Cloudflare
不只是 CDN

Serverless 不是沒有伺服器，而是你不用自己管伺服器；有請求才執行，按用量付費。

Edge（邊緣）是離使用者最近的 Cloudflare 機房。能在附近做完的事，就不必跑到遠方的主機。

Cloudflare 官方網路頁面顯示它的機房分布在 348 個城市（2026-09-22 查看，數字會持續變動）。使用者連線時，會先連到附近的機房。快取、驗證、轉址、輕量的 API 邏輯，可以在那裡先處理掉。

DNS 是網域的電話簿，決定 api.example.com 要連到哪裡。Reverse Proxy（反向代理） 則是讓使用者先連到 Cloudflare，再由 Cloudflare 轉送到你的主機。在 Cloudflare 後台，這個開關就是每筆 DNS 紀錄旁的橘色雲朵。

Workers 是「收到事件就立刻處理、回應或派工」的地方，不是「永遠開著一台機器等著跑所有事」的地方。

Workers 是跑在 Cloudflare Edge 上的 serverless function，通常用 JavaScript 或 TypeScript 寫。它可以直接取用 R2、D1、KV、Queues 等服務，組成一個小型後端。

「Pages 就是前端」這樣理解八成正確。連上 GitHub 後，每次 push 就自動 build、部署，每個 Pull Request 還會有自己的預覽網址。你現在看的這份導覽，就是部署在 Pages 上的靜態網站。

Worker 部署後會拿到一個 *.workers.dev 網址。正式服務通常會綁上 api.client.com、webhook.client.com 這類自己的網域，再用 Route 決定哪些網址交給哪一支 Worker。這樣就不用把 Zeabur、Cloud Run 或 VPS 的原始網址直接公開。

Wrangler 是 Cloudflare 的命令列工具，用來建立專案、在本機測試、部署。binding（綁定） 是把 R2、D1、KV、Queue 等服務「插」進 Worker 的方式：設定檔寫一行，程式裡就能用 env.DB、env.FILES 直接操作，不必自己管連線字串與金鑰。

// 一個接 LINE Webhook 的 Worker
{
  "name": "line-webhook",
  "main": "src/index.ts",
  "compatibility_date": "2026-09-01",
  "kv_namespaces": [{ "binding": "CONFIG", "id": "…" }],
  "d1_databases": [{ "binding": "DB",
      "database_name": "client-db", "database_id": "…" }],
  "r2_buckets": [{ "binding": "FILES", "bucket_name": "client-files" }],
  "queues": { "producers": [{ "binding": "JOBS", "queue": "media-jobs" }] },
  "routes": [{ "pattern": "webhook.client.com", "custom_domain": true }]
}

# 按下方按鈕執行部署（模擬輸出）

Containers 讓你在 Cloudflare 上跑任何語言寫成的 Docker 映像檔，由 Worker 程式控制容器的啟動與執行指令。它在 2026-04-13 正式推出（GA），只有 Workers Paid 方案能用，依記憶體、CPU、磁碟與下載流量（egress）的實際用量計費；和 R2 不同，Containers 的下載流量要收費。建在它上面的 Sandbox SDK，專門用來在隔離環境執行不受信任的程式碼，例如讓 AI 寫的程式安全地跑起來。

R2 放檔案本體；D1 或 PostgreSQL 放「檔案的索引、權限、描述與處理結果」。

R2 和 Amazon S3 的 API 相容，所以 n8n、AWS SDK、rclone 等工具幾乎都能直接接。它最大的賣點是不收 egress 費。egress 是資料從雲端「傳出去」的流量：一支 500 MB 的影片被下載一次，就是 500 MB 的 egress。很多雲端服務會按這個收錢，檔案越熱門帳單越高；從 R2 直接傳出則不收。

