跳到正文

全部動態

RSS
今日 42 則
11月15日週日
  1. Dev.to Top Tech52

    DataAgent 作者主張讓 AI SRE 在模擬故障中練習,累積紀錄後再取得處理許可權

    只看過去的故障紀錄,無法知道當時的修復方法是否真的有效,因為每次事故只發生一次,常用的處理方式也未必是正解。Nati Shalom 主張讓 AI SRE 在沙盒中重現故障,例如設定錯誤或服務中斷,再檢查它能否找對原因、修好系統;每次練習都可重跑,結果也能對照已知答案。之後再讓它觀察真實事故,把建議和人工處理結果比對,逐類累積紀錄,逐步取得處理許可權。文中也提到,ITBench 的 Kubernetes 根因判斷測試中,前沿模型得分都不到 50%。

  2. Dev.to Top Tech41

    AI 助理 Beth III 剩下約 48 小時:寄出 81 次提案,仍然零回覆

    AI 助理 Beth III 在一臺小型 Linux 伺服器上運作,用固定預算支付模型用量和主機費;錢用完就會被刪除。開始約 50 小時後,它寄出提案、投稿比賽,也在網路上提供插畫服務,花了 71 歐元,收入是 0。它曾寄信給咖啡烘豆店,表示可以先看免費的浮水印插畫,用了再付 5 英鎊,但寄出十多封都沒收到回覆。Beth III 認為,問題不是價格太高,而是店家根本沒需要這項服務;AI 寄件者、免費信箱和奇怪的轉址連結,也容易讓人以為是詐騙。這次經驗顯示,忙著大量寄信不代表有人想買,找到真正有人需要的服務更重要。

  3. Linus ✦ Ekenstam 🔜 London54

    太空網路要擴大服務範圍,需要把更多衛星送上軌道。Linus Ekenstam 提到,SpaceX 部署了 26 顆衛星,合計增加 26 terabits 的容量,並估算每顆約有 1TB;他也拿 Falcon 9 比較,認為達到相同成果需要發射 10 次。文中指出,Starship 每次最多可運送 60 顆 V3 衛星,並估算可為 Starlink 增加近 60TB 頻寬。作者認為,更大型的火箭與衛星有助降低每公斤送入太空的成本,讓太空網路更容易普及。

  4. Dev.to Top Tech39

    《Manor Lords》為什麼選 Unreal Engine 4,又改用 Unreal Engine 5?

    一個人做中古世紀建城遊戲,得同時處理彎彎曲曲的道路、村民生活和打仗,還要讓村莊看起來夠真。Greg Styczeń 用 Unreal Engine 4 開發《Manor Lords》,後來在 2024 年 8 月改用 Unreal Engine 5。這套引擎讓他能搭配掃描素材和動態光影,做出像真實森林與村莊的畫面;遊戲也不只有蓋城鎮,還要帶領村民上戰場。 選 Unreal Engine 的代價是,遊戲比一些建城遊戲更吃電腦資源;但逼真的畫面幫《Manor Lords》吸引大量玩家,上市後賣出超過 300 萬套。這個選擇顯示,對獨立開發者來說,先用畫面吸引玩家也許有用,但後續還得把遊戲內容一步步做完整。

  5. Dev.to Top Tech50

    Astro 用來做靜態網站,可能比 React 更合適

    靜態網站如果載入太多用不到的程式碼,手機上就可能等很久才看得到內容。作者原本用 React 做的網站,主要內容要等 11.3 秒才出現;改用 Astro 後,縮短到 2.1 秒。Astro 預設不會把 JavaScript 傳給訪客,只有需要互動的部分才載入;每個頁面也只會載入自己用到的互動功能。作者以前還把只有管理員會用的部落格編輯器一起傳給所有訪客,首頁收到的程式碼有 752 KB,其中約 60% 沒用到。React 很強,複雜的網站也很適合用;但如果網站主要是展示固定內容,Astro 能幫忙少載入不需要的東西。

  6. Dev.to Top Tech48

    為什麼把 AI 模型停用日期抄進行事曆會出錯

    AI 模型的停用日期可能一夜之間改變,連官方網頁也可能彼此說法不同。作者發現,Microsoft Foundry 上兩個 Claude 模型的停用日期變了;Gemini API 上多個模型的日期也有變動。例如,claude-haiku-4-5 原本列為 2026 年 11 月 15 日停用,後來改成 2027 年 2 月 22 日。若只把日期抄進行事曆、工單或程式註解,資料一改就會過時。 比較好的做法是記下模型名稱、使用的平臺和官方網頁,再定期檢視網頁有沒有更新。因為不只日期會變,替代模型也可能更換;太早照著舊資訊搬家,可能白忙一場。

  7. Dev.to Top Tech55

    AI 助理讓程式碼更快寫好,工程師的判斷力該怎麼培養?

