跳到正文
11月16日週一
  1. DEV Community64

    測試全數通過,智能體仍然出錯:近似案例測試揭示測試盲點

    作者在虛構的事先授權流程中發現,移除測試逐一刪除 36 條安全條款時,每次都有測試失敗,仍漏掉三項嚴重缺陷。盲測中,近似案例測試找回 10 項已知缺陷中的 7 項(包括全部 6 項高危缺陷),並另找出 8 項未記錄問題。作者在五個虛構案例中共修復並加入測試的缺陷達 33 項,並主張先執行近似案例測試,將審批驗證設於程式碼中。

  2. DEV Community57

    Michael Abdulai 用 AI 五週打造個人項目管理工具 Foundry,分享實作心得

    Michael Abdulai 用 AI 五週打造個人項目管理工具 Foundry,親自投入約 10–20 小時處理需求、決策和審查,Agent 編寫逾 90% 程式碼。他以單人工作空間管理想法、項目、待辦事項和每日焦點,並在日常使用中逐步調整功能。他建議先從小型 MVP 起步,以清晰列明決策和驗收條件的 issue 引導 Agent,同時自行把關資料安全和存取權限。

  3. DEV Community70

    AI 編碼智能體的可延續 SSH 工作流程:重新連線、檢查,再回覆

    文章提出供 AI 編碼智能體使用的 SSH 工作流程,以遠端主機上的 tmux 維持工作階段,並在重新連線後核對伺服器與 pane、檢查終端輸出再發送指令。tmux 伺服器仍存活時,SSH 連線中斷後 pane 內程序通常會繼續運行,但主機重啟或伺服器崩潰不會還原記憶體狀態。若 Send 時斷線,送達結果屬未知,應檢查智能體對話及副作用,再決定是否重發。

  4. O'Reilly Radar62

    AI 能編碼後,程式設計師還要負責甚麼?

    Shahid N. Shah 和 Andy Oram 認為,AI 參與編碼後,開發者應把重心放在需求對話、規格護欄、本體維護,以及建立檢查和修復程式碼的工具框架。文章建議為每項需求附上測試、檢查或指定審核者作為依據,並以重新生成比對和每週偏移審核檢查程式庫。作者説明,這些建議源自 Shahid 的實務經驗,並非受控研究。

  5. DEV Community50

    V-NOC 推出支援 VS Code 與 Cursor 的擴充功能,探索呼叫樹並連結文件與程式碼

    作者開發了 V-NOC,一款支援 VS Code 和 Cursor 的圖形化擴充功能,可探索函式呼叫樹並把 Markdown 文件連結至程式碼節點。用戶可查看函式的呼叫者、被呼叫者及相關程式碼片段;文件可附於函式、類別、檔案或資料夾,並存放在專案儲存庫中,透過 Git 追蹤、檢視和分享。作者正開發 CLI,讓編碼智能體讀寫附於程式碼節點的 Markdown。

  6. DEV Community49

    產品設計師用 AI 打造 iOS 與 Apple Watch 健身應用 GYM Paper,並將整個專案開源

    產品設計師以 AI 開發健身及營養追蹤應用 GYM Paper,供 iPhone 和 Apple Watch 使用,並將整個專案以 MIT 授權開源。Claude 撰寫了大部分初稿程式碼,但產品決策由設計師作出。由首次提交程式碼到 App Store 上架版本 1.5,歷時 25 天;應用毋須帳戶、沒有廣告或訂閲,資料儲存在裝置及用戶自己的 iCloud。

  7. DEV Community67

    Lovable、Bolt、Replit、Cursor 或 Claude Code 建置的應用程式卡住時,如何讓專案恢復運作

    Peter Lada列出一套處理流程,協助使用 Lovable、Bolt、Replit、Cursor 或 Claude Code 建置、但已卡住的應用程式恢復運作。流程包括回復至最後可用版本、把每次成功狀態提交到自有 GitHub 儲存庫、每次只改一項並檢查受影響檔案,再用自動化測試檢查關鍵流程。若同一錯誤經三輪仍未解決,作者建議停止繼續輸入提示詞,改由人員查看程式碼。

