跳到正文

全部動態

RSS
今日 115 則
今天11月23日週一
  1. Dev.to Top Tech62

    React Native 如何加入客服聊天功能:2026 年實作指南

    React Native App 加入客服聊天時,常會卡在原生 SDK、推播通知和使用者身分驗證。這篇指南比較兩種做法:用原生 SDK,聊天畫面較像手機 App,也能接收推播,但需要開發版;把網頁聊天工具放進 WebView,開始較快,推播和未讀提示就得自行處理。文章也提醒,服務若直接透過 APNs 和 FCM 傳送通知,要傳手機的裝置推播權杖,不能用 Expo 推播權杖;有登入功能的 App,則應用後端簽署的權杖確認使用者身分。最後還示範如何在刪除帳號時一併刪除聊天資料。

  2. Dev.to Top Tech60

    如何衡量 AI 投資報酬:用業務流程看見 AI 帶來的改變

    AI 模型答得快、答得準,不代表公司的工作真的變快或省下成本。這篇文章提出一套衡量方法,主張從整段業務流程來看 AI 的效果。以發票處理為例,除了記錄 AI 擷取金額的正確率,也要追蹤發票從收到到付款花多久、多少需要人工修正,以及每張發票的處理成本。文章建議先記下匯入前的表現,再比較 AI 處理和人工處理的案件,並把模型、裝置和人工檢查等費用都算進去。持續追蹤這些指標,才能看出改變是否真由 AI 帶來,也能及早發現效果退步。

  3. Dev.to Top Tech43

    MCP 如何讓不同 AI 助理共用同一套工具

    AI 助理要連上資料庫、工作流程或內部檔案時,開發者常得為每種模型和工具各寫一套程式;換了模型,又要重新修改,還可能讓重要的 API 憑證散落在不同地方。MCP 是 AI 助理和外部系統之間的共同規則:工具服務只要照這套規則準備好,不同的 MCP 使用者端就能連上使用。像是伺服器可以提供查詢 CPU 和記憶體使用狀況的工具,AI 助理連線後就能找到並呼叫它。這樣能減少重複開發,也讓許可權管理和維護更集中。

  4. Ant Ling57

    醫療 AI 模型需要看懂影像、整理報告,也要能回答醫療問題。Ant Ling 發布開源多模態模型 LingSante-3.1-air-VL,結合醫療影像理解、報告生成、醫療推理、多模態搜尋與工具使用;模型總引數為 124B,啟用引數為 5.5B。團隊表示,它在 AFUMED-Derm、AFUMED-Report、MIMIC-CXR 和醫療視覺問答的平均成績上,勝過比較的模型 GPT-6.1 Sol 和 Gemini 3.8 Flash;在一般用途評測中,也有部分專案高於這兩個模型。

  5. Solidot63

    研究估算 Anthropic 到 2028 年約 98% 的電力來自化石燃料

    AI 資料中心需要大量電力,而新建的發電設施多半使用化石燃料。研究人員估算,Anthropic 到 2028 年約 87% 的電力會來自天然氣,11% 來自煤炭,合計約 98%;研究也提到,Anthropic 近期承諾採購 1.7 GW 的燃氣發電裝置。依這項估算,Anthropic 資料中心每年可能排放 1700 萬到 3800 萬公噸二氧化碳當量,中間估值為 3200 萬公噸;到 2030 年,排放量可能再增加一倍。

  6. Dev.to Top Tech72

    Python 教學:用正規表示式與 SHA-256 保護 APA 引用

    用 AI 修改論文時,作者、年份、引文或 DOI 網址可能被改掉,讓引用失去原本的意思。作者用 Python 示範一套保護流程:先找出引用和網址的位置,重疊的部分合併後換成暫用標記;修改完成再還原,並用 SHA-256 檢查文字有沒有變動,發現標記遺失或內容不符就退回原稿。測試中,這套流程抓出 120 次刻意造成的錯誤,也沒有把 30 次正常改寫誤判為錯誤。不過它只能保護原稿裡已經有的文字,無法判斷引用是否正確,也抓不到引用旁邊的句子被改得失真。

