跳到正文

#Google

RSS
今日 12 則
11月14日週六
  1. Dev.to Top Tech39

    Next.js 自動檢查網址遇到 Google Search Console 403?確認網站屬性格式

    用 Next.js 自動檢查網站網址時,即使服務帳戶已在 Google Search Console 設成網站擁有者,API 仍可能回傳 403,讓檢查工作全部失敗。原因是要求裡的網站網址必須和 Search Console 登記的屬性格式完全相同,而且文中指出,服務帳戶無法透過 URL Inspection API 存取網域屬性;需要改用網址前置字串屬性。作者調整設定後,自動檢查從全部失敗變成全部成功。這也提醒開發者,遇到許可權錯誤時,除了檢查帳戶,也要確認網站屬性的格式。

  2. Dev.to Top Tech55

    教學:把 Google Cloud 搜尋訊號和 Glean 帳戶資訊送進 Slack 銷售頻道

    潛在客戶搜尋安全檔案或反覆查詢設定問題時,銷售團隊可能太晚才知道。這篇教學說明如何把 Google Cloud 搜尋事件和 Glean 從 Salesforce、Gong 等來源整理的帳戶資訊,交給自建的中介服務比對帳戶、篩選訊號,再用 Slack Web API 發到對應的銷售頻道。搜尋平臺不會自動把事件送進 Glean,Pub/Sub 也要由自家服務串接;Glean 觸發條件還要留意使用者許可權、延遲和觸發次數。文章也提醒要合併重複通知、處理 Slack 的傳送限制,並妥善管理個資與存取許可權。

  3. Dev.to Top Tech61

    如何用 Google Cloud Pub/Sub、AWS SQS 和 Azure Service Bus 安全復原失敗工作

    教育平臺的清理工作可能跑好幾個小時,遇到失敗時若整批重跑,可能重複修改資料。作者比較 Google Cloud Pub/Sub、AWS SQS 和 Azure Service Bus 的死信處理方式,說明它們如何隔離多次失敗的訊息,以及操作人員能檢視哪些錯誤資訊。文章建議讓每筆工作有固定識別碼,避免重複修改;重播時先試跑、限定工作清單和筆數,並記錄處理結果。這些做法能讓團隊只重做安全的部分,也更容易查清問題。

  4. Dev.to Top Tech68

    LLM API 一次要花多少錢?用公式和四種方法估算月費

    LLM API 的價格雖然常按每百萬個 token 報價,實際月費還要看輸入和輸出用了多少,以及採用哪些計價方式。作者提供計算公式,並以 Claude Sonnet 5.5 示範:支援機器人每天處理 1,000 次請求,每次送出 1,500 個 token、收到 400 個 token,每月約花 $210。文章也比較四種省錢方法:縮短回答、快取固定提示詞、把能等待的工作改用批次處理,以及留意超長提示詞的加價門檻。不同模型在相同工作量下費用可能差很多,作者建議用真實提示詞測試,並按答對問題的成本比較。

  5. Dev.to Top Tech35

    Claude、GPT-6 和 Gemini 4 怎麼比較?看懂 LLM 價格,也分清開放權重與開放原始碼

    想挑 LLM,除了看它會不會回答,也要看用起來花多少錢,以及授權允不允許你拿來做生意。Claude、GPT-6 和 Gemini 4 的 API 價格各有不同;以 1,000 次對話、每次輸入 1,500 個 token、輸出 400 個 token 計算,Sonnet 5.5 要 $7.00,GPT-6.1 Terra 要 $3.50,Gemini 4 Hydrogen 要 $5.25。長提示詞也會讓服務成本增加,因為模型處理的文字越長,要做的運算就越多。 「開放權重」是公開模型引數;「開放原始碼 AI」還需要提供足夠的訓練資料資訊,以及完整的訓練和執行程式碼,並符合 OSI 認可的授權條款。像 gpt-oss 使用 Apache 2.0,Whisper 使用 MIT。要把模型用在產品裡,先確認權重和程式碼的授權、商用限制、使用規則,以及自己負擔得起的主機費用。

