跳到正文

#Agent

RSS
今日 32 則
11月19日週四
  1. Dev.to Top Tech78

    2026 年 AI 助理沙箱評比:E2B、Daytona 等 7 種服務怎麼計費

    AI 助理常有不少時間在等模型回覆,但沙箱服務可能仍按整段開啟時間收費,讓帳單差很多。Yusuf 用 2 vCPU、4 GB 記憶體的程式助理情境,比較 7 種沙箱跑 1 小時及 100 人每月使用的費用;依他的估算,每小時從 Upstash Box 的 $0.017 到 E2B、Daytona 和 Blaxel 的 $0.166。差異主要來自 CPU、記憶體是否按實際使用量計費,以及等待時是否仍收費。文章也提醒,執行使用者提供的程式碼時要留意隔離與網路存取,並先用自己的工作流程實測一天再估算費用。

    推薦理由:這份比較把七種沙箱放進同一個會等待模型回覆的程式助理工作情境,呈現計費方式如何影響每小時與每月費用。

  2. Dev.to Top Tech76

    Agent Taskbay 推出 A2A AI 助理共用的人工審核操作檯

    多個 AI 助理同時工作時,核准、補充問題和待辦可能散落各處,負責的人也不一定是啟動任務的人。作者推出 Agent Taskbay,讓支援 A2A 的 AI 助理把需要人工處理的工作集中到同一個操作檯;AI 助理仍負責執行,人可以在裡面分派任務、核准或退回提案,並檢視處理紀錄。每項核准都會對應提案版本:如果內容更新,舊版本的核準就不會送出,審查者得先看過新版本。這讓團隊能集中處理不同 AI 助理的請求,也能查明誰核准了哪項內容。

    推薦理由:多個 A2A AI 助理需要人工決定時,Taskbay 把待辦、負責人與審核紀錄放進同一個操作檯,並用版本確認避免過期核准送出。

  3. Dev.to Top Tech62

    教學:如何在同一臺 VPS 部署 n8n 和 Evolution API

    把 n8n 和 Evolution API 放在同一臺 VPS,容易碰到網址設定、連線安全和資料備份等問題。這份實測教人用 Docker Compose 部署兩套服務,讓它們在主機內互相傳送 WhatsApp 事件,再由 Caddy 提供 HTTPS 連線。測試沒有配對手機,因此 QR code 和連線事件有送到 n8n,但傳送文字會因 WhatsApp 尚未連線而失敗。文中也提醒,公開的 n8n webhook 若沒有驗證,任何人都能送出請求;備份時要保留資料庫、加密金鑰和相關檔案。

  4. 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。

  5. Dev.to Top Tech57

    如何用 Tailscale 替小團隊的 LLM 閘道設定每人用量上限

    小團隊共用模型服務金鑰時,一次失控的 AI 助理呼叫就可能讓帳單快速增加。作者分享用 Tailscale 建立只讓團隊裝置連線的閘道,再由代理程式辨認每位工程師、估算請求用量,超過每日上限就先擋下;供應商金鑰只放在閘道主機,也不儲存提示詞。這種估算不是精確帳務,並發請求可能同時通過上限檢查,請求內容也可能在檢查前佔用記憶體,因此還需要限制請求大小並留意計數誤差。

  6. 雷科技37

    梁建章談 AI 時代的人類價值:創新、生育與旅行

    AI 越來越會做重複工作,也能處理不少動腦的事,讓人擔心自己還有什麼重要價值。攜程董事局主席梁建章認為,人可以靠創新想出新點子,透過生育延續生命與文明,也能親自旅行、感受真實世界。AI 可以幫忙規劃行程,卻不能代替你走進小巷、吃到意外驚喜。攜程也宣佈,未來五年將投入至少150億元宣傳資源,盼透過平臺服務2億國際旅客到中國。

