跳到正文

#Agent

RSS
今日 18 則
11月22日週日
  1. 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。

  2. 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。

  3. 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。

  4. 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。

  5. Dev.to Top Tech54

    Agent 3D Cockpit 試著把 AI 協作變成可選路線、追查結果的 3D 駕駛介面

    用聊天指揮 AI 寫程式時,常要翻過一串對話,才能看出做過哪些選擇、結果從哪裡來。作者做了一個開源 3D 原型,讓人先比較不同方向,再選一條路讓 AI 助理執行,並回頭檢視每一步和產出的內容。實際展示中,執行會串流顯示本機 Ollama 模型產生的文字;方向預測則標成「local preview」,有些候選路線只是展示資料。原型還沒有完整的改程式、測試與驗證流程,也尚未用真人實驗證明 3D 介面比聊天更有效。

  6. Dev.to Top Tech57

    AURA 推出離線 AI 程式碼工作室,可搜尋程式庫並逐行審查修改

    把公司程式碼傳到雲端 AI,對有隱私或法規要求的團隊常常行不通。作者打造 AURA,讓 AI 助理在本機讀取程式庫、搜尋不同檔案並提出程式碼修改。實際寫入檔案前,使用者可以先看逐行差異,再選擇套用或拒絕;每次修改也會保留快照,方便還原。AURA 還能在本機執行模型,並用 Rust 建立程式碼搜尋索引。作者表示,專案已改為以 GNU AGPLv3 完整開源,並在 Linux 上測試。

  7. Dev.to Top Tech48

    Speakvora 每月 100,000 個免費字元,小型商家能用來說多少句話?

    Speakvora 每個帳戶每月免費提供 100,000 個語音字元,超過後每 1M 個字元收 $3。空格和標點也會計入,但重點是「新句子」:相同文字用相同聲音播放時,之後可以重播存好的錄音,不會再扣字元。像商店播一次「本週末披薩打 8 折」,這句有 73 個字元,無論有 5 個人還是 500 個人聽,都只算一次。 所以,小型商家常用的電話回答重複播放時,通常比看起來更省;若大量朗讀長篇文字、產生不同說法或使用多種語言,就比較容易用完額度。以每週換 5 個、每個約 100 個字元的優惠為例,每月約用 2,000 個字元。

  8. Dev.to Top Tech64

    Xinyu 推出沒有後端的 Android AI 陪伴 App

    有些 AI 陪伴 App 需要訂閱和帳號,聊天內容也會存在服務商的伺服器上,記憶內容還不容易檢視或修改。作者做了 Android App Xinyu,沒有自己的伺服器,聊天和角色資料都存在手機裡,App 會用使用者自己的 DeepSeek API 金鑰連線;授權費是一次付 $9.99,API 費用由使用者自行負擔。它也把角色記憶整理成筆記,使用者能新增、修改或刪除,更新時還看得到舊內容。App 目前需自行安裝,啟用要透過電子郵件聯絡作者,內建預設角色的故事內容仍是中文。

  9. Dev.to Top Tech60

    Nature AI Worker 教你在 Windows 上用 AI 助理整理檔案

    想在 Windows 上試用能讀寫檔案的 AI 助理,常會先遇到安裝環境複雜的問題。Nature AI Worker 是一款開源桌面程式,提供單一工作資料夾,讓內建的 General Agent 搜尋檔案、整理 CSV、TSV 和 JSON 表格,也能做精確計算;要讀取網頁或修改、刪除檔案時,會先等你核准。它可連線 Ollama 本機模型和雲端模型 API,但模型要支援工具呼叫才能使用完整功能。這個版本適合個人本機操作,沒有執行指令或程式碼的工具;使用雲端模型時,請求仍會經由網路送出。