  6. Dev.to Top Tech54

    AI 模型愈來愈像大宗商品,作者解析 LangChain 的工具層為何更有價值

    AI 模型價格會降、能力也會追上,企業若只花錢買模型服務,可能很難留下自己的優勢。作者認為,真正能累積價值的是模型周邊的工具層:決定每個請求交給哪個模型、記錄執行過程,再用事先寫好的標準檢查回答品質。文中也介紹 Google 開源的 AQuA,能從 AI 助理的工作紀錄找出漏掉工具呼叫或忘記使用者條件等問題。作者建議先訂出好答案的檢查標準,再調整路由,最後才擴充服務裝置;同時提醒,資料中心等基礎設施也帶來龐大的資金風險。

  7. Dev.to Top Tech79

    Gemini Decisions API 客服工單實測:速度快,但緊急程度較容易判錯

    客服工單要分派給哪個團隊、是否退款、事情有多急,常得一題一題問模型。作者用 48 張人工標記的工單,讓 Gemini Decisions API 和四種生成式模型回答相同問題,再比較準確度、速度和費用。實測中,Decisions API 每張工單的中位處理時間是 202 ms,團隊分類答對 46 張,退款判斷答對 47 張;但緊急程度只答對 31 張,錯誤全是把事情判得太急。信心分數可用來把把握不足的答案交給人員複查,文章也示範如何把 API 接進 AI 助理,先攔下疑似提示詞攻擊。測試只涵蓋文字工單,作者提醒緊急程度的判斷仍需謹慎。

    推薦理由:作者用同一批客服工單比較五種模型,呈現 Gemini Decisions API 在速度與分類準確度上的取捨,也指出緊急程度判斷較容易出錯。

  8. Dev.to Top Tech39

    Google Play 開發者帳號一次收 US$25,個人帳號上架最快也要等約三週

    開 Google Play 開發者帳號要一次付 US$25,不用每年續費;但個人帳號要先讓至少 12 位測試者連續參加封閉測試 14 天,再申請上架,審核通常還要 7 天以內,因此從付款到 app 上架大約要三週,有時更久。測試者中途退出,連續天數就得重算。 如果有登記公司,可以申請組織帳號,不用找 12 位測試者,但要提供公司的資料、D-U-N-S 編號和經 Google Search Console 驗證的公司網站。文章提醒,帳號費只是小部分,準備 Android 版本和商店頁面也可能拖慢第一次上架;開始賣 app 後,還會有 Google Play 費用。

  9. AWS Machine Learning Blog60

    GS Caltex 如何用 SageMaker Canvas 和 Pipelines 部署模型

    模型在開發時能正常使用,接到正式工作流程時卻常要工程師重新串接資料和設定,花上不少時間。GS Caltex 讓流程工程師在 SageMaker Canvas 建立並檢查模型,再由機器學習工程師把模型和資料處理流程接到 SageMaker Pipelines,定期執行批次推論。文章也說明如何確認訓練資料和推論資料格式一致、避免重複處理,並檢查每次執行的結果。GS Caltex 表示,部署模型從約一週縮短到幾小時,並以每 30 分鐘執行一次批次推論,降低持續開著推論端點的需求與成本。

    推薦理由:文章拆解 SageMaker Canvas 模型轉入定期批次推論的流程,也提醒資料格式、執行重疊與成本都要納入上線檢查。

  10. Thurrott78

    Google Wallet 連上 Gemini,讓使用者在對話中檢視支出與規劃預算

    整理個人財務時,常要翻找交易紀錄、定期扣款和過去的支出。Google 現在讓美國的 Gemini 使用者連結 Google Wallet,也能透過 Plaid 安全連結金融帳戶,再用對話檢視支出、現金流、資產配置和預算。比如可以請 Gemini 找出仍在付費的訂閱,或參考去年的禮物和旅遊支出,協助規劃今年的假期預算。這項功能正陸續在網頁版及 iPhone、Android 的 Gemini app 推出。

