Veritas 如何評估 AI 編寫的測試是否可信
Hirohisa Tanaka 建立開源專案 Veritas,旨在評估 AI 智能體生成的測試實際驗證了甚麼,並以證據説明可偵測的問題及形式驗證範圍。Veritas 從文件、程式碼和開發紀錄推斷候選規格,結合變異測試、Z3 與 Lean 4;形式模型找到反例後,會再於 JavaScript 中重現,並明確標示無法驗證的範圍。
Hirohisa Tanaka 建立開源專案 Veritas,旨在評估 AI 智能體生成的測試實際驗證了甚麼,並以證據説明可偵測的問題及形式驗證範圍。Veritas 從文件、程式碼和開發紀錄推斷候選規格,結合變異測試、Z3 與 Lean 4;形式模型找到反例後,會再於 JavaScript 中重現,並明確標示無法驗證的範圍。
Apple 據報正開發可代替用戶操作電腦的 AI 智能體,涵蓋使用應用程式、瀏覽網站及編寫程式等工作。招聘啟事描述該智能體可跨應用程式、瀏覽器、命令列、程式碼及 API 執行多步任務。Bloomberg 稱項目仍處早期階段,Apple 曾考慮最早於明年年底推出;macOS 27.3 則將加入警告,勸阻用戶向第三方智能體授予完整存取權限。
OpenAI 向開發者開放 GPT-Live-1.1 API,讓第三方應用整合可即時聆聽、回應並執行複雜任務的語音智能體。模型具備全雙工語音交互能力,可同時聆聽和説話,不必等用戶説完整句子才開始處理。需要深入推理或工具調用的任務可交由開發者選擇的 OpenAI 或第三方後端模型處理,語音對話無須中斷。
Darius Tran 示範以 Node.js 為 Agent 工具呼叫加入冪等處理,讓相同請求只執行一次並重用結果,避免重試造成重複扣款或發送。做法是按用戶、工具和參數建立請求鍵,首次呼叫執行並儲存結果,同鍵的後續或並行呼叫則共用結果;失敗呼叫不會被記錄,後續重試可以再次執行。正式環境應改用帶唯一索引的持久化儲存,並測試程序在工具執行後、結果儲存前中斷時的重試情況。
HardCall 以 52ms 雙迴路插話架構取代輪流等待,為開源全雙工 AI 語音面試及高壓演練模擬器處理用戶打斷。本地 Silero VAD 約 18ms 偵測語音起始並即時清空外發音訊環形緩衝區,語義閘則判斷用戶發言是否為有效反駁;整體感知插話延遲為 52.16ms。
文章整理阿里雲千問大模型降低使用成本的四步做法:先領優惠券、用足免費額度、選用 Token Plan,再把高負載任務安排在夜間。文中列出新用戶可領超 7,000 萬 Tokens、企業認證用戶累計可領 1 億以上 Tokens,Token Plan 個人版由 39 元/月起,部分模型夜間折扣低至 2 折。
OpenAI 向開發者開放 GPT-Live-1.1 API,讓第三方可在應用中構建能即時聆聽、回應並執行複雜任務的語音智能體。GPT-Live-1.1 採用全雙工語音交互,可同時聆聽和説話,並識別停頓、打斷及語速變化。開發者可把需要深入推理或工具調用的任務交由自選後端模型處理,期間語音對話無需中斷。
Google 為 macOS 版 Gemini 推出「電腦操控」功能,可在獨立背景視窗跨桌面應用、本機檔案與網頁執行多步驟任務。用戶可選擇允許 Gemini 使用的應用,並在關鍵操作前批准;聊天介面會顯示即時預覽,任務可隨時暫停或停止。
Meta 新款 AI 硬件 Muse Charm 售價約 300 美元,並附送最長 12 個月的 Verizon 5G 數據服務。設備配備約 2 英寸屏幕和指紋感應器,用戶可直接與 Muse AI 智能體語音互動;Meta 計劃於 12 月假日購物季期間推出。
Claude Code 可用 `/pr` 斜線指令,根據目前分支草擬 GitHub pull request,並在用戶確認前不建立 PR。
Guilherme Luna 製作 grill-me-multiple-choice,將 Claude Code 中 grill-me 的每輪提問改為 AskUserQuestion 多選題。
Walmart 第三季度收入增長 5.2% 至 $188.8 billion 後,上調全年銷售及盈利展望;美國 Sparky 使用量按年增長 129%。公司擴展 Sparky 的語音及圖像購物功能,加入西班牙語和法語,並在墨西哥、加拿大及美國 Sam’s Club 推出。
作者結合使用經驗,整理出應對 GPT-6.2 Astra 解釋含糊、中途追問、改動超出範圍及結果不佳的提示詞和流程做法。建議明確指定排查步驟、交付要求和不可更改範圍,並以相同環境及輸入比較改動前後結果;Codex 的通用規則可加入全局規則檔,專案規則則可寫入 AGENTS.md。