  10. Browser Use Releases37

    Browser Use 1.0.8 修正瀏覽器操作、登入與計費問題

    使用 Browser Use 時,可能會遇到密碼被印出來、連上瀏覽器卻開了空白分頁,或餘額不夠而讓工作中斷。Browser Use 1.0.8 做了幾項修正:不再印出密碼欄位的內容;連線時會接上已開啟的分頁;透過 SSH 或沒有螢幕的電腦操作時,可以用連結和驗證碼在其他裝置核准。模型在最後一步拒絕照指定方式回答時,也會再試一次,讓工作有機會拿到答案。呼叫服務時預留的輸出 token 從 32,768 降為 16,384,較小的餘額比較不會在執行途中遭到拒絕。

  11. Dev.to Top Tech39

    開源 SecuredMe 認知系統架構,並打造火星探測任務 MarsWalk

    AI 助理有時會在長時間工作中迷失方向、把新資料弄亂,或因為同時分工而互相卡住。作者提出 SecuredMe 的 8 層架構,讓外部資料先經過防火牆檢查,再濃縮後交給模型;每個工作者也在各自的 Git 工作區裡做事,並定期整理記憶、停止失控的工作。作者接著和夥伴用 MarsWalk 做火星探測任務網站,加入真實火星地形和探測車路線資料。這套做法試著讓 AI 助理更穩、更容易查清楚出了什麼問題,但文章中的成果主要來自作者自己的專案紀錄。

  12. Dev.to Top Tech57

    InApp 分享 AI 助理遇到 API 錯誤時,該怎麼決定要不要重試

    AI 助理呼叫 API 時,如果每種錯誤都立刻重試,可能把短暫故障變成更多請求,甚至重複執行操作。InApp 分享自己的處理方式:遇到 429 就放慢速度並遵守 Retry-After,遇到 5xx 就逐步拉長等待時間並加入隨機延遲,遇到 4xx 則停止重試並回報錯誤。他也把重試次數限制在四次,並為會修改資料的呼叫加入冪等鍵,避免重送造成重複影響。作者表示,調整後延遲降低,也不再出現重複副作用。

  13. Dev.to Top Tech57

    如何用 Redis 管理 AI 助理的記憶,避免服務變慢或故障

    AI 助理要記住先前的對話,但記憶資料太多或共用方式不當,可能讓服務變慢,甚至讓不同客戶互相影響。作者分享在 ASP.NET Core 背景服務中,用 Redis LIST 儲存並更新對話視窗的做法,也比較了應用程式內的快取、Redis Streams 和 Cosmos DB。文中建議依客戶分開儲存資料、限制每份資料的大小,並監控延遲與記憶體用量;Redis 出問題時,則可用重試、斷路器和暫存資料降低影響。作者也提醒,流量很高時要留意共用鍵造成的壅塞。

  14. Dev.to Top Tech57

    Dev.to 整理多家公司 AI 助理職缺,示範如何用 AI 助理搜尋

    想找 AI 助理相關工作,光靠逐一檢視公司徵才頁面很花時間。作者從 OpenJob 公開索引抽出 5,107 個職稱,以關鍵字找出 76 個相關職缺,其中 42 個是在最近 60 天刊出的;Cloudflare、Stripe、Scale AI、Reddit 和 Hugging Face 等公司都有職缺。文章也示範用 AI 助理讀取索引,或透過 MCP 搜尋職缺。這些數字只代表索引裡的資料,不等於公司目前仍在招募。

  15. 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。

  16. Dev.to Top Tech48

    AI 產品的模型能力每年便宜 13 倍,真正的競爭優勢要靠什麼?

    如果 AI 產品只是在畫面上包一層,再接上大型模型 API,別人也能很快做出差不多的東西;模型變便宜、變強時,這種產品的優勢也可能跟著消失。作者建議檢查每個功能:如果它只靠模型進步就會變好,那是大家都能享有的好處,不算自己的長期優勢。 真正能累積的,是用得越久越有價值的東西,例如測試 AI 答得好不好的題目、使用者採納建議後的結果資料,以及能在企業流程中執行工作並留下清楚紀錄的能力。舉例來說,有了自己的測試題目,團隊就能更快確認便宜的新模型是否夠用;沒有測試,換模型可能只是猜。文章提醒,與其只租用越來越便宜的模型,不如建立會隨使用持續進步的產品。

