Glenn 的網頁開發望遠鏡

  今年參加了兩場 conference，性質真的很不同，我個人的感覺是：PyCon 專注於開源，以及用什麼技術完成某件事情；WebConf 則是結合技術與產品。兩者共同點是大部分場次都和 AI 有關，趨勢非常明顯。

  想參加 PyCon 是因為現職使用 Python 的場景不外乎寫 API、做簡單的資料分析、使用各種 LLM 工具，想看看業界還有哪些不同的使用情境。現場給我的感覺是，與會者的英文程度普遍很好，自己雖然聽講座不是問題，但口說明顯是需要努力的方向。鼓勵開源的氣氛也不只是掛在嘴上，除了分享開源心得外，現場真的有 Sprints，當天就直接對 CPython 發 PR。

  參加 WebConf 則是因為主題多元，包含前後端、資安，以及近期想培養的產品思維，預期可以從中獲得不少 insight。

  最近需要在團隊裡面準備分享有關 prompt engineering 的內容，想起之前在學習 prompt 技巧例如 Multi-shot, Cot 並且應用時，看到語言模型的回應真的照自己想要的方向走的時候覺得十分神奇，雖然使用起來沒問題，但不免還是有點好奇：「為什麼這樣講 LLM 就會那樣回？」，於是趁這個機會想盡量從第一性原理出發，了解一下 prompt 是如何影響模型的輸出。

Unbounded Arrays

當 array 的 element 數量無止盡的增加，除了會造成 query 效能變差以外，還可能超過 document size 16 MB 的限制

用一句簡單的話說

將多筆資料聚合成一個文件（如時間序列）來減少 document 數量與提升存取效率。

用一句簡單的話說

將極大或極小、不常見的資料獨立存放，以避免破壞平均 document 大小。

用一句簡單的話說

將不常用的舊資料移出主要 collection，以保留主要資料集的查詢效能。

用一句簡單的話說

只儲存子集合資料（如最近幾筆），幫助我們減小整體、經常被 fetch 的 document 大小。

用一句簡單的話說

所有不同類型的資料存入同一個 collection，以簡化查詢與索引策略。

用一句簡單的話說

設計再好的 schema 也可能有發生改變的時候，而 schema versioning pattern 能在沒有 downtime 的情況下改變 schema

用一句簡單的話說

將不同 collection 中經常需要一起被 query 的資料複製到主要的 document 中，減少資源的耗損。