跳到正文
11月19日週四
  1. DEV Community51

    加拿大科技會議出行:商務訪客還是工作許可?行前核對清單

    Titanium Law Professional Corporation整理加拿大科技會議的行前核對清單,指出是否涉及工作許可應按旅客在加拿大實際進行的活動判斷,而非只看邀請函上的名稱。清單涵蓋任務、報酬安排、預期交付成果,以及行程、邀請函和僱傭資料是否一致。若涉及交付服務、具生產成果的培訓或安排不明,文章建議出發前尋求專業意見;旅客亦須另行核對入境要求,並可能需要簽證或電子旅行授權。

  2. DEV Community54

    如何用純文字 AGENTS.md 管理 AI 長期記憶與專案指引

    這篇教程介紹以專案根目錄或子目錄中的純文字 AGENTS.md,為 AI 編碼智能體保存可檢視、可版本控制的專案規則。它提供規則範本,並建議先界定禁止事項、以多步任務測試,再把 AGENTS.md 納入 Git 管理。智能體執行目錄內任務時,執行環境會讀取相應檔案,並將規則加入提示詞上下文。

  3. DEV Community48

    閲讀漏洞賞金報告學到的 20 件事

    作者從公開漏洞賞金報告中歸納出 20 項狩獵經驗,涵蓋權限與租戶範圍、舊功能開關、驗證流程、API 回應及被遺忘資產等漏洞線索。文章指出,AI 模型輸出不可信;越獄或提示注入須導致資料外洩、未授權操作等實際影響,才構成有意義的漏洞發現。

  4. DEV Community28

    Physical AI 如何連接工業營運中的感測器、決策與實際行動

    Physical AI 將感測器收集的工業數據交由 AI 分析並作出決策,再透過已批准的操作控制設備或機械人,並以回饋確認行動是否達成目標。文章介紹設備診斷與預測性維護、品質檢查、機械人、數碼孿生及互聯工業系統等應用,並指出安全邊界、測試、數據品質和網絡安全等工程考量。

  5. DEV Community61

    Node.js 冪等 Webhook:如何處理重複投遞並避免重複副作用

    Ali Ahmed 示範以 Node.js 建立冪等 Webhook 處理器,透過資料庫原子認領事件 ID,以應對重試和重複投遞。實作使用內置 `node:sqlite`,完成後標記事件,失敗時釋放認領,並接管超過五分鐘未更新的認領。由於外部副作用完成後,程序仍可能在標記完成前崩潰,資料庫認領不能單獨保證只執行一次;可在支援冪等鍵的下游 API 傳入冪等鍵,或將資料庫副作用與認領放在同一交易。

  6. OpenAI News70

    Codex 沙盒如何在用戶現有環境限制命令的檔案及網絡存取

    OpenAI 詳解 Codex 沙盒如何透過作業系統的隔離機制,在用戶現有環境中限制命令對檔案系統及網絡的存取。內建 :workspace 權限設定允許工作區內寫入、廣泛讀取檔案並預設停用網絡,用戶亦可自訂權限設定檔,或透過 codex sandbox 將沙盒執行整合到其他工具。

    推薦理由:文章串連權限設定、網絡代理與 macOS、Linux、Windows 的隔離實作,説明 Codex 如何在沿用本機開發環境時約束命令存取。

  7. Modal 官方工程博客47

    Miguel Novelo 如何在 Modal 上打造瑪雅銘文研究工具

    藝術家兼史丹福講師 Miguel Novelo 利用 Modal 建立快速流程,將二維瑪雅文字圖像轉成三維模型,探索以 AI 和雲端運算開發瑪雅銘文研究工具。他以約 100 個瑪雅音節符號起步,並計劃用展覽收集的訪客畫作持續改進流程。專用模型可結合文字形態與文化背景,補足通用大型語言模型未涵蓋的尤卡坦半島在地知識。

  8. DEV Community43

    以交易電郵範本及抑制名單控制,確保歡迎通知可稽核

    金融科技合規歡迎電郵應明確界定範本及抑制名單的管理責任,並分開保存訊息接受紀錄、送達證據和核準文件。應用程式管理範本可保留不可變更的修訂版本及輸入快照;由電郵服務商管理範本,則須保存範本參照、核准內容快照和所用變數。Infrai 提供純 REST API,適合亦需要帳戶用量及 PDF 生成的 Python 團隊,無須安裝 SDK 或管理客戶端程式庫版本。

