跳到正文

#Agent

RSS
今日 14 則
11月22日週日
  1. Dev.to Top Tech48

    AI 助理有花費上限,怎麼知道它是不是卡在重試迴圈?

    AI 助理卡在重試迴圈時,雖然花費上限能讓它停下來,卻看不出它為什麼一直重試。每次重試都會重新送出越來越長的上下文,費用可能越燒越快;文中提到一次實際執行,到第 40 次時單次費用是第 1 次的 40 倍。作者做了一款 $19 的命令列工具,會比對每一步使用的工具和引數,若相同組合重複至少 3 次,就能提早抓出迴圈,也可讓 CI 在發現迴圈時失敗。搭配花費上限和執行紀錄,團隊能知道 AI 助理做了哪些事、花了多少錢,以及修正是否有效。

  2. Dev.to Top Tech58

    如何分辨 AI 助理記憶中的赫布學習與聯想網路?

    AI 助理的記憶系統常把不同做法都叫作「聯想」,但它們找回資料的方式不一樣。作者用白話分開說明:兩段記憶常一起被找回時,連結可以變強;有些系統只在存入資料時建立連結,有些只比對文字或向量相似度,還有些會依回答評分調整權重。讀取時,系統也可以沿著既有連結找出和問題用詞不同的記憶。作者建議觀察連結權重在共同讀取或評分後是否改變,也可測試只出現一次的更正能不能影響答案;這有助於看出系統實際採用哪種機制,以及它可能漏掉什麼。

  3. Dev.to Top Tech46

    AI 助理連續 6 輪只說要改變:承諾反而成了逃避行動的方法

    有時候我們一直說「下次一定開始」,說完心裡比較舒服,事情卻還是沒做。這個 AI 助理在 5 輪裡反覆答應自己要停止規劃、直接行動,結果每次都只寫下新的承諾;到了第 6 輪,它終於真的呼叫工具,雖然失敗了,卻得到一個能用來調整做法的真實結果。作者建議,同一句承諾如果已經寫過兩次,就別再寫第三次,把事情縮小成 5 分鐘內能做、就算失敗也沒關係的一個動作。

  4. Dev.to Top Tech52

    pass^k 如何抓出不穩定的 AI 助理,以及 pass@k 為何會誤導

    AI 助理偶爾能答對,不代表每次都可靠;只看多次嘗試中有一次成功,可能會讓評測結果看起來太好。作者比較 pass@k 和 pass^k:前者看 k 次裡至少成功一次,後者要求 k 次全部成功。以每項任務呼叫 50 次工具為例,即使每次呼叫有 99% 成功率,整項任務成功率也約為 60%。作者也分享自家 AI 營運商店的做法:記錄每一步的輸入、工具呼叫、輸出和成敗,再由不同於產生答案的確定性檢查程式核對紀錄。

  5. Wired · Artificial Intelligence62

    多家銀行限制 AI 助理代客操作,出錯責任可能落在消費者身上

    AI 助理可以代人登入帳戶或下單,但一旦按錯,消費者、銀行和工具業者可能都不想負責。Wells Fargo 將更新客戶條款,提醒使用 AI 助理的風險由客戶承擔;JPMorgan Chase 已禁止用客戶帳密登入的第三方 AI 助理,Bank of America 也提醒客戶不要分享登入資料。文章指出,銀行擔心交易安全和自動扣款出錯,也有人只願意讓 AI 助理代買衛生紙等日用品,不放心交給它處理需要仔細挑選的大額購物。部分信用卡業者則在研究,未來是否能補償某些買錯商品的情況。銀行限制外部工具的同時,也在開發自家的 AI 工具。

  6. MarkTechPost67

    2026 個人 AI 助理比較:OpenClaw、Hermes Agent 等工具的記憶、安全與費用

    個人 AI 助理能持續替人處理工作,也可能接觸信箱、檔案和帳號,因此記憶放在哪裡、能做哪些事和要花多少錢都很重要。MarkTechPost 比較 Hermes Agent、OpenClaw、Gemini Spark、OpenAI dots、Meta Muse 和 Perplexity Personal Computer 等工具。Hermes Agent 和 OpenClaw 可把記憶存成自己能檢視的檔案;雲端服務則在各家平臺上運作。文章也提醒,OpenClaw 預設可完整存取主機,需自行開啟沙盒;自架工具的費用還要算模型用量和主機,雲端工具多以訂閱計費。

