跳到正文
11月14日週六
  1. Hacker News:AI 熱帖39

    Ask HN:個人可以自行學習哪些最實用、具體的 AI 技能?

    Hacker News 用戶徵求建議,探討具備一定技術背景的人如何透過網上學習和實作,掌握可應用於 LLM 和 Agent 的 AI 技能。回覆提到人事管理、溝通及理解 AI 生成內容,也有人建議先用 llama.cpp 在沒有 GPU 的 16GB 手提電腦上執行約 4.7GB 的量化 7B 模型,並為生成流程加入監察和記錄。

  2. DEV Community48

    軟件工作流程:以正確次序完成每項工作

    軟件工作應按次序完成:先診斷並寫下規格,再閲讀程式碼、逐項修改,最後以證據核實結果。文章建議一次處理一項具體工作,完成後才開始下一項;其中一項小型修正約兩分鐘完成,並在免費方案上進行。SpyCore 提供免費方案,並將聊天、研究、程式碼和圖片整合在同一工作區。

  3. DEV Community56

    Proven 以 Kane CLI 驗證編碼智能體修復

    作者為 Kane CLI hackathon 打造 Proven,要求票據的凍結測試在修改前先失敗、修改後再通過,才可關閉。Proven 把票據交給以 headless 模式執行的 Claude Code,並用新的 Kane 測試重新檢查已關閉票據。示範中,重新檢查發現 Ticket 3 的修正破壞了 Ticket 1 的 SAVE10 優惠碼測試;修正後,三張票據全部通過。

  4. DEV Community48

    以來源為依據改寫內容的輕量 Python 輔助工具

    一個小型 Python 輔助工具可在本機整理內容改寫流程,準備提示詞並打包 AI 生成的草稿,毋須 API key。提示詞要求生成 3 篇 LinkedIn 草稿、1 篇電郵草稿及 2 段短片腳本;工具只檢查 JSON 結構,不能判斷內容是否有來源支持,發布前仍須逐項核對事實。

  5. DEV Community49

    Lazarus:如何利用 Kiro Specs、自訂 MCP 與差分模糊測試復活舊有 JavaScript 模組

    作者構建了 Lazarus,一個以隔離執行沙盒、4 個 Agent 組成的 Kiro Crew 和 fast-check 差分模糊測試,協助安全地現代化舊有 JavaScript 模組的引擎。系統會找出新舊程式行為差異、縮減至最小反例,再交由 Agent 自動修正。Lazarus 的 10 個測試套件共有 86 項測試通過。

  6. DEV Community61

    如何避免向 AI 編碼助手重複解釋項目決定

    文章提出一套輕量工作流程,讓開發者記錄項目決定,並在新工作階段確認 AI 編碼助手能否取用及套用。文中以虛構項目 Cedar 示範記錄決定、適用範圍、理由、來源與例外,並分別檢查儲存、檢索和套用;亦介紹 PLUR 的 plur_learn、plur_recall 和 plur_forget,並説明這套流程並非實測報告。

  7. 虎嗅61

    如果黃仁勳再創業,NVIDIA或將面對新競爭對手

    文章推演,若黃仁勳再創業,憑藉其技術判斷、人才號召力及供應鏈關係,新公司可能成為 NVIDIA 的競爭對手。文章以阿莫迪創辦 Anthropic 為例,指出按兩家公司各自披露口徑,Anthropic 今年第二季度營收超過110億美元,OpenAI為67億美元,首次超過老東家。文中提出,新公司可從推理服務、機械人計算系統或收購已有技術的公司切入,並藉助供應鏈關係推進生產與交付。

  8. DEV Community72

    Claude Code、Cursor 和 Codex 中 npm install 被沙盒阻止的排查指南

    Claude Code、Cursor 和 Codex 的沙盒可能限制智能體執行 npm install 等命令的網絡存取或快取寫入,令命令在一般終端可用、在沙盒內卻失敗。文章比較三者的網絡及檔案權限設定,並提供探測腳本檢查命令可連接的主機和可寫目錄。Codex 只啟用 network_access 會開放所有主機;要按 domains 清單限制連線,還須啟用網絡代理。

  9. DEV Community53

    JavaScript Promises 與 async/await 簡明解説

    Safdar Ali 的 JavaScript 教學指出,async/await 是建基於 Promises 的語法糖,兩者並非互相取代,而是同一非同步執行模型的不同寫法。文章以程式碼對照 try/catch 與 .catch()、漏寫 await 的錯誤,以及用 Promise.all 並行處理互相獨立的請求;三個各約 300ms 的請求,串行約需 900ms,並行約需 300ms 加額外開銷。

