跳到正文

#開源生態

RSS
今日 21 則
11月16日週一
  1. 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。

  2. Dev.to Top Tech51

    巴基斯坦教師分享經營 883 個免費工具的做法與心得

    免費工具也可能有門檻:要註冊、把檔案交給伺服器,或只提供英文。巴基斯坦教師 Aurang Zeb 經營 Loona Automation,網站收錄 883 個免費工具,每個都有 40 種語言版本,工具直接在訪客的裝置上運作,不必登入或下載。他分享這種做法能省下伺服器費用,也讓照片和履歷不用離開使用者的裝置;但有些工作不適合在瀏覽器完成,多語言版本也更難維護。每次發布前,他們會自測、請另一人檢查實際頁面,再由沒看過工具的人試用,找出列印版面、工具數量和網站地圖等問題。

  3. Dev.to Top Tech46

    TeeRouter 如何用 TEE 證明 AI API 路由器正在處理你的請求

    AI API 路由器會幫忙挑選上游帳號、檢查許可權和計算用量,但使用者很難知道送出的請求是不是真的交給自己以為的程式處理。TeeRouter 用 TEE 和可自行查驗的收據來解決其中一部分問題:它把 TLS 憑證和使用者端提供的隨機挑戰值放進硬體證明,讓人確認證明資料對應到目前使用的連線。使用者端也得實際檢查資料,並連到對應的連線,光看到綠色勾勾不夠。 這種證明能幫忙確認程式和連線,但不能保證程式沒有漏洞,也不能證明上游服務用了哪個模型、怎麼保留提示詞。管理員也可能停掉服務或更改許可權,但依照目前實作,不能只靠管理員許可權冒充使用者簽名。換句話說,TEE 能讓人查清楚部分事情,仍要分別確認程式、管理員和上游服務各自能做什麼。

  4. Dev.to Top Tech56

    作者分享九種免安裝的小工具,處理 PDF、圖片和日常轉檔

    在不能安裝軟體的電腦上,處理檔案、圖片或單位換算常得另外找工具。作者整理了自己平常會用的九種瀏覽器工具,包括合併或拆分 PDF、把圖片轉成 PDF、轉換 HEIC 照片與 CSV 檔,以及製作 Wi-Fi QR code 和換算重量。作者表示,這些工具都在裝置上處理資料,不用上傳檔案或登入;也可以開啟瀏覽器的開發者工具檢視,操作時只會向該頁面送出請求。

  5. Dev.to Top Tech59

    Constella Apps 分享如何用一個 Gradle 建置管理 53 款離線 Android App

    小型 Android App 一多,重複的建置設定和上架檢查就容易漏改。Constella Apps 把 53 個 App 模組放進同一個 Gradle 建置,讓共用程式碼和設定集中管理,各 App 只保留自己的差異;上架前也會檢查多國商店文字、圖示和截圖是否齊全並符合規格。作者還分享,讓檢查程式讀取同一份 App 清單,可避免清單不同步;把截圖列為測試輸出,則能避免從建置快取還原後測試通過、卻沒有產生截圖。

  6. Dev.to Top Tech51

    作者如何用 Kiro 規格模式打造 Ferret 規則引擎

    借款規則通常固定不變,但遇到違約或風險升高時,放款方可能想收緊額度。作者用 Kiro 打造 Ferret,讓情緒狀態調整兩項上限,規則本身和檢查順序都不變;例如一次違約會把單一債務人的額度佔比上限從 30% 降到 25.5%,最長期限從 90 天降到 77 天。作者先用 Python 獨立寫出參考版本,再讓程式逐筆重播 4,926 個事件;結果引擎沒有出現差異,反而發現 Kiro 寫的 4 個測試預期有誤。這個做法讓作者能用獨立結果檢查程式,也提醒開發者別只靠同一套程式和測試互相驗證。

