跳到正文

#開源專案

RSS
今日 0 則
10月28日週三
  1. Supabase Blog59

    使用 Make 自動化 Supabase 後端

    Supabase 與 Make 的整合已上線,讓使用者能在 Make 的視覺化工作流程中直接操作 Supabase 後端。 - Supabase 透過 Make 的 MCP Client 可查詢資料庫、讀取日誌、部署 Edge Functions,並以工作流程步驟管理專案。

  2. Hacker News (official RSS)83

    PHP2Shell、LiteLLM、GitLab 等多項安全漏洞曝光,讀者需即時修補

    導語:本週 PHP、Node.js、GitLab、LiteLLM 等多個熱門開發環境曝出高危漏洞,攻擊者已在公開前嘗試利用,讀者需盡速確認環境並升級。

    推薦理由:本週多項關鍵漏洞曝光,讀者可快速掌握評估與修補流程,並瞭解漏洞利用視窗縮短的趨勢,保障系統安全。

  3. Databricks Blog72

    Vital Skills:提升 Genie Code 在醫療與生命科學領域的能力

    Genie Code 在 Databricks 上推出的 Vital Skills 讓 AI 編碼代理在醫療與生命科學領域更具專業性與效率。 - 效能提升:在 BiomniBench 上,使用 Vital Skills 的 Genie Code 平均分數從 71.9 提升至 76.9,且對非範圍任務無負面影響。

    推薦理由:Vital Skills 讓 Genie Code 在醫療與生命科學領域能更準確、高效,讀者可評估其在實務中的應用與成本效益。

  4. OpenAI Triton Releases79

    Triton 3.9.0 釋出多項新功能與效能提升

    Triton 3.9.0 釋出多項新功能與效能提升,為 GPU 加速工作流程帶來更高效的編譯與執行。 - 新語法與功能:新增 tl.atomic_load / tl.atomic_store、tl.atomic_poll、tl.fdiv(..., approx=True) 及鏈式比較、關鍵字引數、元組拆包等語法增強。

    推薦理由:Triton 3.9.0 釋出多項效能提升與新語法,使用者可直接將升級應用於 GPU 加速工作流程。

  5. hackernews10048

    Gforth 1.0 文件更新

    summary_zh: Gforth 1.0 文件正式列出永久支援的單詞、語法擴充套件與多執行緒功能,並提供 IDE 與 C 介面的新增特性。 - 穩定性目標:檔案明確標示哪些單詞為永久支援,哪些為臨時實驗,並說明未來可能移除的專案。

10月27日週二
  1. CVE-high46

    **title_zh:**

    CVE-2026-117569 - Kali-GPT commit a608c74 透過 MCP Scanner Tool 引數導致 OS Command Injection 漏洞 summary_zh: Kali‑GPT commit a608c74 內含 OS command injection 漏洞,允許 MCP 客戶端透過未經過濾的掃描引數執行任意命令。

  2. Google Developers Blog81

    將 TorchTPU 整合至 TorchTitan,最佳化 TPU 模型訓練

    Google 於 2026 年 10 月 20 日公佈了 TorchTPU,將其作為 TorchTitan 的 TPU 原生後端,並提供完整的最佳化流程,讓開發者可在 Google Cloud TPU 上輕鬆訓練 LLM、MoE 及 Diffusion 模型。

    推薦理由:本文提供 TorchTPU 的完整整合與最佳化流程,幫助工程師快速在 TPU 上跑 LLM、MoE 與 Diffusion 模型,並附案例與最佳化手冊,適合想在雲端 TPU 進行大規模訓練的開發團隊。

  3. Google Developers Blog68

    Model Explorer 為自訂邊緣編譯器帶來視覺化圖形除錯

    Model Explorer 讓開發者視覺化檢視模型編譯流程,輕鬆定位 NPU 交付與效能瓶頸。 - 支援多種模型格式:TOSA、VGF、PTE、PyTorch 等;Arm 為 TOSA/VGF/PTE 開發外掛。

    推薦理由:Google AI Edge Model Explorer 讓開發者能以視覺化方式檢查模型編譯流程,快速定位 NPU 交付與效能瓶頸。

  4. Google Developers Blog74

    LiteRT Tensor API:讓開發者在邊緣裝置上原生編寫模型

    LiteRT Tensor API 讓開發者可在多平臺手寫 C++,直連 GPU,零複製資料,提升模型部署效率與控制度。 - 跨平臺執行:同一 C++ 圖形可在 CPU、GPU (ML Drift)、NPU 或 XNNPACK 上執行,無需重寫。

    推薦理由:LiteRT Tensor API 讓開發者可在多平臺手寫 C++,直連 GPU,零複製資料,提升模型部署效率與控制度;同時支援 XNNPACK、ML Drift 等後端,並提供開放式樣板促進 AI coding agent 開發。

10月26日週一
  1. LangChain Blog72

    AI 代理的上下文工程:從檢索開始

    本文以 LangChain 的 Deep Agents 為例,說明 AI 代理如何透過檢索最佳化、子代理與檔案路徑策略,管理有限上下文視窗。 - 檢索工具:使用 glob、grep 先過濾檔名/關鍵字,再以向量搜尋取代全文比對,降低 token 與時間成本。

    推薦理由:本文提供實用的檢索最佳化技巧,幫助 AI 代理在有限上下文視窗內高效定位關鍵資訊,並示範如何利用子代理與檔案路徑策略降低載入成本。