跳到正文

#程式開發

RSS
今日 114 則
11月20日週五
  1. Dev.to Top Tech63

    Node.js 教學:使用者離線時,如何取消串流中的 LLM 請求

    使用者關掉分頁或按下停止後,伺服器可能還在向 LLM 服務要答案,沒人讀到的內容也會繼續產生。作者示範在 Node.js 用 AbortController 偵測瀏覽器提早斷線,並把取消訊號傳給 fetch;再用 AbortSignal.any() 加上 60 秒逾時,先發生的情況會取消請求。測試中,假 LLM 原本會送出 100 個 token,使用者中斷後只送出 5 個;正常連線仍能收到全部內容。作者也提醒,各家服務對取消串流的計費方式不同,應檢視供應商說明。

  2. Dev.to Top Tech65

    Node.js 檔案上傳安全教學:檢查檔案內容,別只看名稱和型別

    上傳檔案的名稱和 Content-Type 都由使用者提供,不能證明檔案真的安全。作者示範用檔案開頭的固定位元組辨認 JPEG、PNG 和 PDF,只接受允許的格式;如果內容和宣告的型別不符,就拒絕檔案,讀取時也會在超過大小上限後停止。範例在 Node.js 24 通過測試。不過,開頭檢查無法擋住同時符合兩種格式的檔案,因此還要重新編碼圖片、安全提供下載,並在隔離環境中處理 PDF。SHA-256 可找出內容完全相同的檔案,但無法辨認經過縮放或重新壓縮的圖片。

  3. Dev.to Top Tech61

    Android App 更新被 Google Play 擋下?教你升到 Target API 36

    Android App 還能正常使用,更新卻可能被 Google Play 擋下,原因是目標版本太舊。從 2026 年 8 月 31 日起,新 App 和更新都要以 Android 16,也就是 API 36 為目標;若目標版本是 API 34 或更低,新使用者也可能在新版手機上找不到 App。作者建議先把 Android 專案的目標 SDK 升到 36,再重新建置並測試:畫面是否被狀態列或導覽列遮住、返回鍵是否正常,以及平板轉成橫向後是否仍好用。文中也提醒,2027 年 2 月 1 日起,部分 App 更新還會受到 16 KB 記憶體頁面支援要求影響。

  4. Dev.to Top Tech64

    Sumama-Jameel 公開 66 段真實程式開發過程,讓 AI 助理學會從錯誤中修正

    只看最後寫好的程式碼,AI 助理學不到遇到錯誤後怎麼繼續。Sumama-Jameel 整理出 66 段實際執行的程式開發過程:AI 助理在 Docker 沙盒裡處理真實專案任務,使用工具、碰到錯誤再修正,工具輸出和失敗紀錄都保留下來。每段資料都會檢查專案測試,也能在自己的電腦上重新驗證。作者公開與四份大型資料集的比較,並說明這份資料在規模和部分指標上落後;用它訓練的小型模型有一項分數從 43% 升到 80%,其他分數則退步。

  5. Dev.to Top Tech57

    如何用 JavaScript、React 和 Next.js 重複顯示文章卡片,不必一直複製 HTML

    文章卡片一多,直接複製 HTML,之後要改版型或補上作者名稱,就得逐張修改,容易漏掉。作者用 JavaScript 示範把文章資料放進清單、只寫一次卡片版型,再用迴圈產生每張卡片;同樣做法也能用在 React 和 Next.js。文章也提醒,外部資料應當作文字放進頁面,避免用 innerHTML 把內容變成 HTML,造成跨網站指令碼攻擊;清單還要處理日期缺漏、空清單和 React 使用的穩定識別值。

  6. Hugging Face Blog84

    Hugging Face 示範為 Qwen3.8-27B 訓練 AI 助理工具專用介面卡

    通用模型搭配不同 AI 助理工具時,可能會多花時間和 token,解程式問題的表現也不夠好。Hugging Face 團隊把強化學習直接放進 pi、Hermes Agent 和 OpenCode 這三種工具中,分別為 Qwen3.8-27B 訓練介面卡,也把三者合併成一個版本。測試顯示,各自的專用版本在對應工具和程式開發基準上都優於原模型,完成任務時也少用工具;合併版本則能在三種工具中使用。這套流程與訓練資料也公開,讓其他人能照著調整自己的模型和任務。

