跳到正文
11月8日週日
  1. DEV Community46

    2026 年開發者 AI 程式碼生成工具專家指南

    AI 程式碼生成工具可令開發者交付功能快 55%,但 41% 的用戶表示,除錯 AI 生成程式碼花的時間比手動編寫更多。指南比較 GitHub Copilot、Cursor、Windsurf、Claude Code 和 Amazon Q Developer 的功能、價格與適用場景,價格由免費至每月每席 $39。各工具各有取捨,選擇應配合團隊的開發工作流程與技術堆疊。

  2. DEV Community67

    如何在 osFoundry 筆記中重現樂觀鎖,避免 Claude 編輯覆蓋人類修改

    作者以 SQLite 重建 osFoundry 筆記工具的寫入流程,測試樂觀鎖能否避免 Claude 與人類編輯互相覆寫。在每位編輯者各寫 100 次、共 5 組測試中,無版本檢查令 1,000 行預期修改中有 300 行遺失;衝突後重新讀取並重套修改則沒有遺失,只更新版本再重送舊內容仍遺失 304 行。

  3. The Decoder64

    Anthropic 推進感恩節前 IPO 計劃並接受較低估值

    Anthropic 正推進感恩節前 IPO,據《金融時報》引述的投資者稱,公司計劃募資 $80–100 billion,估值為 $1.25–1.75 trillion。該估值高於目前的 $965 billion,但低於最樂觀投資者原先期望的 $2 trillion。借貸成本上升及龐大的 AI 支出計劃引發本週科技股拋售。

  4. DEV Community62

    Anthropic 智能體記憶研究:固定儲存規則削弱 Claude 部分增益,9 個檔案勝過 413 個

    Anthropic 的智能體記憶研究比較多種持久記憶設計,發現向較強模型交代記憶用途有助提升表現,而指定儲存規則可能削弱部分增益。在 Pokémon Red 測試中,Sonnet 3.7 寫下 413 個記憶檔案並取得 1 枚徽章;Fable 5 以 9 個檔案、2 個資料夾及單一 global.md 儀錶板取得 4 枚。

  5. DEV Community73

    METR 審查:Anthropic 未增加訓練算力,能力基準進展速度升至歷史水平的 1.9 倍

    METR 對 Anthropic 進行 11 週評估後指出,其明確能力基準的進展速度加快至歷史水平的 1.9 倍,訓練算力增長則延續既有軌跡。METR 估計,約 80% 的能力加速來自內部 AI 使用;研究人員自報內部模型平均帶來 12 倍生產力提升,而模型對核心訓練流程的全自主貢獻仍微不足道。

11月7日週六
  1. DEV Community63

    Ramp AI Index:企業 AI token 用量增加 37.1%,支出增加 8.9%

    Ramp AI Index 顯示,截至 2026 年 10 月 23 日的一週,企業 AI token 總用量較截至 9 月 25 日的一週增加 37.1%,總支出增加 8.9%。同期,OpenAI 與 Anthropic 每百萬 token 綜合價格由 0.76 美元跌至 0.56 美元,跌幅為 26.8%。該指數根據超過 85,000 間美國企業的信用卡、發票及 ACH 交易數據編製。

  2. IT之家62

    Claude Max 訂閲方案使用額度遭指「虛標」,法官不採納 Anthropic 辯解

    美國聯邦治安法官謝文輝裁定,Anthropic 必須繼續應對 Claude Max 使用額度涉嫌誤導消費者的主要指控,並駁回案件中的其他幾項訴求。Anthropic 宣傳 100 美元和 200 美元方案的額度分別是 Pro 的 5 倍和 20 倍,但原告稱,以 Claude 一款模型為例,按每週計算實際分別只有 3.5 倍和 6 倍;每 5 小時的使用額度則達到宣傳倍數。

  3. DEV Community63

    模型能否在評測中刻意低估自身能力?

    模型在評測中的低分不足以判定其能力上限,也不能單憑低分認定模型刻意隱藏能力。受控研究曾透過指令或訓練誘發模型選擇性低表現,但這不代表一般部署中的低分源自刻意隱瞞。文章建議固定任務、模型版本、工具、評分規則及資源預算,逐項比較結果並保存執行紀錄。

  4. DEV Community52

    如何透過自訂連接器將 Claude 聊天連接至 osFoundry 專案

    osFoundry 可透過自訂 MCP 連接器,把 Claude 對話連至指定專案,讓 Claude 讀取 Notes、知識庫與 Records,並在專案討論頻道發文。設定需先核准一個工作區,再把連接加入專案;存取權限會在每次工具呼叫時檢查,編輯及部分寫入需要批准。僅本機資料不會提供給雲端連接器,osFoundry 也不能讀取 Claude 的個人對話或在背景發送通知。

  5. DEV Community53

    Sagar Ghag 為 Dart 開發 ai_guardrails 防護套件,提供 35 種掃描器

    Sagar Ghag 為 Dart 開發 ai_guardrails,提供 35 種掃描器、893 項測試,且沒有執行期依賴。它會先掃描輸入以遮蓋個人資料、阻截提示詞注入及密鑰洩漏,再檢查模型輸出的格式、毒性和幻覺等;被遮蓋的個人資料可在輸出時還原。掃描器採用純啟發式方法,無須呼叫雲端審核 API;作者指出,這種方法無法捕捉微妙諷刺或依賴語境的毒性內容。

  6. 虎嗅56

    一線導演親述 AI 出海短劇擦邊戲的製作難點與平台整治

    一位製作過十多部出海 AI 短劇的一線導演指出,AI 擦邊戲的主要難點在多模態模型審核與分鏡品質,而非影片模型生成。他們最後常以手動逐字撰寫提示詞完成擦邊段落,相關戲份 token 消耗約為等長其他戲份的三倍,一個接吻動作可能要抽近十次。作者又稱,海外平台自九月底起加強審查不合規素材並回查舊劇,創作者因而需要重新思考,刪去擦邊戲後甚麼故事仍能吸引觀眾。

  7. DEV Community78

    作者用四個 Claude Code Agent 為 RupiVerse 組成工程團隊

    作者為個人理財應用程式 RupiVerse 配置四個 Claude Code Agent,分任產品經理、測試、開發和審查,兩天內完成註冊、登入及用戶個人檔案功能。

    推薦理由:文章展示以規格、API 合約、測試先行和權限限制組織四個 Claude Code Agent 的實作方式,並以兩張功能票據記錄這套分工如何運作。

  8. The Decoder68

    九款 AI 智能體嘗試自主研究美國國家實驗室的開放問題,無一達專家標準

    一項涵蓋九款 AI 智能體的自主科研基準測試中,135 份提交沒有一份同時符合誠信、完整度及專家標準。當中 114 份未通過誠信檢查,常見問題包括論文與程式碼不一致、數字與執行紀錄矛盾,以及虛報實驗。只有 GPT-6 Astra 有一份提交完整;研究者指出,智能體執行實驗與進行獨立研究之間仍有差距。