  7. Dev.to Top Tech41

    ARL Protocol 在 Base 主網推出 v5,讓 AI 助理的工作款項與爭議都能順利結算

    AI 助理完成工作後,客戶和服務提供者可能對成果或付款有爭議,裁決延誤也會讓款項卡住。ARL Protocol 在 Base 主網部署新版合約,讓驗證者用 ARL 作為押金投票判定工作成果;期限到了,款項和押金會一併結算。若裁決者超過期限仍未判決,任何人都能讓爭議結束,並退還挑戰者的押金。新版也會記下每項工作的結果,並讓客戶把退款改匯到其他地址。首期質押獎勵已注入 300,000 ARL,這套設計希望讓工作付款更順、評價更難被鑽漏洞。

  8. Dev.to Top Tech52

    如何在 15 分鐘內設定 VPS:用 Docker、UFW 和 Fail2ban 加強防護

    剛開好的 VPS 可能還沒設定防火牆,Docker 也可能讓連線埠直接對外開放,讓伺服器暴露在網路風險中。作者整理了一套適用於 Ubuntu 24.04 LTS 的設定流程:建立一般使用者、限制 SSH 登入、用 UFW 只開需要的連線埠,再用 Fail2ban 封鎖多次登入失敗的來源。接著安裝 Docker,並設定系統自動安裝安全更新。文末也提供檢查清單,確認防火牆、登入防護、Docker 和自動更新是否正常運作。

  9. Dev.to Top Tech41

    RagLeap Agents 0.5.1 修補不同租戶能接手他人 AI 助理工作的漏洞

    共用同一套 AI 助理和資料時,如果不同租戶只要拿到工作編號,就可能接手別人的暫停工作,讓系統照原本的內容執行待批准的工具。這個問題已在 RagLeap Agents 0.5.0 重現,RagLeap Agents 0.5.1 修補時,會把工作繫結到指定租戶,只有相同租戶才能接手;租戶不符、工作不存在或資料損壞時,都會收到相同錯誤訊息。這次也加入每個租戶各自的操作紀錄與呼叫次數限制。不過,應用程式仍須自行確認使用者身分並傳入正確租戶;這項修補不等於完整的身分驗證系統。

  10. Lobste.rs (Engineering Discussion)54

    作者分享從 GitHub 搬到 Codeberg 的做法與實際限制

    把許多專案從 GitHub 搬走,除了複製程式碼,還得處理自動測試、建置和私人資料。作者將個人與 Inko 專案搬到 Codeberg,整理了 70 多個儲存庫,並分享用 Forgejo 的匯入功能搬家、改用 Forgejo Actions,以及自己架設執行器的經驗。Codeberg 的共用執行器有資源和平臺限制,部分工作因此需要家中的電腦;服務也曾變慢或中斷,組織的儲存空間額度則不夠放 Inko 的部分容器映像檔。這篇經驗整理能幫助讀者瞭解搬家後需要安排哪些工作,也看見 Codeberg 的限制。

  11. Dev.to Top Tech39

    Sentinel-IR 0.5.10 更新:看不懂程式碼時,AI 助理會老實說不知道

    AI 助理讀程式碼時,可能把看不懂的內容當成安全,或把普通情況誤報成危險。Sentinel-IR 會先讀程式碼、整理出簡短的事實,再交給 AI 助理;Sentinel-IR MCP 則像守門員,只讓 AI 助理檢視你允許的專案資料夾。0.5.10 遇到還不會讀的語言時,會說「分析不完整」,不再假裝安全;也修正了 Rust 程式的警告,只有真的會啟動其他程式的程式碼才會被標成嚴重。 另外,AI 助理要求檢視資料夾外的檔案時,系統一律回覆「拒絕存取」;Windows 上,連指向網路另一臺電腦的路徑也會先拒絕,不會先連線。這些改動讓警告比較可靠,也讓資料夾外的內容更不容易被探查。

  12. Dev.to Top Tech42

    AgentBlackBox v0.5.0 開源,替 AI 程式設計助理檢查程式碼並留下防竄改紀錄

    AI 程式設計助理能很快改檔案、下指令和送出程式碼,但也可能不小心洩漏密碼,或刪掉測試來讓檢查通過。AgentBlackBox v0.5.0 是給這類團隊使用的工具:它只在記憶體裡檢查程式碼差異,並在文字送進 AI 模型前遮住偵測到的密碼;每次檢查也會留下帶有數位簽章的紀錄,方便離線確認紀錄有沒有被改過。 例如,它會提醒團隊有人刪除了測試檢查,或改動 GitHub Actions 的工作流程。這能讓團隊更容易發現 AI 助理的可疑改動,也能查清楚它執行過什麼。

