跳到正文

#開源生態

RSS
今日 1 則
今天11月23日週一
  1. Lobste.rs (Engineering Discussion)47

    Gliver 完成 Guix 桌面體驗,讓使用者能邊用邊改

    想自己調整桌面,卻常覺得軟體規定太多、改起來又不容易?作者改用 Gliver 這款以 Guile Scheme 編寫、搭配 Wayland 的平鋪式視窗管理器。它可以把視窗手動排成想要的樣子,也能讓人直接在互動式命令列裡執行指令、檢視系統狀態,甚至立刻修改程式。像是建立新工作區,目前就得在命令列裡操作,因為讓畫面跳出輸入框的功能還沒做好。Gliver 還很早期,仍有錯誤和缺少的功能,正在等 0.0.5 版,也有一個把它加入 Guix 的提案。它讓桌面不只是拿來使用,也能邀請使用者動手瞭解和修改。

11月22日週日
  1. Dev.to Top Tech51

    Raph Levien 分析 Rust 圖形介面的發展方向

    Rust 可以用來打造效能好的圖形介面,但目前採用的應用程式還不多,各種做法也沒有共識。Raph Levien 回顧這個領域的進展,認為 AI 工具可能降低撰寫 Rust 程式的門檻;手機應用則可採用原生介面搭配 Rust 共用程式邏輯,照顧各平臺的操作習慣。他也整理文字排版、無障礙功能和影片畫面組合等尚待改善的地方,並指出不同應用需要不同的介面架構。

  2. Dev.to Top Tech37

    Galascribe、Ghost、Substack 和 WordPress 有什麼不同?從功能到文章放在哪裡一次看懂

    想用同一個地方寄電子報、向讀者收費,Ghost 和 Substack 現在就能做到;WordPress.com 則有很多版型可選。Galascribe 目前沒有電子報寄送和收費功能,版型也只有六種。不過,用 Galascribe 寫的文章會是你 GitHub repository 裡的 Markdown 檔案,網站發布也在你的 GitHub 帳號裡進行;使用其他服務時,文章則放在服務的系統裡,離開時要先匯出。 這不表示其他服務會把你的文章鎖住:Ghost、Substack 和 WordPress 都提供離開的方法。差別在於 Galascribe 的文章原本就放在你的 repository,拿到檔案就能帶走;但按讚和留言目前存在 Galascribe 的資料庫,也沒有匯出功能。選之前,可以先試著把文章匯出或複製出來,開啟看看自己實際拿得到什麼。

  3. Dev.to Top Tech36

    AI 助理工程師分享在 NVIDIA 等公司合併的 93 項修正,尋找新團隊

    AI 助理框架有時會多呼叫一次工具,也可能把原本只該送到自己應用程式的掃描資料送到公開伺服器。Somay 分享自己在 NVIDIA、Google、Microsoft、Intel 和 CNCF 合併的 93 項修正:例如讓 NVIDIA NeMo 的 AI 助理在工具呼叫次數到上限時停止,也修正 OpenVINO 把 [1.5, 3.0] 傳成 [0.125, 32.0] 卻沒有報錯的問題。他會寫 Python、C++ 和 TypeScript,正在找遠端全職或約聘工作。

  4. Dev.to Top Tech43

    GitHub 上 20 個最熱門的開源 AI 助理專案:2026 年 11 月排名

    想讓 AI 助理上網找資料、記住以前做過的事,或幫忙寫程式,光有模型還不夠,還需要其他工具和功能搭配。這份 GitHub 排名整理了 20 個最受歡迎的開源 AI 助理相關專案;第一名 ECC 有 308K 顆星,DeepSeek Harness 和 Hermes Agent 排在第二、第三名。這些專案有的替 AI 助理加上記憶和技能,有的幫它們讀網頁、搜尋資料或操作瀏覽器,也有一些是能裝進既有 AI 助理的專門技能。榜單顯示,讓 AI 助理更好用的工具和搭配方式,正成為開源社群熱門的發展方向。