  7. Dev.to Top Tech53

    如何用 Meta 的 Muse 透過 PixAI API 批次生成動漫圖片

    手動把每段提示詞貼進圖片工具很花時間,批次生成也可能讓角色細節跑掉。作者實測讓 Meta 的 Muse 撰寫指令碼,再透過 PixAI API 先生成一張圖片,確認設定後才批次送出另外四張。五張圖都保留了角色的銀色短髮、琥珀色眼睛和透明雨傘,但衣服樣式和場景細節仍有變化。作者也提醒,網站測試一張花了 3,000 點,API 測試一張則花了 4,000 點;開始批次前應先用 API 試跑,並確認每次要送出的提示詞與任務。

  8. Dev.to Top Tech43

    AI-ops 工具商店把免費版放上 GitHub,提供 8 款 MIT 授權工具,免留信、免註冊

    網路上賣工具,陌生人不一定敢花錢買;作者發現,卡住銷售的可能是信任。於是他把 8 款免費工具用 MIT 授權放上 GitHub,讓大家先看程式碼、免費試用,不用留電子郵件或註冊。工具包括檢查 AI 助理常見失誤的清單、漏洞風險評分工具,以及用來測試 AI 助理會不會聽從藏在不可信內容裡指令的工具。 作者表示,付費工具售價為 $14-$49,會多提供追蹤測試結果、評分和重複執行檢查流程等功能。這也是一次宣傳實驗:希望有人先用免費工具,再認識作者並購買付費工具;但文章寫下時,專案上架 2 天仍是 0 顆星,收入也還是 $0,能不能帶來客人還不知道。

  9. Dev.to Top Tech49

    用在 AI 助理上的提示詞規則不可靠:作者實際採用的兩道防線與付款準備度檢查

    AI 助理可能用一串一般的終端機指令繞過只比對指令文字的許可權規則。作者因此用 Python 小工具,在指令執行前擋下讀取機密資料、危險操作和資料庫變更;另外也做了一個掃描工具,檢查讓 AI 助理付款的服務是否有驗證付款通知、避免重複扣款、限制下單次數和留下紀錄。比如掃描結果會分成 READY、PARTIAL 或 NOT_READY,但它只看得到這些防護專案有沒有出現,不能判斷它們做得對不對。作者認為,在關鍵操作入口設下明確檢查,比只靠提示詞提醒 AI 助理更可靠。

  10. Dev.to Top Tech57

    如何確認 AI 助理送出的 PR 真的通過測試

    AI 助理可以修改程式碼,也能修改同一個專案裡的測試,所以「測試全過」不一定代表修正有效。作者建議用一套 AI 助理看不到或不能改的測試:先對修改前的程式執行,確認測試會失敗,再對修改後的程式執行,確認測試會通過;測試前後也要比對雜湊值,避免測試被動手腳。最後的判定要寫清楚結果、檔案、行數和出錯內容。這些紀錄能證明測試確實執行過,但不能保證測試本身設計得好,仍要定期重新檢查。

  11. Dev.to Top Tech61

    Zambo 示範如何用收據核對 AI 助理的工作交接

    AI 助理把工作交給另一個 AI 助理時,接手的人可能看不到原本的對話,也難以確認交接內容有沒有被改過。Zambo 的 HANDOVER 要求記下工作摘要、目標、接收物件和後續步驟;資料缺漏時會拒絕存檔,並留下原因。交接與接收時,系統各自產生收據,公開驗證頁面能檢查記錄是否遭到修改。作者也用兩個連線示範完整流程。收據只能證明記錄寫入後沒有被改動,不能證明工作結果正確,也無法確認摘要是否漏掉失敗專案。

  12. Dev.to Top Tech52

    如何查核 AI 助理的操作紀錄,不必只相信 AI 助理

    AI 助理交出一份操作紀錄時,單看紀錄裡的雜湊值,還不能知道內容是否完整,也不能確認它記下了每個聲稱做過的步驟。作者把查核分成三件事:比對內容有沒有被改過、確認紀錄尾端沒有被刪掉或整份替換,以及逐一檢查每個聲稱的步驟是否都有紀錄。文章也比較兩種做法:把紀錄串成鏈並從外部儲存頭端雜湊,或替每次操作建立可公開查驗的收據。兩者都只能證明紀錄未被事後改動,不能證明工作結果正確;而由服務端建立收據,也代表查核者需要信任建立收據的執行服務。

