跳到正文
目前篩選:教學
11月19日週四
  1. DEV Community66

    AI 編碼智能體如何因驗證、隔離與授權失誤

    文章指出,AI 編碼智能體的失誤幾乎不是智能不足,而是驗證、隔離或授權失當。文中提出讓檢查證明實際執行、在待合併提交的乾淨檢出版本上驗證,以及每個智能體使用獨立 worktree 等做法。對外或難以撤回的操作,須由人類就該項行動明確批准。

  2. DEV Community50

    自由工作者如何尋找網頁設計客戶

    自由工作者可從正在尋找網站服務的暖線索,以及網站有明顯問題的冷線索,尋找網頁設計客戶。作者在 11 月測試了 Iași 37 個本地商戶的 WordPress 網站,31 個有明顯問題,只有 5 個速度快。文章建議以特定行業建立作品集,並透過簡短速度審核提出具體修復方案。

  3. DEV Community49

    耳機裏混音聽起來正常,手機播放時音樂卻消失了

    一名 AI agent 發現,自己製作的四秒影片在耳機上聽得到鋼琴伴奏,手機播放時卻只剩狼嚎。測量顯示,250 Hz 至 1 kHz 是最響的頻段,鋼琴所在的 60 至 250 Hz 頻段低約 9 dB;手機揚聲器的可用頻率範圍約由 400 至 500 Hz 開始。作者建議較長的片段加入高八度、經 400 Hz 高通處理且低 18 dB 的伴奏,並以手機揚聲器檢查混音。

  4. DEV Community52

    如何用 Kiro Crew bots 理解陌生程式碼庫

    作者用 Kiro Crew bots 梳理開源專案 HyperFrames,約 10 分鐘便取得詳細報告和首次貢獻計劃。她以一句目標建立有驗收條件的追蹤項目,讓多個 worker 並行調查,並透過 Dashboard 查看里程碑和進度。她批准目標和里程碑後,bot 曾停在閒置狀態,需再發訊息提示它開始工作。

  5. DEV Community36

    數據分析師求職信指南:附可改編範例

    數據分析師求職信應以一個分析如何改變決策為核心,交代商業問題、資料處理、分析結果,以及誰根據結果採取行動。求職信須配合職位類型,並以相關經驗開篇;文中提供一封產品分析職位的範例,供讀者改編。

  6. DEV Community37

    音樂推薦系統:別再只推薦歌曲,開始理解用戶意圖

    新一代音樂推薦系統應從點擊預測轉向理解用戶意圖,結合多模態檢索、重新排序和智能體解説。建議架構涵蓋文字、音訊、協同及視覺嵌入,並以 RRF 融合候選結果;文中列出 Qwen3-Embedding、CLAP、VGGish 和 BGE-M3 等模型。系統目標延遲為 p95 檢索低於 40ms、重新排序低於 25ms,生成及解説低於 300ms 並以串流方式輸出。

  7. DEV Community42

    持份者協調計劃:改進路線圖

    文章提出改善持份者協調的路線圖,主張以正式計劃統一 AI 項目的目標、成功指標及決策權責。RAND Corporation 的 2024 年報告指出,超過 80% 的企業 AI 項目可能無法帶來有意義的商業價值,原因之一是持份者未能就 AI 的用途及成效評估達成共識。計劃包括分類持份者、制定技術、採用及商業指標、以 RACI 明確決策權責,並建立持續回饋機制。

  8. Hugging Face Blog65

    Transformers 如何在 32GB Mac 上推理 180B MoE 模型,解碼速度接近 Strata

    Transformers 的 MoE 專家串流實作在 32GB Mac M5 上運行 Qwen3.8-Flash-Next,200-token 解碼達 13.9 tok/s,與 Strata 的 14.8 tok/s 相差約 6%。

    推薦理由:文章以同一台 M5 和相同提示詞比較 Transformers 與 Strata,呈現專家串流優化後短文本解碼差距約 6%,並指出剩餘效能瓶頸。

  9. DEV Community63

    兩個 AI 智能體各自作出正確決定,卻共同破壞同一份共享狀態

    多智能體系統中的兩個 AI 智能體即使各自根據相同資料作出合理決定,也可能因並行修改共享狀態而造成資料不一致。文章以庫存為例,説明兩個智能體同時讀到 10 件庫存、分別嘗試預留 7 件和 6 件時,缺乏併發控制可能導致超賣或遺失更新。文中介紹原子資料庫更新、樂觀併發控制、冪等請求及 Saga 等做法,並指出協調流程不等於保護共享資料的一致性。

  10. NVIDIA Technical Blog:Agentic AI / Generative AI16

    如何在 NVIDIA Cosmos 中用兩個提示詞建立適合訓練的 Physical AI 數據集

    NVIDIA Cosmos 探討如何用兩個提示詞建立適合訓練的 Physical AI 數據集。高質素且多元的訓練數據集有助提升世界模型的準確度,但捕捉罕見缺陷、夜間事故等具挑戰性的情境既昂貴又耗時。原始數據整理成可供訓練的數據集,還涉及篩選、標註、生成及評估等複雜流程。

  11. DEV Community62

    LLM 工具調用如何運作:循環、Schema 與會令智能體出錯的常見問題

    文章解釋 LLM 工具調用如何透過工具定義、模型選擇、程式執行及結果回傳形成循環,並指出模型本身不會執行工具。程式碼應驗證參數、檢查權限、記錄工具調用,並為循環設定步數和成本上限。清晰的工具描述、具體的錯誤訊息,以及對破壞性操作的確認,有助減少智能體出錯。

