跳到正文

#程式開發

RSS
今日 0 則
11月19日週四
  1. Amazon Science68

    Amazon 推出 Isabelle AI 工具,讓 AI 助理撰寫並檢查數學證明

    AI 助理寫數學證明時,可能會編出看似合理卻錯誤的內容。Amazon Science 介紹 AutoCorrode 驗證套件中的 I/Q、I/R 和 Isabelle Assistant,讓 AI 助理能連線 Isabelle,邊寫證明邊確認內容是否正確;其中一種工具也能在使用者繼續工作的同時,讓 AI 助理在背景處理證明。文章用平方根 2 是無理數、連續合數和正弦函式定積分等例子,展示 Claude 產生的證明如何由 Isabelle 檢查。較難的問題仍需要人類思考,但 AI 助理能代做繁瑣步驟,也能在遇到困難時接受提示再繼續。

    推薦理由:文章以平方根、連續合數與定積分為例,說明 Isabelle 如何邊產生邊檢查證明,讓讀者看見 AI 輔助數學推理的做法。

  2. Arena.ai47

    GPT-6.2 Astra 和 GPT-6.2 Sol 在 LMSYS Arena 的 Code Arena: WebDev 實測中,都進入了「表現與花費都很有競爭力」的前緣位置。Astra 得到 1781 分、排名第 3,每項任務的中位花費是 $5.45,比前一版 GPT-6 Astra 低 42%;Sol 得到 1757 分、排名第 7,任務花費中位數是 $1.45,比 GPT-6.1 Sol 低 21%。Astra 比 Sol 高 24 分,Sol 的花費則低 73%。這些成績讓人能比較兩款模型在網頁開發任務中的表現與成本;AI 助理的分數預計稍後公佈。

  3. Replit Blog68

    Replit 擴大與 Microsoft 合作,讓團隊用企業資料打造並部署應用程式

    企業團隊常知道哪裡需要改善,卻得先換工具、搬資料,才能把想法做成軟體。Replit 宣佈與 Microsoft 擴大合作,讓團隊可用 Fabric 的受管資料打造應用程式,並部署到企業的 Fabric 租戶;Replit Desktop 也能在 Windows、Mac 和 Linux 存取使用者指定的資料夾,讓人檢查本機修改。Replit 與 Microsoft Teams 的整合將讓團隊從對話開始提問和開工;Azure 部署則進入早期存取,管理員可設定每個工作區的發布位置。這些功能讓團隊能在熟悉的工具中建置和發布,同時由企業管理資料與部署環境。

    推薦理由:Replit 這次把建置、部署與工作對話接上企業既有的資料和系統,也交代各項整合的開放狀態與管理方式。

11月18日週三
  1. Y Combinator47

    Ramp 原本想幫企業省下時間和金錢,七年後已成為市值 $60 billion、服務數萬家企業的平臺,年營收超過 $2 billion。現在,Ramp 不只把 AI 放進產品,也用 AI 改變公司內部的工作方式。共同創辦人暨執行長 Eric Glyman 在訪談中談到,AI 讓 Ramp 有些員工的工作效率大幅提高,也促使公司重新思考整個組織怎麼做事。他認為,這種改變未來或許能讓大型企業也像新創公司一樣快速行動。

  2. LangChain Blog63

    LangSmith 推出程式開發 AI 助理花費與 PR 成果報表

    團隊花錢使用程式開發 AI 助理後,常很難看出這些花費帶來了什麼成果。LangSmith 新增報表,把 Claude Code、OpenAI Codex 等 AI 助理的使用花費連到它們參與的 PR,並按 PR 狀態、工作型別和使用的模型整理資料。團隊可以檢視每個 PR 花了多少、哪些工作沒有產生 PR,也能點進對話瞭解原因,並比較更換模型前後的花費與合併成果。這項功能目前在 LangSmith Cloud 公開測試。

    推薦理由:LangSmith把程式開發 AI 助理的花費連到合併的 PR 與工作內容,能協助團隊比較模型調整前後的成本和成果。

  3. FastAPI Releases60

    FastAPI 0.164.0 新增可設定的請求本文大小上限

    網站收到太大的請求本文時,可能需要限制可接受的資料量。FastAPI 0.164.0 新增可設定的請求本文大小上限,讓開發者能為服務設定這項限制。發布頁也提供一項協助 AI 助理使用 FastAPI 新功能與建議寫法的官方技能;可透過 uvx library-skills 在專案中安裝。