  17. Dev.to Top Tech41

    CodeNinja Atoms 如何用 AI 助理整合尾礦設施資料,協助工程師看懂每個壩段

    尾礦設施每天會收集儀器讀數、巡檢紀錄和雷達測量資料,但這些資料分散在不同系統裡,單看某個儀器的警報,很難知道整個壩段發生了什麼事。CodeNinja Atoms 提出一套在礦場自有硬體上運作的設計,把 8 個資料來源接到共同的資料模型,串起儀器、壩段、降雨、施工和巡檢紀錄;例如,工程師可以把某支測壓計慢慢升高的讀數,和附近的施工、巡檢及雷達資料一起檢視。 AI 助理會整理線索、草擬說明和回應,工程師則負責確認或核准;資料留在業者的硬體上,也不會拿來訓練模型。這樣能讓工程師更快拼出每個壩段的完整狀況,同時保留由人把關的重要決定。

  18. 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。

  19. Dev.to Top Tech46

    AI 助理一天的費用怎麼算?系統提示詞和快取用量拆給你看

    想算 AI 助理花多少錢,光看它用了多少 token 還不夠,因為系統提示詞和前面聊過的內容會跟著每次呼叫一起送出,有些會從快取讀取。作者整理了一天的帳單:模型呼叫用了 412 點,工具呼叫用了 101 點;模型處理的 token 中,94% 是快取讀取。平臺約以 1,000 點換算 1 美元,這天模型費用約 41 美分,工具費用約 10 美分。真正會隨長對話和大量工具輸出增加的,是 237,928 個沒有從快取讀取的輸入 token。這提醒我們,估算費用時要看實際帳單怎麼計價,別把原始 token 數直接當成花費。

  20. 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。

  21. Dev.to Top Tech68

    作者如何把 Podcast 影片轉檔搬到 Lambda Managed Instances,縮短 GPU 執行時間

    每週把 Podcast 做成影片,需要逐段處理 384 段口型同步片段,GPU 一跑就是好幾個小時。作者把原本在 EC2 上的工作搬到 Lambda Managed Instances,先讓 CPU Lambda 產生語音,再由 GPU 逐段轉片;每跑滿 90 分鐘就交給流程接續處理,啟動 GPU 前還要有人核准。調整後,每集預估 GPU 時間從 5.2 小時降到約 1.1 小時,費用從約 $4.60 降到 $2.16。作者也用 IAM 許可權限制 AI 助理,讓它能安排流程,卻不能自行啟動 GPU。

  22. Dev.to Top Tech82

    Signal 的截圖防護擋不住 AI 助理讀取通知和螢幕

    Signal 在手機 App 加上截圖防護,但 AI 助理仍可能透過通知或無障礙許可權讀取訊息。作者整理 Signal 的設定與一宗 Meta Muse 案例:Reuters 報導指出,Muse 曾透過 Android 通知和 macOS 無障礙許可權讀到 Signal 訊息;Meta 稱這些是個別事件。截圖防護能擋住畫面擷取,卻不會關閉通知或無障礙許可權;macOS 也沒有可靠的 Signal 內建封鎖方式。文章提醒,除了檢查 Signal 的設定,也要留意 AI 助理有哪些裝置許可權。

    推薦理由:Signal 的截圖防護只擋住一種讀取方式;文章對照已報導的通知與無障礙許可權案例,說明防護範圍的落差。

  23. Dev.to Top Tech65

    五個平臺怎麼管理 AI 助理的提示詞和模型版本

    提示詞、模型或工具清單一改,AI 助理的行為就可能跟著變;如果模型還會自動升級,團隊可能在沒安排更新時遇到變化。作者根據 Azure、AWS、Boomi、MuleSoft 和 SAP 的檔案,比較它們怎麼儲存版本、固定模型、比較新舊設定和回復舊版。各平臺做法不同,有些能直接部署先前版本,有些得靠原始碼管理和自己的測試流程。作者建議把提示詞、模型和工具清單當成同一個版本管理,切換前跑測試,並確認舊版仍能重新部署。

