跳到正文
11月15日週日
  1. DEV Community77

    模型 token 用盡時,智能體框架可能仍執行未完成的工具呼叫

    模型因輸出 token 上限在工具呼叫途中停止時,部分智能體框架仍會執行不完整呼叫,可能以截斷或空白參數執行操作,並記錄為成功。作者在 Langroid 和 Heym 發現相關問題:前者的寬鬆 JSON 修復把原本要求退款 1000 的參數截成 10,後者則因空參數預設值關閉所有客戶的工單;兩項問題均已修復。

    推薦理由:文章以 Langroid 和 Heym 的已修復問題説明截斷呼叫如何變成實際操作,並提供以本機假伺服器重現及檢查智能體工具流程的方法。

  2. DEV Community52

    AIPayGen 教學:用純 HTTP 為 AI 智能體設定預算、審批按鈕和晨間例行任務

    Damien 以 AIPayGen 示範如何只用 curl,為 AI 智能體按次支付工具費用、設定每日支出上限、請求人手審批及安排定時任務。用戶可為每個智能體建立獨立 API key 並設定每日上限;達限後請求會被拒絕,直至下一個 UTC 日,擁有人亦可更改上限或暫停智能體。

  3. DEV Community54

    MCP 規格留下的三個空白,作者分享自建伺服器的補救方法

    作者在自建 MCP 伺服器時,為規格未涵蓋的唯讀保證、可選參數驗證及兩次工具呼叫之間的並發更新問題,加入程式碼層面的防護。他限制 GitHub 請求只能使用 GET 並拒絕附帶資料,修正 Optional 參數的定義,並用文章指紋核對預覽與確認寫入之間的內容有否變更。作者指出,這些權限、型別驗證和樂觀鎖定保障須由實作者在程式碼中明確建立。

  4. DEV Community36

    用 Python 建立股票新聞時間線:整合每小時熱度、觀點摘要與媒體報道(CATL 示例)

    這份 Python 教學以 CATL(300750.SZ)為查詢示例,整合 Lava 五類只讀數據源,建立按時間排序、可審核的股票新聞事件記錄。教學將意見及新聞等事件按小時整理,覆蓋率與日度面板則保留日索引,並統一採用 Asia/Shanghai 時區,避免把日級數據攤分至小時。

  5. DEV Community53

    MCP 伺服器如何在寫入日誌前遮蓋個人資料

    MCP 伺服器應在每條日誌寫入前套用遮蓋層,避免個人資料和機密資料以明文寫入日誌。文章建議以結構化欄位規則遮蓋電郵、電話、卡號及 Authorization 標頭,再用模式比對捕捉自由文字中的敏感值,並只在需要時記錄請求和回應本文。模式比對可能漏掉新格式或誤判,伺服器也無法控制主機、用戶端或上游服務記錄的日誌。

  6. DEV Community66

    MCP 安全:以可執行的脆弱 MCP 伺服器展示三項漏洞及修補方法

    作者建立可切換脆弱與修補模式的 MCP 伺服器,並以測試展示工具描述隱藏指令、Token 透傳及缺少逐用戶授權三項漏洞。兩次執行均得到相同的 16 項結果;脆弱模式的 4 項攻擊檢查全部成功,修補模式則全部阻擋,3 項控制檢查在兩種模式下結果相同。測試使用 stub agent,並未以真實語言模型執行,範圍亦只涵蓋這三項漏洞。

  7. DEV Community68

    ShopBot 的提示詞注入漏洞如何導致 100% 折扣,以及如何用程式碼修補

    ShopBot 實驗顯示,一則提示詞注入訊息可令支援聊天機械人無視 10% 上限、套用 100% 折扣,並洩露系統提示詞中的內部員工代碼。修補方案在工具程式碼中驗證折扣不超過 10%,把員工代碼移至伺服器設定,並用 canary 標記檢查回覆。實驗預設使用離線模型,毋須 API key;完整程式碼見 https://github.com/usinha79/hack-it-then-fix-it。

