跳到正文
11月11日週三
  1. DEV Community42

    Arcade Lab:從玩遊戲到製作遊戲

    作者建立 Arcade Lab,以自製小型網頁引擎承載六款瀏覽器遊戲,從玩遊戲走到製作遊戲。引擎採用 TypeScript、Vite 和 Canvas 2D,AI 協助加快實作;六款遊戲在兩天內開始可玩,之後仍需完善選單、動畫、作品圖像及觸控控制。

  2. O'Reilly Radar65

    衡量 AI 對軟件開發的非預期後果

    James Shore 探討如何衡量 AI 在軟件開發中的非預期成本,包括可維護性、倦怠及鎖定風險。他建議追蹤增值工作比例、DORA 指標及 token 用量,並用維護成本、程式碼變更量和鎖定情境模型推演影響。作者指出,相關指標可能噪音較大且延遲顯現;按他的經驗,增值工作比例的趨勢往往要三至六個月才會顯現,指標應用於評估做法,而非員工。

  3. DEV Community34

    Pointwise 如何透過 AI 評審檔案從六種視角改善軟件工作量估算

    Pointwise 在 GitHub 整合式 Planning Poker 應用程式中提供可選的 AI 評審檔案,使用 GitHub Copilot 從不同專業視角審視 GitHub Issue,協助團隊估算軟件工作量。六種視角包括工程師、UX 設計師、產品負責人、QA 工程師、業務分析師及安全工程師,分別着眼於實作、體驗、範圍、邊界情況、需求完整性和安全問題。

  4. 第一財經59

    百度文心5.5 Flash Preview正式發佈

    百度正式發佈文心5.5 Flash Preview,並已在百度智能雲千帆平台提供 API 調用。模型覆蓋從真實代碼庫修復迭代到完整構建複雜應用的編碼場景;每百萬 Token 輸入忙時 2 元、閒時 1 元,輸出忙時 8 元、閒時 4 元,限時五折。模型權重將於 11月25日 面向全球開源社區發佈。

  5. 阿里雲開發者社區 AI46

    開發鴻蒙應用為甚麼要用聲明式 UI?ArkUI 與傳統寫法有何分別

    ArkUI 採用聲明式 UI,讓框架根據狀態重算介面,取代傳統命令式寫法中由開發者手動同步資料與介面的做法。這種方式可避免因漏改而造成介面與資料不一致,但開發者需要適應描述狀態與介面關係的新思維。原文建議循序練習約一至兩週,並提醒留意 @State 裝飾器、物件屬性變更和狀態劃分。

  6. 阿里雲開發者社區 AI61

    Qwen4-Max 預覽版首發上線千問 AI 平台 Token Plan,雙十一優惠 5 折

    阿里推出 Qwen4-Max 預覽版,首發在千問 AI 平台 Token Plan 開放體驗。文中列出雙十一 5 折優惠,並稱 Token Plan 用戶可限時以 2 折體驗,新用戶再享折上 5 折、最低 1 折;千問辦公、Qoder、千問 APP、QwenStudio 亦可體驗。文章稱 Qwen4 的世界知識、感知、編程及智能體能力升級,開發者提前內測成果提及 3D 建模、網頁設計和互動表現。

  7. DEV Community76

    Codex 在 OpenAI 以約 200 字提示詞修復 CI 測試逾 1,000 小時:支撐運作的 5 項設定決策

    OpenAI 工程加速團隊一名工程師在 DevDay 分享,Codex 以約 200 字、沒有程式碼的提示詞,連續六週處理失敗的 CI 測試,累計運行逾 1,000 小時。