  24. 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。

  25. Dev.to Top Tech70

    如何把文章、圖片、影片和旁白整理成可追蹤的內容工作流程

    文章、圖片、影片和旁白常要在不同工具間來回搬動,容易弄丟背景,也搞不清最後成品用了哪份提示詞。作者建議先把共同簡報整理成資料,再從同一份內容分別產生各種格式,並用一致的工作狀態、版本紀錄和重試方式追蹤進度。這樣影片失敗時可以重試影片,不必重做其他內容;發布失敗也能重試發布,不用重新生成成品。格式轉換等固定工作可交給系統,人則檢查主張、標題、畫面意思和發布決定。

  26. 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。

  27. 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。

  28. Dev.to Top Tech46

    AI 助理工作量暴增時,怎麼用 token 預算和排隊規則穩住系統?

    AI 助理一個工作可能同時叫出許多工具,耗掉的 token 和等待時間也會跟著增加;只看伺服器忙不忙,常會等到模型服務的排隊變長、回應變慢才發現不夠用。文章建議用排隊中的 token 數量估算需求,並先替重要、需要即時回應的工作保留名額,讓批次工作在忙碌時先等候或暫停。比如要一次處理一萬份檔案的批次工作,可以提早安排 token 額度;如果還是太忙,就先改用較便宜或較慢的模型處理不趕時間的工作,最後才拒絕新的即時請求。這樣能把有限的模型額度留給更重要的工作,也讓管理者看得出延遲是怎麼來的。

  29. 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。

  30. Dev.to Top Tech62

    Sakana AI 的 AI Scientist 系列走到哪一步?四篇研究揭開 AI 寫論文的進展與限制

    AI 寫論文的新聞常讓人分不清哪些工作由 AI 完成、哪些仍由人參與。作者依序整理 Sakana AI 的四篇 AI Scientist 研究,說明系統從自動產生研究想法、實驗和論文,走到安排現有程式開發 AI 助理分工;其中一篇 AI 生成的論文通過 ICLR 工作坊審查,但送審稿由人挑選,通過後也依事前約定撤回。系列研究的範圍仍限於能在電腦上進行的機器學習研究。作者指出,論文生成能力雖有進展,引用和實驗結果仍可能出錯,評估方式也可能被系統改動,因此判讀成果時要看誰寫、誰評,以及人在哪些步驟參與。

  31. Dev.to Top Tech59

    如何用知識圖譜,讓多個 AI 助理寫程式時遵守架構規則

    多個 AI 助理同時改程式時,常會各自照手上的資料做事,結果違反服務邊界,或漏掉會受影響的程式和測試。這篇實務指南建議把架構規則、服務關係、資料歸屬和決策來源整理成知識圖譜,讓 AI 助理動手前先找到和任務相關的規則與程式碼。完成修改後,再用固定工具檢查有沒有違規,並記錄架構變動。這種做法能讓規則更容易查證,也讓多個 AI 助理使用相同的架構資訊。

  32. Dev.to Top Tech88

    MONAI Label 上傳漏洞如何讓攻擊者寫入檔案並取得伺服器控制權

    MONAI Label 0.8.5 和更早版本的上傳功能,會把使用者提供的路徑當成檔案位置,沒有確認檔案仍在資料儲存區內。Amazon 表示,攻擊者利用這個漏洞寫入檔案,再觸發訓練 API,取得伺服器的 root 許可權;研究者也指出,這條攻擊路徑約 11 分鐘就能成功。漏洞修補已合併到程式碼,但截至文章查詢時,PyPI 和 GitHub 都還沒有可安裝的新版本。作者建議檢查目前使用的版本,並避免讓 MONAI Label 連上網際網路或不受信任的網路。

