OpenCode 2.3.0 背景執行的 AI 助理和即時操作怎麼選
OpenCode 2.3.0 讓子 AI 助理在背景繼續工作,使用者可以同時處理其他事,但也比較難看到每一步。不同助理各自從新的工作內容開始,可能重讀資料或重複呼叫模型;背景工作適合彼此獨立、耗時較久的搜尋和測試,逐步除錯則比較適合留在原本的工作階段。新版也會把多次工具操作收進摘要,想看完整過程可以調高 Verbosity。文章提醒,平行工作能省下等待時間,但任務若互相牽連或修改同一份內容,就不一定適合交給背景助理。
OpenCode 2.3.0 讓子 AI 助理在背景繼續工作,使用者可以同時處理其他事,但也比較難看到每一步。不同助理各自從新的工作內容開始,可能重讀資料或重複呼叫模型;背景工作適合彼此獨立、耗時較久的搜尋和測試,逐步除錯則比較適合留在原本的工作階段。新版也會把多次工具操作收進摘要,想看完整過程可以調高 Verbosity。文章提醒,平行工作能省下等待時間,但任務若互相牽連或修改同一份內容,就不一定適合交給背景助理。
🎉 vLLM 首日支援騰訊混元的 Hy4! 一個模型處理文字、圖片和影片:閱讀視覺檔案、比較圖片,並結合文字推理影片片段。 1/4 https://t.co/vftPPimxj7
畫精準的工程圖時,常需要圖層、尺寸標註和不同格式的檔案。CADCraft 是用 Rust 製作的免費開源 2D CAD 工具,可以繪圖、加上標註與剖面線,也能輸出圖面,並支援 DWG、DXF、PDF、SVG 和 PNG。它可在 Windows、macOS、Linux、FreeBSD 和網頁上使用,也提供讓 AI 助理自動建立、檢查和轉換圖面的功能。建築師、工程師、學生和創作者都能使用,不必訂閱或註冊帳號。
換用不同 AI 工具時,常得重新說明專案背景和工作進度。OwlMem 把記憶放在同一個地方,連上服務的 AI 都能讀取;例如在 Claude Code 記下專案如何部署,再到 ChatGPT 詢問,就能接著回答,不必手動搬資料。作者也提供自動安裝和手動設定方式,首次連線時要登入並授權。免費方案可連線兩個 AI;ChatGPT 自訂連接器能不能使用,則取決於方案和工作區設定。
想在 Mac 上玩 Android 遊戲,常見做法得把遊戲指令轉換後才能執行。APK PlayStudio 改用 Apple Silicon 支援的 ARM64 硬體虛擬化,讓 ARM64 Android 遊戲直接在 Mac 上跑;遊戲觸控也能對應滑鼠和鍵盤操作。不過,只有 64 位元版本的遊戲可以安裝。作者分享了開發時遇到的畫面、卡頓和登入問題,例如把畫面更新流程改成分兩步處理後,在高負載下的卡頓畫面比例從 8.2% 降到 0.2%。這款工具需要 M1 或更新的 Mac,目前仍在 Mac App Store 審核中。
Gemini 的任務模式能在背景處理較長的工作,但各地能不能免費用、能用哪些功能並不相同。Google 將原本叫 Gemini Spark 的功能改名為「任務」,在美國、日本、韓國、加拿大、澳洲和印度開放免費使用;臺灣仍須訂閱 Google AI Pro 或 Ultra。使用者可以交辦多步驟工作或設定重複排程,也能在 Gemini 裡建立檔案、整理信件和安排日曆。美國另可使用代打電話、Google Pay 代結帳、轉寄 email 和傳簡訊交辦等功能。代結帳通常會先詢問同意,但若事先設定預算內自動下單,就可能直接購買;Google 也提醒任務仍可能做錯,並建議不要在對話中輸入密碼或付款資料。
