本文推薦這款擁有超過 20 年歷史、獲全球數百萬用戶信賴的 UML 建模工具，特別強調其社區版提供完整且免費的 UML 功能。文章詳解了類別圖的核心概念與關係語義，並展示其結合 AI 輔助與 VPasCode 雙向工程（代碼與圖形實時同步）的強大優勢，證明其不僅是文檔工具，更是提升團隊溝通效率與軟件設計質量的關鍵利器。
之前有寫過一篇：使用 C# 做一個假裝自己是 RDP Server
那時候主要就是用 C# 做一個假的 RDP Server，讓外面的 Scanner 連過來時，會認為這台機器真的有開 RDP
傳統 Agent 靠 grep 讀檔做跨檔案重構，面對大型專案常面臨 Context 塞爆、Token 暴增、推理迷路三大痛點。
程式碼知識圖譜，結合語法分析（AST）與向量，將呼叫關係預建為圖，直接提供精準子圖切片。本文以數十萬行的 aspnetcore 等大型 .NET 專案為標的，實測 7 款工具：
• code-review-graph
• gitnexus
• graphify
• Understand-Anything
• CodeGraph
• codebase-memory-mcp
• semble
面對每日一億筆（尖峰每秒破萬筆）的海量時序日誌 (Time Series Logs)，傳統依賴關聯式資料庫 (SQL) 或手動按日建立索引（Time-based Index）的做法，往往會面臨寫入吞吐瓶頸、過度分片 (Over-sharding) 以及維運刪除繁瑣等問題。本文將從 SQL 與 Elasticsearch 的概念差異出發，透過 Docker 快速建立測試環境，並深入介紹如何利用 Data Stream 搭配索引生命週期管理 (ILM) 解決每日 Log 的寫入與自動輪轉問題，最後透過 ASP.NET Core 10 Web API 搭配基於 System.Threading.Channels 封裝的記憶體佇列類別 LogQueue 與背景消費者 LogBatchProcessor 實現高效能的非阻塞批次寫入與自動化測試。
在這次評測中，我們證實了 AI 生成的 C4 圖表並非簡化的玩具，而是承載了真實架構決策（企業邊界、非同步解耦、閘道模式）的專業產物。最重要的是，它將架構圖從「靜態交付物」轉變為「活的文件」。 下一步行動： 打開 Visual Paradigm，啟動 AI Chatbot，試著用一句話描述您的系統。從 Level 1 開始，讓 AI 生成 PlantUML，渲染圖表，然後逐層縮放。地圖將在對話中浮現，而程式碼將使其永存。
技術文件與系統建模的領域正經歷一場前所未有的典範轉移。過去，「Diagram-as-Code」（圖表即程式碼）工具雖然為版本控制和可重現性帶來了優勢，但繁瑣的語法記憶往往成為團隊推廣的阻礙。Visual Paradigm 旗下的 VPasCode 平台透過最新的重大更新，徹底改變了這一現狀。透過導入原生 AI 圖表生成 與 互動式 AI 程式碼修改 功能，VPasCode 已從單純的文字編輯器進化為自動化的對話式設計環境。
在 Github Action 要使用 Github Action 內建的 Bot 的一些小技巧
Flutter 專案的 Android compile toolchain 在 Gradle、AGP、Kotlin、JDK 這四個東西之間抓交集
整理 UOF WKF 外掛欄位整合 ERP 多筆明細資料至 Grid 列表的完整實作流程與開發規範，適用於 C# 5.0 (.NET Framework 4.5 包含) 開發環境
階層式資料流程圖（Hierarchical DFDs） 並非傳統瀑布模型的遺物，而是現代敏捷團隊釐清複雜系統的利器。它直觀、專注於數據流動，且完美契合迭代思維。更重要的是，結合 Visual Paradigm、AI Chatbot 與 VPasCode 這套現代化工具鏈，DFD 的繪製與維護已從「繁瑣的文書作業」轉變為「高效的需求工程」。
在現代系統分析中，極少有工件像資料流程圖 (Data Flow Diagram, DFD) 這樣經常被誤解。它常被與流程圖混淆，或被錯誤地套用物件導向術語。真正的 DFD 既不是控制流的描繪，也不是類別模型——它是對資料如何在系統邊界內移動與轉換的嚴謹功能規格說明。儘管敏捷方法論與微服務架構興起，DFD 仍然是定義範疇、與非技術利害關係人驗證需求，以及在撰寫任何程式碼之前確保架構一致性的黃金標準。
在複雜的系統分析領域中，清晰的溝通至關重要。所謂「一張圖勝過千言萬語」，這在系統建模中體現得尤為真切。資料流程圖（Data Flow Diagram, DFD） 至今仍是視覺化系統資訊流最有效率的傳統方法之一。無論是手動、自動化還是混合模式，精心設計的 DFD 都能以圖形方式描繪系統需求，展示資料如何進入、離開、轉換及儲存。
然而，建立 DFD 的方法論已隨時代演進。雖然理解基本符號與手動繪製技術對任何分析師而言仍是必備基礎，但現代工作流程已开始利用人工智慧（AI）來加速由上而下的分解（Top-Down Decomposition），並確保邏輯一致性。本綜合指南旨在彌合經典 DFD 理論與使用 Visual Paradigm 進行前沿 AI 輔助建模之間的差距，為您提供有效系統設計所需的基礎知識與先進工具。
寫 C# 久了之後，會發現效能改善不一定都要做到很複雜
很多時候不是要換架構，也不是一定要上什麼很進階的技巧， 反而只是一些平常寫 Code 時的小習慣
例如少查一次 Dictionary、少產生一個 String、少配置一個 Array，單看一次幾乎沒有差
但如果這段程式每天跑幾十萬、幾百萬次，這些小地方累積起來其實就有差了..