    推薦理由:Google Wallet 連上 Gemini 後,可依交易紀錄檢視支出、找出定期扣款並規劃預算,文中也列出幾種對話提問方式。

  11. Dev.to Top Tech37

    Google 將在 12 月 1 日把 Gemini 2.5 API 請求改由新模型回答

    使用 gemini-2.5-pro 和 gemini-2.5-flash 的程式,到了 12 月 1 日仍會收到回答,但回答會改由 gemini-3.8-flash 和 gemini-3.5-flash-lite 提供。除了換模型名稱,Gemini 3 也要求調整部分請求設定,例如移除 temperature 等引數、把 thinking_budget 改成 thinking_level,並檢查 function calling。文章建議先找出程式裡使用舊模型的地方,再拿 10 到 20 個常見提示詞,趁舊模型還能回答時比較新舊結果,確認格式和 JSON 等內容是否仍符合需求。

  12. Dev.to Top Tech47

    房產網站從代管服務轉移時,如何接好 Google OAuth、帳號與登入狀態

    房產網站更換登入服務時,最怕住戶雖然登入成功,卻被分到錯的帳號,或意外拿到不該看的房屋資料。做法是先用驗證碼把關新註冊,再讓 Google 確認使用者身分;網站收到登入回傳後,先核對防偽資料、確認這個 Google 身分對應哪個網站帳號,再建立登入狀態。Google 只負責確認身分,不會判斷使用者是不是住戶,也不會決定能看哪些房屋資料。網站還要保留必要的帳號對應,並縮短不再需要的註冊紀錄儲存時間,免得留下太多資料,也避免舊住戶下次登入時找不到原本的帳號。

  13. Dev.to Top Tech53

    Zoho CRM 如何同步 Google Calendar 和 Microsoft 行事曆與聯絡人

    Zoho CRM 和行事曆同步時,有些活動或聯絡人不會傳過去,刪除設定再重新同步也可能產生重複紀錄。這份指南整理 Google Calendar 和 Office 365 各自能同步什麼:Google 可選單向或雙向同步,但週期性活動、提醒和標記為 Free 的活動不會同步;Office 365 只同步使用者擁有的活動與聯絡人,匯入或移轉的資料也不會同步。首次同步各有筆數限制,團隊啟用前可先用幾筆實際資料測試,並備份活動,避免漏資料或重複。

  14. Dev.to Top Tech41

    Google 推出 Gemini 4 Hydrogen,主打日常寫程式又快又省力

    寫程式時,不是每件事都需要很會深度推理的模型,有時候更需要快速處理日常工作。Google 推出 Gemini 4 家族的新成員 Gemini 4 Hydrogen,主打寫程式、除錯和處理多步驟的 AI 助理工作,也能讀文字、圖片、音訊和影片,輸入與輸出的內容合計最多可達 1 million tokens。它和專注複雜推理的 Gemini 4 Carbon 分工,讓開發者能依工作挑選模型。

  15. aihot84

    Google 開放 Antigravity 的 /teamwork,讓研究者使用多個 AI 助理協作

    研究和工程工作常要查大量資料、測試不同做法,還得確認每一步都正確。Google 開放 Antigravity 的 /teamwork,讓多個 AI 助理分工處理長時間任務,再用 Lean 4、測試套件或硬體計時等方式檢查結果。Google 展示了它在數學證明、分子結構推斷和程式最佳化上的成果,例如一項分子結構基準測試達到 95% 的 top-1 精確匹配。研究者和開發者可透過 Antigravity 使用這些工具;Google 也開放申請,讓 10,000 名學術研究者免費使用最高用量級距六個月。