  7. Dev.to Top Tech54

    作者示範用 AI 監看商品價格,降價時透過 Telegram 通知

    商店網頁常會改版,靠固定位置找價格的程式可能悄悄失效。作者分享一個個人指令碼:先用 Playwright 載入網頁,再請大型語言模型從整理過的頁面內容找出商品售價,並把日期和價格存進 SQLite。每次執行時,程式會比較新舊價格,若價格下降或低於自訂門檻,就用 Telegram 傳送通知;作者安排它每天檢查一次。文章也提醒要檢視網站的 robots.txt、避免密集連線,並優先使用官方 API。

  8. Dev.to Top Tech48

    SEC 研議讓企業半年公佈一次財報,金融軟體得重新判斷「缺少一季」代表什麼

    有些金融軟體預期每家公司每季都會公佈財報;如果某季沒有資料,就可能跳出警告,甚至讓風險分數變差。但美國 SEC 在 2026 年 5 月提出方案,讓符合條件的上市公司選擇半年公佈一次財報,因此少了一季資料,不一定代表公司逾期或出錯。 例如,同業中一家公司照常公佈季度營收,另一家公司改成半年公佈,系統就不能把後者缺少的季度資料當成零,也不能把半年營收直接除以二,假裝那就是每季的實際表現。金融軟體需要記清楚資料來自哪份檔案、涵蓋哪段期間,以及公司是否有義務在當時公佈。這樣才能避免圖表和 AI 助理把資料缺口說成公司的問題,或在證據不足時編出看似可信的答案。

  9. Dev.to Top Tech39

    聯絡人資料去重時,怎麼避免把不同買家合併?

    B2B 名單裡,兩個人可能在同一家公司,卻負責不同的決定;只因公司網域相同就把資料合併,可能會弄錯聯絡物件。作者建議把結果分成「確定相同」、「可能相同」和「不同聯絡人」:像是已確認的相同電子郵件可以連起兩筆紀錄,但同網域、名字相近只能先交給人檢查。匯入大量名單前,先用少量例子確認規則;另外要分開計算誤把不同人合併的情況,以及留待檢查的重複資料,因為前者可能讓訊息寄錯人。

  10. Dev.to Top Tech50

    Solitaire: Klondike & Spider 離線檢查 676 萬局牌,將 356 萬局必勝牌局壓縮至約 825 KB

    隨機洗牌可能發到根本贏不了的牌,讓玩家玩得再仔細也只能卡關;如果每次發牌都讓手機現場搜尋,又會耗電、變慢。Solitaire: Klondike & Spider 改成先在電腦上檢查 676 萬多組發牌種子,再把確認找得到合法獲勝走法的 356 萬多局牌,記進一份很小的清單。每局都會用遊戲真正的規則重新走過一次,確認勝利走法有效。 清單只有 845,092 bytes,約 825 KB;手機發牌時只要從中挑一局,再用原本的洗牌方式重現,不必當場搜尋,也能讓玩家重新玩回同一局。不過,檢查程式無法解完的牌局會先排除,所以這份清單不代表所有可能贏的牌局都被收進去。

  11. Dev.to Top Tech37

    Idol Max 如何把單張圖片變成可放進遊戲的 3D 模型:我的原型製作流程

    做遊戲原型時,常常程式還沒寫完,找或製作合適的 3D 模型就先花掉很多時間。作者用 Idol Max 試著把流程縮短:上傳一張圖片,就能拿到附有 UV 和 2K 紋理的 GLB;還可以加上骨架、預覽模型,並匯出 360° GIF 或 MP4 分享。模型可以直接放進 Three.js、Unity 或 Godot,作者也提到費用從 $10 起,採點數計費、不必訂閱。這不會取代手工製作的正式遊戲素材,但能讓原型、遊戲創作活動或客戶提案更快從圖片走到場景裡的模型。

  12. Dev.to Top Tech48

    Shopify 搬家後,顧客密碼不能沿用還是問題嗎?

