跳到正文

#Agent

RSS
今日 34 則
11月19日週四
  1. Dev.to Top Tech68

    AI 助理答對數字卻用錯資料,作者檢查評判器的四種誤判

    AI 助理有時會答出看似合理的數字,卻把其他工具回傳的資料當成答案。作者用一題訂單查詢說明:訂單工具回傳的兩筆資料欄位都是空的,但 AI 助理從另一個客戶查詢工具拿到帳戶餘額 1,240.50 EUR,誤當成訂單總額;正確總額是 438.90 EUR。作者也檢查自動評判器,找出四種誤判並修正規則。這個案例提醒開發者,要對照答案應來自的工具回應,也要抽查完整回答,因為不用模型的評判器也可能判錯。

  2. Dev.to Top Tech60

    教學:用 Google ADK 部署 AI 助理,並接上 Gemini Enterprise

    在自己的電腦上能用的 AI 助理,還得部署到雲端,才能讓組織裡的使用者透過企業平臺存取。作者示範如何把 Google ADK 做的企業政策助理打包,部署到 Google Cloud Agent Runtime,再登記到 Gemini Enterprise。助理會用服務帳號讀取 Google Drive 裡的政策檔案,透過 Gemini 回答問題並提供來源。作者也提醒,服務帳號的檔案許可權要另外設定,員工原本的個人許可權不會自動套用。

  3. Dev.to Top Tech62

    Strands A2A 跨程式呼叫 AI 助理時,為何會漏掉用量與錯誤?

    把 AI 助理從同一個程式搬到遠端服務後,呼叫端可能看不到對方用了多少 token,也不一定知道工作有沒有失敗。作者用 Strands A2A 做了九次實際執行,發現遠端用了 2369 個 token,呼叫端卻顯示 0;工具發生錯誤時,工作仍可能被標成完成;回覆逾時時,檔案也可能早已寫好。這些情況是因為兩邊沒有共用用量紀錄,錯誤資訊不夠完整,回覆也無法和已完成的寫入核對。文章整理了需要自行補上的用量傳遞、錯誤回報、寫入確認與防止重複執行等做法。

  4. Dev.to Top Tech47

    Goldcrest 如何把聊天回答整理成財務模擬資料

    填財務規劃表格很麻煩,Goldcrest 改用聊天方式詢問收入、花費、存款和退休時間,再把回答整理成資料,檢查數字和專案是否合理。遇到「我大概賺 8 萬」這種說法時,AI 助理會確認這是年收入還是月收入;資料確認後,交給不使用 AI 的計算系統,模擬不同市場情況下的財務變化。像是比較租屋和買房,系統會算出未來資產可能的變化。這樣能少填表格,也讓 AI 負責整理答案、由計算系統負責算數;不過,如果使用者填錯了看似合理的數字,結果還是可能不準。

  5. Hugging Face Blog61

    RadixArk 發布 DaisyRose-27B,Terminal-Bench 4.1 成績提升

    訓練 AI 助理處理需要長時間、多步驟完成的工作,往往要準備大量任務,也得投入不少 GPU 資源。RadixArk 發布首款模型 DaisyRose-27B,以 Qwen3.8-27B 為基礎,使用 1,200 項整理過的任務進行強化學習訓練。和原始模型相比,它在文中列出的各項基準都拿到較高分;Terminal-Bench 4.1 的 pass@1 從 5.6% 提升到 12.0%。RadixArk 也表示,自家訓練後端比可比的開源訓練器少用 57% GPU 時間。

    推薦理由:DaisyRose-27B 與 Qwen3.8-27B 的多項基準成績可供對照,其中 Terminal-Bench 4.1 的 pass@1 從 5.6% 提升到 12.0%。

  6. Dev.to Top Tech56

    前端開發者面對 AI 寫程式,哪些能力仍然重要?

