千問大模型入門指南:網頁端與 API 免費額度及實操流程
千問大模型提供網頁端免費體驗和 API 新人免費 Token 額度,分別適合日常使用及開發者測試、原型開發。網頁端支援文件上載解析和多輪對話;API 可透過 curl、Python 呼叫,並支援流式輸出及工具呼叫。使用 API 前應開啟免費額度用盡即停,避免額度耗盡後按量計費。
千問大模型提供網頁端免費體驗和 API 新人免費 Token 額度,分別適合日常使用及開發者測試、原型開發。網頁端支援文件上載解析和多輪對話;API 可透過 curl、Python 呼叫,並支援流式輸出及工具呼叫。使用 API 前應開啟免費額度用盡即停,避免額度耗盡後按量計費。
本章説明貨運無人機如何以四維軌跡規劃協調航線與空域管理,將位置和時間一併納入飛行規劃。規劃需考慮飛機性能、空域限制、風況及抵達時間的不確定性,並按飛行時間、能源消耗、空域風險等目標作多準則最佳化。系統亦可透過比較飛行器的四維佔用範圍識別潛在衝突。
貨運無人機的感知架構整合慣性、衞星導航、視覺、LiDAR、雷達及高度等感測器,為飛行控制、導航、避障、降落和安全功能提供一致資訊。多感測器融合須處理時間同步、空間校準、延遲及測量不確定性,並管理感測器狀態與故障。
貨運 UAV 自主導航架構連接任務意圖與即時飛行控制,透過感知、狀態估算、環境表示、規劃、軌跡生成、引導及安全監督,形成閉環導航流程。架構整合多種感測來源,按可信度調整導航來源,並在 GNSS 不可靠時轉用其他定位參考。全域與局部規劃、動態可行的軌跡及避障功能,須配合載荷、飛行性能和機動限制。
貨運 UAV 的飛行控制系統採用分層閉環架構,將任務級運動指令逐級轉化為致動器控制指令。位置、速度、高度、姿態及角速度控制器按動態速度分層運作,多旋翼的推力與力矩指令則經控制分配後傳至各推進單元。系統亦需考慮載荷變化、外部擾動及各控制層之間的頻寬分隔。
貨運無人機系統架構以 FCC、FMS 和 GCS 為三大功能域,分別負責即時飛行控制、任務與航跡管理,以及地面監督。架構亦涵蓋導航狀態估算、分區通訊、失聯應變、冗餘設計及安全監察,以支援安全運作和故障處理。
本章説明貨運 UAV 的自主飛行層級及運作概念,涵蓋由遠端飛行員持續監督,到執行任務自動化及條件式自主飛行的不同安排。自主系統須整合導航、感知、路線規劃與飛行控制,並按能源、載荷、天氣及空域限制持續評估和調整任務。安全邊界、故障應變及失聯時的預設行為,亦是自主運作的重要部分。
RouterBase 對 GPT-6.2 Astra 和 GPT-6.2 Sol 進行實測,整理出 OpenAI 相容用戶端遷移時常見的四項請求驗證限制。
作者回顧自己開發的三個 AI 應用,分別是終端編程智能體、每日新聞聚合工具,以及可與 61 位思想家對話的知識畫廊,並剖析各自的關鍵設計與代價。編程智能體先展示 diff,待用戶確認後才寫入檔案;新聞工具優先使用 Agent,未配置密鑰時回退至 RSS/Atom,並加入去重與失敗告警。思想畫廊以結構化檔案編譯人格,並透過離線及線上評測檢查表現;作者將三個項目的共同取向概括為讓 AI 產出可驗證。
這篇教學以 WorkSwarm 0.2.7 示範設定工具權限,由執行環境在每次工具呼叫前按政策決定放行、要求批准或拒絕。設定可拒絕遞迴刪除及 shell 讀取 .env,並以 file_guard 限制工作區外的檔案存取;未列明的 shell 命令則須先批准。配套測試以毋須 API key 的模擬模型執行,三次運行均各通過 17 項檢查。