    推薦理由:FastAPI 這次加入可設定的請求本文大小上限,讓開發者能依服務需求限制傳入資料的大小。

  4. llama.cpp Releases44

    llama.cpp b12500 用 fastdiv 加快 CUDA 卷積運算

    llama.cpp 的 CUDA 卷積運算原本要反覆做整數除法,處理資料越多,這些運算越容易拖慢速度。這次改用事先算好的除法資料來找出每筆資料的位置;測試中,RTX PRO 6000 上一種卷積運算的時間從 221 微秒降到 138 微秒,其他測試案例也都變快。這表示 llama.cpp 能更快完成這類 CUDA 運算。

  5. PyTorch Core Releases63

    PyTorch 改用共用 CUDA 核心處理混合資料型態的加減運算

    不同資料型態一起做加減時,框架需要處理多種運算組合,也得避免整數轉換出錯。PyTorch 這次把部分加減運算改成共用的 FP32 FMA CUDA 核心,涵蓋原地修改和輸出為 FP32 兩種情況,並保留涉及 FP32 的資料型態組合。更新也調整了 alpha 的轉換順序,避免整數 0、INT64_MIN 和 UINT64_MAX 遇到取負問題。測試涵蓋兩種運算模式及整數 alpha;提供的測試結果顯示,18 個 CUDA 測試案例通過,另有 1,296 組原始位元結果相符。

    推薦理由:這次更新整理了混合資料型態加減運算的 CUDA 核心,並用浮點結果與整數 alpha 的測試檢查不同情況下的結果是否一致。

  6. PyTorch Core Releases42

    PyTorch 修正 ShapeEnv 快取,避免形狀資訊更新後還回傳舊答案

    ShapeEnv 查詢時,如果當下不知道答案,就會先回傳備用結果;但舊的快取會把這個暫時答案一直留下來。即使後來加入新線索、已經能判斷答案,查詢仍可能拿到舊結果。這次修改把「已經確認的答案」和「暫時用來代替的答案」分開存:新線索讓答案變得明確後,系統就能回傳正確結果。像是查詢一開始回傳備用答案,替符號加上範圍限制後,就能改回 True。

  7. Pydantic AI Releases57

    Pydantic AI 發布 v2.70.0,修補兩項高風險漏洞並加入多項功能

    Pydantic AI v2.70.0 修補兩項高風險漏洞:特定文字格式可能讓事件迴圈卡住數十秒到數分鐘。若使用者開啟 ANSI 清理功能,並處理攻擊者能影響的工具輸出,可能受第一項漏洞影響;使用預設 JWT 遮蔽規則處理這類文字,則可能受第二項影響。兩項漏洞都已在 pydantic-ai-harness 0.70.0 修正。這次更新也加入串流內容檢查、工具結果摘要等功能,並支援 OpenAI gpt-6.2-sol 和 gpt-6.2-astra。

  8. ClaudeDevs72

    Claude Code 使用多種工具時,逐一操作可能不夠靈活。Anthropic 推出實驗性的 Code Mode,讓 Claude 撰寫指令碼,把多個工具串在一起完成較複雜的工作;長指令還在執行時,它也能先回答使用者。這項功能需要自行選擇啟用,設定方式是 CLAUDE_CODE_EXPERIMENTAL_CODE_MODE=1。

    推薦理由:Code Mode 讓 Claude Code 用指令碼串接多種工具,也能在長指令執行時先回答,呈現一種新的工具協作方式。

  9. Vercel Blog50

    Vercel Sandbox Python SDK 1.0 正式推出,能在隔離環境執行程式碼

    用 Python 執行 AI 產生的程式、測試修改或分析資料時,若想避免程式直接影響其他工作,就需要隔離的執行環境。Vercel Sandbox Python SDK 1.0 已穩定公開介面,功能也追上 TypeScript SDK;它能在隔離的沙盒裡執行工作,並在工作結束後自動清理環境。例如,可以從 Git 分支建立沙盒、執行測試,完成後自動清理。從 0.x 升級的人要留意,指令輸入和輸出已改用 bytes。

  10. Google Developers Blog81

    Google AI Studio 用 Gemini 打造可連線資料庫的 Android App

    從想法做出 Android App,常得分別處理資料儲存、登入、AI 功能和手機測試。Google AI Studio 現在能依照提示詞建立 Kotlin App,並設定 Cloud Firestore、Google 登入及安全呼叫 Gemini 的功能;資料也能在不同裝置間接續使用。開發者還能在瀏覽器裡用高畫質模擬器測試畫面和聲音,截圖交給 AI 助理修改介面,最後把 App 發布到自己的 Google Play 個人資料庫,再安裝到手機上。

