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 41–60 條 · 共 313 條
11月18日週三
  1. DEV Community86

    Nvidia 11月17日業績前瞻:Jensen Huang離任後首份業績及五項觀察重點

    Nvidia 將於 2026年11月17日公佈 2027 財年第三季業績,這是 Jensen Huang 11月12日即時辭任後的首份業績;臨時 CEO Colette Kress 將出席業績電話會議。

    推薦理由:文章將收入預期與毛利率指引,和 Jensen Huang 離任後的接班及競爭風險並列,呈現業績評估如何同時涉及營運前景與管理層穩定性。

  2. AWS Machine Learning Blog62

    ArisGlobal 如何在 Amazon Bedrock 上透過提示詞快取擴展生成式 AI 推理

    ArisGlobal 調整 Amazon Bedrock 請求順序,改為快取跨請求重用的共用提示詞前綴,以降低 NavaX 的推理成本。生產請求中,約 65% 的輸入 token 以較低費率從快取讀取,令有效輸入成本約下降 50%;在每月超過 19 billion tokens 的用量下,整體月度推理支出約下降 40%。此設計亦支援約 15% 更多企業租戶進駐,而 EU 跨區域推理路由維持不變。

    推薦理由:案例展示多租戶工作負載如何按跨請求重用程度安排快取前綴,而非優先快取單次個案的大型文件,並提供部署與監測要點。

11月17日週二
  1. DEV Community76

    兩份安全報告分析攻擊者如何使用 AI 智能體,並整理防護方法

    CloudSEK 與 NorForge 於 2026 年發布的兩份報告,分別記錄 Hermes 智能體被用於攻擊塔吉克政府系統,以及 Cairn 平台逾 20 個控制面板暴露的情況。文章整理的防護做法包括限制工具權限、避免智能體接觸常駐憑證、使用受限且短效的 token,以及要求不可逆操作先經人工批准。文中亦提供一套使用測試副本與虛假資料執行的 30 分鐘檢查流程。

    推薦理由:文章把兩宗報告中的配置問題轉化為可逐項核對的智能體防護清單,並提供使用測試副本與虛假資料的 30 分鐘自查流程。

  2. The Guardian Technology84

    Anthropic IPO:如何認購股份,是否值得投資?

    Anthropic 將於本週四在 Nasdaq 上市,發售 825m 股 A 類普通股,IPO 價格區間為每股 $70 至 $78,最終價格將於週三確定。英國個人投資者可透過 AJ Bell、Hargreaves Lansdown、Robinhood 和 eToro 申請,最低投資額分別為 £1,000、£250、$250(£189)和 $250(£189)。

    推薦理由:文章並列 Anthropic IPO 的認購價格區間、英國平台門檻,以及公司治理、盈利前景和市場波動風險,交代散戶考慮直接認購時面對的主要因素。

  3. DEV Community77

    exploit_agent 自動化補丁差異分析及漏洞利用程式生成與執行,無需人工介入

    GTIG 在一台公開的 staging server 上發現多智能體框架 exploit_agent;它會比較網絡應用程式修補前後的程式碼、分析潛在漏洞,並自動生成及執行漏洞利用程式,過程無需人工介入。

    推薦理由:文章把補丁差異分析、自動化漏洞利用流程與受害端可觀測訊號串連,並整理調查和防護要點,提供追查此類攻擊鏈的實務脈絡。

  4. AWS Machine Learning Blog62

    製造業多智能體系統的設計模式、反模式與架構選擇

    AWS Machine Learning Blog 梳理多智能體協調模式與常見反模式,並提供按任務及製造業限制選擇架構的指引。文章將模式分為由開發者預設流程的 Tier 1,以及由模型在執行時決定流程的 Tier 2,建議由 Tier 1 起步,僅在子任務需於執行過程中浮現時採用 Tier 2。

