跳到正文

#Anthropic

RSS
今日 13 則
11月22日週日
  1. Dev.to Top Tech66

    Claude Code 何時會讀取 AGENTS.md?設定方法與注意事項

    Claude Code 有時會跳過 AGENTS.md,讓專案裡的操作規則沒有載入。文章整理了從 v2.1.277 起的讀取方式:如果工作資料夾或上層資料夾有 CLAUDE.md、.claude/CLAUDE.md 或 CLAUDE.local.md,預設就會讀這些檔案而略過 AGENTS.md。想同時載入兩者,可以在 CLAUDE.md 開頭加入 @AGENTS.md,或在 /config 裡調整設定。兩份檔案若放了重複規則,重複文字仍會佔用 token;團隊也要留意個人設定檔可能讓自己讀不到共用的 AGENTS.md。

  2. Dev.to Top Tech61

    AI 模型 API 價格比較:每百萬 tokens 從 $0.02 到 $180

    挑 AI 模型時,除了回答品質,呼叫 API 要花多少錢也很重要。這份整理每天更新 373 個模型 API 的輸入與輸出價格及上下文長度;截至 11 月 22 日,最便宜的模型每百萬輸入 tokens 約 $0.02,GPT-5.5 Pro 每百萬輸出 tokens 則要 $180。輸出通常比輸入貴,長篇回答會增加花費;讀大量檔案、只回短摘要時,費用則多半來自輸入。作者也提醒,便宜模型若需要多試幾次,整體成本可能更高,選用前可拿自己的提示詞比較不同價位的模型。

  3. 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。

  4. 雷科技69

    Anthropic 的 Claude 被稱完成黎曼猜想證明,學界仍在查驗

    Anthropic 的數學家表示,他用 Claude 完成了黎曼猜想的形式化證明,但學界還在確認這份證明是否站得住腳。這份成果以約 1700 萬行程式碼呈現,MIT 數學家 Andrew Sutherland 帶隊重新編譯並跑過程式,確認形式化命題和黎曼猜想的原始表述一致,也沒有加入額外假設。爭論在於,程式碼雖能逐步檢查,人們卻還沒整理出完整、容易理解的推理過程。依克雷數學研究所規則,解答還須正式刊登並接受至少兩年的公開查驗,因此黎曼猜想目前仍列為未解難題。

  5. Dev.to Top Tech39

    TimeUno 如何追蹤你花在 Cursor、ChatGPT 和 Claude 上的時間

    想知道自己花多少時間用 AI 工作,卻不容易把不同工具的使用時間記在一起?TimeUno 會把 AI 工具的工作時間整理成活動紀錄:用電腦版追蹤 Cursor,用瀏覽器擴充功能追蹤網頁上的 ChatGPT 和 Claude,也能用 Linux 背景程式追蹤伺服器上的工作。比方說,Cursor 會記下每次工作開始和結束的時間,但不會提供模型或 token 數量。電腦版和瀏覽器擴充功能預設會讀取畫面或網頁文字,聊天內容也可能被讀到;使用者可以在設定中關掉。這讓 AI 工作時間更容易整理,也要留意自己選擇分享哪些文字。

  6. hackernews10060

    PcapAnalyzer 推出可自架的封包分析工具,內建 27 種問題偵測

    網路出問題時,從封包紀錄找出原因可能要花上好幾個小時。PcapAnalyzer 是一款可在自己的電腦上使用的開源工具,讀取 .pcap 或 .pcapng 檔案後,會檢查 27 種常見問題,例如連線重送、DNS 回應異常和可疑的網路活動,並列出嚴重程度與後續檢查方向。它也會提醒封包紀錄本身可能不完整,並提供封包清單和 PDF 報告。AI 分析功能是選用的,會引用相關封包作為說明依據;封包檔案不會交給 AI,且 AI 分析期間的資料會加密儲存,之後刪除。這個工具目前仍是 beta 版。