AheadKit 用本地運行的小型模型比較完整與裁剪至五個欄位的 GitHub issue 工具結果,24 項任務的解題數由 9/24 增至 17/24。裁剪組平均每項任務消耗 2,020 tokens,完整結果組為 5,475 tokens;兩組每項任務的二次查看次數相近,分別為 0.92 和 0.88。
作者以其團隊開發的開源工具 secfoo 掃描 OWASP NodeGoat,約 4 分鐘取得 18 項發現,其中 9 項為 High,花費 $3.73。設定 --fail-on high 後,掃描以 exit code 2 結束;作者按 NodeGoat 教學頁列出的漏洞及實際檔案行號核對報告。
AppStruct 示範以兩筆客戶名稱相同、已儲存 ID 不同的服務請求,檢查更新是否只修改指定記錄。Node.js 測試顯示,按客戶名稱篩選會同時改動兩筆請求,按 ID 篩選則只改動目標記錄;沒有匹配項時,資料保持不變。
研究示範把技術指標、GDELT 地緣政治訊號及 RSS 標題情緒訊號整合,用於分析 IBEX35 的 15 隻成分股。分類器的 AUC-ROC 為 0.5280,策略 Sharpe 比率為 2.56,高於 Buy & Hold 的 1.83;系統的價值在於判斷失誤時減少損失,而非提高市場方向命中率。這是研究及技術示範,並非財務建議或投資推薦。
文章示範以 Java 的 Spring AI 協調器透過 A2A 呼叫 Python 的 Google ADK 專家智能體,建立跨語言供應商研究流程。示例使用 A2A 1.0 和 Agent Card 尋找端點,並由確定性程式碼處理端點選擇等流程;協調器保留最終判斷及人工審核,專家只提供證據。供應商資料採用本地示範 fixture,並非即時營運研究。
辨識虛假註冊應綜合電郵、電話、IP 位置、密碼及填表行為等訊號,不能單憑一項警號判定;可按訊號強弱允許、交由人工審核或封鎖。Veritus 在註冊時執行七項資料補充檢查,再由 LightGBM 模型於 100 毫秒內回傳 0–100 分,並提供可讀的判斷原因。
阿里雲計算巢與 ECS 可一鍵部署開源智能體框架 DeepSeek Harness 社區版,流程包括取得百煉 API Key、建立部署服務及透過 Web UI 使用。部署約需 3 分鐘,Web UI 透過 Nginx 反向代理及計算巢安全代理提供外部存取。DeepSeek Harness 為開發者預覽版 v0.1,亦可透過命令列或 Python SDK 安裝和擴展插件。
阿里雲為新用戶提供輕量應用伺服器、ECS、GPU 伺服器及大模型服務平台的首購優惠,涵蓋特價套餐、代金券和免費試用額度。輕量伺服器入門套餐低至38元每年,ECS經濟型e實例為99元一年,u1實例為199元一年。優惠受新客資格、機型庫存及地域限制,價格和庫存會動態調整。
Formfeed 説明其 PDF 遮蓋工具會移除指定區域內的字元,並在交付前檢查頁面文字、元資料等副本及檔案內的舊版本。修正後的檢查會確認每個指定移除的文字字元均已消失;若仍有殘留,工具便回傳 422 redaction_incomplete,不提供檔案亦不收費。
LangSmith 匯出數據集轉入 RAGAS 需要重組資料欄位;若鍵名不符,user_input 可能全空而不報錯,metadata 等欄位亦會遺失。文中列出缺少 reference 時無法執行的評估指標,並提供欄位檢查及手動轉換示例。作者亦開發 ragasconverter.com,可轉換多種格式並列出欄位的重命名、展平、嵌套或丟棄情況;工具在瀏覽器運行,無需上傳或註冊。