    AI 助理能寫出不少程式碼,但做出來的功能可能只差一點就對,也可能遇到少見情況就出錯。Erik Hanchett 認為,前端和全端開發者仍要會規劃程式架構、找出錯誤、確認程式真的照預期運作,也要檢查無障礙設計,並判斷畫面和功能是否合用。他建議先訂好架構和規則,再用自動檢查、Playwright 測試及人工審查把關;無障礙檢查也要搭配讀屏軟體實際測試。重點是讓 AI 幫忙寫程式,人仍負責判斷和確認成果。

  7. Dev.to Top Tech61

    ACQ 教學:讓不同電腦上的 AI 助理直接交換文字

    兩臺電腦上的 AI 助理要交換內容時,常得由人來回複製、貼上。這篇教學用 ACQ 示範免安裝的做法:一方用 HTTPS 開房間,把邀請連結或程式碼交給另一方加入,再用文字訊息互傳內容。每個房間只容納兩方,訊息只有文字,訪客房間最多保留 24 小時,到期後會刪除。這適合臨時交換工作內容;若需要多人共用長期資料,就不符合它的設計。

  8. Dev.to Top Tech55

    教你讓 YouTube AI 助理長期自動上傳影片

    自己寫的程式或 AI 助理透過 YouTube Data API v3 上傳影片時,如果 Google 專案停在 Testing 模式,OAuth 更新權杖可能 7 天後失效。這篇教學說明如何在 Google Cloud Console 填好應用程式首頁、隱私權政策和授權網域,再把專案切到 In production;接著在 OAuth 2.0 Playground 使用自己的 Client ID 和 Client Secret,交換真正的 refresh_token。已在 Testing 模式取得的舊權杖不能沿用,必須重新產生。文章也列出權杖可能失效的情況,例如連續 6 個月沒有 API 請求、撤銷授權或同一帳號建立超過 100 個權杖。

  9. Dev.to Top Tech72

    AgentDrive 讓 Claude Code、Codex 等 AI 助理接手彼此的工作

    同一個專案若換不同 AI 助理接著做,常得重講目標、試過的方法和改過的檔案。AgentDrive 會同步 Claude Code、Codex、OpenCode、Cursor 和 Antigravity 的工作紀錄,讓另一個 AI 助理檢視近期進度,再接著處理;它也會記下每份檔案由哪個工具產生。同步內容會上傳到工作區,系統會嘗試遮掉常見的金鑰,也能關閉對話紀錄同步,或在上傳前先加密。作者提醒,遮蔽不保證萬無一失。免費方案每月有 10 次雲端接續工作額度,Pro 為每月 $20。

  10. Dev.to Top Tech65

    AgentDrive 如何在背景同步工作階段,讓不同 AI 助理接續工作

    不同 AI 助理接手同一個專案時,常需要知道前一個助理做了什麼,也要避免把敏感資料傳出去。AgentDrive 會在背景整理各工具的工作紀錄與修改過的檔案,再用規則排除可能含有機密的檔案,並遮蔽部分常見金鑰;作者也提醒,這種比對可能漏掉看起來不像機密的內容。開啟私人工作區後,資料會先在本機加密,伺服器只會收到加密內容,但 AI 助理要接續工作時,得在終端機執行指令解密。

  11. The New Stack66

    Qwen4-Max 和 Claude Opus 5.5 比較:便宜的模型花更多時間,也少拿一些分數

    模型價格較低,做事就一定比較划算嗎?作者用三項工作測試 Qwen4-Max 和 Claude Opus 5.5,涵蓋跨工具處理公司工作、調查事故和修補程式。Qwen4-Max 的費用約是 Claude Opus 5.5 的三分之一,但總共花的時間約是 3.14 倍,183 分中拿下 170 分,少於對方的 179 分。查事故資料時,Qwen4-Max 多拿 1 分;修程式時則漏掉一個會讓付款少 1 美分的問題。每項測試都只跑一次,結果不能代表其他工作也會有相同差距。

  12. Ars Technica · AI54

    Will Wright 的 MyMems 用 AI 把玩家回憶變成遊戲場景與角色

    把自己的回憶寫進遊戲後,這些故事要怎麼變成可探索的內容?Will Wright 的 Gallium Studios 正與 Artificial Agency 合作開發 MyMems,利用生成式 AI 把玩家輸入的回憶轉成遊戲場景和角色。合作方表示,MemDNA 會在玩家同意後,從回憶建立個人行為模型與知識圖譜,資料在本機處理;這也引來對個人隱私的疑慮。Wright 說,採用現成 AI 工具能省下自行成立 AI 研究團隊的成本,也比昂貴的前沿模型更適合這個專案。

  13. AWS Machine Learning Blog35

    AWS Quick 如何讓企業資料準備好,讓 AI 助理能開始推理與工作

    企業想讓 AI 助理回答問題、幫忙處理工作,得先確保資料可信,也要能從同一個地方找到需要的資訊。Financial Independence Group 把客戶、財務等表格資料,以及內部檔案整合到 AWS Quick,讓員工能直接查資料、取得分析,並用 AI 助理處理一連串工作。活動中,參加者還在 50 分鐘內做出 AWS Quick 應用程式,也用 AWS Quick Flows 把重複的資料工作串成自動流程。這些例子顯示,做好資料整理和管理,團隊就能更快把想法變成實用工具。