    推薦理由:Google AI Studio 把資料儲存、帳號登入、Gemini 呼叫和手機測試串進 Android 開發流程,可瞭解從提示詞到可安裝 App 的做法。

  11. PyTorch67

    想讓模型學會特定領域的內容,開發者常得先處理模型格式轉換。PyTorch 官方表示,現在可用 NVIDIA NeMo AutoModel 在領域資料上微調 Meta 的 Muse Spark Open,並直接使用 Hugging Face 的模型檔,不必轉換格式。工具也能直接進行 SFT 和 LoRA 微調,方便快速嘗試不同產業的用法。Muse Spark Open 是推理模型,也能理解音訊、影片、圖片和檔案;文中另提供可下載的 NVIDIA NIM。

    推薦理由:Muse Spark Open 可直接用 NVIDIA NeMo AutoModel 進行領域資料微調,並支援 SFT 與 LoRA,呈現模型訓練工具如何減少轉換步驟。

  12. a16z49

    AI 助理現在已能像研究實習生一樣,照著人指定的方式執行實驗、跑程式並整理結果;Mark Chen 說,這類工作通常範圍明確,不是叫 AI 自己想研究方向。John Schulman 分享,他讓 Fable 花幾天嘗試研究點子,確實能做出一些合理實驗,也提出有趣想法,但最後可能沒完成原本的任務。人類研究者能一邊動手寫程式、一邊累積理解,提出 AI 沒想到的問題,並把研究帶往不同方向。因此,AI 已能幫忙做部分研究工作,但仍需要人判斷目標並引導過程。

  13. Arena.ai61

    GPT-6.2 Astra、Sol 和 Claude Fable 5.2 的 Agent Arena 分數尚未公佈。等待期間,Peter Gostev 以實際操作比較這些模型生成視覺內容的表現,測試專案包括 3D 場景、HTML 動畫、網站、遊戲和資料圖表,也展示了各項測試使用的提示詞。這則貼文提供影片的初步觀察;Arena 表示,根據全球使用者實際工作紀錄計算的分數將於近日公佈。

    推薦理由:這場實測涵蓋 3D 場景、動畫、網站、遊戲與資料圖表,可用來瞭解比較範圍和各模型的初步表現。

  14. Arena.ai53

    OpenAI 的 GPT-6.2 Astra 和 Sol 已加入 Arena,排行榜分數還沒公佈,使用者可以先到 Agent Arena 試用。Agent Arena 會用全球使用者提供的大量真實長流程任務,測試模型完成工作的成果;模型能使用網頁搜尋、檔案系統和終端機工具。排行榜會把模型表現和平均模型比較,並用因果追蹤方法分析結果。這兩個模型也已在 Code Arena 的 WebDev、Text、Vision、Search 和 Document 專案中提供。

  15. Google Developers Blog73

    Google 開源 ABFS,讓 Android 大型程式碼庫更快下載與建置

    Android 程式碼庫很大,下載原始碼和重新建置常要等很久,也讓開發者和 AI 助理難以快速開好多個工作區並平行測試。Google 做了開源工具 ABFS,先載入檔案清單,等建置真的需要某個檔案時才下載,並重用 CI 和開發者已經做好的建置結果。Google 表示,Android 原始碼下載時間從約 36 分鐘縮短到不到 8 秒,完整建置則從約 80 分鐘縮短到 2 分鐘多。ABFS 也能讓多個工作區共用快取;Google 正探索把它用在其他大型 Git 專案。

    推薦理由:ABFS 把大型 Git 專案的檔案按需載入,並重用 CI 與開發環境的建置結果,文中以 Android 實測呈現這套做法如何縮短等待時間。

  16. Replit Blog78

    Replit 推出 Missions,讓多個 AI 助理分工完成複雜任務

    團隊想完成大型專案,常會卡在人手和時間不夠。Replit 推出 Missions,使用者先說明目標、預算和哪些動作要先核准,接著由多個 AI 助理分工規劃、開發、測試和修改;完成進度與待核準事項都能檢視。Replit 用它打造自家的監控平臺 DataCat,花 2 天、預算上限 $3,000,完成儀錶板、警示和追蹤功能;測試時,平臺在 38 秒內找出刻意加入的資料庫錯誤。Replit 表示,DataCat 的自架版本也已開放原始碼。