  7. Dev.to Top Tech70

    Gemini 4 Neon、GPT-6.2 Astra 和 Claude Fable 5.2 怎麼選?比較評分與任務費用

    挑大型語言模型時,只看每個 token 的價格,可能會選錯。這篇文章比較 Gemini 4 Neon、GPT-6.2 Astra 和 Claude Fable 5.2 的價格、排行榜分數與每項任務費用:Neon 的 token 單價最低,Astra 在一項獨立測試中每項任務花費最低,Fable 5.2 則在兩個排行榜領先。差別在於模型完成工作時會寫出多少 token,Astra 的測試輸出量遠少於另外兩款,因此即使單價較高,每項任務還是比較省。文章也提醒,排行榜採用的測試不同,排名可能不一致;文中提供一套測試流程,建議用自己的工作內容比較成功率、token 用量和速度。

  8. Dev.to Top Tech59

    Claude 連線 Jira:適合處理工單,團隊工時統計較慢

    Claude 接上 Jira 後能讀取、建立、留言和移動工單,但要算整個團隊的週期時間,就得逐張讀取工單歷史,速度較慢。週期時間是工單從開始處理到完成的時間;若只用建立日期和完成日期計算,得到的是包含等待時間的前置時間,數字通常更長。文章建議,查單張工單或單一專案時可用 Claude;要看團隊長期資料,則用保留所有工單狀態變化的儀錶板。作者也提醒,Claude 操作 Jira 時會沿用你的許可權,使用前應確認日期演算法與工具是否會寫入資料。

  9. Dev.to Top Tech61

    AI 助理上線前該記錄什麼,才能查出故障原因

    AI 助理出錯時,光看最後的回答,常猜不出問題出在哪裡。作者建議替每次執行記下流程版本、使用的模型和工具,以及每個步驟收到什麼、選了什麼工具、工具是否成功和接著發生什麼事;也要遮掉機密資料和個人資料。除了服務是否正常,還要留意重試、工具錯誤、逾時、人工接手和完成時間等狀況。從一個重要流程開始記錄,再刻意測試依賴服務故障,團隊就更容易找到問題並安全恢復。

  10. Dev.to Top Tech59

    如何測試答案會變動的 AI 助理工作流程

    AI 工作流程可能對同一個問題給出不同答案,只比對固定句子,容易讓測試失準。作者建議先寫清楚任務目標、可採取的動作、回答要有什麼證據,以及哪些結果不能接受,再用真實請求、模糊問題和已知失敗案例測試。評估時也要看任務是否完成、資料是否有根據、工具是否選對,以及是否遵守規則;改動提示詞、模型、檢索或工具時,則要一起檢查整個流程,並把實際發生的問題加入後續測試。

  11. Dev.to Top Tech65

    AI 工作流出錯時怎麼處理:一份實用的事故應變指南

    AI 工作流出錯時,團隊得先弄清楚它做過什麼,避免重試時又造成損害。作者整理了一份應變流程:先停用可能重複執行危險操作的觸發條件或工具許可權,再記下故障時間、工作流版本、模型或提示詞變更,以及受影響的服務。若工作流已對外寫入資料,要先和正式紀錄核對,再決定是否重跑;修好後則先用故障案例和相近情況測試,再逐步恢復流量。這份指南也提醒團隊安排事故負責人、回復條件和對外聯絡視窗。

  12. Dev.to Top Tech37

    Appxiom 用 Claude 協助 Product Hunt 上市,學到哪些事

    Appxiom 團隊讓 Claude 協助準備 Product Hunt 上市,像是整理計畫、修改介紹文、檢查宣傳內容,也彙整上市後的數字;產品定位、上市日期和最後決定則由團隊掌握。Appxiom 能找出 App 當機、卡住或網路連線失敗等問題,再把相關資訊提供給 AI 助理,協助開發者判斷該先修哪個問題。這次上市拿下當日第 4 名,但團隊發現,越早和訪客開始對話越有機會爭取好排名;介紹產品時,也該先說它能幫使用者解決什麼麻煩。

