跳到正文

#評測/基準

RSS
今日 14 則
11月17日週二
  1. Dev.to Top Tech78

    AWS Emulator 實測:72 項檢查通過 66 項,Terraform 仍卡關

    想在不連上 AWS 的情況下測試程式,可以省下雲端費用,也不用在測試環境放入 AWS 憑證。作者用一個包含登入、資料庫、快取和檔案匯出的範例應用程式測試 AWS Emulator,72 項檢查有 66 項通過;但模擬的 PostgreSQL 和 Redis 只支援部分功能。Terraform 測試也遇到安全群組和 S3 等問題,31 項資源只建立了 25 項。它適合部分應用程式整合測試,但不能取代正式環境測試,IAM 許可權檢查也不符合 AWS 的實際行為。

    推薦理由:作者以完整應用和 Terraform 實測,呈現 AWS Emulator 在整合測試、資料庫快取及基礎架構部署上的差異,協助判斷適用範圍。

  2. Dev.to Top Tech56

    實測 GLM 5.3 Flash 和 DeepSeek V4.1 Flash:改用 Mistral 服務後生成速度更快

    同一個大型語言模型換一家服務商,回覆速度可能差很多。作者用 200 次串流請求,比較 GLM 5.3 Flash 和 DeepSeek V4.1 Flash 透過原服務商與 Mistral 回覆的速度;在測試的長篇輸出中,Mistral 的可見文字生成速度高出 1.75 到 2.27 倍。等待第一段文字出現的時間則因模型和輸入長度而不同。這次測試沒有評估答案品質,也無法確認速度差異來自哪種硬體或服務方式,因此結果適合當作選擇服務商時的參考,不能直接當成長期固定的速度表現。

  3. 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。

  4. Dev.to Top Tech53

    VPN 黑五促銷怎麼比?作者拆解首期實付與續約價

    VPN 黑五廣告常把折算後的月費放在最醒目的位置,但實際扣款通常是一次付清,續約時也可能變貴。作者在促銷期間檢視多家 VPN 的方案,列出廣告月費、首期總額和查得到的續約價,並提醒要按合約月數換算再比較。以 Proton VPN Plus 為例,前 24 個月共 $59.76,續約一年要 $83.88;留用滿三年,平均每月會從首期的 $2.49 升到 $3.99。Surfshark 和 NordVPN 的方案卡當時沒列續約價,作者建議先到結帳頁確認。

  5. Dev.to Top Tech49

    SWE-bench Verified 為什麼可能讓人看錯程式能力

    SWE-bench Verified 的分數看起來能比較 AI 寫程式的能力,但如果題目或測試方式有問題,分數就不一定能代表真實表現。OpenAI 的官方文章提到,有些題目可能已被汙染,測試也可能把正確的解法判錯;但這不表示所有解題都是靠背答案。要公平比較兩個分數,必須用相同的題目和測試條件。

  6. Dev.to Top Tech56

    ElevenLabs 配音方案劃不划算?作者算出不同影片更新頻率的成本

    經營不露臉的 YouTube 頻道,該用 ElevenLabs 配音,還是請真人配音員,更新多少影片才划算?作者用每支約 10 分鐘的影片估算用量,再比較 Creator、Starter 和免費方案,以及 Black Friday 年費和月付價格。以 Creator 特價年費 $99 計算,對比每支 $50 的真人配音,兩支影片就能回本;但若每月只做兩支,Starter 一年 $60 更省。Creator 要比 Starter 划算,得每月持續做超過三支影片至少五個月。點數每月到期,第二年 Creator 會續收 $220;若頻道需要表演感,或還不確定會不會持續更新,作者建議先考慮真人配音或月付。

  7. Dev.to Top Tech52

    作者實測三款圖片壓縮工具,只有 DigImg 能自動壓到 100KB 內

    圖片有 100KB 上限時,只把檔案變小不一定夠用,還得確認每張圖都能低於限制。作者用四張合成圖片測試 DigImg、TinyPNG 和 Squoosh,結果 DigImg 能自動調整品質,讓四張都低於 100KB;Squoosh 也能做到,但要手動調整滑桿。TinyPNG 只有一張低於上限,另外三張仍有 336–485KB。壓縮到上限內也會犧牲畫質,特別是細節多的圖片。作者也觀察到 DigImg 測試時沒有送出圖片內容,TinyPNG 則會上傳圖片;這只是有限範圍的測試。測試圖片只有四張,而且作者揭露 DigImg 是自己的產品。