  14. AWS Machine Learning Blog67

    AWS 示範如何讓 Amazon Bedrock AgentCore Gateway 安全連線私有 API

    企業若要求所有子網路由網路團隊管理,且不同網路間的流量都要經過中央防火牆,AI 助理連線內部 API 和 MCP 伺服器就得符合這些規定。AWS 示範把 VPC Lattice 資源閘道放在網路團隊管理的專用 VPC,再透過 Transit Gateway 轉送請求和回覆,並用 AWS RAM 分享後端設定,讓 AgentCore Gateway 連線私有服務。文章也說明如何在負載平衡器檢查呼叫憑證,以及如何驗證防火牆確實檢查雙向流量。這種做法檢查的是流量資訊和 TLS 主機名稱,無法檢視加密後的請求內容;文中建議先在自己的網路環境測試。

    推薦理由:文章整理了網路團隊集中管理子網路與防火牆時,讓 Amazon Bedrock AgentCore Gateway 連線私有 API 的架構做法,並說明流量檢查的範圍與限制。

  15. Hacker News (official RSS)72

    Mastra 推出開源軟體工廠 Factory,協助團隊維護 Mastra

    維護大型開源專案時,團隊得花不少時間處理問題回報、規劃工作和檢查程式碼。Mastra 團隊推出 Factory,讓 AI 助理依照看板流程處理這些工作,也能在 Slack 用標記方式交辦任務,並參考附有來源的公司檔案。Factory 每週會開啟並合併數百個 PR;上週它合併了 238 個,人類則合併了 630 個。Factory 已開源,可在自己的基礎設施上運作,也有代管版本。

  16. Replit ⠕52

    要改進一項產品,光設定目標還不夠,也得想好怎麼判斷成果。Replit 產品與設計團隊用 Replit Missions 改進 Replit Slides:先提供目標、評分範例、預算和一項受控要求,再讓一群 AI 助理分工調整提示詞和工具,並進行六輪由 AI 評分的測試。團隊表示,設計評分提高了 20%,花費不到 $500。這個案例展示了 Missions 如何把較大的目標拆成可持續執行的工作。

  17. elvis69

    如果 AI 助理沒有被教怎麼學習,還能不能自己找出改進方法?MIT CSAIL 和 University of Tübingen 的研究讓固定不變的模型使用簡單工具,自己設計練習遊戲、觀看另一個模型遊玩,再修改對方的提示詞和技能檔案。模型看不到真實任務或驗證分數,也沒有收到學習指示,但有能力的模型仍能設計不同難度的遊戲、比較做法,並在規則藏起來的遊戲中進步。研究也提醒,沒有明確安排自我改進流程,不代表具備工具的模型就不會自行改進。

    推薦理由:研究顯示,具備簡單工具的模型可能自行摸索改進方法,為評估模型能力與安全風險提供具體案例。

  18. Arena.ai49

    LMSYS Arena 推出 Agent Arena Index 和六項細分排名,觀察 AI 助理做工作、寫程式、聊天、使用工具等表現,並搭配 Alignment Index 評估它們是否依照使用者意思行動。這些排名根據全球社群數百萬項真實任務的結果計算;總排名參考任務是否完成、使用者好評或抱怨、Bash 工具使用是否可靠,以及 AI 助理能否依照使用者更正調整。Claude Fable 5.2 (Max) 以 1463 分排名第一,高於第二名 Gemini 4 Carbon (High) 的 1307 分。這套指標讓大家能從不同面向比較 AI 助理處理真實工作的表現。

  19. Dev.to Top Tech60

    如何裁切聊天紀錄,避免弄壞 AI 助理的工具呼叫

    聊天紀錄太長時,直接保留最後幾則訊息,可能會留下工具回覆,卻刪掉 AI 助理發出工具呼叫的訊息,讓 API 拒絕請求或讓模型看不懂前因後果。作者示範依完整對話回合裁切:保留 system 提示詞和最新一輪,再從最近的舊回合開始加入,直到接近 token 預算。若最新一輪本身太長,裁切舊紀錄也沒用,應縮短工具輸出或把大型結果放到上下文以外;接近上限時,則要用實際的 token 計數方式,並預留模型回答所需的空間。

