跳到正文
11月9日週一
  1. Simon Willison61

    把冗長的 AI 生成 PR 描述收進 <details><summary>

    Simon Willison 分享一種整理 AI 生成 PR 描述的方法:在 GitHub Markdown 中以 <details><summary> 收起完整説明,並在前方提供人工編輯的精簡介紹。他通常以模型名稱(有時連同 effort level)作為可展開區塊的摘要,讓讀者先了解 PR 用途;完整的智能體撰寫內容仍保留在區塊內,有時也會附上截圖。

  2. DEV Community50

    ParkEase 開發經驗:AI 説「完成」不代表已檢查

    Onkar Deokate 分享以 Claude Code 獨自開發 ParkEase 的經驗,指出 AI 完成付款功能後只描述了安全措施,並未實際執行安全審查。他建議在宣告完成前實際執行審查或驗證命令,並查看輸出。首次部署時,所有測試均通過,仍有三個錯誤漏過;以實際建置連接真實 API 後,幾分鐘內便找出問題。

  3. DEV Community40

    當註解自稱「Known」,AI 審查員並不接受

    作者以一個重複標題檢查函式測試「Known」註解能否令 AI 審查員放過漏洞;兩次審查均找出切片錯誤,第二次亦指出註解的説法未經程式驗證。這只是單一函式、單一提示詞的測試,不能説明較大型或非專項審查是否也會識破誤導性註解。

  4. 阿里雲開發者社區 AI39

    前端與 AI 工程師如何由「按圖施工」轉向「按契約施工」

    前端與 AI 工程師在 Schema-As-Code 體系中,改以掛在工具鏈上的機器產物消費規則,由「按圖施工」轉向「按契約施工」。規則落地為語義令牌的枚舉值、語義域的場景化 Props 類型,以及提交時可追溯至契約條款的 CI 攔截報告。文檔級指令提供概率引導,Schema 與 CI 則負責確定性攔截。

  5. 阿里雲開發者社區 AI41

    前端與 AI 工程師如何由「按圖施工」轉向「按契約施工」

    前端與 AI 工程師在 Schema-As-Code 體系中,改以掛在工具鏈上的機器產物消費規則,由「按圖施工」轉向「按契約施工」。規則落地為語義令牌的枚舉值、語義域的場景化 Props 類型,以及提交時可追溯至契約條款的 CI 攔截報告。文檔級指令提供概率引導,Schema 與 CI 則負責確定性攔截。

  6. 阿里雲開發者社區 AI43

    前端與 AI 工程師如何由「按圖施工」轉向「按契約施工」

    前端與 AI 工程師在 Schema-As-Code 體系中,改以掛在工具鏈上的機器產物消費規則,由「按圖施工」轉向「按契約施工」。規則落地為語義令牌的枚舉值、語義域的場景化 Props 類型,以及提交時可追溯至契約條款的 CI 攔截報告。文檔級指令提供概率引導,Schema 與 CI 則負責確定性攔截。

  7. DEV Community59

    重跑至通過屬於選擇偏差:用序列檢驗分流 Agent 補丁

    文章提出以序列機率比檢驗(SPRT)判斷 Agent 補丁的測試失敗屬於隨機波動還是回歸,避免採用重跑至首次通過便放行的規則。示例以 p0 = 0.3、p1 = 0.9 計算每次結果對似然比的影響,單次失敗不會直接否決補丁,而是讓檢驗繼續。作者亦要求先測量基線失敗率、確認各次執行相互獨立,並檢查補丁是否改動測試。

  8. DEV Community58

    48 小時排查記錄:每筆資料均解析成功,對賬仍相差 0.01

    作者排查發現,批次中每筆記錄雖均成功解析,對賬總額仍差 0.01,問題涉及 JSON 數字被轉成浮點數及不同金額格式。文章以 Decimal 建立金額閘門,拒絕已轉成浮點數、超過兩位小數及含歧義的逗號格式,並用測試案例表列明各種格式的接受、正規化或拒絕結果。作者建議在 json.loads(payload, parse_float=str) 保留原始數字文字,再交由閘門判斷。

  9. 阿里雲開發者社區 AI57

    從一句需求到可驗證結果:Python 如何讓 AI Agent 真正執行任務?

    Python-Use 將 Python 執行環境作為主要操作入口,串連 AI Agent 的任務規劃、程式執行、回饋與結果驗證。文章以批次整理 Excel 為例,示範檢查輸入檔、校驗欄位、清洗合併資料,以及重新讀取輸出檔核對行數和欄位。文中並指出需限制檔案、命令及網絡權限;標準化且權限要求嚴格的操作,仍可採用固定工具接口。

  10. DEV Community62

    CLAUDE.md 如何因內容臃腫而推高模型使用費用

    CLAUDE.md 會在智能體每一輪重複納入輸入前綴,因此檔案過大會增加 token 成本,頻繁修改亦可能令快取失效並提高後續輸入費用。文中以 Sonnet 5、4,000 tokens 和 40 輪為例,估算全程命中快取約 $0.032,未命中則約 $0.32。作者建議只保留長期有效的規則,將任務狀態和文件資料移出 CLAUDE.md,並在工作階段之間集中修改。

  11. DEV Community62

    Amp Spaces 如何把多智能體協調交由單一 Agent 統籌

    Amp 推出 Spaces,讓用戶以單一智能體對話交代工作目標,由它拆解任務、建立對話串並協調其他智能體。Amp 團隊稱已用 Spaces 協作開發該功能、管理服務帳戶功能發布及定期安全檢查;一次受監督的檢查把程式碼庫分成 16 個部分,並提交 14 個問題。文中指出,案例均來自 Amp 團隊自身,協調智能體若誤解目標可能影響其建立的對話串,而更多對話串亦會增加模型調用與上下文成本。

