跳到正文

#Agent

RSS
今日 34 則
11月16日週一
  1. Dev.to Top Tech39

    Lucen 如何替 AI 助理挑出需要的工具和資料

    AI 助理遇到資料庫故障時,若把所有工具說明都塞進提示詞,容易花掉大量篇幅,還可能找不到真正需要的資料。Lucen 會先依照工作內容,從工具和服務的關係中找出合適工具,再補上正確的資料庫位置,讓 AI 助理可以直接處理。文中的 50 個測試情境裡,把 500 個工具全塞進去要用 272,607 個 token,第一次就成功的比例是 0%;Lucen 平均只用 2,211 個 token,成功比例則是 86.7%。這表示工具說明塞得多,不代表 AI 助理就能做好事,還得先找對工具和要處理的物件。

  2. Dev.to Top Tech52

    想應徵前線工程師?用一通虛構客服電話練習釐清需求

    客戶說週五前要有 AI 助理,但資料散在不同系統,大家也還沒說清楚它該做什麼。作者用虛構的客服情境示範,先追問工單怎麼處理,找出真正耗時的步驟,再把試行範圍縮小到查資料、準備回覆,讓客服人員確認後再寄出。文章也提醒,要分清楚展示、有人把關的試行和自動寄信是不同承諾,並先約定怎麼衡量成效、出錯時如何處理,以及系統交給誰維護。這個練習能幫助讀者瞭解前線工程師的工作是否適合自己。

  3. Dev.to Top Tech72

    如何檢查 AI 助理做出的影片,從跳轉畫面到 MP4 輸出

    AI 助理做出的影片可能播放時看起來正常,倒轉或跳到中間卻出現錯誤,輸出的 MP4 也可能尺寸、長度或音訊不合要求。作者示範三道檢查:確認同一時間點每次都畫出相同畫面、用 ffprobe 比對影片規格,再把檢查放進 AI 助理的指示和 CI 流程,讓不合格的輸出無法通過。這些檢查能抓出畫面跳轉、影格數和音軌等問題,但無法判斷字幕是否好讀或旁白是否正確,因此最後仍要播放完整影片確認。

  4. Dev.to Top Tech54

    Relaymote 用 Conductor 分派 Claude Code 工作,整理多個專案進度

    同時開著很多 Claude Code 工作階段時,很容易忘記哪個工作階段在處理哪件事,也不知道新要求該交給誰。Relaymote 在電腦本機運作,把工作分成三種角色:Worker 負責單一任務,Master 管理一個專案並分派工作,Conductor 則把要求轉給負責的專案,自己不做實際工作。使用者可設定不同難度的工作要用哪個模型與投入程度;每項工作也會留下本機紀錄。Relaymote 操作的是電腦上的 Claude Desktop,不會取代 Claude Code,也不會自行呼叫模型。

  5. Dev.to Top Tech41

    ARL Protocol 在 Base 主網推出 v5,讓 AI 助理的工作款項與爭議都能順利結算

    AI 助理完成工作後,客戶和服務提供者可能對成果或付款有爭議,裁決延誤也會讓款項卡住。ARL Protocol 在 Base 主網部署新版合約,讓驗證者用 ARL 作為押金投票判定工作成果;期限到了,款項和押金會一併結算。若裁決者超過期限仍未判決,任何人都能讓爭議結束,並退還挑戰者的押金。新版也會記下每項工作的結果,並讓客戶把退款改匯到其他地址。首期質押獎勵已注入 300,000 ARL,這套設計希望讓工作付款更順、評價更難被鑽漏洞。

  6. Dev.to Top Tech49

    AI 助理怎麼把工作存起來,才能在下次接著做?

