跳到正文
目前篩選:教學
11月18日週三
  1. DEV Community59

    資料庫遷移如何在 CI 中檢查:無需資料庫的 Pull Request 檢查能發現甚麼

    Schemity Migration Check 可在 CI 中毋須連接資料庫,先重放已合併的舊遷移以重建 schema,再分析 Pull Request 的 SQL 變更,檢查資料遺失、遷移可能失敗、重寫或鎖表等風險。它以免費 GitHub Action 提供,亦會標示外鍵欄位缺少索引等新引入的設計問題。檢查無法得知受影響的資料列數或資料表大小,這些仍須連接資料庫確認。

  2. DEV Community59

    部署 AI 智能體前,如何訓練團隊審查 AI 程式碼

    企業部署 AI 編碼智能體前,應先訓練團隊審查其生成的程式碼,並在合併前逐行核對變更。培訓內容包括盤點智能體可存取的目錄、MCP 伺服器及環境憑證,瞭解模型幻覺,並由開發者自行撰寫測試、手動驗證結果;初期應在不含生產資料的暫存目錄試用。開源智能體更新則應按依賴項升級方式審查。

  3. LlamaIndex:產品、工程與評測45

    表格 OCR:為何基於位置的提取會失效,以及甚麼方法可取代它

    表格 OCR 的難點不只是辨識文字,還要保留欄位標籤與數值、勾選標記及手寫內容之間的關係;依賴固定座標的傳統模板式提取,遇上版面變動或表格修訂便可能讀取錯誤欄位。具備版面感知能力的解析與提取流程,則可在表格幾何位置改變時處理同一表格。

  4. DEV Community35

    為何絕不能把不明 USB 隨身碟插入電腦

    不明 USB 裝置可能透過 BadUSB 偽裝成鍵盤,在用戶無須開啟檔案的情況下執行指令,竊取登入憑證、安裝惡意軟件或建立後門。USB Killer 則會向 USB 埠釋放高壓電,造成永久硬件損壞。文章建議不要插入來源不明的 USB 裝置;如懷疑已接入 BadUSB,應立即中斷電腦的網絡連線,並用另一部安全裝置更改密碼。

  5. DEV Community56

    小型企業工作流如何用成本感知分類器將簡單請求路由至較小模型(Python)

    這套面向小型企業工作流的成本感知路由方法先按關鍵字、訊息長度和附件等規則分流;規則無法判斷時,再由小模型判斷難度,只把「hard」請求交給大型模型。作者建議記錄每項請求的路由,沿用相同審批流程,並每週抽查「easy」答案,以及比較調整前後各路由處理的項目數和需人工修改的答案數。

  6. DEV Community32

    AI 語音智能體在預約前需要回答甚麼

    AI 語音智能體要在預約前提供準確回答,須先辨認來電者、從企業自有知識庫取得設備資訊,並連接排程系統完成預約。Aura 是內置於 SIPSTACK 的 AI 語音智能體,可透過 HTTP 操作企業工具,並由電話平台處理轉接及通話記錄。

  7. DEV Community33

    停止猜測 GPU 能運行哪些 AI 模型:用 Stactora 查找硬件相容選項

    Stactora 是面向開發者的 AI 與硬件索引,協助查找開放權重模型、比較技術能力及瞭解硬件相容性。平台提供模型探索與比較、硬件配置模擬,以及根據工作負載、技術熟悉程度和預算推薦選項等功能。選擇本地模型時,應一併考慮 VRAM、量化、上下文長度、推理框架相容性及實際工作負載。

  8. DEV Community60

    SpaceApp 的 Nous 如何每日檢視錯誤,並把重複問題轉成附測試的程式碼修正

    SpaceApp 的 Nous 每日檢視自身錯誤,將重複原因寫入經驗備忘、每日記憶及待處理佇列;後續升級回合再修改程式碼,並為修正加入測試。檢視會參考過去 24 小時的執行數據和用戶更正,並區分操作失誤與安全防護攔截;只有重複出現的問題才會進入佇列。Nous 不會自行改動程式碼,修正由後續升級回合處理;新安裝時 Nous 預設關閉。

  9. DEV Community54

    如何在同一部裝置上比較並選擇開源 TTS 模型

    這份指南提出在同一部裝置比較 MOSS-TTS、Piper、Kokoro 和 Qwen3-TTS 的流程,主張按實際測試條件選擇模型,而非套用通用排名。流程要求記錄硬件、軟件、模型版本、精度和輸入,並把載入與生成時間分開;也要檢查發音、漏字、音質和重複生成穩定性。作者建議公開原始計時、測試文本、環境和程式碼;單一裝置及少量句子無法確立適用於所有語言、硬件或工作負載的通用勝者。

  10. 阿里雲開發者社區 AI46

    數據魚API:中文內容的 Token 估算與上下文管理

    數據魚API以「AI Token 計數」服務説明中文 Token 估算,指出以字符數除以四估算中文會低估上下文用量。stats 端點列出 GPT 系及 Claude 系的中英文換算比例,count 端點則可按文字和模型口徑回傳 Token 數及語種明細。文中建議在拼裝會話前計數,並提醒啟發式估算只適用於預算與限額,計費應以官方分詞為準。