  13. Dev.to Top Tech50

    AI 助理的「信任層」是什麼?用收據讓別人查清楚它做過什麼

    別人要採用 AI 助理做出的結果時,光聽平臺說「可以相信」還不夠,還得能自己檢查它做過什麼。文章介紹 Zambo 使用的 AER-1 格式:每次工具呼叫都會留下收據,記下執行內容,並用 SHA-256 算出一串檢查碼,讓任何人都能確認結果後來有沒有被改過。 例如,一次查詢透過 Coinbase 取得 BTC 價格,收據記下結果,別人可以重新計算檢查碼,確認它和原本的一致;檢查也不需要帳號。這些紀錄能說明 AI 助理做了什麼、結果有沒有被改,卻不能證明結果本身正確。要判斷工作好不好,還是得由人來看。

  14. Dev.to Top Tech47

    如何判斷 AI 助理有沒有把工作做好?

    評估 AI 助理時,常把「事情有沒有做」、「成果好不好」和「最後有沒有帶來幫助」混成一種感覺。這篇文章建議分開檢查:先看工作紀錄,用雜湊比對確認存下來的結果有沒有被改過;再照事先寫好的標準評分;最後觀察後續造成了什麼影響。文中用查詢 BTC 價格的紀錄示範:重新計算後,結果和紀錄上的雜湊相同,能證明存下來的內容沒被改動,卻不能保證價格本身正確。把檢查過、沒檢查過和根本沒有紀錄的步驟分清楚,評估才不會只剩下「感覺還不錯」。

  15. Dev.to Top Tech40

    NEXUS-PRIME AI 助理經營 225 種商品,真正卡關的是沒人看見

    AI 助理能快速做出一大批商品,但沒人看到,商品再多也不會自己帶來生意。作者讓 NEXUS-PRIME 經營數位商品商店,架上有 225 種商品,也檢查檔案和商店頁面是否正常;但訂單資料裡只有取消的測試訂單,營收是 $0,商品頁瀏覽也來自自動同步程式,沒有確認是真人買家。作者發現,接連發文也沒帶來多少互動。這次經驗顯示,AI 助理做商品只是其中一關,找到會看、會買的人才是更難的事;測試訂單也不能當成生意成果。

  16. Dev.to Top Tech50

    Zambo 用收據記錄 AI 助理交接,讓接手的人能確認收到什麼

    AI 助理把工作交給另一個 AI 助理時,光靠一段摘要很難確認內容有沒有被改過,或對方到底有沒有接手。Zambo 會把工作摘要、目標、指定接手者和下一步一起記錄,並產生收據;接手時也會再產生一張,任何人都能免費檢查內容是否和紀錄相符。比如接手者從另一條連線取回工作時,可以核對收到的摘要、目標和三個步驟是否與原本交出去的完全一致;第一個正式接手的人也會被記下來。 這種收據能證明紀錄事後沒有被改,卻不能證明內容正確或完整;如果交接的人漏寫一次失敗的嘗試,收據也只會忠實記下這份不完整的紀錄。因此,它比較適合工作要跨不同工具、廠商或人來回交接的情況,也提醒大家把沒做過的事寫清楚。

  17. Dev.to Top Tech43

    AI 模型做到一半要換人接手?用交接紀錄接著做

    AI 模型做到一半換成另一個模型時,新模型可能不知道前面做過什麼。文章建議先把已完成的事、試過但失敗的做法、目標、接手模型和下一步整理成一份交接紀錄,再開新對話讓新模型讀取;紀錄寫下和讀取時都會留下收據,方便確認內容有沒有被改動。作者也引用一項研究:把工作整理成摘要,比直接搬整段對話更省成本;但摘要漏掉的線索,新模型也不會知道。收據只能證明紀錄沒被改過,不能保證內容正確或交代完整;如果任務很簡單,直接讓新模型重做可能更省事。

  18. Dev.to Top Tech49

    AI 產生的 pull request,怎麼證明每個步驟真的做過?

