跳到正文
11月21日週六
  1. DEV Community60

    AI 智能體支出上限如何設定?實測建議把限額設在計量層,而非提示詞

    為 AI 智能體設定支出上限,應把限制放在不可由智能體修改、並在工具呼叫時執行的計量層,而非系統提示詞。作者在 https://zambo.dev/mcp 實測,同一工具第 5 次呼叫遭拒時,工作仍獲保存;拒絕訊息列明 $0.99 可解鎖 24 小時,收據亦可核查。這項限制只涵蓋該端點的工具支出,不包括模型供應商的 token 費用或智能體使用的其他 API。

  2. DEV Community61

    AI 智能體如何把評估注意事項變成產品賣點

    作者追查一項產業分類服務的 AI 智能體如何把只適用於評估資料集的注意事項,逐步變成面向潛在客戶和 CEO 的產品訊息。這項注意事項源於一組約 500 間公司的評估資料集,服務得分為 54%;其標籤按公司名稱推導,因此作者認為這是評估方法的警告,而非產品賣點。測試中,角色提示與產品故事仍有 3/5 份示範指南照搬舊 runbook 的句子;改寫該來源文件後,5 份指南均不再沿用。

  3. DEV Community57

    Sandscale Vault 與 DLP 如何協同管理智能體憑證洩漏風險

    Sandscale 説明 Vault 以執行時注入憑證,並在執行或租約結束時令其失效;DLP 則掃描提示詞及 MCP 工具調用,阻止匹配到的敏感內容外傳。但沙盒內的程式仍可讀取環境變數,文件亦未説明命令輸出或磁碟檔案是否會受掃描。文章建議使用短效、窄權限憑證,並為高風險操作設定審批。

  4. TNW64

    Meta 將 Muse AI 智能體加入 Chrome 側邊欄,已有 200,000 人使用

    Meta 將 Muse AI 智能體加入 Chrome 側邊欄,Alexandr Wang 表示已有 200,000 人使用。Muse 會在用戶自己的 Chrome 瀏覽器中操作,且只在其分頁羣組內活動;Meta 表示它看不到已儲存密碼、瀏覽記錄或 Chrome 設定,但 Chrome Web Store 條目提醒它可能採取意料之外的行動,活動亦可能顯示於用戶的 Google 帳戶。

  5. DEV Community66

    作者分享如何編寫 CLAUDE.md,以新開發者入職思路引導智能體

    作者分享如何編寫 CLAUDE.md,將其定位為補充程式碼無法表達的團隊意圖和工作方式,而非程式碼庫説明文件。他建議手寫並保持精簡,避免使用 /init、重述程式碼已能提供的資訊,或記錄可由腳本確定檢查的規則;文件應寫下團隊價值、產品用語、智能體行為要求及模型分工。文中亦以作者團隊為例,説明調查和提問應維持唯讀,並按模型變化及反覆出現的修正持續更新文件。

  6. Runway:News(網頁)78

    Runway 分享如何逐步建成以智能體運作的軟件工廠

    Runway 逐步讓智能體承擔編碼、CI、審查、批准、QA、故障修復及流程協調,打造一條以智能體為主的軟件交付流程。10 月合併的拉取請求中,38% 由雲端智能體推動。核心 API 儲存庫首次批准的等候中位數,由 9 月逾兩小時降至 11 月中約 5 分鐘。

    推薦理由:文章逐站交代智能體如何接手編碼、審查、批准、QA、故障修復與協調,並説明以風險分級及量化指標控制交接。

  7. OpenAI Developers:Blog61

    OpenAI Agents API 示範如何為個人智能體加入時間感知及非同步輸入

    OpenAI Developers 介紹如何在 Agents API 中使用時間感知及非同步函數工具,讓個人智能體在等待用戶澄清時繼續研究,並按期限交付簡報。文章以 15 分鐘後開會、12 分鐘內交付簡報為例,示範提問、接收回答及處理逾時的流程。另提供 Responses API 循環的實作方式,在每次模型請求前更新當前時間,並由應用程式計時管理交付期限。

  8. Unite.AI34

    AI 如何擴大企業安全規模,又應擴大甚麼?