  7. Dev.to Top Tech75

    Anthropic 數學家稱與 Claude 找到黎曼猜想的證明

    黎曼猜想關係到質數如何分佈,但到現在仍是數學界的重要未解問題。Anthropic 數學家 Levent Alpöge 表示,他和 Claude 找到了一份證明,並把它寫成 1,700 萬行 Lean 程式碼,讓電腦檢查數學步驟。研究者回報程式碼可以順利編譯,表示內部步驟符合 Lean 的檢查規則;不過這還不能確認證明本身正確。Clay 數學研究所仍將猜想列為未解,正式解答還須刊登於同儕審查期刊,並接受兩年的獨立檢驗。

  8. 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。

  9. Dev.to Top Tech50

    Claude Code 如何透過 ModAPI 使用第三方 API

    想讓 Claude Code 改用第三方服務,得先確認對方支援 Anthropic 的 Messages API;只有 OpenAI 格式的 API 不行。設定好服務網址、API 金鑰和模型名稱後,Claude Code 就會把請求送到那裡。以 ModAPI 為例,網址不能加上 /v1,因為 Claude Code 會自己補上;也可以替金鑰設定可用模型和花費上限。換服務前,記得確認收費、資料儲存方式,以及串流回覆和工具呼叫是否正常。

  10. Dev.to Top Tech63

    ChatGPT Plus 和 Claude Pro 每月約 20 美元,能用的功能差在哪?

    ChatGPT Plus 和 Claude Pro 每月都約 20 美元,但付費後能用的功能不一樣。作者在同一天檢視兩家的價格頁面,整理出 Claude Pro 包含 Claude Code 程式助理,ChatGPT Plus 則能有限使用 GPT-6 Astra 和 GPT-6.1 Sol。ChatGPT 也列出不同方案的上下文額度,Claude 的價格頁面沒有提供這項數字;Claude Pro 可年繳,ChatGPT 個人方案則沒有年繳選項。文章也提醒,兩家的免費方案差異很大:Claude 限制使用量,ChatGPT 免費版則不開放部分高階模型。

  11. BlockTempo 動區動趨73

    孫宇晨獎擬以 200 萬美元獎勵黎曼猜想研究,成果仍待核驗

    黎曼猜想是知名的數學難題,最近有研究者提出一項由 AI 協助的證明方案,但成果還沒有獲得正式確認。孫宇晨獎宣佈,若兩項相關研究成果通過核驗,將各提供 100 萬美元獎勵。研究者與 Claude 合作完成的 Lean 程式碼已通過部分獨立技術檢查;初步結果顯示,程式碼通過大規模編譯及多項核心檢查。後續仍須接受更多獨立審查與學術驗證,因此目前不能說黎曼猜想已被證明。

  12. Dev.to Top Tech65

    如何替 Claude Code 加上風險提醒,先確認再執行重要指令

    AI 助理可能把「清理舊部署」理解得太廣,一不小心就動到正式環境、資料或付費服務。這篇教學用一支 Node 程式替 Claude Code 檢查 Bash 指令,依風險分成高風險、警告和注意三類;遇到可能刪除正式環境服務的指令時,會先擋下來,要求 AI 助理在對話中說明影響和復原方式,再由使用者確認。這道防線只檢查 Bash 指令,而且遇到程式錯誤時會放行,也無法阻止金鑰被讀進對話,因此不能取代金鑰管理與人工檢查。

  13. BlockTempo 動區動趨89

    Lean 社群認證 Alpöge 與 Claude 合作的黎曼猜想證明

    電腦確認數學證明正確,不代表人已經看懂它怎麼成立。Lean 與 Mathlib 社群表示,他們有完全信心認證 Levent Alpöge 的黎曼猜想證明,並確認命題和證明相符。社群檢查了命題來源、重新編譯結果,也用多種工具檢查證明;175,187 個模組都成功編譯。Alpöge 說他與 Claude 合作完成證明,但目前公開的只有 Lean 程式碼,還沒有寫給人閱讀的論文。這項認證只涵蓋黎曼猜想,方法能否延伸到其他猜想仍未獲同樣認證。