最近在 OpenCode IDE 上面接第三方中轉商的 API 中轉。
基本上只要對方有做 OpenAI Compatible API，要接進 OpenCode 都不難
Provider、baseURL、Model 設好，API Key 補上，大部分就可以直接跑
但我後來發現，自接模型雖然可以正常用，OpenCode 不一定知道這顆模型真正的規格
前言：拜 Vibe coding 之賜，市場上出現了一大堆的SaaS，每個都聲稱自己所開發的符合你的需求，當然也有些會打著—別人也 Vibe coding 過，但最後還是回來用我們的—這種聲稱，但是你真的確定你的資料放在別人那裡是安全的嗎？尤其是資料中包含個資 (特種個資更是重要) 時，當對方的 SaaS 發生資安事件導致資料外洩時，要怎麼處理及維護自己的權益？這些會遠比那些聲稱自己 Vibe coding 出來的 SaaS 有多好用要來得重要太多了—不怕一萬，只怕萬一。
前一篇測試了 Scriban，主要目的就是希望在 .NET 10 裡面
可以讓前端頁面在執行期直接修改，不用每次都重新 Build、Publish、Deploy..
前一篇測試了 RazorEngineCore，主要目的就是希望在 .NET 10 裡面
可以做到像以前 ASPX 一樣，前端頁面可以直接修改，不用每次都重新 Build、Publish、Deploy..
未參數化的直接查詢無法重用同一個執行計劃
在現代軟體工程實務中，文件往往難以跟上實作的腳步。傳統的拖拉式（Drag-and-Drop）繪圖工具所產出的靜態圖表，常在程式碼變更的瞬間便宣告過時，導致架構意圖與實際系統行為之間產生嚴重脫節。VPasCode 由 Visual Paradigm 開發，透過將「圖表即程式碼」（Diagram-as-Code, DaC）直接帶入瀏覽器環境，有效解決了這一痛點。
本指南將以 Visual Paradigm 為例，深入探討如何利用現代化 BPMN 工具進行專業的商業流程設計。從基礎建模、AI 輔助生成，到進階的流程模擬與責任矩陣分析，我們將解析如何將抽象的營運概念轉化為可執行、可量化且可持續改進的數位資產。無論您是希望梳理現有流程（As-is），還是規劃未來的理想狀態（To-be），這份指南都將為您提供實務上的關鍵概念與應用範例。
最近在測試 .NET 10 製作網站時，遇到一個很現實的問題
以前使用 ASP.NET Web Forms，只要建立一個 product.aspx?id=1， 我就可以去更改 .aspx 裡面的內容或是樣式
設計師修改版面時，只要替換 .aspx，完全不用重新編譯整個網站
但是到了 ASP.NET Core Razor Pages，.cshtml 預設會在發布時編譯進 DLL
在 Web 系統中，有些資料會被頻繁查詢，但本身並不會頻繁變動。IMemoryCache
一段時間內只從資料庫讀取一次完整資料，後續查詢直接從 Web Server 記憶體取得。
BPMN 編排圖是現代業務流程管理中缺失的一環。它們提供了一種乾淨、中立的語言來描述獨立系統和組織如何協作。通過專注於交互而非實現，你創建的模型更持久、更具法律效力且技術上更可操作。
最近一直在測試各種可以產生圖片與影片的 AI API
前一篇測試了 Agnes AI 的圖片生成， 既然圖片可以直接用 API 產生，當然就會想看看影片是不是也可以
結果 Agnes AI 也有提供 agnes-video-v2.0 影片生成模型，而且可以直接透過 API 呼叫
Agnes AI 官方目前也將圖片與影片模型列為可透過 API 使用的多模態功能
在複雜系統的設計與產品管理中，清晰的數據流視覺化是確保團隊對齊和技術落地的關鍵。數據流圖（Data Flow Diagrams, DFD） 是系統分析師和產品經理用來視覺化數據如何在系統中流動的核心工具。然而，手動創建詳細且多層級的 DFD 不僅耗時費力，還容易在不同層級間出現邏輯不一致。