跳到正文

#Agent

RSS
今日 34 則
11月16日週一
  1. Dev.to Top Tech74

    Ockham 用程式索引幫 Claude Code 找出其他檔案裡的同一個錯誤

    AI 助理修好一個程式錯誤時,可能漏掉其他檔案裡的相同寫法。作者開發了 Claude Code 外掛 Ockham,建立專案索引,在程式修改碰到重複內容時提醒 AI 助理,也會在工作結束前檢查測試和修改結果。作者測試發現,遇到寫了兩份的錯誤時,沒有外掛的 25 次操作只有 1 次修好兩處;加入結尾檢查後,15 次都修好了。Ockham 每次操作約花 $0.05,沒有外掛約 $0.03;有些問題仍抓不到,例如另一份重複的輔助程式碼。

  2. Browser Use Releases49

    Browser Use 1.0.6 改用 BU 4.0 作為預設模型

    Browser Use 1.0.6 把預設模型從 bu-fast 換成 BU 4.0,使用 Agent(task) 或 ChatBrowserUse() 時都會改用 bu-4.0。BU 4.0 的 token 費用是 bu-fast 的 15 倍:每 1M 輸入 token 要 $1.80、輸出 token 要 $9.00;文中一個簡短測試任務的費用,也從 $0.0014 變成 $0.022。簡單任務可指定 llm='bu-4.0-mini',困難任務可指定 llm='bu-4.0-pro';想維持原本模型和價格,則指定 llm='bu-fast'。

  3. iThome (臺灣)82

    FBI警告駭客用ARTEX加快入侵,部分案件不到3小時取得高許可權

    企業對外服務或第三方工具若有未修補漏洞,可能成為駭客進入內部系統的入口。FBI指出,不同駭客組織正使用開源工具ARTEX自動找弱點、測試漏洞,部分攻擊從鎖定目標到取得系統高許可權不到3小時;至少從今年8月起,已有企業與機構遭到這類攻擊。FBI也提到,攻擊者會利用雲端憑證和第三方服務的授權關係擴大存取範圍,但Cloud Backup事件波及超過2,250個客戶租戶,不代表每個租戶都遭入侵。企業可檢查對外服務與雲端授權,並留意帳號是否突然大量呼叫API或查詢客戶資料。

    推薦理由:FBI列出的案例顯示,攻擊者會從合作夥伴入口和舊版服務找入口,再利用雲端授權擴大可存取的系統與資料。

  4. Dev.to Top Tech48

    AI 助理付款前先過 Proof Gatekeeper:每次核准或拒絕都有證明

    AI 助理可能會替人轉帳或簽交易,但只聽它說「我確認過了」,很難知道它是不是真的檢查過。Proof Gatekeeper 會依序核對付款條件,像是收款人對不對、金額有沒有超過上限;條件不符就拒絕,通過才核准,並附上一份能讓平臺驗證的數學證明。實際測試時,它擋下了超出金額上限的轉帳,平臺也確認證明有效,整個過程花了 498 毫秒。這讓別人能檢查 AI 助理是否照規則辦事,但證明有效不代表規則本身一定合理。

  5. Dev.to Top Tech53

    2026 年 11 月值得試的 5 個開源開發工具

    AI 助理開始操作程式、試算表和 3D 場景,但怎麼檢查結果、保留人工把關,也成了實際使用時的難題。作者整理了五個開源工具,涵蓋程式碼審查、前端開發指引、試算表、工作規劃,以及用 MCP 操作 Blender,並為每個工具設計一個小練習。例如,讓 AI 助理修改試算表後檢查儲存格和公式,或在 Blender 裡逐一檢視它準備執行的操作。文中也提醒,GitHub 星數反映關注度,不代表工具已適合正式使用;測試時應逐項核對結果。

  6. Dev.to Top Tech52

    Sakana Chat 的 Namazu 和 Fugu Max 有什麼不同?怎麼選?

    Sakana Chat 裡的 Namazu 和 Fugu Max 名字相近,實際上做事方式不同。Namazu 是以 Kimi K2.6 為基礎、再用 Sakana AI 自家資料訓練的單一模型,特別調整成能處理日文和日本商務用語;Fugu Max 則會依問題安排多個模型分工。兩者都能使用記憶功能。文章建議,常要用日文處理檔案或電子郵件時可選 Namazu,需要多個模型一起處理複雜問題時可選 Fugu Max。文中的評測資料來自 Sakana AI 自行測試,尚未經第三方驗證。

