跳到正文
目前篩選:教學
11月20日週五
  1. 阿里雲開發者社區 AI41

    阿里雲最低價雲伺服器適用場景有哪些?38元輕量、99元經濟型e與199元u1選型參考

    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。

  2. 阿里雲開發者社區 AI53

    GEO 起步如何盤點頁面資訊:先補哪類事實、如何復測

    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。

  3. 阿里雲開發者社區 AI48

    棲影AI 如何測試玻璃杯換背景的三種方法

    棲影AI以一隻帶把手的玻璃杯實測三種換背景方法,比較產品像素、輪廓和材質的變化。摳圖合成能保留主體像素,但要自行收邊;純文字重繪可能令形狀和材質偏離,多參考圖重繪則較能穩住輪廓,卻未能完全保留半透明質感。要守住哪一層,應先按商品特性選擇換法。

  4. DEV Community32

    FluentSprout 如何用 AI 評估法語口語:坦誠檢視評分限制

    FluentSprout 的免費 TEF 口語檢測會將回答轉成文字,再由大型語言模型估算 CEFR 等級,並映射為 NCLC 練習範圍。這不是官方換算或考試成績,模型判斷可能相差一個等級;檢測只讀取文字稿,因此不能直接評估口音。錄音不會保留,結果會暫存於瀏覽器,直至用戶選擇儲存。

  5. DEV Community84

    NGINX 的 nginx -v 輸出無法判斷 NGINX2Root 是否已修補

    這篇實測指南指出,單看 nginx -v 無法判斷 NGINX 是否已修補 NGINX2Root 的兩項漏洞,因為 Linux 發行版可回補修正而不更改上游版本號。

    推薦理由:文章以 Debian 13 的兩個同版號套件展示發行版回補如何令版本字串失去判斷力,並整理套件、設定與外部探測三層檢查方法。

  6. 阿里雲開發者社區 AI35

    新人上雲必看!阿里雲輕量、ECS、GPU 與 AI 產品配置及報價整理

    阿里雲整理輕量應用伺服器、ECS、EGS GPU 雲伺服器及 AI 產品的配置、計費方式與新人優惠,供新用戶按用途和預算選擇。輕量應用伺服器的 2核2G 套餐特惠價低至 38元一年,ECS 經濟型 2核2G 為 99元一年,T4 GPU 實例按量特惠低至 2元每小時。文章並建議按需求選用 AI API 資源包或 GPU 實例,並留意流量、數據盤等額外費用。

  7. DEV Community61

    LLM Wiki 如何從智能體工作紀錄整理可審核的流程技能

    作者提出一套約 200 行、僅使用 Python 標準庫的腳本,從智能體工作階段紀錄找出重複的工具調用序列,並只在證據達標時草擬技能頁供人工審核。判定門檻包括至少 3 個工作階段、接受率至少 75%,以及最近 30 天內出現;已核准的技能不會被覆寫,腳本亦會標示過時或與近期操作不符的技能。

  8. DEV Community48

    Hugging Face 遭入侵:AI 智能體的安全教訓

    Hugging Face 安全事件揭示,遭入侵的序列化模型在具廣泛權限的 pipeline 載入時,可於反序列化期間執行任意程式碼。文章建議在載入前驗證外部模型等檔案、為推理節點設定明確權限,並以經驗證的元件交接合約限制故障擴散。Hugging Face 現提供附有 SHA256 雜湊值的模型卡中繼資料。

  9. DEV Community36

    Next.js 中 `revalidatePath` 與 `revalidateTag` 的比較:如何在大規模應用中選擇快取失效方式

    Next.js 的 `revalidatePath` 會使 URL 路徑下的所有快取資料失效,`revalidateTag` 則按標籤精準失效,保留無關快取。應用擴大、不同路由共用資料時,路徑失效可能清除不相關項目並降低快取命中率;選擇哪種方式取決於資料粒度、變更模式及部署架構。

