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。
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。
阿里巴巴於 2026 年 11 月 16 日推出 Qwen4-Max,稱平均每項任務成本較 Qwen3.8-Max 低 60%,輸入價格為 $0.075 per million tokens。模型採閉源,沒有可下載權重;阿里巴巴亦稱訓練加入網絡安全檢查及 CBRN 風險緩解措施。編碼成績、安全措施及 48 小時自主研究結果均來自阿里巴巴的説法,文中指出尚無獨立驗證。
作者分享多種用於排查及修復較簡單程式錯誤的 Agent 技能,涵蓋 Kiro 內置的 Bug Fix、Plan、Default,以及自訂資料/訊號路徑除錯技能。
阿里巴巴發佈新一代基座模型 Qwen4-Max,具備原生視覺能力、支援百萬上下文,並強化智能體與編程能力。
推薦理由:文章對照 Qwen4-Max 與上一代在編程評測中的 Token 用量、得分及單任務成本,並列出汽車加工和金融投研場景的量化數據。
C 語言系列第 2 部分講解變數、初始化、賦值,以及算術運算式中的值與類型。`5 / 2` 先以整數除法得出 `2`,再轉換成 `double` 得到 `2.0`;若先轉換運算元,`5.0 / 2` 則得出 `2.5`。計算 5 / 8 的進度時,整數運算結果為 0,改用浮點運算則得出 62.5%。
Omer Saleem 為 Claude Code 規則庫設置每週執行的唯讀 lint,首份報告列出 41 項發現,人工核實的 3 項均屬實。流程先用普通腳本找失效的規則 ID、命令、腳本和連結,再以 claude -p 分別進行 CONFLICT、STALE、DRIFT、DUPLICATE 四項檢查,並限定只能使用 Read、Grep、Glob。
在 10-adic 數系中,數字向左無限延伸,1 ÷ 7 可寫成 …142857142857143,乘以 7 恰好等於 1,因此是整數。作者推出 Past Forever,一種可執行無限迴圈的小型語言,可輸出有證明的數值、附證明的永不穩定結果,或「無法看清結尾」。
AgentBlackBox 開源 v0.5.0,提供只在 RAM 處理 PR 差異的審查引擎及 HMAC-SHA256 飛行記錄器。它會在文字送往 AI 推理模型前遮蔽 16+ 類密鑰與憑證模式,並將 PR 連結至本機智能體工作階段,檢查工具調用、被阻止的終端操作及檔案或測試變更。MIT 授權版本附有 283 項通過的測試,並提供離線收據驗證 CLI。
GEM 以熵正則化的反向 KL 散度最小化,改善 LLM 監督微調中的過擬合與輸出多樣性。在 Llama-3-8B 的實驗中,GEM 在通用指令微調及數學推理、程式碼生成任務上均優於交叉熵;配合多數投票或 Best-Of-$N$ 時,表現最高提升 10 個點。
SolonCode 在 v2026.11.15 新增免安裝直接執行模式,雙擊隨附啟動器即可在 http://localhost:4808/ 開啟完整 Web 介面。目標電腦須已安裝 Java 8+,資料會與已安裝版本共用;若 4808 已被佔用,啟動器會報告衝突並停止。
Bareship 將 React Native 架構規則設為 ESLint 錯誤,規定程式碼只能沿五層架構向下匯入,並禁止不同功能模組互相匯入。dependency-cruiser 會在 CI 再檢查整個依賴關係圖;其他 lint 規則涵蓋硬編碼文字、RTL 版面方向,以及 React Compiler 快取造成的問題。
文章指出,美國軟件職位招聘廣告自 2025 年初上升近 15%,但增幅中 71% 屬資深職位、37% 職稱含「AI」,初級開發者就業則下跌 20%。作者建議打造能展示判斷力的專案,例如避免重複預訂的預約系統、處理金額的帳本、能應付重試和重複訊息的工作程序,或附有評測集的 LLM 功能。使用 AI 協助開發時,仍要能解釋程式碼用途、失敗情況和驗證測試,並記錄每項決定。
Java 的物件導向程式設計以類別和物件組織程式碼,並以封裝、繼承、多型和抽象作為四大原則。Java 聊天機械人可用不同類別分工處理提示詞、AI 模型通訊、回應格式及請求協調,令應用程式更易測試、擴充和維護。
Perl Weekly #799 討論 AI 時代的 Perl 編程,並探討如何讓 AI 工具更容易使用 Perl 及以 Perl 為基礎的方案。編者認為,初學者更需要掌握前端、後端、保安及系統管理等知識,並推薦觀看 Dave Cross 關於 Perl 中 MCP 的演講。