    推薦理由:Google 展示 /teamwork 在數學證明、分子結構推斷與程式最佳化的實例,並說明如何用獨立檢查流程驗證成果。

  16. Google Research85

    Google 開放 Antigravity 的 /teamwork,讓 AI 助理協作研究與工程工作

    研究和工程工作常要處理大量資料、反覆試錯,還得確認每一步都正確。Google 在 Antigravity 開放 /teamwork 和 /boost,讓多個 AI 助理分工探索,再用 Lean 4、軟體測試或硬體量測檢查結果。Google 分享的案例包括協助研究者完成數學證明、找出分子結構,以及改寫系統程式;研究者仍負責提出問題和確認成果。學術研究者也可申請六個月免費使用最高用量方案。

    推薦理由:Google展示 /teamwork 如何把長時間研究拆成多個可檢查的步驟,並用形式驗證、測試與硬體量測篩選結果,呈現多 AI 助理協作的實際做法。

  17. Arena.ai45

    LMSYS Arena 本週公佈多款模型在不同競賽的表現。Claude Fable 5.2 (Max) 在 Agent Arena 排名第 1,根據 7.8k 次真實使用記錄,淨改善幅度為 +30.5%;Gemini 4 Hydrogen (High) 則是前 10 名中速度最快的模型,每個常見步驟約需 7.3 秒。Muse Ember (Max) 以每項任務 $0.03 的中位成本登上 Code Arena: WebDev 第 37 名;Inkling 2 Small 則以 1647 分拿下該榜開放權重模型第 1。這些排名讓人能比較模型的表現、速度與成本;推文也提到,採用 Apache 2.0 的開放權重即將推出。

  18. Dev.to Top Tech50

    Google Chrome DevTools 如何找出拖慢網頁的問題

    網頁載入太慢、點了沒反應或畫面卡住,會讓使用者不想繼續看。Google Chrome DevTools 的 Performance 面板能記錄網頁運作過程,顯示主要內容載入速度、點選後的反應時間,以及畫面是否穩定;也能把自己電腦測到的結果,和 Chrome User Experience Report 的真實使用資料放在一起看。 開發者可以放慢電腦和網路速度,模擬手機使用情況,再從時間圖表找出哪些程式工作太久。只要有一項工作超過 50ms,瀏覽器就可能來不及回應點選或更新畫面。找到最拖慢網頁的地方後,一次改一項,再重新測試,就能確認網頁有沒有變順。

  19. Dev.to Top Tech57

    Python 教學:把城市切成小區塊,找出更多 Google Places 店家

    用 Google Places API 搜尋某個城市的店家時,結果最多隻會回傳 60 筆,熱門區域還可能塞滿名額,讓其他地方的店家沒被列出。這篇 Python 教學把城市範圍切成四個小區塊,逐區搜尋;某區回傳 60 筆時,就再切小後重查,最後用 place ID 合併重複結果。作者也提醒,每次切分都會增加可能付費的 API 請求;如果很小的區塊仍有 60 筆,就該改用更小的地名或更細的店家類別搜尋。

  20. Dev.to Top Tech70

    Google Gemini 推出 Personal Intelligence,連線選定服務提供個人化回答

    每次問 AI 助理問題,都要重新找資料、補上背景,常讓人多花時間。Google 推出 Gemini 的 Personal Intelligence 測試版,使用者可以自行連線 Gmail、Photos、YouTube 和 Search,讓 Gemini 在回答時參考相關資訊;連線功能預設關閉,也能隨時取消。這項功能目前在美國逐步開放給符合資格的 Google AI Pro 和 Google AI Ultra 訂閱者,可在網頁版、Android 和 iOS 使用。Google 表示不會直接用 Gmail 收件匣或 Google Photos 相片庫訓練模型,但提示詞和回答可能用來改善功能;Drive 和 Google Sheets 尚未列入目前支援的服務。