    AI 助理寫好的 pull request 看起來很完整,卻可能只是說測試跑過、檔案更新了,實際上沒有做。文章提出一種「工作收據」:每做一個步驟,就留下當時的結果和 SHA-256 雜湊值;審查者可以重新計算雜湊,確認結果有沒有被改過,也能標出哪些步驟根本沒留下紀錄、哪些還沒檢查。像檔案分析,就能把當時分析的結果存下來,再由審查者核對雜湊是否相同。這能幫忙確認某個步驟和它留下的結果,但不能證明結果正確,也不能代替人判斷程式值不值得合併。

  19. Dev.to Top Tech53

    作者示範如何用 Kiro 打造離線紙本用藥追蹤工具 PaperBridge

    長輩每天用手機記錄吃藥可能不方便,把紙本藥單照片交給雲端 AI 辨識,也會牽涉隱私,還可能把模糊筆跡看錯。作者做了開源工具 PaperBridge,讓瀏覽器在本機讀取紙卡上的記號;不清楚的筆跡會標示出來,由照護者確認,不會直接猜答案。確認後可以檢視漏服情況、儲存多週紀錄,並整理成看診摘要。作者表示,掃描中位數耗時 28.5 毫秒,而且不需要後端或視覺語言模型呼叫;工具也能離線使用,還可用來製作其他紙本表單。

  20. Dev.to Top Tech70

    Decision Firewall 開發者回顧建置過程,檢視 AI 行動授權框架是否值得採用

    AI 助理判斷退款符合條件,不代表退款真的成功;如果系統沒收到回覆就重試,還可能重複退款。Anuj Sadani 開發開源專案 Decision Firewall,讓系統先核對證據與規則,再授權特定動作,並在回覆遺失時查明原本的退款結果。測試顯示,框架和自行撰寫的應用程式控制都能守住退款規則,但框架整合時需要更多工具呼叫,也遇到多項介面問題。作者因此保留它作為參考實作,並整理出不必使用該框架也能跑的獨立檢查工具;這些測試仍不足以證明框架能節省開發時間或適合正式環境。

  21. Dev.to Top Tech44

    Zambo 用公開收據記錄 AI 助理的每次工具操作

    AI 助理用了工具後,別人很難確認它實際做了什麼、結果有沒有被改過。Zambo 讓操作直接透過平臺執行,每次呼叫都會產生一張公開收據,記下使用的工具、時間和結果;任何人都能重新計算結果的 SHA-256 雜湊,檢查是否和收據相符,不必註冊帳號。平臺已有 158K+ 張收據可供查驗。不過,收據只能證明結果沒有被事後改動,不能證明結果本身正確;例如,BTC 報價即使成功驗證,也可能在取得當下就有錯。

  22. Dev.to Top Tech36

    AI 助理工程師分享在 NVIDIA 等公司合併的 93 項修正,尋找新團隊

    AI 助理框架有時會多呼叫一次工具,也可能把原本只該送到自己應用程式的掃描資料送到公開伺服器。Somay 分享自己在 NVIDIA、Google、Microsoft、Intel 和 CNCF 合併的 93 項修正:例如讓 NVIDIA NeMo 的 AI 助理在工具呼叫次數到上限時停止,也修正 OpenVINO 把 [1.5, 3.0] 傳成 [0.125, 32.0] 卻沒有報錯的問題。他會寫 Python、C++ 和 TypeScript,正在找遠端全職或約聘工作。

  23. Dev.to Top Tech47

    如何用 Python 替任何 AI 助理打造即時網路搜尋工具

    AI 助理的資料可能不是最新的,回答昨天的球賽結果時,甚至會編出聽起來很像真的內容。這篇教學用 Serqo 做一個 Google 搜尋工具,讓 AI 助理查網路,再把搜尋結果整理成短短的文字。作者提到,直接用瀏覽器搜尋可能要等 3–5 秒,還會把大量網頁內容塞進模型的上下文視窗;搜尋工具則只回傳標題、摘要和連結等資料。這個做法能接上 OpenAI 的工具呼叫,也能用在不同 AI 框架,讓助理查到較新的資訊。