  7. Dev.to Top Tech63

    n8n 教學:如何拆分大型自動化流程,設計可重用的子工作流程

    n8n 流程越長,重複的步驟越多,修改時就越容易出錯。這篇教學說明如何把一段清楚、可重用的工作拆成子工作流程,並為它訂好輸入資料和回傳結果的格式。子流程各自執行,沒有和主流程共用的記憶,因此資料要明確傳入、結果也要明確整理;出錯時,還要設定要繼續、停止或重試。若要讓 AI 助理呼叫子流程,文章建議提供結構化的結果、設定驗證方式,並管理好金鑰。拆分前可以先確認這段工作是否容易說清楚輸入和輸出,否則可能只是把流程拆散,讓資料傳遞更麻煩。

  8. Dev.to Top Tech42

    Instagram 和 Threads 自動發文:排程成功不代表貼文真的發布

    自動發文工具回報成功,貼文卻可能根本沒出現在公開頁面。作者安排 Instagram 的 5 篇貼文,後來只找得到 1 篇;Threads 的每日自動發文則連續 3 天失敗,原因是執行服務在發布途中重新啟動。Threads 每次發布後都會檢視公開頁面,所以作者當天就發現問題並補發;Instagram 沒有這種確認步驟,直到兩天後才注意到貼文不見了。作者因此把「完成」改成:確認貼文已出現在公開頁面,而且文字正確。若要補發,也要先確認原貼文真的不存在,避免不小心發出重複內容。

  9. Varun Mohan72

    AI 助理處理較長的對話或工作內容時,可能需要壓縮前面的資訊。Antigravity 宣佈,Argon、Carbon 和 Hydrogen 的上下文視窗都加倍了;官方表示,每輪使用者互動所需的內容壓縮量會降低 3.5x。貼文沒有說明其他使用條件或細節。

    推薦理由:Antigravity 將 Argon、Carbon 和 Hydrogen 的上下文視窗加倍,並說明每輪使用者互動的內容壓縮量可降低 3.5x。

  10. Dev.to Top Tech44

    檔案轉換管線除錯心得:記下輸入內容,才能更快找出問題

    一份 PDF 轉出來變成亂碼 Markdown,其他檔案卻都正常。作者追查了一週,才發現原本的紀錄只有轉換結果、花費時間和狀態碼,沒有留下收到的檔案資訊;後來加上輸入內容的雜湊值,才能比對同一位使用者再次送來的檔案。作者現在會記下每份檔案的雜湊值和偵測到的型別,遇到怪問題時先確認收到的內容是不是一樣。這讓原本難重現的問題,常能在幾分鐘內重現;作者提醒,輸出讓使用者看到結果,輸入紀錄則能幫忙找出錯在哪裡。

  11. Dev.to Top Tech42

    Microsoft Playwright 如何讓 AI 助理操作瀏覽器並執行測試

    測試網站或讓 AI 助理操作瀏覽器,常得準備不同工具。Microsoft 的開源工具 Playwright 用同一套 API 操作 Chromium、Firefox 和 WebKit,也能用來跑測試、寫自動化程式,或協助 AI 助理工作。它提供命令列工具,Claude Code 和 Copilot 都是文中提到的例子;也有 MCP 伺服器,讓 AI 助理讀取網頁上的文字與按鈕資訊,再點選或輸入內容。舉例來說,AI 助理可以用它填寫表單,或操作瀏覽器。這讓同一套工具能處理測試和瀏覽器操作,使用者可依需求選擇不同方式。

  12. Dev.to Top Tech39

    AI 助理花 500B tokens 參與遊戲反編譯:長期專案更考驗工作管理

    AI 助理參與一個遊戲反編譯專案,花了約 3 個月,目標是做出行為貼近原作、容易閱讀而且能編譯的 C++ 程式碼;讓遊戲在 Linux、macOS 和瀏覽器上執行,則先排到後面。這篇文章真正關心的,是怎麼安排 AI 助理一起長期工作:先說清楚成果要達到什麼標準、把工作拆好,再提供合適的資料並檢查結果。作者也提醒,這只是單一專案的經驗,不能直接代表一般團隊;AI 能做到什麼,和你是否有權這麼做,也是兩回事。

  13. Ollama Blog77

    Ollama 和 Together AI 說明如何讓開源模型跑長時間 AI 助理任務

    AI 助理處理長任務時,每一步都會帶上先前的對話與工具結果;如果每次都重新讀完整份內容,等待時間和成本會一路增加。Ollama 和 Together AI 說明,前面讀過的內容可以先存在快取裡,下一次只處理新增部分。要讓快取派上用場,工具說明和系統提示詞要盡量保持不變,工具結果也要避免塞入不必要的大量內容;推理程度最好從一開始就固定。引擎還得把後續請求送回存有快取的機器,並在等待工具執行時妥善儲存快取。這些做法能減少重複處理,讓長工作流程更順暢。

