不要在 Agent 評測未設為必需檢查時合併
指南建議將 Agent 評測設為 GitHub 合併流程的必需狀態檢查,避免評測結果只成為可忽略的提示。分支保護必須選取完全一致的評測工作名稱;工作流程改名時應在同一個 PR 固定檢查名稱,CI 缺少 OPENAI_API_KEY 時則應令建置失敗,而非略過評測。
指南建議將 Agent 評測設為 GitHub 合併流程的必需狀態檢查,避免評測結果只成為可忽略的提示。分支保護必須選取完全一致的評測工作名稱;工作流程改名時應在同一個 PR 固定檢查名稱,CI 缺少 OPENAI_API_KEY 時則應令建置失敗,而非略過評測。
作者開發 git seance,讓 asyncore.py 的檔案幽靈述説它被移除、恢復後再度刪除的歷程。工具按問題向模型提供事實清單,並以確定性檢查器核對可驗證主張。在 gemma3:4b 測試中,加入檢查器後,無根據主張由 16% 降至 1%,回答正確率維持 81%;作者亦指出,檢查器無法識別聽來合理但無法核查的虛構內容。
Wang Zhe 開發了開源終端工具 GhostShell,會在 Shell 命令執行前解釋其用途、來源和風險,並預設不執行命令。它以規則偵測危險命令,對 critical 命令直接拒絕執行;其他命令須加上 --execute 並明確輸入 y 才會執行。沒有 Ollama 時由規則引擎離線回應;使用 Ollama 時請求只發往 localhost:11434,預設模型為 Gemma 3。
Saksham Arora 將 ECX(Everything Claude Codex)開源,分享使用 Claude Code 11 個月整理出的 11 項經驗。
作者為 AI 安全教學建立了一套由 Docker Compose、Ollama 和 Open Policy Agent 組成的本地實驗室,可在 8GB RAM 手提電腦上運行,毋須支付 API token 費用。
文章將 TDD、BDD、ADD、SDD 與 EDD 區分為面向程式碼、行為、驗收共識、AI 編碼代理工作及已交付 AI 輸出的驗證方法。文章建議按驗證對象分層組合,而非把五者視為互斥選項;AI 編碼代理開發應先定規格,AI 產品則先分析實際執行紀錄,再為已發現的失誤建立 eval。
ProtocolProbe 發現每日同步漏載 MCP Registry 同版本的狀態變更,令 53 個已標記為 deprecated 的伺服器仍顯示 active。
yangshun2005/superpowers-cn 發佈 obra/superpowers 的中文譯本,並另附中文快速入門指南(https://github.com/yangshun2005/superpowers-cn;原專案:https://github.com/obra/superpowers)。
Claude Max、ChatGPT Pro 和 Copilot Max 均以每月 $100 提供編碼智能體服務,但採用不同方式計算用量。Claude Max 5x 以 Pro 每次工作階段用量的五倍描述額度,但未公開基準數字;ChatGPT Pro 目前沒有五小時限制,但仍可能設有每週限制。
GitHub 推出 npm 套件安裝時防火牆的公開預覽版,在下載期間檢查套件中繼資料及檔案,阻擋可疑套件、來源證明降級和惡意安裝指令碼。管理員可設定安全公告、版本風險、數碼身份、版本變更、安裝時執行程式碼及新版本等待期等規則,亦可為誤封套件提交例外申請。工具目前處於 beta,僅支援 JavaScript 生態系套件,並開放予所有 GitHub Enterprise Cloud 客戶。
文章提出,AI 智能體提出工具請求後,應由執行請求的應用程式檢查工具是否可用、權限是否允許及步數預算,再決定是否執行。
這篇指南列出啟用 SaaS 內 AI Agent 或 AI 功能前的審查問題,要求除資料存放位置外,也查明智能體能自行執行甚麼操作及如何受控。問題涵蓋憑證權限、人手審批、外來內容中的指令、操作記錄及資料是否用於模型訓練;每題按 0、1、2 評分,權重為 3 的問題若得 0 分即應停止部署。