    推薦理由:文章區分預先定義流程與模型自主決策兩類編排,並以製造業的延遲、安全與邊緣數據限制,説明各自適用情境和較簡單的架構選擇。

  5. AWS Machine Learning Blog64

    Duco 如何利用 Amazon Bedrock AgentCore 改造金融數據自動化流程

    Duco 以 Amazon Bedrock 和 Amazon Bedrock AgentCore 重建智能體 AI 技術堆疊,支援金融機構在多租戶隔離環境中自動化數據流程。按需載入 MCP 技能將主要上下文由約 200,000 tokens 降至約 20,000 tokens,減少 90%,對帳流程部署速度提升 10×。一間全球銀行的新對帳流程接入成本下降 70%,直通處理率提升逾 20%。

    推薦理由:文章拆解多租戶隔離、按需載入 MCP 技能及多模型分工,並以部署速度、成本和上下文縮減數據呈現其落地做法。

  6. AWS Machine Learning Blog64

    Amazon Bedrock Managed Knowledge Base 如何按租戶自訂回答

    Amazon Bedrock Managed Knowledge Base 可透過檢索指令,為不同租戶設定各自的回答語氣、格式、檢索指引及回答政策。檢索指令本身不限制可檢索的文件,需配合 metadata filter 或分開的知識庫控制租戶資料存取。文章亦示範如何固定指令版本、逐租戶推出更新,並從 Planning trace 確認回應採用的指令版本。

    推薦理由:文章拆解租戶指令與 metadata filter 的分工,並示範如何固定版本、追蹤回應及逐租戶推出變更,以管理指令更新。

  7. AWS Machine Learning Blog62

    Amazon Bedrock Guardrails Denied Topics 撰寫最佳實踐

    AWS Machine Learning Blog 提出 Amazon Bedrock Guardrails Denied Topics 的八項撰寫最佳實踐,建議按用戶意圖而非主題領域界定拒絕內容。

    推薦理由:以虛構銀行客服案例呈現八項撰寫原則,重點在把拒絕範圍寫成具體意圖與行為,並分清 Denied Topics 和其他政策的適用情境。

11月16日週一
  1. DEV Community80

    Grok Build 35,578 個應用程式在未登入狀態下仍可存取資料

    Claroc 研究人員測試了 43,551 個 Grok Build 應用程式網址,其中 35,578 個在未登入的瀏覽器中仍可開啟。文章指出,問題在於讀取時缺少授權檢查;當日仍在線的應用程式中,94.7% 可供陌生人存取,只有 1,993 個回應 401。作者建議盤點可透過連結存取的物件,並在讀取時執行授權檢查,監察未登入用戶的拒絕請求。

    推薦理由:文章把分享連結與讀取授權分開討論,並整理應用程式、檔案、Agent 記錄及快取等暴露面,提供一套可執行的安全檢查方向。

  2. DEV Community81

    如何用 15 分鐘檢查 Lovable 或 Supabase 應用程式能否讓訪客免登入讀取資料

    Vishal Solanki 提供一套 15 分鐘檢查流程,讓使用 Lovable 或 Supabase 建立應用程式的開發者核實未登入訪客能否讀取資料。流程包括檢查 RLS、資料表權限和政策,使用 publishable key 模擬未登入請求,並測試帳戶間的資料隔離、Storage bucket 及前端是否洩漏 secret key。

    推薦理由:文章把 Supabase 權限檢查拆成 RLS、資料表授權、匿名請求及雙帳戶測試,讓開發者可從實際回應核對資料是否對未登入訪客開放。

11月15日週日
  1. DEV Community77

    模型 token 用盡時,智能體框架可能仍執行未完成的工具呼叫

    模型因輸出 token 上限在工具呼叫途中停止時,部分智能體框架仍會執行不完整呼叫,可能以截斷或空白參數執行操作,並記錄為成功。作者在 Langroid 和 Heym 發現相關問題:前者的寬鬆 JSON 修復把原本要求退款 1000 的參數截成 10,後者則因空參數預設值關閉所有客戶的工單;兩項問題均已修復。