  8. Dev.to Top Tech49

    研究拆解 Polymarket 氣溫市場的 3 種計算錯誤:1,153 天都得出正確區間

    氣溫市場看起來只要找出機場當天最高溫,但少算一種測量紀錄,或把小數直接去掉,都可能讓結果落到隔壁的溫度區間。作者比對 48 個城市、1,153 個已結算的城市日,發現美國以外的機場要把每半小時的例行紀錄也算進去;美國則只算每小時的例行紀錄,不能把天氣突然變化時的特別紀錄算進去。 溫度有小數時,研究採用四捨五入,並在有精確到 0.1°C 的紀錄時優先使用該數值;換算成華氏溫度後,再四捨五入到整數。照這套方法計算,1,153 天都落在市場結算的區間;若直接去掉小數,則有 59 天算錯。作者也提醒,市場規則和資料可能改變,因此這次比對結果不保證未來每天都適用。

  9. vLLM52

    同一個模型和推論軟體,換到不同硬體後,每張晶片能處理多少 token 可能差很多。vLLM Project 公佈 DeepSeek V4.1 Flash 在 Vera Rubin NVL72 上的 AgentX 基準測試結果,使用 Dynamo 和 vLLM,並與同樣搭配 Dynamo 和 vLLM 的 GB300 NVL72 比較。每位使用者以 400 tok/s 生成時,Vera Rubin 的每張晶片總 token 吞吐量是 GB300 的 63.4 倍;以 600 tok/s 生成時則是 93.3 倍。這些數字呈現了特定模型、硬體和測試條件下的效能差距。

  10. Artificial Analysis59

    文字轉語音模型不只要發音自然、生成得快,也得讓人不用等太久才聽到聲音。Artificial Analysis 新增「開始播放語音所需時間」基準,每天用相同的 12 個提示詞測試各模型,並公佈近 7 天平均值。結果顯示,串流模型通常幾百毫秒內就會開始說話,中位數是 376 毫秒;非串流模型得等整段語音生成完才會回傳,中位數是 2.0 秒。

  11. Dev.to Top Tech56

    FireRed Image Edit 1.0 與 Qwen 2511 圖片編輯比較:怎麼選防止畫面跑掉的模式

    圖片編輯常遇到兩種問題:想改的地方沒改好,或是整張圖都跟著變了。AI-KSK 用五種編輯任務比較 FireRed Image Edit 1.0 和 Qwen 2511,並介紹兩種設定:Anti-drift 適合只改指定區域,Free-range 則能重新調整整張圖,較適合換背景或改光線。作者建議測試時除了看指定修改有沒有完成,也要檢查其他地方是否改變;文章另提醒,模型檔名中的空格可能讓命令列工具找不到檔案。

  12. Dev.to Top Tech57

    實測 Qwen3-1.7B 能否比得上 Qwen3-8B,整理葡萄牙文電商評論

    電商客服每天要看很多顧客留言,得從中找出問題型別、情緒和是否需要立刻處理。作者用葡萄牙文評論比較 Qwen3-1.7B、Qwen3-8B 和 TF-IDF 分類器,發現小模型在問題型別和處理急迫度上與大型模型差不多,情緒判斷則少了 4 個百分點;但 TF-IDF 在情緒分類上也沒有明顯落後。小模型批次處理速度較快,每秒可處理 2.6 則評論,大型模型是 0.71 則;單筆處理時間卻只從 3.82 秒降到 3.09 秒。測試也發現,「中性」怎麼定義會影響情緒分類結果,模型變小不會自動解決這個問題。

  13. Dev.to Top Tech39

    兩個 AI 撲克 bot 都說自己有葫蘆,只有一個真的有

    打牌時,AI 說自己手上有什麼牌,不一定說得對。作者記錄了 AI 撲克 bot 每次出牌時附上的一句話,發現它們選的動作通常合法、也算合理,說明自己手牌的話卻可能出錯。有一局,GLM 4.7 Flash 手上只有兩對,卻說自己有葫蘆,最後把籌碼輸給拿到同花的 Qwen 3.8 27B;另一局,GPT-6 Astra 真的拿著葫蘆,也正確說出手牌並贏下底池。光看 AI 的說明很難分辨真假,還得對照它實際拿到的牌。