  9. Meta Engineering Blog49

    Meta 一次設計、大規模部署:構建模板驅動的 ML 生態系統

    Meta 以標準模型模板(SMT)統一廣告排序模型設計,將逐模型迭代轉為可跨模型推廣的共享系統。過去兩年,該方法令每個模型的工程時間減少92%,推出5000+技術—模型組合;在服務容量不變下,離線模型質素平均提升0.63%,線上累計提升0.86%,涵蓋按數量計70%的模型。

  10. Meta Engineering Blog67

    Meta 如何運用 AI 智能體,擴展廣告排名模型的 ML 創新

    Meta 使用 AI 智能體加快已驗證 ML 技術在多元廣告排名模型中的推廣,並讓智能體承擔流程中需要判斷的工作。自 2026 年 3 月智能體開始執行相關工作以來,Meta 估計智能體處理超過 60% 的技術推廣;早期結果顯示工程生產力提高 3x、部分技術與模型組合的訓練計算量中位數降低 4x,並估計年底前可節省 $45M+ 計算成本。

  11. IEEE Spectrum47

    建立個人品牌,讓僱主找到你

    工程師可透過建立個人品牌,讓招聘人員更容易在網上找到自己。作者指出,招聘人員主要透過 LinkedIn 尋找人才;他在六年間累積 40,000 名追蹤者,YouTube 頻道則有 10,000 名訂閲者。建議每週發文兩次,分享實際工作、遇到的問題及所學,並寫給比自己資歷淺一兩步的工程師。

  12. DEV Community62

    我如何把每個 AI 智能體任務路由至仍有配額的最低價模型,以及過程中的問題

    作者用 Python 編寫路由器,將每項 AI 智能體任務交給仍有配額的最低價模型。路由器會略過付費模型及配額窗口使用率超過 90% 的模型;模型在啟動首 60 秒內失敗時,會改試同一級別的下一個候選模型,但不會自行升級級別。低價模型曾寫出令測試無限循環、記憶體升至 9 GB 的測試,也曾在腳本加入 419 行重複輔助函式。

  13. DEV Community66

    AI 編碼智能體如何因驗證、隔離與授權失誤

    文章指出,AI 編碼智能體的失誤幾乎不是智能不足,而是驗證、隔離或授權失當。文中提出讓檢查證明實際執行、在待合併提交的乾淨檢出版本上驗證,以及每個智能體使用獨立 worktree 等做法。對外或難以撤回的操作,須由人類就該項行動明確批准。

  14. DEV Community50

    自由工作者如何尋找網頁設計客戶

    自由工作者可從正在尋找網站服務的暖線索,以及網站有明顯問題的冷線索,尋找網頁設計客戶。作者在 11 月測試了 Iași 37 個本地商戶的 WordPress 網站,31 個有明顯問題,只有 5 個速度快。文章建議以特定行業建立作品集,並透過簡短速度審核提出具體修復方案。

  15. DEV Community49

    耳機裏混音聽起來正常,手機播放時音樂卻消失了

    一名 AI agent 發現,自己製作的四秒影片在耳機上聽得到鋼琴伴奏,手機播放時卻只剩狼嚎。測量顯示,250 Hz 至 1 kHz 是最響的頻段,鋼琴所在的 60 至 250 Hz 頻段低約 9 dB;手機揚聲器的可用頻率範圍約由 400 至 500 Hz 開始。作者建議較長的片段加入高八度、經 400 Hz 高通處理且低 18 dB 的伴奏,並以手機揚聲器檢查混音。

  16. DEV Community52

    如何用 Kiro Crew bots 理解陌生程式碼庫

    作者用 Kiro Crew bots 梳理開源專案 HyperFrames,約 10 分鐘便取得詳細報告和首次貢獻計劃。她以一句目標建立有驗收條件的追蹤項目,讓多個 worker 並行調查,並透過 Dashboard 查看里程碑和進度。她批准目標和里程碑後,bot 曾停在閒置狀態,需再發訊息提示它開始工作。

  17. DEV Community36

    數據分析師求職信指南:附可改編範例

    數據分析師求職信應以一個分析如何改變決策為核心,交代商業問題、資料處理、分析結果,以及誰根據結果採取行動。求職信須配合職位類型,並以相關經驗開篇;文中提供一封產品分析職位的範例,供讀者改編。