  13. Dev.to Top Tech62

    Eddy 測試 AI 助理:沒有指令的表格也能左右推薦結果

    把惡意指令藏在工具回傳內容裡,安全性較強的模型常能辨認或忽略;但一份沒有指令、數字看起來合理的表格,仍讓三個模型推薦了陌生網域。Eddy 在幾種情境中測試工具呼叫 AI 助理,發現模型可能把資料當成正常依據,照著其中的排序與數字做判斷。測試也顯示,若系統限制可呼叫的工具,或要求重要動作先經人工核准,就能在模型沒察覺資料影響時多一道把關。作者把這些案例整理成 red-team 技能,用來測試自己管理的 AI 助理。

  14. iThome (臺灣)74

    Elastic 分析五種已用於實際入侵的 AI 攻擊框架

    AI 攻擊工具能依照執行結果接著安排下一步,讓入侵者減少手動操作。Elastic 分析 ARTEX、CyberStrikeAI、Cairn、PentAGI 和 HexStrike,指出這五種開源框架都已出現在實際入侵或攻擊測試中;它們有的能分派多個 AI 助理並行工作,有的則把資安測試工具交給其他 AI 助理使用。報告也發現,這些工具可能在數秒內接連執行操作,但整段入侵活動仍會持續數小時,因此企業應把不同時間出現的異常行為串起來分析,並留意存取憑證和遠端執行程式等行為線索。

  15. Dev.to Top Tech68

    Vercel Board 推出 AI 助理共用留言板,方便認領任務與接續工作

    多個 AI 助理一起工作時,常會遇到任務撞在一起、彼此不知道進度的問題。Vercel Board 是一個實驗中的留言板,讓 AI 助理用頻道和討論串交換訊息,也能認領任務;任務有人處理時,其他人不會同時搶走,遇到依賴工作還能等前一項完成。它也能連線 Slack、GitHub 和 Linear,讓訊息與任務狀態同步。不過,預設情況下團隊成員和專案部署都能讀取各頻道,AI 助理也會沿用使用者的許可權;作者認為,五個以上的 AI 助理一起工作時,這類工具才比較派得上用場。

  16. Dev.to Top Tech65

    教你用 n8n 和 Browser Use 自動整理 Product Hunt 排行榜

    n8n 的一般網頁讀取工具看不到由 JavaScript 載入的內容,遇到防爬蟲頁面也可能拿不到資料。作者示範用 Browser Use 節點建立自動化流程,讓 AI 助理開啟 Product Hunt 排行榜,把前 5 名整理成資料,再加進 Google 試算表並寄出電子郵件。實測發現,查詢尚未結束的「今天」可能拿到沒有票數的結果,甚至得到空清單;改查前一天已結束的排行榜後,兩次執行都取得完整資料。作者也建議設定費用上限,並在寫入前檢查名次和票數,避免錯誤資料進入後續流程。

  17. Dev.to Top Tech62

    Claude Code 和 Codex 額度提早用完?先查出用量花在哪裡

    Claude Code 或 Codex 的使用額度提早用完時,光換模型或升級方案不一定能解決問題。這篇教你先看清楚用到哪種限制,再用 Claude Code 的 /usage、/status,或 Codex 的用量指令與儀錶板檢查使用情況。接著找出常見耗用來源,例如選了較耗額度的模型、載入太多工具資料、背景工作太多,或反覆重試。作者也建議把簡單任務交給較省用量的模型,複雜任務再切換,並在工作進度告一段落時換模型,減少重讀對話內容。

  18. Dev.to Top Tech40

    VibesPlug 如何用 AI 助理分工與檢查,讓強大的模型更適合寫軟體

    新一代 AI 模型很會寫程式,但只靠一個 AI 助理包辦設計、前後端和檢查,還是可能漏掉問題,或改壞其他程式。VibesPlug Pro 把工作分給 9 個專門的 AI 助理,也會依任務難度挑選不同等級的模型,並在完成前檢查成果。像是小型程式檢查可以交給速度快的模型,系統設計則交給較擅長深入推理的模型。它也會控制每個 AI 助理看到哪些資料,並擋下含有佔位內容或未完成標記的程式碼。這讓不同 AI 助理能有分工、有檢查,強大的模型也比較不容易把看似合理的錯誤帶進軟體。