  14. NVIDIA Newsroom Press Releases76

    NVIDIA Vera Rubin 在 MLPerf 訓練與 AI 助理推論測試中展現效能

    NVIDIA 的 Vera Rubin 平臺首次參加 MLPerf 測試,在 MLPerf Training v6.1 的所有專案都有成績;和 NVIDIA GB300 NVL72 相比,Vera Rubin NVL72 每張 GPU 的效能最高達 2 倍。在 DeepSeek-V3 測試中,GPU 數量從 256 張增加到 1,024 張,訓練時間從 16 分鐘縮短到約 4 分鐘,擴充效率約 97%。AI 助理推論方面,Vera Rubin 在 Kimi K3 的一項暫定測試中,每瓦吞吐量超過 GB300 NVL72 的 10 倍;這項結果仍待 MLCommons Association 驗證。

    推薦理由:Vera Rubin 首次參加 MLPerf,訓練與 AI 助理推論的結果可用來比較單卡效能、擴充效率和每瓦吞吐量。

11月16日週一
  1. Artificial Analysis62

    Liquid AI 推出 d1.2-ultra 和 d1.2,更新旗下的 d1-ultra 和 d1.1 決策模型。Artificial Analysis 表示,d1.2-ultra 在自家 AA-Paperclip 評測拿下 76 分,比第二名 Drex Max v1.1 高 3 分;另一項 Artificial Analysis Decision Index v2.1 排名中,d1.2-ultra 第 1 名,d1.2 第 6 名。兩款模型也都比前代得分更高,且都位於能力與成本的帕累托前緣。每 100 萬個 Decision Index 任務的費用分別是 $133 和 $63;兩者可接收文字與圖片,並透過 Liquid AI 自家 API 提供。

    推薦理由:Artificial Analysis 的測試顯示,d1.2-ultra 與 d1.2 都比前代得分更高,並列在能力與成本的帕累托前緣,可比較兩款模型的進步與花費。

  2. Dev.to Top Tech72

    Quarkus 教學:比較 Mutiny 和虛擬執行緒處理網路請求

    伺服器同時處理很多等待網路回覆的請求時,該用 Mutiny 的反應式寫法,還是 Java 虛擬執行緒?作者用 Quarkus 做了五種版本的股價查詢服務,再用本機假服務測量速度。測試中,反應式寫法和虛擬執行緒寫法在最高每秒 10,000 個請求時都碰到同一臺機器的效能上限;把阻塞呼叫交給一般工作執行緒,則在每秒約 1,000 個請求後開始受限。作者提醒,這些結果只適用於文中的簡單查詢和測試環境,選擇時還要看程式是否好讀、是否需要串接非同步工作,以及如何限制同時送出的請求。

  3. 雷科技68

    實測 OPPO Reno17 Pro:拍照好玩,比堆相機規格更重要

    手機拍照不只要拍得清楚,拍出喜歡的色彩和感覺也很重要。雷科技實測 OPPO Reno17 Pro,分享它的主鏡頭、長焦鏡頭和調色玩法。調色盤能調整背景色彩,同時讓人物膚色維持自然;底片模式則能替一般場景加上復古感。評測也提到,長焦鏡頭在光線不足時容易少掉細節,建議改用主鏡頭。作者認為,這款手機適合想輕鬆拍出不同風格照片的人,晶片效能則以續航為主。

  4. Tom’s Hardware AI & Computing53

    玩家用 AI 修改 Intel 主機板 BIOS,嘗試讓非 K 系列 CPU 超頻

    Intel 的非 K 系列 CPU 鎖住了倍頻,想提高速度通常得用基礎時脈超頻,但這也可能影響記憶體和 PCIe 裝置,讓系統不穩。玩家 Hardware 360º 用 Chat-GPT Astra 比對兩版 ASRock BIOS,找出舊版 SkyOC 超頻功能的相關程式碼,並修改 BIOS,想讓現代 Intel 主機板也能使用這種方法。這項修改還沒完成測試;新款處理器的韌體和時脈管理方式不同,刷入改造過的 BIOS 也可能讓主機板無法使用。

  5. Tom’s Hardware AI & Computing36

    Minisforum Elite Mini M2 Air-304 評測:安靜小巧,適合文書和懷舊遊戲

    Minisforum Elite Mini M2 Air-304 體積小、運作安靜,日常上網和寫檔案都很順手;但它的處理器核心不多,玩較新的 3D 遊戲時會很吃力。像《古墓奇兵:暗影》和《電馭叛客 2077》測試時,畫面每秒只有 10 到 12 張左右,降低畫質和解析度才比較玩得動;相較之下,玩 PSP 模擬器上的《Wipeout Pure》則能穩定跑到 60 FPS。評測機配有 16GB 記憶體、500GB SSD 和 Windows 11 Pro,限時價格是 $559;空機版起價 $263。它適合文書工作和較舊的遊戲,若想玩新的 3D 大作或做繁重工作,就不太合適。

