跳到正文
今天11月22日週日138 則
  1. DEV Community52

    MrBeast 一條 Shorts 影片一夜由 425 萬增至 4,200 萬觀看,20 次讀取中逐字稿未變

    MrBeast 的《Trap Door Roulette》在約 23 小時內由 4,253,948 次觀看增至 42,187,162 次,逐字稿在 13 次讀取中保持相同。作者整理 20 次抓取的 220 條紀錄,建議把逐字稿等固定資料與每次讀取的數據快照分開儲存。觀看數可能批次更新,留言數及頻道訂閲者數則以 YouTube 顯示的取整數值為準。

  2. DEV Community54

    物業管理如何為自主智能體支出設定預算上限並追蹤租戶歸因

    物業管理系統應把自主智能體的硬性支出上限設在帳戶層,並以可信帳本將每筆費用歸屬至相應租戶。昂貴操作前先估算並預留用量,完成後按請求識別碼對帳實際成本;檢查與預留須以原子操作完成,避免並行工作重複使用餘額。文章比較 Unkey、Kong Gateway、Stripe Billing 和 Infrai 等不同控制層,指出金鑰授權、請求限制或帳單紀錄本身不能代替經驗證的拒絕機制。

  3. DEV Community40

    DealPrice 如何估算營運數據的授權價格範圍

    DealPrice 以市場訊號建立貝葉斯價格區間,並透過 Monte Carlo 模擬數千宗交易,估算營運數據授權價值。模型按數據類型及單位整合市場訊號,提供典型價格區間、單筆交易預測範圍和高、中、低信心評級。模擬亦納入數量、質素、權利及買家渠道等因素,結果僅供議價參考,並非估值或要約。

  4. DEV Community46

    AI 與機器學習的真實侷限

    AI 與機器學習的侷限可分為數據、工程、信任、人類監管及前沿失誤五類,推測性邊界則另行標示。Amazon 2015 年履歷篩選器因「women’s」一詞懲罰女性,COMPAS 對黑人被告錯判高風險的比例是白人的兩倍;SageMaker Clarify 可在訓練前於原始數據計算偏見指標。歐盟《人工智能法案》要求高風險用途接受人類監督,罰款可達 EUR 35 million 或營業額的 7%。

  5. DEV Community39

    ElevenLabs 如何為 React 應用加入語音

    ElevenLabs 可透過伺服器端 Node.js 代理接入 React 應用,將文字送至 API,再把串流 MP3 音訊傳回瀏覽器播放。文章示範建立可重用的語音按鈕,並説明如何避免在瀏覽器暴露 API key,以及選用語音複製功能。

  6. DEV Community40

    回答前預先登記衡量指標:看點擊,不看感謝

    回答技術問題前,先預先登記成效標準,並以點擊而非感謝訊息作為主要指標。作者承諾在 10 條符合條件的討論串中先提供解決方法,再分開記錄感謝數和前往程式碼庫的點擊數,並把 0 也納入。這能避免事後修改標準,把社交禮貌誤當成實際成效。

  7. DEV Community29

    播客創作者如何運用 AI 製作多語言集數

    播客創作者可運用 AI 將單一語言的腳本翻譯並轉換成多語言音訊,製作多語言集數。文章以 ElevenLabs 示範 TTS 音訊生成流程,並介紹翻譯、語音克隆及音訊修整等步驟。複製聲音時,需準備 20–30 分鐘清晰錄音,模型訓練通常需時 30–60 分鐘。

  8. DEV Community49

    AI Agent 付款前先查證交易對手,付款後記錄處理結果

    團隊為以加密貨幣支付 x402 API 呼叫的 AI Agent 加入付款前查證及付款後記錄:簽署前向獨立服務 vet402 核對賣家與實際付款條款,結算後則把處理結果寫入經濟帳本。vet402 提供 ALLOW、WARN、BLOCK 等判定,但不代替團隊作政策決定;條款不符或服務無法連線時不會猜測放行,付款結果不確定則由人工核對。

  9. DEV Community40

    3Draft:先憑感覺創作,之後再解釋!

