OpenAI DevDay：結構化輸出專題環節
OpenAI DevDay 的專題環節探討了活動中分享的結構化輸出技術，內容聚焦 structured outputs、JSON 與 schema。
#教學/實踐
#教學/實踐
今日 8 條OpenAI DevelopersAI 評分1616 OpenAI DevelopersAI 評分6363 OpenAI Computer Use API 指南：如何整合瀏覽器與桌面操作
OpenAI 的 Computer Use API 指南説明，模型可透過瀏覽器或桌面介面填表、測試使用者流程或完成應用程式任務，應用程式負責提供環境並執行模型要求。
OpenAI DevelopersAI 評分6464 OpenAI Predicted Outputs 使用指南：用預測文本加快 Chat Completions API 回應
OpenAI 的 Predicted Outputs 指南説明，Chat Completions 可透過 `prediction` 參數提供預測文本，在輸出內容大致已知時加快 API 回應。
OpenAI DevelopersAI 評分6262 OpenAI 語音智能體指南：比較三種架構與評測方法
OpenAI 的語音智能體指南比較 GPT-Live、Realtime API 與分階段語音管線，説明三種架構各自適用的場景。指南涵蓋 GPT-Live 的 Client delegation 和 Responses delegation，以及可逐階段檢視或轉換文字的管線設計。
OpenAI DevelopersAI 評分5252 OpenAI 內建工具指南説明工具類型與 API 接入方式
OpenAI 的內建工具指南整理了可用工具，以及在 Responses API、Agents API 和 Agents SDK 中的接入方式。所列工具包括網頁搜尋、檔案搜尋、函數呼叫、遠端 MCP、Skills、Shell、電腦操作、圖像生成、tool search 和 Programmatic Tool Calling。
Manus：BlogAI 評分6666 AI 智能體的上下文工程：Manus 的構建經驗與教訓
Manus 團隊分享構建 Manus 的 AI 智能體上下文工程經驗，提出管理上下文、工具選擇與記憶的設計原則。文章建議保持提示詞前綴穩定、避免在迭代中動態增刪工具，並把檔案系統作為可恢復的外部記憶；另指出應在上下文中保留失敗記錄，並持續重述待辦目標。文中提到 Manus 平均輸入與輸出 token 比例約為 100:1，典型任務平均約有 50 次工具呼叫。
OpenAI DevelopersAI 評分6161 OpenAI 示範如何透過 input_fidelity="high" 保留輸入圖片細節
OpenAI 示範如何在 Image API 和 Responses 圖像生成工具中設定 input_fidelity="high"，以保留輸入圖片的關鍵細節。指南提供人像、標誌、局部物件編輯及多圖合成示例，並説明多圖輸入時首張圖片可保留更豐富的紋理細節。該設定會比預設值消耗更多 image input tokens。
OpenAI DevelopersAI 評分6161 OpenAI Developers 構建 AI 智能體學習指南
OpenAI Developers 的 Building agents 學習專題介紹構建 AI 智能體的核心概念與實作流程，涵蓋模型選擇、工具使用、編排和最佳實踐。
OpenAI DevelopersAI 評分5757 OpenAI Developers 的 AI 應用開發學習路線：從概念到生產環境
OpenAI Developers 提供一套面向開發者的 AI 應用開發學習路線，按四階段涵蓋基礎概念、應用開發、測試與評估，以及規模化和維護。內容介紹如何透過 Responses API 或 Agents SDK 建置智能體，並説明 RAG 用於引入知識、微調用於調整模型行為，以及用 evals 和 guardrails 測試與約束應用。
Hugging Face Blog精選AI 評分6868 Hugging Face 分享 MCP Server 建置經驗與部署取捨
Hugging Face 分享其官方 MCP Server 的建置經驗，説明 AI 助手如何透過 hf.co/mcp 存取 Hub 及 Spaces 上的 AI 應用。
推薦理由：文章拆解遠端 MCP Server 在傳輸模式、連線狀態與資源開銷上的取捨，並以 Hugging Face 的部署配置呈現決策脈絡。
Hugging Face Blog精選AI 評分6565 Hugging Face 示範如何用 Gradio MCP Servers 為 LLM 增添工具能力