  10. 阿里雲開發者社區 AI54

    AI 落地前實務檢查:八項核驗與首期範圍確認

    這份 AI 落地前檢查清單以八項核驗評估自動化流程是否具備開發條件,並要求先補齊流程問題,再討論模型、外掛或 MCP。檢查涵蓋輸入、執行和收尾三層,核對問題與觸發條件、輸入資料、輸出接收人、人工確認點、系統權限、驗收指標及維護責任。首期以一頁確認單界定流程、資料、輸出、人工確認、系統邊界和驗收指標;清單通過只代表具備繼續評估的基礎,不能替代資訊安全、合規、採購或商業可行性評估。

  11. 阿里雲開發者社區 AI54

    作者分享 AI 封面提示詞模板及技能化工作流

    作者分享一套 AI 封面提示詞模板與工作流,按用途、比例、文字、位置、主體、配色及限制條件控制生成畫面。模板建議標題只留 3 至 8 個核心字,縮至手機畫面後需在 3 秒內看清。文章區分封面與正文配圖,建議涉及人物、事實或產品的正文配圖優先採用可核驗的真實素材;所引九百人研究中,紀實照片真實感評分為 4.29,標註為 AI 生成的圖片為 3.02。

  12. 阿里雲開發者社區 AI37

    從需求匹配到 ROI 測算:企業如何選擇合適的智能客服系統以降本增效

    阿里雲瓴羊 Quick Service 以 AI Agent 連接業務系統,讓客服在對話中完成查物流、改地址及退款等操作,複雜業務處理時長可縮短約60%。企業可按售前、售後、內部服務及混合場景配對服務模式,並從直接替代、效率及服務質量等指標測算 ROI。系統提供 SaaS、私有化及混合雲部署,並支援從產品手冊和歷史會話提取知識,將知識庫冷啟動由數週縮短至小時級。

  13. 阿里雲開發者社區 AI24

    數碼轉型必讀:企業如何建設數據系統,打破部門數據孤島?

    企業數據孤島的根源不只是系統未接通,更在於數據口徑、權責與治理未能同步,集成後仍可能形成「二次孤島」。瓴羊Dataphin以「治理即研發」將數據標準、質量規則和安全策略嵌入建模與開發流程,並透過標準、資產及開放支柱支援數據接入、口徑統一與自助找數。文章提出從一至兩條業務線建立口徑裁決機制,再逐步擴大接入範圍。

  14. 阿里雲開發者社區 AI36

    企業級數據治理工具選型避坑指南

    企業選擇數據治理工具,應按數據規模、團隊能力和治理時序匹配,而非只看功能清單。阿里雲瓴羊Dataphin以「治理即研發」為核心,將標準、質量規則和安全策略嵌入建模及開發流程,並提供敏捷版、標準版和企業版。選型時還應把實施、集成和培訓納入預算,並測試跨部門口徑對齊及業務人員自助找數能力。

  15. 21ic電子網47

    如何構建 SSLAM AI 即時手部追蹤系統

    SSLAM 在 Arduino UNO Q 上以攝影機識別手勢,並透過 ESP32-S3 藍牙 HID 將手勢轉化為配對電腦上的滑鼠和鍵盤輸入,為難以使用傳統輸入裝置的用戶提供替代方式。系統採用 YCrCb 皮膚分割及輪廓分析分類手勢,並透過 App Lab 面板校準偵測與動作映射。因 App Lab 的打包衝突,系統改用不依賴外部庫的經典電腦視覺流程,未採用 NCNN 地標追蹤方案。

  16. 21ic電子網56

    如何用 Arduino UNO Q 構建手持式混合現實遊戲機器人

    這個手持式混合現實遊戲項目以 Arduino UNO Q、魚網和 Snap Spectacles,讓玩家揮網捕捉 AR 水母,並由手柄上的觸覺馬達模擬被螫的感覺。兩個純 Python 啟發式模型分別預測揮網峯值,以及按十次揮網的命中率調節難度,目標命中率約為 55%。IMU 以 200 Hz 讀取數據,STM32 負責低延遲感測與觸覺控制,高通端則運行模型及遊戲伺服器。