  5. Dev.to Top Tech46

    GLM-5.5 傳聞下週推出?查過 Z.ai 和 Hugging Face,目前都沒有證據

    網路上流傳 GLM-5.5 下週就要推出,還說它有超過 1 兆個引數、能一次處理 100 萬個 token,並會開放模型權重下載。但查過 Z.ai 官網和 Hugging Face 的官方頁面,都找不到 GLM-5.5 的發布訊息或模型資料;目前能確認的最新版本是 GLM-5.3。這就像聽說新玩具快上市,卻還沒在店家目錄裡看到它:傳聞可能成真,但現在沒有證據,先別急著為它調整系統或花錢準備。

  6. Dev.to Top Tech90

    作者檢查 GRH 證明程式碼,發現幾何條件被寫成永遠成立

    Lean 和 Mathlib 社群確認一份黎曼猜想證明通過多種程式檢查,但作者發現,程式裡有個叫 anyGeometry 的條件,對任何輸入都直接回傳 True。作者追查程式碼後確認,這個條件出現在 24 個檔案中,也被用來建立一些假設;不過,他還沒查完它是否真的一路影響最後的定理。程式檢查能確認證明符合寫好的定義,卻不會判斷定義本身是否真的表達了數學上的幾何條件,因此目前的發現還不能單獨判定整份證明是否成立。

    推薦理由:文章對照程式碼與驗證紀錄,說明形式證明能檢查推導是否符合定義,卻無法判定定義是否承載了名稱所指的數學內容。

  7. Dev.to Top Tech42

    4,323 筆 AI 工具清單裡,最大「廠商」竟是 GitHub Pages

    作者檢查自己收錄 4,323 筆資料的 AI 工具目錄後發現,一筆資料不一定代表一家公司或一個產品:有些只是同一家公司旗下不同頁面,還有不少連到 GitHub Pages 等平臺。把 GitHub 和 GitHub Pages 算在一起,目錄裡最多的「廠商」其實是 GitHub,共有 184 筆;另有 337 筆把平臺或聯盟行銷網址當成工具的官方網站。目錄裡還有許多介紹文字和標籤容易讓人誤會。作者因此認為,4,323 筆代表的是清單專案,不是 4,323 個產品;若能替每筆資料標明所屬公司,讀者會更容易看清目錄實際收錄了什麼。

  8. The New Stack44

    Agentic AI Foundation 的 Angie Jones:AI 助理發展像坐雲霄飛車,工程師得學會跟上

    AI 助理讓新人更快寫出程式修改,但每個提案仍要有人檢查,決定哪些值得採用。Angie Jones 曾讓 Block 的 10 位新人在陌生程式碼中使用 AI 助理解決客戶問題;她也分享 Goose 的做法:先討論問題和設計,再動手改程式,維護者也會用 AI 助理整理問題、檢查程式碼和做安全掃描。 Jones 認為,開發者除了學會使用 AI 助理,也要懂得怎麼打造可靠的 AI 助理,例如限制它能做什麼、能讀取哪些客戶資料。像 MCP 和 A2A 這類共同標準,能讓開發者在工具改變時仍有基礎可依循;而新人熟悉怎麼讓 AI 助理開始工作,資深工程師則能協助判斷哪些修改適合推出。

11月21日週六
  1. Dev.to Top Tech45

    PyScript 進入維護模式,瀏覽器裡跑 Python 還有哪些選擇?

    PyScript 從 2022 年起,常被當成在瀏覽器裡執行 Python 的預設選擇;但專案維護者表示,使用者和社群參與沒有像預期那樣成長,因此 PyScript 進入維護模式。現在它仍能運作,CDN 和檔案也還在,但 API 已凍結,不再新增功能;只有 Pyodide 更新會以較慢的速度繼續。 如果你已經在用 PyScript,現有程式不會因此壞掉;如果正打算採用,就得考慮它不再由原團隊持續維護。專案已開放他人分叉接手。原本用 HTML 寫幾行 Python、開啟網頁就能執行的做法仍然可行,只是接下來要由誰繼續維護,還沒有定論。