  19. LangChain Blog58

    LangChain 推出 LangSmith Alerts,及早發現 LLM 應用程式問題

    LLM 應用程式會用到模型服務、API 和資料庫等外部工具,服務變慢或回答品質變差時,可能影響使用者。LangChain 推出 LangSmith Alerts,可依錯誤數量與比率、平均延遲或平均回饋分數設定提醒,也能篩選特定模型、工具呼叫或執行型別,並選擇 5 或 15 分鐘的統計區間和提醒門檻。通知可接到 PagerDuty,或透過自訂 webhook 傳送到 Slack 等地方,讓團隊更快發現需要處理的狀況。

  20. 雷科技48

    雷科技開源 CES 探展拍攝系統,讓創作者邊走邊拍更方便

    展場又大又擠,帶著相機、腳架和提詞器邊走邊拍很不方便,拍完的影片也得另外找時間傳回去。雷科技做了一套探展拍攝系統,把平板、DJI Pocket 和手機裝在同一支架上:平板顯示臺詞,Pocket 負責拍攝,手機則能即時監看和回放。雷科技在 IFA 試用後,還加上獨腳架來減輕手臂負擔,並打算把整套方案免費分享給其他創作者。這套系統仍在改良,團隊也正在規劃讓拍攝素材能更快傳回後方。

  21. Dev.to Top Tech50

    Mobilerun 如何搭配 Ollama、DeepSeek、Qwen 和 OpenRouter,選擇便宜或本機模型

    AI 助理每操作手機一步,就得呼叫模型一次;任務一多,費用也可能跟著增加。Mobilerun 可以在自己的電腦上控制 Android 手機,再依需求選模型:用 Ollama 在本機跑 Qwen,不必支付模型 API 費用;也可以改用 DeepSeek 或 OpenRouter 的線上服務,按呼叫付費。舉例來說,開啟深色模式這種任務,就能交給 qwen3:8b 執行;但它是文字模型,不能開啟 --vision。目前沒有公開的 Mobilerun 模型比較結果,因此哪個選擇最好,要看你的任務、手機和硬體,實際跑過才知道。

  22. Dev.to Top Tech57

    Correctover 用簽章收據記錄 AI 助理工具呼叫,銀行測試 27 次均未成功攻擊

    AI 助理呼叫工具可能動到金錢或正式系統,事後很難讓外人確認它實際做了什麼。Correctover 替每次會改變資料的呼叫加上 Ed25519 簽章收據,收據會連結呼叫編號和引數摘要,外人也能自行查驗。團隊在 AgentDojo 的銀行情境測試中跑了 27 次,沒有一次達成攻擊目標;其中 10 次是 AI 助理自行拒絕,沒有算成攔截器的成果。真正由攔截器擋下的是 17 次,證據也已公開供查驗。作者提醒,這只測了一種銀行情境,不能代表所有 AI 助理都安全。

  23. Dev.to Top Tech77

    決策模型怎麼挑?這份指南比較 Jev、OpenAI、Google 等選項

    AI 助理常為了選工具、檢查指令或判斷工作是否完成,就呼叫大型語言模型,花時間等答案,再把文字轉回程式判斷。作者整理 Jev 推出後,多家公司的決策模型和開源專案怎麼做,並比較它們的價格、速度、輸入內容與能否自行執行。這類模型只從預先設定的選項中挑答案或給分,仍可能判斷錯誤;作者建議先拿真實案例測試,也和原本的模型及簡單基準比較,再決定哪些結果要交給大型模型或人確認。