阿里巴巴於 16 Nov 2026 推出 Qwen4-Max,稱其編碼基準表現勝過 Claude Fable 5.1 和 Kimi K3.1 Pro,但不開放權重下載或自行託管。
文章整理 Gatekeeper、Xcode codesign、Rust/Cargo 連結器、Homebrew 和雙欄 PDF 的 5 類 macOS 問題,並提供逐項排查方法。
千問 AI 平台首發上線 Qwen4-Max,API 服務與 Token Plan 同步開放,Token Plan 詳情見 https://www.aliyun.com/benefit/scene/tokenplan。
阿里巴巴表示,未開放權重的 Qwen4-Max 在編碼基準測試中勝過 Fable 5.1 和 Kimi K3.1 Pro。阿里巴巴亦計劃公開較小型 Qwen4 模型的權重。
開發者 Noniv 以 Claude Fable 5.2 編寫 97 KB 的 HTML 文件,在網頁上實現互動式水下世界,沒有使用外部貼圖、紋理、3D 模型資產或主流 Web 遊戲引擎。項目在 RTX 5070 Ti 上以 2560×1440 解像度運行,可達 180 FPS;RTX 4090 在最高畫質下則達 248 FPS。
阿里正式發布新一代旗艦模型 Qwen4-Max,並已接入千問 App、千問辦公、Qoder 和 Qwen Studio。Qwen4-Max 在 Arena Agent Arena、Code Arena 和 Vals Index 三個榜單均為國產模型排名第一。
推薦理由:文章並列官方任務成本數據與多個第三方榜單,亦呈現不同編程基準的落差,方便比較 Qwen4-Max 的成本變化和表現邊界。
阿里千問發佈Qwen4-Max,總參數2.4萬億、激活71B,支援百萬Token上下文。在Terminal-Bench 4.0同為Xhigh思考檔位時,其每次嘗試平均Token用量較Qwen3.8-Max減少約47.5%,評測得分提升近28%。Qwen4-Max已在千問AI平台提供API服務,亦可透過阿里Token Plan調用,或在千問辦公、Qoder、千問APP體驗。
推薦理由:這組同檔位對比把Token用量與評測得分放在一起,呈現Qwen4-Max相較Qwen3.8-Max在編程評測中的效率及表現變化。
作者以一次損失值變成 NaN 的除錯經歷,説明 2016 年的《Deep Learning》如何解釋數值下溢及梯度出現 NaN 的原因。當 float32 中錯誤類別的 logit 比目標類別高 104 或以上,先計算 softmax 再取 log 可能令目標概率下溢至 0;改用 PyTorch 的 F.cross_entropy 可在 log 空間保持數值穩定。
作者以 Python 示範建立 AI 編碼智能體時間估算器,按任務類別及工作量調整歷史執行時間,輸出 P50 和 P90 範圍。文章區分智能體執行時間與包含需求澄清、審查等工作的交付時間,並建議用逐步加入較新任務的回測檢查區間覆蓋率和 P50 誤差。
Playwright E2E 測試可由固定路徑腳本升級為自主探索流程,先讀取瀏覽器可存取性快照,再以 planner、generator、healer 串起規劃、生成與修復。自癒應限於定位器和等待條件,斷言修改須經人工審批,並保留修復記錄供審核。文中建議將穩定流程沉澱為確定性 Playwright 腳本作高頻回歸,因 Playwright MCP 快照在典型瀏覽器任務中可能消耗數萬 token。
Linux 7.5 核心開發者 Ted Bullock 在 OpenAI Codex AI 協助下提交補丁,修復近20年 Radeon HD 2000 和 HD 3000 顯示卡使用 UVD 硬件加速時的花屏問題。補丁把 UVD 緩衝區移至顯存,已獲 AMD Linux 顯示卡驅動維護者接收,並入 11月12日提交的合併請求,預計隨 Linux 7.5 穩定版推出。
文章提出三種提示詞模式,讓學生由複製 AI 生成程式碼,轉為擔任程式碼審查者、除錯者和架構設計者。模式包括要求模型提交含兩個隱蔽錯誤的實作、生成 5 個對抗測試案例,以及比較解決 Travelling Salesperson Problem 的三種算法;學生再分析各方案的時間與空間複雜度、測試 n=5、n=10 和 n=20 的執行時間,並按環境選擇方案。