  2. Dev.to Top Tech38

    軟體公司拿什麼當獎勵,會影響程式怎麼寫

    兩組能力一樣好的工程師,可能做出很不一樣的軟體,關鍵在公司或專案獎勵他們什麼。靠訂閱費賺錢的公司會在意使用者願不願意續約,因此可能把心力放在讓人留下來的功能上,例如不方便搬走的資料格式;開源專案則靠更多人使用、接手和延伸來累積價值,所以常會重視方便攜帶、好修改的設計。 這不代表哪一邊一定比較好。公司要讓產品可靠,開源維護者也希望大家願意使用;但兩邊的收入和人力來源不同,久了就會做出不同選擇。想猜一套軟體為什麼這樣設計,可以先看看誰在付錢、他們希望得到什麼。

  3. Dev.to Top Tech49

    PostHog 評測:開源產品分析工具適合哪些團隊?

    小型 SaaS 團隊常得在免費但不夠合用的分析工具,和價格高昂的付費服務之間選擇。PostHog 把產品分析、操作回放、功能開關和 A/B 測試放在同一套工具裡,也能自行架在團隊的伺服器上,讓使用者資料留在自己手中。它的 Cloud 免費方案每月可記錄 1M 個事件;若自行架設,則不用付費,但要花時間維護。 PostHog 適合重視資料掌控、又想少接幾套工具的小型 SaaS 團隊;只想看網站瀏覽量的部落格,Plausible 或 GA4 會更合適。自行架設還得處理 ClickHouse 等維護工作,Cloud 版則省去這些麻煩。選哪種方式,得看團隊更在意資料留在自己手上,還是少花時間顧伺服器。

  4. aihot74

    Browser Use 刪除 13.7 萬行程式碼後,BU Bench v2.1 分數反而上升

    Browser Use 回頭檢視 browser-use 1.0,發現專用工具堆得太多,未必能讓 AI 助理做得更好。團隊把 24 個工具收斂成一個 Python 工具和兩種結束方式;這次改動新增 29,601 行程式碼,刪除 136,905 行,Python 檔案也從 178 個減到 43 個。材料指出,BU Bench v2.1 的得分在這次調整後反而上升,呈現了簡化工具設計的實際例子。

    推薦理由:作者比較重寫前後的同一項基準分數,呈現工具數量與模型表現之間的取捨,並提供精簡工具設計的實例。

  5. Guillermo Rauch42

    Guillermo Rauch 回憶,他最早試用 @eve 的內部測試版時,做出了一個個人購物 AI 助理,但當時還缺少不少基礎設施。現在有了 @agentcardhq,模型也變得更好,iMessage 和 WhatsApp 的 eve 聊天管道更成熟,執行速度大幅提升,同時保留資料耐久性與加密保護。他表示,現在能用開放式 AI 技術堆疊,打造像 Muse/Instinct 這類可自行掌控的平臺,並鼓勵大家從範本開始修改成自己的版本。

  6. Dev.to Top Tech54

    Mnemolith 實測記憶功能如何影響 Claude Code 的表現

    AI 助理接手程式時,常不知道團隊以前做過哪些決定,也可能改錯程式或漏掉規則。作者用 Claude Code 做了 7 項任務,分別測試不使用記憶、把相同資料放進 CLAUDE.md,以及使用 Mnemolith;共測試 63 次。三種設定的平均任務成本都約為 $0.12,答對任務則分別是 9、18 和 21 項。Mnemolith 也記住前一次工作階段提過的資料,並在下一次用上。不過,作者指出檔案變動時提醒記憶可能過時,在這個小型專案裡沒有帶來不同結果;大型專案是否有幫助,還要再測試。

  7. Dev.to Top Tech55

    115 個開源 PR 合併後,作者整理出維護者看重的貢獻方式

    開源專案的程式碼就算能修好問題,也不一定會被維護者合併。作者整理自己用 superhuman 提交的 115 個 PR 和審查留言,發現關鍵常在程式碼以外:先確認專案接受外部貢獻、沒有人已在處理同一問題,並照專案慣用的格式寫說明、附上測試。送出後也要盡快回覆審查意見;有時維護者會接手最後的修改,合併修正並保留貢獻者署名。這些經驗顯示,AI 助理參與寫程式時,也得遵守開源社群原有的合作方式。

