跳到正文

#Anthropic

RSS
今日 24 則
11月16日週一
  1. iThome (臺灣)77

    AI 自動化網攻波及臺灣十餘家企業,逾百萬筆個資受影響

    AI 自動化網攻速度快,臺灣已有十餘家企業與網路平臺通報受害,超過 100 萬份個資受到影響。數發部表示,目前未發現信用卡等付款資訊外洩,但姓名、電話、電子郵件和訂單資料流入黑市,可能被拿來冒名詐騙。報導指出,攻擊者會跳過網站畫面直接讀取後端 API,也會利用尚未修補的漏洞、遭竊的工作憑證和委外廠商下手。資安單位建議企業強制登出、更換密碼,並在發現資料大量異常讀取時中斷連線;數位產業署也要求業者在 72 小時內處理高風險漏洞、通報外洩並通知受影響民眾。

    推薦理由:臺灣十餘家企業通報個資受影響,報導整理了攻擊者直攻後端 API、利用未修補漏洞與竊取工作憑證的做法,也列出企業和平臺的限時處置要求。

  2. Dev.to Top Tech52

    想應徵前線工程師?用一通虛構客服電話練習釐清需求

    客戶說週五前要有 AI 助理,但資料散在不同系統,大家也還沒說清楚它該做什麼。作者用虛構的客服情境示範,先追問工單怎麼處理,找出真正耗時的步驟,再把試行範圍縮小到查資料、準備回覆,讓客服人員確認後再寄出。文章也提醒,要分清楚展示、有人把關的試行和自動寄信是不同承諾,並先約定怎麼衡量成效、出錯時如何處理,以及系統交給誰維護。這個練習能幫助讀者瞭解前線工程師的工作是否適合自己。

  3. Dev.to Top Tech54

    Relaymote 用 Conductor 分派 Claude Code 工作,整理多個專案進度

    同時開著很多 Claude Code 工作階段時,很容易忘記哪個工作階段在處理哪件事,也不知道新要求該交給誰。Relaymote 在電腦本機運作,把工作分成三種角色:Worker 負責單一任務,Master 管理一個專案並分派工作,Conductor 則把要求轉給負責的專案,自己不做實際工作。使用者可設定不同難度的工作要用哪個模型與投入程度;每項工作也會留下本機紀錄。Relaymote 操作的是電腦上的 Claude Desktop,不會取代 Claude Code,也不會自行呼叫模型。

  4. Dev.to Top Tech73

    Claude Code 規則每週怎麼檢查?作者分享唯讀 lint 做法

    團隊的 Claude Code 規則越寫越多,彼此矛盾或和檢查程式不一致時,常常沒人發現。作者分享一套每週執行的唯讀檢查:先用一般程式找出不存在的規則編號、指令、指令碼和連結,再讓 Claude Code 分別檢查規則衝突、過時內容、差異和重複專案。第一次報告列出 41 個問題,作者人工檢視其中 3 個後,確認都是真問題。檢查工作只產生報告,不會自行改檔;每項修正仍由人審核,讓團隊能定期整理規則,也保留人工把關。

  5. Dev.to Top Tech80

    Alibaba 推出 Qwen4-Max,編碼測試領先但不開放下載

    挑選編碼 AI 助理時,測試成績、實際表現和費用可能差很多。Alibaba 推出 Qwen4-Max,表示它在自家編碼測試中領先 Claude Fable 5.1 和 Kimi K3.1 Pro;但 Agent Arena 的即時任務排行中,Qwen4-Max 排在第 14 名,Claude Fable 5.2 則排第 1。兩種結果來自不同測試,不能直接當成同一場比賽。Qwen4-Max 只提供雲端服務,不能下載或自行架設,文中列出的價格也比 Claude Fable 5.1 低。作者建議先用自己的程式專案測試品質,再算清楚省下的費用是否值得放棄自行架設的彈性。