文章建議在 AI Agent 上線前記錄每次執行的決策路徑、工具呼叫及結果,並追蹤任務完成、重試、工具錯誤和延遲。記錄可包括 run ID、工作流程和提示詞版本、工具狀態及錯誤類別;儲存前應遮蓋機密資料和個人資料。作者建議先為一個關鍵工作流程設定成功標準、記錄各項決策和外部操作,再測試依賴項故障,並針對可採取行動的異常設定告警。
Umer Amin Durrani 提出 AI 生成程式碼的審查方法,建議先核對預期行為與變更範圍,再檢查測試、安全及失敗路徑。測試通過只是證據,不能證明所有風險已消除;模型的解釋和第二輪審查結果也應視為待核實的假設。作者建議由人員負責是否接受修改,並以涵蓋意圖、假設、測試、安全、操作、回滾和責任歸屬的清單重複檢查。
AI Agent 評估應以行為要求而非固定句子判定工作流程是否成功,避免輸出措辭不同令測試脆弱或產生錯誤信心。每項工作流程先訂明用戶目標、允許操作、所需證據及不可接受結果,再用涵蓋真實請求、邊界情況和已知失敗的測試集,評估任務完成、事實依據、工具選擇、政策遵循、升級處理、延遲和成本。
文章提出一套 AI 工作流程事故應變手冊,涵蓋止住風險副作用、界定影響範圍、謹慎恢復服務及驗證復盤。手冊建議記錄首次故障時間、工作流程版本、模型與提示詞變更、受影響的整合及 run ID,並避免在廣泛事故頻道分享敏感提示詞或用戶資料。
文章分享一套已在生產環境運行的企業內容多渠道分發系統,透過資料庫唯一約束、任務鎖和遠端 Idempotency-Key 建立三層冪等控制,並以狀態機追蹤分發結果。
這篇實戰指南提出,企業在 RAG 前應先治理知識庫,將文件拆成可檢索、可判定、可追溯的結構化事實單元。處理事實衝突時,應先按權威度排序,再比較時間,並將落選事實標記為 disputed 而不刪除。評測集建議涵蓋 50 到 100 個真實問題,分別衡量事實召回率、答案準確率及越界率。
阿里雲 2026 大促設有老用戶專屬活動區,涵蓋雲伺服器及 AI 相關產品,提供續費折扣、新購優惠、代金券和消費滿返。用戶可透過控制台活動橫幅或費用中心的權益中心查找入口,並使用阿里雲 CLI 盤點帳戶內的雲伺服器。參與活動時須留意優惠適用範圍、有效期及 GPU 實例庫存。
阿里雲為已有雲資源的老客戶推出限時優惠,涵蓋輕量應用伺服器、ECS、GPU 雲伺服器、大模型服務平台,以及資料庫和儲存產品。優惠包括續費折扣、新購特惠、滿減券及節省計劃;部分按量付費 ECS 搭配節省計劃,成本最高可降低七成左右。優惠力度、可用機型及代金券規則會隨活動週期調整。
Appxiom 團隊讓 Claude 協助籌備 Product Hunt 發佈,最終獲 Product of the Day 第 4 名。當日共有 1,604 個產品發佈、43 個獲推薦;Appxiom 獲得 289 個支持票及 45 則留言。發佈後兩天內有 9 名新用戶註冊;Claude 協助規劃、撰寫文案及整理成效報告,團隊保留所有最終決定。
這篇教學示範如何在 Apache Camel 中,於支援電郵交給 LLM 前使用 Wolf Defender Small 篩查提示詞注入。測試使用 Apache Camel 4.24.0-SNAPSHOT 預覽整合(build 4.24.0-20261116.143507-36)及本機 CPU 推理,正常郵件繼續,檢出注入時拒絕,空輸入或服務不可用時轉交審查。