    推薦理由:這套流程把強化學習放進實際使用的 AI 助理工具中,並比較專用與合併介面卡的成效,可供重現與評估程式開發任務。

  7. Dev.to Top Tech58

    This Week In React #306:React、Expo 與 Node.js 本週更新整理

    這期整理了 React、行動開發和 JavaScript 生態系的多項新訊息,焦點之一是開發工具開始讓 AI 助理直接操作介面、建置程式並檢查成果。Expo 推出雲端模擬器,AI 助理可以在隔離的環境裡執行 App,留下錄影、截圖和記錄供人檢查;Exact 也推出建置與安裝服務,串起從改程式到手機驗收的流程。其他訊息包括 Vercel 的 UI SDK、React 與 Solid 更新,以及 Webpack 原生處理 CSS 和 HTML。

  8. Dev.to Top Tech42

    Effect.ts 如何讓服務背景啟動,避免卡住整個前端

    Effect.ts 的服務如果還在建立,前端可能得等到全部準備好,按鈕和其他操作也會跟著卡住。作者遇到的例子包括音訊服務、MIDI 裝置許可權,以及建立瀏覽器檔案資料夾;尤其 MIDI 許可權可能一直等到使用者同意。她想讓服務在應用程式啟動時就開始準備,但先讓畫面繼續運作,等使用者真的呼叫某個服務方法時,再等它準備好並執行。 她最後想到,可以用 Deferred 在背景建立服務,再用 Proxy 包住服務和各個方法,讓等待延後到真正需要的時候。這樣或許能避免一個服務拖住整個應用程式;不過這仍是剛想到的做法,還得繼續測試,也要處理錯誤怎麼回報等問題。

  9. Dev.to Top Tech72

    RE-call 怎麼讓不同 AI 助理共用工作記憶

    AI 助理每次開新工作階段,常會忘記之前學到的規則,又把同一個問題查一遍。作者介紹 RE-call,讓 AI 助理從電腦裡的 Markdown 筆記找回相關經驗,也能把記錄分享給同一臺電腦上的其他 AI 助理;找不到合適資料時,它會說明沒有答案。作者在四種陷阱任務中比較 Claude Code 的表現,加入 RE-call 後,這些任務裡犯錯次數從 40 次中的 21 次降到 0 次。不過測試只用一個模型和四種任務,另一項任務成功率研究也沒有發現整體提升。

  10. Dev.to Top Tech67

    Claude Code 沙箱怎麼選?六種隔離方式與適用情境一次看

    讓 Claude Code 長時間自動工作時,少了每次詢問的把關,程式就可能讀寫更多檔案或連上網路。作者整理六種沙箱方式,從只限制指令的內建沙箱,到包住整個 Claude Code 的執行環境、容器、虛擬機器和雲端工作階段,並說明它們各自能限制什麼。若要使用跳過許可權確認的設定,文章建議在沙箱執行;只用指令沙箱時,MCP 伺服器和掛鉤程式仍可能在主機上不受限制。沙箱能縮小入侵造成的影響,但仍要留意可寫入的資料夾和網路連線,因為它們可能讓資料外洩或程式碼被修改。

  11. Dev.to Top Tech71

    FastAPI 教學:如何處理 GDPR 資料匯出、帳號刪除與 Cookie 同意

    小型 SaaS 要處理 GDPR,麻煩在於使用者要能下載或刪除資料,但刪除帳號不能讓訂閱繼續扣款,也不能刪掉依法必須保留的紀錄。作者示範在 FastAPI 中提供 JSON 資料匯出、要求使用者輸入密碼並再次確認刪除,先取消可能仍會扣款的訂閱,再移除帳號資料。發票和相關稅務證明會保留,但解除與使用者帳號的連結,並在儲存期限到期後清除。Cookie 部分則依用途處理:只有登入等必要 Cookie 時不必顯示同意橫幅,加入分析或廣告 Cookie 前則要先取得同意。