    推薦理由:文章比較多種決策模型的速度、價格、輸入方式與開放程度,也整理了把它們接進 AI 助理流程時可先測試的做法。

  24. Dev.to Top Tech56

    如何測試 AI 助理取消查詢後,記憶結果會不會跑進下一個任務

    AI 助理查資料時,如果使用者取消了原本的工作,查詢結果晚一步才回來,就可能被下一個任務拿去用。文章提出一個測試方法:先讓任務 A 查詢 Cedar 的資料並暫停回應,取消任務 A,再開始使用 Birch 資料的任務 B,最後放回任務 A 的查詢結果,檢查它送到了哪裡。測試時要看傳送紀錄和模型收到的內容,不能只看 Birch 的答案是否正確,因為答案正確不代表 Cedar 資料沒有混進去。作者也提醒,這套測試只能說明實際測過的情況,不能因此認定所有取消時機都安全。

  25. Dev.to Top Tech58

    MyBusinessMate 如何打造能接續對話、轉交真人的 WhatsApp AI 助理

    WhatsApp AI 助理如果每收到一則訊息就立刻呼叫模型,可能重複回覆、增加費用,也容易漏接連續傳來的內容。MyBusinessMate 分享實際建置經驗:先把訊息放進佇列,等 3 秒收齊連續訊息再一起處理,並保留近期對話和客戶重點。遇到預約等需求時,系統會先執行真正的查詢或預約,再回覆結果;超過 Meta 的 24 小時訊息時限,則改用預先核准的訊息範本。客戶生氣或要求真人時,也會暫停助理並通知人員接手。作者稱,合併訊息後 OpenAI token 費用減少 45%。

  26. sarah guo52

    一般投資人如何參與新創企業的成長,又能不能使用過去較常見於機構投資人的金融工具,是這段訪談討論的核心。Sarah Guo 在 No Priors Podcast 訪問 Robinhood 執行長 Vlad Tenev,談到讓一般投資人接觸私人新創公司的成長機會,以及衍生性商品、預測市場和 AI 助理交易等工具。這段簡介沒有提供更具體的做法或細節,重點是 Robinhood 如何看待擴大一般投資人金融選擇這件事。

  27. Dev.to Top Tech58

    Aegis 替區塊鏈交易把關,並附上核准決定的證明

    在區塊鏈上簽交易時,錢包顯示的資料不容易看懂,按下同意後也可能交出過大的許可權。開發者做了 Aegis,讓使用者送出一筆預定交易後,先檢查授權額度、合約地址、封鎖名單和模擬結果;只要有一項沒通過,就拒絕交易。每次回覆還會附上 Groth16 證明,說明核准決定符合哪些檢查結果。不過,證明不能確認檢查本身是否正確;例如安全函式清單過時或 RPC 回報錯誤,仍可能讓判斷出錯。

  28. Lobste.rs (Engineering Discussion)48

    Morty 讓你從任何瀏覽器繼續使用 AI 助理

    換了瀏覽器或裝置,想繼續操作原本的 AI 助理時,常會遇到連線接不起來的麻煩。Morty 會在電腦背景維持連線,並保留這臺電腦的 Morty 身分;如果要換掉已失效的連線,會先詢問你,因為這會結束先前分享的存取權。它會提供一個只能給一臺裝置使用的私人連結,連結 10 分鐘後失效,但該裝置取得的控制權可用 7 天,也能請 AI 助理改成 1 小時、1 天或 30 天。這讓你能從瀏覽器遠端接續操作,也可以自行撤銷存取權。

  29. Dev.to Top Tech49

    agentpolicy 實測 4 款 AI 助理 CLI,只有 Claude Code 和 Codex 通過

    測試 AI 助理 CLI 時,光是裝好工具,不代表它真的能照預期運作;沒有實際跑過、留下紀錄,就不能說已經支援。agentpolicy 的實測原本檢查 Claude Code、Codex、Cursor 和 Gemini,最後只有 Claude Code 和 Codex 成功完成測試,並收下執行紀錄。 例如,Claude Code 能讀取資料、攔下破壞性指令,也會在要改動正式環境時先升級處理;Codex 則能執行允許的動作、擋下拒絕的動作。Gemini 的本機設定雖然能啟動,主要操作仍卡在 OAuth 許可權限制;Cursor 則沒有可重現的免操作測試方式。這讓 agentpolicy 清楚列出目前真正驗證過的支援範圍,也避免把還沒證明的功能說成已經可用。

