前陣子讀《從異世界歸來發現只剩自己不會 Kubernetes》時，作者在開篇不久就推薦了 Kubernetes Dashboard。
我立刻燃起了興趣！畢竟我本來就是 GUI 愛好者。
尤其 Kubernetes 這種東西，一開始光是名詞就夠多了。Pod、Deployment、Service、Node、Namespace，還沒開始排查問題，光是先建立畫面感就已經很吃力。
如果有個視覺化工具，對初學者想必會很有幫助，本書作者也是這麼想的。
本文想回答的問題是：「現在如果想用視覺化方式看 Kubernetes 叢集，該選什麼？」
📌 這是 WeaMind 系列 的第 6 篇。
本系列以真實世界專案為背景，記錄重要技術實作與經驗分享。
「想學 Kubernetes，要用什麼工具？」這是我在轉向 DevOps 時，必須回答的問題。
你可能拿到的標準答案是：「用 Minikube 或 Kind 在本機開個環境，先跑起來再說」。這當然沒錯，對多數人來說是合理的起點。但對我而言，問題則複雜一些。
這篇文章針對「想自己建 Kubernetes 叢集，但又不想搞得太複雜」的情境，說明 K3s 是什麼、適合誰，以及我為什麼最後選擇它。
〈Kyo 待業中！細數我過去的待業時光〉寫到，我在 2011 年底考上書記官，展開人生的第一段職涯。
再回顧那段待業時光，大概就是從「不知人生為何物」到「好吧，我要努力上榜！」的過程。
無論如何，最終總算是上榜了，雖然不是律師，但也算是個不錯的結果。
然而，這樣就可以了嗎？
📌 這是 WeaMind 系列 的第 5 篇。
本系列以真實世界專案為背景，記錄重要技術實作與經驗分享。
WeaMind 是一個查詢台灣天氣的 LINE Bot——點擊選單或輸入地名就能查天氣，是我花了數個月共 150+ 小時催生的 Side Project。
以下會從兩個層面介紹這個專案：
從本文開始，這個寫了近 5 年的 Python 後端部落格，寫作重心將逐漸從後端開發轉向雲端與 DevOps。
這是一個全新的開始。
2026/02/08新增段落：2026-02 更新：Research 使用額度大地震。
2026/02/05更新：今年 2 月初，Research 功能的使用次數被大幅削減——從每天數百次降至每月僅 20 次（Pro 方案用戶）。這樣的額度對我來說幾乎不可用，如果該政策持續，我必不會考慮付費。
我從來沒想有過自己會考慮為 Perplexity 付費。
畢竟，我已經訂閱了好幾個 AI 聊天服務，對「又一個 AI 工具」著實沒有太多期待。
但用了三個多禮拜之後，這個想法有點動搖了。
如果你還沒聽過 Perplexity，簡單說，它是一個主打「AI 搜尋」的服務。當你丟出一個問題時，它會幫你搜尋網路上的大量資料，整理重點，給出給答案。同時把來源清楚列出來。
它更像是一個被 AI 強化過的搜尋引擎，而不是單純的聊天機器人。
有了這東西，你可以用自然語言問問題，然後它會幫你找出相關資訊，並且用 AI 幫你整理成一個流暢易讀的答案。
2 年前，我寫下這篇〈2023 那些我已不可或缺的「付費訂閱」推薦〉，分享了當時對我而言最重要的 12 項付費訂閱。
並說明了「不可或缺」的定義：
所謂的「不可或缺」，意思是一旦我停止訂閱，我的工作和生活都會出現挑戰。而挑戰的大小，就是這些訂閱項目對我的影響力與價值。
但回頭再看，有些其實沒那麼重要啦😅
所以這個 2025 年版本，要認真檢視，只列出那些「真的無法取消」的訂閱。
本文所列出的 8 項，即使多數和 2 年前相同，我也會補充它們對我的「重要性變化」與現況。
它們都很重要，很難說哪個更優先，以下排名不分先後。
此外，和 2023 版重複的基本使用情境介紹，就不再贅述，請參考前文。
📌 這是 WeaMind 系列 的第 4 篇。
本系列以真實世界專案為背景，記錄重要技術實作與經驗分享。
〈GitHub Actions 入門：自動化 Lint、Format 與 Type Check〉一文中，我們使用了 GitHub Actions 作為 CI（持續整合）的入門工具。
同時建立了軟體開發專案中最基本且常見的 CI 流程。
接下來，我將繼續介紹，WeaMind 專案中所有實作的 CI 項目，並說明我選擇它們的原因與設計原則。
本文依據的專案程式碼版本為 v0.5.1。