Ray Liu's Blog

前言Google 在 2026 年 9 月 2 日公開 Gemini 3.8 Flash。這次更新的重點，不只是把模型做得更快，而是把 Flash 定位成能長時間工作的工程型 Agent：可以持續規劃、呼叫工具、讀取大型上下文，並在多輪執行後交付結果。Google 官方發布公告 截至 2026 年 9 月 3 日，Gemini API 已將 gemini-3.8-flash 列為穩定版模型。它支援文字、圖片、影片、音訊與 PDF 輸入，最大輸入上下文為 1,048,576 tokens，最大文字輸出為 65,536 tokens。Gemini API 模型文件 這篇文章會從模型定位、規格、推理方式、Agent 工具鏈、價格與導入風險幾個角度，整理 Gemini 3.8 Flash 適合什麼工作，以及為什麼「Flash」不再只代表低延遲的聊天模型。 Gemini 3.8 Flash 是什麼？Gemini 3.8 Flash 是 Gemini 3 系列的通用型模型，官方將它描述為目前最具智慧的 Flash workhorse model，主要面向長時間軟體工程、自治 Agent、...

前言Anthropic 在 2026 年 9 月 1 日宣布 Claude Fable 5.1 與 Claude Mythos 5.1。以台灣時間 9 月 2 日來看，這就是今天值得注意的新模型：它把重點放在可以連續工作數小時、跨越多個工具與應用程式的 Agent，而不是只把單次聊天回答得更漂亮。Anthropic 官方公告 這篇文章會整理 Claude Fable 5.1 的定位、規格、價格、benchmark、API 升級注意事項，以及實際導入後端系統時不能忽略的安全限制。文中的 benchmark 主要是 Anthropic 公布的發布測試，並不等於所有真實工作都一定會得到相同結果。 Claude Fable 5.1 是什麼？可以先把它理解成 Anthropic 為「長時間、高複雜度、需要持續驗證」的工作設計的公開模型。官方列出的核心場景包括： 跨多個檔案的功能開發、重構、遷移、除錯與 Code Review。 從研究問題一路整理到文件、試算表或簡報成品的知識工作。 需要多輪搜尋、追問與交叉整理的研究任務。 閱讀 PDF 裡的圖表、表格與密集資料，並使用瀏覽器或桌面工...

前言如果你已經有 PHP、Laravel、Go、Node.js（JavaScript / TypeScript）的後端經驗，那學 C# 其實不是從零開始，而是一次很典型的「概念搬運」工程。你不需要重新理解什麼是 API、資料庫交易、背景工作、訊息佇列、快取、依賴注入或分散式一致性；你真正要做的，是把這些已經很熟的後端概念，重新投影到 C# / .NET 的語言語法、執行模型與框架慣例上。 對資深後端工程師來說，學新語言最浪費時間的方式，就是從 Hello World 開始背語法；更有效率的方式，是先問自己：這個生態系把哪些事情做得跟我以前很像？哪些地方看似像、其實行為完全不同？哪些能力是 .NET 平台原生就做得特別成熟？ 所以這篇文章會用一個分散式電商平台當主軸，從淺到深帶你理解：如果你原本是做 Laravel API、Go 微服務、Node.js BFF 或後台系統的工程師，應該怎麼最快建立 C# 的學習座標系。 一、先講結論：你不是從零開始，而是在做概念映射先把最重要的對照表放前面，這樣後面每一段都比較容易對位。 你熟悉的世界 在 C# / ....

前言如果說平日流量考驗的是架構是否合理，那麼黑五、Prime Day、雙 11 或大型品牌聯名活動，考驗的就是整個平台是否真的具備營運層級的生存能力。因為在這種時候，系統面對的不是一般的成長曲線，而是極短時間內的大量湧入、熱門商品極端集中、促銷邏輯突然變複雜，以及支付、物流、客服、通知等外部依賴一起被放大。 很多平台平常看起來都跑得很穩，但一到大促就出現同樣的劇本：首頁變慢、搜尋爆掉、熱門 SKU 超賣、訂單佇列堆積、支付 callback 延遲、通知亂序、客服查不到狀態、營運臨時改規則又把系統推向更高風險。這些問題之所以反覆出現，不是因為工程師不努力，而是因為大促本來就是把系統設計中所有被延後處理的矛盾一次攤開。 所以這篇不只談技術，也談營運現實。我們會從限流、降級、觀測、queue buffering、災難復原與成本治理這幾個角度，整理超大型電商在活動高峰場景下最值得優先處理的設計原則。 系列文章導航 從商品瀏覽到訂單履約，超大型電商平台到底怎麼拆 商品目錄、搜尋、推薦、快取與 CDN，為什麼電商本質上是讀流量主導的系統 購物車、庫存預留、下單流程與超賣治理 支付、退款、...

