跳到正文
11月19日週四
  1. DEV Community48

    企業用戶必須留意的 App 開發變化

    App 開發者和聘用開發者的企業用戶須留意摺疊屏幕支援、App Store 下架政策及 AI 開發流程三項變化。Google Play 將於 April 2027 起要求 App 達到 Android 自適應 App 品質指引 Tier 3,並在商店頁面加入 3 張摺疊屏幕截圖;August 2027 起,新 App 和更新亦須以 API level 37 為目標。

  2. 阿里雲開發者社區 AI34

    構建企業級 AI 智能監督系統:多模態即時分析與風險預警實踐

    方案提出構建企業級 AI 智能監督系統,以分層架構接入影片流並進行即時推理,支援目標檢測、OCR 識別及規則聯動預警。系統透過時間窗口平滑和冷卻機制合併重複事件,並將告警連同截圖及軌跡座標用於自動建立工單。文章亦説明邊緣部署、私隱脱敏及使用新標註數據微調等優化做法。

  3. 阿里雲開發者社區 AI28

    構建企業經營分析 AI 數據平台:從多源融合到智能決策落地

    文章提出面向企業經營分析的 AI 數據平台方案,以湖倉一體分層架構整合多源數據,並以大語言模型作為交互中樞。平台結合 RAG 與向量數據庫,把自然語言查詢映射至底層查詢語句或腳本,支援自動計算指標及趨勢預測。方案亦涵蓋數據權限管控、人工復核和模型可靠性監控。

  4. 阿里雲開發者社區 AI49

    Qwen3.8-Flash 技術全解:稀疏注意力機制、百萬級長文本與 API 對接實戰

    Qwen3.8-Flash 採用 GDN+QSA 混合稀疏注意力機制,原生支援百萬 Token 上下文窗口,文檔預填充速度提升 7 倍以上。模型亦採用四分支門控殘差及 51B 規模的 N-gram 嵌入查表參數,並支援 OpenAI 與 Anthropic 協議。開發者可透過雲端 API 使用,或下載開源權重在本地 GPU 部署。

  5. 阿里雲開發者社區 AI42

    阿里雲百煉 Token Plan 解讀:統一額度計費、技術架構與 API 接入教學

    阿里雲百煉 Token Plan 以訂閲方式提供多模型調用,透過統一 Credits 抵扣,兼容 OpenAI 與 Anthropic 協議,並支援文本、圖像、影片、語音等模型及內置工具。服務分為個人版和團隊版,團隊版提供席位管理與用量審計;專屬 API 密鑰以 sk-sp- 開頭,Harness 工具則須使用百煉通用密鑰。文章亦講解架構、套餐選擇、API 接入及成本管控。

  6. DEV Community76

    DeepSeek V4.1 Flash 1017 的 Agent 管線遷移指南

    作者整理 DeepSeek V4.1 Flash 1017 的 Agent 管線遷移指南,指出 deepseek-flash alias 已指向新 build,端點、模型名稱和價格未變,但 thinking 預設開啟、reasoning_effort 預設為 high。

    推薦理由:文章把 thinking 預設開啟、工具回合須完整保留 assistant message 等遷移風險整理成檢查清單,並區分作者實測與轉述數據,方便判斷各項調整依據。

  7. DEV Community29

    機械人網絡安全——第12章:網絡安全案例研究 [KR]

    AMR 車隊遭遇網絡入侵,攻擊者利用工程工作站探索網絡並嘗試接觸車隊管理組件。調查未發現惡意移動指令成功到達機械人控制層的證據,但事件揭示過度的橫向存取可能造成營運中斷。應對措施包括隔離受感染工作站、撤銷受影響憑證,並分階段恢復機械人服務。

  8. DEV Community31

    Robot Cybersecurity 第 11 章:合規與認證

    IEC 62443 為工業自動化與控制系統提供網絡安全框架,將安全責任延伸至產品開發、系統整合、部署及整個運作生命週期。框架以區域與通道劃分安全邊界,並按風險、系統功能、威脅能力及潛在後果設定安全要求。對 ROS 2 及 DDS 機械人系統,認證、存取控制、加密、證書管理、記錄及漏洞修復均可納入整體網絡安全計劃。

  9. DEV Community36

    機械人網絡安全——第10章:實體 AI 安全 [KR]

    《Robot Cybersecurity》第10章梳理實體 AI 機械人的安全風險,涵蓋感測器操縱、提示詞注入、學習政策弱點、模型供應鏈及機械人羣組中的威脅。章節指出,AI 推理與實際執行之間須設置獨立安全監控,以限制或拒絕不安全指令;系統亦須驗證命令來源與權限。

  10. DEV Community33

    機械人網絡安全 — 第09章:事故應變與復原 [KR]

    機械人機隊的網絡事故應變計劃須涵蓋偵測、隔離、調查、清除威脅及復原,同時保障人員與設備安全、營運連續性、數據及數碼基建。隔離措施應配合安全的實體操作,並在安全條件許可下先保存證據。復原須分階段驗證,並由網絡安全與營運或安全人員共同批准恢復服務。