    商店搬到 Shopify 時,顧客的姓名、電子郵件和地址可以匯入,密碼卻不能跟著搬,因為兩個系統檢查密碼的方式不同。好在 Shopify 新版顧客帳戶不需要密碼:顧客輸入電子郵件,就能收到一次性 6 位數驗證碼登入;若訂單紀錄也有搬過去,顧客登入後就能看到。 因此,通知顧客時可以說明如何用電子郵件和驗證碼登入,不必只叫大家重設密碼。不過,禮品卡和店內購物金餘額、訂閱服務、舊網址轉址等資料也要逐項確認。轉址要在網域切換前完成,才能降低搬家後顧客找不到頁面或資料出錯的機會。

  13. elvis47

    RoboQuest 是用來測試機器人能不能先搜尋、檢查,再做實際測試的評量。表現最好的模型只完成 23.2% 的任務;但單獨測試任務中用到的動作技能時,同一批模型有 72–81% 的成功率。這表示難題不在於機器人會不會動,而在於能不能找齊證據再做決定。機器人常已看到值得檢查的線索,卻太早停止探索或急著行動;要讓機器人更可靠,就得加強追蹤證據、規劃和出錯後的補救能力。

  14. Dev.to Top Tech37

    EF Core 用 IDbCommandInterceptor 檢查資料庫指令,避免租戶資料外洩

    多租戶系統裡,如果查詢時忘了加上租戶條件,可能會把別人的資料一起查出來。EF Core 的全域查詢篩選器遇到原始 SQL、複雜的預存程式或共用資料庫連線時,可能不夠周全;作者示範用 IDbCommandInterceptor,在資料庫執行查詢前檢查或補上租戶條件。例如,程式可以在送出查詢前確認指令有沒有篩選目前租戶。這能多一道防線,但直接用正規表示式改 SQL,可能弄壞含有子查詢或 JOIN 的指令;修改內容也會影響 SQL 的快取,因此要保持一致。

  15. Dev.to Top Tech68

    Oliver S. 示範用 Node 檢查兒童讀物是否符合已教過的拼讀規則

    孩子練習讀書時,如果遇到還沒學過的字母組合,就可能只能靠猜。Oliver S. 為自製的分級閱讀教材寫了一個 Node 檢查器,在程式檢查時掃描文章用字,也確認練習題答案和音檔是否正確,避免教材出錯或下載連結失效。檢查器會比對各階段教過的拼字規則和單字表;不過拼法符合規則,不一定代表實際讀音也符合。作者也分享多語言音檔檔名曾把不同單字混在一起,提醒這類檢查仍要用各語言的例子驗證。

  16. Dev.to Top Tech64

    GraphQL DataLoader 教學:減少 AI Gateway 重複呼叫並避免跨租戶洩漏

    GraphQL 查詢一次要讀取很多筆資料時,可能為每筆資料各自呼叫 AI 服務,增加延遲、費用,也可能撞上服務的速率限制。文章示範用 DataLoader 把同一個請求裡的多次呼叫合併處理,並提醒回傳結果要依照原本的順序排列,缺少資料也要保留對應位置。每個請求都應建立自己的 DataLoader;若把快取共用給所有使用者,可能讓一個租戶的對話摘要被送給另一個租戶。批次處理也不會限制查詢能要求多少工作,因此還要計算查詢成本,並記錄每個請求實際呼叫下游服務的次數。

  17. Dev.to Top Tech51

    Dyscalculia.io 如何把數字遊戲嵌進網頁,並讓七種語言版本一致

    把遊戲嵌進別人的網頁,看起來只要放進框架就好,實際上還得顧到分數、語言、畫面高度和隱私。Dyscalculia.io 作者分享如何把五種數字練習遊戲提供給老師和家長使用:嵌入版會丟掉分數,也不載入分析追蹤工具;遊戲內容則用同一份清單管理。由於 Dart 和 JavaScript 的亂數結果不同,作者把 Dart 產生的點點位置存起來,讓兩邊畫面一致;再用瀏覽器逐一遊玩,量出不同遊戲和語言需要的框架高度。這些做法讓嵌入內容較容易維護,也減少分數外洩和畫面被截斷的問題。