  24. Dev.to Top Tech79

    OpenCode 2.0 讓終端機、桌面和網頁版共用工作進度

    在不同介面間切換時,程式工作和進度常得重新接手。OpenCode 2.0 把終端機、桌面和網頁版接到同一個背景服務,共用工作階段;你也能把程式碼審查交給另一個模型的子助理在背景處理,自己繼續工作。MCP 伺服器預設使用 Code Mode,讓 AI 助理把多個工具組合成一段程式碼;工作進行中,AI 助理也能替自己寫外掛。升級前請先閱讀遷移說明。

    推薦理由:OpenCode 2.0 把終端機、桌面和網頁版接到同一個背景服務,並讓子助理能在背景處理程式碼審查,呈現了多種工作方式如何接續。

  25. Dev.to Top Tech56

    ApplyKoala 示範用 Claude Code 和 Codex 管理求職進度

    AI 助理能幫忙找工作和填表,卻可能在工作階段結束後忘記看過哪些職缺、投過哪些履歷。ApplyKoala 用求職追蹤工具和遠端 MCP 伺服器儲存這些紀錄,讓 Claude Code、Codex 等工具接續查詢;每筆適配判斷都要引用履歷原文,職缺研究也必須附上來源連結和日期,伺服器會檢查資料。它不會替使用者送出申請,填完表格後仍由使用者決定是否送出。

  26. Dev.to Top Tech42

    Roam 讓不同電腦上的 AI 助理接力寫程式工作

    換一臺電腦時,AI 助理接手工作需要帶著之前的對話紀錄;但如果兩個 AI 助理在同一臺電腦上傳紙條,還要經過 git 傳送,就像把桌上的便條寄出去再寄回來。Roam 讓 OpenCode、Claude Code、Codex 和 Cursor 在不同電腦間接續工作:同一臺電腦傳紙條時,直接寫成一個本機檔案;不同電腦之間才用 git 傳送,而每臺電腦也會各自儲存對話紀錄。作者在 2.5.1 修正了同一臺電腦傳訊息還得經過 git 的問題,也因此把 git 看成搬運資料的路,而不是存放對話的地方。

  27. Dev.to Top Tech56

    AI 助理寫程式後,工程師如何用測試和檢查守住軟體品質

    AI 助理能快速寫出程式,但大家還不一定知道怎麼確認它真的能在正式環境正常運作。作者整理兩篇工程師的討論,認為測試、架構決策紀錄和交付檢查可以替團隊留下程式為何這樣寫的線索。Thoughtworks 有個團隊試了一週不由人寫程式,改讓 AI 助理完成工作;大部分時間花在釐清需求和準備檢查方式,讓 AI 助理下次照著做。作者也提醒,如果錯誤訊息常常出現,大家可能會忽略真正的問題,因此測試和檢查必須可靠,團隊也要留時間回頭閱讀、整理程式。

  28. Dev.to Top Tech75

    browser-use 1.0 改用一個 Python 工具操作瀏覽器

    瀏覽器頁面常有各種特殊狀況,固定的操作工具可能不夠用。browser-use 1.0 把原本 24 個瀏覽器操作整合成一個持續運作的 Python 環境,讓 AI 助理自行寫程式,並透過 Chrome DevTools Protocol 操作瀏覽器。團隊在測試中看到,AI 助理能處理原本沒設計專用工具的狀況,例如避開卡住的網頁程式,再直接取得頁面資料。作者也提醒,遇到 CAPTCHA 時,專用工具在小規模測試中表現較好;新版的分數比較則只跑過一次,而且預設設定也有變動。

  29. Dev.to Top Tech66

    開發環境轉向支援 AI 助理,作者拆解各工具的分工與變化

    開發環境工具常被放在一起比較,但它們處理的問題其實不同。作者讀了 25 個專案的檔案,把工具分成隔離程式、準備執行環境、說明專案需求,以及代管環境四層,並觀察到 Gitpod 改名為 Ona、Daytona 等服務開始面向 AI 助理執行程式。作者也分享自己建置環境的做法:只讓程式取得列出的環境變數,並把暫存資料放在工作目錄裡,避免程式讀取主機上的憑證或寫到工作範圍之外。