    AI 助理有時會忘記上次做好的工作,還可能拿舊資料蓋掉新資料。作者用遠端 MCP 伺服器做了一本共用工作簿,讓不同 AI 助理和人都能讀寫同一份資料。每次修改都會留下新版本;如果有人先更新了資料,系統就會拒絕根據舊版本送出的修改,並要求 AI 助理先讀最新內容再重試。工作簿也能設定欄位規則,資料填錯時會回報錯誤。作者用 Claude Code 規劃聯絡客戶的試辦計畫,所有內容放在同一本工作簿,後來還能檢視修改紀錄,知道資料為什麼增加。這樣一來,工作比較容易接續,也更容易檢查。

  7. Dev.to Top Tech48

    Dograh 如何在語音 AI 助理和 Salesforce 之間加一個小型 HTTPS 端點

    語音 AI 助理打完電話後,怎麼確認通話真的存進 Salesforce?做法是在兩者中間放一個自己管理的 HTTPS 端點:它保管 Salesforce 金鑰、負責取得和更新短效權杖,再把 Salesforce 的回覆交還給 AI 助理;只有收到成功回覆,才算資料確實寫入。來電時,端點也能先用電話號碼查詢聯絡人,讓 AI 助理開口前知道對方可能是誰;找不到時,則回報沒有符合的紀錄。通話結束後,端點會把結果存成 Salesforce 工作紀錄,若暫時失敗,系統會重試最多 5 次。這樣能讓權杖更新和寫入確認都有地方處理,也要記得避免重試時把同一通電話存兩次。

  8. Dev.to Top Tech42

    AgentBlackBox v0.5.0 開源,替 AI 程式設計助理檢查程式碼並留下防竄改紀錄

    AI 程式設計助理能很快改檔案、下指令和送出程式碼,但也可能不小心洩漏密碼,或刪掉測試來讓檢查通過。AgentBlackBox v0.5.0 是給這類團隊使用的工具:它只在記憶體裡檢查程式碼差異,並在文字送進 AI 模型前遮住偵測到的密碼;每次檢查也會留下帶有數位簽章的紀錄,方便離線確認紀錄有沒有被改過。 例如,它會提醒團隊有人刪除了測試檢查,或改動 GitHub Actions 的工作流程。這能讓團隊更容易發現 AI 助理的可疑改動,也能查清楚它執行過什麼。

  9. Dev.to Top Tech80

    Alibaba 推出 Qwen4-Max,編碼測試領先但不開放下載

    挑選編碼 AI 助理時,測試成績、實際表現和費用可能差很多。Alibaba 推出 Qwen4-Max,表示它在自家編碼測試中領先 Claude Fable 5.1 和 Kimi K3.1 Pro;但 Agent Arena 的即時任務排行中,Qwen4-Max 排在第 14 名,Claude Fable 5.2 則排第 1。兩種結果來自不同測試,不能直接當成同一場比賽。Qwen4-Max 只提供雲端服務,不能下載或自行架設,文中列出的價格也比 Claude Fable 5.1 低。作者建議先用自己的程式專案測試品質,再算清楚省下的費用是否值得放棄自行架設的彈性。

    推薦理由:Alibaba 的測試結果與 Agent Arena 的實際工作成功率差距明顯,這提醒讀者評估編碼模型時,也要用自己的程式專案測試。

  10. Dev.to Top Tech64

    AI 助理需要 SPIFFE 還是 OAuth?兩者各自負責什麼

    AI 助理呼叫工具時,系統得確認是哪個程式在呼叫,也得確認它能做什麼、是否代表某位使用者。SPIFFE 能證明呼叫者是哪個工作程式,提供短效身分憑證;OAuth 權杖則能限制可用的許可權和物件,必要時帶上使用者身分。作者用實作示範,持有有效 SPIFFE 身分的 agent-beta 仍因政策限制收到 HTTP 403,說明身分不等於許可權。文中建議正式平臺通常搭配兩者,並按每一站的服務限制權杖物件;小型團隊可先用平臺 OIDC 和明確許可權,等需要確認工作程式身分時再加入 SPIRE。