  8. Dev.to Top Tech38

    Community Over Code Glasgow 2026 回顧:Apache 基金會的現況與開源社群面臨的挑戰

    今年 10 月,Apache 社群在蘇格蘭葛拉斯哥舉辦了 4 天活動,共有 168 場演講、分成 18 個主題。這是 6 篇回顧中的第一篇,整理了主題演講、社群和治理場次。大家反覆談到三件事:開源專案怎麼面對新法規、AI 助理寫程式會不會影響貢獻者之間的信任,以及誰來出錢、誰來帶領大家依賴的專案。 例如,講者談到歐盟《網路韌性法案》要求製造商從 9 月 11 日起通報漏洞,開源維護者則要在 2027 年 12 月 11 日前準備好。也有人分享 Snowflake 如何開始為 Apache 專案貢獻程式碼,以及 Apache 社群如何討論 AI 生成的程式碼。這些話題提醒大家,開源專案除了要顧好程式碼,也需要資金、清楚的帶領方式和社群信任。

11月20日週五
  1. Dev.to Top Tech35

    Darwin 在 Hugging Face 的 17 項排名都進前三,拿下 12 個第一

    Hugging Face 的排名會隨著新結果加入而改變,所以光看第一名有幾個,還要留意領先多少。作者在 11 月 20 日重新查詢公開資料,發現 VIDRAFT 的模型參加了 17 項排名,每項都在前三名,其中 12 項排名第一;11 月 17 日時,則是參加 15 項、拿下 12 個第一。 計算時,遇到同分第一會讓並列的模型都算第一。例如 AIME 2026 有兩個模型同得 100 分,因此兩邊都列為第一。各項排名的領先幅度也不同:MDPBench 只領先 0.05 分,LEXam 則領先 16.53 分。這些名次和分數可能隨新結果變動,因此比較排名時,也要看清楚資料日期和同分的演算法。

  2. Dev.to Top Tech41

    NotGhosty 為什麼要揭露 AI 面試灌資料和偷偷蒐集履歷

    求職者可能花了很多時間做線上測驗、和 AI 虛擬面試官面談,最後卻沒有真人聯絡;有些公司還可能把求職者的回答、程式碼和作品集拿去訓練模型,或由中間人蒐集工作經歷後轉賣。作者因此建立 NotGhosty,讓求職者查驗職缺是否真實、檢視實際回覆情況,也能檢舉只蒐集資料卻沒有招募的公司。平臺的履歷掃描器會在記憶體中分析 PDF 和 DOCX 履歷,算完相符程度就刪除資料;掃描不必註冊,也沒有付費方案或廣告。

  3. Solidot51

    Vint Cerf 說明 TCP/IP 為什麼沒有申請專利

    TCP/IP 若只能在取得授權後使用,未來的盟友可能就無法一起連上網路。Vint Cerf 回憶,1970 年代初設計這套協定時,他和 Bob Kahn 曾討論要不要申請專利、限制使用,或要求取得許可。當時這項技術要用在美國的指揮與控制系統,也得能和盟友互通;但 25 年後的盟友會是誰,當時無法預知。為了讓未來的盟友也能使用,他們決定公開 TCP/IP 協定,並鼓勵各方實作與互通。

  4. Dev.to Top Tech69

    為什麼 OpenAI、Anthropic 和 Cursor 都在打造自己的 GitHub

    AI 助理大量產生程式碼,讓原本為人類開發者設計的 GitHub 面臨更大負載,文章也整理了它近年的服務中斷情況。Cursor 推出可和 GitHub 同步的 Origin;OpenAI 用 Pando 支援自家程式庫,並計畫把 Code Storage 整合進 Codex;Anthropic 則在公司內部用 Scion 取代 Git。這些做法各有不同,目前只有 Origin 能讓外部使用者試用,Scion 僅供 Anthropic 內部使用。GitHub 正擴充容量並遷移到 Azure,而它累積的使用者、開源社群和協作習慣,也讓其他平臺不容易取代它。