前言當我們把電商系統的業務邏輯、資料層分工與交易鏈路大致拆清楚後，下一個無法迴避的問題就是：這些東西到底要怎麼在雲端上承接？對很多團隊來說，「上 AWS」常常被理解成選幾個服務把它串起來，但對超大型電商而言，真正的問題其實是故障域怎麼切、容量怎麼算、網路流量怎麼走、資料層怎麼隔離、成本怎麼控。 換句話說，這篇不是要列出一張 AWS 服務清單，而是要回答：當流量真的大、資料真的多、活動真的尖峰、平台真的不能停時，CloudFront、WAF、ALB、EKS、Aurora、ElastiCache、SQS、OpenSearch、S3 這些元件，應該怎麼放在同一張架構圖裡思考。 本篇會以超大型電商平台的常見需求為前提，討論 AWS 上的高層架構規劃、Multi-AZ 與 Multi-Region 取捨、容量預估、觀測與安全治理，以及很多團隊在雲端費用與高可用之間最容易踩到的平衡點。 系列文章導航 從商品瀏覽到訂單履約，超大型電商平台到底怎麼拆 商品目錄、搜尋、推薦、快取與 CDN，為什麼電商本質上是讀流量主導的系統 購物車、庫存預留、下單流程與超賣治理 支付、退款、帳務、對帳與交易一...

前言大型電商的資料問題，常常不是「哪一個資料庫最強」而已，而是「哪一種資料應該落在哪一層」。很多架構討論會把這個問題簡化成 MySQL vs PostgreSQL，甚至再延伸成 SQL vs NoSQL，但對真正的超大型電商來說，這樣的討論仍然太平面。 因為平台裡同時存在很多完全不同性質的資料：交易資料、查詢投影、搜尋索引、快取、暫存狀態、行為事件、稽核資料、歷史封存資料。這些資料不只查詢型態不同，對一致性、延遲、吞吐量、查詢成本與保存期限的要求也完全不同。 所以這篇的核心問題不是「用哪個資料庫比較潮」，而是：面對超大型電商的多種 workload，資料到底該放哪裡，為什麼要這樣分層，以及最常見的誤用是什麼。 系列文章導航 從商品瀏覽到訂單履約，超大型電商平台到底怎麼拆 商品目錄、搜尋、推薦、快取與 CDN，為什麼電商本質上是讀流量主導的系統 購物車、庫存預留、下單流程與超賣治理 支付、退款、帳務、對帳與交易一致性 MySQL、PostgreSQL、DynamoDB、Redis、OpenSearch 與 S3，資料到底該放哪裡（本篇） CloudFront、WAF、ALB、E...

前言支付是很多電商系統裡最容易被講得過度簡化的一塊。因為在使用者視角中，畫面上通常只看到「付款成功」或「付款失敗」，但在系統視角中，支付從來不是一個按鈕後面的單一步驟，而是一整條跨越內部服務與外部金流的長鏈路。 更現實的是，真正困難的往往不是第一次付款成功，而是後續那些長尾場景：callback 重送、付款成功但訂單未更新、部分退款、跨期退款、優惠券回補、點數返還、異常補單、日結對帳與人工客服介入。只要平台流量夠大，這些事情不會是邊角案例，而是每天都會發生的營運日常。 所以這篇要處理的重點是：支付、退款、帳務與對帳為什麼一定要拆開看？ 以及一個成熟的超大型電商，為什麼不能只把支付結果寫回訂單欄位，就當整件事結束。 系列文章導航 從商品瀏覽到訂單履約，超大型電商平台到底怎麼拆 商品目錄、搜尋、推薦、快取與 CDN，為什麼電商本質上是讀流量主導的系統 購物車、庫存預留、下單流程與超賣治理 支付、退款、帳務、對帳與交易一致性（本篇） MySQL、PostgreSQL、DynamoDB、Redis、OpenSearch 與 S3，資料到底該放哪裡 CloudFront、WAF、ALB...