米羊科技旗下關係型生產力 Agent 白艾莉(Alice)在杭州觀猹大會全新亮相,產品界面與交互體驗完成升級,米羊科技同步啟動白艾莉二創大賽。團隊在 GitHub 開源官方視覺創作資產與技術工具鏈,並設圖片、影片、音樂及表情包四條賽道。徵稿至11月7日,獲獎名單將於11月底公佈。
Sascha Mirow-Stanitzok 的 Serverless 與 AI 第 43 週回顧整理了 2026 年 10 月 19 至 25 日的安全、API 及開發工具更新,並説明對開發者和團隊負責人的影響。
作者開發 PressBridge,一個自託管 MCP 伺服器,透過 SSH 連接 WordPress 網站,讓 Claude 以受限工具進行維護,而不直接取得 SSH 存取權。
Agent PreShip Guard v1.1 修正固定命令被誤判為模型輸出的問題,並新增偵測未經審批、由模型輸出選擇破壞性呼叫的高風險規則。測試中,固定 uptime 命令只留下 shell=True 的中風險警告;模型可選擇 rmtree 的示例則觸發高風險警告。作者指出,逐檔檢查可能因其他模組中的審批檢查而誤報;這只是啟發式提示,不能取代人工審查。
Guidey 開源,旨在引導學習者自行解題,而非直接提供完整答案。它會按步驟提供提示、透過追問確認理解,並容許用戶按自己的速度反覆嘗試。Guidey 目前免費開源,已推出 1.0.0,並提供網頁應用程式及 GitHub 程式碼。
作者盤點五個 GitHub 專案,指出技能包已成為 AI 智能體與開發工具的分發單位,並把流程要求及檢查納入可安裝內容。案例包括用實際瀏覽器量度頁面、要求規格審查在全新上下文進行,以及按成熟度標示 WiFi 感測模型;作者將共同方向概括為把「已檢查」轉成可重跑的流程。文章亦提醒,發布頻率不能代表成熟度,使用權須按各項目的授權條款判斷。
GhostWriter AI 是一款在本機運行的 AI 恐怖故事生成器,讓用戶輸入故事構想、選擇恐怖類別和結局風格,再由 Qwen2.5 3B 在電腦上生成故事。應用程式以 Ollama 執行模型,提示詞可留在用戶電腦上,無須傳送至第三方雲端 AI API。測試中,模型約用 56 秒生成一篇約 414 字的恐怖故事。
Akobir Tulqinov 開發 keelyard,這個 Python CLI 與 MCP server 可接入 Claude Code、Codex 和 OpenCode,並要求智能體改動檔案後先通過測試才可完成工作。
Open Agentic Brain & Memory(OpenAB)團隊整理 Claude Code、Cursor 與 Codex 同時使用 MCP 記憶伺服器的相容性,指出支援連線不代表三者共享記憶。
GitHub 宣佈 Copilot Fusion,讓開發者選擇 Standard、High 或 Max 努力級別,由系統跨模型路由任務,低成本嘗試失敗時再升級。
Jay Pokale 建立 git séance,讓本地 Gemma 4(透過 Ollama)根據專案歷史回答問題,並為主張附上 issue 或 commit 引用。
Cursor 正式發佈 Agent SDK,讓團隊以程式碼定義智能體,並部署至 Cursor 基礎設施或自有基礎設施。SDK 支援回應來自 GitHub、GitLab 或 Bitbucket 的 PR 事件,並內置評估及事件重播功能。Cursor 內一個團隊約用一天建成 kb-reviewer,讓它在主程式碼庫的每個 PR 上檢查更改是否與既有經驗筆記矛盾。
作者將斯里蘭卡 2026、2027 年公眾假期及 Poya 日整理成免費數據集,並指出日期運算中兩個容易犯的錯誤。2026 年有 26 個假期,包括 13 個 Poya 日;2027 年有 25 個假期,包括 12 個 Poya 日。文章提醒,判斷當日日期應使用斯里蘭卡時區,而計算工作日則應以 UTC 遍歷日期,並按 mercantile 欄位篩選私營機構適用假期。
Study Buddy 是一款開源 Chrome 擴充功能,可將選取的網頁文字轉化為學習材料。它提供摘要、簡化解釋、翻譯和生成測驗,亦支援比較檢視及修訂記錄。Study Buddy 使用 Chrome 內置 AI API,推理在裝置上執行;離線使用則視乎已下載的模型及瀏覽器支援,目前須由開發者載入擴充功能。