    推薦理由:Alibaba 的測試結果與 Agent Arena 的實際工作成功率差距明顯,這提醒讀者評估編碼模型時,也要用自己的程式專案測試。

  6. Dev.to Top Tech61

    kagent 比較四種 AI 助理執行方式:kagent、Claude Code、Codex 和自訂映像檔

    替 AI 助理選執行方式時,能使用的模型、工具和設定會跟著改變。作者比較 kagent 的四種 Harness:內建的 kagent、Claude Code、Codex,以及使用自訂映像檔的 BYO,說明各自適合的情況與限制。例如 Claude Code 的 MCP 工具選擇可能會讓 AI 助理取得整個伺服器上的工具,因此若要限制工具使用範圍,也要在閘道器檢查。文章建議先依需要的執行方式和工具限制挑選,並把 Harness 當成安全邊界來設定。

  7. Dev.to Top Tech51

    MCP 和 CLI 哪個比較省上下文?實測工具說明會用掉多少 token

    AI 助理一開始就載入許多工具的說明,可能還沒開始工作,上下文視窗就先被佔掉。作者實測四個一般 MCP 伺服器,工具說明共用了 11,923 個 token;Apidog CLI 的技能說明則用了 112 個 token,其他說明只會在需要時讀取。文章也提醒,結果會因工具數量、說明內容和載入方式而不同:像列出端點、匯出規格或執行測試,可以考慮用 CLI;需要每回合都能讀取的結構化資料時,則可用範圍較小的 MCP 伺服器。啟用延遲載入也能減少預先載入的工具說明。

  8. Dev.to Top Tech62

    MCP 和 CLI 哪個比較省上下文?作者實測工具定義的用量

    AI 助理每次工作都得先讀取可用工具的說明,工具一多,還沒開始做事就可能佔掉不少上下文。作者實測多個 MCP 伺服器,發現四個常見伺服器的工具定義合計用了 11,923 個 token;Apidog CLI 的簡短技能說明則用了 112 個 token,其他說明會在需要時才讀取。這些數字來自作者的設定,換用不同模型時計算結果可能不同。文章建議,常在終端機執行的工作可用 CLI;需要讓不同 AI 助理共用結構化工具時,可用範圍較小的 MCP 伺服器,也可檢查是否能延後載入工具說明。

  9. Hacker News (official RSS)79

    作者用 Claude Code 設計類比合成器,並在實際電路板上測試

    AI 助理能不能從頭設計出真的類比電路?作者用 Claude Code 設計一臺有觸控按鍵的合成器,從電路圖、模擬、電路板配置到韌體都交給它處理,自己則檢查設計並協助調整電路板配置。兩層板無法完成佈線,改成四層後才順利通過檢查。電路板做好後,實際測試結果與模擬相當吻合;作者也發現觸控鍵太小、太敏感,最後改用微控制器程式操作。這次經驗顯示,AI 已能參與複雜電路設計,但仍需要人檢查和介入。

    推薦理由:作者從電路設計、模擬到實際板子測試,呈現 AI 設計混合訊號電路時哪些環節能自動完成、哪些仍需人工介入。

  10. Dev.to Top Tech38

    AWS Bedrock、OpenRouter 和直接 API:Claude 與 GPT 的費用差在哪裡?

    使用 AWS Bedrock、OpenRouter 或直接呼叫 API,Claude 和 GPT 的 token 標價大多一樣,帳單差別主要來自額外費用和資料要留在哪個地區。以 Claude Sonnet 5.5 為例,每 100 萬個輸入 token 是 $2、輸出 token 是 $10;Bedrock 全球端點沒有加價,區域端點多收 10%,OpenRouter 標準方案買點數時收 5.5% 手續費。若要讓資料留在特定地區,直接 API 也可能多收 10%。 實際使用時,提示詞快取和批次處理更能省錢:文中的例子把每月費用從 $900 降到 $444,光換路線最多隻差 10%。單一服務商、想用標價的話,可選直接 API;已使用 AWS 的團隊可考慮 Bedrock 全球端點;需要資料留在特定地區時,可選區域端點;常在 Claude 和 GPT 等模型間切換,則可考慮 OpenRouter。