  12. elvis63

    好的程式評測不容易製作,逐題請人標記答案也很花工夫。Meta 的研究提出 Benchmark Factory,讓 AI 助理從已合併的內部程式碼變更中挑選任務、寫出題目,再用不同強度的模型檢查評測結果,反覆修正直到通過品質檢查;這些檢查不需要每題都有人標記答案。研究者也故意拿太簡單或評分方式有問題的評測來測試,系統能把它們擋下。用未參與建置的設定測試時,較高運算強度的 Claude Opus 4.7 排名高於較低強度,GPT-5.5 也高於 GPT-5.4。

  13. Dev.to Top Tech55

    作者示範如何讓 AI 助理先預覽再部署 Jenkins 專案

    在共用的 Jenkins 上建置和部署程式,常得手動找工作、填分支和版本,也容易搞不清楚失敗原因。作者把一套技能和命令列工具接起來,讓 AI 助理代為建置、預覽及部署到非正式環境;工具會檢查工作型別、環境和引數,並在送出部署前列出目前與預計使用的版本、設定分支和變更,等使用者確認後才繼續。每個人用自己的 Jenkins 權杖登入,遇到正式環境或資訊不明的工作就會拒絕執行。作者也提醒,回復舊版不會自動還原資料庫結構;他認為接下來應補上命令列工具的測試。

  14. Dev.to Top Tech78

    如何遮掉 HAR 檔裡的登入憑證,又保留漏洞證據

    HAR 檔能記下瀏覽器送出的請求和收到的回覆,方便證明漏洞,裡面也可能留著 Cookie、登入憑證和密碼。文章提供 Python 工具,把相同的秘密換成相同代號,讓人看得出哪些請求用了同一個工作階段,也能分辨不同帳號的請求;接著用另一個檢查工具和自己知道的資料,確認檔案裡沒有漏掉憑證或個人資料。遮好檔案後,還要登出或撤銷憑證,避免留下的其他副本仍能被拿來登入。

    推薦理由:文章用 HAR 範例示範如何遮掉工作階段憑證,同時保留不同請求的關聯,讓漏洞證據仍可判讀。

  15. Dev.to Top Tech66

    SoluTerminal 團隊分析 Claude 花費,發現多數用在 AI 助理互相傳訊

    同時使用很多 AI 助理時,光看工作做得快不快,很難知道 token 花得有沒有效率。SoluTerminal 團隊回頭檢查 1 到 8 November 的 Claude 用量,發現 57% 的花費用在由另一個 AI 助理訊息觸發的回合,約 20% 則由人開始;這些數字按加權 token 計算,不是美元。團隊也發現,助理之間有不少重複傳話,工作流程引擎曾讓任務變慢,測試工作也一度排隊。團隊把繁重工作移到雲端機器,並讓 AI 助理透過鎖定機製取得共用資源,減少彼此傳訊協調;這項調整才剛推出,成效還無法衡量。

  16. Dev.to Top Tech72

    Stefano Santomauro 實測 AI 如何從維護者的標籤修訂 GitHub 分類規則

    自動替 GitHub 問題分類的規則常要由開發者手動修改,遇到新標籤時也不容易跟上。Stefano Santomauro 用五個公開專案的 6,643 筆歷史問題測試一套新做法:Levanto Sage 2 負責分類,Claude Opus 5.5 檢視分類錯誤並提出白話規則,再用最近 60 筆問題測試新舊規則,只有分數沒有下降才採用。測試中,40 個改寫提案有 12 個獲採用;加入這個流程的版本整體 F1 為 0.778,固定使用 Sage 的版本為 0.661。作者也提醒,結果來自五個 Python 專案的歷史資料回放,效果取決於使用者是否留下可靠的回饋。