取餐碼、車票和電影票常散在不同 App 裡,想檢視時得來回切換。作者獨立開發的 iOS App「浮屏」(Floato),只要收到一張截圖,就會用 AI 辨認內容並做成卡片,放在鎖定畫面、動態島或桌面小工具上;用完後標記完成,卡片還會留在日曆回顧裡。它也能整理訂閱扣款,記下週期和金額。截圖會上傳給模型服務商處理,辨識可能需要等待;新使用者有 10 點免費辨識額度,會員月費為 1.99 美元。
整理發票、對帳和月結資料常要在多個地方來回查,出錯時也得花時間找原因。OpenAI 推出 ChatGPT 會計外掛,可連線 QuickBooks、Xero 等軟體,草擬分錄和發票、比對交易,也能找出底稿中的差異,交給人檢查。各家開放的許可權不同,有些只能讀資料,有些能新增或修改帳務紀錄;實際能用哪些功能也取決於方案和工作區設定。核准分錄或報表前,仍要由人檢視佐證資料並做最後決定。產品頁尚未公佈適用方案、價格與地區。
GPT-Live-1.1 的語音費用會隨連線時間累積,閒著沒用時也可能繼續收費。文章整理 OpenAI 的計價方式:使用中每分鐘 $0.05,符合條件的 WebRTC 待機時每分鐘 $0.02,而且按秒計費;後端模型和工具則另外收費。作者用客服通話、線上語言教學和長時間開著的桌面助理,示範不同設定下的費用差異。文中也提醒,WebSocket 和 SIP 不適用較低的待機費率;長時間不用時關閉連線較省,但使用者回來前,系統無法聽見他說話。
在 Mac 上完成一件事,常得自己切換不同程式、找資料再填表。Google 推出 Gemini 的 Computer Use 功能,使用者用日常語言交代任務後,Gemini 就能在背景視窗操作應用程式、檔案和網站,像是從 PDF 擷取資料並填寫表單;工作進行時,使用者仍可繼續使用電腦。使用者可以指定 Gemini 能存取哪些應用程式、檢視即時預覽並隨時暫停,重要操作也須先經核准。目前功能只在美國推出,僅支援英文,並開放 Google AI Plus、Pro 和 Ultra 付費使用者使用。
AI 摘要把數字做成圖表後,看起來更可信,但數字可能抄錯,也可能是模型自己算出來的。Siftlume 的作者更新了這款 Chrome 擴充功能,讓圖表和重點數字連回原文段落;對不上來源的數字會標示為「未驗證」,由其他數字計算、且來源和算式都核對通過的結果則標示為「推算」。PDF 等檔案也能開啟原文並標出段落。不過,來源和算式核對通過,仍不能保證模型正確理解了原文。
手機放在一旁充電,或放在口袋裡時,可能被人拔掉充電線、拿走或移動,卻沒能及時發現。獨立開發者做了 Android App Rilvo,提供四種防護模式:拔掉充電線、手機被從口袋拿出、啟動防護後手機移動,以及用個人 PIN 控制解除警報;也能自訂警報聲。不同手機對感測器和背景運作的處理方式不同,可能影響偵測效果,因此開發者正在改善可靠度與相容性,並邀請使用者回報誤報、漏報和使用感受。
PyTorch Inductor 把一長串資料寫入操作合併執行時,每個工作區塊都會讀取大量用不到的資料,拖慢了補零工作。這次修正調整了圖形最佳化方式,遇到較長的寫入鏈時,改成直接把資料寫進指定位置,避免重複讀取。在 GB300 的本機測試中,每輪工作約省下 25 毫秒;GB200 測試也觀察到每輪至少省下 44 毫秒。
推薦理由:這項 PyTorch Inductor 修正說明,長鏈融合可能讓每個執行區塊重複讀取不需要的資料,並以實測呈現改用原地寫入後的效能差異。
設定機器人模擬環境很花時間,工程師得替每個 3D 物件調整位置、碰撞和摩擦等細節。文章描述 NVIDIA 把 GPT-6 Astra、GPT-6 Sol 和 Claude Opus 5.5 接進 Omniverse,讓 AI 助理讀懂帶有物理資訊的 3D 資料,再依照文字指令產生機器人控制程式、反覆模擬測試。例子中,Claude Opus 5.5 搭配一張 NVIDIA RTX PRO 6000,同時模擬 768 臺機器人;跑了 14 秒後,有 766 臺保持穩定。這種做法能減少手動設定和測試的工夫,讓工程師更快準備機器人訓練環境。