前言如果說首頁、搜尋、商品頁代表的是電商平台的流量壓力，那麼從加入購物車到正式下單，代表的就是平台最敏感的交易壓力。因為這條鏈路不只影響使用者體驗，還直接牽動庫存是否正確、訂單是否重複、支付是否能接上、後續履約是否有依據。 很多電商系統一開始都把這件事想得太簡單：使用者按下結帳，系統檢查庫存、建立訂單、扣掉庫存，然後等待付款。這條描述在白板上看起來很直覺，但一旦碰到高併發、大促、秒殺、重試請求、支付逾時、跨倉庫存與後續取消退款，問題就會快速失控。 所以這篇要處理的核心問題是：購物車、庫存與訂單到底應該怎麼拆？ 以及在超大型電商場景下，為什麼「先查庫存再扣庫存」這種直覺流程往往不夠用，甚至會直接把系統帶進超賣、錯單與補償地獄。 系列文章導航 從商品瀏覽到訂單履約，超大型電商平台到底怎麼拆 商品目錄、搜尋、推薦、快取與 CDN，為什麼電商本質上是讀流量主導的系統 購物車、庫存預留、下單流程與超賣治理（本篇） 支付、退款、帳務、對帳與交易一致性 MySQL、PostgreSQL、DynamoDB、Redis、OpenSearch 與 S3，資料到底該放哪裡 CloudFront、W...

前言很多人在談電商架構時，直覺會把注意力放在訂單與支付，因為那條鏈路最敏感、也最容易出事。但如果從流量占比來看，真正壓力最大的往往不是付款頁，而是首頁、活動頁、商品頁、搜尋頁與推薦區塊。大量使用者每天都在看、比、查、篩選，真正進入下單的人反而是少數。 這也是為什麼超大型電商的第一個架構現實通常不是「交易寫入太多」，而是讀流量先把整個平台打爆。如果商品資料與搜尋查詢沒有分層、快取沒有設計好、索引沒有獨立出去，那麼主資料庫很快就會被大量查詢拖垮，接著連真正重要的交易鏈路都會被連帶影響。 所以這一篇要處理的核心問題是：為什麼超大型電商本質上是讀流量主導的系統？ 以及在這種前提下，商品目錄、搜尋索引、推薦服務、快取與 CDN 應該怎麼分工，才能讓前台流量夠快、夠穩，也不會把交易主線拖下水。 系列文章導航 從商品瀏覽到訂單履約，超大型電商平台到底怎麼拆 商品目錄、搜尋、推薦、快取與 CDN，為什麼電商本質上是讀流量主導的系統（本篇） 購物車、庫存預留、下單流程與超賣治理 支付、退款、帳務、對帳與交易一致性 MySQL、PostgreSQL、DynamoDB、Redis、OpenSear...

前言當我們談到 Amazon 類型的超大型電商平台時，很多人第一時間想到的是首頁很快、商品很多、促銷很多、訂單很多，但站在系統設計的角度，真正困難的從來不是單一頁面怎麼 render 出來，而是整個平台要同時承接極高的讀流量、複雜的交易鏈路、龐大的商品資料、跨區域部署、高峰活動壓力與長尾的一致性問題。 換句話說，電商系統不是「一個網站加一個資料庫」，而是一組責任不同、流量型態不同、擴展方式也不同的系統群。首頁、搜尋、商品頁、購物車、庫存、訂單、支付、履約、客服、通知、推薦、報表，看起來都屬於同一個平台，但它們對延遲、一致性、可用性與資料模型的要求其實完全不一樣。 本系列會以 Amazon 類型的超大型電商作為抽象案例，重點不是猜測某一家公司的私有實作，而是理解在公開常識與業界常見架構下，一個真正高流量、高資料量、高營運複雜度的電商平台，通常會遇到哪些典型問題，以及為什麼系統會逐步長成今天這種分層且分工明確的形態。 系列文章導航 從商品瀏覽到訂單履約，超大型電商平台到底怎麼拆（本篇） 商品目錄、搜尋、推薦、快取與 CDN，為什麼電商本質上是讀流量主導的系統 購物車、庫存預留、下...