跳到正文
10月24日週六
  1. DEV Community47

    手動計算一個月的 GitHub Actions 成本:GitHub 收費 $54,5 GHz 裸機只需 $11

    Sengi 比較 GitHub Actions 與其託管 runner 的成本和執行時間,指出 runner 的每分鐘價格及所需分鐘數都會影響帳單。以 GitHub Team 的 12,000 分鐘 Linux 2-core 工作為例,GitHub 收費 $54,Sengi 收費 $11,節省 80%。Sengi 每月提供 3,000 分鐘免費用量,支援 2、4、8 vCPU runner。

  2. DEV Community52

    nightporter 以 0.5B 模型在夜間摘要收件匣內容

    Nox 開發本機工具 nightporter,使用 Qwen2.5-0.5B 摘要收件匣內容,並將晨間摘要寫入 morning.md、完整摘要記入 ledger.md。工具以 llama.cpp 執行 Qwen2.5-0.5B(Q4_K_M),設定完成後無須 API 或網絡連線;示範中以單一 CPU 核心處理 4 個檔案,耗時 15.0 秒。原始檔案會移至 done/,保持未讀狀態。

  3. 阿里雲開發者社區 AI39

    讀懂開源貢獻:太乙平台推出開源能力畫像系統

    太乙平台推出開源能力畫像系統,將 GitHub 公開貢獻整理成可視化技術履歷,呈現代表項目、協作方式、專業領域及影響力。系統可按所選範圍分析 PR、Commit 和程式碼評審,並把畫像與相關貢獻記錄連結。開發者可用它展示長期積累,團隊亦可藉此瞭解潛在協作者的項目經歷與技術專長。

10月23日週五
  1. DEV Community54

    如何使用 Thally 建立並發佈產品文件網站

    Tony Edgal 以 tweakcn 文件為例,示範使用 Thally 建立並發佈產品文件網站,文件存放在 GitHub 私人儲存庫。Track 會監察產品儲存庫,當合併請求合併後,判斷受影響的文件頁面,並在文件儲存庫開啟供審閲的合併請求。教學涵蓋站點設定、MDX 頁面編寫及發佈前檢查;推送至 main 後,Thally 會部署更新。

  2. DEV Community66

    ComfyUI:本地 AI 圖像、影片與 3D 生成的開源節點圖引擎(141K Stars)

    ComfyUI 是免費開源的本地 AI 生成引擎,透過節點圖工作流支援圖像、影片、音訊、3D 模型及文字生成。工作流只會重算有變動的部分,並可嵌入生成媒體;載入 ComfyUI 產生的 PNG 可還原節點圖及種子。README 指其可在 4GB VRAM 和 8GB RAM 下相對快速地運行最大型開源模型,但這配置不會達到 24GB 顯示卡的速度。

  3. DEV Community50

    ReachDirect-MCP:透過 MCP 連接 AI 智能體與實際外聯,實現電郵及 WhatsApp 自動化

    ReachDirect-MCP 是輕量、本機運行的 Model Context Protocol 伺服器,讓 AI 助手透過 Brevo Transactional Email 和 WhatsApp Web 執行個人化冷外聯。它可結合 LeadDirect 的潛在客戶研究或 JobsDirect 的申請者資料生成個人化跟進訊息,並使用自備 API 憑證,無需第三方資料經紀商。

  4. DEV Community71

    VS Code 1.143 更新解讀:Copilot harness 成為新工作階段預設,並加入模型比較等功能

    VS Code 1.143 將 Copilot harness 設為新工作階段的預設,並更新 Agent 工作階段的比較、檢視及清理功能。Compare Models(預覽)可同時以兩個或以上模型執行同一任務,並以評分卡呈現耗時及 token 使用量;版本亦加入 worktree 清理和檔案層級 Keep 等實驗性功能。

  5. DEV Community38

    ShrinkWatch EU 如何辨識 20 多種歐盟語言的單價標籤

    開源瀏覽器擴充功能 ShrinkWatch EU 會按商品包裝規格和價格計算單價,再與商店標示的單價交叉核對,並辨識 20 多種歐盟語言的標籤。文章列出各語言的單價和件數用詞,以及避免誤判的規則;程式碼採用 MIT 授權,擴充功能不會自行發出網絡請求,只讀取用戶正在瀏覽的頁面。

  6. 新浪科技43

    機器人如何持續改進自身:Physical RSI 的框架、進展與挑戰

    研究者提出 Physical RSI 框架,探討機器人如何利用物理交互經驗,不只更新任務能力,也改進自身的學習流程。論文以 L0–L5 分級梳理研究進展,並指出現有工作仍缺乏直接檢驗改進流程遞歸增益的基準。可靠的物理反饋、安全保障及獨立評估,是驗證機器人能否越學越會學的關鍵。

