003Cp data-speakable=\"summary\">這篇整理一頁版 \u003Ca href=\"\u002Fnews\u002Fwhy-web3-development-company-rankings-are-wrong-2026-zh\">2026\u003C\u002Fa> 系統設計面試模板，\u003Ca href=\"\u002Fnews\u002Fmicrosoft-copilot-super-app-fixes-app-hopping-zh\">讓你\u003C\u002Fa>直接抄回答框架、核心概念和取捨句型。\u003C\u002Fp>\u003Cp>我拿系統設計 cheat sheet 已經看過一輪又一輪了，老實說，大多數都很像把教科書掃進去就交差。名詞一堆、圖一堆，真到面試時腦袋一空，還是只能硬撐。更煩的是，很多內容還停在舊年代，好像世界只剩 monolith、SQL，外加一個 CDN 就算很潮。這種東西以前就不夠用，到了 2026 更是直接失焦。\u003C\u002Fp>\u003Cp>我真正想要的其實很簡單：一頁就能幫我把思路排好，不是背答案，是把腦袋分門別類。面試官一開始追需求、接著問 scale、再來挑 consistency、retries、data modeling，你至少要有一套不會散掉的講法。我後來去看 \u003Ca href=\"https:\u002F\u002Fdesigngurus.substack.com\u002Fp\u002Fthe-2026-system-design-interview\" target=\"_blank\" rel=\"noopener noreferrer\">Arslan Ahmad 的 2026 system design interview cheat sheet\u003C\u002Fa>，把我真的會留在桌上的部分拆出來。它不是聖經，我把它當成可剪裁、可複製的實戰筆記。\u003C\u002Fp>\u003Ch2>不要背答案，先把腦袋排成流程\u003C\u002Fh2>\u003Cblockquote>“System design interviews are not about reciting the perfect answer. They are about showing structured thinking under pressure.”\u003C\u002Fblockquote>\u003Cp>這句話翻成白話就是：面試官在看你怎麼想，不是在看你能不能背出 \u003Ca href=\"\u002Ftag\u002Fdistributed-systems\">distributed systems\u003C\u002Fa> 百科全書。我看過很多人一遇到題目就卡住，因為腦中只記得「rate limiting 要怎麼做」「chat database 要選什麼」，卻忘了先問基本問題。這就是死法。你如果只會背，題目一變形，腦子就只能當機。\u003C\u002Fp>\n\u003Cfigure class=\"my-6\">\u003Cimg src=\"https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1780248830713-47l1.png\" alt=\"2026 系統設計面試一頁模板\" class=\"rounded-xl w-full\" loading=\"lazy\" \u002F>\u003C\u002Ffigure>\n\u003Cp>原文一直強調，這份 cheat sheet 是拿來支撐思考流程，不是拿來取代思考。我完全同意。真正答得好的候選人，通常不是架構畫得最花俏的那個，而是能先講需求、再講 scale、接著畫出夠用的高層設計，最後才談 trade-offs。這順序看起來很無聊，但它能防止你在架構表演裡迷路。\u003C\u002Fp>\u003Cp>我自己的做法很土，但很有效：每題都固定同一個順序。先重述問題，再問 traffic、latency、durability、failure tolerance。接著先畫最簡單可行的設計，最後才開始優化。只要我一開始就想衝 shard 或 Kafka，通常就是我在拿複雜度蓋掉不確定感。面試官一聽就知道。\u003C\u002Fp>\u003Cul>\u003Cli>先問需求，不要先丟元件。\u003C\u002Fli>\u003Cli>把 trade-off 當成答案的一部分，不要放到最後才補。\u003C\u002Fli>\u003Cli>第一版先 boring，再慢慢加料。\u003C\u002Fli>\u003C\u002Ful>\u003Cp>這個心法重要，是因為它會改變你怎麼準備。你不會再死背 50 個零散知識點，而是開始理解各個零件怎麼串起來。這才是可用的能力。cheat sheet 只有在它讓你的思考更清楚時才有價值。\u003C\u002Fp>\u003Ch2>那些每題都會冒出來的核心概念\u003C\u002Fh2>\u003Cblockquote>“Scalability… Availability… Reliability… Latency… Throughput… Consistency… CAP Theorem… PACELC… Idempotency… Fault Tolerance.”\u003C\u002Fblockquote>\u003Cp>這一段我建議直接狠一點看。