阿里雲百煉平台上線 Qwen4-Max 預覽版,並將其接入 Token Plan 訂閲體系;新用戶首購套餐可享5折優惠,至11月30日。Qwen4-Max 支援文字、圖像理解、工具調用、聯網搜尋及結構化輸出,適用於複雜文檔解析、代碼開發和智能體任務。預覽版目前只可透過 Token Plan 調用,不開放單獨按量計費;Lite 套餐折後每月19.5元,含20000 Credits。
阿里雲 Qwen4-Max 指南整理預覽版的核心功能、適用場景及 Token Plan 收費,並介紹免費額度和訂閲折扣。預覽版支援 1M Token 上下文窗口及文本、圖片、影片輸入,面向複雜編程和長鏈路智能體任務。
Qwen4‑Max 預覽版相較 Qwen3‑Max,差異集中在任務定位、原生多模態、智能體動作範圍、發布流程及訂閲計費五方面。預覽版透過 Token Plan 訂閲 Credits 調用,不開放按量計費,並會於 11 月 25 日下線。文章指出,參數量、上下文窗口、完整基準跑分、開源規劃及正式版定價尚未由官方公佈,其他 Qwen4 型號的測試成績不能代表 Qwen4‑Max 的表現。
Google 研究人員提出可自我改進的 Harness,讓優化模型逐一修改執行框架模組並以驗證集篩選,將 SWE-bench Lite 任務成功率由 5.0% 提升至 40.0%。
MCP 工具若缺乏限制,可能令 stdio 串流損壞或觸發無限重試循環。文章建議在工具內捕捉錯誤並回傳結構化字串,限制結果數量最多為 50,並採用唯讀預設值,以免單次回應佔用過多 LLM 上下文窗口。
文章整理五種開發工作流,涵蓋 Rust Anything 漸進式重寫、Inference Optimisation Skill 調校本地大語言模型、Lovable 應用的授權測試、PeakCut 自託管影片剪輯,以及 Blender AI MCP Add-on。
Latent Space 訪問 Linear COO Cristina Cordova,回顧 Linear 調整 go-to-market 策略並在今年突破 $100M ARR 的歷程。
Sierra 的新白皮書探討個人智能體如何改變企業面對的需求與競爭,以及企業如何透過智能體直接服務客戶和與客戶互動。個人智能體可能促成原本不會發生的交易,也可能削弱依賴客戶惰性的收入;企業可透過客戶情境資料建立持續優勢,並以 Poppy 管理個人智能體的身分、授權和操作審批。
Kimi Code CLI v2.7.0 加入原生 bedrock provider,讓用戶沿用標準 AWS 憑證鏈連接 Amazon Bedrock 模型,無須另行管理 Amazon Bedrock API key。
Amazon SageMaker Inference 第二部分回顧 14 項 2026 年更新,涵蓋託管端點與 HyperPod Inference 的模型配置、GPU 利用率、多節點服務、路由及部署後監察。
推薦理由:文章按部署後的配置、GPU 利用率、多節點服務及跨區路由等問題梳理 14 項更新,並以假設的支援團隊案例説明各項功能所對應的運作情境。
面向工程應用的 AI 智能制圖系統,應把自然語言及參數需求轉化為 CAD 參數化特徵樹和幾何內核操作,而非直接生成像素或網格。系統可採用意圖理解與參數規劃、工程規則與約束、CAD 執行三層架構,並結合標準件庫、參數化特徵及人機協作,讓工程師保留設計控制權,並支援結果追溯與撤銷。
Qwen4-Max 預覽版於 2026 年 11 月 11 日發布,經 Token Plan 首發接入,並同步登陸千問辦公、Qoder、千問 App 與 QwenStudio。
阿里雲千問(Qwen)四款熱門模型各有定位:qwen3.8-max 主打全模態與智能體,qwen3.7-max 專注純文本推理,qwen3.8-flash 和 qwen3.7-flash 則面向不同成本與能力需求。四款模型輸入價格為每百萬 Token 0.3 元至 12 元,均提供 Batch 半價及 Token Plan;新用戶每個模型可獲 100 萬 Token 免費額度,有效期 90 天。
Google 研究人員提出可自我改進的 Harness 架構,AI 智能體在 SWE-bench Lite 的任務成功率由 5.0% 升至 40.0%。每輪只修改一個模組,並透過驗證決定是否保留;模組化方案平均每項任務消耗約 4.67 萬 Token,整體重寫雖達 42.5%,但消耗約 45.16 萬 Token。