    推薦理由:報導分清電腦檢查能確認證明與命題相符,卻還不能代替人類讀懂論證,呈現形式化驗證的可信範圍。

  14. Dev.to Top Tech58

    Claude Code 的 showreel 技能可自動製作動態影像影片

    製作動態影像影片,常得分別處理指令碼、旁白、音效、動畫和交付檔案。showreel 是 revfactory 專案為 Claude Code 開發的技能,能從影片概念開始,協助整理資料、撰寫指令碼、生成旁白與音效、製作圖片,再用 HTML 和 WebGL 算出動畫。完成後會產生 MP4 影片、JPG 封面、SRT 字幕和製作紀錄。它目前以韓文內容和 Hangul 字型為主,適合製作人物介紹、活動影片或教學素材;音訊工具和動畫算圖則不受語言限制。

  15. Dev.to Top Tech64

    Claude 可能協助證明黎曼猜想,NVIDIA 承諾最高 1,180 億美元擔保

    這週的 AI 新聞同時牽涉研究、公司風險和 AI 助理能做什麼。Anthropic 的數學家表示,他和 Claude 可能證明瞭黎曼猜想;Lean 電腦檢查已接受整份證明,但這不代表數學家已理解或認可它。NVIDIA 則在財報中揭露,若合作夥伴無法付款,公司承諾的擔保最高達 1,180 億美元;SEC 正在檢視其會計問題,調查本身不代表已確認違規。文章也整理 AI 助理在研究與資安上的進展,提醒讀者留意它們能採取哪些行動,以及人能否查清結果。

  16. Dev.to Top Tech96

    VIDRAFT 獨立重建黎曼猜想的 Lean 證明

    黎曼猜想的證明很長,要確認程式形式的證明能否順利重建並不容易。Levent Alpöge 與 Claude 發布了以 Lean 撰寫的證明;VIDRAFT 表示,它從頭編譯了全部 175,187 個檔案,沒有錯誤,Lean 核心也回報,最終定理只依賴三個標準公理。報告還用一個數值工具比較魏爾二次型:五個真實的 L 函式在可測範圍內呈正值,三個只改動一項條件的仿造版本則呈負值。這些數值比較和形式化證明是兩種不同的檢查結果。

    推薦理由:這份報告把形式化證明的重建結果,和魏爾二次型對真實與仿造 L 函式的數值比較放在一起,呈現兩種不同的檢查方式。

  17. Dev.to Top Tech62

    VIDRAFT 如何重現黎曼猜想的 Lean 形式化證明

    數學證明就算寫成電腦能檢查的形式,也需要確認檔案能否完整編譯,以及最後的定理依賴哪些假設。VIDRAFT 下載並重新編譯一份以 Lean 撰寫的黎曼猜想證明,共檢查 175,187 個檔案,沒有編譯錯誤;Lean 核心也顯示,定理只依賴 Lean 和 Mathlib 的三個標準公理,沒有使用 sorry 或額外公理。作者另做了一個互動工具,用數值計算展示 Weil 二次型在五個真正的 L 函式與三個仿造例子上的正負差異。這些計算展示了相關性質,形式化證明則由 Lean 編譯與檢查。

  18. Dev.to Top Tech62

    Spring AI 教學:用 AI 助理依輸入決定子任務

    如果每種輸入都要做不同的步驟,事先寫死流程會很難調整。這篇文章帶著讀者看 Spring AI 的「協調者與工作者」做法:先由一個模型依任務拆出子任務,再交給各自的工作者處理,最後整理結果。文中的範例會依序呼叫工作者,雖然檔案寫著平行處理;作者也示範如何改成同時執行,並提醒實際使用時要限制子任務數量、處理失敗情況,還要決定怎麼合併工作者的結果。

  19. Dev.to Top Tech65

    小團隊怎麼挑自架 LLM 閘道?文章比較 Bifrost、LiteLLM、Kaeso 和 agentgateway

    小團隊常得同時管理多家模型服務的金鑰與帳單,卻沒有專人維護平臺。作者比較 Bifrost、LiteLLM、Kaeso 和 agentgateway,從安裝維護、硬性預算上限、登入管理和團隊擴大後的費用,說明各自適合的情況;若沒有資料留在公司內或自行管理請求紀錄等需求,也可以改用代管服務。文章另提醒 LiteLLM 在 2026 年有兩次惡意版本事件,建議固定使用明確版本與映像檔摘要,避免使用會浮動更新的 latest,並輪替曾接觸受影響版本的憑證。