  11. Dev.to Top Tech49

    Claude 和 GPT 走哪個 API 通道比較省?Bedrock、OpenRouter 和直接呼叫比一比

    用 Claude 或 GPT 時,三種通道的每個 token 基本價格差不多,真正讓帳單不同的是額外費用、資料要放在哪裡,以及有沒有用快取或批次處理。AWS Bedrock 的全球通道不加價,區域通道貴 10%;OpenRouter 標準方案買點數要收 5.5% 手續費;直接呼叫 API 通常不加價,但指定資料處理地區時可能多 10%。 例如 Claude Sonnet 5.5 每 100 萬個輸入 token 收 $2、輸出 token 收 $10;如果有 80% 的輸入內容能從快取讀取,範例帳單可從每月 $900 降到 $444。文章建議依需求選通道:想要 AWS 帳單或資料留在指定區域,就看 Bedrock;常切換不同模型,可考慮 OpenRouter;只用一家服務、想省掉額外費用,則可直接呼叫 API。

  12. iThome (臺灣)76

    Cursor 說明 Fireworks AI 外洩事件如何導致惡意 Claude Code 擴充功能上架

    Fireworks AI 遭入侵後,攻擊者取得 Cursor 的存取金鑰,並利用外洩資料把惡意版 Anthropic Claude Code 擴充功能上傳到 Cursor 市集。Cursor 在上架約 11 小時後移除擴充功能,並暫停市集服務;估計最多有 5,000 名在 10 月 29 日取得特定快取版本的使用者可能收到惡意版本。攻擊者也曾進入 Cursor 使用的部分 SaaS 工具,接觸到一些客戶與產品資料。Cursor 表示已撤銷並輪換憑證、通知受影響的使用者,並在 11 月 1 日後未再觀察到攻擊者活動。

    推薦理由:事件交代了 Fireworks AI 外洩的存取金鑰如何一路被用來上傳惡意擴充功能,也列出可能受影響的人數與 Cursor 的處置方式。

  13. Dev.to Top Tech55

    教你用 Python 根據工作紀錄估算 AI 助理寫程式要多久

    AI 助理估計工作時間時,常把實際執行時間和人等候、確認需求及檢查成果的時間混在一起,讓估算看起來很肯定,卻不一定準。作者用 Python 示範一個簡單做法:記下每項工作的類別、檔案數、工具呼叫次數、修正迴圈和實際耗時,再拿相似工作的紀錄算出時間範圍。文中也提醒,範圍不是保證,應用後續任務檢查預測誤差,並避免把提示詞、程式碼等私人資料放進紀錄。

  14. Dev.to Top Tech62

    Signal2Speech 用腦波讓說話或打字困難的人選擇回答

    說話或打字困難的人,可能知道自己想說什麼,卻得慢慢拼字,或讓工具替自己猜答案。Signal2Speech 是一個輔助溝通原型:對話物件輸入問題後,Claude 只根據已核實的資料提供兩個簡短回答;使用者先用腦波選一個,再用另一個訊號確認,畫面會先顯示完整文字,確認後才會念出來。團隊用 5 位使用者的錄製資料測試,閃光一次選對率為 94%,五次為 100%;活動快結束時才接上真正的 EEG 頭戴裝置。借來的 PiEEG 板子則沒有測到可用的腦部訊號,團隊提出可能原因,但沒有證實。

  15. Dev.to Top Tech69

    18 個 AI 模型讀得越多,表現反而越差

    把更多資料塞進 AI 模型的上下文視窗,不一定能讓它答得更好。多項研究發現,18 個模型在長對話裡找答案時,使用約 300 個 token 的相關內容,比讀含有相同答案的約 113,000 個 token 表現更好;資料一長,照抄和修程式也可能出錯。文章整理的實用做法是把大任務拆成短步驟,讓 AI 助理搜尋需要的檔案,並把過時計畫和錯誤訊息移出目前工作內容。這些研究有些使用人工設計的測試,實際工作中的影響可能不同。