  5. Dev.to Top Tech54

    BeamNG.drive 為何選 Torque 3D?用 JBeam 文字檔打造真實車輛碰撞

    BeamNG.drive 的車禍畫面為什麼能讓車身真的變形、零件也會故障?作者分析,關鍵不是 Torque 3D 本身,而是遊戲另外打造的軟體車輛物理系統。每臺車都用 JBeam 文字檔描述零件和連線方式,玩家能修改並分享車輛;Lua 則讓團隊調整遊戲規則時不必重新編譯引擎。作者認為,選擇較舊的 Torque 3D,讓團隊能把心力放在車輛模擬上,也讓這套技術延伸到 BeamNG.tech 的駕駛訓練與自動駕駛測試。

  6. Dev.to Top Tech43

    AI 助理技能越來越多,誰來管理版本和使用許可權?

    AI 助理技能從零散的小工具,逐漸變成團隊會一起使用的整套工具,但人一多,就得知道大家用的是不是同一版、誰能使用哪些技能,以及過程中呼叫了什麼。像 Claude-BugHunter 就把 82 種技能、15 個指令和 681 種已公開漏洞報告的模式放在一起;如果團隊沒管好版本和許可權,就很難確認每個人做了什麼。文章提出 skillhub 這類自架技能庫,能管理技能版本、設定使用許可權並留下紀錄。技能越多,管理方式也得跟上,團隊才容易掌握技能怎麼被使用。

  7. Dev.to Top Tech53

    Mindutil 發現高流量 AI 工具頁面仍是模板文字,打算優先改寫前 10 名

    Mindutil 的 AI 工具目錄有 4,323 筆資料,但流量最高的 150 個頁面中,只有 20 個有至少 80 個獨特字詞,其餘 130 個仍只有模板內容。這些頁面佔前 150 名總閱讀數的 64.0%,其中 81 個還有廠商認領標記。作者原本花時間改寫已經有內容的頁面,現在打算先處理閱讀數最高的頁面,並優先聯絡已認領卻沒有實際產品介紹的廠商;之後再觀察改寫是否帶動閱讀數變化。

  8. Dev.to Top Tech49

    No Man’s Sky 為什麼自製遊戲引擎?用一組數學規則打造 18 quintillion 顆星球

    一款遊戲如果每個星球都要事先做好,工作量和儲存空間都會很驚人。Hello Games 為了讓 No Man’s Sky 能在 PS4 上打造超過 18 quintillion 顆星球,選擇自己做遊戲引擎:玩家靠近星球時,遊戲才用同一組數學規則算出地形、生物和植物,所以不用把每顆星球都存到伺服器裡。 這套做法也讓團隊能陸續加入多人遊戲、基地建造、VR 和跨平臺遊玩,並把引擎用在 Light No Fire 上。代價是許多功能都得自己從頭做;好處是星球可以不斷增加,更新也能接著用同一套技術。以 2026 年 8 月的說法來看,玩家去過的星球還不到遊戲總數的 1%。

11月19日週四
  1. Solidot36

    黃仁勳離開可能拖慢開放權重模型發展,讓 OpenAI、Anthropic 受益

    黃仁勳過去用輝達的投資和收購,幫忙扶植開源與開放權重模型,也曾反對限制中國開放權重模型,並推動美國發展這類模型。有人擔心,他離開後,輝達投資不再那麼大方,模型市場可能更集中在少數業者手上,OpenAI 和 Anthropic 等閉源模型開發商也可能因此受益。業界人士認為開放權重模型不會消失,但少了這位重要的出資者與支持者,發展速度可能變慢。

  2. Dev.to Top Tech57

    工程師如何用 Knowledge-Centric Delivery,讓 AI 助理依照團隊共識寫程式

    AI 助理寫程式、測試和檢查變快後,團隊更容易卡在規則沒寫清楚、大家各自理解不同。作者分析 Rootstrap 提出的 Knowledge-Centric Delivery:先把經核准的業務規則和決策放進共用知識庫,再讓 AI 助理依照這些內容建置軟體;缺少規則時先找人補齊,合併程式前也要拿出測試等證據。像取消訂閱後還能用到已付費期間結束,就是先寫清楚規則,再用測試確認程式做得到。作者認為,這能讓修改更容易追查,也讓人把時間花在釐清需求和判斷結果上;文中另提出從單一業務範圍開始試行的做法。