    作者用 11 天完成競賽作品 Five Percent,並以 Spider Paint 為基礎,開發可在同一場景中穿梭星體與星系的 3D 編輯環境。作者透過 MCP 將 500 顆最近的恆星加入場景,並加入搜尋功能及可穿越宇宙的速度設定。Five Percent 是這個持續演進的開發環境的一個快照。

  10. DEV Community72

    AI 會否令開發者思考能力變差?研究結果與 8 個有助保持技能的習慣

    文章梳理研究後指出,尚無證據證明 AI 助手會降低開發者智力,但學習時把思考和任務交給 AI 可能妨礙技能形成。METR 隨機試驗中,16 名資深開源開發者使用 AI 工具完成工作所需時間增加 19%,但仍感覺更快;Anthropic 的 52 人試驗中,使用 AI 的工程師測驗平均約 50%,手寫組約 67%,速度差異未達統計顯著。

  11. DEV Community62

    如何構建持久化 Python AI 工作流程

    Gate of AI 的教程示範如何設計持久化 Python AI 工作流程,將 LLM 意圖解讀與確定性執行分開,並把人工核准納入流程。教程以 SQLite 示範本機原型,指出它並非分散式工作流程引擎,並説明需以冪等鍵、事件記錄和故障復原處理重試及不確定結果。

  12. DEV Community17

    我頗滿意我的藝術網站技術架構

    作者分享建構藝術網站的技術架構,前端採用 React,後端使用 Python 和 Flask,並以 CRA 建立 React 應用程式。網站透過 TinyPNG 壓縮圖片及採用延遲載入改善載入速度,並根據用戶意見考慮加入留言區和藝術家簡介頁。作者正探索以 TensorFlow.js 加入 AI 功能,並希望新功能能支持藝術家,而非取代他們。

  13. DEV Community89

    Claude 協助的黎曼猜想證明:獨立核查實際顯示甚麼

    Anthropic 數學家 Levent Alpöge 表示,他相信自己與 Claude 找到了黎曼猜想的證明;Lean 與 Mathlib 社羣於 11 月 21 日公佈多項獨立核查,並對原始猜想證明的正確性表示充分信心。

    推薦理由:文章拆解 Lean 與 Mathlib 對命題、編譯、定理對照及證明檢查器的核查,並區分形式正確性、數學理解與獎項審議的不同階段。

  14. DEV Community60

    如何在受監管系統中管控 AI 智能體

    受監管系統中的 AI 智能體接觸生產資料前,應先設置控制平面,涵蓋智能體清單、模擬測試、政策監察、審計記錄及人員監督。隱私檢查應按查詢涉及的資料類別組合判斷,因為原本各自允許的兩三項資料合併後可能構成個人資料。文章建議在智能體呼叫工具前阻截違規組合,並在查詢、接收者或處理地點改變時重新檢查;人員應在智能體完成重要操作前評估和批准。

  15. DEV Community43

    如何用 n8n 自動處理網站潛在客戶:實用工作流程

    n8n 的實用工作流程可自動接收網站表單查詢、驗證資料、過濾明顯的垃圾查詢,並在 CRM 建立或更新聯絡人及商機。流程亦可按服務或地區通知負責人、發送確認電郵、安排跟進檢查,並在執行失敗時發出警示。AI 可協助分類查詢、摘要長訊息或標記疑似垃圾內容,但重要決策須由人員作出,個人資料只可交予私隱政策涵蓋的 AI 供應商。

  16. DEV Community46

    Day 15:AI 網絡瓶頸——由 iptables 轉向 eBPF

    AI 工作負載下,Kubernetes 的 iptables 查找會按服務數量線性增加,消耗 CPU,亦會增加新連線延遲。eBPF 以核心雜湊表作固定時間查找,直接把封包送往目標 Pod,避免逐條檢查規則及額外經過用戶空間。遷移前應先量度主機 softirq CPU 時間及每條連線的延遲。