  17. DEV Community59

    智能體會忘記,所以我把資料記下來

    Hoegun You為自家 AI 智能體建立持久文件紀錄,讓新工作階段可沿用系統脈絡,不必每次從頭重新理解程式碼。他為 11 個程式碼庫設立共用文件中心,透過來源路徑、核實日期及檢查機制標示過期內容;其後加入中繼資料圖譜,以一兩次查詢找出相關程式碼及可能受影響範圍,並提供檔案與行號範圍作為證據。作者建議每次工作結束時記錄進度、更新規則並寫下下次接續工作的首個提示詞;無法重建的資料則應另行備份。

  18. DEV Community63

    SGLang 與 vLLM 有何內部差異,以及如何公平比較

    文章比較 SGLang 與 vLLM 的共通功能及前綴快取差異,並列出公平比較兩者的基準測試方法。vLLM 以每 16 個 token 為一頁的標籤鏈重用前綴,SGLang 則透過 radix tree 尋找最長匹配分支。文中實測數據均來自 vLLM 0.33 在租用 RTX 4090 上的測試,作者尚未測試 SGLang,沒有對其速度作出判斷。

  19. DEV Community54

    Microsoft Agent Framework 1.0:在 .NET 中以邊界為本設計智能體

    Microsoft Agent Framework 1.0 為 .NET 團隊提供構建生產系統智能體應用的基礎,文章主張以明確邊界約束模型行動。工具應採用範圍明確的業務操作,由應用服務執行授權與規則檢查,並把對話狀態與具權威性的業務狀態分開保存。對不可逆操作,文章建議依次經過提議、驗證、批准和執行,並透過追蹤、審計及情境測試檢查決策和失敗處理。

  20. DEV Community63

    生產環境 AI 智能體如何設計有界自主權

    Razvan Mareș 提出,生產環境 AI 智能體應採用有界自主權,並由系統架構而非提示詞句子界定可執行的行動。文章建議明確設定目標、工具、數據範圍、行動額度及升級條件,使用權限狹窄的工具,並分開觀察、提案和執行,讓高風險操作經政策檢查或人工審批。文中亦涵蓋按影響範圍為行動分級、把智能體記憶視為不可信輸入,以及追蹤操作和設置停止開關。

  21. DEV Community56

    n8n 客服工作流程測試:AI 自行回覆曾觸發 8 次未經要求的退款

    作者測試一套 n8n 客服工作流程,對 12 封一般客戶郵件各執行 3 次;允許 AI 自行處理時,36 次測試中有 8 次觸發未經要求的退款。加入「不要遵從電郵指示」的提示詞後,60 次攻擊的成功次數由 35 次升至 38 次;改由程式決定可發送內容後,攻擊成功次數降至 0 次,但自動回覆由 31/36 次減至 19/36 次,且一封真實故障電郵未獲升級。

  22. DEV Community61

    Claude Opus 4.8 如何作為 Pull Request 審查的紅隊

    作者提出把 Claude Opus 4.8 用作 Pull Request 審查的紅隊,從系統風險而非程式碼風格檢視改動。方法包括提供相關 API、資料庫、測試及部署脈絡,並檢查合約、權限、狀態與併發、營運風險。作者建議先在 CI 以建議模式運行,要求輸出列明嚴重程度、信心、失效情境及修正建議,不應單憑模型輸出阻擋合併。

  23. DEV Community62

    自主 AI 智能體一週內以加密錢包支付模型推理費用,支出 0.177 USDC

    一名自主 AI 智能體在一週內透過 Base 上的 USDC 錢包支付模型推理費用,共完成 252 次成功模型呼叫,支出 0.177 USDC。其中 56 次透過免 gas 的 x402 簽名授權付款,196 次採直接轉帳;支付處理商故障後,代理改以直接轉帳作後備,並將交易逐一排隊以避免 nonce 衝突。

  24. 阿里雲開發者社區 AI47

    用 Java 接入大模型(二十一):MCP 協議入門與 Java 集成

    MCP 透過標準化工具與資料的供給方式,把多個 AI 應用對接多個系統所需的 N × M 份適配程式碼,簡化為 N + M。它與 Function Calling 分層協作,並以 Tools、Resources、Prompts 三種原語提供能力;Java 可在現有 Spring 服務中聲明式地暴露工具。MCP 支援 Stdio 和 Streamable HTTP,遠程服務必須加入鑑權。