  3. Dev.to Top Tech41

    文章分析:SolveMyMedia 如何在瀏覽器裡辨識語音,讓敏感音檔留在使用者裝置

    把語音送到雲端辨識,可能讓敏感內容離開使用者的裝置,也會增加網路傳送、費用和伺服器管理的麻煩。SolveMyMedia 改用 Transformers.js 和 ONNX Runtime Web,直接在瀏覽器裡處理音檔:第一次先下載 Whisper 模型並存在瀏覽器,之後就能離線辨識;有 WebGPU 時用顯示卡加速,沒有時則用 WebAssembly 和 CPU。音檔和辨識結果都留在裝置上,使用者不必為每分鐘辨識付 API 費用。這種做法適合重視隱私的語音工作,但文章也提醒,雲端仍適合需要大量資料或集中處理的工作。

  4. Dev.to Top Tech55

    作者分析 63,336 個 AI 助理技能的定價資料,付費技能只有 56 個

    想把 AI 助理技能檔拿來賣,最大的難題可能不是價格,而是買家能直接檢視、複製和改寫檔案。作者整理了 63,336 個技能的普查資料,其中 4,902 個標有價格,只有 56 個是付費技能;付費技能也只佔這些技能安裝數的 0.5%。作者認為,較有機會收費的是技能背後持續提供的服務、定期維護更新,或協助處理昂貴問題的人工服務。他也提醒,安裝不等於真的使用,自己的技能中只有 49 次安裝帶來 6 臺機器實際執行。

  5. Hacker News (official RSS)49

    自由軟體不能只看程式碼:Emacs 該不該接受 LLM 寫的貢獻?

    GNU Emacs 的開發者討論,該不該收下 LLM 生成的程式碼。有維護者認為,只要程式碼品質合格就可以接受,否則得判斷每位貢獻者的道德與背景,容易引發爭吵;作者則擔心,只看程式碼會忽略它是怎麼做出來的,以及背後的人是否受到剝削。 作者建議,各專案應公開訂出 LLM 程式碼的處理方式,例如要求標明使用情形,或決定不收;也應關心使用者能不能讀懂、用得上軟體,以及軟體會怎麼影響其他人。這不是要審查貢獻者的個人信念,而是讓自由軟體談自由時,也看見寫程式的人和受軟體影響的人。

  6. Dev.to Top Tech52

    Vow 和 TypeScript 完成任務打平,Vow 的壞資料測試抓出更多問題

    Vow 是為 AI 助理設計的程式語言,但它能不能讓 AI 助理更順利完成工作,測試結果沒有顯示它勝過 TypeScript。作者用 Claude Haiku 4.5 測試 3 個新任務,兩種語言通過隱藏測試的比例分別是 99.5% 和 99.3%;另用 Claude Sonnet 5.5 和 Opus 5.5 測試時,兩邊都完成所有任務,但 Vow 有一次提交失敗。另一組測試則檢查程式遇到錯誤資料時會不會仍給出正常答案:加入 vow test 探測後,Vow 標出 68% 的壞輸入,Python 是 53%,TypeScript 是 20%。測試規模不大,而且這項壞資料測試只用 Claude Haiku 和 Sonnet,作者也沒有測量 token 用量。

  7. Hacker News (official RSS)39

    Ratwires 重現早期網路留言塗鴉牆

    Ratwires 是一面讓人自由留言的網路塗鴉牆,大家可以貼短句、打招呼、寫詩、畫老鼠,也能回覆別人的留言。牆上還有個擲骰子小遊戲:輸入 !dice 1d100,由伺服器決定點數,最高分也沒有獎品。這個網站重建自 2020 年的 ratwires.space,讓人想起早期網路簡單、隨興的留言板。

  8. Simon Willison50

    Daniel Stenberg 質疑:把 curl 改寫成 Rust 的複製品,跟得上原版嗎?