  8. 新浪科技48

    開源盤古模型 openPangu-2.1-Pro 正式上線華為雲,Agent、代碼及推理效率能力提升

    華為雲 MaaS 模型即服務平台正式上線開源模型 openPangu-2.1-Pro,並提升 Agent、代碼及推理效率能力。模型針對深度研究、鴻蒙系統操控、鴻蒙 App 開發、昇騰算子生成及推理鏈路優化等場景加強能力;小藝 Work 已率先搭載 2.1-Pro。模型亦接入智果 AgentArts、碼道 CodeArts 及果辦 OfficeAce。

  9. MarkTechPost60

    認識 Meta JiTTests:為高風險程式碼變更生成失敗測試

    Meta 已將 JiTTests 從研究原型轉入生產基礎設施;系統以大語言模型生成可執行測試,令引入錯誤的程式碼差異在合併前觸發測試失敗。研究分析 22,126 個生成測試,差異感知方法產生的候選捕獲數是硬化測試的 4 倍;意圖感知流程的弱捕獲率為 6.4%,ACH 突變引導硬化測試則為 0.8%。

  10. Business Insider Tech62

    軟件工程師須學習新技能:與人溝通

    AI 加速編碼後,軟件工程師的工作已由編寫程式碼擴展至審核 AI 生成的程式碼、與客戶溝通及參與產品決策。Anthropic 的報告顯示,技術員工的會議時間較一年前增加 16%,工程師與產品經理的比例升至 17 比 1。與此同時,Anthropic 初級技術人員在招聘中的比例由 2025 年 3 月的 27% 降至今年 5 月的 9%,而近 60% 的軟件工程師招聘職位列出溝通能力要求。

  11. InfoWorld44

    AI 如何同時扭曲開發者與開發工具

    AI 驅動的軟件開發正在推動工具走向更高抽象層次,也改變開發者接觸編程和理解程式工作的方式。ArtCraft 的 Craft Anything 可研究現有應用程式或網站,再提示大語言模型建立副本,甚至毋須編寫程式碼。智能體輸出具有非確定性,令開發者更難推理結果;過度抽象亦可能削弱他們判斷問題和改進空間的能力。

  12. 阿里雲開發者社區 AI36

    AI 建模的本質與模型生成器

    文章指出,AI 建模可透過程式碼生成處理日常建模中佔 95% 以上的固定設計模式,沒有固定範式的工作則由人機協作完成。以櫥櫃參數化建模為例,DeepDraw 引擎配合 Codex 或 DeepSeek,將 SKILL 沉澱為可重用的生成器或插件;經 3 輪 SKILL 訓練後,AI 已能生成櫥櫃,插件程式碼所需微調亦很少。

  13. DEV Community64

    Claude Code 插件 Meta-XoT-OSS-Rail 如何為非開發者推進軟件開發流程

    作者為 Claude Code 開發免費開源插件 Meta-XoT-OSS-Rail,讓非開發者透過分階段流程完成單項軟件工作。插件涵蓋背景梳理、計劃、實作、測試計劃和測試執行五個階段,各階段後由另一個 AI reviewer 檢查;高風險操作須經用戶批准。作者指出,計分只反映流程是否完成,並不代表軟件正確;插件需 Claude Code 2.1.300 或以上,且只在 macOS 測試。

  14. DEV Community67

    Vibe coding 構建 MVP:適用場景與失效邊界

    Vibe coding 可快速、低成本地構建 MVP 原型,用於測試想法和收集用戶回饋,但在資料安全、程式碼可維護性和正式營運方面容易遇到問題。文章引用 CVE-2025-48757 及 AI 生成程式碼安全測試通過率為 56% 等例子,説明相關風險。作者建議在處理真實個人資料或收款前安排開發者檢查,並在交接時核查資料權限、密鑰和關鍵流程測試。

  15. TNW77

    Alibaba 發佈 Qwen4-Max 旗艦模型,不開放權重

    Alibaba 發佈 Qwen4-Max,作為 Qwen 系列的新旗艦 AI 模型,但不開放權重。模型採用 MoE 架構,擁有 2.4 trillion parameters,可處理文字、圖像及影片,單次提示詞最多支援 one million tokens。

