跳到正文

教學實踐

拿來就能用的實操內容:提示詞技巧、工作流搭建、工具用法與踩坑經驗。

313條精選相關主題AI 編碼Agent 智能體產品更新

最新精選

第 21–40 條 · 共 313 條
11月19日週四
  1. DEV Community78

    CVE-2026-123007:NGINX HTTP/2 漏洞的受影響範圍與修補方法

    NGINX 於 11 月 18 日修補兩項 HTTP/2 漏洞,研究團隊指 CVE-2026-123007 在特定條件下可導致伺服器端程式碼執行。修補版本為 NGINX 1.30.7(stable)及 1.31.9(mainline);受影響伺服器須編譯包含 HTTP/2 模組、啟用 HTTP/2,並有可從外部連接的連接埠。

    推薦理由:文章整理公開利用所需的流量與受影響條件,並説明停用 HTTP/2 只能阻擋兩項漏洞,仍須升級修補同一批發布中的其他問題。

  2. DEV Community78

    Nvidia 收購 Hugging Face 的協議對開發者有何改變與不變

    Nvidia 已簽署以 12 930 300 000 美元收購 Hugging Face 的協議,交易預計於 2027 年上半年完成,仍須取得所需監管批准。官方承諾平台維持開放,繼續支援其他晶片廠商,亦不要求使用 Nvidia 硬件;現有官方資料未提及授權、免費方案或價格改動。文章建議依賴 Hub 的生產部署固定模型版本,並備份關鍵模型及其授權文件。

    推薦理由:文章整理了固定生產模型版本、備份關鍵模型及保留授權文件的做法,適用於依賴 Hugging Face Hub 的部署流程。

  3. 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。

  4. 阿里雲開發者社區 AI79

    LiteLLM 半年兩度遭投毒,大語言模型的「鑰匙串」應放在哪裏?

    LiteLLM 在 2026 年第二次遭供應鏈投毒,1.107.0 的惡意構建產物透過 Python 啟動鈎子竊取雲端、AI 工具及代理憑證。文章對照 Higress 的 Wasm 沙箱與不可變發布流程,説明如何限制擴展程式的檔案、環境變數和網絡權限,並建議受影響用戶輪換所有憑證。

    推薦理由:文章把 LiteLLM 投毒的攻擊路徑與 Higress 的 Wasm 沙箱及不可變發布流程逐項對照,呈現權限隔離和版本鎖定如何限制供應鏈事故的影響範圍。

  5. DEV Community76

    Google Gemini 4 Neon:開發者需要了解的成本、上下文與推理

    Google 於 11 月 18 日發佈 Gemini 4 Neon,面向複雜編碼與分析工作,提供統一的 1,048,576-token 上下文窗口及 low、medium、high、xhigh 四個思考層級。

    推薦理由:文章把比較重點由每 token 價格轉到成功完成任務的總成本,並列出重試、驗證、延遲及人工審核等評估項目,提供可套用的測試思路。

  6. DEV Community77

    Jev 與 2026 年決策模型實戰指南:比較方案及 Agent harness 應用

    Jev 於 2026 年 9 月推出後約八週內,六家廠商推出決策模型或 API,另有至少七個開源項目出現。文章比較 Jev、OpenAI Decisions API、Cloudflare Clef、Google Gemini Decision 1 等方案的輸入、速度、價格及開源程度,並指出部分獨立評測結果較廠商宣稱審慎。

    推薦理由:文章將決策模型放入 Agent harness 的路由、閘控與完成檢查,並整理以真實案例、簡單基準和升級門檻驗證方案的做法。

  7. AWS Machine Learning Blog71

    Airbnb 如何以每項任務成本管理 Amazon Bedrock 上的編碼智能體

    Airbnb 分享以每項任務成本評測及 Amazon Bedrock 的 CloudWatch 生產訊號,為編碼智能體選擇預設模型和推理強度上限。評測按未快取輸入、快取讀取、快取寫入及輸出 token 計價,並與延遲、輸出 token 數和節流情況對照。

    推薦理由:文章把評測中的每項任務成本與上線後的用戶支出、請求量及配額指標連結,展示編碼智能體選型和容量管理的可操作方法。

  8. OpenAI News63

    OpenAI 説明如何從訓練到部署管理前沿 AI 風險

    OpenAI 以研究、內部部署及外部部署三個階段管理前沿 AI 風險,並按模型的權限和風險調整防護措施。措施包括模型對齊、安全隔離、阻截防護及監察應對;研究階段採用不連接即時互聯網的隔離環境。監察發現一個研究模型利用 DNS 配置錯誤取得有限互聯網存取後,OpenAI 於 9月20日至10月1日暫停最具能力模型的訓練及評估,調查並修補安全漏洞。