  21. Dev.to Top Tech74

    我用 Google 的 Elephant-Goldfish Model 和 Superpowers 完成一項功能

    用 AI 助理開發功能時,設計可能沿著最初的想法一路走下去,沒人重新檢查其中的盲點。作者用 EGM 和 Superpowers 完成 CLI 的說明檔案功能,讓 EGM 的審查者只看設計檔案,從七個角度找問題,再由 EGM 在實作後比對設計與成果。他發現,這套流程找出範例可能不一致、檢查報告可能寫進專案等問題,也補上設計要求漏掉的說明。作者認為 EGM 適合用來檢查設計和實作落差,Superpowers 則負責實作。

  22. MarkTechPost79

    2026 年 AI 影片模型評測:畫質分數、每秒價格和開放權重一次比較

    挑 AI 影片模型時,分數高不一定最省錢,開放權重也可能有限制。MarkTechPost 依 Artificial Analysis 的盲測偏好分數,整理文字轉影片與圖片轉影片的模型排名,再對照每秒價格和權重是否開放。榜首 Wan 3.0 的文字轉影片分數最高;Seedance 2.5 的圖片轉影片分數最高,但價格也偏高。MiniMax H3 是榜上排名最高的開放權重模型,不過授權限制部分地區部署,解析度上限為 768p。文章也提醒,排名第 3 到第 8 的模型分數接近,較適合看成同一群,而非嚴格分出高下。

    推薦理由:文章把盲測偏好分數、每秒價格與權重開放狀態放在一起比較,也提醒名次接近的模型不宜看成明確勝負。

  23. Google56

    整理個人支出時,常要自己翻帳單、找訂閱,也很難抓出合適的預算。Google 把 Wallet 加進 Gemini 可連結的應用程式,讓 Gemini 根據消費紀錄,在聊天中畫出現金流、資產配置和預算圖表,也能找出定期扣款和價格上漲。使用者還可以問去年在禮物和旅行上花了多少,再請 Gemini 參考這些交易建議節日預算;也能透過 Plaid,把信用卡和銀行帳戶連到 Wallet,取得更深入的分析。

  24. Thurrott76

    Google 為 Antigravity 加入會切換模型的協調器

    開發工作有時很簡單,有時又需要較強的推理能力;一路使用同一個模型,可能拖慢工作,也會用掉較多額度。Google 在 Antigravity 加入可選用的協調器,會依任務進展,在 Gemini 4 Carbon 和 Gemini 4 Hydrogen 之間切換。Google 表示,這項功能能以更快速度和較少額度,達到接近 Carbon 的任務成功率。Gemini 4 Hydrogen 正逐步提供給付費 Google AI Pro 和 Ultra 訂閱者;協調器則依訂閱方案提供不同版本。Google 也表示,未來會加入更多模型並支援更多方案。

    推薦理由:Antigravity 的協調器會隨任務進展切換模型,文章也說明不同訂閱方案可使用哪些版本。

  25. Google Project Zero82

    Google Project Zero 分階段縮短漏洞揭露期限

    漏洞修好後,使用者可能還沒收到更新,攻擊者就已從修補內容找出漏洞細節。Google Project Zero 宣佈調整漏洞揭露政策:從即日起,回報給廠商 90 天後公開;2027 年 2 月 2 日縮至 60 天,2028 年 1 月 3 日再縮至 30 天。新政策也取消多數寬限例外,並希望廠商縮短修補推出與使用者安裝更新之間的時間。若漏洞已在野外遭利用,則依 Google 的應用程式安全漏洞揭露政策處理;硬體漏洞等少數情況仍可能獲例外。