  7. DEV Community62

    AI 驗證工作連續數月檢查錯誤分支,Slipmark 以雜湊核對智能體審核

    Paul Redman 的夜間 AI 智能體流水線,最終驗證工作連續數月檢查錯誤分支,卻一直回報通過。他開源採用 Apache-2.0 授權的 Slipmark,為智能體裁決記錄所依據檔案的 SHA-256,並於合併前對待合併程式碼重新計算雜湊;檔案有變動、缺少所需的核驗記錄或裁決並非通過時,閘門會拒絕。套用於 23 個尚未合併的智能體 pull request 時,Slipmark 全部拒絕。

  8. DEV Community59

    將大語言模型生成的單檔 HTML 交付給持份者:7 個常見問題及修正方法

    文章整理了把大語言模型生成的單檔 HTML 交付給持份者前須處理的 7 類問題,並提供對應修正方法。清單涵蓋內嵌 CSS 和 JavaScript、處理本機資源與 CDN 依賴、避免 API 金鑰或內部網址留在檔案,以及手機版測試。作者建議以連結而非電郵附件分享,並選用可在原有分享網址更新內容的託管方式。

  9. DEV Community79

    LiteLLM 1.107.0 遭入侵事件的教訓:在程式碼前執行的 .pth 檔案

    LiteLLM Python 套件 1.107.0 版本遭植入憑證竊取程式與後門,PyPI 已將該版本隔離,惡意 Docker 映像亦已移除。惡意程式透過 cook.pth 在 Python 解譯器啟動時執行,竊取雲端 token、開發者帳戶及私鑰等資料;另一載荷每小時查詢 GitHub dead drop,並執行攻擊者提供的 Python 程式碼。

    推薦理由:文章把 LiteLLM 1.107.0 事件從載荷分析延伸至 Python 啟動機制,並整理安裝紀錄、.pth 檔案與憑證處置的核查方向。

  10. DEV Community67

    用 AI 交付程式碼容易,難的是交付經測試的程式碼

    sisig.ai 團隊開源 agent-doctrine,這套提示詞、角色定義與技能旨在協助 AI Agent 交付經驗證的程式碼。修改前,lead 須在對話紀錄中回答 TENETS.md 的 15 條問題並提供證據,否則不開始編碼。Fast 保留 gate 和每次 diff 的審查,Rigorous 另加入計劃簡化、對抗式計劃審查及編碼前批准;安裝需 Git 和 Bun,項目採 MIT 授權。

  11. HuggingFace Daily Papers(社區熱門論文)46

    超越觀看與搜尋:以影片為中心的深度研究報告智能體基準評測

    研究人員提出影片中心深度研究報告生成任務,並建立評估 AI 智能體的 OmniDR-Bench 基準及 Omni Atomic Rubric Trees(Omni-ARTs)評估框架。OmniDR-Bench 涵蓋 19 個子類別的 50 項中英文任務,共設 6,414 項準則;18 種智能體配置中,最佳系統得分為 63.3/100。相關程式碼及數據已公開。

  12. DEV Community62

    審計人員不是管理員:AI 系統如何以唯讀角色提供審計證據

    KeelBase 的唯讀審計角色以五項明確列出的唯讀規則限定可存取範圍,範圍以外的操作預設拒絕。欄位按白名單重建,組織範圍取自帳戶而非請求,請求只能進一步收窄範圍;超出範圍的單筆資料回傳 404,統計聚合及快取鍵亦使用相同範圍。簽署證據保持完整、不作欄位投影;審計人員可讀取審批佇列,但不能批准、拒絕或重試執行。

  13. DEV Community56

    mnemoa 協助編碼智能體清理過時指令檔

    Affan Shaik 開發 mnemoa,掃描 AGENTS.md、CLAUDE.md 等編碼智能體指令檔及計劃,找出過時、重複和矛盾內容,並提出刪除或移置方案。工具會列出修改前後估算的 token 成本,並讓用戶先檢視差異;它預設在本機以確定性檢查執行,選用的 LLM 功能則預設停用。程式庫:https://github.com/Flotrpy/mnemoa

  14. DEV Community55

    GitHub 新增空白字元偏好設定:如何分兩輪審查 AI 生成程式碼

    GitHub 於 10 月 22 日宣佈在 Pull Request 審查中加入已儲存的空白字元顯示偏好設定,文章提出以兩輪流程審查 AI 生成程式碼。第一輪暫時隱藏空白字元以理解行為改動,第二輪恢復顯示、清除檔案篩選並檢查完整差異;篩選中的檔案數和差異統計只反映篩選後內容。作者建議另行測試一條具體失敗路徑,並記錄意圖、檢查範圍和行為結果。

  15. DEV Community46

    基礎設施撤出市場與 AI 真實性代價

    本週多則科技消息聚焦信任轉變:Quad9 將退出法國,eMudhra 將退出全球 SSL/TLS 憑證業務。GitHub 已將 99.99999% 的程式碼儲存庫遷移至 Azure,並以物件儲存應對 AI 編碼智能體帶來的讀取負載。Martin Fowler 指出,讀者若懷疑文字由 AI 撰寫,可能會降低對內容的投入。