Hugging Face Blog 示範如何透過 Gradio MCP 伺服器為 LLM 接入工具能力，並以 Flux.1 Kontext[dev] 展示按文字指令編輯圖片。
推薦理由：文章以 Flux.1 Kontext[dev] 示範將 Hugging Face Spaces 的 MCP 服務接入 Cursor，並交代圖片須使用公開 URL，呈現從選擇服務到設定客户端的實作流程。
Hugging Face Blog精選AI 評分6464 使用 Sentence Transformers 訓練及微調稀疏嵌入模型
Hugging Face Blog 示範如何使用 Sentence Transformers 訓練及微調稀疏嵌入模型，介紹 SPLADE、Inference-free SPLADE、CSR 架構，以及資料、損失函數、評估器和訓練器的配置。
推薦理由：文章按 SPLADE、Inference-free SPLADE 與 CSR 的適用情境梳理架構選擇，並以實作例子串連資料、損失函數和評估器配置。
Hugging Face BlogAI 評分5151 長提示詞如何阻塞其他請求並拖慢 LLM 推理效能
TNG 指出，長提示詞的 prefill 會阻塞後續請求，並在與 decode 共用 GPU 時拖慢已開始生成的請求。vLLM 的並行 partial prefill 可降低短請求的 time-to-first-token；例如可設定最多並行 4 個請求，當中最多 1 個的 prompt 超過 10,000 tokens。
OpenAI DevelopersAI 評分7373 OpenAI Cookbook 示範以 evals 驅動系統設計，從原型走向生產環境
OpenAI Developers 的 Cookbook 以收據審核為例，示範如何以 evals 驅動 LLM 應用從原型逐步走向生產環境。指南從少量標註資料建立收據抽取與審核流程，設計分步及端到端評測，並把錯誤率連結至業務成本以安排改進優先次序。案例比較 o4-mini 與 gpt-4.1-mini，並介紹透過提示詞、示例、模型選擇及持續監測改善系統。
OpenAI DevelopersAI 評分5757 OpenAI Agents SDK 多智能體投資組合協作實作指南
OpenAI Developers 的指南示範如何用 OpenAI Agents SDK 建立多智能體流程，將複雜投資研究任務拆分給多個專家智能體。
OpenAI DevelopersAI 評分6262 o3/o4-mini 函數呼叫指南
OpenAI 發佈 o3/o4-mini 函數呼叫指南，説明如何透過開發者提示詞、工具描述和 Responses API 改善函數呼叫表現。指南建議明確規定工具的使用邊界及呼叫次序、把參數構造規則置前，並盡可能將 `strict` 設為 `true`。
OpenAI DevelopersAI 評分6060 OpenAI 指南探討如何為強化微調設計模型評分器
OpenAI 的指南示範如何為 o4-mini 設計模型評分器，並以臨牀對話結果預測任務進行強化微調（RFT）。實驗使用 100 個訓練樣本和 100 個驗證樣本，採用 gpt-4.1 模型評分器後，微調模型的驗證評分較基礎 o4-mini 提高約 5 個百分點。指南亦展示詞面評分可能誘發模型加入同義詞、劑量或治療方案來刷分，並建議以領域專家檢查評分器和資料品質。
Hugging Face BlogAI 評分5858 Hugging Face Diffusers 探索量化後端，對比 FLUX.1-dev 的記憶體與推理時間
Hugging Face Diffusers 文章比較五種量化後端在 FLUX.1-dev 上的記憶體佔用與推理時間。BF16 載入後約佔 31.447 GB，bitsandbytes 4-bit 為 12.584 GB、推理需 12 秒；torchao int4_weight_only 為 10.635 GB，但推理需 109 秒。
OpenAI DevelopersAI 評分6969 OpenAI Responses API 的 MCP 工具使用指南
OpenAI 的指南介紹 Responses API 託管 MCP 工具，讓模型連接遠端 MCP 伺服器並直接調用工具。指南説明工具清單載入與快取、預設呼叫審批，並建議用 allowed_tools 限定可用工具，以降低 token 開銷和延遲。
OpenAI DevelopersAI 評分6161 OpenAI Evals API 的 Responses 評估示例：比較 gpt-4o-mini 與 gpt-4.1-mini