    推薦理由:Missions 把多個 AI 助理分工執行、預算限制與人工核准放進同一流程,文中 DataCat 案例也呈現這套做法如何處理監控平臺建置與效能檢查。

11月17日週二
  1. PyTorch Core Releases35

    Dynamo 修正單行函式與類別名稱作用域錯誤

    開發者發現 Dynamo 在處理只有一行的函式或類別時,會因為沒有「縮排結束」的標記,導致名稱快取沒被清除,後面的程式碼會被誤判成屬於前一個名稱(例如 def f(): 內的 return 1 被記成 E.f)。這次的修正在偵測到新行後,如果下一個重要符號不是縮排,就把那個名稱的作用域移除,同時保留原本的名稱本身,並正確忽略註解與空白行。開發團隊也加了回歸測試,確保單行函式、類別、疊加定義、裝飾器等情況都能正常運作。這樣一來,Dynamo 的程式分析就不會再因為單行定義而產生錯誤的名稱標記。

  2. ollama61

    寫程式的 AI 助理有時會因為快取失效而變慢。Ollama 分享三個觀察:系統提示詞裡多一個時間戳記,就可能讓快取失效;調整推理強度,可能清掉整份快取;如果輸出被截斷,告訴 AI 助理它少看了後面的內容,能讓它接著讀完。這些提醒可用來檢查提示詞、推理設定和輸出處理方式。

    推薦理由:內容整理了三個讓寫程式的 AI 助理維持快速的實務觀察,涵蓋提示詞、推理設定與輸出截斷,可用來檢查工作流程中的效能問題。

  3. Pydantic AI Releases64

    Pydantic AI 發布 v2.69.0,更新 AI 助理工具與工作流程

    使用 AI 助理處理多步驟工作時,工具呼叫、重試和子任務若處理不一致,可能讓流程中斷或結果出錯。Pydantic AI 的 v2.69.0 加入 Gemini 4 Hydrogen 支援,也更新工具呼叫、沙箱工作區和子任務的處理方式,並修正多種模型連線、錯誤回報與重試問題。例如,串流內容若卡在反覆迴圈,現在可以偵測出來;部分子任務紀錄也會留在各自的檔案中。這次更新主要讓開發者更容易建立和維護能處理多步驟工作的 AI 助理。

    推薦理由:這次更新同時調整 AI 助理的工具呼叫、工作流程與錯誤處理,能從中瞭解 Pydantic AI 如何改善複雜任務的穩定性。

  4. PyTorch Core Releases52

    PyTorch Inductor 改用依維度處理平鋪座標軸

    PyTorch Inductor 原本把平鋪運算的座標軸寫死,超過三個維度時就需要先改掉這些限制。這次更新改成依輸入維度產生座標軸名稱,並依設定限制可用的平鋪數量,也整理了區塊大小選擇、描述子和指標位移的處理方式。作者測試了不同維度、座標軸排序及多種描述子情境;不過,這項改動本身是後續支援多維平鋪的基礎,啟用額外維度的程式在另一個後續變更中。

  5. PyTorch Core Releases60

    PyTorch Inductor 重整切分軸處理,為更多維度的運算鋪路

    PyTorch Inductor 原本把運算切分軸的數量寫死在三個,讓部分超過三個維度的運算無法使用這種切分方式。這次更新改用輸入資料的維度來產生軸名稱,並依設定限制可用的切分數量;區塊大小的既有規則則保留下來。這是支援更多維度切分的前置重整,後續的更新才會啟用更完整的多維切分。

    推薦理由:這項重構移除 Inductor 對三個切分軸的固定限制,並保留區塊大小等既有規則,讓後續支援更多維度的切分有了基礎。

  6. PyTorch Core Releases55

    PyTorch Inductor 改用依維度處理的切分方式

    PyTorch Inductor 原本把可切分的軸寫死,最多隻能處理三個軸,讓更高維度的切分不容易加入。這次改動改成依輸入資料的維度產生軸名稱,並依設定限制挑選切分方式,也調整了自動調校和資料描述子的處理。它為後續支援更多維度的點元素與歸約切分打下基礎;原有的區塊大小限制仍保留。作者也回報了多組主機與 Hopper 測試結果。