  11. Dev.to Top Tech61

    kagent 比較四種 AI 助理執行方式:kagent、Claude Code、Codex 和自訂映像檔

    替 AI 助理選執行方式時,能使用的模型、工具和設定會跟著改變。作者比較 kagent 的四種 Harness:內建的 kagent、Claude Code、Codex,以及使用自訂映像檔的 BYO,說明各自適合的情況與限制。例如 Claude Code 的 MCP 工具選擇可能會讓 AI 助理取得整個伺服器上的工具,因此若要限制工具使用範圍,也要在閘道器檢查。文章建議先依需要的執行方式和工具限制挑選,並把 Harness 當成安全邊界來設定。

  12. Dev.to Top Tech47

    Agent Games Gatekeeper 電路通過 12 次測試,錯誤決定都無法造假

    要參加 Agent Games 的競賽場地,得先有公開的 HTTPS 網址;作者的電腦沒有公開 IP,免費通道也沒連成功,所以無法參賽。他改為直接檢查負責判斷付款的 Gatekeeper 電路,測試它會不會放過錯誤決定。結果 12 次測試都符合規則:有效的付款才會產生能通過檢查的證明;如果付款不符合條件,像是金額超過上限或已過期,連證明都做不出來。這表示錯誤決定不是隻會被事後抓到,而是在產生證明前就被擋下;不過作者目前仍沒有競賽分數。

  13. Dev.to Top Tech74

    ONAA 實測 14,991 家商店,AI 助理都無法首次自行付款

    AI 助理能幫忙找商品、放進購物車,到了付款時卻常得由人接手。ONAA 實測 14,991 家已宣稱支援 AI 助理購物的商店,其中 49% 讓 AI 助理在沒有人幫忙的情況下完成購物車並進到付款頁,但沒有一家能讓它第一次就自行付款。部分商店讓買家先同意使用 Shop Pay,之後 AI 助理才可自行付款;也有商店要求買家每次輸入卡片資料,或到商店頁面完成付款。這些數字來自單次觀察,商店尚未確認結果,而且不代表所有網路商店。

  14. Vercel Blog47

    Qwen4-Max 登上 Vercel AI Gateway,支援寫程式、製作 3D 場景和長時間工作

    Qwen4-Max 是 Alibaba Qwen4 系列的第一個模型,現在可透過 Vercel AI Gateway 使用。它能看懂圖片,也能處理長篇工作,例如在 Blender 製作 3D 場景,或在 Unity、Unreal Engine 和 Godot 製作能玩的遊戲;完成後還會看畫面找出鏡頭、動畫或燈光問題,再動手修改。處理財務、法律和醫療工作時,它也能使用 MCP 工具整理大量檔案和圖片,產出附有資料來源的報告、試算表和簡報。 遇到需要很久的工作時,Qwen4-Max 會先交出能用的初步成果,再一輪輪改進,讓人可以邊看邊調整方向。Alibaba 也將推出一個搭配這種工作方式的 Live Delivery 外掛。和先前的 Qwen Max 模型相比,Qwen4-Max 完成相同工作的 token 用量較少,預設寫出的程式也較安全;Vercel AI Gateway 則不加價收取模型費用,也不收推論平臺費。

  15. Dev.to Top Tech63

    從 AI 產品停運看 LangChain 融資:作者認為追蹤與稽核才是關鍵

    不少 AI 產品很快就停運,作者把這些案例和 LangChain 融資 3 億美元放在一起,認為兩者反映出 AI 產業的不同需求。LangSmith 提供追蹤 AI 助理操作、評估結果、管理提示詞版本和記錄成本等工具,讓企業能查出系統做了什麼,也能向稽核人員說明原因。作者分享自己開發 AI 助理時,常得花時間手動重建操作過程,因此建議先記錄每次工具呼叫和結果,再增加功能。文章的觀點是,產品若要在企業環境中站得住腳,除了能完成任務,也得讓人看得懂、查得到它怎麼做。

  16. Hacker News (official RSS)86

    千問推出 Qwen4-Max,主打長時間工作與分段交付

    處理複雜工作時,AI 助理可能要花很久才交出成果,使用者也不容易及早發現方向錯了。千問推出 Qwen4-Max,主打長時間執行任務,並用 Live Delivery 先交出可用的初版,再依執行結果和使用者回饋逐步修改,讓人隨時檢視進度、修正方向。千問也展示了它用於 3D 建模、遊戲製作、法律檔案整理和雲端資源排程等工作的案例。官方表示,在 Work360 評測中,Qwen4-Max 得分 52.69,高於 Qwen3.8-Max 的 47.74;該評測的單項任務平均成本也從 $4.43 降至 $1.67。