  17. DEV Community51

    BubbleFacts 如何以來源核查約束 3B 模型生成直播歌曲資訊

    BubbleFacts 以 Wikipedia 文章為依據,讓本機運行的 Llama 3.2 3B 生成直播歌曲資訊,並在顯示前逐條進行程式核查。年份、專輯和作曲者等基本資料直接取自 Wikidata 和 MusicBrainz;Wikipedia 內容則採用經 72 小時沉澱的較早版本。不受來源支持的內容會被捨棄;串流者可在歌曲播放後標記錯誤,記錄只留在本機、不會上傳。

  18. DEV Community59

    產品經理與工程師比例的常見範圍、基準及 AI 帶來的轉變

    文章整理產品經理與工程師的常見配置比例,指出多數軟件團隊約為每位產品經理對應 4 至 10 名工程師,常見參考值約為 1:6。Pave 對 4,195 家公司的數據顯示,員工少於 100 人的公司約為 1:5,超過 3,000 人的公司約為 1:11。文章指出 AI 編碼工具可能令產品決策成為瓶頸,但 1:0.5 只是單一團隊的提議而非行業基準,並建議按工作等待、返工及原型積壓等情況判斷團隊配置。

  19. DEV Community58

    AI 時代產品經理如何管理持份者

    AI 時代,產品經理管理持份者的關鍵不再是掌握更多一般資訊,而是以可搜尋的客戶原話、行為和實驗結果支持產品決策。實務上,應按權力與關注度安排溝通,把 AI 生成的路線圖視為待驗證假設,對照訪談、客服工單和使用數據,並先釐清決策負責人。

  20. DEV Community49

    保險:以可追溯證據分流簡單索償個案

    住宅保險機構可按事故發生時有效的保單版本及可追溯證據,為簡單索償個案準備建議,再由理賠分析員作決定。試行方案可設定目標,在一個工作天內為 90% 符合資格且資料齊全的申請提供決定或下一步,並將每日處理量限制在 50 宗。

  21. DEV Community57

    作者用一條提示詞製作 Lingo Hop 西班牙語學習遊戲,模型使用成本為 6 cents

    作者以一條提示詞讓 AI coding agent 製作西班牙語學習遊戲 Lingo Hop,模型使用成本為 6 cents,耗時不到五分鐘。遊戲包含五節課、連勝紀錄、愛心、XP、兩種練習及完成慶祝畫面;Agent 實際測試首課,8 題答對 7 題、失去 1 顆愛心並取得 90 XP,之後按追加要求加入每日目標圓環。

  22. DEV Community56

    2026 房源搜尋架構:以增量資料流維持房源檢索時效

    文章建議以僅追加的變更流驅動逐房源、具冪等性的索引更新,並以定期對帳修補缺漏,避免每次資料流執行都重建整個語料庫。索引寫入須以來源版本原子拒絕舊資料,刪除則使用墓碑記錄或明確可見性變更。分塊策略可比較 256、512、1,024 tokens 的文字窗口,固定嵌入模型和查詢集,同時衡量檢索品質與 p95 索引至可搜尋延遲。

  23. DEV Community66

    持續探索:如何建立每週與客戶交談的習慣

    持續探索是產品團隊至少每週直接接觸客戶,並以小型研究活動推進指定成果的做法。文章建議從每週一次20–30分鐘訪談開始,安排固定時段並自動化招募。訪談紀錄應連結原始證據及相關決策;AI 可協助轉錄、標記與初步綜合,但不能取代團隊直接與客戶交談。