    推薦理由:文章從提示詞安排與 GPU 快取兩端說明長任務為何會變慢,並整理維持快取的做法,適合用來改善 AI 助理的工作流程。

  14. Dev.to Top Tech68

    作者為 AI 助理打造會淡化記憶的 MemoriaBios

    AI 記憶工具常把每次對話都存下來,但記得所有細節不一定像人的記憶。作者為 MemoriaBios 設計一套會保留、淡化和回想記憶的方式,讓它在每天開始時先讀一頁簡短的自我介紹和待辦目標。記憶會依重要程度和情緒逐漸變淡,回想時也能恢復;淡到最後會留下大意和線索,部分標記為核心的記憶則保留完整內容。作者也試過用語意搜尋,發現它會找出人類很難靠線索想起的內容,因此移除了這項功能。

  15. Dev.to Top Tech42

    AER-1 如何記錄 AI 助理的工具操作,讓任何人都能檢查

    AI 助理呼叫工具後,別人很難確認記錄有沒有被改過。AER-1 會替每次工具操作留下一張紀錄,寫明用了什麼工具、送進什麼資料、工具回傳什麼結果,以及執行時間;之後若檢查失敗,也會新增一筆紀錄,不會偷偷改掉原本的內容。任何人都能重新計算紀錄的雜湊值,確認結果有沒有被動過;例如文中的 SOL 報價紀錄,重新計算後就和系統提供的雜湊值相同。不過,這只能證明紀錄沒被改,不能證明答案正確。AER-1 已有公開測試資料和其他團隊寫的檢查工具,但目前仍是 IETF 草案,還不是正式 RFC。

  16. Dev.to Top Tech53

    VEKTOR 2.0.7 推出 Windows 安裝程式與自動更新

    在 Windows 安裝 AI 工具、更新版本,常得自己處理安裝檔和程式相容問題。VEKTOR 2.0.7 推出單一 .exe 安裝程式,Node.js 已包含在內,也會在背景檢查更新。安裝程式會驗證更新簽章,更新前確認沒有 AI 使用者端正在使用;若新版本在兩分鐘內沒有正常回應,就會回復舊版。Desk 也會依問題是簡單提問,還是分析與規劃,選擇不同的回答設定;若使用雲端模型,訊息最多 1,200 個字元,且須先同意才會送出。Windows 安裝程式目前仍是早期版本,尚未經程式碼簽署。

  17. Dev.to Top Tech79

    作者用 HydraDB 打造 AI 助理工具路由圖,整理有效做法與踩過的坑

    AI 助理連上很多工具時,光讀工具說明就可能耗掉大量 token;只靠相似度搜尋,也可能漏掉任務需要的一整串工具。作者用 HydraDB 打造 Waypoint,把工具、資料型別和許可權放進圖裡,讓 AI 助理依任務找出要依序使用的工具。測試中,寄出發票 PDF 需要 6 個工具,Waypoint 用 494 tokens 找出正確流程;20 項任務的工具鏈都找對,平均使用 254 tokens。作者也記錄了路由學習、同時處理多個請求和資料庫重新啟動後無法寫入等問題,以及相應的修正或因應方式。

    推薦理由:作者用實測比較工具相似度搜尋與圖狀路由,並記錄學習規則和快取如何影響結果,呈現建置工具流程時可參考的取捨。

  18. Dev.to Top Tech56

    AI 助理遇到 429 怎麼辦?三家爬取服務的重試規則與額度提醒

    AI 助理呼叫爬取服務時遇到 429,如果一直重試,可能浪費時間或額度;有些服務也會先在自己的系統裡重試。文章整理 ScraperAPI、Firecrawl 和 Bright Data 的檔案說明,提醒開發者替每項任務和整次執行設好重試上限,並記錄每次重試花了多久。ScraperAPI 最多會先重試 70 秒;Firecrawl 的工作可能在佇列中等待,等待時間也會算進逾時設定;Bright Data 則建議遇到 429 時聯絡客服。三家的檔案都沒有說清楚 429 是否會扣額度,因此文章建議先降低同時送出的請求,並確認各服務的計費規則。

  19. Dev.to Top Tech52

    寄出 324 則私訊後,開發者分享如何找到真正想找人的買家

    在公開貼文下求助的人,可能已經找到人幫忙,或其實是正在找客戶的接案者;寄錯訊息會浪費彼此時間。作者寄出 324 則私訊,收到 310 段對話中的 73 則回覆。他提醒,回覆數不代表有多少人因此付費,而且貼文可能已刪除或被鎖定,寄出前要先確認仍看得到。作者也曾遇到 AI 篩選把想接案的人留下、把真正的買家排除,因此建議抽查被篩掉的貼文。工具會先草擬訊息,使用者讀過並核准後才會寄出。