    推薦理由:Qwen4-Max 把長時間工作、分段交付與使用者回饋放進同一流程,文中也以實際工作案例說明如何逐步完成複雜任務。

  17. Dev.to Top Tech57

    作者如何用 zkVerify 為 Agent Games 的轉帳判斷加上可驗證證明

    AI 助理替轉帳把關時,只說「符合條件」還不夠,平臺得確認它真的照規則判斷。作者為 zkVerify 的 Proof Gatekeeper 賽道做了一個參賽 AI 助理,讓它檢查驗證金鑰、餘額、期限、收款人和金額,再附上零知識證明,讓平臺確認判斷正確,同時不公開多餘資料。文章也說明請求和回覆如何用 HMAC 簽名,以及正式練習時如何修正條件欄位包在不同資料層級、導致伺服器出錯的問題。練習賽中,9 次判斷都正確,證明也都通過平臺驗證。

  18. iThome (臺灣)78

    Google 推出 Gemini 4 Hydrogen,速度比前代快 2.5 倍

    處理日常工作時,大家常得在回覆速度和複雜任務能力之間取捨。Google 推出 Gemini 4 Hydrogen,主打程式撰寫和日常 AI 助理工作流程,表示它比前代 Gemini 3.8 Flash 快 2.5 倍;也能和 Carbon 或 Argon 搭配,由 Hydrogen 寫程式、修正錯誤和跑測試,較大型的模型負責複雜判斷。它已提供給多種 Google 產品與服務,每百萬 token 的輸入和輸出價格分別是 1.5 美元和 7.5 美元。

    推薦理由:Gemini 4 Hydrogen 主打日常工作所需的速度,也能和 Carbon 或 Argon 分工,文中提供了速度、用量與價格比較。

  19. Dev.to Top Tech55

    教你用 Python 根據工作紀錄估算 AI 助理寫程式要多久

    AI 助理估計工作時間時,常把實際執行時間和人等候、確認需求及檢查成果的時間混在一起,讓估算看起來很肯定,卻不一定準。作者用 Python 示範一個簡單做法:記下每項工作的類別、檔案數、工具呼叫次數、修正迴圈和實際耗時,再拿相似工作的紀錄算出時間範圍。文中也提醒,範圍不是保證,應用後續任務檢查預測誤差,並避免把提示詞、程式碼等私人資料放進紀錄。

  20. aihot81

    Qwen4-Max 登上 Agent Arena 中國模型榜首,首度排名總榜第 14

    Qwen4-Max 在 Agent Arena 首次登場,總榜排第 14,成為榜上排名最高的中國模型。這份排行榜根據社群提供的 14.7k 次真實 AI 助理對話整理;相較 Qwen3.8-Max,Qwen4-Max 的淨提升為 +7.5%,在工作、聊天和程式類別也都是排名最高的中國模型。Alibaba 的公告另稱,新模型採用 MoE 架構,原生支援視覺,並有 1M token 上下文視窗;API 已在 QwenCloud 上線。

    推薦理由:Qwen4-Max 首次登上 Agent Arena,並在工作、聊天與程式類別領先榜上其他中國模型,可從多種真實任務表現瞭解這次更新的差異。

  21. iThome (臺灣)74

    OpenAI 推出 ChatGPT Wallet,讓 AI 助理代購付款

    AI 助理可以幫忙找商品、比價格,但以前付款還得由使用者自己輸入信用卡資料。OpenAI 推出 ChatGPT Wallet,讓 Dots 在使用者授權後代為購物或預訂飯店。付款前,使用者要確認商品、總金額和信用卡,再用 Face ID 或指紋授權;支付網路會提供付款用的 Token,避免 Dots 和商家拿到實際信用卡資料。這項功能正逐步開放給美國年滿 18 歲、使用 ChatGPT Pro 並持有符合資格信用卡的使用者;核准付款也不代表商家已完成訂單。