這些詞幾乎每場系統設計都會被丟出來，而且常常被講得亂七八糟。我聽過有人把 latency 說成「系統有多快」，然後下一秒又把 throughput 講成差不多的東西。不是。我要是面試官，我不要求你背教科書定義，但我很在意你能不能把這些概念分清楚，不要混成一鍋粥。\u003C\u002Fp>\u003Cp>白話翻譯一下：Scalability 是系統長大時會不會垮。Availability 是需要的時候有沒有活著。Reliability 是活著的時候會不會答對。Latency 是單次請求花多久。Throughput 是單位時間能處理多少請求。Consistency 是不同副本的資料有沒有對齊。Idempotency 是同一個請求重送會不會造成額外傷害。Fault tolerance 是零件壞掉時能不能撐住。\u003C\u002Fp>\u003Cp>原文也提到 \u003Ca href=\"https:\u002F\u002Fen.wikipedia.org\u002Fwiki\u002FCAP_theorem\" target=\"_blank\" rel=\"noopener noreferrer\">CAP\u003C\u002Fa> 和 \u003Ca href=\"https:\u002F\u002Fwww.infoq.com\u002Farticles\u002Fpacelc-distributed-systems\u002F\" target=\"_blank\" rel=\"noopener noreferrer\">PACELC\u003C\u002Fa>。我很贊成把 PACELC 一起看，因為 CAP 常常被講成萬用咒語，但實務上更常遇到的是「沒有 partition 時，你還是在 latency 跟 consistency 之間選」。這種說法比較像現在的系統，沒有那麼像十年前的部落格轉貼。\u003C\u002Fp>\u003Cp>我以前做過一場 mock interview，題目是 payment flow。面試官一直追 retry。我才突然意識到，如果 payment \u003Ca href=\"\u002Ftag\u002Fapi\">API\u003C\u002Fa> 沒有 idempotency，重試一次就可能重複扣款。這一個細節，整個設計就變了。Availability 跟 consistency 也是一樣，你如果講不出自己為什麼選其中一邊，那你其實還沒真的理解你畫的系統。\u003C\u002Fp>\u003Cul>\u003Cli>用 CAP 來講 distributed trade-off。\u003C\u002Fli>\u003Cli>用 PACELC 補上沒有 partition 時的選擇。\u003C\u002Fli>\u003Cli>只要有 retry 或 payment，就先想到 idempotency。\u003C\u002Fli>\u003C\u002Ful>\u003Cp>我自己的實操方式很簡單：每個詞都做一張 flashcard，只寫一句話加一個例子，不要寫作文。你如果連 consistency 都沒辦法用白話講清楚，那你現在還不適合聊 multi-region writes。\u003C\u002Fp>\u003Ch2>先懂 building blocks，再來談設計\u003C\u002Fh2>\u003Cblockquote>“Clients… Servers… Load Balancers… Databases… Caches… Content Delivery Networks… Message Queues… Event Streams… APIs… Object Storage… Search Indexes… Vector Databases.”\u003C\u002Fblockquote>\u003Cp>這段我覺得應該貼在每個面試桌前面。這些就是每次都會出現的積木，你不懂它們各自幹嘛，設計圖一問到「為什麼放這裡」就會開始搖。\u003C\u002Fp>\n\u003Cfigure class=\"my-6\">\u003Cimg src=\"https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1780248835729-t2i9.png\" alt=\"2026 系統設計面試一頁模板\" class=\"rounded-xl w-full\" loading=\"lazy\" \u002F>\u003C\u002Ffigure>\n\u003Cp>我喜歡原文的地方，是它沒有只列工具名，而是先把角色拆開。Client 負責發起請求，Server 負責處理，Load balancer 負責分流，Database 負責持久化，Cache 負責把熱資料加速，CDN 負責把靜態內容拉近使用者，Queue 負責吸收工作量，Event stream 負責持續流動的事件，API 負責定義契約，Object storage 放 blob，Search index 讓查找變快，\u003Ca href=\"\u002Ftag\u002Fvector-database\">Vector database\u003C\u002Fa> 則是 AI 系統裡越來越常見的那塊。\u003C\u002Fp>\u003Cp>原文把 vector database 拉進來，我覺得很對。