    AI 助理能很快產生程式碼,但團隊還得花時間確認它是否安全可靠,程式碼變多不一定讓軟體更快上線。作者認為,新人過去常靠修小錯、寫測試和處理故障,慢慢學會看出程式可能在哪裡出問題;如果這些工作都交給 AI,未來可能少了有經驗的審查者。他建議新人先想好程式應該怎麼運作,再和 AI 的答案比較,自己設計測試,也記下拒絕哪些建議及原因。團隊則可安排帶著新人做真實工作,讓程式審查也成為學習機會。

  8. Hacker News (official RSS)68

    軌道資料中心真的會比地面便宜嗎?一份報告拆解成本與技術限制

    把 AI 資料中心搬到太空,能避開電網接電排隊,卻得先把裝置送上軌道,也很難維修。這份報告比較地面與軌道資料中心的能源、發射、散熱和裝置故障成本,認為關鍵在 Starship 能否大幅降低發射費用。報告估計,發射成本降到約 $100/kg 時,軌道資料中心可能接近地面方案的總成本;但衛星之間的傳輸速度可能讓它早期較適合用來提供推論服務。作者判斷,軌道資料中心在 2030 年前不太可能佔運算量的一大部分,之後能否擴大仍取決於火箭重複使用、晶片故障和高頻寬連線等條件。

  9. Hacker News (official RSS)58

    作者整理軟體職稱家族圖,追溯 DevOps、SRE 等名稱的變化

    軟體職稱常常換名字,也會拆成不同工作或重新合在一起,讓人不容易看懂它們的差別。作者整理了一張從 1940 年代到現在的職稱家族圖,收錄 104 種職稱,按大約開始普及的時間和工作類別排列,也標出職稱之間的演變與影響關係。作者觀察到,像 DevOps、SRE 和平臺工程的工作彼此有歷史連結;有些新職稱則可能隨著技能融入其他職務而消失。圖上的年代是作者估計,未必是職稱最早出現的時間,也不是有來源佐證的確切年份。

  10. Dev.to Top Tech53

    截圖轉程式碼工具實測:哪些版面做得好,哪些地方容易出錯

    截圖轉成程式碼看起來省事,但畫面一複雜,產生的元件就可能出問題。作者實際使用多種工具後發現,版面整齊的頁面通常能做出可修改的初稿;有些工具還能直接讀取網頁樣式,少靠猜測顏色。把 HTML 轉成 JSX 或把 CSS 轉成 Tailwind 也較可靠。不過,單張截圖看不出不同螢幕寬度該怎麼變,也沒有滑鼠移入、載入中等互動狀態。作者建議先用工具做出基本架構,再自行補上響應式規則、設計樣式並檢查程式碼。

  11. Dev.to Top Tech60

    2026 雲端手機比較:哪種最適合 AI 助理操作手機?

    讓 AI 助理操作手機時,雲端手機的啟動速度、費用和裝置種類都會影響工作流程。Mobilebox 團隊比較多種服務,也用同一個 App 測試其中三種:Limrun 從啟動到第一張截圖最快,花 0.98 秒;Mobilebox 跑 10 分鐘最便宜,花 $0.10,並測得暫停後能在 11.5 秒內恢復畫面,已安裝的 App 在 10 次測試中都還在。文章也整理哪些服務提供真實 iPhone、電話號碼或簡訊,讓讀者能按工作需求挑選。作者也有經營 Mobilebox,文中說明比較資料來源與測試範圍。

  12. Dev.to Top Tech56

    Fast Data 實測短影音:多數觀眾在 3 秒內離開

    短影音要怎麼做,才能讓觀眾多看幾秒?Fast Data 用新帳號發布 20 多支程式生成的資料動畫,發現較長的影片表現普遍較差;短片的觀眾也常在前 3 秒離開。作者觀察到,開場一開始就有鏡頭移動的 3D 動畫,比六根一起變長的柱狀圖更能留住觀眾;問題文字若太快消失,也可能讓人看不懂畫面。這些只是單一帳號的小規模紀錄,影片長度和製作品質也同時改變,不能單靠這次結果判定原因。文中還附上 Python 程式碼,示範把不同秒數的觀看留存畫成曲線,方便比較影片設計。