    推薦理由:文章以 Langroid 和 Heym 的已修復問題説明截斷呼叫如何變成實際操作,並提供以本機假伺服器重現及檢查智能體工具流程的方法。

  2. DEV Community80

    Gemini 4 Carbon 逆向解讀:運作方式、規格與安全數據

    Om Shree 根據 Google 公開文件分析 Gemini 4 Carbon,整理其產品定位、API 規格、安全設計及官方披露的基準結果,並區分文件內容與作者推論。

    推薦理由:文章把 Google 文件中的已披露規格與作者推論分開,並對照公開版和網絡安全限定版的差異,呈現 Carbon 能力數據的適用範圍。

  3. DEV Community78

    十宗編碼智能體刪除檔案或終止程序事故,追查實際執行的 Shell 指令

    作者分析 Claude Code、Codex、Antigravity 和 opencode 涉及的 10 宗檔案刪除或程序終止事故,發現多數是命令經 Shell 解析或路徑處理後偏離原定目標。

    推薦理由:文章把 10 宗編碼智能體事故追溯到 Shell 解析與路徑處理細節,並按根因整理可直接套用的防護做法。

11月14日週六
  1. AWS Machine Learning Blog63

    如何透過 NVIDIA NeMo Switchyard 在 Amazon Bedrock 為編碼智能體請求路由至合適模型

    這篇教學示範如何在 Amazon Bedrock 上部署 LiteLLM 與 NVIDIA NeMo Switchyard,將編碼智能體的請求路由至合適模型。Switchyard 的 LiteLLM 整合支援 Stage 與 Random 兩種路由策略,並以路由模型組與單模型基線比較每個成功完成任務的成本。

    推薦理由:文章把智能體路由的比較指標從每 token 價格轉為每個成功完成任務的成本,並示範以相同任務比較路由模型組與單模型基線,按測試是否通過判定任務完成。

  2. AWS Machine Learning Blog62

    Amazon Bedrock AgentCore runtime 的快速工作階段啟動架構模式

    Amazon Bedrock AgentCore runtime V2 在建立或更新 runtime 時初始化容器並建立快照,新工作階段則還原快照,毋須每次重新初始化容器。文章説明如何量度工作階段啟動延遲,並建議把靜態工作移至 init,或用 build hook 預載無法保留在記憶體的檔案。若要低於 1 秒,可在用戶開始互動時於背景啟動工作階段,讓它在首個請求前就緒。

    推薦理由:文章拆解 V2 的快照建立與還原流程,並按不同延遲需求整理初始化、build hook 與預先啟動工作階段的實作選擇,説明各做法適用的啟動情境。

  3. DEV Community81

    作者重現權重檢查,五款中國開放權重模型呈現 Blackwell-class GPU 指紋

    DEV Community 作者 frank chu 重現 Will DePue 的權重指紋檢查,五款中國開放權重模型的初始權重特徵指向 Blackwell-class GPU。

    推薦理由:文章拆解如何從未訓練 embedding 權重比對隨機種子與 SM 佈局,並界定指紋所能支持的硬件推論及其不能回答的地點與合規問題。

  4. AWS Machine Learning Blog66

    Amazon Bedrock 如何追蹤 AI 開發及生產力工具成本並設定支出控制

    Amazon Bedrock 可透過 IAM 主體歸屬,追蹤經由平台呼叫推理的 AI 開發及生產力工具的個別用戶成本,並配合不同機制管理支出。教學示範以 IAM Identity Center 傳遞用戶身份及團隊、成本中心標籤,再透過 CUR 2.0、Athena 和儀錶板查看成本。

    推薦理由:文章串連 IAM Identity Center、CUR 2.0 與 Athena,展示如何追蹤 Bedrock 工具的個別用戶成本,並比較不同支出控制方案的執行延遲與運維取捨。