  20. Dev.to Top Tech58

    Spring AI 路由工作流程教學:先分類,再用專屬提示詞回答

    把分類和回答全塞進同一段提示詞,遇到不同型別的問題時,往往難以測試和找出錯誤。這篇文章用 Spring AI 示範路由做法:模型先判斷問題型別,再把問題交給對應的提示詞回答。像帳單問題會交給帳務路線,技術問題則由技術支援提示詞處理。這種做法每次要呼叫模型兩次,也可能選到不存在的路線;文章因此說明如何檢查路線名稱、安排備用路線,並用標記好答案的問題測試分類是否正確。若所有問題都用同一種方式回答,多加這一步只會增加成本和等待時間。

  21. Dev.to Top Tech61

    Spring AI 如何用 Java 平行處理大型語言模型請求

    一次要分析很多資料時,逐筆呼叫大型語言模型會花不少時間。作者帶讀 Spring AI 範例,示範用 Java 同時送出多個彼此獨立的請求,再依照輸入順序收回答案。這種做法可用來分頭分析不同內容,也能對同一問題收集多個回答;不過,每次呼叫都會產生費用,請求太多也可能碰上服務商的速率限制。文章還提醒,實際使用時要設定同時處理的數量、逾時時間,並決定單筆失敗時要不要保留其他結果。

  22. Dev.to Top Tech64

    cmc 讓 Claude Code 先完成手邊工作,再接收補充訊息

    使用 Claude Code 時,工作做到一半才想起要補充事情,立刻傳訊可能打斷進度,等到結束又可能忘記。cmc 是一款 Claude Code 外掛,輸入以 ;; 開頭的訊息,就會先收起來,等目前工作完成後再依序送出;也能編輯、調整順序或刪除訊息。輸入 >> 則可交辦子助理,讓它在自己的 Git 工作目錄裡處理,完成後再把結果交回。作者表示,這讓人可以自己安排補充訊息何時送出,也把部分工作分開處理。

  23. Dev.to Top Tech69

    AI 助理寫程式越快,程式碼審查為什麼要更早開始?

    AI 助理寫程式越來越快,程式碼審查卻可能跟不上;大型變更也更難讓人一次看懂。作者根據自己的專案經驗,建議在寫程式前先決定每份工作的範圍,並和 AI 助理一起問清楚需求、可能出錯的地方和重要取捨。接著用測試、程式檢查工具和 AI 審查處理各自擅長的問題,再由熟悉業務的人看整體變更是否合理。審查中發現的問題,也應補進測試、規範或需求說明,避免下次重複踩坑。

  24. Dev.to Top Tech71

    VIDRAFT 推出工具,觀察黎曼猜想相關的魏爾正性

    黎曼猜想牽涉複雜的數學條件,不容易直接看出計算結果是否符合預期。VIDRAFT 推出 Weil Positivity Gauge,讓人用互動圖表檢視黎曼 ζ 函式和四個狄利克雷 L 函式的魏爾二次型最低特徵值。文章指出,在能測量的範圍內,這些函式的數值為正;三種刻意改動條件的仿造例子則出現負值。部分數值低到超出目前的計算解析度,因此不能把它們當成已測得的正負結果。這是用來觀察相關數值條件的工具,並不等於它證明瞭黎曼猜想。

  25. Lobste.rs (Engineering Discussion)74

    作者讓 Claude 從頭打造 Rust 瀏覽器,分享近兩個月的實驗

    大型軟體能不能交給 AI 自己一路做下去?作者從 10 月初開始,讓 Claude 從頭打造名為 SWB 的瀏覽器,只告訴它哪些網站要能使用,不介入技術決定。不到兩個月後,SWB 已能日常瀏覽部分網站,也有自己的 JavaScript 引擎,但複雜的網頁應用程式還不太行。早期多個 AI 助理同時改相同程式碼,造成衝突;改成一次處理一項工作後,進度變得順利。作者沒檢查程式碼,因此這次實驗呈現的是使用體驗與開發過程,不能據此判定程式碼品質。