Repomix 可用一條命令將整個程式碼庫打包成單一 AI 易讀檔案,供 ChatGPT 等模型檢視程式碼、理解陌生專案或撰寫測試。它會遵守 .gitignore、用 Secretlint 掃描機密並統計各檔案及整個程式碼庫的 token 數,也可透過 Tree-sitter 將程式碼壓縮至結構資訊。
這份教學説明如何將 VS Code Copilot 連接至 GitHub 官方 MCP Server,讓 Agent mode 從聊天提示詞瀏覽程式碼、管理 issue 和 pull request,並查看工作流程執行結果。
文章提出以模型算力分層、需求反向探問及三道工程防線,配合開源本地智能體工作台 Polter 管理一人公司的全棧開發。Polter v0.11 以持久化任務看板、按工單組建 Squads 和獨立 Git Worktree 管理協作,並按操作風險自動代答或提醒人類裁決。
作者以 Rust 和 wgpu 開發開源桌布引擎 Diorama,可播放本地 Workshop 資料夾中的 Wallpaper Engine 場景、影片及網頁桌布。
Harpreet Sahota 以 FiftyOne 及其外掛系統處理一宗失聯遙控飛機搜尋,把約 3,000 張航拍影像整理成供人工複核的排序候選清單。偵測器按暗色區塊的形狀及表面特徵評分,並提供可在 Python SDK 與 App 使用的操作項目。資料集可從 Hugging Face Hub 載入,外掛則可從 GitHub 下載,供其他人重跑流程。
Munim, Inc. 的 MV2 開源只讀工具 local-ai-checkup,供用戶檢查自架 AI 服務的網絡暴露及已知安全公告風險。它會檢查模型服務是否監聽 0.0.0.0、Web UI 是否要求登入,以及已安裝版本是否落入已知受影響範圍;工具只讀取本地設定和執行中服務,不會更改系統。
Helex 分享一系列公開 GitHub 專案,涵蓋 38 項基準測試式任務,涉及軟件工程、機器學習、除錯、數據處理及評測。其他專案示例包括分析訓練記錄、批次大小與運算成本,探討資料庫並行處理的正確性,以及計算和理解服務錯誤預算。
Daniele Michelin 為個人網站搭建由家中 Mac 託管的 AI 助理,提供聊天、語音通話及預約功能。Mac 關閉或繁忙時,網站會改以公開內容和關鍵詞提供純文字回答;預約須由系統等待訪客明確確認後才會寫入日曆。
Kehan Hasalawa 開發開源工具 Ofrenda,讓用戶在本機建立紀念已故親友的虛擬祭壇,記錄故事並以文字或語音與 AI 對話。語言模型、語音辨識及資料均留在用戶電腦,毋須上傳;預設使用 Ollama 的 llama3.2:3b,語音辨識則由 faster-whisper(Whisper)處理。
Keerthirajan Senthilkumar 開源 bugbout,利用 Git 歷史中附有新增測試的修復記錄評估編碼智能體補丁;首次測試的 66 個補丁中有 27 個錯誤。
AI 智能體追蹤式回歸測試可把生產環境中的失敗追蹤記錄轉成 CI 測試,透過重播已記錄的工具及模型輸出,在每個 pull request 離線、確定性地檢查回歸。
layerCleanerPro 是一款 Chrome 擴充功能,針對全螢幕覆蓋層、Cookie 同意提示、強制彈窗及捲動鎖定等網頁幹擾,而非廣告本身。它預設完全關閉,可按網站啟用,並可與 uBlock Origin 並用。
GitHub 在 GitHub Universe 發佈 Copilot Fusion,系統會按編碼任務各步的需要,選擇由哪個 AI 模型或模型組合處理。
推薦理由:Copilot Fusion 按任務各步所需能力調度模型,文中亦提供與 Claude Opus 5.5 Max 的評測、成本及耗時比較,可瞭解其設計取向。
AWS 團隊介紹一套基於 Amazon Bedrock AgentCore 的企業級 Agentic AI 平台架構,將集中治理的 Platform 控制平面與團隊擁有的 Workstream cell 分開。藍圖涵蓋多帳戶營運、獨立推理與工具閘道,以及部署後評測和邊界測試。參考實作的部署及可用功能以 eu-west-1 (Ireland) 為基礎,並提供回滾及按依賴次序清理資源的流程。