  18. Dev.to Top Tech42

    微服務依賴地圖 51 天沒更新,只畫出整套系統的 2.7%

    系統裡有上萬個工具,想知道指令碼、資料庫和其他零件怎麼互相連線,光看清單很難懂。作者做了一張像偵探辦案牆的地圖,用線標出看得見的連結;但這張圖已經 51 天沒更新,只畫出 10,464 個專案中的 285 個,也就是 2.7%。例如,地圖看得出某個技能會用到哪條工作流程,卻追不到「整理貼文、改寫、檢查後再發布到 Twitter」這整段過程。問題是許多連結藏在排程、旗標檔案或同步資料夾裡,掃描工具看不到;作者認為,補上這些資料來源,才能讓地圖真正派上用場。

  19. Dev.to Top Tech82

    Telegram Bot Widgets 沙箱遭研究人員繞過,作者分析防護限制

    Telegram Bot Widgets 會在手機上執行機器人送來的 JavaScript,因此沙箱一旦失守,可能讓程式做出超出小工具範圍的事。NebuSec 展示小工具在 Android 13.2.2 開啟計算機,表示程式碼已在沙箱外執行,但目前沒有公開漏洞細節,也無法據此確認能讀取訊息或控制整支手機。另有 Kaspersky 通報疑似有人利用小工具漏洞散佈惡意程式,這項通報沒有指出漏洞或版本,也未連結到研究示範。作者指出,程式碼執行環境裡的規則可能被同一個記憶體漏洞破壞,而伺服器只允許核准的機器人使用小工具,是目前明確存在的另一道限制。

    推薦理由:文章比較 Telegram 的程式碼執行示範與資安業者通報,並拆解沙箱的限制,讓讀者看懂已知風險與仍缺少的證據。

  20. Dev.to Top Tech70

    Safe CREATE2 地址算錯時,為什麼資金可能永遠取不回來

    用 CREATE2 推算 Safe 代理合約地址時,建立碼只要和該鏈上的工廠不一致,算出的地址看起來仍然有效,卻可能永遠無法部署合約,收到的資金也會卡在那裡。作者說明,Safe 不同版本的工廠會使用不同建立碼,各條鏈也可能採用不同的地址計算方式。建議直接向目標鏈上的工廠讀取建立碼,並在程式啟動時比對設定值;只要不一致,就停止在該鏈提供地址。測試也應連上鏈讀取資料,避免程式和測試共用同一個錯誤常數。

  21. Dev.to Top Tech68

    教學:如何把 LLM 程式碼審查接進 GitHub Actions

    傳統程式檢查工具能抓格式和已知問題,卻不容易看出程式邏輯是否有風險。這篇教學示範如何在 GitHub Actions 的程式碼變更審查流程加入 LLM,讓它先檢查程式差異、留下供人參考的意見;是否合併仍由人決定。作者建議先跑較便宜、結果較固定的檢查和測試,再讓 LLM 審查,並用 CLAUDE.md 寫清楚團隊規則、要求留言指出問題證據。文章也提醒,程式碼變更可能含有誘導模型的文字,應限制工作流程許可權、避免把未受信任的程式碼和機密放在一起處理,並追蹤留言是否真的有幫助。

  22. Dev.to Top Tech58

    TOGAF 教學:從需求一路找到部署版本與測試證據

    銀行通路顯示帳戶已啟用,核心系統卻還在處理中,團隊得先查清楚當時哪個版本上線、誰有權確認狀態,以及測試是否涵蓋這種情況。作者用一個假想事故示範如何整理 TOGAF 的架構檔案與紀錄,讓需求、核准決策、部署版本和測試結果能彼此連起來。文中也用 SQLite 查詢找出核准當下仍未通過或缺少的測試,方便審查者定位待查問題。

