LLM 功能上線清單:來自真實客戶項目的 6 個步驟
Mpiric Software 分享一份將 LLM 功能推向正式環境的 6 步清單,內容來自團隊為物流、醫療保健及零售客戶處理原型的經驗。清單建議以 30-50 個真實輸入建立評估集,分開衡量檢索命中率與答案品質,並以 JSON schemas 驗證輸出;退款等高風險操作則保留人工審批。團隊亦建議逐個請求記錄 tokens、延遲和快取命中率,並在每次發布時重跑評估集、監測退化。
Mpiric Software 分享一份將 LLM 功能推向正式環境的 6 步清單,內容來自團隊為物流、醫療保健及零售客戶處理原型的經驗。清單建議以 30-50 個真實輸入建立評估集,分開衡量檢索命中率與答案品質,並以 JSON schemas 驗證輸出;退款等高風險操作則保留人工審批。團隊亦建議逐個請求記錄 tokens、延遲和快取命中率,並在每次發布時重跑評估集、監測退化。
作者開發開源 MCP 伺服器 Selenium AI Agent,讓 AI 助手透過 Selenium WebDriver 規劃、生成、執行及修復測試。文章示範它為練習網店產生 2 個測試套件、8 項測試及 16 個步驟,並生成 pytest 測試和 HTML、JUnit 報告。
HUAWEI WATCH Ultimate 2 非凡探索主打通勤、健康管理、運動戶外及獨立通信,提供五款配色,售價為6499元至7999元。它支援150米潛水、超過17000個全球高爾夫球場地圖、eSIM獨立通話及北斗衞星語音消息,續航為全能模式4.5天、省電模式7天。選購時可按使用場景和預算比較。
作者用 Claude Code 插件 Quarterdeck 協助處理 Facebook Marketplace 鳥籠交易,約 30 小時後以 $50 售出,買家回覆均先經作者批准。Quarterdeck 以 off、propose、auto 設定各類操作,並由模型外的 hook 檢查工具呼叫是否符合目標權限;項目已開源,網址為 github.com/shannonbay/Quarterdeck。
這篇教學整理 GenAI 工程師面試中講解現有專案及整體架構的方法,建議由業務問題與資料開始,交代系統如何由資料匯入走到服務,並解釋設計如何回應成本、延遲和可靠性限制。
教程示範如何設定用於機械人學習的開源物理引擎 Alloy,讓 Claude Code、Codex 或 Cursor 透過 Python 或 MCP 自行建立並執行機械人模擬。
InApp 花三週追蹤文件轉換內容在 Agent 上下文中的留存,發現低於約 2,000 tokens 的頁面留存率超過 90%,超過約 8,000 tokens 則低於 40%。標題和表格比大段文字略易保留,但內容長度的影響更大。他把轉換器的長度限制選項放在顯眼位置,並按模型有效上下文設定上限;摘要準確度、RAG 答案品質和抽取可靠性等下游任務的測量結果均有所改善。
這篇指南説明代理機構網站如何在 CDN、WAF 及機械人偵測服務中放行 Google-Agent 流量,並以 User-Agent 和公佈的 IP 範圍作為基本核驗。請求帶有簽章時,才額外驗證 Web Bot Auth;由於簽章尚未涵蓋所有請求,不能只靠簽章放行。規則須涵蓋搜尋、篩選、商品頁、購物車及 API 路徑,並與 Core Web Vitals 效能監測分開處理。
作者在 Platypush 重構本地語音助手流程,新增 microWakeWord 喚醒詞插件,並以 Silero VAD 作為主要語音活動偵測後端。在合成語音混合背景雜音的測試中,舊設定在説話結束後仍會讓對話保持開啟 6–10 秒,新流程則縮至 1.0–1.6 秒,包括設定的 conversation_end_timeout 和平滑延遲。
開發者 Phosphen 為《GTA6》開發 PC 串流方案,利用顯卡幀生成將 PS5 版遊戲的 30 FPS 畫面補至 60 FPS。測試中,平均幀率由 29.5 FPS 提升至 59 FPS,RTX 5080 處理每幀約需 12 毫秒。由於 PS5 仍以 30 FPS 運行,方案不能降低實際操作延遲。
這篇教學示範如何為 Medusa 2 設定 SMSTunnel 通知提供程式,透過 Android 手機的 SIM 卡發送訂單短訊,毋須 SMS 服務商帳戶或發件人登記。
作者示範如何直接讀取公司的 ATS 公開職位 feed,將招聘頁面的職位整理為 JSON,無須爬取 LinkedIn。文中提供 Greenhouse、Lever、Ashby 的 Python 範例,並説明 10 個 ATS 的 feed 在資料格式、日期、地點、薪酬、分頁及新職位追蹤方面各有差異。