OpenAI Developers 示範使用 Evals API 的 `responses` 數據源，從日誌比較 gpt-4o-mini 與 gpt-4.1-mini 對 OpenAI SDK 程式碼檔案的解釋品質。
OpenAI DevelopersAI 評分6161 OpenAI API 語音轉文字方法比較指南
OpenAI Developers 的筆記本比較透過 OpenAI API 與 Agents SDK 進行語音轉文字的多種方法，並提供由檔案上載至即時串流的示例。
Hugging Face BlogAI 評分4949 Gradio 不只是另一個 UI 函式庫的 17 個理由
Gradio 不只是另一個 UI 函式庫，而是透過介面與 API 連接機器學習模型的框架，並提供效能、安全及回應能力保障。它可從單一實作自動生成 REST API 端點及 API 文件，並提供 API Recorder（4.26 引入）、Gradio 5.0 的伺服器端渲染（SSR）、佇列管理和即時串流等功能。
OpenAI DevelopersAI 評分5353 OpenAI Responses API 的 RAG 多工具編排實作指南
OpenAI Developers 的 cookbook 示範以 Responses API 建立 RAG 多工具工作流程，按查詢將請求路由至內置工具或外部工具。示例結合內置網絡搜尋與 Pinecone 向量資料庫檢索，並展示先搜尋網頁、再查詢 Pinecone，將工具結果交回 API 生成答案。
OpenAI DevelopersAI 評分5757 使用 Realtime API 構建多語言單向語音翻譯流程
OpenAI 的 Cookbook 示範以 Realtime API 和 WebSockets 搭建多語言單向語音翻譯流程，讓講者輸入音訊並把不同語言的譯音轉送至聽眾端。
Hugging Face BlogAI 評分5959 Open R1：如何在本機使用 OlympicCoder 7B 進行編碼
Open R1 的指南示範如何在本機設定 OlympicCoder 7B，並將它接入 VS Code 作為編碼助手。流程使用 LM Studio 載入 LMStudio Community 的 4bit GGUF 版本，再透過 Continue.dev 連接至本機服務 http://localhost:1234/v1。
Hugging Face Blog精選AI 評分6161 用 React Native 在手機上本地執行 LLM 的入門指南
Hugging Face Blog 的教程示範以 React Native 建立手機應用，在裝置本地執行 LLM 聊天。應用從 Hugging Face Hub 下載 GGUF 模型，並以 llama.rn（llama.cpp 的 binding）載入，教程涵蓋 Android 和 iOS。文章亦介紹 GGUF 量化格式、手機選模取捨，以及逐 token 生成與推理速度追蹤等功能。
推薦理由：文章按模型選擇、GGUF 下載與載入、聊天介面逐步拆解 React Native 實作，並説明量化格式與設備能力的取捨，可作為端側 LLM 應用的開發參考。
Mistral AIAI 評分4747 Mistral AI 以智能體工作流程提升產品開發效率
Mistral AI 的 TranscriptToPRDTicket 智能體工作流程可將會議逐字稿自動轉成產品需求文件（PRD）及開發工單。其中 PRDAgent 與 TicketCreationAgent 均由 Mistral Large 2 驅動，並可在 Linear 或 Jira 建立工單。完整實作已提供於 Google Colab notebook，供使用者開始部署及按需自訂。
Hugging Face BlogAI 評分5858 如何為影片生成建立優質資料集
Hugging Face Blog 的 hlky 和 Sayak 介紹一套建立影片生成模型微調資料集的三階段工具流程，讓社羣能自行製作小型資料集。流程以 yt-dlp 下載影片、用 Video to Scenes 切成短片，再以影格或全片指標篩選，並用 Florence-2 生成字幕、辨識物件及進行 OCR；也可用 Qwen2.5 為整段影片加字幕。
OpenAI NewsAI 評分2424 打造由 ChatGPT 驅動的自訂數學導師
以 ChatGPT 打造自訂數學導師，聚焦 ChatGPT 與個人化輔導；正文未提供設計流程、具體功能或其他規格。
OpenAI NewsAI 評分1515 用 ChatGPT 尋找美甲靈感
ChatGPT 可用於尋找美甲靈感。