  16. Arena.ai58

    Arena 公佈的榜單顯示,Qwen4-Max 在中文模型中排名第一,整體實驗室排名第五;在 Agent Arena 首次登場就排第 14,前一代 Qwen3.8-Max 則排第 39。這項結果來自 14.7k 次真實任務操作紀錄,整體表現提升 7.5%。四項指標都比前一代進步,其中「好評相較抱怨」提升 13%,「確認成功」提升 9%;在工作、聊天和程式任務的排名也都進入中文模型前列。

  17. Dev.to Top Tech56

    Steve 示範用 MCP 讓 Claude Code 讀工單並追蹤開發進度

    把工單貼進 Claude Code 後,工單一有修改,AI 助理可能就拿著舊內容工作,分支和提交紀錄也不容易看出對應哪張工單。作者示範用 MCP 讓 Claude Code 直接讀取最新工單,再把工單編號放進分支、每次提交和 GitHub 的合併請求,讓工作進度能回到工單上檢視。完成條件則由 CI 檢查或指定的人判定,AI 助理要附上自己檢查過的證據;合併程式也不代表工單已完成。這套流程也能用在 Jira 或 Linear。

  18. Dev.to Top Tech51

    如何分清 AI 程式助理和 AI 工作流程平臺,避免買錯工具

    寫程式的工具和自動跑跨系統流程的工具常被混稱為 AI 助理,採購和資安檢查也容易因此混在一起。文章把前者說成在 IDE 裡提出程式建議、由人逐步檢查;後者則是事先設計流程,讓工具跨不同應用程式執行。文中建議依工作內容選工具,並分開設定負責團隊、預算和許可權。試用時,程式助理可觀察完成 PR 評論所花時間和撤回率;流程平臺則要記錄成功執行、人為介入和事故。若工具能寫入或執行操作,應限制許可權並記錄每次呼叫。

  19. Hacker News (official RSS)58

    Hacker News「Who is Hiring?」職缺數接近 12 年低點,過半職缺提到 AI

    Hacker News 每月「Who is Hiring?」徵才串的職缺數持續偏低,AI 相關技能則愈來愈常出現。11 月有 244 則職缺,比去年同期少 37%;2026 年平均每月 287 則,是 2013 年以來最低。超過一半的職缺提到 AI,AI 助理出現的比例也高於大型語言模型。相較之下,前端職缺佔比從 2022 年初的 27% 降到目前的 6.6%,全端和後端職缺也比一年前少。這些數字呈現了徵才需求與職缺型別的變化。

  20. Dev.to Top Tech74

    Ockham 用程式索引幫 Claude Code 找出其他檔案裡的同一個錯誤

    AI 助理修好一個程式錯誤時,可能漏掉其他檔案裡的相同寫法。作者開發了 Claude Code 外掛 Ockham,建立專案索引,在程式修改碰到重複內容時提醒 AI 助理,也會在工作結束前檢查測試和修改結果。作者測試發現,遇到寫了兩份的錯誤時,沒有外掛的 25 次操作只有 1 次修好兩處;加入結尾檢查後,15 次都修好了。Ockham 每次操作約花 $0.05,沒有外掛約 $0.03;有些問題仍抓不到,例如另一份重複的輔助程式碼。

  21. Simon Willison49

    Datasette 推出 datasette-maplibre 0.1a0 地圖外掛,用 SVG 預覽 GeoJSON 圖形

    Datasette 推出一款新的地圖外掛 datasette-maplibre 0.1a0,把 MapLibre GL 和免費的 OpenFreeMap 地圖服務放在一起。它能在同一張地圖上顯示 GeoJSON 圖形和經緯度座標;看 GeoJSON 圖形時,會先顯示 SVG 預覽,等你捲動到附近才載入 WebGL 預覽。作者大部分工作只用一段提示詞交給 Claude Fable 5.2 完成,並做了可在瀏覽器裡操作的示範。