把 Claude API 金鑰交給第三方工具,工具若遭駭,金鑰也可能外洩。Anthropic 推出測試版連結計費,讓使用者把 Claude Platform 組織連到工具,用量直接記在自己的帳上,金鑰不必交出去;目前有 19 家工具支援,也能替每個工具設定每月花費上限,或隨時解除連結。不過,這只適用直接向 Anthropic 購買 API 的組織,透過 AWS、Google Cloud 或 Azure 購買,以及只有 Pro、Max、Team 訂閱的組織都不能使用。
使用 CUDAGraph 時,有些程式需要自己安排執行圖的建立順序。這次 PyTorch 加入設定執行圖的功能,讓程式可以接手或清除已建立的執行圖;換掉的舊執行圖由呼叫端負責,新設定進去的則由 CUDAGraph 管理。原本的 instantiate() 不變,也移除了針對特定驅動程式的替代做法。
AI 語音助理在通話中可能把旁人的話也當成來電者的指示,讓辨識和對話出錯。作者實測 Krisp Voice Isolation API,先把背景人聲壓低,再把處理後的聲音交給語音辨識;測試的 8 段錄音中,背景語音造成的 331 個錯誤文字降到 0 個,整體辨識錯誤率也從 40.1% 降到 10.2%。不過,沒有旁人說話時,處理可能讓辨識稍微變差;API 目前只在美國運作,海外使用還會多出網路延遲。
語音 AI 助理在多人通話時,可能把旁邊的人聲也當成使用者的話,讓逐字稿和回話出錯。作者用 Krisp Voice Isolation 處理公開錄音,再用語音辨識模型轉成文字;在他測試的 8 段錄音中,背景人聲造成的 331 個錯誤轉錄詞降到 0,整體錯誤率也從 40.1% 降到 10.2%。不過,只有一個人說話的電話錄音可能略受影響,從亞洲連到美國區域的 API 也會增加網路延遲。
語音 AI 助理在通話中可能把旁人的話當成來電者說的內容,讓辨識結果和回話出錯。作者用 Krisp Voice Isolation API 處理 8 段公開錄音,再交給語音辨識模型轉成文字;測試中,辨識錯誤率從 40.1% 降到 10.2%,背景人聲產生的 331 個字也沒有出現在處理後的結果裡。不過,沒有其他人聲的乾淨通話有時會稍微變差;API 目前只在美國提供,遠距使用會多出網路延遲。這項工具較適合常在辦公室、家庭或客服中心接聽電話的語音 AI 助理。
產品上線後,團隊還得持續檢查資安、速度和無障礙問題。Google Labs 推出實驗產品 Stitch Loop,接上 GitHub 和產品資料後,會根據線上狀況提出修正、在隔離的雲端空間寫程式,再開 PR 等人審查;沒經過審查的修改不會進入正式版本。官方展示的例子中,它找出一個不用登入就能檢視所有客戶訂單的端點,並提出只讓登入客戶檢視自己訂單的修法。Stitch Loop 目前仍在實驗階段,修補漏洞和改善指標的成效數字尚未公佈。
Conductor 的本地工作區新增了能在聊天中直接顯示的 HTML 頁面,讓 AI 助理可以把內容做成可看的頁面。這項功能預設開啟,可到 Settings → Artifacts 關閉,也能透過 @ 名稱叫出;使用者還可以選取文字加上評論,並回覆聊天中的任意內容。Conductor 同時宣佈加入 Meta。
推薦理由:Conductor 說明瞭如何在聊天中叫出 HTML 頁面、對文字加註並回覆,並交代預設開啟與關閉位置,可直接瞭解這些功能怎麼加入本地工作流程。