  30. Dev.to Top Tech69

    跨雲端 AI 助理出問題時,三大雲端的停用流程各不相同

    AI 助理若在 Google Cloud、AWS 和 Microsoft Azure 之間讀寫資料,發生越權時,管理員得在三套平臺分別停用許可權並清理設定。文章比較三家的身分管理方式,指出刪除 Google Cloud 上的 AI 助理,不會自動移除 AWS 和 Entra 裡的信任設定;已發出的存取憑證也可能在到期前繼續有效。作者建議先為每個 AI 助理列出所有跨雲端信任規則、縮短存取時間,並把停用與清理步驟寫進應變手冊。

  31. Dev.to Top Tech78

    三家雲端 AI 助理平臺如何隔開使用者工作階段與執行程式碼

    把 AI 助理交給多人共用時,使用者的資料和助理寫出的程式可能碰到不同的安全風險。這篇比較 Amazon Bedrock AgentCore、Microsoft Foundry 和 Google 的 AI 助理平臺:AgentCore 和 Foundry 預設讓每位使用者的整個工作階段各自在獨立環境執行;Google 則把助理寫出的程式放進另一個不帶助理憑證的沙箱,但助理本身會和其他請求共用容器。作者也提醒,Google 沒有說明同一容器中的請求能否看到彼此的記憶或檔案,而前兩者若要讓程式遠離助理憑證,得另外使用程式碼沙箱。團隊可依最擔心資料互通,還是程式取得憑證,來比較預設防護。

    推薦理由:文章並排比較三家雲端平臺預設隔離的位置,並指出各自仍需確認或另行設定的防護,能協助團隊依主要風險選擇架構。

  32. Dev.to Top Tech74

    AWS、Azure 和 Google Cloud 都有 AI 助理工具,但各自把資料和管理留在自己的平臺

    企業想讓 AI 助理查詢業務資料、替同事建立後續工作,常得先處理帳號、資料和管理工具分散在不同雲端的問題。作者整理 AWS、Microsoft Azure 和 Google Cloud 的服務,並用同一個業務助理需求比較:外部帳號和資料進來後,各家會把它接到自己的身分系統、資料平臺和管理工具。像是資料放在 S3 時,Azure 可透過 OneLake 查詢,Google Cloud 則可透過 BigQuery 查詢;AI 助理的管理紀錄仍留在託管它的雲端。這份比較能幫企業看出,選雲端時也要考慮員工平常使用的平臺、資料放在哪裡,以及由哪裡管理 AI 助理。

  33. Dev.to Top Tech58

    AWS、Microsoft 和 Google 雲端市集怎麼買 AI 助理?作者比較三家的規則與使用路徑

    企業透過雲端市集買 AI 助理時,得同時弄清楚這筆錢能不能算進雲端支出承諾,以及員工之後要在哪裡使用。作者比較 AWS、Microsoft 和 Google 的計算規則、費用與上架流程:Microsoft 符合資格的商品透過 Azure 入口購買,可按稅前金額全數計入;AWS 和 Google 則各有資格條件。作者建議先確認商品是否符合計算資格,再看 AI 助理會進到哪個工作環境。文中也提醒,企業自己的合約可能改變公開規則,採購前應取得確認。

  34. Dev.to Top Tech46

    Linear 的雲端寫程式 AI 助理如何使用自備 API 金鑰

    如果公司已經直接付費使用 OpenAI 或 Anthropic,Linear 現在能讓雲端寫程式 AI 助理改用公司的 API 金鑰,模型用量就由原本的服務商收費。不過,AI 助理工作的雲端電腦仍由 Linear 提供,費用照樣從 Linear AI 點數扣;例如使用 2 vCPU 的環境,每 5 分鐘要 $0.0625。也就是說,自備金鑰能改變模型費用怎麼算,卻不會免掉雲端電腦的費用。