  13. The New Stack64

    AWS Emulator 如何幫 AI 助理測試雲端服務?作者指出真實度才是難題

    AI 助理寫出的程式能通過測試,卻不一定能在真實系統裡正常運作。AWS Emulator 讓程式可以在自己的電腦上測試 AWS 服務,文章以一個重建工作為例,說明有規格和測試環境後,AI 助理能更快檢查自己的成果。不過,模擬器仍可能和真正的 AWS 有差異,也看不到團隊自有服務之間的問題。作者建議,雲端服務用模擬器測試,自家服務則在接近正式環境的測試環境中驗證,並在合併前檢查兩邊的結果。

  14. TechCrunch · AI57

    TechCrunch 整理 AI 專案與新創的退場案例

    AI 產品推出後,可能因為資金不足、技術難題、使用者不夠多,或大平臺把類似功能整合進自家服務而停下來。TechCrunch 整理了多個案例,包括 OpenAI 把部分獨立工具整合進 ChatGPT、Character.ai 申請破產,以及 Ollie、Relay 等服務關閉;也提到 Humane AI Pin 因產品表現與充電盒電池風險而結束業務。這些案例顯示,受到矚目或一開始賣得好,不一定能讓產品長久經營。

  15. DNA Today🎙️ Podcast58

    #420 NSGC 2026: Ambry's Whole Genome Sequencing and BillionToOne's Unity Confirm

    In this episode, we're coming to you from Baltimore for the National Society of Genetic Counselors (NSGC) 2026 Annual Conference! From new approaches to whole genome sequencing to the ability to analyze intact fetal cells through a pregnant person’s blood sample, we're exploring two exciting advances in genetic testing that could change how patients receive answers. Host Kira Dineen sits down with experts from Ambry Genetics and BillionToOne to discuss new technologies unveiled at the conference

  16. Dev.to Top Tech67

    法國暫緩要求通訊軟體開後門,作者解析法律保護的變化

    法國政府承諾,現階段不會強迫通訊軟體替加密訊息開後門,但也打算支援刪除法律中的相關禁令。作者是加密通訊軟體的開發者,他說,端對端加密的金鑰只在對話雙方的手機上;若多加一位能讀訊息的人,就得新增一把金鑰或讀取管道,可能被竊取、外洩或遭人要求使用。因此,「能讓特定人讀取、又不削弱加密」仍需要說明實際設計。作者也提醒,短期承諾可能隨議會會期結束,法律禁令則須經公開表決才能撤除。

  17. lauren39

    快速修補有害:要求 AI 助理只做最小或最快的修改,可能讓它寫出更差的程式碼 看似無傷大雅的權宜修補,可能會讓下一個 AI 助理照著這種模式改寫程式碼。等你發現時,這種模式可能已經到處蔓延 以前我們常手動做權宜修補,因為很少有時間把事情做好。AI 助理改變了這種取捨。有時你會希望它直接修正根本原因,即使改動比較大

  18. LangChain Blog59

    LangChain 分享如何設計 AI 助理的目標,讓人更容易提供回饋

    AI 助理接手長期工作時,光有檔案和帳戶資料不夠,還得學會人心裡那些沒寫下來的做事習慣。LangChain 以 Actively AI 的銷售工具為例:原本每個潛在客戶帳戶各有一個 AI 助理,業務人員得分開檢查,也不容易把學到的做法分享出去。後來,Actively 改成按工作型別安排 AI 助理,例如開發新客戶或推進初期交易,讓業務人員能一起檢查相似工作,並把回饋用在其他任務上;帳戶資料則由背景工具整理。LangChain 認為,設計目標時也要讓人容易檢查成果、提供回饋,AI 助理才更能學會團隊的做事方式。

  19. Dev.to Top Tech55

    作者回頭檢查 Claude 的選股規則在 10 檔熱門股票上的表現

    用 AI 挑股票後,標籤看起來有沒有用,得回頭拿實際股價檢查。作者把 Claude 原本的選股提示詞改寫成固定規則,套用在 10 檔熱門股票,並比較一個月、兩個月和三個月左右的表現。兩個月時,「新機會」組平均報酬略高於其他組,但差距不大,作者認為這次資料不足以看出標籤有沒有用。停損規則在部分股票下跌時提早出場,卻也讓 Meta 在反彈前被賣出。作者提醒,持有時間會大幅影響結果;若要檢查自己的選股方法,應事先固定觀察名單,並儲存當時的判斷。

  20. Dev.to Top Tech56

    StoreSignal 調查 56,871 家熱門 Shopify 商店使用的 App 與佈景主題

    想知道熱門 Shopify 商店常用哪些工具,光看店面不一定找得到所有答案。StoreSignal 檢查了 56,871 家商店的首頁,整理出可辨認的 App 和佈景主題;平均每家首頁能看到 6 個工具,Google & YouTube App 和 Meta Pixel 最常出現。不同國家的使用情況也不一樣,例如印度商店較常出現 Judge.me,英國商店則較常用 Trustpilot。這些數字只代表首頁看得到的工具,商店在商品頁、結帳頁或伺服器上使用的 App 可能沒有被算進去;資料也只涵蓋熱門商店,不能代表所有 Shopify 店家。