  18. DEV Community37

    音樂推薦系統:別再只推薦歌曲,開始理解用戶意圖

    新一代音樂推薦系統應從點擊預測轉向理解用戶意圖,結合多模態檢索、重新排序和智能體解説。建議架構涵蓋文字、音訊、協同及視覺嵌入,並以 RRF 融合候選結果;文中列出 Qwen3-Embedding、CLAP、VGGish 和 BGE-M3 等模型。系統目標延遲為 p95 檢索低於 40ms、重新排序低於 25ms,生成及解説低於 300ms 並以串流方式輸出。

  19. DEV Community42

    持份者協調計劃:改進路線圖

    文章提出改善持份者協調的路線圖,主張以正式計劃統一 AI 項目的目標、成功指標及決策權責。RAND Corporation 的 2024 年報告指出,超過 80% 的企業 AI 項目可能無法帶來有意義的商業價值,原因之一是持份者未能就 AI 的用途及成效評估達成共識。計劃包括分類持份者、制定技術、採用及商業指標、以 RACI 明確決策權責,並建立持續回饋機制。

  20. Hugging Face Blog65

    Transformers 如何在 32GB Mac 上推理 180B MoE 模型,解碼速度接近 Strata

    Transformers 的 MoE 專家串流實作在 32GB Mac M5 上運行 Qwen3.8-Flash-Next,200-token 解碼達 13.9 tok/s,與 Strata 的 14.8 tok/s 相差約 6%。

    推薦理由:文章以同一台 M5 和相同提示詞比較 Transformers 與 Strata,呈現專家串流優化後短文本解碼差距約 6%,並指出剩餘效能瓶頸。

  21. DEV Community63

    兩個 AI 智能體各自作出正確決定,卻共同破壞同一份共享狀態

    多智能體系統中的兩個 AI 智能體即使各自根據相同資料作出合理決定,也可能因並行修改共享狀態而造成資料不一致。文章以庫存為例,説明兩個智能體同時讀到 10 件庫存、分別嘗試預留 7 件和 6 件時,缺乏併發控制可能導致超賣或遺失更新。文中介紹原子資料庫更新、樂觀併發控制、冪等請求及 Saga 等做法,並指出協調流程不等於保護共享資料的一致性。

  22. NVIDIA Technical Blog:Agentic AI / Generative AI16

    如何在 NVIDIA Cosmos 中用兩個提示詞建立適合訓練的 Physical AI 數據集

    NVIDIA Cosmos 探討如何用兩個提示詞建立適合訓練的 Physical AI 數據集。高質素且多元的訓練數據集有助提升世界模型的準確度,但捕捉罕見缺陷、夜間事故等具挑戰性的情境既昂貴又耗時。原始數據整理成可供訓練的數據集,還涉及篩選、標註、生成及評估等複雜流程。

  23. DEV Community62

    LLM 工具調用如何運作:循環、Schema 與會令智能體出錯的常見問題

    文章解釋 LLM 工具調用如何透過工具定義、模型選擇、程式執行及結果回傳形成循環,並指出模型本身不會執行工具。程式碼應驗證參數、檢查權限、記錄工具調用,並為循環設定步數和成本上限。清晰的工具描述、具體的錯誤訊息,以及對破壞性操作的確認,有助減少智能體出錯。

  24. DEV Community26

    如何使用 Trader-GPT 建立及推出自己的 AI 交易機械人

    文章逐步説明如何結合 LLM 與即時市場數據,建立及推出 Trader-GPT 交易機械人,涵蓋系統架構、Python 實作和合規流程。示例使用 GPT-4 Turbo 或 Llama 2 70B 生成交易訊號,並以風險規則及不可篡改的日誌管理決策。內容亦提及 MiFID II、SEC 和 CFTC 的監管要求,以及生產環境的延遲、成本、安全和監控安排。

  25. DEV Community24

    如何打造 AI 交易機械人:趨勢、工具與程式碼

    這份指南説明如何打造 AI 交易機械人,並提供可執行的 Python 原型、合規檢查要點及成本估算。原型以 Llama-2-7b-chat-hf 分析即時價格數據和新聞標題,產生買入、持有或賣出訊號,並可向 Alpaca 模擬交易帳戶下單。AWS g4dn.xlarge 單 GPU 執行個體約 $0.70 / hour;市場數據及券商 API 費用是主要開支。

  26. DEV Community64

    編碼智能體如何選擇要使用的技能

    作者提出一套檢查編碼智能體技能選擇的方法,分開核對技能是否被發現及載入,以及後續行為有否遵守請求範圍。測試應涵蓋詞彙相近但意圖不同的請求,並記錄客戶端、模型、啟用技能、提示詞和工具軌跡;文中的案例是建議測試,並非實測結果。