只要產品有 semantic search、recommendation、\u003Ca href=\"\u002Ftag\u002Frag\">RAG\u003C\u002Fa>，或任何 AI-assisted discovery，設計裡很可能就會碰到 vector store。你可以看 \u003Ca href=\"https:\u002F\u002Fwww.pinecone.io\u002F\" target=\"_blank\" rel=\"noopener noreferrer\">Pinecone\u003C\u002Fa>、\u003Ca href=\"https:\u002F\u002Fwww.weaviate.io\u002F\" target=\"_blank\" rel=\"noopener noreferrer\">Weaviate\u003C\u002Fa>、\u003Ca href=\"https:\u002F\u002Fmilvus.io\u002F\" target=\"_blank\" rel=\"noopener noreferrer\">Milvus\u003C\u002Fa>。不是要你背 vendor 文件，我只是想說，現在還把 vector search 當邊角料，真的有點跟不上。\u003C\u002Fp>\u003Cp>我的做法是每個元件都問三件事：它解什麼問題？拿掉會怎樣？加進來的成本是什麼？這第三題很重要，因為面試官很愛問你為什麼沒加 cache，或為什麼用 queue 不直接打服務。你如果知道每個積木的角色，這些問題就不會像陷阱，比較像正常追問。\u003C\u002Fp>\u003Cp>還有一條我自己很常用的原則：如果我沒辦法用一句話講清楚一個元件，我大多不會在第一版設計就硬塞它。先把形狀畫出來，再依需求加特殊零件。這樣比較不會把自己講死。\u003C\u002Fp>\u003Ch2>模式不是裝飾品，是系統怎麼動的答案\u003C\u002Fh2>\u003Cblockquote>“Read-heavy vs Write-heavy… Sharding and Partitioning… Replication… Pub\u002FSub and Event-Driven Architecture… Microservices vs Monoliths… Asynchronous Communication… Multi-Region Architecture… Real-Time Systems.”\u003C\u002Fblockquote>\u003Cp>這一段通常是候選人開始分水嶺的地方。模式不是拿來背名詞的，是拿來描述系統行為的。原文把常見的幾個大類都點出來了：讀多寫少、寫多讀少、sharding、replication、pub\u002Fsub、microservices、async、多區域、real-time。這些不是清單而已，它們是在告訴你「工作負載不同，系統長相就不同」。\u003C\u002Fp>\u003Cp>白話講，如果讀多，就先想到 cache 跟 replica；如果寫多，就先想到 partition、async processing、寫入友善的 storage；如果資料太大塞不進一台機器，就 shard；如果 uptime 很重要，就 replicate；如果服務之間不要互等，就 queue 或 event；如果使用者期待即時更新，就用 persistent connection 或 push-based delivery。\u003C\u002Fp>\u003Cp>我看過不少人把 microservices 講得像勳章，這真的不用。microservices 的確能換來獨立部署和獨立擴縮，但你也會同時拿到 distributed debugging、network failure、schema drift，還有一堆營運成本。原文把 monolith vs microservices 放在 trade-off 裡，這點很對。面試裡我寧可聽到「先 monolith，邊界清楚再拆」也不要聽到「因為 scale 所以 microservices」。後者通常是還沒想清楚。\u003C\u002Fp>\u003Cp>實操上，我會在聽題目時先快速分類：這是 read-heavy 還是 write-heavy？需不需要 real-time updates？是不是 global？有沒有 background processing？這個分類動作很小，但它能讓你的設計不會亂飄。\u003C\u002Fp>\u003Cul>\u003Cli>讀多：cache、replica、precompute。\u003C\u002Fli>\u003Cli>寫多：partition、batch、queue、簡化寫路徑。\u003C\u002Fli>\u003Cli>即時：push updates、persistent connections、event stream。\u003C\u002Fli>\u003C\u002Ful>\u003Cp>而且 2026 的面試，multi-region 幾乎已經不是加分題，是基本題。你的使用者如果是全球分布，你的答案也要跟著全球化，不然很容易顯得像只看過單區部署的範例。\u003C\u002Fp>\u003Ch2>取捨才是答案，不是附註\u003C\u002Fh2>\u003Cblockquote>“Consistency vs Availability… Latency vs Throughput… Speed vs Cost… Flexibility vs Complexity… Read Speed vs Write Speed… Strong Consistency vs Eventual Consistency… SQL vs NoSQL.”