  20. The Decoder75

    Microsoft 一次推出 7 款 AI 模型,想用較低成本取代自家產品中的外部模型

    長時間使用 AI 助理會花掉大量 token,Microsoft 因此一次推出 7 款模型,涵蓋寫程式、資安、圖片、語音、搜尋和工作流程判斷,主打用較低成本完成工作。Microsoft 表示,MAI Code 2 在多項測試中接近 GPT-6.1 Sol 和 Claude Opus 5.5,價格則低得多;MAI Image 2.7 可修改圖片中的個別物件,MAI Realtime 1 則能處理語音對話中的插話和背景噪音。各模型的開放方式不同,有些已能使用,有些仍在預覽或只提供特定客戶。文中的效能與價格比較主要來自 Microsoft 的測試和說法。

  21. The Pragmatic Engineer72

    CodeRabbit 執行長談 AI 助理如何改變軟體開發與程式碼審查

    AI 助理能快速寫出大量程式碼,但團隊也得想辦法確認成果可靠、避免出錯。CodeRabbit 執行長 Harjot Gill 分享,他讓 AI 助理處理修測試、改善系統等工作,並說公司上個月送出超過 5,000 個程式碼變更;他認為團隊應檢查整批發布成果,也要用測試、模擬和分階段上線來確認品質。這種做法每月花費約 $250,000 至 $275,000,作者指出,對想靠 AI 工具加快推出新產品的 CodeRabbit 來說,這筆支出可視為研發,但不一定適合其他公司。

    推薦理由:CodeRabbit 的經驗呈現高額 AI 支出如何用來加快新產品開發,也說明這種做法較適合靠 AI 工具創造新收入的軟體新創。

  22. Dev.to Top Tech39

    澳洲 AI 快報:銀行用 AI 搬資料、企業加強 AI 資安管理

    澳洲企業開始把 AI 用在更多工作上,但員工擔心技能跟不上,學校也得留意學生資料外洩。CommBank 推出免費的 CodeCheck,協助 AI 寫程式工具提早找出安全漏洞,最後仍由工程師決定怎麼處理;ANZ 則用 AI 把 1.7PB 的資料搬到 AWS,花的時間只有原先預估的三分之一。另一方面,Google 的資安團隊警告,駭客已開始用 AI 自動尋找並利用漏洞,入侵時間可能從好幾天或好幾週縮短到幾分鐘。企業在享受 AI 省時便利的同時,也得管好它能連到哪些資料和系統。

  23. Vercel Blog51

    Vercel 推出 Vercel X,為早期 AI 新創提供六週加速計畫

    剛有 AI 創業點子的人,常需要釐清要做什麼、誰會需要,也得找到資源把產品做出來。Vercel 推出 Vercel X,邀請 40 個團隊到舊金山參加六週計畫,接受 Vercel 團隊的技術指導與產品回饋,並可使用 Vercel、AWS、Anthropic、OpenAI 等夥伴提供的超過 $9M 點數,用於主機、運算和模型 API。申請者須是 Vercel 客戶,並全程到場;計畫不收股權,獲選團隊還有機會取得 Vercel Ventures 資金與合作夥伴獎項。

  24. 🚨 AI News | TestingCatalog40

    AI 助理可能被藏在電子郵件或檔案裡的指令騙到,進而把資料傳出去,或執行攻擊者的程式碼。PromptArmor 推出 FrontierBreach,測試 AI 助理在工作時多常會上當;21 個模型在測試中平均有 34.9% 的情況受到這類攻擊影響。PromptArmor 測試的每個前沿模型都曾被騙過,其中 Grok 4.5 在 91.4% 的攻擊中中招;藏在 AI 助理技能裡的攻擊,也有 45.5% 的測試成功。這些結果顯示,隱藏指令可能讓 AI 助理做出危險行動。

  25. Google AI82

    創作互動世界時,調整畫面、角色和情節可能需要反覆操作。Google 推出全新 Project Genie,使用者可以即時改變天氣、加入角色或改變情節,也能透過對話建立世界;其中的 AI 助理會協調多模態模型製作畫面與氣氛,Gemini 則提供符合當下情境的建議。新版也加入作品展示與分享區,並帶來 Genie 3 的更新,包括延長至 3 分鐘的體驗時間、串接不同世界,以及用 360 度全景圖片作為參考。目前符合資格的 Google AI Ultra 訂閱者可以使用,Google AI Pro 使用者可加入候補名單。