Trae 使用潤乾 NLQ 的 NLQPRE MCP 和 nlqpre 技能,從資料庫生成智能問數所需的 lmd 元數據、nlq 詞典及測試例句,並透過測試與迭代調優驗證查詢結果。實踐案例使用 17 個表、97 個字段和 10 個聚合指標,生成 65 條例句,調優後全部符合預期。全程約需 2~4 小時。
谷歌 DeepMind 技術團隊成員 Omar Sanseviero 讓辦公室雷射打印機以峯值約 14.1MB 記憶體運行 2.7 億參數的 Gemma 3 270M。實驗透過動態載入模型各層,利用打印機內置的 PostScript 解釋器執行推理,涉及 18 個 Transformer 網絡層。報道稱每個詞元約需 60 秒;文中另列出預填充耗時約 184 秒、解碼一個詞元耗時 0.1 秒。
MutationObserver 的回饋迴圈令正式網站在多部裝置上凍結,用戶遇到瀏覽器無回應及 Chrome 顯示「Not Responding」。問題源於觀察器觸發 applyLanguage() 更新 DOM,造成循環;修正方式是在更新前中斷觀察器,並於 finally 區塊重新連接。部署後 CI 的 15/15 項檢查通過,但仍需在流動裝置上驗證。
David León Gómez 提出為 AI 編碼智能體加入操作合約,界定自主權上限、可用工具、停止條件、最低核查證據和預期風險。112 個提示詞中,46 個為 A0、57 個為 A1、8 個為 A2,另有 1 個編排器採動態權限,沒有 A3;發布權另由人或預先訂明的政策決定。
指南整理 MCP 伺服器的五方面防護做法,涵蓋 Token 權限範圍、最小權限、工具輸出中的提示詞注入、人手審批及記錄。建議每部伺服器使用專用且設有到期日的 Token,不要把 Token 原樣傳給下游 API,並以功能範圍明確、經伺服器端驗證參數的工具取代通用命令。對寫入工具要求人手確認,並固定第三方伺服器版本、審查更新;每次調用則記錄呼叫者、工具、參數(遮蓋秘密)、結果、耗時及狀態。
Pierre 測試 Go 的 MJML 和 Liquid 程式庫,發現惡意模板可觸發崩潰、資源耗盡和不安全的 HTML 輸出,並因此開發 safe-mjml 與 liquidgo。
教程示範如何透過 Codex 的 codex sandbox 權限設定檔,在沙盒中執行 Apidog MCP Server,限制其檔案系統及網絡存取。Codex 預設不會為 stdio MCP 伺服器啟用沙盒;主要示例使用本機 OpenAPI 檔案、關閉網絡,並禁止讀取工作區內的 .env 檔案。
指南示範如何用 `codex sandbox` 權限設定隔離 MCP stdio 伺服器,限制其檔案系統及網絡存取。以 Apidog MCP 為例,使用本地 OpenAPI 檔案、停用網絡並限制快取資料夾寫入,再以 `npx --offline` 執行固定版本 `apidog-mcp-server@0.0.18`。
這篇指南提供 Codex 權限設定檔的 config.toml 範例,示範如何限制命令對本機檔案和網絡的存取,並設定 API 開發允許清單。api-work 設定允許工作區寫入、拒絕讀取 .env 和 secrets,並只允許指定 API 主機及 Apidog 網域;作者以 codex sandbox 測試拒絕規則。
這套方案以四張外部台帳取代上下文記憶,按人物、事實、伏筆和章節摘要管理跨章一致性,並只在定稿後單向寫回。作者以 DeepSeek V4.1 Flash 推進 260 章、70 多萬字;改造後同一性錯誤與靜默污染均為 0 次,但兩項數據並非在相同規模下測得。
文章提出以四個維度判斷 CRM 的 AI 是否真正嵌入業務系統:能否寫回、是否繼承權限並留痕、能否由流程事件觸發,以及是否具備統一語義層。文中列出現場驗證問題,涵蓋寫回校驗與審批、不同權限帳號的取數差異、事件觸發,以及企業業務口徑的配置。
阿里雲 2026 年大促設有老用戶專屬活動專區,涵蓋輕量應用伺服器、ECS 雲伺服器、GPU 雲伺服器及大模型服務平台。用戶可經控制台活動橫幅或費用中心的權益中心查找入口,享有續費折扣、新購代金券及消費滿返等優惠。文章亦提供 CLI 指令盤點雲伺服器資源,並提醒留意優惠期限、適用範圍及庫存。
谷歌 DeepMind 工程師奧馬爾·聖塞維耶羅在未改裝的理光辦公激光打印機上運行 2.7 億參數的 Gemma 3 模型。實驗以打印機內置的 PostScript 解釋器執行量化後的 Transformer 推理,峯值記憶體佔用為 14.1MB,無需外部計算設備或修改固件。整體輸出速度約每個 token 60 秒。
Google DeepMind 工程師 Omar Sanseviero 讓辦公室鐳射打印機在峯值僅佔用 14.1MB 記憶體的情況下,運行 2.7 億參數的 Gemma 3 270M,每個 Token 約需 60 秒。實驗利用打印機內置的 PostScript 解譯器及動態層載入執行推理,沒有修改韌體或加裝外部計算板。