  11. 阿里雲開發者社區 AI40

    2026 阿里雲伺服器優惠價格與企業上雲成本優化全解析:ECS 選型、熱門配置報價及採購指南

    阿里雲 2026 年企業伺服器優惠涵蓋爆款直降、99 計劃鎖價及優惠券,並提供 ECS 選型與成本核算方法。經濟型 e 2核2G/3M/40G 為 99 元/年,通用算力型 u1 2核4G/5M/80G 為 199 元/年,兩者續費同價。總費用須合計實例、公網帶寬及雲盤,帶寬在 5Mbps 處單價跳檔,需按業務需求選配。

  12. DEV Community65

    團隊讓 AI 智能體共用聊天時,四項規則比模型更重要

    文章提出,團隊把 AI 智能體放進共用聊天前,應先確立權限邊界、人工審批、對話停止條件及工作可見性四項規則。Conduyt 的 Team Chat 讓 Claude Code、Codex 或 Grok Bot 加入 CRM 頻道;智能體沿用所屬用戶的權限,代表用戶發送內容須先經批准,連續六輪 AI 回覆後則暫停。

  13. DEV Community56

    Creator City:作者打造每幢建築都是 AI 智能體的 3D 城市

    作者以 Next.js 和 Claude Code 打造 Creator City,一款讓每幢建築各自成為 AI 智能體的可漫遊 3D 內容創作全端應用。功能包括尋找熱門主題、生成旁白、AI 圖像轉換、內容排程、連接外部工具,以及供智能體執行任務的雲端電腦。作者提供 2 小時 45 分鐘免費 YouTube 課程,並在影片説明欄提供免費原始碼。

  14. DEV Community59

    規劃、檢視差異、驗證:避免 AI 編碼智能體破壞程式碼庫的四步循環

    MadGPT 作者分享一套供 AI 編碼智能體使用的四步循環:先列出修改計劃並等待確認,再逐項小步修改、逐檔解釋差異,最後以測試或重現步驟驗證。作者指出,跳過流程可能令智能體偏離問題、難以定位出錯的修改,或讓虛構 API 未經核實便進入主分支。每完成並驗證一步便提交;涉及身份驗證、付款或刪除資料的修改,則建議使用新的提示詞安排第二次審查。

  15. DEV Community35

    將虛擬佈置結果排名前,先統計取景結果

    StagingBench 將取景結果分為通過、失敗和未知;統計時須合併 JSON 中的 room01 字典與 rooms 清單,並以 room01 的資料優先。這些數字只反映所提供 JSON 快照內的記錄,某工具全為零代表沒有房間記錄,不代表測試結果全數失敗或通過;取景通過亦不等於符合 MLS 規定。

  16. DEV Community41

    軟件智能體私隱:識別符、有效性證明與屏蔽資金池

    軟件智能體的私隱需要分開處理控制者識別、狀態轉換驗證,以及不公開交易對手關係的價值轉移,三者並未合併為單一協議。DID 以 URI 和文件識別控制者;Ethereum 有效性證明批次在鏈下執行數以千計的轉帳,再提交摘要和證明。Zcash 支援可選的屏蔽轉帳,但相關文件沒有提供手續費或每秒交易量上限。

  17. DEV Community57

    如何把對 AI 輸出的直覺轉化為評分量表

    自由 AI 評估員 Tony Sterlin Cantave 分享一套把對 AI 輸出的主觀直覺轉成可重複評分標準的方法。流程包括把觀察拆成獨立維度、為 1 至 5 分各級設定具體錨點、先寫評分理由再給分,並用 Python 腳本比較兩次評分的一致性。若某個維度反覆出現兩分差距,他會檢查並改寫該維度的錨點。

  18. DEV Community63

    9 步流程把腳本轉化為可發布的 AI 短影片

    文章提出一套把腳本製作成可發布 AI 短影片的 9 步流程,從精簡旁白、規劃鏡頭到模型分流、角色參考、音訊、字幕、質檢、版本輸出及成效量度。流程建議先製作旁白再剪畫面,文字與介面採用錄屏、標誌在後製合成,並檢查畫面連貫性、文字及敍述宣稱。多角色對白仍然成本高,精確肢體互動亦容易失敗,部分場景以實拍或 3D 更划算。

  19. DEV Community47

    plannotator 的中文版 README:為 coding agent 提供瀏覽器審閲介面

    plannotator 是以 TypeScript 編寫的本機瀏覽器審閲介面,讓用戶標註 coding agent 提交的計劃、文件或程式碼差異,再把意見送回 agent。新增的中文版 README 保留英文原文翻譯,並加入中文快速上手補充,説明安裝建置、不同整合方式及授權差異。文章提醒,補充內容尚未在全新環境完整驗證。

  20. 阿里雲開發者社區 AI34

    AI 模型「知更鳥」如何分析友情的人際關係與情感

    「知更鳥」人際關係情感分析模型分析上千條真實對話,歸納友情與愛情的對話差異及友情的情感特徵。模型以 Chinese-RoBERTa-wwm-ext-large 為共享編碼器,同時判斷關係類型、情感極性和關係動態,三項任務準確率分別為 86.2%、92.2% 和 84.1%。分析指出,友情樣本的負面情感比例約為 38%,高於愛情樣本的約 32%;友情中的道歉則全部被標註為親近動態。