    推薦理由:作者讓 AI 助理從頭打造瀏覽器,並記錄工作流程與遇到的協作問題,呈現大型軟體專案全程交由 AI 開發的實際經驗。

  26. Dev.to Top Tech64

    如何用 Obsidian 和 Claude Code 打造 Karpathy 的「第二大腦」

    筆記放久了,內容可能過時,也不容易確認整理出的說法是否符合原始資料。這篇文章把 Andrej Karpathy 提出的「第二大腦」想法用在 Obsidian 和 Claude Code:把原始資料、待整理想法和 AI 助理整理的知識頁分開存放,原始資料與整理好的知識頁都不手動修改。新增資料時,AI 助理會更新相關頁面;平常可以用它查問題,也能定期檢查矛盾、失效連結和過時內容。空白資料夾約 5 分鐘可開始使用,已有大量筆記則可能需要 60 到 90 分鐘整理搬移。

  27. Dev.to Top Tech52

    在 Mac 上用 AI 寫程式,作者建議先安裝這 10 款工具

    剛開始用 AI 寫程式,常會卡在工具沒裝好,或 AI 改壞程式後不知道怎麼復原。作者整理了在 Mac 上開始前會安裝的 10 款工具,建議先用 Homebrew 安裝常見開發工具,再用 GitHub Desktop 檢視程式碼變更、保留修改紀錄,最後加入 Cursor、Claude Code 或 Codex CLI 等 AI 寫程式工具。清單也包含管理視窗、剪貼簿和檢視用量的工具;作者提醒,TokenBar 只顯示用量,不會增加額度。先準備好基本工具,出錯時比較容易找出原因或退回先前版本。

  28. Dev.to Top Tech52

    MultiO 比較五種模型:大致正確的回答也可能把話說得太滿

    AI 回答有時不是全錯,而是方向大致正確,細節或語氣卻說得太滿。MultiO 把相同的 24 個問題交給 GPT、Claude、Gemini、Grok 和 Llama,再人工檢查只有一個模型提出的說法:有些很有用,有些是錯的或編造的,另一些則混有誇大的機制、力道或數字。像模型談到馬拉松訓練時,整體安排大致可用,但每小時 60–90 g 碳水對初次參賽者可能太多。作者建議,遇到只有一個模型提出的資訊,除了查證,也要特別留意最強烈的形容詞和最精確的數字。

  29. Dev.to Top Tech42

    Orca 如何讓 Claude Code 和 Codex 的合作流程更順手

    用 Claude Code 和 Codex 一起寫程式時,常得先整理一份 task.md,交代問題、檔案位置和做法;如果 GitHub issue 已經寫得很清楚,這份檔案就可能只是重複工作。作者改用 Orca,從 issue 挑出工作後,替它建立獨立的工作區,再開啟 Claude Code 或 Codex,並用快捷指令重複執行調查、修改和檢查步驟。 以 JobSearchBuilder 的 issue #47 為例,作者先確認怎樣才算修好,再讓 AI 助理處理,最後親自檢查修改內容並執行 dotnet build 和 dotnet test。需求複雜或模糊時,task.md 仍然有用;簡單明確的工作則可直接從 issue 開始,少做一份重複檔案,也比較不容易把不同工作的修改混在一起。

  30. Rohan Paul81

    匿名審查和化名帳號常假設只看文字,別人認不出作者,但前沿模型可能做到。馬裡蘭大學研究團隊只提供一段文字和零樣本提示,沒有網路搜尋、其他工具或候選名單,測試模型能否分辨文字由人還是 AI 撰寫、辨認是哪個實驗室的模型,以及猜出作者是誰。Claude Fable 5.2 在 398 篇未公開作者身分的匿名審查中,辨認出 56% 的審查者;對一年發表超過 500 則留言的 Reddit 使用者,辨認出 69% 的帳號。研究提醒,仰賴匿名投稿或化名交流的服務,應測試前沿模型是否能從文字辨認作者。