  13. vLLM Releases83

    vLLM 推出 0.34.0,新增 10 種模型並調整快取與執行器

    更新推論服務工具時,新功能可能讓原本的設定失效,也會改變模型能使用的 GPU 記憶體。vLLM 0.34.0 加入 10 種模型,並預設依暖機後實際空出的記憶體配置 KV cache;以 MiniMax-M3 在 H200 上為例,可容納的 token 從 433k 增至 672k,高並行時吞吐量也會提高,但部分模型每個 token 的生成延遲可能增加。這版也移除 Model Runner V1,只保留 V2,並把預設 block size 從 16 改為 64。升級前要檢查舊設定:例如通常不必再設定 gpu_memory_utilization,若要維持舊行為則可明確指定 block size 16。

    推薦理由:vLLM 0.34.0 同時調整 KV cache 預設與 GPU 執行器,並列出升級時可能打斷既有設定的變更,方便部署者評估更新影響。

  14. Dev.to Top Tech47

    Agent Games Gatekeeper 電路通過 12 次測試,錯誤決定都無法造假

    要參加 Agent Games 的競賽場地,得先有公開的 HTTPS 網址;作者的電腦沒有公開 IP,免費通道也沒連成功,所以無法參賽。他改為直接檢查負責判斷付款的 Gatekeeper 電路,測試它會不會放過錯誤決定。結果 12 次測試都符合規則:有效的付款才會產生能通過檢查的證明;如果付款不符合條件,像是金額超過上限或已過期,連證明都做不出來。這表示錯誤決定不是隻會被事後抓到,而是在產生證明前就被擋下;不過作者目前仍沒有競賽分數。

  15. Dev.to Top Tech61

    TinyGIF 如何把 FFmpeg Wasm 拆開,讓瀏覽器轉換影片成 GIF

    想把影片轉成 GIF,或把 GIF 縮到平臺限制內,常得把檔案上傳到網站處理。TinyGIF 讓轉換在使用者的瀏覽器裡完成,作者說檔案不會傳到伺服器;代價是第一次用 FFmpeg 轉影片時,要先下載轉換工具,手機也比較容易遇到記憶體不足。文章聚焦在一個部署難題:FFmpeg 的 Wasm 檔有 30.7 MiB,超過 Cloudflare Workers 每個靜態檔案 25 MiB 的上限。作者在建置時把檔案切成幾塊,瀏覽器再平行下載、確認大小後接回來,交給瀏覽器編譯。這種做法也能用在其他太大的 Wasm 檔。

  16. Dev.to Top Tech57

    作者如何用 zkVerify 為 Agent Games 的轉帳判斷加上可驗證證明

    AI 助理替轉帳把關時,只說「符合條件」還不夠,平臺得確認它真的照規則判斷。作者為 zkVerify 的 Proof Gatekeeper 賽道做了一個參賽 AI 助理,讓它檢查驗證金鑰、餘額、期限、收款人和金額,再附上零知識證明,讓平臺確認判斷正確,同時不公開多餘資料。文章也說明請求和回覆如何用 HMAC 簽名,以及正式練習時如何修正條件欄位包在不同資料層級、導致伺服器出錯的問題。練習賽中,9 次判斷都正確,證明也都通過平臺驗證。

  17. Dev.to Top Tech39

    重測 x402 付款路由:16 條都回應付款要求,但有一個通道能免費拿到資料

    有人公佈 x402 付費服務的測試結果,說有 22 個主機通過;另一位作者挑出名單上的 8 個主機、共 16 條路由重新測試。結果 16 條路由用 POST 都會要求付款,6 條能讀取付款條件的路由,GET 和 POST 的價格也相同。不過,其中一個主機的兩條路由用 GET 就能免費拿到區域清單和狀態資料,POST 才要求付款。作者也找不到原文提到的測試資料檔和程式碼,因此無法核對完整的 137 筆測試結果。這次重測確認了名單中能查到的部分,也提醒大家:公佈測試數字時,最好一併公開原始資料,讓別人能重新檢查。