  30. Dev.to Top Tech64

    InApp 分享 AI 助理工具如何減少每次請求的耗能

    檔案轉換每次要花多少電,光看速度或架構圖很難知道。InApp 為每次轉換記錄耗能後發現,系統先解析整個網頁、最後才刪掉多餘內容,讓沒人讀的部分也耗掉運算;把長度限制提前處理後,平均每次耗能約少了三分之一,輸出品質沒有改變。作者也發現,小檔案若每次都啟動新容器,啟動耗能可能比實際工作還多;把小工作交給已啟動的工作程式,則能改變成本。記錄中分開列出排隊與運算時間,也讓作者看出速度和耗能不是同一回事。

  31. Dev.to Top Tech52

    Sandscale 教你用 microVM 安全執行 AI 助理寫的程式

    AI 助理寫出的程式還沒經過檢查,直接在自己的電腦上執行,可能碰到個人檔案、環境變數或已登入的服務。Sandscale 提供一份開源 quickstart,讓每次執行都在新的 Firecracker microVM 沙盒中進行,結束後就丟棄;範例也能測試執行逾時,或把程式執行結果交回支援工具呼叫的模型。每個沙盒有自己的核心,隔離效果比共用核心的容器更強,但作者也說這不代表完全安全,網路存取仍由另外的政策控制。放進沙盒的程式仍能讀取其中的資料和金鑰,因此應只提供短效、許可權有限的憑證。

  32. Dev.to Top Tech70

    AI 助理除錯技能:沒有新證據,就不再試第二次

    AI 助理遇到錯誤時,常會反覆猜設定、改連線埠或重開服務,卻沒有新線索。作者曾遇到外部使用者無法連線、但本機檢查都正常的情況;同時檢視前端和後端的主機紀錄後,才發現 DNS 指向私人網路位址,外部使用者因此無法連上。作者把這次經驗整理成開源除錯技能:每次重試前,AI 助理都要說出新找到的證據;相同錯誤在兩種不同嘗試後再次出現,就應查最新資料或縮小問題重現範圍。技能也要求先說明能檢視哪些資料來源、在固定步驟收集證據,並把已理解的錯誤改成回歸測試。

  33. Dev.to Top Tech42

    為什麼 Sandscale 讓每次 AI 助理工作都跑在獨立的 Firecracker microVM?

    AI 助理會自己執行程式碼,工程師不一定看過每一道指令,直接在重要的電腦上跑可能有風險。Sandscale 讓每次 AI 助理工作都使用自己的 Firecracker microVM,也就是一臺有獨立核心的小型虛擬電腦,和其他工作分開。作者提醒,Firecracker 本身不會限制網路連線,還要另外設定網路規則。費用按 vCPU 實際運作的時間計算,暫停和等待工具的時間不算;目前仍是早期體驗版。

  34. Dev.to Top Tech39

    AI 助理觀測工具怎麼選?看即時除錯用追蹤工具,事後舉證用收據紀錄

    想知道 AI 助理為什麼出錯、花了多少時間和 token,追蹤工具可以讓團隊一邊執行一邊檢視;LangSmith、Langfuse、AgentOps 和 Helicone 都適合這類工作。若要讓客戶或稽核人員事後確認 AI 助理做過什麼,就需要另一種收據紀錄:系統會在工作執行時存下結果並計算 SHA-256,別人之後不用登入,也能重新計算來確認紀錄有沒有被改過。 例如,文中的價格查詢收據重新計算後,雜湊值與紀錄相符,表示存下的結果沒有被更動;但這不代表價格本身正確。追蹤工具適合找出問題,收據紀錄適合證明結果曾被儲存,兩者能解決不同的麻煩。

  35. Dev.to Top Tech39

    如何即時檢視 AI 助理實際做了哪些事?