OpenAI NewsAI 評分2222 用 ChatGPT 捕捉大比目魚
ChatGPT 被用於捕捉大比目魚；原文未提供具體方法或捕捉結果。
Hugging Face Blog精選AI 評分6969 Diffusers 中開源影片生成模型的現況
Hugging Face Diffusers 團隊梳理多款開源影片生成模型的能力與限制，並介紹 Diffusers 對影片生成、推理優化及微調的支援。
推薦理由：文章整理多款開源影片模型的資源需求，並以 HunyuanVideo 不同優化設定的數據，呈現量化、卸載和 VAE tiling 對顯存與推理時間的實際取捨。
OpenAI DevelopersAI 評分5757 如何使用 OpenAI Usage API 和 Costs API 監測用量與費用
OpenAI 的範例 notebook 示範呼叫 Completions Usage API 和 Costs API，擷取用量及費用數據並製作監測圖表。程式以分頁方式讀取 API 回應，交由 pandas 整理，再用 matplotlib 繪製每日 token 用量與成本，並按模型、項目及 `line_item` 分組查看統計。
Hugging Face BlogAI 評分5353 NVIDIA LogitsProcessorZoo 如何控制語言模型生成
Hugging Face Blog 介紹 NVIDIA 的 LogitsProcessorZoo，示範如何透過 logits 處理器控制語言模型的生成結果。示例涵蓋調整輸出長度、依據提示詞引導內容、強制加入指定結尾短語，以及讓模型在選擇題中只輸出選項。
OpenAI NewsAI 評分2626 動畫師 Lyndon Barrois 用 Sora 創造新世界
動畫師 Lyndon Barrois 以 Sora 創造新世界，並分享如何把 Sora 作為説故事工具；內容聚焦其作為創作工具的使用方式。
OpenAI NewsAI 評分99 OpenAI：讓 AI 為產品團隊效力
OpenAI 呼籲產品團隊把 AI 用於產品工作；現有內容只提出這項建議，未説明具體工具、功能或實施方式。
Hugging Face Blog精選AI 評分6767 Hugging Face 發佈 EU AI Act 開源開發者指南
Hugging Face Blog 發佈 EU AI Act 開源開發者指南，梳理法規對 AI 系統及 GPAI 模型的適用範圍與分級義務。指南聚焦有限風險 AI 系統和非系統性風險開源 GPAI 模型，涵蓋披露 AI 互動、以機器可讀格式標記合成內容、提供訓練內容摘要及尊重版權 opt-out 等要求。
推薦理由：文章區分有限風險 AI 系統與非系統性風險開源 GPAI 模型，梳理透明標示、訓練內容摘要及版權 opt-out 等合規要求。
Hugging Face Blog精選AI 評分6161 如何逐步推導 Transformer 的 RoPE 位置編碼
這篇教程逐步拆解 Transformer 位置編碼的設計，從整數、二進制及正弦方案推導至 RoPE。文章解釋 RoPE 如何對 query 和 key 向量的分量成對旋轉，令注意力點積帶入相對位置資訊，同時不改變向量範數。文中也介紹如何分開處理各維度的位置資訊，以延伸至多維資料。
推薦理由：文章從位置編碼的設計需求出發，逐步比較整數、二進制與正弦方案，並推導 RoPE 如何以旋轉在注意力計算中表達相對位置。
Hugging Face Blog精選AI 評分6060 如何在 Hugging Face Inference Endpoints 部署 Speech-to-Speech
Hugging Face 示範以自訂 Docker 映像，將 Speech-to-Speech（S2S）流程部署至 Hugging Face Inference Endpoints。
推薦理由：文章把多模型語音流程拆解為自訂 Docker 映像、端點設定和 WebSocket 音訊服務等步驟，提供部署複雜推理管線時可參照的實作路徑。
Hugging Face Blog精選AI 評分6060 Hugging Face + Dask 如何擴展 AI 資料處理
Hugging Face Blog 示範以 Dask 和 Coiled 把 FineWeb-Edu 網頁分類流程，從 pandas 本機處理 100 行擴展至雲端多 GPU 處理 211 million 行。
推薦理由：FineWeb-Edu 分類案例呈現了由 pandas 本機小批次測試，擴展至 Dask 與 Coiled 雲端多 GPU 處理 211 million 行資料的完整流程，為大型資料集推理提供可參照的工程做法。