AI 助理連線很多工具時,每次請求都帶上所有工具的完整資料,會增加輸入 token 和延遲,也可能讓模型更難選對工具。Google 在 Gemini Interactions API 推出預覽中的 Tool Retrieval,讓模型先看到工具名稱和說明,等需要時再載入完整引數資料,並在同一次請求中呼叫工具。開發者也能檢視模型搜尋和選擇工具的紀錄,方便找出名稱或說明不清楚的地方。這項功能沒有額外收費,但載入的工具資料仍會計入 token 費用;Google 尚未公佈節省幅度或效能測試,是否划算要看自己的工具使用情況。
AI 自動流程可能會改動正式資料,但只看提示詞、工具清單和服務帳號,很難知道每一步實際會做什麼。作者打造開源工具 Dittoly,讓審核者先檢視固定版本的流程、會連線的服務、寫入動作和每步使用的帳號;流程一經修改,就得重新核准。以 GitHub 審查流程為例,AI 寫好評論後,系統會先把要送出的內容交給人確認。作者也說明,核准不會固定 AI 模型;本機沙箱的防護能力有限,共用模式則要求使用容器。
🚨 MUSE 功能擴大開放快訊!!!🚨 電子郵件功能正在向支援市場的所有人推出 💌 選擇你的 @muse.ai 電子郵件帳號名稱,開始使用! https://t.co/O9SKoVXK1r
查詢企業登記資料時,開發者可能得接上不同國家的資料來源,還要處理帳號和 API 金鑰。Small API Lab 介紹一個由 AI 助理打造的查詢 API,可查巴西 CNPJ、歐盟 VAT 和全球 LEI;每次查詢收 $0.005 USDC,透過 x402 付款,不用註冊帳號。結果會整理成 JSON,並附上資料來源和查詢時間。資料來自公開登記處,查詢結果不能當成企業審查或法遵判定;服務目前是實驗,沒有 SLA 保證。
有些 AI 助理很吃電腦資源,也不容易從桌上型電腦搬到伺服器上接著工作。hope-agent 是用 Rust 編寫的開源工具,可以在電腦上操作,也能在沒有圖形介面的伺服器上持續執行;它會記住先前的工作,並把大任務拆成一連串步驟。像是要求它留意下載資料夾、整理新加入的研究論文,它就能在背景持續運作。它也能搭配 Ollama 等本機大型語言模型,或 OpenAI、Anthropic 的雲端服務,讓工程師用較輕巧的方式在自己的裝置上安排 AI 工作。
開發者請 AI 助理檢查網頁或接續工作時,常得自己操作瀏覽器、記得何時再送出請求。VS Code 1.147 新增瀏覽器操作功能,取得授權後,AI 助理能使用 Chrome 或 Edge 的登入狀態開啟測試網站並檢查頁面;登入和敏感操作仍由使用者處理。延後送出功能可安排請求稍後執行,也能在送出前修改或取消;電腦休眠時不會自動喚醒。新版另提供實驗性的模型路由,依請求內容選擇適用的 AI 模型。
以前用 Kimi Code CLI 連線 Amazon Bedrock,要另外準備一組 API 金鑰,得多花心力管理。Moonshot AI 在 v2.7.0 加入原生 bedrock provider,讓 CLI 改用現有的 AWS 認證,也能選擇指定的帳號設定檔或透過 SSO 登入。以 Kimi K3.1 Pro Highspeed 為例,設定好模型後,就能在寫程式時串流接收回覆,並使用圖片輸入和工具呼叫功能。這讓連線設定更省事,但仍要妥善保護 AWS 認證,並只開放需要的許可權。
模型上線後,團隊還得處理延遲變高、GPU 沒用滿、流量塞在單一區域等問題。這篇文章整理 Amazon SageMaker Inference 後續推出的 14 項更新,涵蓋效能建議、LoRA adapter 調校、GPU 分割、多節點模型服務、跨區域流量分配和持續監控。例如,跨區域路由能把請求送到其他已登記的端點,並限制哪些區域可以處理流量;原有端點也能用少量額外機器分批更新模型,再重複使用既有機器。文章透過一個客服 AI 助理團隊的假想案例,說明這些工具如何協助團隊管理模型上線後的工作。