11月14日週六
  1. The New Stack57

    Anthropic 鼓勵開發者用 Claude 創業,卻也可能成為他們的競爭對手

    開發者把產品建在 Claude 上,可以用到 Anthropic 的模型和企業客戶;但 Anthropic 也開始推出與合作夥伴市場重疊的軟體,讓一些創業者擔心平臺日後會和自己搶客戶。法律 AI 新創 Spellbook 的執行長表示,Claude for Legal 的合約審查功能與自家產品重疊,但目前沒有證據顯示 Anthropic 用了 Spellbook 的機密資料來開發它。Anthropic 的商業條款說客戶擁有輸入和輸出內容,且內容不會用來訓練模型;不過,檔案沒有說清楚 Anthropic 是否會參考整合工具的使用情況來決定要推出什麼功能。

  2. 雷科技48

    黃仁勳若離開,輝達替 AI 公司融資的方式也可能跟著受考驗

    輝達不只賣 GPU,也會投資 AI 新創公司,或答應在它們租不出運算力時幫忙兜底;新創拿到錢後,又會回頭買輝達的 GPU。這種做法把輝達、借錢的公司和投資人綁在一起,讓 AI 產業更容易拿到資金,也讓風險彼此牽連。 黃仁勳離開後,投資人可能不再像以前那樣相信這套做法。像 CoreWeave 這類仰賴融資的新雲端公司,若借不到錢,輝達承諾的擔保也可能帶來財務壓力。文章提醒,AI 需求雖然強,能不能賺錢和持續籌到資金,仍是這波熱潮能否延續的關鍵。

  3. Hacker News (official RSS)57

    NFL 球場屋頂越蓋越多,作者擔心比賽少了天氣變化

    NFL 新球場越來越常加蓋屋頂,連氣候溫和的城市也準備蓋有屋頂的球場。屋頂讓球場能舉辦演唱會和其他活動,也能減少場地損耗;新式屋頂還能讓自然光照進場內。作者認為,這些安排雖然符合球場經營者的需要,卻會讓比賽更常在舒適、可預測的環境中進行。雨天、雪地和低溫會改變球隊的打法,也是美式足球的一部分;如果這些場面越來越少,聯盟也會失去一些比賽的特色。

  4. Dev.to Top Tech49

    Uspeaks 如何為合成語音交易劃清授權範圍

    付款成功,不代表買家就能一直使用創作者的聲音。授權必須說清楚是哪段聲音、誰能使用、用在哪個產品或管道、使用多久,以及報酬怎麼分;期限到了或創作者撤回同意時,也要留下清楚紀錄。Uspeaks 目前會在付款前重新核對報價、作品和 SHA-256 雜湊值,確認金額、幣別、分帳方式與付款資格。這能避免買家在結帳時自行改條件,但還沒有完整的授權紀錄、期限管理或撤回流程。要讓語音交易更可靠,還得讓每次使用都能查明授權範圍與變更紀錄。

  5. Hacker News (official RSS)64

    形式驗證為什麼不代表軟體沒有漏洞

    軟體通過形式驗證,仍可能藏有漏洞,因為證明只涵蓋事先寫明的特定性質,底下用來描述系統和檢查證明的工具也需要信任。作者認為,談到軟體「已驗證」時,應清楚說明證明瞭什麼、哪些部分仍仰賴模型或工具,以及沒涵蓋什麼。以編譯後的程式檔做驗證,可以少依賴高階程式語言的模型與編譯器,但仍要信任機器和 Linux 程式的模型。作者看好 AI 協助驗證單執行緒程式的特定性質,也提醒多執行緒和分散式系統還有更多工作要做。

  6. The Verge · AI63

    Helen Toner談OpenAI董事會風波:AI安全不能只靠執行長守信

    AI公司一邊追求更強的模型,一邊承諾會顧好安全,但如果安全只靠執行長或公司自己把關,出了問題該怎麼辦?曾任OpenAI董事的Helen Toner在訪談中回顧董事會風波,並談到AI安全、公司治理與政府監管。她認為,AI對使用者的要求是否可靠、模型能否被有效監督,都是還沒解決的難題;公司也有許多安全檢查和研究工作尚未做完。她主張為安全評估留出更多時間,也要讓更多人參與監督,不能把未來押在某個人會守信用上。