    推薦理由:文中列出 Qwen4-Max 在兩項編碼測試的不同表現,並註明分數由 Alibaba 提供、TNW 未作獨立核實,讓讀者掌握基準比較的限制。

  16. DEV Community48

    Build without Limits:SDLC 第 6 期簡報

    《Build without Limits》第 6 期整理智能體 AI 軟件開發的文章、工具與實踐。研究指出,讀取現有上下文可佔 Agent 執行總成本最高 73%,工具呼叫則可在 token 數量不變時令成本增加 26×。Zalando 的工程主管分享了將智能體工程擴展至 2,000 名開發者和 150 個工程團隊的三年經驗。

  17. 阿里雲開發者社區 AI58

    AI 時代如何管理軟件設計文件,讓 Coding Agent 理解架構並維持程式碼一致性

    文章説明如何整理軟件設計文件,讓 Coding Agent 理解項目架構、遵循技術約束,並維持文件與程式碼一致。做法涵蓋模組設計、API 契約、數據模型和 ADR,並以 AGENTS.md、版本管理及程式碼 Review 串連需求、設計、程式碼和測試;BaseMetas 雲文檔的離職成員文件交接僅為示例,不代表產品現有的實際程式碼或文件目錄。

  18. DEV Community57

    從 Lovable 遷移時,保留程式碼還是重建?

    從 Lovable 遷移時,應先判斷生成的程式碼是否值得保留,再選擇加固現有程式或重建前端,不應預設全面重寫。判斷依據包括程式碼結構、資料模型、業務邏輯位置,以及匯出後能否在 Lovable 以外建置和執行;API keys、資料庫內容及依賴建置器託管的服務亦須另行處理。遷移時應先匯出並確認資料位置,演練後搬移資料,切換期間避免新舊版本同時接受寫入。

  19. DEV Community63

    ai-memory 拆解評測:作者認為 528,000 行 Rust 專案未必值得安裝

    作者實測拆解 ai-memory,指出它可讓二十多種編碼 Agent 共用記憶和交接,但單人最多在兩個 Agent 間切換時,讀取既有日誌可能已足夠。專案以 git 中的 Markdown 筆記保存記憶,數據庫負責索引;作者測試超過 1,200 項測試全部通過,並確認植入的假 API key 在資料庫中已被遮蔽。

  20. DEV Community42

    企業級多智能體編排:管理分散式狀態與共識

    文章探討企業級多智能體系統如何管理分散式狀態與共識,避免狀態分歧、共享檔案競爭及上下文漂移。建議採用確定性狀態機、複製狀態機及 Raft 式共識,並由至少三個使用不同模型後端的獨立驗證智能體審核功能。防護措施包括驗證代理間通訊的簽署與結構化輸出,以及使用不可變的稽核記錄。

  21. DEV Community47

    EU AI Watch:EU AI Act 遇上車齡 32 年的 Jeep

    Claude Code 和 Codex 協助為一輛 1994 年 Jeep Cherokee 逆向分析引擎電腦,實驗使用 $3 Arduino,但影片未交代 AI 生成內容、控制程度或安全措施。EU AI Act 已於 2026 年 8 月 2 日開始適用;嵌入受規管產品的 Annex I 高風險 AI 規則則由 2028 年 8 月 2 日起適用,分類視乎系統用途及 AI 是否屬安全組件。

  22. 新浪科技75

    阿里巴巴發布新一代基座大模型 Qwen4-Max

    阿里巴巴於11月16日發布新一代基座大模型 Qwen4-Max,總參數量為2.4T,具備原生視覺能力並支援百萬上下文。新模型在智能體和編程等關鍵能力項上持續進化,並在金融、法律等專業領域定位為由資訊檢索走向專業交付。新模型上線期間,千問APP會員可限免體驗,使用 Qwen4-Max 不消耗會員額度。

  23. DEV Community50

    Ferret:如何在 Kiro 中以規格優先方式構建帶有情緒狀態的規則引擎

    作者以 Kiro 的規格優先流程構建 Ferret,一個由情緒狀態調整兩項上限、但不改動規則或檢查順序的規則引擎。四份規格列出 51 項要求;獨立 Python 參考實作以 120 個情境、4,926 個隨機事件驗證 TypeScript 引擎,回放結果零差異。Kiro 編寫的四項單元測試後來被發現預期有誤,作者以此説明獨立判定器可避免為迎合錯誤測試而改動正確引擎。