  22. Dev.to Top Tech74

    開發者一週更新整理:Claude Fable 5.2、Gemini 4 Carbon 與 API 改動

    多家廠商這週推出新模型與 API 功能,也宣佈舊模型下架,開發者若沒檢查程式設定,可能遇到請求失敗或功能改變。Anthropic 的 Claude Fable 5.2 和 Mythos 5.2 開始保留思考內容;若每次送出請求時改了對話前文或工具清單,API 可能回傳 400 錯誤。Google 的 Gemini 4 Carbon 忽略部分取樣設定,也不支援明確指定的快取。DeepSeek 則加入網頁搜尋、讀取網址和檔案等 API 功能。GitHub 也列出 12 月 14 日將從 Copilot 移除的六個模型。文章整理了各項變動及可能受影響的程式設定,方便開發者逐一檢查。

  23. Dev.to Top Tech78

    Claude Code 的 Code Mode 怎麼開啟,哪些工作用起來更省力

    搜尋很多資料時,Claude Code 得把大量結果放進對話裡反覆閱讀,整理起來很花力氣。Code Mode 會先寫一小段程式來呼叫工具、整理結果和刪除重複專案,再把摘要交給 Claude 接著處理。作者在自己的研究測試中回報,Code Mode 少用了 63% token、快了 29%,也找到 212 個不重複來源,普通模式約有 168 個。文章說明如何在 Claude Code 2.1.323 或更新版本開啟這項實驗功能,並提醒它目前只在一般終端機使用;搜尋量少或只是改檔案時,普通模式就適合。

    推薦理由:作者以研究任務比較兩種模式,回報 Code Mode 少用 63% token、快 29%,也整理了它較適合處理大量搜尋結果的情境。

  24. Lobste.rs (Engineering Discussion)64

    nextest 如何設計安裝指令碼,並用測試和人工審查把關

    安裝指令碼要在不同作業系統和命令列環境中正常運作,還得處理下載中斷、檔案驗證和安全問題。nextest 作者分享新安裝指令碼的設計過程:指令碼會檢視電腦環境、挑選合適版本、檢查檔案雜湊,再安裝程式;舊的手動解壓縮方式也會繼續提供。Claude Code 和 Codex 協助建立測試工具,但測試仍漏掉了 HTTPS 轉到 HTTP 的情況,還曾把這種不安全行為當成正確結果。作者透過人工審查發現問題,並補上更多測試,說明 AI 助理能加快驗證工作,最後仍需要人判斷哪些行為才合理。

    推薦理由:作者以 nextest 安裝指令碼的開發經驗,說明如何用自動測試和人工審查找出 AI 助理忽略的安全問題,呈現基礎工具開發的把關方法。

  25. Dev.to Top Tech47

    Sitecomb 如何用同一個 MCP 伺服器遵守 Claude 和 ChatGPT 的不同規定

    用 AI 助理檢查網站,可以省下自己逐項檢視的時間,但工具得遵守不同平臺的規定,也不能讓模型亂猜問題。Sitecomb 把同一個 MCP 伺服器接到 Claude 和 ChatGPT,並依平臺設定不同規則:ChatGPT 不能連到付費報告,Claude 則可以。檢查網站時,工具會回報網站分數和需要改善的地方;遇到網站無法檢查,就不給分數。作者也提醒,工具說明要寫清楚它能做什麼、不能做什麼,並替檢查次數設限,避免花費過多運算資源。