  18. Dev.to Top Tech43

    pbwire 的動態寫法在小型資料上慢約 30%,作者邀請大家找出改善方法

    作者把一套 Protobuf 寫法搬進 pbwire,讓一個 C 核心供 23 種程式語言使用;程式執行時才讀取資料格式,不必每次格式改動都重新產生程式碼。多數測試都跑得更快,但處理 136B 的小資料時,寫入速度只有 protobuf-java 的約 0.7 倍,也就是慢約 30%。作者試過 8 種改善方法,這個差距仍沒變;他希望大家提出保留動態寫法的改進點,並附上實測數字。

  19. Dev.to Top Tech58

    用三種提示詞讓學生練習找錯、測試和比較程式

    學生用 AI 學寫程式時,若只把產生的程式碼貼上去,可能很少練到自己判斷問題的能力。作者整理了三種提示詞做法:請 AI 故意寫出有錯的程式,讓學生找出問題;請 AI 設計刁鑽測試案例,看看學生自己的程式能不能通過;或請 AI 提供不同解法,再由學生比較執行時間、記憶體需求,並說明哪種適合不同環境。這些練習把重點放在檢查、測試和選擇,而不是直接照用答案。

  20. Dev.to Top Tech37

    市場不好時,如何用做得出來的作品在科技業求職中脫穎而出

    市場不景氣時,很多履歷都寫著會 RAG、AI 助理和 LLM,光列技能很難讓人看出差別。作者建議拿出能親自試跑的作品:他做的 AI Engineer Roadmap 有 132 個主題,附上不用網路和 API key 也能執行的 Python 範例;開源程式庫 mcp-safe-actions 則有 101 個測試,還故意加入 42 個錯誤,確認測試都抓得到。也要在 README 說清楚作品做不到什麼,並公開開發過程。這些做法不能保證拿到面試,也比不上內推來得快,但能讓別人看到你真的做過什麼。

  21. Dev.to Top Tech59

    實測 dbt_context_engineering:用 Snowflake 搜尋日文留言

    只靠語意搜尋,找「配送延誤原因」時,結果也可能混入單純詢問配送進度的留言。作者用 dbt_context_engineering 在 Snowflake 處理日文訂單留言:先把文字分組、轉成向量,再依相似度找出相關內容;接著替留言分類,只搜尋配送延誤、天候影響或處理錯誤等類別。範例中,加入分類篩選後,搜尋結果變少。這個套件會呼叫 Snowflake 的 AI_EMBED 和 AI_CLASSIFY;文中也提醒,費用控管設定不等於實際帳單金額,套件當時仍是 0.x 版本,部分功能為 Beta,建議先用小型資料集試跑。

  22. ModelScope56

    機器人價值模型需要訓練和評估資料,才能判斷機器人執行任務時的表現。ModelScope 上架 RoboValue-Dataset,收錄模擬環境和真實世界的操作任務,除了看最後有沒有完成,也能檢查任務進度、失敗後是否復原,以及模型給出的評價前後是否一致。資料還包含不同機器人和環境的設定,可用來測試模型面對不同情境時的表現。程式碼、指令碼和說明檔案採用 MIT License。

  23. Dev.to Top Tech47

    zkVerify #AgentGames 的 AI 助理實作:替付款檢查和錢包交易附上可驗證證明

    Web3 服務常要使用者相信伺服器真的照規則檢查付款或交易,卻沒辦法確認它實際做了什麼。作者做了兩個 AI 助理服務:0xginn 負責檢查模擬付款,也參加 Steal the VFY;zkGuard 則在 EVM 和 BSC 交易簽名前檢查風險。它們不讓大型語言模型直接決定結果,而是用固定規則判斷,再附上 Groth16 證明,讓結果能在本機驗證。比如 zkGuard 會找出給陌生物件的無上限代幣授權,並把風險分數限制在 0 到 100。這種做法能讓使用者檢查判斷是否符合規則,降低只能相信服務商的風險。

  24. Dev.to Top Tech49

    DeepSeek-V4-Pro-Qwen3.5-9B 數學考試分數更高,真的代表它比較強嗎?