  23. Dev.to Top Tech75

    Project Pavilion 示範如何更新 RAG 索引又保留舊資料

    RAG 系統更新檔案索引時,如果新資料只寫進一部分,搜尋可能會混用新舊內容,讓回答變得不可靠。作者以 Project Pavilion 為例,說明先在背景準備新版本,檢查檔案、文字和向量都完整後,再一次切換成目前使用的版本;更新失敗時,舊索引仍可繼續使用。文章也介紹如何安排重試、讓失敗的檔案保持可見,以及在嵌入服務停擺時改用舊索引或其他搜尋方式,減少單一故障影響整批資料。

  24. Dev.to Top Tech58

    Zapier、Make、n8n 和 Pipedream 的工作流程費用怎麼算?作者做了試算工具

    自動化流程剛開始時看起來不貴,跑得多了,帳單卻可能差很多。作者比較 Zapier、Make、n8n Cloud 和 Pipedream 的計費方式:Zapier 按每個動作計算,Make 按模組執行次數計算,n8n Cloud 按整條流程跑幾次計算,Pipedream 則看每次執行用了多少運算時間。作者也做了線上試算工具,可調整每月執行次數、每次步驟數和月繳或年繳,檢視費用差異並匯出 CSV。文中提醒,流程步驟多寡和等待外部服務的時間,都會影響最後費用。

  25. Road to Autonomy🎙️ Podcast58

    Episode 475 | Autonomy Unscripted: Swarmed by Waymos and Staking Out Tesla Robotaxi Depots

    In the inaugural episode of Autonomy Unscripted, Grayson Brulte and Rob Grant go into the field to visit Waymo’s new SFO depot and Tesla’s SFO robotaxi facility. They also break down Zoox’s demand generation struggles in Las Vegas, their surprising pivot to the Uber, and the ongoing regulatory friction caused by labor union lobbying in Washington, D.C.. Key Autonomy Unscripted Insights Inside Waymo and Tesla’s SFO Robotaxi Depots Field observations from Waymo’s permanent SFO depot reveal a highl

  26. Rohan Paul58

    換用更強的模型,能不能讓程式碼更常被合併?這項哈佛研究追蹤 Claude Fable 5 暫停供應 19 天期間的 GitHub pull request,並與持續使用 Opus 4.8 的開發者比較。研究發現,使用 Fable 5 讓程式碼在 7 天內合併的比例只增加 1.4 個百分點,這個差距落在隨機波動範圍內;另外比較 5 次模型升級後,合併率也沒有上升。不過,研究中的 pull request 原本就有 94.5% 已經合併,因此這些結果反映的是合併率,不一定能代表其他工作表現。

  27. Dev.to Top Tech50

    17 歲開發者把未完成的貓咪遊戲 22 個版本全放上網,連最初的粗糙版也公開

    很多人因為第一版看起來不夠好,就不敢分享自己的作品。17 歲的 Bram Lesage 把還沒完成的瀏覽器貓咪遊戲 Lantaarnhoek 的 22 個版本全放上網站,從只有彩色方塊的 2D 雛形,到有立體貓咪和濕石板路的最新版本,都能各自點開遊玩。第一版是用一個約 4.5 KB 的 JavaScript 檔做成,只有四隻不同顏色的貓和簡單玩法。公開每一步,能讓大家看見遊戲怎麼慢慢長大,也提醒其他創作者:第一版很粗糙也沒關係,清楚標明還在製作中,就可以開始分享。

  28. Dev.to Top Tech62

    Ren’Py 教學:用一個檔案加上飄雪、霜面對話方塊和火光

    Ren’Py 遊戲的冬天場景如果只有靜止背景,畫面可能少了下雪和火光的感覺。作者示範如何用一個約 50 行的檔案,加入遠近兩層飄雪、像霜玻璃的對話方塊,以及會忽明忽暗的暖色光;不需要另外準備圖片或安裝東西。文中也提供雪花速度、對話方塊顏色和火光強度的調整方式,並說明切換場景時效果會一起清除。範例在 Ren’Py 8.6.1 執行過。

