跳到正文
11月7日週六
  1. DEV Community43

    生存者偏差令動量回測結果倍增:實測數據

    使用現時股票代號名單進行回測,會排除已破產、被收購或退市的公司,令策略表現被高估。測試三種策略後,生存者偏差每年令年複合增長率高出 1.25 至 3.66 個百分點;12-1 動量策略在排名前 3,000 隻股票中高出 3.66 個百分點,排名前 1,000 隻則高出 1.25 個百分點。偏差幅度因策略而異,基準表現也會受影響。

  2. DEV Community72

    如何為智能體設計 MCP 工具

    Tirth Gajjar 在指南中主張按用戶問題而非供應商 API 端點設計 MCP 工具,並在多個來源可回答同類問題時採用集中層。集中層由程式碼選擇權威來源,並處理實體解析、結構化 JSON、逐次用戶身份驗證、限流和呼叫記錄;Bigcircle 的 Solarpunk 案例中,工具選擇約在三十個工具時開始出錯。

  3. AWS Machine Learning Blog53

    Amazon 團隊介紹如何在 Amazon ECS Fargate 上構建無伺服器 MCP 伺服器,連接 AI 智能體與資料湖

    Amazon 團隊在 Amazon ECS Fargate 上構建無伺服器 MCP 伺服器,作為 AI 智能體連接企業資料湖的集中式閘道。新增資料集只需提供描述結構、業務背景及欄位語義的 JSON 元資料檔,索引後即可供已連接的智能體使用,伺服器則在 MCP 層集中執行存取控制。

  4. AWS Machine Learning Blog45

    AWS Quick 智能體工作基元分類法

    AWS Quick 梳理智能體工作的基元分類法,以「何時、做甚麼、由誰、如何」四個問題界定觸發器、智能體及其能力。觸發器啟動任務並承載指令;智能體是持續學習的行動者,透過工具、技能和工作流程執行任務,其中技能提供判斷空間,工作流程則按固定步驟運作。

  5. DEV Community62

    觀點:智能體的鎖定來自工具 Schema,而非模型

    作者認為,智能體的鎖定主要來自工具 Schema,而非模型,因為模型端點較易更換,工具調用契約則可能因參數格式差異而失配。文中提供可對接 OpenAI 相容 `/chat/completions` 端點的 `tool_contract.py`,以五項案例檢查不必要調用、虛構未宣告工具、必填參數、額外屬性及多目標讀取,並以逐項門檻而非平均分判定。

  6. AWS Machine Learning Blog65

    使用 Okta Cross App Access 與 Amazon Bedrock AgentCore 管理 AI 智能體存取權限(第一部分)

    AWS 文章示範以 Okta Cross App Access 和 Amazon Bedrock AgentCore 建立用戶委派授權流程,讓 AI 智能體代表已登入用戶存取應用程式。

    推薦理由:文章拆解 Okta Cross App Access 與 Amazon Bedrock AgentCore 的委派授權鏈路,並以實測交代撤銷用戶指派後新請求約 1 秒內遭拒、已發 token 最長有效 5 分鐘。

  7. DEV Community62

    SpendWarden 為 Hermes Agent 的付款工具呼叫加入政策檢查

    SpendWarden 是作者為 Hermes Agent 開發的插件,會在涉及付款的工具呼叫執行前進行確定性政策檢查,並以本地 SQLite 資料庫記錄付款。政策可按限額、收款地址、資產及網絡規則允許、要求審批或封鎖呼叫;唯一 payment_id 令重試不會重複計入帳本。它亦能檢查 x402 challenge,但不持有密鑰或簽署付款;能修改插件資料庫或停用插件的程序則可繞過它。

11月6日週五
  1. Unite.AI58

    AI 智能體的無效繞路會浪費 token 和金錢

    一項美國學術合作研究量化 AI 智能體工作流中的 token 浪費,發現約 18% 的輸出 token 屬浪費。研究指出,超過 45% 的任務中,一個智能體浪費的輸出 token 多於另一個成功完成相同任務所用的全部輸出;刪除 41–46% 的推理,在測試中對成功率影響有限。按模型及工具使用成本計,浪費比例介乎 11% 至 24.9%,而同一模型在不同智能體框架下的推理輸出可相差逾四倍。

  2. DEV Community60

    為 AI 智能體準備 Figma MCP 設計系統

    這篇指南提出一套為 Figma 設計系統準備 AI 智能體的方法,重點是整理檔案結構,並用技能明確規定工作流程。建議用五天檢查變數、圖層命名、自動版面配置和元件描述,再以五個固定提示詞測試,記錄硬編碼值及以普通畫框代替元件的情況。Figma 的內部數據顯示,典型任務較 beta 快約 20%;文章指出,模型改進不代表設計庫已準備妥當,產出仍需檢查。

  3. DEV Community72

    2026 年 11 款 CMS 的 MCP 伺服器比較

    作者比較了 10 款 CMS 的 11 個 MCP 伺服器,檢視 Agent 寫入內容時的草稿與發佈行為、權限控制、內容模型驗證及部署方式。十款 CMS 中有九款提供官方 MCP 伺服器,Drupal 的 MCP 則由社羣貢獻模組提供;多數伺服器可讓 Claude、ChatGPT 或 Cursor 建立、修改及發佈網站內容。