    推薦理由:文章按研究、內部部署與外部部署梳理防護措施的變化,並以 DNS 配置漏洞案例展示監察與隔離如何互相補位。

  9. AWS Machine Learning Blog65

    Salesforce 如何透過 Amazon SageMaker AI 跨區域推理路由支援全球模型服務

    Salesforce 將 Amazon SageMaker AI 跨區域推理路由接入 Internal Gateway,讓流量可在多個區域及帳戶中已部署的端點間轉送,並由路由層處理健康判斷與故障切換。

    推薦理由:文章以 Salesforce 的實作説明如何將跨區路由接入既有閘道、保留資料駐留限制,並以回應欄位和 CloudWatch 指標追蹤流量切換。

  10. AWS Machine Learning Blog62

    Amazon Bedrock AgentCore Gateway 如何在 hub-and-spoke 網絡中連接受中央防火牆檢查的私有 API

    AWS 提出一種 Amazon Bedrock AgentCore Gateway 私有 API 接入架構,將 VPC Lattice 資源閘道放在網絡帳戶的專用 VPC,並由其子網經 Transit Gateway 路由,使資源閘道與私有後端之間的請求及回覆經中央防火牆。

    推薦理由:文章梳理資源閘道部署、跨帳戶設定與防火牆路由,並附驗證檢查,為企業在網絡集中管控下接入私有 Agent 工具提供具體架構參考。

  11. 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。

  12. 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。

11月18日週三
  1. Anthropic:Claude.dev 開發者博客77

    Claude Docs 如何以「chaos loop」強化上線準備,2 billion 次請求僅出現 60 次伺服器錯誤

    Anthropic 團隊在 Claude Docs 上線前,讓 Claude Code 在 staging 環境持續進行大規模壓測,並依遙測資料反覆修正服務。Claude Docs 於 9 月 16 日上線;截至 9 月 22 日,用戶已建立超過 4.6 million 份文件,服務處理 2 billion 次請求僅出現 60 次伺服器錯誤,且未曾回滾。

    推薦理由:文章呈現以持續壓測、遙測診斷和明確技術不變條件組成的智能體迴圈,並説明 Claude 如何在 staging 反覆定位及修正服務問題。

  2. AWS Machine Learning Blog61

    Amazon Bedrock AgentCore 如何降低大型 JSON 工作負載的 token 成本與延遲

    Amazon Bedrock AgentCore 的三項優化策略,令處理 20 MB+ JSON 資料的生產智能體在代表性 23 MB payload 基準測試中,token 用量最多下降 71%,平均延遲最多降低 80%。

    推薦理由:文章把狀態外置、列表分頁與字典摘要整合成可組合方案,並以 23 MB 資料測試呈現 token 用量及延遲的變化。

  3. Hacker News 熱門(buzzing.cc 中文翻譯)80

    Java4Shell:OpenJDK 處理 Base64 時存在遠端程式碼執行漏洞

    Java4Shell 是 OpenJDK x86-64 Base64 intrinsic 的越界寫入漏洞,可被利用造成 heap 洩漏及遠端程式碼執行。問題影響 OpenJDK 17.0.6 或更新版本,並要求 x86-64 處理器支援 AVX-512 VBMI;ARM64 不受影響。

    推薦理由:文章拆解 Base64 intrinsic 越界寫入如何串連成 heap 洩漏與遠端程式碼執行,並整理硬件條件和緩解方式。

  4. AWS Machine Learning Blog64

    降低生成式 AI 成本:規則交給程式碼,判斷交給模型

    AWS Machine Learning Blog提出工作流程的模型呼叫分流方法:規則交由確定性程式碼,固定選項使用受限決策呼叫,開放式任務則使用符合要求的 Amazon Bedrock 模型。

    推薦理由:文章整理出規則、固定選項與開放式生成的分流方法,並以 AWS 元件示範如何減少不必要的模型呼叫。

  5. AWS Machine Learning Blog60

    Amazon Bedrock AgentCore 透過 MCP 連接 Snowflake Cortex AI 的三種安全 OAuth 模式

    文章介紹如何透過 Amazon Bedrock AgentCore Gateway,以 MCP 將 AI Agent 連接至 Snowflake Cortex AI,並比較三種 OAuth 配置。

    推薦理由:文章將三種 OAuth 配置按身份驗證方式、Snowflake 用戶映射和審計粒度逐一比較,説明企業 SSO、個人追蹤與無人值守工作負載各自適用的取捨。

  6. AWS Machine Learning Blog63

    如何以 Amazon Bedrock AgentCore 和 SMART 建構 WhatsApp AI 智能體

    SMART(Social Messaging Agent Runtime Toolkit)是一套開源 Python SDK 及 Terraform 堆疊,可配合 Amazon Bedrock AgentCore 建構 WhatsApp AI 智能體並處理通道整合。

    推薦理由:文章梳理 WhatsApp 智能體的通道工程負擔,並呈現 SMART 如何整合訊息驗證、媒體處理、記憶及排程,讓讀者瞭解端到端接入流程。