    推薦理由:研究以單篇文字和零樣本提示測試作者辨識,呈現匿名評論可能被辨認的程度,對依賴匿名投稿的平臺設計有參考價值。

  31. Dev.to Top Tech40

    Claude AI 助理接到第一位客戶:把但丁詩句寫成楔形文字

    一個自稱 Moonlighter 的 Claude AI 助理,正在公開嘗試靠接小工作賺錢。第一位客戶先用義大利文詢問怎麼合作、能不能退款,接著請它把《神曲》第一段寫成楔形文字。AI 助理先說清楚:可以把義大利文的發音換成楔形文字,但若要翻成阿卡德語或蘇美語,就很難確認是否正確。客戶選了較容易檢查的做法,並收到一小段免費預覽。 之後客戶又免費請它做一份 SpaceX 網頁報告。程式整理公開資料、產生報告,再交給檢查程式掃描;因為一句內容可能像投資建議,報告先被標記給人檢查,最後確認是歷史事實才寄出。這次沒有收入,但走完了接單到交件的流程,也讓 Moonlighter 發現,遇到不容易確認的要求時,先說清楚能做到什麼,比直接答應更重要。

  32. TechCrunch · AI77

    Signal 在 Android 和 iOS 限制截圖,防止 AI 助理讀取聊天畫面

    作業系統裡的 AI 助理可能讀取螢幕內容,讓 Signal 難以保證聊天資料不被其他服務取得。Signal 宣佈在 Android 和 iOS 限制使用者截圖;Windows 版原本就預設禁止截圖。使用者仍可關閉這項設定,但 Signal 執行長 Meredith Whittaker 表示,這會破壞隱私保障。她也說,限制截圖還不完整,無法防住 AI 助理透過其他較隱蔽的方式讀取應用程式資料。

    推薦理由:Signal 把限制截圖延伸到 Android 與 iOS,並說明作業系統層級的 AI 助理可能讀取螢幕資料,讓讀者看見這項防護的範圍與限制。

  33. Addy Osmani74

    Claude 一次處理多個步驟時,逐一呼叫工具會花時間,也可能把大量搜尋結果塞進上下文。Claude Code 的實驗性功能 Code Mode 會用 JavaScript 編排多個工具操作,例如平行搜尋多個檔案、整理結果,再批次修改;長時間工作也能在背景執行,最長可達兩小時。使用者仍可照常用提示詞和 Claude 互動,也能用 /tasks 檢視及管理背景工作,或按 Ctrl+O 檢視 Claude 產生的 JavaScript。每次工具呼叫仍受現有許可權規則和沙箱限制。

    推薦理由:Code Mode 把多步工具操作交給 JavaScript 一次編排,也能在背景執行長工作,文中並說明如何檢視程式碼與管理背景任務。

  34. Dev.to Top Tech67

    BubbleFacts 如何避免 AI 助理在直播中說錯歌曲資料

    直播時,樂手忙著演奏,沒空逐句確認 AI 助理顯示的歌曲資料;小型模型也可能把沒得過的獎說成得過。BubbleFacts 先從 Wikidata 和 MusicBrainz 取基本資料,其他內容則要求模型只根據維基百科文章撰寫,再用程式逐項檢查人名、年份、來源句子和說法是否相符。來源沒有支援的內容就不顯示,錯誤紀錄留在直播者自己的電腦。內建的 Llama 3.2 3B 也在本機執行,不會把資料送到雲端 AI。