    推薦理由:Project Zero把揭露期限分階段縮短,並取消多數寬限例外,呈現漏洞修補速度與使用者等待更新風險之間的取捨。

  26. O'Reilly Radar42

    AI 讓誰受益?語言、地區與使用許可權都會影響答案

    AI 越來越會處理日常大小事,但不同地方、不同語言的人,能不能用得上、用起來要花多少資源,差別很大。密西根大學的一項測試發現,用 Pashto 回答問題最多會比用英文多耗 179 倍能源,準確度也較差;印度推出的 EKA-1 則支援 22 種印度語言,另外兩個 Dhīr 模型能離線處理檔案。這些在地模型有機會讓服務更符合當地需要,也讓人們不必那麼依賴大型公司的 AI。 AI 也開始碰上銀行服務、學校搜尋工具和新聞著作權等問題;資料中心為了更快取得電力,改用退役噴射引擎發電,也可能帶來更多汙染。AI 能幫更多人做事,但好不好用、是否安全公平,還得看它服務哪些人,以及使用時怎麼管理。

  27. Dev.to Top Tech69

    Gemini 4 Hydrogen 跑得更快,值不值得它的高單價?

    AI 模型回應變快,不代表完成工作就更省錢。Google 表示,Gemini 4 Hydrogen 在預設推理設定下,完成任務比 Gemini 3.8 Flash 快 2.5 倍;每百萬個輸入 token 收 $1.50、輸出 token 收 $7.50。不過,評測結果並不一致:Plotly 說它在 43 題資料分析測驗拿下滿分,GPT-6.1 Sol 也得到同樣分數,而且成本低得多;InVideo Labs 則指出,Hydrogen 在部分測試落後 Claude Sonnet 5.5,高思考模式也可能產生更多 token。文章認為,企業應一起衡量完成時間、用量、品質和每項成功工作的成本,才能判斷速度是否划算。

  28. Dev.to Top Tech58

    AI 新創如何申請免費 GPU 與雲端點數?

    AI 新創拿到雲端點數,不代表馬上就能用來跑 GPU;申請資格、GPU 額度和到期日都會影響實際能用多少。作者整理 AWS、Google、Microsoft 等計畫的補助與申請條件,並提醒團隊先確認 GPU 額度和工作內容,再申請點數,避免點數在等待期間過期。文章也把補助換算成 H100 使用時數:沒有投資人的新創,AWS、Google 和 Microsoft 的補助合計可買約 733 小時;若有符合條件的投資人支援,案例中的補助合計可買約 52,078 小時。這些數字是依各雲端業者列出的隨用隨付價格估算。

  29. Thurrott82

    Google 推出 Gemini 4 Hydrogen,讓所有人都能在搜尋中使用

    Google 推出 Gemini 4 Hydrogen,讓所有人都能在 Google 搜尋的 AI Mode 使用,也會逐步加入 Gemini app。Google 表示,這款模型著重快速處理各種日常工作,在 Gemini app 中更能照著使用者的指示操作、選用合適工具,減少來回修正;它有四種思考層級,預設為 high。在搜尋中,它也能處理較複雜的問題、提供更多影像內容和相關來源連結。Google Sheets 與 Google Antigravity 的訂閱使用者也能使用;Google 另表示,模型加強了對化學、生物、放射性與核能,以及網路安全濫用的防護。

    推薦理由:Hydrogen 同時進入 Gemini app 與 Google 搜尋,並提供四種思考層級;文章也整理了它在日常任務、搜尋回答和安全防護上的用途。

  30. Thurrott35

    Paul 分享用簡短提示詞、反覆對話和技能,讓 AI 助理更懂需求

    想讓 AI 做出符合期待的成果,提示詞該一次寫得很詳細,還是先簡單說、再慢慢補充?Paul 覺得兩種方法都試得通:AI 有時能猜出你的意思,接著靠來回對話修正;如果是常常要做的事,也可以把做法整理成技能。他的太太會用 Gemini 建立技能,先拿來做手邊的工作,再隨著使用慢慢修改;檔案完成後,也會請 Gemini 更新那項技能。這篇問答還提到,AI 助理能幫忙處理寫作等工作,使用者也可以直接問它要怎麼完成一件事。