  29. Dev.to Top Tech64

    17 歲學生 Bram Lesage:學校該教學生查核 AI,而不是隻會停用

    學生在學校用 AI 越來越常見,但如果只讓 AI 直接給答案,作業看起來變好,真正學會的內容卻可能變少。17 歲的 Bram Lesage 認為,學校應教學生怎麼使用 AI、查核結果並遵守作業規則,而不是假裝 AI 不存在。文中引用一項近千名土耳其高中生參與的數學實驗:用一般聊天機器人練習的學生,練習分數提高 48%,但考試成績比沒用 AI 的學生低 17%;使用引導思考的 AI 家教版本則沒有出現這種下降。作者也分享自己的做法:讓 AI 協助工作,但由自己測試、判斷和負責。

  30. Dev.to Top Tech73

    HeyGen Voice Turbo API 免費到 11 月 30 日,作者整理排名、價格與限制

    想試新的文字轉語音工具,又不確定音質和費用是否划算?作者整理 HeyGen Voice Turbo 的公告與 Artificial Analysis 排名;在使用相同聲音、讓聽眾盲聽比較的測試中,Turbo 排名第一,完整 HeyGen Voice 排名第二。免費方案到 11 月 30 日,提供盡力服務,沒有穩定度或延遲保證,額滿時請求可能回傳 429;可用公開聲音和即時克隆,不含專業聲音克隆。作者沒有實際用它處理正式流量,建議先拿自己的文字試聽比較,不要只憑排名就換掉正在使用的服務。

  31. Dev.to Top Tech69

    Godot 4 教學:用停頓、鏡頭震動和分層音效讓打擊更有感

    遊戲裡的武器明明打中了敵人,畫面和聲音卻沒什麼反應,打擊感就會很弱。作者用 Godot 4.3 示範一組 GDScript,讓命中時短暫放慢遊戲、震動鏡頭、讓敵人閃白並被擊退,再加上分層音效、火花和傷害數字。一般攻擊和暴擊可以有不同的停頓與震動力道;作者也提醒,停太久會像遊戲卡住,音效太大則應先調低較尖的撞擊聲。

  32. Dev.to Top Tech75

    如何算出年繳折扣和 AWS 預付款背後的利率

    標價上的「省 17%」或雲端服務的預付款折扣,看起來只是少付一點錢,實際上也牽涉到提早收款或付款的成本。作者提供一段可執行的程式碼,把每月收付的金額換算成年利率;以年繳方案為例,零流失時「兩個月免費」相當於 51%,但每月流失率提高到 3% 時約為 5%。AWS Savings Plans 的例子則算出,月付每月 $640、預付 $7,200,預付約相當於 13% 年利率。作者提醒,是否划算也要看客戶流失情況、公司現金能撐多久,以及預付款後是否還留有應急資金。

  33. Dev.to Top Tech60

    利率上升後,軟體架構也得算清楚成本

    利率變高後,回報很久才看得到的工程專案更難通過,維護複雜系統也會佔掉有限的人力。作者把利息成本的想法用在軟體架構上,提醒團隊把雲端費用、值班和事故處理時間都算進服務成本,也可以比較每季維護服務的工時和改善服務的工時。若一個服務長期花很多力氣維持,卻很少帶來新價值,就該考慮整理或退役;重寫則要先確認長期維護負擔會降低,並算進搬遷成本。