\u003C\u002Fblockquote>\u003Cp>這段是我最想拿紅筆劃起來的地方。trade-off 不是補充說明，trade-off 就是面試本體。誰都能列元件，強一點的人才會說清楚每個選擇換來什麼、又犧牲什麼。\u003C\u002Fp>\u003Cp>原文列的幾組取捨很實用。更強的 consistency 通常意味著更多 coordination，有時候 availability 會掉。追求更低 latency，可能會犧牲 throughput，特別是你如果只盯單筆請求而不是整體批次效率。cache 和 replica 能讓系統變快，但也會帶來成本、invalidation 麻煩，以及更多維運負擔。index 會讓讀取快，但寫入會痛。SQL 給你結構與查詢能力，NoSQL 給你彈性和水平擴展。沒有哪個是白吃午餐。\u003C\u002Fp>\u003Cp>我面試時真的遇過整場對話都卡在一個 trade-off。比如 feed 系統到底要不要強排序，還是先求更快送達？messaging 系統到底要不要在區域故障時維持可用性，還是要堅持即時一致？沒有完美答案。真正好的答案，是你先把取捨講出來，再說哪一邊比較符合產品需求，最後誠實承認你放棄了什麼。\u003C\u002Fp>\u003Cp>我自己的實作方式是做一個超小的對照表。左邊寫決策，右邊寫代價。像是 cache 會降低 latency，但可能有 stale data；replication 會提高 availability，但寫入會複雜；sharding 會幫你擴 scale，但 cross-shard query 會變難。這種小習慣很有用，因為它會讓你的回答聽起來很落地，不像在背漂亮話。\u003C\u002Fp>\u003Cp>還有一點我很在意：不要只說「it depends」就收工。這句話只有在你馬上接著說「它取決於什麼」時才有用，不然只是換一個比較體面的逃避方式。\u003C\u002Fp>\u003Ch2>照著固定流程走，不要臨場 freestyle\u003C\u002Fh2>\u003Cblockquote>“Clarify the Requirements… Estimate the Scale… Define the API… Draw the High-Level Design… Go Deeper on the Important Parts.”\u003C\u002Fblockquote>\u003Cp>這個 framework 才是 cheat sheet 真正有用的地方。沒有流程，cheat sheet 只是漂亮名詞堆；有流程，它才會\u003Ca href=\"\u002Fnews\u002Fbetsson-web3-frontend-igaming-role-zh\">變成\u003C\u002Fa>你穿過題目的路徑。\u003C\u002Fp>\u003Cp>我自己現在都照這個順序來。先重述需求，順便問澄清問題：我們到底在做什麼？誰會用？最重要的是 latency、durability、cost 還是 consistency？接著估 scale，不用精準到像財報，但至少要有大概的 request volume、data growth、peak load。然後定 API，讓系統有明確契約。接著畫 high-level architecture。等骨架先站穩，再往 storage、cache、partitioning、delivery path 這些高風險點下鑽。\u003C\u002Fp>\u003Cp>順序重要，是因為它能避免你提早優化。我看過很多人一開始就衝 database 選型，結果後面才發現自己根本沒釐清這個系統要不要強 ordering、global writes 或 full-text search。這種順序是反的。需求和 API 應該先決定 storage，不是相反。\u003C\u002Fp>\u003Cp>實操上，你可以把每題都練成同一條路徑。先澄清、再估算、再定義、再畫圖、最後才深入。這樣會很像在照流程表演，沒錯，但這種表演很有用，因為它可重複。可重複，才是壓力下最值錢的東西。\u003C\u002Fp>\u003Cp>如果你要一個簡短的面試口條，就用這個順序：clarify、estimate、define、sketch、deepen。很土，但真的能救命。\u003C\u002Fp>\u003Ch2>2026 版和舊資料最大的差別\u003C\u002Fh2>\u003Cblockquote>“Concepts that mattered in 2020 are not the same ones that matter in 2026.”\u003C\u002Fblockquote>\u003Cp>我很喜歡原文把這句話講開，因為很多準備材料真的太舊。它還在用以前的直覺當預設值，卻低估了現在已經很常見的東西：multi-region 變基本盤、event-driven pipeline 到處都是、使用者期待即時更新、AI 功能把 vector search 直接塞進架構裡。\u003C\u002Fp>\u003Cp>白話點說，你的回答要像 2026 的 stack，不要像博物館展品。你如果整場都沒提 event stream、async processing、vector database，答案很可能聽起來就會偏舊，就算技術上沒有錯。