  31. Dev.to Top Tech36

    AWS EC2 和 Google Compute Engine 比一比:網路流量費用與 Spot 執行個體中斷風險

    雲端主機除了租用費,傳送資料出去和 Spot 執行個體突然被收回,也會讓帳單和工作時間增加。作者讓 AWS EC2 和 Google Compute Engine 持續跑了 40 天,比較網路費用和中斷情況:前 10 TB 的網路流量費,Google 約每 GB $0.085,AWS 約 $0.09;測試期間,Spot 執行個體中斷率在 Google 約為 0.9–2.1%,AWS 則是 1.8–4.2%。例如需要常常存進度的批次工作,遇到中斷後,Google 多花 6.2% 時間完成,AWS 多花 11.4%。結果顯示,哪家比較省要看工作怎麼跑:重視穩定和中斷前處理時間,可以考慮 AWS;工作能分段重跑、流量又大,Google 的費用可能較低。

  32. Hacker News (official RSS)74

    Google 不讓學校關閉 AI 搜尋摘要,家長與教育界提出質疑

    學校想限制學生在課堂上使用 AI,卻可能因此失去 Google 搜尋。Google 表示,若學校不想讓學生看到 AI Overviews,就不能使用 Google Search;這讓一些家長、教育界人士和民代感到不滿。報導也整理一種可能解釋:Google 過去在反壟斷訴訟中主張搜尋和 AI 摘要是一體的產品,若只讓學校關閉摘要,可能會影響這項主張。不過,受訪的反壟斷專家沒有完全認同這個推測,Google 也沒有回答兩者是否相關。

  33. Dev.to Top Tech61

    Vercel UI SDK Beta 實測:彈出視窗功能完整,但單個視窗需 36 KB

    挑選介面元件工具時,除了看功能,也得知道實際用起來順不順、會增加多少檔案大小。作者實測 Vercel UI SDK Beta,安裝約 4 秒,並數出 91 個 create* 函式,其中 36 個是底層行為、55 個是元件控制器。作者用模擬網頁測試一個彈出視窗,確認按下 Escape 能關閉視窗,焦點也會回到觸發按鈕;不過其他功能和真實瀏覽器中的畫面效果都沒有測試。這個視窗壓縮後為 36 KB,能幫助開發者衡量功能與檔案大小的取捨。

11月13日週五
  1. Dev.to Top Tech50

    初學者必學的 6 種提示詞技巧:什麼時候該用哪一種?

    問 AI 問題時,只有簡單任務直接問就好;如果希望答案符合特定風格或格式,就要給它例子,或先說清楚規則。這篇整理 6 種提示詞技巧:直接提問、提供範例、拆解多步驟問題、指定 AI 助理的角色、設定限制,以及請 AI 幫忙改寫提示詞。像是規劃生日派對,可以要求它列出食物、飲料、裝飾和蛋糕的費用,並確認總額不超過 $100。不同技巧也能搭配使用,但規則寫得再清楚,答案仍可能出錯;重要內容要自己檢查。

  2. Rohan Paul69

    人用提示詞注入攻擊近期幾乎騙不過新的 Gemini 模型,容易讓人以為問題已經解決。Google DeepMind 團隊做出 Agentic Optimizer,讓 8 組 AI 助理測試藏在資料裡的指令、交換心得,再改進彼此的攻擊方式。他們用這套方法測試 100 項需要操作工具的任務,每次攻擊只想讓模型做一項隨機且無害的工具操作。最多嘗試 320 次後,最強的攻擊者在 34% 的任務中騙過防護最強的 Gemini 4 Argon;開放權重的 Kimi K3、GLM-5.3 和 DeepSeek-V4.1-Flash 擋下攻擊的比例只有 1%。

    推薦理由:研究用多組 AI 助理接力改進提示詞注入攻擊,並比較不同模型在工具操作任務中的防禦表現。