跳到正文

#程式開發

RSS
今日 0 則
10月10日週六
10月9日週五
  1. Hacker News (official RSS)60

    Spinal:即時預測任何程式碼庫的表面

    Spinal 是一款即時預測式程式碼庫表面工具,能在 20 ms 內回傳搜尋結果。 - 效能:在 Linux kernel 1.48M 提交、96K 檔案的基準上,首個搜尋結果低於 20 ms。 - 功能:預測開發者下一步操作,即時追蹤變更,將關鍵訊號提升至注意焦點。 - 目標使用者:面向不想被工作樹、diff、分支混亂拖累的工程師。

  2. Hacker News (official RSS)77

    rGPU:PyTorch 遠端 GPU 介面

    rGPU 是一個可在遠端 NVIDIA 伺服器上執行 GPU 工作的 PyTorch 裝置,使用者仍在本機執行程式。 - 兩種整合方式: - PyTorch 裝置:透過 torch.device('rgpu') 直接呼叫,安裝簡單(pip install rgpu)。

  3. LMSYS Org Blog82

    SGLang 和 Miles 如何在 NVIDIA Vera Rubin 上加速模型推論與訓練

    新一代 GPU 換了硬體,原本的模型服務和訓練程式也得重新調整,才能把運算資源用得更好。SGLang 團隊在 NVIDIA Vera Rubin 上測試推論與訓練:他們調整注意力、專家模型和資料傳送等程式,讓 Kimi K3 在特定設定下跑得更快;例如,合併多個小步驟後,每次生成少了 276 次程式啟動,整體速度提升 5.9%。Miles 也能在這套硬體上進行強化學習訓練,包含讓 AI 助理在沙盒環境中解題。這些是初步測試,團隊接下來會擴大規模並繼續改善效能。

    推薦理由:這篇實測拆解 Vera Rubin 上的推論與訓練調整,並列出各項改動帶來的速度差異,可看出硬體資源如何影響 SGLang 的最佳化方向。

10月8日週四
  1. OpenAIDevs77

    Decisions API 已正式進入公測,允許開發者在近即時內為應用選擇最合適的模型、工具或行動。 速度提升:比 GPT‑6 Luna 透過 Responses API 的決策速度快 10 倍。 功能範圍:支援模型、工具與自訂動作的即時選擇,適用於自動化工作流程。 可用性:所有開發者皆可在公測階段使用,無需額外授權。

    推薦理由:Decisions API 讓開發者可即時選擇最佳模型、工具或動作,速度比 GPT‑6 Luna 快 10 倍,方便快速構建自動化決策流程。

  2. Hacker News (official RSS)37

    Margaret Hamilton 已逝

    summary_zh: Margaret Hamilton,著名電腦科學家,於 9 月 30 日去世,享年 90 歲。 - 軟體工程先驅:領導 MIT Instrumentation Lab 的 Apollo 軌道與載人任務軟體團隊,開發關鍵飛行軟體,確保阿波羅 11 使命成功登月。

  3. AWS Machine Learning Blog79

    Claude Haiku 5.5 於 AWS Bedrock 正式推出

    Claude Haiku 5.5 已於 Amazon Bedrock 與 Claude Platform on AWS 上提供,為 Anthropic 最新的子代理模型。

    推薦理由:Claude Haiku 5.5 在 AWS 上提供更快更低成本的子代理模型,適合高量化、成本敏感的工作,並可與 Opus 5.5 組合使用,分工協作提升推理效率與成本效益,支援多語言輸入與輸出。

  4. AWS Machine Learning Blog81

    使用 Lambda Durable Functions 與 Bedrock 自動化處理 DevOps Agent 事件,縮短 MTTR

    AWS DevOps Agent 事件調查完成後,系統利用 Lambda Durable Functions、EventBridge 與 Amazon Bedrock 建立自動化修復工作流,將調查摘要轉成可執行的修復方案,並在必要時透過人工批准完成變更。

    推薦理由:如何結合 Lambda Durable Functions 與 Bedrock,處理 DevOps Agent 事件,縮短 MTTR。

  5. AWS Machine Learning Blog81

    超越節省時數:打造代理式自動化的商業案例

    本文說明如何利用 AWS Quick Automate 建立代理式自動化的商業案例,並提供四維度價值模型與實際部署範例。\n- 四維度價值模型:時間節省、例外處理、決策品質、變更韌性與維護成本,並以實際數值說明如何計算。

    推薦理由:本文提供完整框架,協助企業量化代理式自動化價值,並示範實際部署案例,助其制定可衡量投資回報。

10月7日週三
  1. AWS Machine Learning Blog73

    在 AgentCore 與 OpenClaw 上構建具備上下文感知的 AI 助手

    AgentCore 與 OpenClaw 的結合,讓開發者能以單一 CloudFormation 模板在 AWS 上快速部署具備長期記憶的 AI 助手。

    推薦理由:本文示範如何利用 AgentCore 與 OpenClaw 建構可持續記憶的 AI 助手,並說明成本與部署方式,對想在 AWS 上快速落地個人化助手的開發者具有參考價值。

  2. hackernews10020

    Vibecoding 不是寫程式手工那麼有趣

    summary_zh: Vibecoding 不是寫程式手工那麼有趣,作者指出 AI 助手雖能快速產出原型,但缺乏手工編碼帶來的成就感與樂趣。 - 即時快感:AI 生成原型速度極快,能在數分鐘或數天內完成原型,減少手工編碼的時間成本。

10月6日週二
  1. AWS Machine Learning Blog66

    Amazon Bedrock 推出 GLM 5.3

    GLM 5.3 已在 Amazon Bedrock 上提供,支援跨區推理、提示快取與完整的 OpenAI 相容 API,適用於長期編碼與代理工作流程。 - 模型規模:753B 引數,混合專家架構,針對編碼與長期代理任務最佳化。