  26. Dev.to Top Tech48

    Web 搜尋和 API 查詢誰比較會查公司?Bosco Labs 用 25 家公司重新測試

    替供應商或客戶做背景確認時,得查公司是否還在營業、是否破產或被列入制裁名單。Bosco Labs 拿 25 家公司比較 Claude Sonnet 5.5 用網路搜尋的結果,以及自家 API 查到的資料。第一次測試,網路搜尋有 23 家全對,API 只有 17 家;檢查後,他們發現 API 有四個程式問題,修好再測,結果變成 API 20 家、網路搜尋 19 家。 不過,第二次測試中網路搜尋有幾次卡住或沒查完,分數也因此下降;而且 API 的錯誤已依這 25 家公司的情況修正,不能當成公平的全新考試。像 Tesco 這種知名公司,模型可能不用搜尋就答對;但要讓人查清楚答案從哪裡來,API 會列出制裁名單資料。這次結果只能說明這 25 家公司的測試情況,還需要用沒測過的公司再比較。

  27. Dev.to Top Tech57

    本週資安事件整理:Check Point、Apache 與 AI 工具相關漏洞和攻擊

    這週多起資安事件顯示,常見設定問題也可能讓攻擊者取得更高許可權、竊取憑證或讓內部資料對外公開。Check Point 表示,攻擊者先利用 PHP 漏洞進入防火牆,再透過 Gaia OS 的漏洞取得 root 許可權,部分受害組織還遭遇資料破壞;官方已提供 hotfix,暫時無法更新時可停用 dynamic_server。Apache httpd 2.4.71 修補一個可能造成遠端程式碼執行的重大漏洞,受影響版本為 2.4.55 至 2.4.70。文章也整理了 AI 助理用來尋找憑證的攻擊活動,以及 Grok Build 部分應用程式未登入即可瀏覽的情況,並提醒更新軟體、輪替外洩的金鑰,檢查應用程式的分享許可權。

  28. Gary Marcus35

    只看神經網路這個零件,還不夠理解現在的 AI。Gary Marcus 用汽車和引擎比喻:引擎不等於整輛車,AI 系統也常需要把神經網路和符號工具放在一起,才能更可靠地完成工作。像數學系統會用 Lean 檢查大型語言模型寫的證明,有時還會判定答案不對;Claude Code 也會搭配規則、程式碼解譯器和條件判斷等工具。Marcus 認為,神經網路很重要,但光靠它還不夠;這些例子顯示,把兩者結合是許多 AI 系統實際採用的做法。

  29. Dev.to Top Tech65

    Anthropic 檔案處理技能的 Linux 漏洞可載入攻擊者程式庫

    Claude 在 Linux 上處理檔案時,特定設定可能讓藏在共用暫存資料夾裡的惡意程式跟著 LibreOffice 一起執行。AIR Security 在 Anthropic 官方的 DOCX、PPTX 和 XLSX 技能中發現問題:當環境封鎖 Unix 通訊端時,輔助程式會載入指定路徑下的程式庫,卻沒有檢查來源或內容。另一個有權寫入該資料夾的技能,也可能先放入檔案,等後續檔案轉換時觸發。研究人員實際展示了這種做法;文章稱 Anthropic 已收到通報,但認為程式在沙箱內執行,因此不屬於其安全範圍。AIR 表示相關程式仍未修改,並建議檢查暫存資料夾的寫入許可權及檔案變動。影響限於符合條件的 Linux 環境,macOS 不受影響;文章沒有提到修補版本。

  30. TechCrunch · AI80

    TechCrunch 討論黃仁勳離開 Nvidia 對 AI 產業的影響

    Nvidia 高層突然更動,讓人想知道這家掌握大量 AI 晶片與投資的公司會怎麼走,也會不會影響整個 AI 產業。TechCrunch 的主持人在節目中討論黃仁勳離任後,由財務長 Collette Kress 暫代執行長,以及外界對公司接班安排和投資方向的疑問。節目也提到,Nvidia 投資了多家 AI 新創並提供相關基礎設施;若公司因此收緊投資或業務,可能牽動仰賴這些資金與服務的 AI 專案。