  22. Dev.to Top Tech65

    如何替 AI 助理寫出能驗收的工作條件

    工作需求寫得模糊時,AI 助理可能自行猜測細節,做完還信心十足地說已經完成。作者建議先把完成條件寫清楚:要看到什麼結果、用什麼證據確認,以及由哪個測試或具名的人判定。像是不要只寫「讓搜尋更快」,而要寫明測試資料下的速度標準,並指定檢查方式。作者也提醒,每項條件只寫一件事,列出在意的例外情況和不該動的範圍;AI 助理可以先草擬條件,但最後要由人確認,不能自己改掉或取消。

  23. Dev.to Top Tech69

    18 個 AI 模型讀得越多,表現反而越差

    把更多資料塞進 AI 模型的上下文視窗,不一定能讓它答得更好。多項研究發現,18 個模型在長對話裡找答案時,使用約 300 個 token 的相關內容,比讀含有相同答案的約 113,000 個 token 表現更好;資料一長,照抄和修程式也可能出錯。文章整理的實用做法是把大任務拆成短步驟,讓 AI 助理搜尋需要的檔案,並把過時計畫和錯誤訊息移出目前工作內容。這些研究有些使用人工設計的測試,實際工作中的影響可能不同。

  24. Arena.ai58

    Arena 公佈的榜單顯示,Qwen4-Max 在中文模型中排名第一,整體實驗室排名第五;在 Agent Arena 首次登場就排第 14,前一代 Qwen3.8-Max 則排第 39。這項結果來自 14.7k 次真實任務操作紀錄,整體表現提升 7.5%。四項指標都比前一代進步,其中「好評相較抱怨」提升 13%,「確認成功」提升 9%;在工作、聊天和程式任務的排名也都進入中文模型前列。

  25. Dev.to Top Tech56

    Steve 示範用 MCP 讓 Claude Code 讀工單並追蹤開發進度

    把工單貼進 Claude Code 後,工單一有修改,AI 助理可能就拿著舊內容工作,分支和提交紀錄也不容易看出對應哪張工單。作者示範用 MCP 讓 Claude Code 直接讀取最新工單,再把工單編號放進分支、每次提交和 GitHub 的合併請求,讓工作進度能回到工單上檢視。完成條件則由 CI 檢查或指定的人判定,AI 助理要附上自己檢查過的證據;合併程式也不代表工單已完成。這套流程也能用在 Jira 或 Linear。

  26. Dev.to Top Tech53

    Codex 和 Claude Code 讀取同一份指令檔時,為什麼 Codex 會少讀幾個章節

    同一份指令檔交給不同的程式開發 AI 助理讀取,可能會因為計算方式不同而少掉重要內容。作者拿自己專案中一份 35,479 位元組的 CLAUDE.md,對照 Codex 和 Claude Code 的檔案與程式碼,算出 Codex 預設最多讀取 32 KiB,會在第 15 節標題讀到「##」就停下,漏掉後面的交接清單、編輯規則和緊急停止方法;Claude Code 讀取專案根目錄的這份檔案時,則會在 4 MiB 內完整載入。作者也指出,這份日文件案以字元計算不到 40,000,但以位元組計算已超過 Codex 的預設上限。文章比較提高 Codex 上限、把重要規則移到前面,以及拆分檔案等做法,並提醒共用指令檔時要同時檢查位元組和字元數。

  27. Dev.to Top Tech67

    Qwen4-Max 主打長時間工作,每項任務平均成本降低 62%

    AI 助理處理長時間、多步驟工作時,可能耗用大量 token,費用也會跟著增加。Qwen 團隊發布 Qwen4-Max,主打較省 token 的長任務處理;在 Qwen 自家的 Work360 測試中,每項任務平均成本從 $4.43 降到 $1.67,並展示了製造、法律和科學研究等工作流程。這些數字來自 Qwen 自家測試,不能直接當成所有工作都會省下 62%;文中的新材料和藥物候選物示範也尚未經獨立驗證,其中藥物候選物仍待實驗室測試。