  7. Claude Code Releases40

    Claude Code 發布 v2.1.326,改善 AI 助理操作與修正多項問題

    Claude Code v2.1.326 加入多項操作提示,也修正了設定、登入、MCP 連線和遠端操作等問題。像是設定了不完整的工具規則時,啟動時會提醒你;如果背景工作還在執行,用手機或網頁按下停止,也會一併結束這些工作。這次更新也修正了部分情況下,舊檔案可能蓋掉 Claude 修改過的檔案。整體來說,這版讓錯誤比較容易被發現,也讓工作紀錄和檔案處理更可靠。

  8. Arena.ai48

    LMSYS Arena 的 Code Arena: WebDev 追蹤五款新模型加入後,模型價格和寫網頁程式表現的關係如何改變。其中 Muse Ember 表現影響最大:每次回答約 3 美分,分數達 1608;同價位先前最佳是 1438。推文估計,Muse Ember 對上先前最佳模型時,約有 73% 的機會勝出。這表示它以相近的低價,做出更好的網頁程式表現,也改變了這項評測中的價格與表現比較。

  9. Vercel Blog69

    Vercel 示範如何測試 AI 助理能不能完成使用者的工作

    AI 助理看起來完成了工作,結果卻可能點錯飲料,或花超過使用者設定的預算。Vercel 用咖啡訂單示範如何反覆執行同一項任務,檢查最後結果是否符合飲料、取餐時間和總金額等要求,再檢視失敗紀錄,找出助理在哪一步出錯。文章也說明成功率、Pass@k 和 Pass^k 的差別:如果使用者每次都需要答對,Pass^k 能看出助理是否夠可靠。團隊可以用這些測試比較修改前後的結果,並在產品更新時重跑,及早發現問題。

    推薦理由:文章用咖啡訂單示範如何從使用者常遇到的錯誤設計測試,並比較成功率與 Pass^k,幫助團隊找出需要修正的環節。

  10. Databricks Blog68

    Databricks 推出 AI Index,追蹤企業採用哪些 AI 模型及其成本

    企業可選的 AI 模型越來越多,光看模型表現或每個 token 的價格,很難知道哪種選擇最適合手上的工作。Databricks 推出公開的 AI Index,整理企業使用模型的情況與花費,也用實際程式開發任務比較不同模型和 AI 助理工具組合的成功率與每項任務成本,並計畫每週更新。資料顯示,開放權重模型在企業流量中的佔比從 7 月的 7.3% 升到 11 月的 30.9%;有些模型 token 單價較低,完成任務卻可能花更多錢。Index 也提醒企業按自己的工作內容比較品質和成本,因為測試結果不一定適用所有團隊。

    推薦理由:Databricks AI Index 把企業採用情況和程式任務的品質、成本放在一起比較,呈現模型選擇如何隨工作需求改變。

  11. Microsoft Research74

    TokenEconomizer 讓 AI 程式助理記住專案經驗,降低修 bug 花費

    AI 程式助理每次開始工作,都可能重新摸索熟悉的專案、載入用不到的工具,或一再卡在同一個錯誤,讓使用者花更多模型費用。TokenEconomizer 是開源外掛,會從每次工作紀錄整理出專案筆記、移除較少用到的工具,並在助理反覆遇到同一個問題時提醒它換個做法;之後也會依新經驗修正這些判斷。研究用五種 AI 助理與模型組合測試 277 個修 bug 任務,平均花費降低 18.4–30.9%,任務成功率大致維持穩定。剛開始累積經驗時,前幾個任務可能較花錢,但每個測試專案到第六個任務時,累計花費都已低於原本做法。

    推薦理由:研究比較五種 AI 助理與模型組合,顯示記住各專案的工作經驗能降低後續修程式的花費,且任務成功率大致維持穩定。

  12. AWS Machine Learning Blog48

    AWS 示範如何用 Amazon Bedrock 和 AWS Transform 把主機 Assembler 程式改成 Java

    銀行、保險公司和航空公司有些重要工作仍靠主機上的 Assembler 程式處理,但懂得維護這些程式的人愈來愈少,手動重寫又花時間,也可能弄丟沒人記得的規則。這套做法先用 Amazon Bedrock 分析程式、整理出業務規則,再請熟悉業務的人檢查;接著把 Assembler 轉成較容易閱讀的 COBOL,確認結果符合原本功能後,再由 AWS Transform 轉成 Java Spring Boot 應用程式。 例如,程式裡的資料對應和計算規則會先整理成檔案,交給專家確認,降低轉換時漏掉規則的風險。這種分階段做法能協助縮短改寫時間,也讓人能在每個重要步驟檢查程式是否維持原本的業務功能。