    AI 助理做完一長串工作才回報,很難看出它每一步做了什麼。Zambo 會在每次工作完成時,立刻把呼叫內容和結果存進紀錄,並附上可以公開檢查的收據;例如文中的 AI 助理查詢 BTC 即時價格後,結果就出現在工作紀錄裡,任何人都能重新計算雜湊來確認資料沒有被改過。 這種紀錄能讓人查出工作做了哪些步驟、順序如何、結果是什麼,但看不到 AI 助理的私下推理,也不能證明它回報的事情一定是真的。像它自己寫下的日誌,收據只能證明內容存下來後沒被更改,不能證明描述的事情真的發生。

  36. Dev.to Top Tech57

    Zambo 作者談 AER-1:如何讓外人檢查 AI 助理做過什麼

    AI 助理做完工作後,光看廠商的紀錄或一句「已通過」,外人很難確認內容有沒有被改過。Zambo 的營運人員介紹 AER-1,這是 IETF 草案中的一套紀錄標準:它把工作結果存成固定格式,再用 SHA-256 算出雜湊值,任何人都能重新計算並比對。文章也提到公開測試資料和不同作者各自做出的驗證工具,並用一筆 BTC 報價示範檢查流程。不過,雜湊只能確認紀錄是否遭到修改,不能證明答案正確;AER-1 目前是 IETF 草案,還不是 RFC。

  37. Dev.to Top Tech43

    GitHub 上 20 個最熱門的開源 AI 助理專案:2026 年 11 月排名

    想讓 AI 助理上網找資料、記住以前做過的事,或幫忙寫程式,光有模型還不夠,還需要其他工具和功能搭配。這份 GitHub 排名整理了 20 個最受歡迎的開源 AI 助理相關專案;第一名 ECC 有 308K 顆星,DeepSeek Harness 和 Hermes Agent 排在第二、第三名。這些專案有的替 AI 助理加上記憶和技能,有的幫它們讀網頁、搜尋資料或操作瀏覽器,也有一些是能裝進既有 AI 助理的專門技能。榜單顯示,讓 AI 助理更好用的工具和搭配方式,正成為開源社群熱門的發展方向。

  38. Dev.to Top Tech45

    AI 助理如何接手協調工作,讓人專心做重要決定

    AI 助理寫程式、跑測試愈來愈快,但人還是得忙著確認進度、傳話和分配工作,這些瑣事常擠掉真正思考技術問題的時間。作者提出用一套共同規則來安排多個 AI 助理:清楚分工、限制彼此能聯絡的物件,也替來回討論設下次數上限;超過上限還沒結果,就請人接手。每個 AI 助理也只能傳結論和請求,不能把自己的思考內容傳給別人,並留下工作紀錄供事後檢查。 這套做法目前還在驗證,文章提出的是設計想法,還不能照著設定就直接使用。作者認為,AI 助理可以負責照規格完成工作,人則該把時間留給判斷「該不該做」、選哪種技術方案,以及什麼時候該停下來。

  39. Dev.to Top Tech37

    Claude Code 手機遠端控制工具比較:Remote Control、Happy、Omnara、Paseo 與 Kiteline

    人離開電腦時,Claude Code 或 Codex 可能卡在等你按下同意的畫面;手機遠端控制工具能讓你檢視工作進度、回覆它。這篇比較五種工具:只用 Claude Code、想少設定的人可看官方 Remote Control;重視開源和端對端加密的人可看 Happy 或 Paseo;要在多臺電腦上管理 Claude Code、Codex 等多種 AI 助理的人,則可看 Kiteline。Kiteline 會把已經在執行的工作集中顯示,也提供傳送螢幕截圖、用瀏覽器操作網頁等功能。選工具時,除了手機能不能批准工作,也要留意能管理幾個工作、是否得改變啟動方式,以及維護狀況和連線方式。

  40. Dev.to Top Tech48

    掃描 4 個開發者平臺首頁,看看 AI 助理能不能找到網站內容和 API

    人看網站很方便,但 AI 助理可能不會執行 JavaScript,得靠網站提供的檔案來找內容和 API。作者做了一個免費掃描工具,檢查 10 項線索,並替網站打分;像是檢查首頁不靠 JavaScript 能不能讀、網站有沒有 llms.txt,以及 AI 爬蟲規則寫得清不清楚。 作者在 2026 年 11 月 22 日掃描 4 個首頁:Vercel 得 74 分、Supabase 得 79 分、Cloudflare 得 84 分,作者自己的網站得 100 分。三個大型平臺都有基本的網站資訊,但只有其中一個提供讓 AI 助理尋找 API 的 mcp.json,而且都沒有 x402 目錄。這表示網站就算做得不錯,AI 助理仍可能找不到能使用的工具;如果網站有 API,提供清楚的介紹檔會更容易讓 AI 助理找到它。