    推薦理由:節目把黃仁勳離任與 Nvidia 的投資佈局放在一起討論,呈現高層更動可能牽動 AI 產業資金與基礎設施的脈絡。

  31. Dev.to Top Tech63

    如何把 ChatGPT 的重要資料交給 Claude,並用 14 項檢查確認

    把 ChatGPT 的內容搬到 Claude,不代表舊對話、附件和專案資料都會一起過去。作者整理出 14 項交接檢查,建議先分清楚哪些是長期偏好、專案進度、原始檔案和對話備份,再刪除不需要的個人資料與密碼,只匯入少量且有來源的內容。匯入後,用自己已知答案的問題檢查資料是否正確、日期和專案範圍有沒有保留,也測試 Claude 是否會猜測未匯入的資訊。Claude 的記憶匯入功能仍屬實驗性質,可能無法收下每項記憶;作者也提供一段 Node.js 程式碼,協助檢查交接資料的格式與常見敏感內容。這些檢查能協助找出問題,但不能保證匯入完整。

  32. Dev.to Top Tech45

    作者派出 32 個 AI 助理找駭客松點子,最後發現難題其實是找到客人

    作者參加一場比誰賺得多的駭客松,找來約 32 個 AI 助理研究點子、互相挑毛病,再依條件打分。第一輪只留下 Wix、Webflow、Framer 和 Squarespace 網站可用的聖誕倒數日曆,但它也差點被淘汰;作者最喜歡的 Claude Code 手機控制工具,則因官方功能和開源工具已能做到而出局。第二輪,AI 助理說法國自由工作者缺少一站式報價工具,作者查了才發現 Abby 等服務早已涵蓋相關功能。這讓他學到,AI 助理能幫忙找資料,卻可能漏掉競爭對手;真正難的是找到願意付錢的客人。

  33. Dev.to Top Tech69

    如何在 CI 測試 LLM 提示詞,減少測試不穩和意外花費

    LLM 的回答不一定每次都一模一樣,所以用固定句子比對,測試常會忽然失敗。作者示範用 pytest 建立提示詞測試:準備來自實際問題的案例,檢查輸出是否為有效 JSON、欄位是否齊全,再以多次測試的通過率判斷結果。快取會依模型、提示詞和抽樣次數儲存回答;只有提示詞、案例或模型設定變更時,CI 才呼叫 API,其他變更則可用舊結果重播。這套做法適合檢查分類等格式明確的輸出;摘要品質等主觀判斷,仍需要人工檢查或經過校準的模型評分。

  34. TechCrunch · AI38

    SNL 集結科技富豪模仿秀,用約會和間諜笑話吐槽科技圈

    《週末夜現場》(SNL)這集讓演員一次模仿 Peter Thiel、Sam Altman、Dario Amodei、Elon Musk、Mark Zuckerberg 和 Jensen Huang,安排一名 CIA 探員提醒他們:突然有人對你示好,也可能是在設局。節目還拿近期的停飛事件和 Microsoft Outlook 當機開玩笑,吐槽這些科技富豪從「怪咖」變成握有巨大財富與權力的人。

  35. Dev.to Top Tech71

    Anthropic 讓 Claude 加入 Google Meet,邊開會邊整理計畫

    開完會後才整理筆記、待辦和計畫,常讓決定漏掉或拖到幾天後才完成。Anthropic 推出測試中的 Claude Meetings,讓 Claude 以看得見的參與者身分加入 Google Meet,在會議中回答問題、草擬計畫、整理白板,也能依提問者的許可權查詢已連結的工作工具。會後,筆記、逐字稿、待辦和產出的檔案會放到 claude.ai 的會議頁面。Claude 不會儲存音訊;有外部來賓時,除非管理員事先允許,否則不會加入。這項功能目前只支援 Team 和 Enterprise 方案及 Google Meet,會議逐字稿等功能在測試期間免費,檔案和白板則免費到 2027 年 2 月 10 日。