  6. Dev.to Top Tech58

    PAM 與 React Native 待機實測:Zé Chat 每分鐘喚醒 CPU 130 次與 3,543 次

    聊天 App 開著卻沒人操作時,背景工作仍可能讓手機 CPU 不斷醒來。作者把 Zé Chat 分別用 React Native 和 PAM Native 製作,在同一部 Galaxy S10 上測量;螢幕停在收件匣時,PAM 每分鐘喚醒 CPU 130 次,React Native 則是 3,543 次。作者認為,React Native 版本的 JavaScript 執行環境、橋接層和計時器會持續運作;PAM 則用常駐的小型執行環境處理畫面更新。測量也顯示 PAM 並非每種情況都較快,例如顯示 10,000 筆清單和播放影片時,React Native 的數字較低。結果來自單一手機與每種情境 3 次測量,不能直接代表所有 App 或手機。

  7. Dev.to Top Tech38

    5 款 Apify OCR 工具比一比:只有 1 款能把發票表格讀對

    烏克蘭文、俄文的圖片文字,不是每款 OCR 工具都讀得好;發票表格更容易被拆散,數字也可能看錯。作者拿 5 款 Apify OCR 工具讀同一張烏克蘭文發票,只有 ai_admin/image-to-text-ocr 把表格整理成一列列資料,12 列都讀對,金額也完全正確。兩款 Google Lens 工具雖然認得文字,卻把表格按欄拆開,還讀錯部分數字;其他兩款則把西里爾字母看成拉丁字母,或無法讀取。這次比較顯示,挑 OCR 工具時,除了看文字有沒有認對,也要確認表格和數字有沒有保留下來。

  8. Dev.to Top Tech65

    ChatGPT、Claude、Gemini、Grok 和 Perplexity 訂閱方案怎麼選?作者核對官方價格

    AI 訂閱方案常改名或調整功能,網路上的比較圖可能讓人選錯方案、多花錢。作者逐一檢視 ChatGPT、Claude、Gemini、Grok 和 Perplexity 的官方價格頁,整理免費方案能做什麼、付費後多了哪些功能,以及各方案的價格。核對後發現,Gemini 要在 Gmail 或 Docs 裡使用,得選符合需求的付費方案;ChatGPT 自訂 GPT 列在 Plus 方案,Grok 的方案名稱也和舊圖不同。作者建議先用免費方案處理日常工作,確認常遇到哪些限制,再付款前檢視官方頁面的方案名稱、計費週期和價格。

  9. Dev.to Top Tech46

    Postdot 和 Postiz 閒著時會佔用多少記憶體?

    想自己架社群排程工具,可能會好奇它們放著不動時會吃掉多少記憶體。作者在同一臺電腦上,各重新安裝 Postdot 和 Postiz 3 次來測量:Postdot 只用 1 個容器,平均佔 83 MiB;Postiz 的完整配置用了 8 個容器,平均佔 2,303 MiB。若已經有 PostgreSQL、Redis 和 Temporal,Postiz 可以連線這些服務;只比較兩套工具本身時,Postiz 佔 1,303 MiB,Postdot 則是 83 MiB。這次只測了閒置狀態,不能用來判斷忙碌時或長時間運作的記憶體用量;而且 Postdot 還在 alpha 階段,兩者功能和成熟度也不同。

  10. Dev.to Top Tech54

    OpenClaw、Hermes Agent、ZeroClaw 比較:哪款個人 AI 助理適合你?

    個人 AI 助理各有不同做法,挑選時常要在好上手、會記住工作習慣和省資源之間取捨。這篇評測比較 OpenClaw、Hermes Agent 和 ZeroClaw:OpenClaw 可連線 24 個訊息平臺,並提供引導式設定;Hermes Agent 能從使用經驗建立和改進技能,也能搜尋過去的對話;ZeroClaw 主打輕巧和自動執行,適合監控系統或在資源有限的環境運作。作者依照訊息平臺、記憶、排程和部署等需求整理差異,方便讀者挑選適合自己的工具。