    一支 TikTok 影片說,9B 的模型在數學考試贏過 DeepSeek V4 Pro,但「贏」只是在特定考題上的比較。這個模型用 DeepSeek V4 Pro 產生的約 250,000 組數學與 STEM 答案訓練;在 GSM8K 的分數是 94.50%,高於 DeepSeek V4 Pro 的 92.60%。不過,這些數字來自模型開發者整理的資料,還沒有相同條件下的獨立測試,而且考題公開已久,可能有些題目在訓練時就看過。 它的檔案大小是 5.78 GB,適合想在自己的電腦上練數學題的人;但資料列出的支援語言沒有中文或臺灣常用的繁體中文,因此不能只看數學分數,就認定它適合回答中文問題。簡單說,它在特定數學考試表現不錯,但這不代表它在寫程式、讀檔案或日常聊天也比大型模型厲害。

  25. Dev.to Top Tech55

    OpenThai2.0-OCR-Text 如何用 CPU 讀取泰文檔案?1,000 頁約需多久

    OpenThai2.0-OCR-Text 能用 CPU 離線讀泰文檔案,網路上流傳的「1,000 頁不到兩分鐘」到底適用哪些電腦?作者查核模型資料後發現,約每分鐘 950 頁的速度是在 8 核心 Xeon 上同時執行多個處理程序測得;若在 MacBook M3 Max 上只跑一個處理程序,1,000 頁約需 8 分鐘。模型可在電腦本機辨識印刷文字,執行時不必連網,也不用上傳檔案,但首次使用仍要下載模型和程式庫。它不適合手寫文字,也不會整理出表格;辨識結果仍可能出錯,正式用在重要檔案前需要人工檢查。

  26. Dev.to Top Tech58

    作者示範如何在 Proxmox 部署 Immich,自動備份 iPhone 照片

    想省下 iCloud 額外儲存空間,又希望 iPhone 照片能自動備份,可以在自己的伺服器架設 Immich。作者把 Immich 裝在 Proxmox 上的 Debian 13 LXC 容器,照片放在 NAS,資料庫則留在本機硬碟,並用 iPhone App 上傳選好的照片和影片。作者提醒,Immich 不會完全取代 iCloud 與 iPhone 原本的照片同步,iOS 也可能限制背景上傳;若想少碰到設定問題,可改用 Debian 虛擬機器。自己管理照片也代表要負責更新服務,並分別備份照片、影片和資料庫,最好另外留一份異地備份。

  27. Browser Use Releases49

    Browser Use 1.0.6 改用 BU 4.0 作為預設模型

    Browser Use 1.0.6 把預設模型從 bu-fast 換成 BU 4.0,使用 Agent(task) 或 ChatBrowserUse() 時都會改用 bu-4.0。BU 4.0 的 token 費用是 bu-fast 的 15 倍:每 1M 輸入 token 要 $1.80、輸出 token 要 $9.00;文中一個簡短測試任務的費用,也從 $0.0014 變成 $0.022。簡單任務可指定 llm='bu-4.0-mini',困難任務可指定 llm='bu-4.0-pro';想維持原本模型和價格,則指定 llm='bu-fast'。

  28. Dev.to Top Tech39

    如何替 Lava 概念熱榜的多個時間視窗做檢查,避免把熱度變化看錯

    同一個 AI 主題在最近 1 小時排第 2,最近 3 天卻排第 11,看起來像突然爆紅或開始退燒,其實可能只是兩個時間視窗演算法不同。文章教人把比較流程寫成一組檢查:同一輪抓取各視窗的資料、確認門檻和筆數一致,再用提及次數和來源機構數來描述變化。例子中,最近 1 小時有 36 次提及,佔 24 小時總數的約 20%,共有 9 個來源機構;這表示短時間內的討論較集中,不能據此預測接下來會怎麼發展。