Meta 新款 AI 硬件 Muse Charm 據報售約 300 美元,並附送最長 12 個月的 Verizon 5G 數據服務。設備配備約 2 英寸屏幕及指紋感應器,用戶毋須開啟手機應用即可直接以語音與 Muse AI 智能體互動;Meta 計劃於 12 月假日購物季推出。
Eclipse Foundation 推出 Eclipse Enclave 1.0,讓開發者在隔離環境中運行自主 AI 編碼工具,並按需設定其對檔案、憑證及網絡的存取權限。
文章整理 OpenAI 為 GPT-6.2 提供的兩份官方使用指南,列出 8 段提示詞,並説明在 ChatGPT、Codex 或 API 中套用的方法。指南涵蓋回覆風格、持續完成任務、程式碼與設計要求,以及 Codex 的驗收標準、推理強度、子智能體和 AGENTS.md。
推薦理由:文章把官方指南中的提示詞、Codex 任務設定和 Responses API 遷移事項按使用情境整理,讀者可對照自己的工作流程選用相關做法。
VSO 以 Reuters 有關 Meta 個人 AI 智能體 Muse 的報道為案例,分析智能體透過裝置權限讀取 Signal 訊息後,如何追查輸出所依據的資料。
Ikkun 構建的日本股票數據服務整合 EDINET、TDnet 與 JPX,提供 MCP 伺服器和 REST API,每月可免費調用 100 次。服務涵蓋五年財務數據、XBRL 明細、披露資料、篩選及排名;作者指出接入難點包括公司識別、會計科目映射和合併口徑。價格資料始於 2023 年,未作拆股調整,亦不提供即時行情或買賣盤資料。
文章建議將外部資料視為不可信,並以程式碼層的政策閘門防範工具輸出中的間接提示詞注入,限制智能體執行具副作用的操作。做法包括用隨機邊界包裹資料、透過污點追蹤要求受污染上下文下的副作用工具呼叫經人工確認,以及限制憑證和外連網域。文中亦提醒,正則表達式只適合記錄和警示,不能作為安全防線。
這篇教學示範如何以 GPT-4、Playwright、Celery 和 Redis 建立自主 AI 智能體,搜尋並預訂價格最低的醫療檢查。系統以 GPT-4o 從網頁擷取檢查資料,再比較價格及預約選項。提交預約前,智能體會透過 Slack 或 Telegram 通知用戶確認。
Apple 的招聘資訊顯示,公司正開發自家的 AI 智能體,預計涵蓋一般電腦操作及編碼任務。Apple 正招聘智能體 AI 高級工程經理,職位描述稱該職位將負責智能體平台的技術方向與交付,目標是打造能力足夠、可靠及安全的工具。Apple 本週早些時候推出新控制選項,讓用戶更清楚掌握 AI 智能體可存取的資料。
Nvidia 與 Microsoft 在 Microsoft Ignite 擴大 Nvidia 開放模型於 Azure、Microsoft Foundry 和 Azure Local 等環境的可用性,並加入客製化支援。
AIClaw v3.12.13 會把用戶明確選取的技能指示加入首次模型請求,毋須先呼叫 load_skill。技能目錄預算最多為 2,000 tokens;若上下文窗口的 2% 更低,則採用較低預算,已選指示另設每段 8 KiB、合計 32 KiB 的上限。測試確認核心發出的請求內容,但不衡量模型是否遵循指示、延遲或供應商的 token 用量。
Lumivero 開放內置於 SharpCloud 項目組合管理軟件的 POLI Beta,供客戶及潛在客戶查詢項目、風險和變更影響。POLI 的 What-If Impact 代理以唯讀方式分析已記錄的項目關聯,任何變更仍須由用戶確認才會套用。AI 須按 SharpCloud 實例選擇啟用,資料缺漏或過時仍可能影響答案。
蘋果正開發代號「主動式智能體AI」的自主 AI 智能體,具備跨應用任務規劃與執行能力,目標最早於 2027 年底推出。系統可操控設備、瀏覽網頁、編寫程式碼及調用 API,並以沙盒隔離和權限透明保障私隱。同期,蘋果調整 macOS 27.3 測試版的權限機制,增加第三方 AI 工具的授權步驟。
Linear COO Cristina Cordova 在 Latent.Space 訪談中回顧公司如何調整市場拓展策略,並於今年突破 $100M ARR。Linear 現有超過 40,000 名付費客戶,淨收入留存率為 177%;目前超過一半的工作項目由智能體建立,而應用程式使用量亦同步上升。