跳到正文
11月16日週一
  1. 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。

  2. DEV Community74

    阿里巴巴推出 Qwen4-Max,稱平均每項任務成本降低 60%、輸入價為 $0.075 per million tokens

    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。

  3. DEV Community36

    C 語言中的變數與運算式:追蹤值與類型

    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%。

  4. DEV Community59

    10-adic 數系中的 1 ÷ 7 是整數

    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」。

  5. DEV Community55

    AgentBlackBox v0.5.0 開源,提供零留存 PR 審查引擎與加密飛行記錄器

    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。

  6. DEV Community59

    軟件職位回升但初級開發者就業下滑:若從 2026 年起步,應打造甚麼?

    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。

  7. DEV Community26

    Java 的物件導向程式設計(OOP)

    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。

  8. DEV Community31

    Perl 🐪 Weekly #799:用 AI 編寫 Perl?

    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。

  9. 新浪科技78

    阿里發布 Qwen4-Max,三個榜單均列國產模型第一,單項任務成本降 58%

    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。

  10. 新浪科技78

    阿里千問發佈Qwen4-Max:總參數2.4萬億、激活71B,Token消耗省一半

    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。

  11. DEV Community57

    我的損失值變成 NaN,2016 年的《Deep Learning》解釋了原因

    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。

  12. 阿里雲開發者社區 AI64

    Playwright + 大語言模型:把 E2E 腳本升級成可自主探索的智能體

    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。

  13. DEV Community55

    程式碼評估提示詞模式:停止複製貼上,改為批判性審查

    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。

  14. DEV Community42

    市況低迷時,如何在科技業求職中脱穎而出

    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。

  15. DEV Community55

    編碼助手與 AI 智能體:別再混為一談

    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。

  16. DEV Community52

    AG Grid 由 v21 遷移至 v36:逐個畫面跨越 15 個主要版本

    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。

  17. Hacker News 熱門(buzzing.cc 中文翻譯)54

    clice v1.0 發佈,提供 C/C++ 語言伺服器及命令列工具

    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。

  18. DEV Community72

    如何構建可用於正式環境的 RAG 智能體:第二部分

    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。