  36. Dev.to Top Tech61

    Coding Agent Index v2.1 評測:四種設定並列 58 分,每項任務成本差約 30 倍

    Coding Agent Index v2.1 換了部分測試方式,也改了成本演算法,所以分數和舊版不能直接比較。這份指數把 AI 助理使用的工具、模型和推理設定當成一組來評分,前三名有四種設定並列 58 分;分數達 48 分以上的設定,每項任務成本從 $1.51 到 $44.22,約差 30 倍。作者提醒,測試任務不等於自己的工作,選模型時應檢視各項測試結果,並用自己的專案衡量每項任務的成本。

  37. Dev.to Top Tech63

    Hunter Bryson 分享手動打造 AI 助理記憶的做法與教訓

    讓 AI 助理記住重要事情並在需要時找對資料,作者試過交給 AI 自己整理,結果常常一團亂。Hunter Bryson 分享他替 Odie 手動設計記憶的方法:用純文字檔分割槽,說到特定關鍵字時讀取相關內容;每次對話結束後,再回頭整理實際對話紀錄。Git 會保留舊版本,但助理不會再讀取它。作者也把這些做法整理成免費的 shelves,並持續試用和修改;目前搭配 Claude Code 使用。這是他現階段的實驗心得,並非已經定型的答案。

  38. Dev.to Top Tech64

    如何把 Lovable Cloud 搬到自己的 Supabase,保留使用者帳號

    把 Lovable Cloud 搬到自己的 Supabase 專案時,通常拿不到舊專案的資料庫連線資訊,照一般方法匯出可能行不通。作者整理了 Lovable 內建的資料匯出步驟,再用 PostgreSQL 工具把使用者、密碼雜湊和 Google 登入資料匯入新專案。密碼可以繼續使用,Google 登入也能在設定新專案後接回來;但登入中的工作階段無法搬過去,所有使用者都要重新登入。作者提醒,範例指令尚未用真正的匯出檔測試,應先在臨時專案試過再搬正式資料。

  39. Dev.to Top Tech67

    作者如何用 ESP32-P4 和 LVGL 9.6 打造觸控宏鍵盤 Tessera Deck

    想用觸控螢幕快速執行電腦操作,卻不想買 Stream Deck,作者便用 ESP32-P4 開發了 Tessera Deck。它把螢幕上的按鍵和畫面交給裝置處理,真正執行動作的 Python 程式則在 Windows 電腦上跑,兩者透過 USB 傳送訊息。作者也說明如何先在電腦上測試介面、更新畫面上的既有按鍵,以及用快取管理圖示,避免觸控時按鍵被重建。這個專案也能顯示 Claude Code 等 AI 助理的操作許可請求,但不會自行按下允許;目前只支援指定的螢幕和 Windows 10、11。

  40. Dev.to Top Tech76

    Cursor 市集快取遭植入後門版 Claude Code 擴充功能,最多 5,000 名開發者可能收到

    Cursor 表示,Fireworks AI 資安事件中外洩的存取金鑰,讓攻擊者取得舊有工作紀錄裡未遮蔽的憑證,並用其中一組憑證,在 Cursor 擴充功能市集快取放入後門版 Claude Code 2.1.312 和 2.1.313。這些版本約上架 11 小時,最多 5,000 名使用者可能收到;惡意程式會嘗試在 macOS、Linux 和 Windows 安裝能持續運作的 SSH 後門。Cursor 表示已撤銷憑證、停用 Fireworks 金鑰並重建市集。作者未自行驗證事件;若從 Cursor 市集安裝受影響版本,應移除並從 VS Code Marketplace 或 Open VSX 重新安裝,也要檢查後門位置並輪替曾出現在工作紀錄中的憑證。

    推薦理由:這起事件呈現供應商金鑰外洩如何一路影響擴充功能市集,也說明檢查安裝來源與輪替舊憑證的重要性。