我不是說每個系統都要塞這些東西，我是說你要知道什麼時候該提，什麼時候該收。\u003C\u002Fp>\u003Cp>我自己的做法是整理一個「2026 signals」清單。題目有 AI，我就先想到 embeddings 和 retrieval；題目有 live updates，我就想到 push delivery 和 event flow；題目有全球使用者，我就想到 region strategy 和 failure mode。這個小動作很有效，至少不會讓你用 2019 的腦袋回答 2026 的題目。\u003C\u002Fp>\u003Cp>如果你現在手上還在看舊版系統設計筆記，我會建議你至少把這幾個地方更新一下。不是因為舊內容沒用，而是因為預設值已經變了。\u003C\u002Fp>\u003Ch2>可抄的模板\u003C\u002Fh2>\u003Cpre>\u003Ccode>## 系統設計面試回答模板（2026 版）\n\n### 1) 先釐清問題\n- 核心使用流程是什麼？\n- 使用者是誰？\n- 最重要的是 latency、availability、consistency、cost，還是 durability？\n- 哪些範圍是包含，哪些是排除？\n\n### 2) 估算規模\n- DAU \u002F MAU：\n- Peak RPS：\n- Read \u002F write ratio：\n- 每日資料成長量：\n- 儲存與頻寬限制：\n\n### 3) 定義 API\n- 主要 endpoints 或 events：\n- request \u002F response 格式：\n- 是否需要 idempotency：\n- 同步還是非同步：\n\n### 4) 先選主要 building blocks\n- Client\n- Load balancer\n- App servers\n- Database\n- Cache\n- Queue 或 event stream\n- Object storage\n- Search index\n- 如果有 AI \u002F semantic retrieval，再加 vector database\n- 如果有全球流量，再加 CDN\n\n### 5) 講清楚主要 trade-offs\n- Consistency vs availability\n- Latency vs throughput\n- Speed vs cost\n- Read speed vs write speed\n- SQL vs NoSQL\n- Monolith vs microservices\n\n### 6) 補 failure handling\n- Retries with backoff\n- Idempotency keys\n- Circuit breakers\n- Replication and failover\n- Graceful degradation\n- Monitoring and alerts\n\n### 7) 只在題目需要時深入\n- Sharding strategy\n- Cache strategy\n- Partition key choice\n- Multi-region strategy\n- Ordering guarantees\n- Reconciliation \u002F backfill\n- Real-time delivery path\n- Search \u002F vector retrieval path\n\n### 8) 最後收在 trade-off statement\n-「在這個需求下，我會選 X，因為它最符合 Y。」\n-「代價是 Z，但我願意接受，因為產品更在意 Y。」\n\n### 一分鐘口條\n1. 重述問題。\n2. 估算規模。\n3. 畫高層架構。\n4. 講主要 trade-offs。\n5. 深挖最風險的元件。\n6. 用需求對齊你的選擇。\n\u003C\u002Fcode>\u003C\u002Fpre>\u003Cp>這段我會直接貼進自己的 prep doc。它不花俏，但它能把對話拉回正軌。面試時你要的就是這個。\u003C\u002Fp>\u003Cp>原始來源：\u003Ca href=\"https:\u002F\u002Fdesigngurus.substack.com\u002Fp\u002Fthe-2026-system-design-interview\" target=\"_blank\" rel=\"noopener noreferrer\">DesignGurus Substack 的 Arslan Ahmad 文章\u003C\u002Fa>。上面這篇拆解是我根據原文整理出來的，框架、例子和可複製模板則是我自己的面試筆記化版本。