  10. DEV Community57

    自主 AI 智能體為何陷入無限重試循環,以及如何用 TypeScript 建構 SHA-256 冪等仲裁器

    自主 LLM 智能體遇到外部工具逾時或暫時性錯誤時,可能把錯誤訊息當作對話上下文而重複發出相同呼叫;Dan Kestrel 提供 TypeScript SHA-256 冪等仲裁器,在工具執行前攔截重複操作。實作會排序參數鍵並計算雜湊,在 60 秒滑動冷卻窗口內抑制相同請求,並以合成 HTTP 409 回應;另設熔斷器及人工審查通知。

  11. 阿里雲開發者社區 AI48

    2026 年阿里雲雙十一 AI 訂閲指南:百煉 Token Plan 套餐價格與 Credits 計費詳解

    阿里雲百煉 Token Plan 以固定訂閲和 Credits 統一計量模型調用、工具整合及 Agent 編排,提供個人版和團隊版。個人版月費由 Lite 39 元至 Pro 499 元,團隊版由標準座席 150 元至尊享座席 1398 元;雙十一期間有 88 折優惠及新增 Harness 權益。服務目前僅支援華北 2(北京)地域,訂閲期內未用完的 Credits 不會結轉。

  12. DEV Community40

    Headron 3.63:為 AI 編碼智能體的程式碼變更提供可攜式驗證證據

    Headron 3.63 加強 AI 編碼智能體程式碼變更的驗證機制,將變更連結至所需的驗證證據,而非只依賴智能體自行判斷。更新包括按執行時依賴追蹤選擇測試、加強儲存庫隔離,以及改善與 Cursor、Claude 和 Codex 的 MCP 整合。Headron 以可稽核的驗證補充現有 CI/CD 系統,不取代它們。

  13. DEV Community71

    claude-mem 實測:為 AI 編碼智能體提供跨工作階段持久記憶

    作者以 OpenCode 測試 claude-mem 15.18.1,三次跨工作階段測試均讓智能體正確沿用前一工作階段的折扣規則;未啟用記憶時,三次均未完成功能。記憶模式每次請求增加約 5,200 個 token,整次測試處理 126,307 個 token,重述規則則處理 65,739 個 token;兩者耗時相近。作者指出自動擷取可能漏記,並建議重要資訊明確存入 save_memory。

  14. DEV Community47

    如果 AI 令我們更快,為何我們使用的應用程式沒有變得更好?

    作者質疑,即使 AI 能令開發者快數倍,手機應用程式對用戶而言仍未見改善,有些甚至感覺更差。METR 在 2025 年一項涉及 16 名資深開源開發者和 246 項實際任務的隨機研究中發現,使用 AI 工具的開發者完成任務所需時間多 19%,但他們以為自己快了約 20%。作者提出,省下的時間或許用來加入更多功能,而開發瓶頸也可能在決定、審查和批准工作。

  15. DEV Community46

    瓶頸已轉移:為何團隊拓撲無法吸收 AI

    AI 大幅降低軟件交付中的內容合成成本,令瓶頸轉移至驗證與判斷,而以跨職能團隊為核心的 SAFe 架構未能吸收這項變化。SAFe 6.0 將 Agile Team 定為五至十一人,並以八至十二週的 Program Increment 作規劃週期。當審核及整合等下游關卡吞吐量不變,新增產出只會令工作積壓,容量指標亦可能繼續反映已不再稀缺的產出能力。

  16. DEV Community47

    誰寫了這段程式碼?AI 程式碼來源追溯,始於問錯問題

    AI 編碼智能體令程式碼來源追溯暴露缺口:Git blame 和提交紀錄能指出誰修改了程式碼,卻無法證明修改背後的決策及理由。提交、智能體和建置來源紀錄各自説明不同環節,還需要決策來源紀錄連結決策、依據、審批與程式碼變更。保存完整智能體對話也未必能還原決策,並可能增加私隱及保安風險。

  17. DEV Community55

    Claude 四種提示詞模式值得測試,作者不作 10 倍效果宣稱

    Devesh Korde 整理四種可在 Claude 上測試的提示詞模式,並明言沒有 10 倍提升的依據。其中三種有 Anthropic 公佈的測試結果:範圍控制提示在 max effort 編碼測試中令工作階段成本下降約三分之一且品質不變;要求實際檢查則令 low effort 下略過或流於表面的檢查變得罕見,但每項任務成本略升。

  18. DEV Community36

    限制 AI 編碼智能體存取敏感憑證及基礎設施,以降低未經授權執行風險

    限制 AI 編碼智能體存取敏感憑證及基礎設施,可減低未經授權執行的風險。文章指出,Claude Code、OpenAI Codex 等智能體可能繼承用戶的 UNIX UID 和權限,讀取記憶體及設定檔中的環境變數、SSH 私鑰等憑證,再傳送至外部推理端點。缺乏沙箱亦可能令錯誤指令破壞生產設定或造成資料外洩。