作者在間接提示詞注入測試中發現,三個防護較強的模型都根據一張沒有指令、但數據略佔優勢的普通表格,推薦了此前未見的網域。表格中該網域的轉化率為 5.0%,高於電子報的 4.0%;90 日留存率為 44%,高於 38%,每次註冊成本亦較低。
這款七宗罪測驗每次從 84 題題庫抽出 28 題,每項罪各有 4 題,並混合正向與反向題。每項得分按 0 至 100% 計算;距最高分 3 個百分點內的項目並列領先,最高與最低分相差不超過 10 分則判為平衡。免費結果在瀏覽器內計算,不會傳送至伺服器;購買付費深入報告時,答案則會送出以生成報告。
四足機械人案例研究以油氣廠巡檢為例,説明如何整合步行、導航、感測與營運安全,完成資產巡檢任務。機械人可融合 LiDAR、相機、IMU 和腿部里程計進行定位,並按地形調整步行;巡檢軟件則把觀測數據連結至資產、時間戳記和任務記錄。安全機制須涵蓋故障安全政策、緊急停止及危險區域的設備認證要求。
本章提出四足機械人軟件的漸進式驗證策略,涵蓋軟件在環(SIL)、硬件在環(HIL)、實體機械人及野外測試。SIL 用於可重複的大規模情境測試,HIL 檢查實時效能及硬件與軟件整合,實體和野外測試則驗證真實環境下的表現。驗證須追蹤需求、記錄測試條件與遙測數據,並透過故障注入、回歸測試及復原行為評估累積證據。
作者以 tiktoken 示範如何在呼叫 LLM 前選擇對應編碼、估算提示詞 token 數與聊天格式開銷,並按 token 設定預算和切分文字。同一意思的英文句子計得 10 個 token;印地語在 o200k_base 下為 18 個、cl100k_base 下為 54 個,程式碼和 JSON 每個 token 覆蓋的字元也較少。
四足機械人把感知、推理、學習、規劃與物理控制整合為連續閉環,將環境理解轉化為可執行動作。高層 AI 提供任務意圖,控制層則確保動作符合物理可行性與安全要求。Foundation Model、VLA 和 World Model 可連接語義理解、機械人觀測與行動規劃。
作者展示如何在單一虛擬機上,以自訂 runtime 和用戶空間網絡堆疊運行 1,500 萬個 Web 伺服器,目標配置為 10GB RAM 和 1 個 CPU 核心。
阿里雲新客大促為新用戶提供雲端伺服器、資料庫、儲存及大模型服務等首購優惠、免費試用和代金券。活動開放160餘款雲產品免費試用,試用期由1個月至6個月不等;新用戶亦可領取百煉大模型免費 Token 額度。文章並整理阿里雲CLI查詢ECS實例的命令及選購注意事項。
LiteLLM 在 2026 年第二次遭供應鏈投毒,1.107.0 的惡意構建產物透過 Python 啟動鈎子竊取雲端、AI 工具及代理憑證。文章對照 Higress 的 Wasm 沙箱與不可變發布流程,説明如何限制擴展程式的檔案、環境變數和網絡權限,並建議受影響用戶輪換所有憑證。
推薦理由:文章把 LiteLLM 投毒的攻擊路徑與 Higress 的 Wasm 沙箱及不可變發布流程逐項對照,呈現權限隔離和版本鎖定如何限制供應鏈事故的影響範圍。
玩家透過 PS5 遠端串流將《GTA 6》畫面送至 Windows PC,再用 RTX 5080 及 Veyra 套用 DLSS 5,輸出由約 29.5 FPS 升至 59 FPS。80 秒測試中,神經網絡渲染耗時 4.1ms、補幀耗時 1.5ms,整條處理管線延遲約 12ms。不過,處理的是已生成的串流影片,遊戲邏輯和控制器響應仍維持主機的 30 FPS 水平,部分用戶亦回報高速場景出現拖影。