\u003C\u002Fp>","一頁版 2026 系統設計面試速查表，整理核心概念、取捨、常見模式，外加可直接套用的回答模板。","designgurus.substack.com","https:\u002F\u002Fdesigngurus.substack.com\u002Fp\u002Fthe-2026-system-design-interview",null,"https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1780248830713-47l1.png","tools","zh","7d0a01ae-9a11-4d95-b3c0-369c161b31ed",[17,18,19,20,21],"system design","interview prep","trade-offs","distributed systems","vector database",[23,24,25],"先用固定流程回答：釐清需求、估規模、定 API、畫架構、再深入。","核心不是背名詞，而是講清楚 building blocks 和 trade-offs。","2026 的答案要把 multi-region、event-driven、AI\u002Fvector search 納入思考。",4,"2026-05-31T17:33:14.094251+00:00","2026-05-31T17:33:14.049+00:00","035d3502-937a-44ff-891a-56411fbb4c73",{"tags":31,"relatedLang":41,"relatedPosts":45},[32,34,36,38,40],{"name":18,"slug":33},"interview-prep",{"name":20,"slug":35},"distributed-systems",{"name":17,"slug":37},"system-design",{"name":21,"slug":39},"vector-database",{"name":19,"slug":19},{"id":15,"slug":42,"title":43,"language":44},"2026-system-design-interview-cheat-sheet-page-en","2026 system design interview cheat sheet page","en",[46,52,58,64,70,76],{"id":47,"slug":48,"title":49,"cover_image":50,"image_url":50,"created_at":51,"category":13},"63d8b456-ad6b-475e-86e9-d4677ca226aa","magenta-realtime-2-score-inside-daw-zh","Magenta RealTime 2 讓你在 DAW 裡即時改曲","https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1781046204038-8tox.png","2026-06-09T23:02:55.9651+00:00",{"id":53,"slug":54,"title":55,"cover_image":56,"image_url":56,"created_at":57,"category":13},"f60261ff-a42e-4cfb-9f90-97785e633289","open-source-ai-tools-beat-claude-paid-tiers-zh","開源 AI 工具在價值上已經贏過 Claude 付費方案","https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1781045266035-on7t.png","2026-06-09T22:47:20.195939+00:00",{"id":59,"slug":60,"title":61,"cover_image":62,"image_url":62,"created_at":63,"category":13},"8520cd4f-2531-4808-a95d-26f590239d7a","500-ai-agent-projects-show-where-agents-work-now-zh","500 個 AI agent 專案，現在能做什麼","https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1781033591132-c0nh.png","2026-06-09T19:32:37.03924+00:00",{"id":65,"slug":66,"title":67,"cover_image":68,"image_url":68,"created_at":69,"category":13},"c557ef1c-7fde-4c86-918e-4fb9680ee9df","chocolatey-go-package-policy-installs-zh","Chocolatey 的 Go 安裝變成政策","https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1781029110289-xkbh.png","2026-06-09T18:18:05.078435+00:00",{"id":71,"slug":72,"title":73,"cover_image":74,"image_url":74,"created_at":75,"category":13},"90b2df54-df6e-417d-9e16-91e9ad2f53d7","go-support-policy-turns-releases-into-a-checklist-zh","Go 