  34. Dev.to Top Tech38

    Splunk Enterprise 的叢集 API 漏洞:檢查網路是否能連到,也要確認驗證設定

    Splunk Enterprise 有個叢集 API 漏洞:如果系統是獨立運作、叢集功能關閉,而且共用金鑰是空的,攻擊者只要連得到 API,就可能不必登入也能讀取或修改叢集設定。設定遭修改後,即使後來擋住網路連線,改過的內容仍可能留在系統裡。 受影響的是低於 10.4.5、10.2.9、10.0.12 和 9.4.17 的版本;目前沒有已確認的實際攻擊紀錄。應優先更新到修補版本。若暫時無法更新,可設定至少 12 個字元的強金鑰,重啟 Splunk Enterprise,並限制只有可信任的網路和管理路徑能連到 API。

  35. Dev.to Top Tech61

    用 30 行 Python 看懂信任受損如何影響公司價值

    公司失去客戶信任時,損失可能不只表現在退訂,也會影響成交價格和投資人對未來收入的信心。作者用一個 30 行的 Python 模型,把這三種影響放進單一客戶的 10 年價值試算,並以 23andMe、Redis 和 Okta 說明信任受損後可能出現的變化。模型估算,若留客率下降、提供折扣又增加投資風險,客戶價值會少約 24%。作者也整理六項可追蹤的警訊,例如事件說法是否常更改、客戶是否大量刪除資料,以及競爭替代方案是否變多,讓團隊能用自己的數字提早檢視風險。

  36. Dev.to Top Tech69

    別只問技術選擇的理由,逐步追問系統實際怎麼運作

    團隊常把熟悉工具或聽過技術口號,當成真的懂系統怎麼運作。作者結合認知研究和 PostgreSQL 的交易案例,說明逐步解釋能找出這種理解落差:兩筆同時提款都讀到 $100,各自提走 $80,帳戶最後可能只顯示 $20。文中建議在設計檢查時少問「為什麼選這個」,改請對方說明遇到故障時每一步會發生什麼事;也可用單一更新語句、先鎖定資料列,或採用更嚴格的交易隔離方式處理提款問題。把追問得到的答案寫程序式、測試或設計檔案,能讓後續接手的人也看得到。

  37. Dev.to Top Tech49

    bf16.ai 分享雙層模型分流設定,讓 AI 助理以較低成本執行寫程式工作

    AI 助理寫程式時,常把大量時間花在讀檔案、跑測試和修正小錯誤,反覆送出長提示詞也會讓費用快速增加。bf16.ai 分享一種雙層分流做法:平常讀檔、修改和測試交給便宜又快速的 DeepSeek V4.1 Flash Fast,遇到複雜設計或難查的錯誤時,再換成 Kimi K3.1 Pro 或 GLM-5.3。文章舉例,在 30 輪、每輪都讀取約 100K token 專案資料的工作中,重複使用已讀過的內容,可把 DeepSeek V4.1 Flash Fast 的輸入費用降到每 1M tokens $0.055。這種分工能省下日常開發費用,但複雜又模糊的設計問題,仍要交給較強的模型處理。

  38. Dev.to Top Tech66

    SaaS 收購前怎麼查?19 個技術問題幫你看清交接風險

    買 SaaS 產品時,財務和法律資料之外,帳號能不能交接、別人能不能維護,以及實際營運成本也可能影響交易。作者整理了 19 個技術查核問題,建議在簽意向書前用書面詢問賣方,並要求每個答案附上證據。問題涵蓋帳號與付款移轉、部署和回復方式、程式碼與測試、每月帳單、密碼金鑰、備份還原、客戶資料許可權,以及營收和客服數字的來源。若交接只能靠賣方一人、費用沒有算進帳,或數字無法重查,這些都能先估算處理成本,再納入談價。

  39. elvis35

    AI 解出數學難題,讓人想知道:這些成果是在幫人類理解數學,還是在讓 AI 研究者的評測分數變好?Elvis Saravia 認為,設計更有挑戰性的評測很重要,尤其要測試 AI 能不能處理真實世界裡沒有標準答案的問題。他也提到,有些數學家擔心,AI 解題還沒帶來多少新的數學理解。未來,科學家和實務工作者得學會和 AI 一起工作,也要思考怎麼讓不同形式的智慧並存,並把新能力用在影響人們生活的問題上。