  4. DEV Community48

    AwesomeVideo:如何透過 MCP 客戶端以三次工具呼叫為影片加上字幕(毋須註冊)

    AwesomeVideo 提供託管式字幕 MCP + REST API,讓可呼叫工具的 Agent 透過三次工具呼叫,毋須先建立帳戶便可為示例影片加上字幕。輸出包括已燒錄字幕的 MP4,以及 SRT、VTT 和 JSON 文字稿。字幕定價為每段音訊每分鐘 5 credits,加入翻譯則另加 2 credits。

  5. DEV Community58

    bayze-mcp 團隊以兩個 AI 辯論、第三個 AI 仲裁,六輪測試修正 7 個問題

    bayze-mcp 團隊以兩個 AI 辯論、第三個 AI 仲裁測試多模型協作模式,經六輪實測修正 7 個問題。測試揭示上下文被編排器丟棄、輸出長度限制不一致、雙方立場重合及模型捏造數據等問題;文章比較五種協作模式和成本,認為任務與模式匹配比模型質素更重要。在雲端遷移案例中,仲裁結論是不應讓 8 人初創公司在 12 個月內全面遷移;兩個模型給出的所有金額數字均屬捏造,並已被仲裁者剔除。

  6. DEV Community45

    我用 Kiro 打造 AuraGate,將 40 年歷史的銀行報文轉成現代 API

    AuraGate 可解碼 ISO-8583 二進制付款報文,並自動生成 OpenAPI 3.1 規格、TypeScript SDK 及解碼後的 JSON。作者以 Kiro 的規格驅動開發、steering 文件、MCP 和 hooks 建構工具,並以 7,000 項測試斷言驗證編碼器。文章稱,原本需 COBOL 顧問花 3–6 個月記錄的工作,可在不到一秒內完成。

  7. DEV Community61

    如何在前端從 MCP 伺服器取得資料

    文章説明如何讓前端透過 MCP 伺服器取得資料,並比較在瀏覽器使用 MCP client SDK 與透過後端代理接入兩種方式。文章建議使用後端代理,將 MCP 憑證留在後端,並在每次呼叫前檢查用戶工作階段及限制可用工具。文中亦示範 JSON-RPC 2.0 的工具呼叫與資源讀取,並整理傳輸、JSON-RPC 和工具錯誤的處理方式。

  8. DEV Community62

    Apify Actor 整合四個美國縣房產資料,為 AI Agent 標示估值脈絡

    Mikhail Koviazin 建立 Apify Actor,供 AI Agent 查詢四個美國縣的房產資料。Cook County 評估員寄出的估值及認證估值均為 3,041,Board of Review 覆核後則為 1,303;這些數字代表不同申訴階段,並非市場價值。Actor 按估值基準和階段標記金額,並以機器可讀旗標及結構化拒答交代資料的不確定性和查詢限制。

  9. DEV Community43

    復古回顧:Spider-Paint

    作者重啟首個 GitHub 專案 Spider-Paint,將 3Draft 引擎的配套程式分拆後放回舊 repo,成為可透過 MCP 連接 LLM、並可在程式內生成模型的第一人稱 3D 編輯器。文章亦指出,HEXAW 讓核心運算速度比舊 TS 程式碼快 13 倍。

  10. DEV Community67

    作者在雲端主機以無桌面模式執行 Switch,協助團隊從四個 PR 中選出一個

    作者在雲端主機以無桌面模式執行 Switch,並建置 Bakeoff,協調多個編碼 Agent 比較同一個 issue 的 PR,由維護者決定合併項目。文章記錄 Docker Compose、Slack 房間、Agent 指令權限政策及人工核准卡的設定。四個 Agent 的比試中,兩名讀者檢查 PR 後,維護者選擇 Claude 的 #2,其餘三個 PR 收到列明未符合清單項目的説明。

  11. DEV Community42

    瀏覽器發票收集流程設計:發票資料列並非發票檔案

    BrowserAct 團隊提出瀏覽器發票收集工作的設計方法,強調發票編號和金額等資料列不能證明原始文件已存入檔案庫。流程應分開追蹤發現、要求下載、取得檔案、核實文件及對帳等狀態,並處理重試、重複檔案和例外情況。文中的清單及驗收檢查是設計示例,並非經測試的供應商入口網站整合。

  12. 阿里雲開發者社區 AI45

    RPA 並行任務踩坑:同時操作淘寶、抖店及拼多多的死鎖與資源管控方案

    作者記錄以 RPA 同時管理淘寶、抖店及拼多多 11 家店舖時遇到的全局鎖僵死、瀏覽器假死、共享檔案損壞及元素失效連鎖問題。方案採用三層管控,按店鋪分鎖、限制瀏覽器實例配額,並以原子化資料操作、重試及熔斷處理失敗流程。實測工作站同時運行 5 個實例便達資源瓶頸,因此將實例池上限設為 4 個,每個平台最多並行 2 個。