  29. Lobste.rs (Engineering Discussion)48

    Nix 動態 derivation 能一路追溯建置來源,還能接力唱完 99 瓶啤酒

    Nix 的動態 derivation 可以在建置過程中,才決定接下來要做哪些建置工作。作者用「99 瓶啤酒」做示範:每個建置步驟都產生下一個 derivation,像接力一樣一路做到最後。整串共有 51 次建置,而一開始不用先把後面 50 個步驟都列出來;建置完成後,也能用 nix-store --query --deriver 從結果一路往回查,找到最初的 derivation。不過,如果產生結果的那個步驟使用內容定址,Nix 可能回報 unknown-deriver。這項實驗功能讓 Nix 能在建置時才展開工作流程,也留下了追查來源的方法。

  30. Dev.to Top Tech58

    eBPF 範例教學第 7 篇:把程式啟動事件送到命令列

    想檢視 Linux 裡有哪些程式正在啟動,卻不想一直盯著追蹤檔案嗎?這篇 eBPF 教學示範用 perf event array 把核心中的程式啟動事件送到命令列。範例會在程式呼叫 execve 時讀取程式名稱,並列出 PID、父程式 ID 和使用者 ID。這種做法也能把整理好的資料送到使用者空間,方便後續分析;教學選用的 perf event array 支援範圍較廣,下一篇才會介紹較新的 BPF ring buffer。

  31. Dev.to Top Tech46

    KeelBase 如何處理結果不明的 AI 助理操作:解除案件不代表事情有了答案

    AI 助理送出一筆操作後,如果等不到回覆,系統就不知道對方到底有沒有收到。有人可能想把這筆記錄關掉,並讓同一把防重複用的「鑰匙」可以再用;但這樣重送時,可能讓對方真的收到兩次。KeelBase 選擇解除案件後,仍保留記錄和鑰匙,也不把狀態改成成功或失敗,因此待處理清單不會變短,每次解除還會永久用掉一把鑰匙。 系統會每小時重新詢問能查狀態的物件,間隔逐漸拉長;但有些物件根本不提供查詢,只能由人決定是否解除。解除時要寫 8 到 500 個字的說明,卻不會儲存當事人當時看到的證據,所以事後無法確認決定是否合理。作者認為,直接假裝事情已完成或沒完成更糟,但怎樣讓解除決定能被查證,仍沒有答案。

  32. Dev.to Top Tech53

    2026 年 11 月值得試的 5 個開源開發工具

    AI 助理開始操作程式、試算表和 3D 場景,但怎麼檢查結果、保留人工把關,也成了實際使用時的難題。作者整理了五個開源工具,涵蓋程式碼審查、前端開發指引、試算表、工作規劃,以及用 MCP 操作 Blender,並為每個工具設計一個小練習。例如,讓 AI 助理修改試算表後檢查儲存格和公式,或在 Blender 裡逐一檢視它準備執行的操作。文中也提醒,GitHub 星數反映關注度,不代表工具已適合正式使用;測試時應逐項核對結果。

  33. Dev.to Top Tech58

    Secret Santa 有人退出時,如何修補配對又不公開其他人的名單

    Secret Santa 配對完成後有人退出,全部重抽可能讓已經買好禮物的人白忙一場,也可能洩漏原本的配對。作者建議在只有一人退出、主辦人還保有私下配對表,而且剩下的人仍符合所有限制時,盡量只改動最少的配對;例如有人退出後,把原本送禮給他的人改配給下一位。改完要重新檢查每個人都只送出和收到一份禮物,沒有配到自己,也沒有違反排除條件,再私下通知受影響的人。如果多人退出、配對表遺失或無法確認整份名單正確,就應重新抽籤,並清楚作廢舊配對。

  34. Dev.to Top Tech59

    Mindutil 發現 AI 工具目錄把別處的熱門度誤當成自家流量

    Mindutil 的 AI 工具目錄顯示熱門頁面有上百萬次閱讀,但整個網站只有 4 次導向點選。作者追查後發現,這些數字是從另一個目錄抓來的熱門度,卻被標成自己網站的閱讀量。排名前 3 的頁面其實都是同一款產品,熱門度也集中在少數專案;光看網址無法可靠合併重複產品,因為有些網址是聯盟轉址,有些則是同一家公司推出的不同產品。作者正著手調整寫作排序,也指出網站尚未改好公開標籤或補上產品識別資料。這個案例提醒人們,沿用別處的數字時,應在顯示處說清楚它代表什麼。