  8. 阿里雲開發者社區 AI46

    2026 年阿里雲雙 11 百煉大模型平台選購指南:六大核心模組、模型矩陣、定價策略與選型技巧

    阿里雲百煉大模型服務平台雙 11 選購指南梳理六大模組、模型梯度及三套計費方式,並説明折扣與選型方法。新客首購 Token Plan 個人版可享 5 折,按量付費則可配合 Batch 半價、上下文快取折扣及 Night Plan 夜間錯峯優惠。Qwen4-Max 預覽版於 11 月 25 日 24:00 下線,接入方需預留更換模型標識的配置工作。

  9. 阿里雲開發者社區 AI47

    2026 阿里雲百煉 Token Plan 雙 11 選購指南:功能、價格與 Credits 計量

    阿里雲百煉 Token Plan 雙 11 選購指南整理服務功能、套餐價格及 Credits 計量規則,建議按 Agent 並發數和額度選擇檔位。個人版由 39 元/月起,團隊版由 150 元/席位/月起;Standard 及以上檔位附送 12 項 Harness 權益。活動優惠延續至 11 月 30 日,Credits 用完後按目錄價 88 折計費。

  10. DEV Community28

    價格追蹤如何透過增量爬取與變更偵測保持優惠資料最新

    Savlume 説明如何以增量爬取和變更偵測維持購物指南價格資料更新,並按價格波動、流量、季節性及優惠狀態安排檢查優先次序。系統逐項比較最新資料與上次快照,將價格變動記錄並重新評估優惠;遇到價格缺失或頁面結構改變則送交審查,不以空白覆蓋已核實價格。指南、API 和 RSS feed 共用同一資料來源,價格更新後同步反映。

  11. DEV Community68

    工具呼叫逾時有三種結果:如何設計讓 Agent 能採取行動的失敗回應

    文章提出一套面向 Agent 工具呼叫的失敗處理契約,將結果分為成功、可重試、永久失敗和未知,並獨立記錄副作用是否已發生。重試應使用按任務意圖生成的冪等鍵;對有副作用的操作,第二次嘗試前先讀取狀態,確認前次是否已生效。批次工作須保留逐項結果,所有呼叫共用任務時間預算;結果仍未知時,不應直接重試或宣稱成功,而應交由人工處理。

  12. DEV Community33

    Sentinel-IR 與 Sentinel-IR MCP 開始接受贊助(大部分程式碼由 AI 編碼智能體編寫)

    Sentinel-IR 與 Sentinel-IR MCP 兩個 Apache-2.0 套件現已開始接受贊助,維護者表示大部分程式碼由 AI 編碼智能體編寫。Sentinel-IR 以靜態分析整理源碼資訊,在大型檔案的測試中,提供給智能體的事實摘要最多可比整份檔案少約 70 倍 token。贊助計劃包括每月 $5 的 Supporter,以及每年 $12,000 的 Development。

  13. DEV Community44

    Wallras:我如何用 Python 構建 3ms 自託管 AI 漂移代理,並從 SQLite WAL 檔案清除已刪除提示詞

    作者以 Python 構建 Wallras,一款單容器、自託管透明代理,額外延遲約 3–5ms,用於偵測模型漂移、模型更換及有把握的幻覺,同時讓數據留在自家伺服器。它以多種統計訊號及置換測試判斷漂移,並覆寫已刪除內容、清理 SQLite WAL 檔案。Wallras 亦提供零依賴 MCP 伺服器,預設只開放唯讀檢查工具。

  14. DEV Community50

    Sentinel-IR MCP 0.5:為 AI 助手把關

    Sentinel-IR MCP 0.5 加入 Rust 支援,並更新版本檢查及診斷功能,讓 AI 助手只讀取指定資料夾內程式碼的概要。它亦支援公司代理伺服器,並可在 Linux、macOS 和 Windows 上使用。此工具免費開源,只記錄檔名和結果,不記錄程式碼。

  15. DEV Community63

    如何評估 AI 智能體的可靠性:超越演示

    文章提出一套評估 AI 智能體可靠性的工程方法,主張不能只看演示是否成功,還要檢查任務結果、執行過程及失敗時的表現。文章引用 τ-bench 的 pass^k 評估多次任務嘗試的一致性,並建議追蹤任務成功率、工具選擇、參數正確性、錯誤恢復、安全合規、延遲和成本。測試可涵蓋含糊請求、API 逾時及未經授權的操作,並把確認的失敗納入回歸測試。