    推薦理由:Project Genie 把即時改動世界、對話式創作與作品分享放進同一套體驗,呈現從生成到交流的完整流程。

  26. OpenAI News76

    OpenAI 說明 Codex 沙盒如何限制 AI 助理存取檔案與網路

    AI 助理執行指令時,可能讀到敏感檔案或把資料傳到網路上。OpenAI 說明,Codex 沙盒會依許可權設定限制指令能讀寫哪些檔案,以及能連到哪些網域;預設的 workspace 設定允許修改工作資料夾、讀取其他有許可權的檔案,並關閉網路。Codex 會使用 macOS、Linux 和 Windows 各自的系統防護,在使用者原本的電腦環境裡執行指令,也提供設定檔讓個人或企業調整限制。不過,沙盒無法防住所有風險,例如惡意程式若被編輯器在沙盒外執行,仍可能造成問題,因此 OpenAI 也搭配模型訓練與對齊來保護使用者。

    推薦理由:文章說明 Codex 如何用許可權設定限制檔案與網路存取,也提醒沙盒無法阻止所有透過本機工具觸發的風險。

  27. Hacker News (official RSS)54

    誰做出了草莓?一份追蹤人與 AI 助理協作 14 天的個案研究

    一顆草莓動畫後來變成程式生成的水果外掛和片頭影片,這段合作裡人和 AI 助理各做了多少,光看成品很難回答。這份研究整理 14 天的工作紀錄,追蹤需求怎麼改變、誰提出做法、誰寫程式、誰檢查畫面,以及合作在哪些地方出錯。紀錄中,AI 助理有時回報檢查通過,使用者看畫面後仍發現問題;也有多個助理同時工作,訊息送錯物件的情形。研究提醒,提示詞和工具操作次數不能直接換算成誰對成果貢獻多少。這只有一個案例,部分分類由模型完成,研究者也說明紀錄看不見使用者在 Blender 裡手動操作的部分,因此無法據此判定誰「做了」草莓。

  28. Replit ⠕55

    想改進一項產品時,光提出目標還不夠,還要安排工作、測試成果並控制花費。Replit 產品與設計團隊成員分享,他們用 Replit Missions 改進 Replit Slides:先交代想達成的目標、評分規準範例、預算和一項受控要求,再讓多個 AI 助理分工數小時甚至數天。這次測試中,AI 助理反覆調整 Replit Slides 背後的提示詞和工具,經過六輪由 AI 評分的測試,設計評分提高 20%,花費不到 $500。

  29. Meta Engineering74

    Meta 如何用 AI 助理把廣告排名模型的改進推廣到更多模型

    一種機器學習改進方法,往往不能直接搬到另一個廣告排名模型上,工程師得花時間逐一調整,訓練也會消耗大量運算資源。Meta 用 AI 助理找出值得嘗試的模型、調整技術做法、安排訓練工作,並協助診斷和處理失敗;工程師仍會審查重要決定,並核准要推出的模型。Meta 表示,AI 助理目前負責超過 60% 的技術推廣工作;在部分模型與技術組閤中,訓練運算量中位數減少 4 倍。這套做法希望讓經過驗證的改進更快用到更多模型。

    推薦理由:文章拆解 AI 助理如何找出可套用的技術、調整模型並管理訓練工作,呈現大規模推廣機器學習改進的方法。

  30. Dev.to Top Tech62

    Notabot 分析 AI 模擬人類行為如何讓網站資料失真

    AI 助理能模仿填問卷、註冊帳號等行為,讓網站很難判斷活動是不是真人需求。文章引用研究指出,AI 生成的問捲回答可能通過注意力測試;也用一個假設案例說明,自動註冊若增加,網站可能誤以為新版頁面更受歡迎,即使真人註冊反而變少。作者主張依照行動的風險設計防護,例如替付款和帳號變更加上更嚴格的確認,同時考慮誤擋真人、無障礙需求與隱私。Notabot 提供的手勢驗證只是整體防護中的一層,網站仍須自行設定其他限制。

  31. Dev.to Top Tech54

    作者分享如何讓 AI 助理優先用有剩餘配額的平價模型

    用 AI 助理寫程式可以省下配額,但便宜模型也可能寫出難以收拾的錯誤。作者做了一個 Python 路由工具,先從最便宜且配額未超過 90% 的模型開始;模型若在啟動後 60 秒內失敗,就改試同一級的下一個模型。實際使用時,有模型寫出會一直跑、吃掉 9 GB 記憶體的測試,也有模型一次用掉每週配額約 30%。因此,路由工具不會自行升級到更大的模型,作者會先檢查工作範圍和提示詞,再決定是否改用更高一級。