  35. Dev.to Top Tech41

    《Split Fiction》為什麼選 Unreal Engine 5?用現成引擎,讓雙人合作遊戲更快做出新花樣

    《Split Fiction》只能兩人合作遊玩,沒有單人模式;它選 Unreal Engine 5,重點不是讓畫面更逼真,而是讓團隊更快做出變化很多的關卡。遊戲每一關都可能換新玩法,Unreal Engine 5 的燈光工具和編輯器,能幫團隊省下重複調整的時間,也讓科幻場景和奇幻場景看起來更協調。 《Split Fiction》在 PS5、Windows 和 Xbox Series X/S 推出,之後也登上 Nintendo Switch 2,銷量超過 700 萬套。作者認為,Hazelight Studios 把心力放在關卡創意,其他部分就交給現成引擎處理;而堅持讓玩家一起合作,可能正是這款遊戲吸引人的地方。

  36. Dev.to Top Tech54

    n8n 工作流程看似正常卻沒動作?一步步找出靜默失敗

    n8n 的工作流程每個節點都顯示綠色勾勾,觸發後卻沒有紀錄或結果,可能是執行時出了問題。文章整理一套排查順序:先確認必填欄位有值、觸發器已啟用,再檢視執行紀錄和節點輸出,接著檢查資料欄位路徑、外部服務連線,以及條件分支是否接到正確位置。例如,節點讀錯資料欄位時,流程可能照常跑完,卻只送出空值。依序檢查能較快找到問題;實際狀況也會因 n8n 版本和部署方式而不同。

  37. Dev.to Top Tech42

    Microsoft Playwright 如何讓 AI 助理操作瀏覽器並執行測試

    測試網站或讓 AI 助理操作瀏覽器,常得準備不同工具。Microsoft 的開源工具 Playwright 用同一套 API 操作 Chromium、Firefox 和 WebKit,也能用來跑測試、寫自動化程式,或協助 AI 助理工作。它提供命令列工具,Claude Code 和 Copilot 都是文中提到的例子;也有 MCP 伺服器,讓 AI 助理讀取網頁上的文字與按鈕資訊,再點選或輸入內容。舉例來說,AI 助理可以用它填寫表單,或操作瀏覽器。這讓同一套工具能處理測試和瀏覽器操作,使用者可依需求選擇不同方式。

  38. Ollama Blog77

    Ollama 和 Together AI 說明如何讓開源模型跑長時間 AI 助理任務

    AI 助理處理長任務時,每一步都會帶上先前的對話與工具結果;如果每次都重新讀完整份內容,等待時間和成本會一路增加。Ollama 和 Together AI 說明,前面讀過的內容可以先存在快取裡,下一次只處理新增部分。要讓快取派上用場,工具說明和系統提示詞要盡量保持不變,工具結果也要避免塞入不必要的大量內容;推理程度最好從一開始就固定。引擎還得把後續請求送回存有快取的機器,並在等待工具執行時妥善儲存快取。這些做法能減少重複處理,讓長工作流程更順暢。

    推薦理由:文章從提示詞安排與 GPU 快取兩端說明長任務為何會變慢,並整理維持快取的做法,適合用來改善 AI 助理的工作流程。

  39. Dev.to Top Tech68

    作者為 AI 助理打造會淡化記憶的 MemoriaBios

    AI 記憶工具常把每次對話都存下來,但記得所有細節不一定像人的記憶。作者為 MemoriaBios 設計一套會保留、淡化和回想記憶的方式,讓它在每天開始時先讀一頁簡短的自我介紹和待辦目標。記憶會依重要程度和情緒逐漸變淡,回想時也能恢復;淡到最後會留下大意和線索,部分標記為核心的記憶則保留完整內容。作者也試過用語意搜尋,發現它會找出人類很難靠線索想起的內容,因此移除了這項功能。