    推薦理由:文章將長時間 CI 修復任務中的提示詞、權限邊界、自我驗證和資源限制整理成五項配置,呈現可複用的 Agent 工作方法。

  8. 阿里雲開發者社區 AI57

    LikeShop 單商戶標準版二次開發實戰:接入大語言模型批量生成商品標題與賣點

    LikeShop 單商戶標準版二次開發教程示範如何接入大語言模型,批量生成商品標題、副標題、賣點及 SEO 關鍵詞,並先將結果存為待審核內容。方案以 PHP 7.2 和 ThinkPHP 5.1.x 為目標環境,使用 CLI worker 異步處理,並提供 JSON 輸出校驗、人工審核、一鍵回滾及 token 和費用記錄。

  9. DEV Community50

    90% AI 程式碼配額:大型科技公司為何製造脆弱的程式碼庫

    Kürşat Yılmaz 批評大型科技公司以 AI 程式碼配額及提交速度衡量工程師,認為這種做法會削弱程式碼庫的可維護性。據 Evan X. Merz 的回顧,Meta 的績效要求涉及至少 90% 程式碼由大語言模型生成,而他的新僱主據報已提高至 100%。文章指出,表面測試覆蓋率、過度抽象、工程師失去系統理解,以及 PR 審查超載,均可能令生成程式碼難以維護。

  10. DEV Community52

    聯絡表單的自訂驗證程式碼沒有問題,只是從未執行

    作者發現,聯絡表單的自訂驗證程式碼沒有出錯;瀏覽器原生驗證會先攔截格式不符的電郵地址,令 submit 事件處理程序無法執行。在表單加入 novalidate 後,瀏覽器不再阻止提交或顯示自己的提示,程式仍可透過 email.checkValidity() 檢查格式。作者亦在三個欄位加入 required,讓輔助科技識別必填欄位,同時繼續使用自訂錯誤訊息。

  11. DEV Community49

    使用 Zod 為 LLM Web API 實現結構化輸出

    Zod 結合模型供應商原生的受限解碼,可讓 LLM Web API 按 JSON Schema 生成結構化輸出,並解析為具型別的 TypeScript 物件。與只保證輸出可解析的 JSON Mode 不同,Structured Outputs 會約束必需欄位、值類型及列舉選項;但業務規則等語義驗證仍可能失敗,文章建議最多重試兩次。

  12. InfoWorld45

    軟件開發者需要一份 AI 智能體宣言

    編碼智能體令軟件實作不再是主要瓶頸,軟件開發者需要重新思考開發方法及團隊組織方式。文章探討以規格為核心、按客戶意見反覆更新規格的開發模式,結合 Waterfall 的規格先行與 Agile 的迭代,並提出由編碼智能體按規格生成應用程式。

  13. DEV Community69

    AI 編碼智能體的任務完成標準:以獨立證據進行驗收

    AI 編碼智能體的任務完成應由可執行契約界定,列明允許修改範圍、預期結果、所需證據及獨立驗收方式。建議把各項檢查的命令、結果和產物記錄成證據收據,再由沒有寫入權限的獨立驗證者重新檢查。只有通過獨立核驗的任務才可標記為 accepted;證據不足則轉為 needs_review,而非當作已完成。

  14. 阿里雲開發者社區 AI52

    AI 使用率達 90% 後,研發效能平台以 Git 數據度量最容易踩的 4 個坑

    AI 編碼普及後,單靠 Git 提交次數、程式碼行數及 PR 流轉數據衡量研發效能,可能造成指標虛高,也不能直接代表業務價值。文章整理四類風險,包括把活動量當成產出、只觀察倉庫內流程、忽略質素風險,以及跨團隊排名;建議結合完整交付價值流與質素指標,並以團隊自身的歷史基線追蹤改善。

  15. IT之家57

    Simon Willison 藉助 Claude Code 開發 Beep Locator,將室內聲源定位至約 40 釐米範圍

    Simon Willison 藉助 Claude Code 開發聲音定位系統 Beep Locator,透過多部裝置共同錄音,將室內聲源定位至約 40 釐米範圍。系統比較聲音抵達不同設備的時間差,並以快速傅裏葉變換從環境雜音中識別提示音。他最後在紙箱中找到舊一氧化碳探測器,項目程式碼已在 GitHub 公開。