  17. Dev.to Top Tech70

    工程師如何帶領 AI 助理完成軟體開發

    把寫程式的工作交給 AI 助理後,工程師仍得確認需求、設計系統,並判斷程式能不能安全上線。Matthew Odumosu 分享自己如何用 Claude Code 讀取工作需求與設計稿,再先規劃架構、編寫程式和測試,最後交由另一個 AI 助理檢查,並由人審核合併。他也介紹如何用 CLAUDE.md 記下專案規則,讓新工作階段能接續先前進度。文中整理了處理重複請求、同時修改資料、服務故障和監控紀錄的做法,並強調生產資料要用唯讀許可權,修改仍由人核准。

  18. Dev.to Top Tech39

    Node.js 的 bcrypt 成本設為 12,為什麼會讓登入變慢?實測延遲與改善方法

    密碼加密調得更費工,安全性會提高,但伺服器也得花更多時間處理。文中一個團隊把 bcrypt 的成本從 10 調到 12,尖峰時段的 API 第 99 百分位延遲便從 85ms 飆到 3.8 秒。原因是成本每增加 1,計算量就會加倍;在 AWS t3.medium 上,成本 12 算一個密碼約要 710ms。Node.js 的背景工作執行緒數量有限,登入請求一多,後面的工作就得排隊,連檔案處理和 DNS 查詢也可能被拖慢。 文中建議先在接近正式環境的流量下測試延遲,再調整成本;也可增加 Node.js 使用的背景執行緒,或把密碼計算交給另一個服務處理。對多數互動式網站,作者認為成本 10 或 11 較合適。測試密碼雜湊時,也別把真實密碼或正式資料貼到不明網站,以免資料外流。

  19. Dev.to Top Tech48

    Next.js 15 如何替 1,047 個公開 API 建立安全的轉送服務

    讓大家透過伺服器連到任意網址,可能被壞人拿來探查不該碰的網路位置;只封鎖網址也不夠,因為網址背後的 IP 可能被動手腳。作者替 FreeAPI 做了一個安全的轉送服務:先查出網址對應的 IP,擋掉私人或保留用途的 IP,再直接連到確認過的位址。服務也限制每次最多傳 5 MB,並替匿名使用者設定每個 IP 每分鐘 60 次的上限,減少大檔案和大量請求造成的負擔。若公開 API 回傳的其實是擋機器人的網頁,服務會回報 422,讓畫面能說明發生什麼事。

  20. Dev.to Top Tech53

    如何用 Python 把 Google News 新聞整理成每日追蹤表

    每天手動整理品牌新聞很花時間,Google News 的搜尋結果也不是現成的表格。作者示範用他維護的 Apify Actor 搜尋新聞,再用 Python 和 pandas 把標題、媒體、日期與連結存進 CSV,並依關鍵字標記法律、股價或產品相關報導。以 Duolingo 為例,20 篇結果中也混有律師事務所公告和股價頁面,因此還要自行排序、篩選。搜尋結果每次最多約 100 篇,開啟媒體原始連結會多花一些時間;工具按每 1,000 筆 $1.50 計費。

  21. Dev.to Top Tech69

    Grafana 的熱門匯出檔不一定是「上帝物件」:如何判斷程式碼該不該拆

    很多程式檔案被大量程式碼引用,看起來像是包辦太多工作的「上帝物件」,但光看引用次數還不夠。作者檢查 Grafana、Keycloak 和 Docker Compose 的熱門檔案,發現 Grafana 的檔案只負責轉出其他模組的名稱,Keycloak 的檔案則是供程式查詢功能的介面;Docker Compose 的共用套件則包含許多不同用途的資料。判斷時還要看檔案裡有沒有實際運作的程式、多久因哪些原因修改,以及引用它的程式各自用了哪些內容,才能看出是否真的該拆分。

  22. Dev.to Top Tech48

    Blender 編輯同一張臉時,為什麼不能靠頂點編號?