  12. DEV Community26

    如何使用 Trader-GPT 建立及推出自己的 AI 交易機械人

    文章逐步説明如何結合 LLM 與即時市場數據,建立及推出 Trader-GPT 交易機械人,涵蓋系統架構、Python 實作和合規流程。示例使用 GPT-4 Turbo 或 Llama 2 70B 生成交易訊號,並以風險規則及不可篡改的日誌管理決策。內容亦提及 MiFID II、SEC 和 CFTC 的監管要求,以及生產環境的延遲、成本、安全和監控安排。

  13. DEV Community24

    如何打造 AI 交易機械人:趨勢、工具與程式碼

    這份指南説明如何打造 AI 交易機械人,並提供可執行的 Python 原型、合規檢查要點及成本估算。原型以 Llama-2-7b-chat-hf 分析即時價格數據和新聞標題,產生買入、持有或賣出訊號,並可向 Alpaca 模擬交易帳戶下單。AWS g4dn.xlarge 單 GPU 執行個體約 $0.70 / hour;市場數據及券商 API 費用是主要開支。

  14. DEV Community64

    編碼智能體如何選擇要使用的技能

    作者提出一套檢查編碼智能體技能選擇的方法,分開核對技能是否被發現及載入,以及後續行為有否遵守請求範圍。測試應涵蓋詞彙相近但意圖不同的請求,並記錄客戶端、模型、啟用技能、提示詞和工具軌跡;文中的案例是建議測試,並非實測結果。

  15. DEV Community29

    AI Trader 熱度上升:搜尋量為何激增 87%?

    Google Trends 記錄到「IA trader」搜尋量上升 87%,反映投資者、金融科技公司及開發者對 AI 交易工具的關注增加。文章提供實作指南,涵蓋自建 Trader-GPT、整合 OpenAI 與 Binance API、使用 QuantConnect Lean 回測,以及監管合規事項。

  16. DEV Community33

    虛擬 PBX 測試如何轉化為可核實的驗收清單

    虛擬 PBX 驗收應以可重複的測試矩陣記錄具體操作、預期結果及證據,而非只憑配置畫面或一次成功通話判定。指南示範以 CSV 記錄必須通過的測試,並用小型程式找出未通過或缺少負責人、證據的項目;檢查結果不等同服務品質、可用性或安全認證。交接資料亦須列明操作責任、未完成事項,並避免在公開儲存庫放入客戶資料或通話錄音。

  17. DEV Community51

    AI 匯入介面中,不確定資料列應預設選取還是取消選取?

    文章提出一套 AI 匯入介面設計原則,建議不確定或不完整的資料列預設取消選取,待用戶明確確認後才匯入。有效性應依目前區段顯示的欄位判定,頁尾分開顯示已選取與可匯入數量;未知代碼須由用戶明確選擇建立或對應,並記錄自動符合資格、人工選取及接受未知代碼的決定。

  18. DEV Community31

    如何銜接即時支付交換系統與核心銀行大型主機:ISO 20022/即時支付 rails 與 COBOL COMP-3

    即時支付交換系統與核心銀行大型主機銜接時,天真地以 LLM 翻譯 COBOL 程式碼可能導致 COMP-3 金額精度漂移,或因逾時重試而重複入帳。文中提出以 Decimal 精確處理 COMP-3,並用確定性冪等鍵及 outbox reconciliation 管理逾時;另列出核心銀行現代化的六項退出關卡。

  19. DEV Community47

    使用 ChatGPT、Claude 和 Gemini 時,如何更容易找回 AI 答案

    Folderloom 是一款 Chrome 擴充功能,在 ChatGPT、Claude 和 Gemini 旁加入共用資料夾樹,並可同時搜尋三者中已開啟過的聊天。聊天文字和搜尋索引留在瀏覽器;僅支援桌面版 Chrome,免費方案包括 3 個資料夾、10 個書籤和 5 個已儲存提示詞。Pro 售價為 $4.99/month,提供同步功能,但不會同步對話。

  20. DEV Community64

    Five of Five:信任智能體前,先重跑測試

    Wasim Sheikh 提出 Five of Five 智能體評估方法,要求每個測試案例以準備上線的模型、提示詞及工具版本重跑五次,五次全過才算通過。文中的保險理賠案例有 40 個測試案例,單次測試曾全部通過,但重跑五次後只有 31 個每次都通過,另有 9 個結果不穩定。文章建議按不穩定案例的共同原因修正,將一致通過設為發佈門檻;含糊案例則交由人員處理。

  21. DEV Community56

    AI 智能體是否仍應憑兩天前的「同意」付款?

    文章以虛構綜合案例説明,AI 智能體沿用過期批准且執行前未重查訂單,可能導致同一問題重複付款。案例中,$480 退款在週末後獲批時,客戶已收到替換品,另一智能體亦已發出部分抵扣;重複支出約 $700,財務團隊因失去信任而暫停該智能體兩週。作者建議為批准設定有效期(例如 24 小時)、執行前重查訂單狀態,並按每張訂單跨所有智能體及人員設定退款總額上限。

  22. DEV Community52

    相同筆數仍有記錄遺漏:筆數核對失準的 4 種情況

    批次工作中,輸入與輸出的記錄數相同,仍可能有記錄遺漏、重複或不屬於該批次的資料,因此筆數相同並不能證明資料完整。文章建議以該次輸入或已保存副本建立預期 ID 清單,分別查找缺失、非預期及重複 ID,並檢查鍵值格式。若目的地有已知延遲,應待新記錄可見後再判定缺失,並沿各處理階段追查個別遺漏 ID;沒有證據的環節應標作 unknown。