    推薦理由:文章拆解 MONAI Label 如何因上傳路徑檢查不足而遭入侵,也指出修補雖已合併,當時仍沒有可安裝的新版本。

  33. Dev.to Top Tech36

    DSH Agent Enhancer 如何記錄並重播瀏覽器操作,讓 AI 助理比較好找出錯在哪

    AI 助理操作網頁時,出了錯常常只回報失敗,讓人猜不出是哪一步出了問題。DSH Agent Enhancer 的 Browser Use 功能可以把人操作網頁的步驟錄成流程,再讓 AI 助理或排程重播;如果失敗,也能檢視是哪一步卡住、頁面當時長什麼樣子。像是每天匯出訂單,可以先錄好流程,再交給排程執行。這套工具適合重複操作同一個網頁的人,能讓流程比較容易檢查和修正;不過它在單一電腦上執行,遇到網頁改版也不會自己猜新的操作方式。

  34. Dev.to Top Tech44

    AIClaw v3.12.14 如何在主對話中檢視 AI 助理的工作進度

    AI 助理把工作交給另一個 AI 助理處理時,人常得切換畫面確認進度。AIClaw v3.12.14 在桌面版的對話詳細資料面板加入唯讀檢視,能從主對話看到各項工作的名稱、狀態和工作階層,也能檢視子助理留下的對話紀錄。舉例來說,子助理還在處理時,面板會顯示工作仍在進行;檢視紀錄不會讓它重新開始工作。這讓人能留在主對話掌握進度,但實際工作做得好不好、花多久,仍要看當次執行表現。

  35. 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。

  36. Dev.to Top Tech41

    AI 工作證據包是什麼?讓每一步操作都有紀錄可查

    AI 助理做完工作後,別人常只能聽它自己說做了什麼,卻無法確認內容有沒有被改過。AI 工作證據包會替每次工具操作留下收據,記下使用的工具、時間和結果,再依照執行順序串起來;工作接收者的決定也會記在交付紀錄上。像文中的 ETH 查價工作,就列出兩個步驟,各自附上可查驗的收據,而且顯示客戶還沒決定是否接受。 拿到連結的人可以免費檢查這些紀錄,也能看見被拒絕或尚未執行的操作,方便客戶確認工作、稽核出錯原因,或讓其他人接手。不過,收據只能證明結果存下後沒有被更改,不能證明結果本身正確。

  37. elvis42

    研究工作常散落在論文、實驗紀錄和聯絡資料裡,AI 助理如果能在需要時找到合適資訊,就能提醒你以前做過的實驗,或建議你重新聯絡某個人。作者把這套做法稱為「知識工廠」,用多個 LLM Wiki 整理研究論文和實驗結果,並以 Markdown 檔案和圖譜呈現。他建議先和 AI 助理一起使用、慢慢調整知識庫,不必一開始就訂下複雜規則;整理好的知識也能支援評測、內容製作等工作。

  38. Dev.to Top Tech57

    OpenJob 用三種提示詞找工作、刊登職缺和建立人才檔案

    找工作、刊登職缺或整理求職資料,常得在不同網站和工具間來回處理。OpenJob 把職缺資料和操作說明放在公開資料庫,讓你用平常的 AI 助理貼上提示詞,就能請它找最近 60 天刊登的職缺、草擬職缺貼文,或把履歷整理成人才檔案。找工作時,助理要附上僱主自己的申請連結,不能代替你投履歷;刊登職缺會透過 GitHub 提出修改;人才檔案公開前則要先讓你確認,且不能放電子郵件或電話。資料庫由作者維護,檔案會在指定期限後失效。

  39. Dev.to Top Tech54

    spov 讓 OpenCode 在 Modal 沙箱裡處理程式專案

    把 AI 助理放進雲端環境處理程式專案時,如何避免它直接拿到真正的金鑰,也要想辦法把改好的內容帶回來。開發者 Jimmy Utterström 做了 spov,讓 OpenCode 在 Modal 的獨立沙箱中執行;從終端機啟動後,完成的修改和提交會同步回本機專案。需要遠端工作時,也能讓工作流程把成果推回程式碼平臺並建立 PR。spov 支援 GitHub、Forgejo、Gitea 和 GitLab,模型金鑰與程式碼平臺的憑證則留在沙箱旁的代理服務中,AI 助理只會看到替代值。