D1 說的是 SQLite 的 SQL，不是 PostgreSQL。它適合輕量、有欄位、要用條件查的資料。

Serverless SQL 資料庫的意思是：不用租一台 24 小時開著的資料庫主機，而是按「讀了幾列、寫了幾列、存了多少」付費。資料一樣會永久保存，你刪掉才會消失。Worker 透過 binding 直接下 SQL，不必管連線池。

KV 就是用一把鑰匙（key），快速拿到對應的值（value）。適合讀很多、寫很少、晚幾秒同步也沒關係的資料。

// key
"tenant:client-a:settings"
// value
{ "model": "claude-sonnet",
  "monthlyTokenLimit": 5000000,
  "enabled": true }

// key
"shorturl:abc123"
// value
"https://example.com/very/long/url?campaign=…"

每個 Durable Object 有一個全球唯一的 ID。同一個 ID 的所有請求，都交給同一位櫃台依序處理，不會兩個人同時亂改。

它不是一般資料庫，也不是快取，而是「帶著私人儲存空間的 Worker」。每個 DO 有自己的 SQLite 儲存，讀寫是強一致、有交易保護的。最適合的情境是：資料可以依某個 ID 切開，而每一份都必須保持一致。

Cloudflare 自己不營運 PostgreSQL。要用「大象」，就外接一家 PostgreSQL 服務，再讓 Worker 透過 Hyperdrive 連過去。

自 2026-06-18 起，也可以直接在 Cloudflare 後台建立 PlanetScale 的 Postgres 或 MySQL 資料庫。資料庫由 PlanetScale 營運，費用照 PlanetScale 原價併入 Cloudflare 帳單。

PostgreSQL 可以放哪裡

Hyperdrive 不是資料庫。它是 Worker 連外部 PostgreSQL 或 MySQL 時的加速器與連線池。

Serverless 的特性是「請求來了才起來、做完就結束」。如果每個請求都重新跟資料庫握手建立連線，資料庫很快就被塞爆。Hyperdrive 在中間幫你維持一池已經建好的連線（connection pooling），並快取常見的查詢結果。你可以繼續用原本的 PostgreSQL 驅動程式與 ORM。

1. 1Cloudflare Worker
2. 2Hyperdrive：連線池＋查詢快取
3. 3Neon、Supabase、PlanetScale、Cloud SQL、AWS RDS 或自架 PostgreSQL／MySQL

Vectorize 只負責「存向量、找最像的向量」。它是 RAG 的核心零件，但不是完整的知識庫系統。

向量（embedding）是把一段文字交給 embedding 模型後換回的一串數字。意思相近的文字，數字也相近。Vectorize 可以存 OpenAI、Gemini、Voyage、Cohere、Workers AI 等任何模型產生的向量，每筆連同 ID 與 metadata 一起寫入：

{
  "id": "customer-a-handbook-p12-chunk-03",
  "values": [0.012, -0.087, 0.441, …共 1,536 個數字],
  "metadata": {
    "tenantId": "customer-a",
    "documentId": "handbook-2026",
    "page": 12,
    "r2Key": "customer-a/handbook.pdf"
  }
}

費用算法和 R2 不同，不是按 GB，而是按「向量筆數 × 維度」。細節請看 Vectorize 試算器。

Queues 把「收到事件」和「實際耗時處理」拆開：削峰、重試、解耦。

收到 LINE Webhook 時，不該在幾秒內同時做完下載影片、OCR、轉檔、叫 AI、寫資料庫。比較好的做法是：Worker 驗證簽章後，把一張工作單丟進 Queue，立刻回 200 OK；後面的消費者（consumer）再慢慢領工作單來做。

Queues 是 Redis 嗎？不是。

export default {
  // 1. 收 Webhook：只派工，不做重活
  async fetch(request, env) {
    // （驗證 LINE 簽章的步驟省略）
    const body = await request.json();
    for (const ev of body.events) {
      await env.JOBS.send({ messageId: ev.message.id, userId: ev.source.userId });
    }
    return new Response("OK");  // 2. 立刻回 200
  },
  // 3. Consumer：慢慢領工作單
  async queue(batch, env) {
    for (const msg of batch.messages) {
      const done = await env.DB
        .prepare("SELECT 1 FROM jobs WHERE message_id = ?")
        .bind(msg.body.messageId).first();
      if (done) { msg.ack(); continue; }  // 4. 冪等：處理過就跳過
      // 下載圖片存 R2、叫 AI、把結果寫回資料庫……
      msg.ack();
    }
  },
};