在 NVIDIA Hopper 上,較大的 tile 可能造成暫存器壓力,令較小配置反而快約 30%。FlashAttention-2 案例中,128×128 tile 達 208.7 TFLOPs/s,低於 128×64 的 295.7 TFLOPs/s;採用每個 CTA 一個 warpgroup,可避免額外暫存器競爭。
作者發現,Firebase MCP server 是否提供 Crashlytics 工具,取決於它在專案目錄中偵測到的 Firebase SDK,而非登入狀態。
RPA可在不改造接口的前提下,透過模擬人工操作,在不同系統間採集資料並回填,適用於缺少接口或改造成本高的場景。實際流程可涵蓋登入、提取訂單、回填ERP及傳送執行結果,並支援API觸發或定時執行。選型時須重點確認流程穩定性、AI自愈能力、離線部署及分發授權安排。
糖糖寫作採用全局、卷、章三層記憶管理 AI 長篇小説上下文;實測推進 260 章、70 多萬字時,單章輸入維持在 6–7 萬字符,不隨章數增長。全局層保存錨點與當前環節規則卡,卷層管理本卷內容,章層按需載入人物、事實及最近三章摘要,並預留三至四成輸出額度。測試使用 DeepSeek V4.1 Flash,返修率約 8%;文中説明線性基線是算術推演,並非實測對照組。
糖糖寫作項目把 26 張規則卡按 8 個環節分層載入,令同環節 system prompt 體積約減少 60%,計入常駐層後約減少 55%。測試以 DeepSeek V4.1 Flash 推進 260 章、70 多萬字,改造前第 30 章起出現的系統性風格漂移在改造後未再出現,禁忌擊穿記錄為 0。作者建議先建立跨環節生效的常駐層,再分配環節規則,並以衝突鍵檢測互斥指令。
企業級 BI 建設常因首期場景過大、指標口徑治理滯後、工具先行、權限規劃不足及上線後缺乏持續營運而陷入「建而不用」。文章以阿里雲瓴羊 Quick BI 為參照,建議先從口徑清晰、能帶動具體行動的窄場景起步,並把指標治理、權限設計與使用率納入建設和營運。成功關鍵在規劃、治理和組織協同,而非單靠工具選型。
阿里雲瓴羊 Quick BI 透過漸進式付費方案及拖拽式儀錶板、自然語言對話分析,降低中小企業使用 BI 的成本與操作門檻。智能小Q提供免費額度;業務人員可用自然語言提問並多輪追問,無需 SQL 或建模經驗。 Quick BI亦提供個人版、30 天全功能試用及按需升級的付費方案,讓團隊逐步驗證數據接入、看板製作與協作需求。
文章提出一套法律條文檢索校驗流程,透過管理語料時效、核對檢索來源及生成後的規則檢查,降低大模型引用錯誤或使用失效條文的風險。流程亦要求答案標註文件及條文出處;引用不存在或已廢止的條文,以及出現原文沒有的數字、期限或主體時,應攔截或轉交人工。
這份指南整理 Claude Code auto mode 無法啟用或分類器阻擋操作時的排查方法,並將兩類問題分開處理。可用性檢查涵蓋支援模型、服務供應商及管理設定;若工作階段仍以 Manual 啟動,文中指出 defaultMode 設為 auto 應放在 ~/.claude/settings.json,而非項目設定檔。
作者以 mcpscan 0.21.0 掃描 mcp-atlassian v0.16.0,7 項結果均非真實漏洞,且漏掉兩項已公開 CVE。人工追蹤路徑後,他找到上游在 v0.17.0 修補的 4 個寫入位置;CVE-2026-27825 涉及檔案寫入(CVSS 9.1),CVE-2026-27826 涉及 SSRF。
Saifuddin Ahmed 於 2022 年在蘇丹修讀 Flutter 課程,完成電子書閲讀器應用程式,卻因當時無法開設 Google Play 開發者帳戶而不能發佈。
文章比較多款開發者時間追蹤工具,指出 WakaTime 適合查看逐檔、逐語言及 AI 程式碼指標,ActivityWatch 適合免費本機追蹤,TimeUno 則追蹤整個桌面及 AI 智能體工作階段。
阿里雲文章按業務負載比較38元輕量、99元經濟型e及199元通用算力型u1實例的適用場景,並提供選型參考。38元輕量限新用戶;99元e新老用戶均可購買,續費同價,活動至2029年3月31日;199元u1限企業認證用戶,續費同價。輕量適合個人建站及AI Agent測試,e適合低訪問量網站與開發測試,u1則適合需要獨享算力的企業應用及出海業務。
GEO 起步應先按頁面缺少的可核對事實,判斷優先補品牌頁或產品頁,再以客戶常問問題建立基線並復測改動。文章建議先用三到五個來自銷售、客服或售前記錄的真實問題,記錄日期、問題原文和回答要點,再以同一組問題在相近條件下比較結果。可觀察回答中的基礎事實準確率、產品參數是否被正確複述及是否引用官網;這些指標只供內部判斷,不代表 AI 平台整體表現,也不能換算成流量或成交承諾。