作者分享在科技市場低迷時脱穎而出的做法:不只聲稱懂 RAG、AI agents 和 LLM,還要以可運行的項目和可驗證的測試證明能力。AI Engineer Roadmap 有 132 個主題,提供無需 API key、可離線運行的 Python 示範;mcp-safe-actions 則有 101 項測試,並成功找出 42 個刻意植入的錯誤。作品集不能保證獲得面試機會,但能讓人查驗實際成果。
指南建議在 VS Code 保持 Restricted Mode,先檢查 `.vscode/tasks.json` 和 `package.json` 的 scripts,並只在沙盒或虛擬機執行未知程式碼。
這套 Claude Code 工作流透過 MCP 讀取最新工單,並在分支、每次提交及 Pull Request 標示工單編號,讓需求和程式碼變更保持關聯。示例以 Arbituro 和 GitHub 展示,驗收準則由 CI 檢查或指定人員判定;Claude Code 可提交檢查證據,但不能自行勾選或更改準則。
作者根據 Codex 文件及 rust-v0.167.0 載入器原始碼計算,35,479 bytes 的 CLAUDE.md 會超出 Codex 預設 32 KiB 上限,並在第 15 節標題處被截斷;作者沒有實際以 Codex 測試。
編碼助手在 IDE 內提供程式碼建議並由人逐步審核;AI 智能體建置平台則跨業務系統自動執行工作流程。MCP 以共用格式列出可用工具,但不決定自主程度;兩類工具須採用不同的安全審查和權限控制。試點可衡量助手的首個 PR 評論時間及回退率,或智能體的成功執行、人手介入和事故數。
作者分享其團隊正把一個 React 17 + TypeScript SaaS 前端中混用的 AG Grid v21、v33,按畫面逐步統一至 v36.2.0。遷移涵蓋約 40 個表格、約 220 個檔案;團隊先讓 v21 與 v36 並存並隔離 CSS,再按一個畫面、一張卡片、一個 PR 的方式推進。
團隊把銷售支援 SaaS 中約 40 個、涉及約 220 個檔案的 AG Grid,從混用 v21 和 v33 逐個畫面遷移至 v36.2.0。遷移期間讓新舊版本在同一應用程式並存,並在建置時隔離 CSS;每個畫面按固定流程完成差異調查、單元測試、Playwright E2E 與 v21 對照,高風險畫面另保留 feature flag,以便切回 v21。
曹建農認為,AI可以承擔底層繁瑣的編碼工作,但學生仍須掌握扎實的專業基礎,培養品味與判斷力。大學教育應引入產業及真實社會場景,並探索降低GPA在綜合評定中權重、衡量學生實際能力的方式。學生也須學會使用AI,並評判其輸出。
Souf CH 打造並公開 SplitNest v0.3,一款免費、採 MIT 授權的 Windows 終端工作區,讓多個 AI 編碼智能體並行運作。它按工作區管理 PowerShell 和 WSL 工作階段,顯示智能體狀態,並集中列出等待用戶處理的智能體。
clice 發佈首個穩定版 v1.0,這款以現代 C++ 編寫的 C/C++ 語言伺服器亦提供命令列工具。它採用多進程編譯,支援 C++20 命名模組、依賴掃描及按需建置模組。CLI 提供索引、lint、格式化、查詢、重構、分析和模組化等子命令;作者表示,核心功能已穩定,日常使用很少遇到問題。
作者以 TypeScript 和 Vercel AI SDK 構建一個回答新西蘭税務問題的 RAG 智能體,配備一個模型、三個法例資料庫工具及循環式工具調用。在 54 個答案的測試中,智能體得分由 0.582 升至 0.729,自信但錯誤的回答由 5 次降至 0 次。作者建議每次只改動一項設定並重複評測,以分辨改進與分數波動,亦為每個答案設定輪數、時間和費用上限。
Abyssal Garden 由 Claude Fable 5.2 完全編寫,成品是一個僅 97 KB 的 HTML 水下模擬器。在 RTX 5070 Ti 上以 2560×1440 解像度運行,幀率達 180 FPS。項目以 WebGPU 和 WGSL 即時生成視覺元素,並透過 Web Audio API 合成環境音效。
B Donald Harris 公開介紹 Builder Garage(https://github.com/bdonaldharris/builder-garage),一個開源、嵌入項目的智能體工程框架,首個可執行組件是以 Go 編寫的 CLI。
Anthropic 發佈 Claude Fable 5.2;模型不調用圖像生成模型,而以 Python 模擬畫筆、顏料和畫布,逐筆完成繪畫。一幅購物車作品用了約 70 萬次模擬筆觸;另一幅鳥類作品以 111 筆完成,模型會觀察畫布並用新筆觸修正錯誤。