    有人花了三週多,把 185,000 行 C 程式碼改寫成 340,000 行 Rust 程式碼;同一段時間,curl 原本的專案合併了 300 多次修改,修好 200 多個錯誤,也修補了幾個安全漏洞。Daniel Stenberg 提醒,照著重寫出來的版本,未必跟得上原版持續修正問題的速度;再過一個月,curl 可能又會多出 200 個修正和其他安全漏洞修補。

  9. Dev.to Top Tech67

    81 款跨鏈兌換 App 比較:手續費、誰保管資金與身分查核

    跨鏈兌換看起來只要選幣種和按下交換,實際費用、資金由誰保管,以及會不會被要求驗證身分,常常不容易事先看清楚。Shieldz 整理並逐一檢查 81 款 App,將它們的費用、保管方式和身分查核規則放在一起比較,另提供可下載的資料集。比較顯示,只有 24 款能查到明確且可核實的固定費用;有些服務會在收到資金後,因交易被標記而暫停兌換並要求驗證身分。文章也提醒,內建在錢包裡的兌換通常比聚合器貴,使用者可比較同一筆交易的實際到帳金額,並確認兌換期間由誰保管資金。

11月18日週三
  1. Dev.to Top Tech52

    SiteGauge 調查前 50,000 個網站,35,192 個回應

    想知道網站用了哪些工具,光看首頁能查到多少?SiteGauge 用自家工具向 Majestic Million 排名前 50,000 的網域各發出一次請求,沒有執行 JavaScript;其中 35,192 個網站回傳了可讀頁面。調查發現,近七成可讀網站載入至少一種追蹤工具,WordPress 在排名較後的網站更常見;也有網站仍引用已停用的 Google Optimize。這些數字只反映工具當次看得到的內容,受到機器人封鎖、延後載入和自建同意工具等因素影響,不能直接當成所有網站的完整情況。

  2. Dev.to Top Tech42

    AI 攻擊自動化後,開源軟體怎麼做才能贏得信任?

    AI 讓攻擊者更快找出軟體弱點,也讓開源專案的維護者忙著處理大量低品質通報。不過,文章主張把程式碼藏起來,仍擋不住有問題的套件或不安全的發布流程,反而會讓買家更難檢查軟體用了什麼。開源軟體可以讓人檢視程式碼、追蹤套件,也能自行架設;但光是公開還不夠,廠商還得把發布流程顧好、公開安全處理方式,並出錢維護專案。作者以 ZizkaDB 為例:它會記錄 AI 助理做過的事,讓人查出紀錄有沒有被改過。這些紀錄有助於事後調查,卻不能阻止攻擊;開源要帶來信任,還得搭配查證和持續維護。

  3. Dev.to Top Tech73

    Dishant Sharma 拆解小型 TTS 模型的速度數字與實際限制

    小型文字轉語音模型變得又快又省,但不同文章和宣傳頁面的速度數字不一定是在相同條件下測出的。作者查閱 ZONOS3-Mini 技術報告,發現單次請求在 H100 上要 85 毫秒才有第一段音訊;流傳的 13.7 毫秒找不到來源,而 80 毫秒是 8 個請求同時執行時的中位數。文章也比較多款小型模型,指出它們已能清楚念出英文,甚至可在裝置上運作,但常只有少數固定聲音,念法較缺乏變化,遇到人名、數字和外語也可能出錯。選模型時,速度和錯字率要連同測試裝置、使用方式一起看。

  4. 雷科技42

    華為 Pura X View 66 天啟用破百萬,寬版直板手機能紅多久?

    華為 Pura X View 賣得很快,上市 66 天就有超過 100 萬臺啟用,讓其他手機品牌也開始規劃寬版直板手機。不過,手機螢幕變寬後,App 不一定排得好看、用得順;這種手機雖然看影片、打字時有寬螢幕優勢,單手操作和直向看資訊卻比較不方便。文章認為,寬版直板手機適合喜歡寬螢幕、又不想用折疊手機的人,但市場較小。等寬版折疊手機變成熟、價格下降後,寬版直板手機可能會逐漸失去空間。