如果 Queue 是「丟一張工作單給工人」，Workflow 就是「一份會記錄進度、可以等待、失敗會重試的 SOP」。

Workflows 不是把好幾個 Python 服務串起來的工具，而是在 Worker 裡用 TypeScript 寫一份多步驟流程。Cloudflare 幫你記住每一步有沒有完成；中途失敗時，已經成功的步驟不會重跑，只從失敗那一步接著做。

Cron Trigger 就是定時叫醒一支 Worker，概念和 Linux 的 cron 一樣。如果流程只是「定時跑一段短程式」，用 Cron 就夠；如果叫醒後還要經過很多步、要重試、要等待，就讓 Cron 去啟動一個 Workflow。

Workflows 是工程型的「程式內工作流」；n8n 是低程式碼、視覺化、串接各種 SaaS 很強的工作流平台。兩者可以並存。

Workers AI 是 serverless 的 AI 推論服務：從 Worker 或 API 直接呼叫 Cloudflare 網路上的開源模型，不必自己管 GPU，也不用為閒置的 GPU 付錢。

AI Gateway 不提供模型，它管理你對模型的每一次呼叫：看用量、擋暴衝、失敗自動換模型。

把 Anthropic、OpenAI、Google、Azure OpenAI、Amazon Bedrock、Workers AI 等約 24 家供應商的呼叫，都改成經過 AI Gateway。之後要換模型、設預算、替每個客戶限流、找出哪個流程最燒錢，都在同一個地方處理，不必去翻每一個 n8n workflow 裡各自塞的 API Key。

RAG（檢索增強生成）是先從你的資料裡找出相關段落，再交給大型語言模型，請它根據這些段落回答。它分成兩條流程：事先建索引，和使用者提問。

AI Search 原名 AutoRAG，2025-09-25 改名。它建在 R2 與 Vectorize 之上，把「文件同步、切段、轉向量、搜尋、重排、生成回答」包成一個服務。目前仍是 open beta。

Agents SDK 用來打造有持久記憶、即時連線與排程能力的 AI Agent。官方文件明講：每個 Agent 就是一個 Durable Object。所以它天生有自己的 SQLite 狀態、可以維持 WebSocket 連線、可以排程叫醒自己。

Browser Run 原名 Browser Rendering，2026-04-15 改名。它讓 Worker 或 Agent 在 Cloudflare 上開一個完整的瀏覽器：可以用 Puppeteer、Playwright 操作，也可以用一次 HTTP 請求直接截圖、產 PDF、轉成 Markdown、抓結構化資料。改版後還有即時觀看、人工介入與 session 錄影回放。

進度 0 / 8

1. 1. DNS、Proxy、快取、SSL、WAF、Access、Tunnel先把服務安全地放到網路上。
2. 2. R2很快就能解決 n8n 二進位資料、LINE 圖片影片、PDF 知識庫的存放問題。
3. 3. Workers從 Webhook 驗證、API 代理、簡單的 Hono API 開始。
4. 4. D1 與 KV搞清楚「結構化資料」和「快取、設定」的界線。
5. 5. Queues 與 Cron把 Webhook 和耗時工作拆開。
6. 6. AI Gateway把 Claude、OpenAI、Gemini 的呼叫集中管理。
7. 7. Hyperdrive＋PostgreSQL正式的客戶系統很常需要。
8. 8. Vectorize、Durable Objects、Agents SDK、Browser Run要做 RAG、即時 Agent、協作產品、瀏覽器自動化時再投入。

找不到符合的名詞。