  12. DEV Community59

    大量審查 AI 生成程式碼時,各程式碼託管平台的容量上限

    AI 程式碼審查在大量運行時會受三種不同上限制約:程式碼託管平台的 API 配額、審查服務商的用量配額,以及審查器的觸發頻率。Azure DevOps 延遲請求仍回傳 HTTP 200,可能令未執行的審查被記錄為成功;文章建議先處理平台限流,再按團隊推送頻率設定審查節奏,減少對每次中間提交都觸發審查的依賴。

  13. DEV Community56

    Kiteline 如何把手機檔案交給電腦上的編碼 Agent

    Kiteline 讓用戶從 iPhone 將收到的檔案傳送至電腦上的編碼 Agent 工作階段,也可開啟 Agent 回覆中提及的電腦檔案。檔案會原樣儲存在執行工作階段的電腦,訊息會帶有檔案路徑供 Agent 讀取;已結束的工作階段會在交付前由電腦恢復。桌面端支援 Mac、Windows、Linux,無需 API key,也不會改動 Agent 設定;目前沒有 Android app。

  14. DEV Community62

    推出 AI 程式碼審查前必備的三道護欄

    Honey Kiran 提出 AI 程式碼審查 rollout 的三道護欄:把審查指令當作政策管理、分階段推出,並衡量有效回饋而非只看 token 用量。文章指出 GitHub Copilot 的審查指令會從 PR 的 head branch 讀取,因此建議以 CODEOWNERS 保護指令檔並先用測試 PR 驗證;推出時先以低風險 repo 試點,維持非阻擋式審查。

  15. DEV Community62

    Claude Opus 5.5 與 GPT-6.1 Sol 編碼智能體評測:兩者隱藏測試全通過,Opus 平均用時 82 秒

    作者以 OpenCode 和六項 Python 任務比較 Claude Opus 5.5 與 GPT-6.1 Sol,兩者在 24 次執行中均通過所有隱藏測試。Opus 平均每項用時 82 秒、成本 $0.094,Sol 則為 152 秒和 $0.098。測試只涵蓋六項小型、自成一體的 Python 任務,作者表示無法據此判斷兩者在更難任務上的表現。

  16. DEV Community48

    我不再分開查看 Codex 和 Claude Code 的用量,因此開發了 CodeRim

    CodeRim 是一款開源桌面應用程式,讓用戶集中查看 Codex 和 Claude Code 等 AI 編程工具的用量限額及重設時間,毋須在不同儀錶板之間切換。它支援查看本機 token 使用紀錄、追蹤編程工作階段及切換多個帳戶,並適用於 macOS 和 Windows 11。CodeRim 以 MIT 授權在 GitHub 開放源碼。

  17. DEV Community60

    Claude Code 如何透過 osFoundry 智能體網絡向 Codex 求助

    文章示範如何透過 osFoundry 智能體網絡連接 Claude Code 與 Codex,讓兩者在共享專案中互傳私訊並查詢工作進度。各 CLI 分別透過 MCP 連線並完成 OAuth 登入,加入同一專案後,還需由工作區管理員啟用智能體網絡;Codex 則透過 wait_for_messages 等候訊息。智能體只能查看共享頻道或專案內的對象和資訊,程式碼不會經 osFoundry 傳送。

  18. DEV Community64

    企業如何以盲測比較 AI 工具

    文章建議企業透過盲測比較 AI 工具,按自有任務的品質、修正時間、成本、工作環境配合度及資料處理方式評分。流程包括挑選 8 至 10 個已結案工單,以相同提示詞和上下文測試三款工具,並在揭盲前預先設定權重;文中亦建議每 90 天重測一次。

  19. 阿里雲開發者社區 AI54

    阿里雲百煉 API 入門教學:領取免費 Token、設定 API-Key 並完成串流調用

    這篇阿里雲百煉 API 教學示範如何開通服務、領取免費 Token、建立 API-Key,並設定本地環境以完成串流調用。文中列出新用戶可獲超 7000 萬免費 Token、有效期為 90 天,並指出額度按模型獨立計算,部分帳戶需手動領取。教學亦提供 curl、Python 調用範例,以及 OpenAI 相容工具的設定方式。

  20. DEV Community49

    Paradev 的平行 Agent 編排:Git worktrees 如何讓多個編碼 Agent 在同一個程式碼庫中並行工作而互不衝突

    Paradev 透過 Git worktrees 為每項 Agent 任務建立獨立工作目錄、分支及終端工作階段,讓多個編碼 Agent 可在同一程式碼庫並行作業。檔案衝突只會在合併分支時出現,Paradev 不會自動解決衝突。Paradev Pro 支援在遠端主機執行 Agent,並透過 macOS 或 iPhone/iPad app 管理工作;流動版目前只供檢視。

  21. DEV Community63

    AI 智能體撰寫程式碼,真的有人審查嗎?

    作者提出 AI 智能體程式碼的四層審查框架,主張以自動化靜態及行為檢查處理大部分驗證,人手則聚焦於系統邊界、合約和測試品質。文中的 TypeScript CI 範例涵蓋 lint、型別檢查、機密資訊掃描、測試和 mutation testing,並建議將 PR 大小限制在 300-500 行,超出時拆分或提出書面理由。