  11. DEV Community28

    機械人網絡安全——第08章:機械人網絡安全測試 [KR]

    機械人網絡安全測試章節提出一套系統化策略,評估軟件、硬件、通訊、AI 組件及操作介面的安全控制,並涵蓋安全邊界失效可能造成的物理行為。測試範圍包括組件、整合、系統及機隊層級,並結合靜態分析、動態分析、漏洞掃描、滲透測試及模糊測試。測試環境可由模擬逐步延伸至實體機械人及受控機隊;具攻擊性的測試須配合隔離區、緊急停止及網絡隔離等安全控制。

  12. DEV Community35

    機械人網絡安全 — 第 07 章:OTA 與韌體安全

    OTA 更新須視為涵蓋建置環境、網絡、Bootloader、儲存空間及機械人執行平台的端到端信任鏈,而非單純檔案傳輸。防範回滾攻擊須同時驗證韌體真偽及版本新舊,並保護防回滾狀態;防範韌體注入則須驗證簽署及完整性。威脅模型亦須涵蓋 OTA 用戶端、簽署金鑰、供應鏈及復原機制。

  13. 阿里雲開發者社區 AI23

    構建高效施工質量 AI 遠程監督系統:從多模態識別到雲端協同實踐

    這套施工質量 AI 遠程監督系統採用雲邊協同架構,由工地邊緣節點即時識別缺陷,雲端負責分析、儲存與跨項目管控。系統支援 RTSP 影片流接入,以 TensorRT 加速推理,並透過 MQTT 傳輸告警,推理延遲控制在 50ms 以內。方案涵蓋混凝土裂縫、鋼筋間距超標及模板支撐失穩等問題,並可生成整改工單。

  14. 阿里雲開發者社區 AI46

    阿里雲免費上雲教學:申領雲服務器、命令行實操與告警設定

    阿里雲免費上雲教學講解免費雲服務器及其他雲產品的申領、使用、額度監控與避坑方法,並示範命令行操作及告警設定。免費權益分為限時和限額兩類,資源到期或超出免費規格、配額後可能轉為收費。停止 ECS 實例不會終止所有費用;不再使用時須備份資料並釋放資源。

  15. 阿里雲開發者社區 AI47

    千問大模型入門指南:網頁端與 API 免費額度及實操流程

    千問大模型提供網頁端免費體驗和 API 新人免費 Token 額度,分別適合日常使用及開發者測試、原型開發。網頁端支援文件上載解析和多輪對話;API 可透過 curl、Python 呼叫,並支援流式輸出及工具呼叫。使用 API 前應開啟免費額度用盡即停,避免額度耗盡後按量計費。

  16. DEV Community29

    貨運無人機自主飛行與飛行 AI — 第 06 章:航線規劃與空域整合

    本章説明貨運無人機如何以四維軌跡規劃協調航線與空域管理,將位置和時間一併納入飛行規劃。規劃需考慮飛機性能、空域限制、風況及抵達時間的不確定性,並按飛行時間、能源消耗、空域風險等目標作多準則最佳化。系統亦可透過比較飛行器的四維佔用範圍識別潛在衝突。

  17. DEV Community26

    貨運 UAV 自主與飛行 AI — 第 04 章:UAV 自主導航

    貨運 UAV 自主導航架構連接任務意圖與即時飛行控制,透過感知、狀態估算、環境表示、規劃、軌跡生成、引導及安全監督,形成閉環導航流程。架構整合多種感測來源,按可信度調整導航來源,並在 GNSS 不可靠時轉用其他定位參考。全域與局部規劃、動態可行的軌跡及避障功能,須配合載荷、飛行性能和機動限制。

  18. DEV Community23

    貨運 UAV 自主飛行與飛行 AI — 第 03 章:飛行控制軟件

    貨運 UAV 的飛行控制系統採用分層閉環架構,將任務級運動指令逐級轉化為致動器控制指令。位置、速度、高度、姿態及角速度控制器按動態速度分層運作,多旋翼的推力與力矩指令則經控制分配後傳至各推進單元。系統亦需考慮載荷變化、外部擾動及各控制層之間的頻寬分隔。

  19. DEV Community24

    貨運 UAV 自主飛行與飛行 AI——第 01 章:貨運 UAV 自主飛行基礎

    本章説明貨運 UAV 的自主飛行層級及運作概念,涵蓋由遠端飛行員持續監督,到執行任務自動化及條件式自主飛行的不同安排。自主系統須整合導航、感知、路線規劃與飛行控制,並按能源、載荷、天氣及空域限制持續評估和調整任務。安全邊界、故障應變及失聯時的預設行為,亦是自主運作的重要部分。

  20. DEV Community67

    WorkSwarm 工具權限如何阻止 AI 智能體失控

    這篇教學以 WorkSwarm 0.2.7 示範設定工具權限,由執行環境在每次工具呼叫前按政策決定放行、要求批准或拒絕。設定可拒絕遞迴刪除及 shell 讀取 .env,並以 file_guard 限制工作區外的檔案存取;未列明的 shell 命令則須先批准。配套測試以毋須 API key 的模擬模型執行,三次運行均各通過 17 項檢查。