    同一張臉在瀏覽器和 Blender 裡編輯,結果可能不一樣,因為匯出成 glTF 時,頂點會被拆開,兩邊的頂點編號就對不起來。作者改成看每個頂點的位置來決定怎麼移動,做左右對稱編輯時,也用移動前的位置一起算兩邊的移動量。舊方法讓臉部中央附近差了 0.83 mm;改法後,兩邊就能做出相同形狀。最後作者把瀏覽器匯出設為正式做法,因為不需要先在 Blender 裡烘焙才能完成。

  23. Dev.to Top Tech64

    教學:用 Python 整理 IKEA 傢俱資料,別把零件材質混在一起

    整理傢俱資料時,如果只留下材質名稱,AI 助理可能把椅腳的實木誤認成整座書櫃都是實木。作者用 IKEA 商品資料示範如何把零件名稱和材質一起存進資料庫,讓搜尋時能看出每種材質屬於哪個零件;缺少材質資料時,也保留為未知,不當成「沒有木材」。照護說明和使用備註則分開存放,避免拿來回答材質問題。這樣能提供較清楚的查詢依據,但仍不能保證回答正確,也無法證明商品頁列出了所有材料。

  24. Dev.to Top Tech62

    Claude Code 費用怎麼算?比較 Pro、Max、Ultra 和 API

    想用 Claude Code 寫程式,常會看到月費和按用量計費的不同價格,容易搞不清楚哪種適合自己。這份指南整理 Pro、Max、Ultra、Team 訂閱方案和 API 的差別:訂閱每月付固定費用,但有 5 小時和每週用量上限;API 按傳送與收到的 token 收費,可設定花費上限。文中用 Sonnet 5.5 示範,一小時的範例費用是 $1.10,也整理了清除舊對話、日常工作使用 Sonnet 等省用量方法。價格和方案會變動,作者提醒購買前檢視 Anthropic 的定價頁面。

  25. Dev.to Top Tech61

    C++20 的 [[likely]] 和 [[unlikely]] 怎麼用,才不會讓程式變慢

    C++20 的 [[likely]] 和 [[unlikely]] 可以提示編譯器,哪條程式路徑比較常走,但用錯也可能讓程式變慢。它們不會直接控制 CPU 的分支預測,而是影響編譯器安排產生的程式碼;例如在 switch 中,從前一個 case 落空到下一個標籤,不會因此得到該標籤的提示。文章建議先用實際工作資料找出常走的分支,再檢查組譯結果並比較執行速度;若能使用 PGO,也可讓編譯器參考實際執行資料來調整程式。

  26. Dev.to Top Tech67

    用 50 行 Python 檢查 AI 助理改版,避免錯誤承諾被部署

    AI 助理改了提示詞後,表面上回答得不錯,卻可能開始答應不該給的折扣。作者用一段 50 行的 Python 範例,替每種問題寫下要呼叫的工具、回答必須或不能出現的內容,以及可接受的回覆時間;每次改版後跑一遍,就能看到通過比例,決定是否部署。範例中的新版多答應了折扣,因此被檢查擋下。文章也建議把實際對話中的錯誤加入測試,並在每次提示詞、模型或工具變更後檢查。

  27. Dev.to Top Tech58

    作者如何用 Antigravity 和 Gemini 4 打造智慧家庭能源管理工具 cheap-watts

    太陽能、家用電池、電動車和每小時變動的電價若沒有協調好,可能會在不划算的時間買電,或讓電動車把家用電池的電量用掉。作者用 Antigravity 搭配 Gemini 4 Hydrogen 規劃需求、Gemini 4 Carbon 撰寫和測試程式,做出開源工具 cheap-watts,自動安排電池和車輛的充電時間。工具每 30 分鐘檢查天氣、電價和車輛狀態,也能先用 --dry-run 試跑,確認排程後才控制家用逆變器。作者也分享用不同 AI 助理分工、隔離硬體介面,以及透過程式檢查和 PR 流程降低金鑰外洩與裝置誤操作風險的做法。