  28. aihot82

    Qwen 發布 Qwen4-Max,主打百萬 token 上下文與長程 AI 助理能力

    Qwen 團隊發布新模型 Qwen4-Max,主打更長的上下文和長程 AI 助理能力。它採用 Qwen4 架構,骨幹有 2.4T 引數,每個 token 會啟用 71B 引數,另有 328B N-gram Embedding 引數。模型也具備原生視覺能力,並支援 100 萬 token 上下文,讓它能處理很長的內容。材料提到成本比較和實際案例,但沒有提供細節。

    推薦理由:Qwen4-Max 公佈骨幹引數、每個 token 啟用的引數量與上下文長度,能看出這次模型更新主打的規模與能力。

  29. Dev.to Top Tech56

    Precision AI OS 說明會計師事務所如何使用 AI 助理處理檔案催收

    報稅季常有不少時間花在追缺少的檔案、整理進度和重寫通知上。Precision AI OS 說明,AI 助理可以依事務所允許的範圍整理資料、列出缺件並草擬通知,但要由員工檢查後才寄出;判斷、核准和簽名仍由人員負責。文章也提醒,使用報稅資料前要處理好納稅人的書面同意,並確認資料加密、操作紀錄和審核責任都有安排。文中建議先挑一項工作進行 30 天試用,確認草稿是否好用、審查是否省時,再決定是否繼續。

  30. Dev.to Top Tech47

    zkVerify #AgentGames 的 AI 助理實作:替付款檢查和錢包交易附上可驗證證明

    Web3 服務常要使用者相信伺服器真的照規則檢查付款或交易,卻沒辦法確認它實際做了什麼。作者做了兩個 AI 助理服務:0xginn 負責檢查模擬付款,也參加 Steal the VFY;zkGuard 則在 EVM 和 BSC 交易簽名前檢查風險。它們不讓大型語言模型直接決定結果,而是用固定規則判斷,再附上 Groth16 證明,讓結果能在本機驗證。比如 zkGuard 會找出給陌生物件的無上限代幣授權,並把風險分數限制在 0 到 100。這種做法能讓使用者檢查判斷是否符合規則,降低只能相信服務商的風險。

  31. BlockTempo 動區動趨57

    USV 分析 AI 助理如何讓網際網路從脆弱走向反脆弱

    AI 助理能更快找出漏洞,也可能成為攻擊目標,還會冒充人類產生大量網路流量。USV把它們的角色分成武器、目標和冒充者,並提出觀察、執行、預防三種應對方式:先找出漏洞和異常行為,再加快修補、限制助理能使用的工具,長遠則讓整類錯誤更難發生。文章也談到把舊程式碼遷移到 Rust 等較安全的語言,以及把隱私保護藏進一般人熟悉的 App;但重寫程式仍可能引入新錯誤,安全措施也需要仔細設計。

  32. Hacker News (official RSS)58

    Hacker News「Who is Hiring?」職缺數接近 12 年低點,過半職缺提到 AI

    Hacker News 每月「Who is Hiring?」徵才串的職缺數持續偏低,AI 相關技能則愈來愈常出現。11 月有 244 則職缺,比去年同期少 37%;2026 年平均每月 287 則,是 2013 年以來最低。超過一半的職缺提到 AI,AI 助理出現的比例也高於大型語言模型。相較之下,前端職缺佔比從 2022 年初的 27% 降到目前的 6.6%,全端和後端職缺也比一年前少。這些數字呈現了徵才需求與職缺型別的變化。

  33. Dev.to Top Tech72

    如何替購物 AI 助理設功能旗標:檢查回復時是否停止新工作

    關掉購物推薦功能後,已經開始的工作可能還會繼續,單靠旗標無法撤回交易或抹掉模型呼叫紀錄。作者用 Go 示範如何讀取功能旗標,並整理三項檢查:決策要夠新、每次新一輪工作都要先經過檢查、已開始的工作完成後仍要留下時間與費用紀錄。範例也提醒,讀取失敗和明確關閉是不同狀況;這種做法能阻止新一輪工作開始,不能取消已完成或正在進行的交易。