  21. DEV Community33

    融合 IBEX35 的 3 種信號來源:技術指標、情緒與地緣政治(GDELT)

    研究示範把技術指標、GDELT 地緣政治訊號及 RSS 標題情緒訊號整合,用於分析 IBEX35 的 15 隻成分股。分類器的 AUC-ROC 為 0.5280,策略 Sharpe 比率為 2.56,高於 Buy & Hold 的 1.83;系統的價值在於判斷失誤時減少損失,而非提高市場方向命中率。這是研究及技術示範,並非財務建議或投資推薦。

  22. DEV Community61

    使用 Spring AI、Google ADK 與 A2A 構建跨語言 AI 智能體

    文章示範以 Java 的 Spring AI 協調器透過 A2A 呼叫 Python 的 Google ADK 專家智能體,建立跨語言供應商研究流程。示例使用 A2A 1.0 和 Agent Card 尋找端點,並由確定性程式碼處理端點選擇等流程;協調器保留最終判斷及人工審核,專家只提供證據。供應商資料採用本地示範 fixture,並非即時營運研究。

  23. DEV Community41

    如何識別虛假註冊:註冊資料中的警號

    辨識虛假註冊應綜合電郵、電話、IP 位置、密碼及填表行為等訊號,不能單憑一項警號判定;可按訊號強弱允許、交由人工審核或封鎖。Veritus 在註冊時執行七項資料補充檢查,再由 LightGBM 模型於 100 毫秒內回傳 0–100 分,並提供可讀的判斷原因。

  24. 阿里雲開發者社區 AI50

    阿里雲計算巢 + ECS 一鍵部署 DeepSeek Harness 教學

    阿里雲計算巢與 ECS 可一鍵部署開源智能體框架 DeepSeek Harness 社區版,流程包括取得百煉 API Key、建立部署服務及透過 Web UI 使用。部署約需 3 分鐘,Web UI 透過 Nginx 反向代理及計算巢安全代理提供外部存取。DeepSeek Harness 為開發者預覽版 v0.1,亦可透過命令列或 Python SDK 安裝和擴展插件。

  25. 阿里雲開發者社區 AI35

    阿里雲新用戶上雲省錢指南:輕量、ECS、GPU 伺服器優惠匯總

    阿里雲為新用戶提供輕量應用伺服器、ECS、GPU 伺服器及大模型服務平台的首購優惠,涵蓋特價套餐、代金券和免費試用額度。輕量伺服器入門套餐低至38元每年,ECS經濟型e實例為99元一年,u1實例為199元一年。優惠受新客資格、機型庫存及地域限制,價格和庫存會動態調整。

  26. DEV Community58

    如何將 LangSmith 匯出的數據集轉換至 RAGAS,避免欄位靜默丟失

    LangSmith 匯出數據集轉入 RAGAS 需要重組資料欄位;若鍵名不符,user_input 可能全空而不報錯,metadata 等欄位亦會遺失。文中列出缺少 reference 時無法執行的評估指標,並提供欄位檢查及手動轉換示例。作者亦開發 ragasconverter.com,可轉換多種格式並列出欄位的重命名、展平、嵌套或丟棄情況;工具在瀏覽器運行,無需上傳或註冊。

  27. DEV Community54

    AI Agent 上線前的可觀測性:應記錄哪些內容

    文章建議在 AI Agent 上線前記錄每次執行的決策路徑、工具呼叫及結果,並追蹤任務完成、重試、工具錯誤和延遲。記錄可包括 run ID、工作流程和提示詞版本、工具狀態及錯誤類別;儲存前應遮蓋機密資料和個人資料。作者建議先為一個關鍵工作流程設定成功標準、記錄各項決策和外部操作,再測試依賴項故障,並針對可採取行動的異常設定告警。

  28. DEV Community53

    AI 驗證缺口:如何審查 AI 生成程式碼,避免未經核實便放行

    Umer Amin Durrani 提出 AI 生成程式碼的審查方法,建議先核對預期行為與變更範圍,再檢查測試、安全及失敗路徑。測試通過只是證據,不能證明所有風險已消除;模型的解釋和第二輪審查結果也應視為待核實的假設。作者建議由人員負責是否接受修改,並以涵蓋意圖、假設、測試、安全、操作、回滾和責任歸屬的清單重複檢查。

  29. DEV Community59

    AI Agent 評估:如何測試答案會變動的工作流程

    AI Agent 評估應以行為要求而非固定句子判定工作流程是否成功,避免輸出措辭不同令測試脆弱或產生錯誤信心。每項工作流程先訂明用戶目標、允許操作、所需證據及不可接受結果,再用涵蓋真實請求、邊界情況和已知失敗的測試集,評估任務完成、事實依據、工具選擇、政策遵循、升級處理、延遲和成本。