  28. Dev.to Top Tech39

    Aider 和 JetBrains AI 比較:免費開源的終端機 AI 助理,對上方案常變動的 IDE 外掛

    Aider 和 JetBrains AI 都能幫忙寫程式,但一個在終端機裡工作,另一個整合在 JetBrains 的 IDE 裡。Aider 免費開源,使用者自備 Claude、GPT、Gemini 或本機模型的 API 金鑰;JetBrains AI 則有免費方案,也有每月 $10 的 AI Pro 和每月 $30 的 AI Ultimate。JetBrains AI 在 6 週內調整了 2 次方案,連團隊購買方式也改了;Aider 的費用則一直是免費,預算主要看自己的 API 用量。兩者適合的工作方式不同,團隊採購 JetBrains AI 前,得先留意方案內容可能變動。

  29. Dev.to Top Tech57

    AI 測試工具如何留下決策紀錄,讓團隊說清楚測試結果

    AI 測試工具會自動修正選取器、跳過部分測試或把不穩定的測試暫時停用,因此測試通過時,團隊可能不清楚工具實際檢查了什麼。文章建議記錄六類會影響結果的決定,包括選取器變更、略過的測試、停用原因、AI 撰寫的檢查專案、測試資料異動,以及使用的模型和工具版本。團隊可在每個開發週期安排短時間檢查紀錄,並為高風險變更保留人工確認。這樣遇到稽核或客戶詢問時,就能查出工具改了什麼、由誰檢查,以及測試為何通過。

  30. Dev.to Top Tech61

    Synapse Shield v0.11.0 修正誤擋真人的問題

    Synapse Shield 是一套不用出題、靠滑鼠和鍵盤操作來判斷機器人流量的開源工具,但作者發現,它原本會擋下約 19% 的真人。原因是正式套件載入的模型只用假資料訓練,作者在自己電腦上測到的低誤擋率,並沒有反映使用者實際拿到的版本。v0.11.0 修正模型載入方式,並預設先以影子模式觀察流量,不會直接封鎖使用者;用真實人類操作資料測試後,6 秒操作片段的誤擋率從 19.0% 降到 1.4%。作者也提醒,機器人偵測數字來自模擬攻擊,尚未用標記過的真實機器人流量驗證。

  31. Dev.to Top Tech46

    別再害怕原型留下技術債:用 AI 快速寫程式,也要標明日後怎麼修

    做新產品時,拖太久可能錯過市場機會;用 AI 助理很快做出能用的程式,卻可能留下難懂又難修改的問題。作者建議,先用簡單做法把功能推出去可以,但要在程式旁寫清楚為什麼這樣做、規模變大時哪裡會出問題,以及什麼時候該重整。例如,程式直接連資料庫查資料,就註明它在約 500 個人同時使用時可能出問題。這樣團隊之後能先修真正拖慢系統的地方,不必急著把整個原型打掉重寫。

  32. Dev.to Top Tech54

    Claude Code 如何靠技能、工具和人工審閱協助作者寫軟體

    每次開新對話,AI 助理都得重新聽一遍規則,寫出來的程式也可能不一致。作者把網站架構、表單檢查和常見錯誤整理成 Claude Code 的技能,讓它接到合適任務時照著做;例如表單要真的送出測試,不能只看畫面能不能顯示。他也用 MCP 讓 AI 助理檢視 WordPress 等實際系統,並把研究和檢查工作分給不同 AI 助理。涉及正式環境、付款或客戶資料時,作者會親自看修改內容並做決定。

  33. Dev.to Top Tech74

    如何設計自動化軟體工廠,讓 AI 助理完成開發與合併

    讓 AI 助理自己挑工作、寫程式並合併,最大的難題是出了錯時沒有人盯著每一步。作者分享一套自動化軟體工廠:人先訂產品目標並核准每個開發週期,AI 助理負責整理需求、設計、實作和檢查;CI 會確認整個產品流程能正常運作,合併關卡則只放行檢查通過的程式版本。作者主張把規則寫清楚哪些事情不能越界、每一步要留下什麼證據,讓 AI 助理自行決定中間做法。遇到產品行為、許可權或外部連線等需要人決定的事,才送交人處理。