推薦理由:文章依照模型上線後常見的營運難題,整理 SageMaker Inference 的更新如何協助團隊調校效能、共用 GPU 資源並跨區域分流。
把 Gemini 3.x 的程式改用 Gemini 4 Neon,除了換模型名稱,思考層級、快取、取樣設定和輸出上限也可能改變。這份指南整理了遷移時要檢查的地方:Neon 的輸入費用是每百萬個 token $3.00,輸出費用是 $15.00,思考用掉的 token 也算在輸出費用裡;重複內容可能透過自動快取降低輸入費用。作者也提醒,部分舊設定會被忽略或直接報錯,低輸出上限可能讓答案被截斷,較難的請求則可能需要較長逾時時間。指南建議明確設定思考層級,並用自己的工作內容測試成本和結果。
推薦理由:文章把 Gemini 3.x 升級時容易忽略的預設值、輸出上限與計費方式放在同一份遷移指南中,能協助團隊找出改版後的相容問題與成本變化。
資料庫升級常要等託管服務跟上,還得處理查詢變慢、資料表膨脹或讀取副本落後等問題。Databricks 宣佈 PostgreSQL 19 已可在 Lakebase 使用,並介紹這版新增的實用功能:例如整理資料表時,大多數過程仍可讓讀寫繼續;讀取副本也能等到指定的資料更新後再回應,減少剛寫入卻讀不到的情況。升級前應先測試自己的工作負載,並確認依賴的擴充套件已支援 PostgreSQL 19;新版本也調整了部分預設值。
推薦理由:PostgreSQL 19 把資料表整理、查詢計畫調整和副本讀取同步等工具納入核心,文章也說明瞭升級前要留意的限制與相容性變更。
Kling v4 Image 4.0 現已在 Cloudflare AI Gateway 上架。 https://t.co/4A7ZScNDp6
AI 助理通常得先檢視技能目錄,再決定要不要載入使用者需要的技能;這可能多一次工具往返。AIClaw v3.12.13 改成辨認完整的 $skill-name 引用,並在第一次模型請求時附上對應指示,讓模型一開始就能參考。若使用者沒指定技能,AI 助理仍可照常從目錄尋找並載入。作者也說明目錄和選取指示各有長度上限;測試確認的是系統送出了哪些內容,沒有測量模型是否照做、回應速度或服務商實際計算的 token 用量。
用雲端平臺執行 Claude Code 時,互動工作階段原本可能常跳出許可權提示;Claude Code 2.1.328 把自動模式擴大到 Amazon Bedrock、Google Cloud's Agent Platform 和 Microsoft Foundry。這些平臺若沒有設定許可權模式,現在會直接以自動模式開始;Plan 模式和 Bash 提示也能使用自動模式,並可用 disableAutoMode 關閉。作者提醒,使用別人管理的雲端帳號時,工作階段可能不會先詢問你;透過這些平臺付費,也要留意分類器會增加 token 費用。另一項變更是 /code-review 現在只找錯誤和違反 CLAUDE.md 的情況,整理與效率建議改用 /simplify。
AI 助理講話時,使用者有時需要插話或補充細節。OpenAI 的 GPT-Live 1.1 可以一邊說話一邊聽,也能讓來電者打斷或補充內容;相較前一版,它的語音轉文字更準確,跨語言時的口音和聲音也更一致。這個模型已能透過 Vercel AI Gateway 使用,原本串接 GPT-Live 的程式只要換成新的模型 ID。若開啟代辦功能,AI 助理可以請其他文字模型幫忙,再把結果轉成語音;這些代辦請求會另外計費,而語音工作階段在代辦執行期間仍會繼續計費。