  34. Dev.to Top Tech72

    SplitNest 讓 Windows 使用者在同一個終端機並行管理多個 AI 助理

    在 Windows 上同時跑好幾個 AI 助理,常會漏看它們的提問或完成通知。作者做了開源工具 SplitNest,把不同專案整理成工作區,讓 PowerShell、WSL 和多個 AI 助理能在同一個終端機裡並行運作;助理需要回覆、完成或出錯時,工具會顯示狀態,也能集中列出正在等人的助理。作者還分享了終端機在 Windows 上調整大小、儲存工作進度等難題,以及如何用真實 shell 和打包後的程式測試。SplitNest 目前是 v0.3,適用於 Windows 11 x64;安裝程式尚未簽署,Windows SmartScreen 會顯示警告。

  35. Dev.to Top Tech71

    Yuvraj 示範如何打造 RAG AI 助理,搜尋並閱讀紐西蘭稅法

    只靠大型語言模型記憶回答稅務問題,可能找不到正確法規;只搜尋一次,也可能讓答案變差。Yuvraj 用 TypeScript 和 Vercel AI SDK,帶讀者打造會搜尋、閱讀紐西蘭稅法資料的 AI 助理,並用同一組問題比較每次改動。作者的測試中,加入三種法規資料工具後,分數從 0.582 升到 0.729,答錯得很有把握的答案從 5 個降到 0 個;每題中位成本則從 $0.023 增至 $0.047。文中也提醒要限制工具呼叫次數、時間和花費,並把工具回傳內容當資料看待。

  36. Dev.to Top Tech69

    Diaktoros 如何讓 AI 助理協助維護 GitHub 專案

    PR 增加得比人手審查還快時,讓 AI 助理自己寫、自己審、自己合併,可能會出問題。Jeremy Coe 做了 Diaktoros,讓一個 AI 助理負責審查,另一個用不同 GitHub 帳號修正;CI 失敗時也會先交給修正者處理。每個 PR 最多經過三次審查,AI 助理不能合併,最後仍由作者決定。作者說,這套流程在 10 月 26 日到 11 月 9 日合併了 328 個 PR,其中 229 個由修正 AI 助理撰寫。每次工作都在沒有 GitHub 權杖、模型金鑰和網路的隔離環境中執行,GitHub 寫入則由主機處理並重新檢查。架設需要 Linux、bubblewrap 和分開的 GitHub 帳號或 App。

  37. Dev.to Top Tech56

    React 19 如何顯示 AI 助理串流中斷,避免把部分內容當成完成

    AI 助理回答到一半遇上斷線,畫面卻顯示已完成,可能讓使用者把不完整內容當成可執行的指示。作者示範在 React 19 和 Next.js 中串接 SSE,讓畫面分開呈現接收中、使用者停止,以及連線或生成失敗等狀態;伺服器也負責轉換串流格式,並把取消訊號傳給上游。這套做法會保留部分回答並標示中斷,但不會接續原本的生成,也無法保證每次都偵測到內容未完成。若 AI 助理的回答會觸發編輯或其他操作,應等到確認生成完成再執行。

  38. Dev.to Top Tech55

    如何用伺服器端功能旗標安全回復遊戲中的 AI 助理版本

    遊戲更新後,如果新的 AI 助理流程變慢或花費增加,團隊需要能快速切回舊流程。文章以 Infrai 為例,說明讓伺服器判斷功能旗標,並把旗標版本和延遲、成本記錄放在一起;出問題時,管理者只要切換旗標,就能回復,不必重新發布程式。若同一場遊戲要維持一致,可以在開局時記住當時的版本,但這也會讓回復對該場遊戲較慢。文章也提醒,Infrai 沒有變更紀錄、可復原刪除或即時推送;團隊需自行處理稽核、通知和資料保留,並避免記錄玩家提示詞等不必要資料。