  24. DEV Community55

    Jobs to Be Done 框架:顧客為何會「聘用」你的產品

    Jobs to Be Done(JTBD)框架把購買解釋為顧客在特定情境下「聘用」產品以取得進展,並在其他方案更能完成該工作時「解聘」產品。文章區分 Christensen、Moesta 的情境進展觀與 Ulwick 的 Outcome-Driven Innovation,並介紹以近期轉換者的故事訪談及推、拉、焦慮、習慣四股力量分析決策的方法。

  25. DEV Community49

    省略 reasoning_effort 不等於傳送 none

    模型設定登錄表必須區分傳送 reasoning_effort: "none" 與完全省略欄位,否則請求可能失去預期行為或直接失敗。Luna 需要傳送 "none",Gemini flash-lite 則不接受 reasoning_effort;設定為 null 才代表省略欄位,Terra 使用 "low"。

  26. DEV Community71

    Inkling 2 Mini 本地運行前須核對硬件與上下文限制

    文章整理了本地部署及託管運行 Inkling 2 Mini 前須核對的硬件、上下文窗口和智能體工具安全限制。官方指引建議本地部署使用至少 32GB 記憶體;模型卡列出的上下文窗口上限為 1M tokens,而 Tinker 的上限為 256K。文章亦建議為智能體循環設定輸出 token 和回合上限,並在沙盒中執行工具或要求確認檔案修改。

  27. DEV Community64

    Windows 11 元件可記錄編碼智能體及開發工具名稱,6 項檢查瞭解裝置回報內容

    Xusheng Li 的逆向分析指出,Windows 11 元件可在功能啟用時把匹配的智能體及開發工具名稱記成每日位元圖,而非提示詞或原始碼。他在一部 VM 中觀察到該功能以服務實驗形式啟用,並在一部美國 Windows 11 Home 測試中發現可選診斷資料已開啟;研究未顯示功能在所有安裝中啟用。

  28. DEV Community34

    RDMA 與 Kernel TCP:繞過協議堆疊以降低延遲

    RDMA 透過讓網絡介面卡直接讀寫接收端應用程式的記憶體,繞過 Kernel TCP 的核心資料路徑,降低延遲和 CPU 負載。Kernel TCP 在快速本地網絡上的往返延遲通常為數十微秒;RDMA 寫入可在兩微秒內完成,但需要固定記憶體及無損或經仔細調校的網絡。RDMA 適合可控制網絡環境、且大量小型傳輸令每則訊息的 CPU 開銷成為瓶頸的工作負載。

  29. DEV Community57

    AI 客服幻覺:六個真實案例與修正方法

    作者整理了一套支援八種語言、為電動單車品牌處理電郵及即時通訊的 AI 客服系統中六個錯誤回覆案例,並説明各自成因與修正方法。修正措施包括把長對話整理成附來源和日期的事實、為每封草稿先搜尋知識庫,以及按新郵件重新生成自動回覆。個別訂單的對話輸入由 37,604 tokens 減至 4,722,該次回覆中的每項內容均正確。

  30. DEV Community43

    智能體 AI 與生成式 AI:工作中的差異

    生成式 AI 根據提示詞產生內容;智能體 AI 則會調用工具查找資料並執行任務。智能體 AI 需要連接實際系統及設定權限和操作限制,成本和所需時間也較高,因此須記錄操作,並在查詢失敗或涉及金錢、貨物時設置人工處理。該系統在截至 11 月 19 日的 30 天內收到 36,789 封客戶電郵及 15,725 段客戶對話。

  31. DEV Community35

    MVP 開發流程:杜拜團隊如何驗證自訂軟件與 AI 工作流程

    杜拜的產品及工程團隊可透過有步驟的 MVP 開發流程,先驗證自訂軟件與 AI 工作流程,再決定如何擴大建設。流程包括聚焦一個核心工作流程、訂明驗證指標,並以真實用戶行為找出摩擦點。加入 AI 時須設定輸入規格、信心門檻、後備方案及人工交接,待工作流程獲驗證後再投入更深入的工程開發。