  11. Artificial Analysis40

    從 GTA VI 第一支預告在 2023 年 12 月發布至今,Artificial Analysis Progress Index 的最高分從 160 升到 358,增加超過一倍。榜上 491 個模型中,有 481 個是在預告發布後推出;最高分也在 23 個不同日子被改寫,模型來自 OpenAI、Google DeepMind、SpaceXSI 和 Anthropic。當時排名第一的 GPT-4 Turbo,現在會排到第 379 名。這些變化顯示 AI 模型進步很快;推文也開玩笑請 AI 公司別在 GTA VI 的 11 月 19 日發表新模型,免得搶走遊戲上市的風頭。

  12. 少數派 (sspai)53

    少數派整理近期值得關注的 App,從電子書管理到遠端控制

    想整理電子書、修照片或遠端操作 Mac,常得在不同工具和繁瑣步驟間挑選。少數派這期介紹多款 App:Dalibre 能管理電子書,也能透過 MCP 讓 AI 助理整理書庫;CN41P 專門編輯 DNG 照片;Pinky 會在付款、刪除等敏感操作前要求確認,並隔離部分敏感內容;Screens 5.10 則把高效能螢幕共享帶到 iPhone 和 iPad。文中也介紹單一風格的相機 App Cineica,以及提醒使用者暫停滑手機的 PlugBrain,並簡述 Quip、Edits 和 Gemini Live 的訊息。各工具的支援平臺與限制不同,挑選前可先確認是否符合自己的裝置和用途。

  13. Tom’s Hardware AI & Computing61

    Fable 5.2 用約 40 行提示詞做出瀏覽器水下世界

    用 AI 做出好看的 3D 場景,通常會讓人想到大型遊戲或繁複的程式碼。前端開發者 Maksymilian Dendura 用約 40 行提示詞,讓 Fable 5.2 做出名為 Abyssal Garden 的瀏覽器水下世界,程式碼約 96 KB,並使用 WebGPU 和 WebGL。場景與材質由數學方式即時生成,畫面效果則部分交給著色器處理。作者表示,他在 RTX 5070 Ti 上以 1440p 執行時達到 180 FPS。這是展示作品,互動、遊戲邏輯和物理效果都很有限;文章也提醒,精簡的展示作品不能直接和完整遊戲相比。

  14. Dev.to Top Tech54

    Dodo Data 追蹤 11,600 個求職網站,發現四分之一新職缺兩週內下架

    求職網站的 API 會列出還在招募的職缺,卻不會告訴你職缺何時下架,舊清單因此可能很快失準。Dodo Data 每天檢視約 11,600 個企業徵才網站,記錄職缺從清單消失的情況;在排除幾個特別的網站後,追蹤的 12,496 筆新職缺中,有 23.3% 在兩週內下架。這不代表職缺都已經找到人,因為企業也可能取消、暫停招募,或把職缺移到別的網站。作者也提醒,統計只涵蓋前兩週,無法說明職缺長期刊登的情況,並提供每日下架職缺資料供人查閱。

  15. Dev.to Top Tech49

    為什麼 QA 團隊會對 AI 的同一個答案判出不同結果?

    測 AI 功能時,大家可能會對同一個答案有不同看法。像模型看見雞肉咖哩飯的照片,只回答「咖哩」:有人覺得菜名答對了,有人覺得少了雞肉和白飯,會害營養估算出錯。問題常出在評分規則沒先說清楚,例如要看菜名、食材,還是使用者最後看到的數字;答案只對一部分又該怎麼算。 作者建議,測試前先寫好規則,並準備 10 到 20 個有爭議的例子,讓不同團隊各自評分,再一起討論判斷不同的案例。比如兩個三明治都被叫作「三明治」,但食材不同,就不一定是重複專案。這樣訂出共同標準,通過率才比較能反映 AI 表現,而不是各團隊當週的評分習慣。

  16. Dev.to Top Tech62

    Tavily 和 Google 搜尋 API 怎麼選?比較速度、答對率和費用

    AI 助理找資料時,有時需要快速拿到可讀的網頁文字,有時則要知道 Google 搜尋結果的排序和額外資訊。這篇比較 Tavily、Google SERP API 和 Gemini Grounding with Google Search:測試中,Tavily 搜尋較快,也能回傳網頁文字;Google SERP API 在多步推理問題上答對較多,並可提供 AI Overview 等搜尋頁面內容。作者也提醒,測試每題只搜尋一次,若 AI 助理會再搜尋或讀取網頁,結果可能不同。文中作者所屬的 cloro 也販售其中一種 Google SERP API,並公開測試資料供查驗。

  17. Dev.to Top Tech68

    哪個網頁搜尋 API 適合連續呼叫的 AI 助理?