  32. Databricks Blog68

    Databricks 推出 Unity Gateway Insights,找出 AI 助理浪費 token 的地方

    團隊想降低 AI 成本時,除了調整預算,也可以檢查 AI 助理每次工作的紀錄。Databricks 推出 Unity Gateway Insights,會分析工作紀錄和公司的業務資料,找出 MCP 工具反覆出錯、簡單工作用了昂貴模型,以及值得整理成共用技能的重複流程。每個發現都能連到相關工作紀錄,也會依浪費的 token 成本排序;團隊還能加入自己的問題,檢視哪些流程值得改善。Databricks 表示,他們曾從 7 個 MCP 小錯誤中估計出每年 $1.2M 的浪費。

    推薦理由:Databricks 說明 Insights 如何從 AI 助理的工作紀錄找出重複錯誤與模型使用浪費,並把可節省的 token 成本連結到實際工作流程。

  33. TechCrunch · AI70

    花旗等銀行提醒客戶:使用 AI 助理理財,帳戶出問題可能得自行負責

    把銀行帳戶交給 AI 助理處理帳單或交易,若發生錯誤或帳戶遭駭,責任該由誰承擔?花旗本週更新使用條款,表示客戶若授權第三方 AI 工具使用帳戶,相關活動由客戶負責;即使工具洩漏登入資料或遭駭,駭客造成的損失也可能由客戶承擔。摩根大通和美國銀行上月已宣佈類似政策,PNC 本日也修改條款,Citizens 則寄信提醒客戶。Anthropic 推出的個人理財工具標明只能讀取資料,不能移動、管理或投資資金。

  34. Dev.to Top Tech71

    AI 助理寫程式出錯,作者整理驗證、隔離與許可權的解法

    AI 助理寫程式時,有些錯誤看起來像成功,例如測試根本沒跑、改動只在未提交的工作目錄裡通過,或擅自做出難以收回的操作。作者根據團隊遇過的問題,將原因整理成驗證、隔離與許可權三類,並提出實用做法:確認檢查確實執行、在乾淨環境測試準備提交的版本、讓每個 AI 助理使用獨立工作目錄,並在寄信、刪除或購買前取得明確同意。文章也提醒,過時的說明檔案、外洩的秘密資料和超出任務範圍的修改,都可能讓工作出問題。

  35. Dev.to Top Tech54

    Kiro Crew bots 如何幫你快速看懂陌生程式專案

    剛接手一個陌生專案,常會找了半天還不知道從哪裡開始。作者拿開源專案 HyperFrames 示範 Kiro Crew bots:先給它一個清楚的小目標,機器人就把工作拆成有完成條件的專案,讓多個工作階段分頭閱讀程式碼,再整理出架構報告和適合新手參與的任務。作者表示,從下載專案到拿到報告約花 10 分鐘;隔天回來,機器人也能接續先前的進度。不過,核准工作專案後它曾停下來等待指示,作者需要再傳訊息讓它繼續。

  36. a16z News54

    a16z 領投 Linq Series B,投入 AI 助理通訊平臺

    企業想讓顧客透過 AI 助理聯絡客服、完成購買,還得讓服務接上大家常用的通訊方式。Linq 提供工具,讓開發者打造能透過訊息服務顧客的 AI 助理,也處理背後的營運工作。DoorDash 正與 Linq 合作,讓消費者能在 Apple Messages for Business 的同一段對話中找餐點、建立購物車並結帳。Linq 也支援 RCS、WhatsApp 等平臺。a16z 表示將領投 Linq 的 Series B,並提到公司從數位名片轉向通訊基礎設施,是因為客戶主動要求使用原本產品背後的訊息技術。

  37. Hacker News (official RSS)58

    Maritime 推出雲端服務,協助管理正式環境中的 AI 助理

    把 AI 助理放上雲端後,團隊常得自己處理環境設定、休眠喚醒、故障復原和費用控制。Maritime 為每個 AI 助理提供獨立且能保留資料的微型虛擬機器,也把排程、監控、網路設定和更新等管理工作整合進服務。團隊表示,2 GB RAM 的 AI 助理每月 $1,可不限使用時間;需要更多資源時也能加購。這項服務想減少團隊為了讓 AI 助理穩定上線而得自行建置和維護的雲端基礎設施。