    AI 智能體可協助企業安全團隊調查警報及處理重複工作,但擴大處理規模不一定能提升威脅偵測或應對能力,關鍵在於融入組織情境。企業可透過微調、檢索、記憶、工作流程編排及政策控制提供情境,並按風險劃分智能體的自主權和人手審批界線。評估成效應着眼於調查準確度、誤報與漏報率、處理時間及每次調查成本等結果。

11月20日週五
  1. DEV Community64

    刪掉一行程式碼令 AI 安全修補失效,CI 攻擊測試攔截折扣漏洞

    作者在 AI 支援智能體實驗中,把已知攻擊寫成測試並納入 CI,成功攔截重構時被刪除的折扣上限檢查。加固版的 5 項測試全部通過,重構版則有 1 項失敗;GitHub Actions 會在每次推送及 pull request 執行測試,並以測試失敗阻止合併。實驗使用離線模型以確保每次結果一致,並建議為每種已知攻擊設置失敗測試,同時確認正常折扣仍可使用。

  2. DEV Community48

    Solid 2.0:異步訊號、更少「魔法原語」,以及在程式正式上線前預防錯誤的框架

    Solid 2.0 將 Promise 納入響應式計算,讓非同步資料可像一般值一樣使用,並由框架處理載入、協調與取消。新版移除多項 API,並把部分伺服器功能(包括 server functions)整合至核心。它亦加入錯誤診斷資訊,以及在開發期間偵測非預期請求瀑布和 effect 迴圈的檢查。

  3. DEV Community67

    CLAW 協調 Claude Code 建置 B2B 計費服務並修復 16 個缺陷

    作者用 CLAW 協調 Claude Code 建置 B2B 計費服務,涵蓋訂閲、用量計量、發票、webhooks、催收及雙重記帳。建置產出 22,000 行程式碼和 948 項通過測試,並加入 16 個預置缺陷;CLAW 之後在兩次修復測試中均修復全部缺陷並通過隱藏測試。CLAW 結合共享工作規則、專門化 Agent 團隊與持久化專案記錄,可透過 Claude Code 插件安裝。

  4. MIT News52

    「數學末日」之後,數學家思考數學的未來

    在 MIT 舉行的座談會上,來自 MIT、哈佛大學、西北大學及紐約大學的數學家探討 AI 對數學研究、數學家工作與學科未來的影響。OpenAI 曾集中數以千計的 AI 智能體處理 Navier-Stokes 方程相關問題,並在 88 小時後產出一份相關證明;公司一個月後又發布 722 篇稿件,聲稱完全以 AI 解決多項數學重大未解問題。

  5. DEV Community83

    別再只談 AI 泡沫:Anthropic IPO 押注客戶需求

    Anthropic 於 2026 年 11 月 19 日在 Nasdaq 上市,募資約 $81 billion,首日收市市值約 $1.76 trillion;文章將這次 IPO 視為對客戶需求持續增長的押注。

    推薦理由:文章將 Anthropic 的巨額算力承諾與企業客戶持續增長的需求連在一起,梳理 IPO 高估值背後的增長條件及成本風險。

  6. DEV Community57

    兩個智能體,一台電腦:多個 AI 智能體如何互相衝突

    多個 AI 智能體在同一台電腦並行工作,可能互相覆寫檔案、幹擾程序與環境,亦會共用權限、憑證及資源配額。作者建議為每個智能體使用獨立工作樹,分開連接埠、虛擬環境、憑證和 API 配額,並在發現意外變更時停止並回報。作者表示,團隊正開發以智能體作為獨立系統主體的作業系統,目前處於 alpha,未聲稱現時已能讓多個智能體共用一台電腦而互不幹擾。

  7. Unite.AI51

    主權 AI 為何值得建設,以及它會在哪些環節失效

    作者認為,主權 AI 值得建設,因為企業可更直接掌握數據、模型及系統運作的控制權,但算力成本、開源模型的能力差距和營運治理會限制落地。文章以 The New York Times 與 OpenAI 的版權訴訟為例,指出法官曾要求 OpenAI 保留原本會刪除的輸出記錄。作者建議把敏感、高流量工作交由自有模型處理,同時保留受治理的前沿 API 路徑,並按需要決定哪些層面必須自行控制。

  8. DEV Community43

    Cloud9 x JetBrains Hackathon 2026 逐步制勝攻略

    Cloud9 x JetBrains Hackathon 2026 攻略提供逐步參賽方案,涵蓋三個競賽類別的選擇、作品構想、提交要求及自動化建議。三個類別的冠軍各得 $6,000,亞軍各得 $2,000,總獎金為 $24,000;冠軍另可獲 GDC 門票及付費行程。攻略亦提醒參賽者使用合資格 JetBrains 工具、提交公開開源程式碼庫、可即時體驗的示範及少於 3 分鐘的示範影片。

  9. Hacker News 熱門(buzzing.cc 中文翻譯)63

    AGI 之後會怎樣?DeepMind Institute 探討通往 ASI 的四條可能路徑

    DeepMind Institute 分析 AGI 之後通往 ASI 的可能路徑,指出 AI 或會透過多種技術發展超越人類水平。文章將路徑歸納為擴展模型與數據、技術範式轉變、改善智能體協作,以及遞歸自我改進,並指出認知工作商品化也可能重塑知識工作。由於各條路徑可能相互疊加,作者主張持續建模、測量和預測進展,並指出追蹤超人類能力需要新的評估方法及跨領域工作。