    AI 助理連續搜尋多次時,每次多等幾秒,總等待時間就會拉長;但搜尋越快,不一定越能答對需要多步查證的問題。這篇比較測試中,Exa 每次搜尋的中位數是 0.74 秒,Google 搜尋結果 API 約要 8 秒;連搜 10 次,估計搜尋時間分別約 7 秒和 80 秒。另一方面,在 824 題多步搜尋問題中,兩種較慢的 API 單次搜尋答對率為 80.2% 和 77.4%,Exa 為 64.0%,Tavily 為 48.4%。因此,使用者正在等答案時可優先看速度;背景研究若更重視多步問題的答對率,較慢的 API 也可能合適。作者也提醒,測試只讓每題搜尋一次,還不能說明多次快速搜尋能否追上較慢 API 的答對率。

  18. Sakana AI50

    一般的 AI 測驗不一定看得出模型懂不懂日本的金融規定。Sakana AI 推出日文評測題庫「JFinBench」,用日本 6 種金融資格考試的 2026 年版題目做成 321 題,包含稅額計算、申論和讀圖。製作時由 AI 助理協助整理考試 PDF,再由人逐題檢查,約花 12 小時。測試 12 個大型語言模型後發現,有些開放權重模型在一般測驗表現不錯,遇到日本金融題目仍落後;主要難在不熟悉日本製度,而不是計算。讓模型查法令能提高分數,但差距仍在,顯示模型還需要學會運用日本的金融知識。

  19. Dev.to Top Tech54

    Pasportoo 如何發現 Claude Code 的滿分考試太容易

    AI 助理考試拿到滿分,不一定代表它真的很會解題,也可能是題目太容易。Pasportoo 團隊用固定規則評分,讓 Claude Code 完成考題;兩次測試都拿下 49 項全數通過,但團隊檢查後發現,程式設計和除錯題是選擇題,錯誤選項太離譜,模型不用真正理解程式也能答對。寫測試抓出隱藏錯誤的題目比較有用,因為測試必須找出程式出錯的情況。團隊因此準備改用預測程式輸出、找反例和撰寫測試等題型,也提醒評測者檢查滿分是否真的能分辨能力。

  20. Dev.to Top Tech38

    實測 Google TPU v6e:只保留對話紀錄,每顆晶片可同時放 5 個 AI 助理工作階段

    AI 助理如果要一直記得整段對話,就得把對話資料留在記憶體裡;能同時處理多少個工作階段,也會受到記憶體容量限制。這次測試把不同長度的對話資料放進 Google TPU v6e,直到記憶體滿載,但沒有執行模型。結果顯示,每個工作階段只保留 AXI 一個步驟的 2,824 個 token 時,可放進 927 個;若保留一段平均有 476,835 個 token 的長對話,則只能放進 5 個。這說明長對話會佔用更多記憶體;測試只量記憶體容量,無法看出速度、回答品質、處理量或價格。

  21. Dev.to Top Tech52

    ai-memory 評測:多個 AI 助理共用工作記憶,單人切換時也許讀紀錄就夠了

    切換 Claude Code 和 Codex 時,新接手的 AI 助理常不知道前一個做了什麼。作者實際安裝並測試 ai-memory,這個工具會把工作紀錄整理成筆記,讓多個 AI 助理從同一處接續進度,也會在儲存前遮住金鑰等敏感資料。作者認為,單人只在兩個 AI 助理間切換時,可以直接請新助理讀取另一個工具留下的 JSONL 工作紀錄,省去安裝和維護常駐服務的麻煩;需要多人共用工作記憶的團隊,才較能用上它的功能。

  22. Dev.to Top Tech39

    Lucen 如何替 AI 助理挑出需要的工具和資料

    AI 助理遇到資料庫故障時,若把所有工具說明都塞進提示詞,容易花掉大量篇幅,還可能找不到真正需要的資料。Lucen 會先依照工作內容,從工具和服務的關係中找出合適工具,再補上正確的資料庫位置,讓 AI 助理可以直接處理。文中的 50 個測試情境裡,把 500 個工具全塞進去要用 272,607 個 token,第一次就成功的比例是 0%;Lucen 平均只用 2,211 個 token,成功比例則是 86.7%。這表示工具說明塞得多,不代表 AI 助理就能做好事,還得先找對工具和要處理的物件。