  35. Dev.to Top Tech48

    ERPoida 如何讓 Claude 透過 MCP 使用 ERP 資料,並遵守使用者許可權

    有些 ERP 示範讓 AI 助理用共用帳號讀寫資料,可能讓它看到比提問的人更多的薪資、發票和客戶資料。ERPoida 讓 AI 助理以使用者身分登入,每次操作前都檢查這個人能開哪些功能、能看哪些紀錄與欄位,並留下紀錄。像是業務員問全公司的薪資,系統就會像在畫面上操作一樣拒絕,連拒絕也會記錄下來。 使用者也能用 Claude 或 ChatGPT 透過 MCP 查詢資料、草擬逾期發票提醒,或新增欄位和畫面;AI 助理能做的事不會超過使用者本來的許可權。財務資料另有資料庫規則把關:不平衡的分錄會被拒絕,已過帳的發票不能直接修改或刪除,必須用貸項通知單更正。這樣既方便用白話處理工作,也能讓重要帳目依規則留下紀錄。

  36. Dev.to Top Tech52

    技術產品經理如何用六層工具串起 AI 工作流程

    技術產品經理常得在訪談紀錄、產品資料、規格和程式碼之間搬資料,AI 助理也因此難以掌握完整背景。這篇指南把工具分成六層,從整理客戶回饋、檢視產品使用情況,到寫規格、做原型和協助開發,再用 MCP 連線資料,並用 AGENTS.md 告訴程式開發工具產品背景。作者也估算,個人精簡配置每月約 $20,較完整的配置約 $65;五人團隊約 $335。文中提醒,AI 產出的規格與程式碼仍要由人檢查。

  37. Dev.to Top Tech36

    如何依照工作內容、預算和地區挑選 AI 訂閱方案

    挑 AI 訂閱時,先想清楚自己常做什麼、多久用一次,以及每月願意花多少錢,再去看品牌和方案,通常比較不容易花冤枉錢。偶爾用來寫字或聊天,可以先試免費方案;如果每週常寫作、處理檔案或寫程式,再比較每月 $20 的 ChatGPT Plus 和 Claude Pro。要用 API 的話,費用得另外算,個人訂閱不等於 API 點數。 各家方案的價格、使用上限和功能不同,能不能訂閱也會受所在地區、帳號型別和付款方式影響。像 Google AI Pro 標價是每月 $19.99,但實際方案仍要看官方頁面和結帳畫面。先選能完成工作的最低價方案,真的碰到限制再升級。

  38. Dev.to Top Tech66

    AI 直接替產品打分不可靠,這篇教你用文字回答改善評估

    把產品點子交給 AI,請它用 1 到 5 分判斷大家會不會買,常常得到差不多的分數,難以看出不同產品的差別。這篇文章整理一項研究:先讓 AI 用自己的話回答,再把回答和各分數的參考句比較,算出每個分數的可能性。研究中,這種方法和真人評分分佈的相似度從 0.26 提高到 0.88;加入年齡和收入資料也有幫助,但性別和地區的結果不可靠。作者也做成可在多種 AI 程式工具中使用的開源技能,適合先比較少數點子或價格,不能取代重大決策前的真人調查。研究只驗證美國個人清潔用品,其他類別、國家和語言測試較少。

  39. Dev.to Top Tech61

    Elvis Presley 歌曲權利人控告 Anthropic,作者釐清指控與求償

    Elvis Presley 歌曲權利人控告 Anthropic,指稱 Anthropic 使用 274 首歌曲的歌詞訓練 Claude,並提出求償。作者提醒,權利人的指控不等於法院認定的事實,求償金額也不代表判決結果。文中提到的 4,110 萬美元,是以 274 首歌乘上每首 15 萬美元算出的理論金額,不一定涵蓋所有求償專案;原始 PDF 的引文仍需核對。

  40. Rohan Paul58

    3SUM 和計算圖中所有點之間的最短距離,長期被認為很難比教科書方法快多少。這篇 Columbia 與 MIT 論文說,Claude 找到一種計算兩個長而窄的矩陣部分乘積的方法,省下傳統做法中的一些計算,再把它用到這兩類問題。論文列出的速度提升幅度不大,但足以推翻相關的 3SUM 與 APSP 假設;研究團隊也用 Lean 4 檢查了證明。作者表示,Claude 在一次工作階段中找到這個方法,使用 16M 輸出 tokens,沒有人工介入。