  34. Dev.to Top Tech41

    5 個實用嵌入式系統專案,讓新鮮人履歷更亮眼

    剛開始找嵌入式工程工作,面試時常被問到:「你真的會讓硬體動起來嗎?」做幾個小專案,就能把課堂上的知識變成看得見的成果。可以試著讀取感測器數值、用 UART 接收開關 LED 的指令、控制馬達轉速、讓兩塊微控制器交換資料,或讓程式同時定時讀取感測器、閃爍 LED 和回報狀態。 專案完成後,還要能說清楚用了哪些硬體、程式怎麼寫,以及遇到故障時如何除錯。例如拔掉感測器或傳送錯誤資料,看看程式能不能妥善處理。把電路、程式碼、建置方式和測試過程整理好,放進 GitHub,面試時就能用自己的作品說明你懂多少,而不只是照著教學做出成品。

  35. Dev.to Top Tech61

    如何測試 AI 流程,又不用每次都呼叫模型

    每次測試都呼叫大型語言模型,速度慢、要花錢,輸出還可能改變,讓測試結果不穩定。作者建議先把模型包在一個簡單介面後面,測試時換成會回傳指定內容的假模型,檢查提示詞有沒有帶入正確資料,也能測試空白、格式錯誤或不完整的回覆會怎麼處理。少數需要確認真實模型表現的測試則另外執行,例如定期或發布前跑。這樣每次修改都能快速檢查大多數程式,同時保留對真實模型的測試。

  36. Dev.to Top Tech57

    Vyankatesh 靜態掃描 618 個公開 AI 助理技能,發現附帶程式碼的風險分數較高

    公開的 AI 助理技能會提供操作指示,有些還附帶能以使用者許可權執行的程式碼,因此可能帶來安全風險。Vyankatesh 用 SkillSpector v2.12.0 靜態掃描 618 個公開技能,沒有安裝或執行它們;63.6% 至少有一項警示,40.1% 有高或嚴重警示。附帶程式碼的技能風險分數中位數是 52,只有 Markdown 的技能則是 0。不過,作者抽查的少數警示有些看來被判得太嚴重,也沒有找到他認為蓄意惡意的技能。這項研究不是同儕審查,也無法判斷掃描漏掉多少問題;作者建議把分數用來安排檢查順序,啟用技能前仍要看清楚它如何使用你的憑證。

  37. Dev.to Top Tech48

    663 組 GitHub 比較看不出 AI 協助的程式碼比較常被撤回

    大家擔心 AI 幫忙寫的程式碼會不會比較常出問題,甚至被撤回。作者從 GitHub 找出 663 組相似的程式碼修改,分別比較有說明 AI 協助和只由人類撰寫的修改。30 天內,前者有 1 筆被撤回,後者有 2 筆;但撤回本來就少見,這次的資料太少,還看不出兩者有沒有差別。作者也發現,用後續修改來猜程式是否修過 bug,常會把不相關的改動算進去。這項研究只能說目前沒有明確證據顯示兩者不同,不能據此判定 AI 寫的程式碼比較安全或比較容易出錯。

  38. Phoronix (Linux HW & Benchmarks)48

    Rust Coreutils 0.13 提升執行速度,也更相容 GNU Coreutils

    Rust Coreutils 是用 Rust 重寫 GNU Coreutils 的工具集,0.13 版加快了多項工具的執行速度,例如 basenc 的 base58 快了約 35 倍、cut 快了 23%。它也修正了一些和 GNU Coreutils 相容性有關的問題,目前通過 95.26% 的 GNU 測試套件。這次更新還改善了檔案處理安全性、穩定度和 Windows 支援,讓這套工具跑得更快,也更能照原本的方式運作。

  39. Dev.to Top Tech55

    如何用 JavaScript 做出更清楚的機票比價介面

    機票標價最低,不一定代表最後花得最少,因為行李費可能還沒確認,票價也可能已經變動。文章用 JavaScript 示範把票價、稅金和行李費分開計算,資料不明時就標示「未知」,不把它當成免費。範例中,Option B 的確認總價是 $242,Option C 因行李費未知,不應標成最便宜。介面也可以顯示費用包含哪些專案、價格何時查過,以及票價和行李規定是否仍需向訂票業者確認。