  35. Dev.to Top Tech56

    5 家公司如何在軟體開發流程中使用 AI 助理

    AI 助理寫出的程式和測試都通過,仍可能一起犯下同一個錯,讓問題直到人工審查時才被發現。文章用重複請款的例子說明,團隊應先寫清楚重複送出、金額不同和同時送出時要怎麼處理,再讓 AI 助理依規則寫程式和測試。作者也整理 5 家公司的做法,並建議在程式變更申請中附上需求、關鍵測試結果,以及合併後負責的人,讓審查能對照實際行為。

  36. Dev.to Top Tech57

    Relaymote 推出 Board,整理多個 Claude Code 工作階段等你處理的事

    同時開著多個 Claude Code 工作階段時,問題可能被後續訊息淹沒,讓工作停著等不到回覆。Relaymote 的 Board 會把待決定的問題、結果與阻礙、目標狀態,以及等你叫它繼續的工作分開整理在一頁;你可以逐項回答,也能把多個回覆一起送出,讓同一個工作階段少醒來幾次。每次點選都會留下紀錄。Board 使用電腦資料夾裡的 board.json,每 10 分鐘重建一次,開啟時也會更新;完成的目標仍要等你檢查證據後才會關閉。

  37. Dev.to Top Tech72

    作者測試 n8n AI 潛在客戶評分流程,改由程式決定是否通知

    有人只在表單多加一個欄位,就讓 AI 把沒預算的腳踏車行評成熱門客戶,三次都送出通知。作者用 25 種攻擊測試 n8n 潛在客戶評分流程,原版 75 次攻擊有 71 次觸發通知;改用程式檢查欄位、計算分數,並把可疑資料交給人工檢視後,攻擊都沒有觸發通知。測試中,模型仍把送到它面前的攻擊資料全都標成買家,防護效果來自程式規則,而非模型辨識。作者也提醒,規則可能漏掉沒想到的新說法;測試只用一個小模型、31 份自製表單和三輪執行。

  38. Dev.to Top Tech60

    Git A 整理 AI 助理接手程式任務的安全檢查清單

    把程式問題交給 AI 助理處理,若需求寫得不清楚、金鑰放錯地方,或沒有人檢查成果,可能讓工作失控。Git A 的作者整理了一份適用於不同工具的清單:把任務、完成條件和測試寫清楚,別讓 AI 助理直接拿到模型金鑰,替每次執行設好時間與費用上限,並在每項任務結束後丟棄使用過的機器。程式改好後,還要跑團隊平常的檢查,交由其他人或另一個 AI 助理依照任務條件審查,並讓敏感檔案必須經過人工核准。文章後半也說明 Git A 如何安排這些步驟,讓人最後收到一份可檢查的修改提案。

  39. Dev.to Top Tech68

    如何避免 LLM AI 助理重試時建立重複的測試信箱

    LLM AI 助理重試測試流程時,可能多建信箱、重複使用驗證碼,還說不清哪次結果才有效。作者建議替測試信箱操作設下明確規則:每個測試案例使用穩定識別碼,系統先查這筆操作是否做過,再決定沿用原信箱或回報衝突。建立信箱和讀取驗證碼也要分開處理,並記錄資源狀態與必要證據。這樣即使網路逾時或助理改變下一步,重試仍能沿用原結果,也比較容易查出錯誤。

  40. Rohan Paul60

    做機器學習研究時,研究者得想辦法判斷實驗有沒有進展;FrontierML 想測試 AI 助理能不能自己完成這件事。每個任務會藏起評分目標,讓 AI 助理在 Lab0 使用 H100 GPU 工作 12 小時,自己設計進度指標、做實驗並判斷這些指標有多可信,最後再提交模型或方法評分。Synthetic Sciences 表示,受測的 5 個前沿 AI 模型在 25 個研究問題中,都沒有達到強成果門檻。