2026 年 2 月 4 日 | 實戰開發日誌
在軟體開發的世界裡，「回饋循環」（Feedback Loop） 的速度決定了創新的品質。
過去幾週，我們每次修改程式碼、微調 UI 或是更新分析邏輯後，都必須依賴 Zeabur 的雲端部署來驗證結果。雖然 Zeabur 的自動化部署已經非常方便，但「推送 -> 建置 -> 部署 -> 生效」這套流程少說也要消耗 3 到 5 分鐘。當你在一天內需要進行數十次微調時，這些零碎的等待時間累積起來，不僅殺死了專注力，也拖慢了進度。
今天，我們決定徹底解決這個痛點：全面建置 Docker 本地開發環境。
🚀 效率革命：從 300 秒縮短至 10 秒
今天的核心任務是將整個「台股 AI 決策顧問」系統搬進本地容器中。我們建立了一套多容器架構（Multi-Container Orchestration），包含：
- PostgreSQL (15-alpine)：本地獨立資料庫，與雲端數據完全隔離，提供安全的沙盒測試環境。
- Stock Analysis (Python 3.12)：主服務 ETL 與 API。我們特別將 Python 升級至 3.12，解決了
pandas-ta預發行版本的相容性問題。 - AI Ferryman Backend：基於 FastAPI 和 LangChain 的 AI 後端。
- AI Ferryman Frontend：Next.js 14 前端介面。
成果： 現在我們只需要執行一個指令，整個系統就會在本地同步啟動。修改程式碼後，重新建置與生效的時間從幾分鐘縮短到了 10 至 20 秒。這種「隨改隨看」的即時感，讓開發體驗提升到了另一個層次。
🛠️ 工作流自動化：自定義斜槓指令
為了追求極致，我們不僅建置了 Docker，還為開發流程設計了專屬的自動化腳本（Workflows）：
/local-test：一鍵執行環境清理、Docker 建置、啟動服務，並自動輸出測試網址。/push-github：當本地測試確認無誤後，一鍵完成 Git Commit 操作並推送到雲端。
這樣的設計消除了重複輸入指令的負擔，也確保了開發流程的標準化與精確性。
💡 技術碎碎念：那些踩過的坑
在本地化過程中，我們遇到了一個有趣的技術細節：環境變數衝突。由於主服務和前端共用了同一個 .env.docker，而 Next.js 看到 PORT=8080 就會自動改用該端口啟動，導致了映射失敗。
我們最後透過在 docker-compose.yml 中強制覆蓋環境設定（PORT=3000），成功解決了這個「雙服務搶端口」的隱形炸彈。這也再次提醒我們，隔離（Isolation） 是容器化成功的關鍵。
🎯 結語：穩健地邁向用戶
今天的進展不僅僅是技術上的「本地化」，更是心態上的「專業化」。有了本地 Docker 環境，我們可以在不干擾雲端用戶的情況下，大膽地實驗複雜的功能。
「開發在本地，部署在雲端」。這套流程的確立，標誌著我們的台股 AI 系統已經從一個「實驗性專案」，進入了高效穩定的「產品級開發」路徑。
明天，我們可以跑得更快了。
本專案代碼已同步更新至 GitHub。 目前進度：Docker 本地開發環境 100% 建置完成、工作流指令已啟用。