支援政策把發版變清單","https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1781028200122-3m4u.png","2026-06-09T18:02:49.50176+00:00",{"id":77,"slug":78,"title":79,"cover_image":80,"image_url":80,"created_at":81,"category":13},"119c23c6-8ae7-4c4e-820e-1eba0730d702","rustdesk-self-hosting-secure-remote-access-zh","RustDesk 自架遠端存取部署指南","https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1781017373324-g7et.png","2026-06-09T15:02:24.118819+00:00",[83,88,93,98,103,108,113,118,123,128],{"id":84,"slug":85,"title":86,"created_at":87},"855cd52f-6fab-46cc-a7c1-42195e8a0de4","surepath-real-time-mcp-policy-controls-zh","SurePath 推出即時 MCP 政策控管","2026-03-26T07:57:40.77233+00:00",{"id":89,"slug":90,"title":91,"created_at":92},"9b19ab54-edef-4dbd-9ce4-a51e4bae4ebb","mcp-in-2026-the-ai-tool-layer-teams-use-zh","2026 年 MCP：團隊真的在用的 AI 工具層","2026-03-26T08:01:46.589694+00:00",{"id":94,"slug":95,"title":96,"created_at":97},"af9c46c3-7a28-410b-9f04-32b3de30a68c","prompting-in-2026-what-actually-works-zh","2026 提示工程，真正有用的是什麼","2026-03-26T08:08:12.453028+00:00",{"id":99,"slug":100,"title":101,"created_at":102},"05553086-6ed0-4758-81fd-6cab24b575e0","garry-tan-open-sources-claude-code-toolkit-zh","Garry Tan 開源 Claude Code 工具包","2026-03-26T08:26:20.068737+00:00",{"id":104,"slug":105,"title":106,"created_at":107},"042a73a2-18a2-433d-9e8f-9802b9559aac","github-ai-projects-to-watch-in-2026-zh","2026 必看 20 個 GitHub AI 專案","2026-03-26T08:28:09.619964+00:00",{"id":109,"slug":110,"title":111,"created_at":112},"a5f94120-ac0d-4483-9a8b-63590071ac6a","claude-code-vs-cursor-2026-zh","Claude Code 與 Cursor 深度對比：202…","2026-03-26T13:27:14.279193+00:00",{"id":114,"slug":115,"title":116,"created_at":117},"0975afa1-e0c7-4130-a20d-d890eaed995e","practical-github-guide-learning-ml-2026-zh","2026 機器學習入門 GitHub 實用指南","2026-03-27T01:16:49.712576+00:00",{"id":119,"slug":120,"title":121,"created_at":122},"bfdb467a-290f-4a80-b3a9-6f081afb6dff","aiml-2026-student-ai-ml-lab-repo-review-zh","AIML-2026：像課綱的學生實驗 Repo","2026-03-27T01:21:51.467798+00:00",{"id":124,"slug":125,"title":126,"created_at":127},"80cabc3e-09fc-4ff5-8f07-b8d68f5ae545","ai-trending-github-repos-and-research-feeds-zh","AI Trending：把 AI 資源收成一張表","2026-03-27T01:31:35.262183+00:00",{"id":129,"slug":130,"title":131,"created_at":132},"3ce6e6e2-bac5-463e-9f8d-45caabcc61f7","awesome-ai-for-science-research-tools-map-zh","AI 科研工具清單，開始像地圖了","2026-03-27T01:46:50.521945+00:00"]