  20. Dev.to Top Tech61

    一人開發者如何用 AI 助理打造更完整的軟體產品

    用 AI 寫程式可以很快,但產品若沒先想清楚、測試過,也沒有做好發布準備,就很難成為可靠的作品。作者分享自己如何用 AI 助理加快一人開發流程:先整理產品要解決的問題,再比較市面上的開源與商用工具、訂出功能範圍,接著分段開發並測試。他用 AgentEval Forge、ToolTrust、HivePlane 和 MCP Fabric 等專案留下程式碼、規格與測試報告,讓別人能檢視成果。作者也提醒,AI 可以加快執行,產品方向與驗收仍需要人來判斷。

  21. Databricks Blog58

    Databricks 教你把團隊工作流程寫成 Genie One 技能

    團隊常把工作步驟和格式要求記在腦中或舊檔案裡,每次都得重新交代。Databricks 說明如何在 Genie One 用對話把流程寫成技能,讓它照著步驟、檢查規則和格式完成工作。文中以每月交易簡報為例,示範先確認資料月份是否完整、再找出值得留意的變化,並查詢相關郵件補上原因;試跑後也能修正規則,再開新對話確認結果。技能還能發布給團隊使用,或設定定期執行。

  22. Dev.to Top Tech58

    LiteLLM 如何在 Google Cloud 與 Azure 間轉送模型請求並免用 API 金鑰

    多個 AI 助理各自管理模型金鑰,會讓許可權設定和用量追蹤變得麻煩;閘道若故障,也可能讓同一朵雲上的助理無法工作。作者示範在 Google Cloud 和 Azure 各部署一個 LiteLLM 閘道,讓 AI 助理用既有身分驗證,並透過工作負載身分連到 Gemini、Azure OpenAI 和資料庫,請求可改由另一朵雲的閘道處理。測試中,Azure 閘道關閉後,Azure 上的 AI 助理很快改由 Google Cloud 回應。這套做法仍依賴位於單一雲端的共用資料庫,而且每朵雲的每分鐘請求上限分開計算。

  23. Dev.to Top Tech43

    Oracle Project Cost Exceptions Assistant 協助會計人員找出專案成本錯誤

    專案成本匯入失敗時,會計人員得一筆筆找出原因,還要判斷該從哪裡處理,月底結帳時更容易忙不過來。Oracle Project Cost Exceptions Assistant 讓使用者用日常語句搜尋尚未處理的交易,再依原因分類、檢視細節並取得可能的處理建議。例如,找不到員工適用的成本費率時,可以檢視相關員工、費率表和交易日期;若只對應一筆交易,還能直接前往該筆資料。這項功能預計在 27A 推出,但只協助調查,不會自動修正交易,實際更正仍要由會計人員透過 Oracle Fusion 的相關功能處理。

  24. Dev.to Top Tech67

    小型開放權重模型能學會遵守支出規則嗎?

    AI 助理如果能動用預算,光靠付款系統攔截不合規交易,可能會讓錯誤決定進入人工審查。作者用 CohereLabs/aya-expanse-8b 測試模型能否先判斷哪些支出可以放行、拒絕或交由人確認,並用規則程式核對答案。經過調整訓練後,模型在 165 個測試情境中的正確率從 55.2% 升到 95.8%,不該放行的支出也大幅減少。不過,支出是模擬的,測試也不是讓模型實際操作付款工具;訓練資料若只著重算術,還可能讓其他判斷變得更寬鬆。

  25. Dev.to Top Tech69

    作者推出 kwant,讓 AI 助理在自架環境執行每日行銷例行工作

    雲端 AI 助理的使用額度用完時,每天固定要跑的工作也可能跟著停擺。作者 Oleks 連續兩個早晨遇到 Grok Bot 的使用上限後,改用自己開發的 kwant,讓 AI 助理在自己的電腦或伺服器上跑例行工作,也能使用本機模型或自己已有的 API 金鑰。作者示範如何讓 AI 助理檢視 GitHub 變動、把草稿交給另一個 AI 助理,再由不同的隊友檢查;發文、開啟請求等動作會先等人核准,工作也要通過檢查才算完成。這讓每日工作不必卡在雲端額度上,最後仍由作者決定哪些內容要送出。

  26. Dev.to Top Tech65

    如何用 SPIFFE 讓 Google Cloud 與 Microsoft Entra 的 AI 助理免存金鑰互通

    不同雲端的 AI 助理若靠密碼或金鑰互通,憑證就得輪替,也可能從程式碼或記錄檔外洩。作者實作了 Google Cloud 與 Azure 上的雙向連線:平臺替 AI 助理證明身分,再由 Microsoft Entra 核對來源、身分和用途,換發只供特定閘道使用的權杖。閘道還會檢查呼叫角色與允許名單,後端只接受閘道自己的身分,因此拿到有效權杖也不能繞過閘道直連。移除角色後,權杖可能仍有效約一小時,作者用閘道拒絕名單處理緊急隔離,演練中不到一秒就拒絕呼叫,快取造成的最長延遲為十秒。這種做法不必儲存或輪替金鑰,但必須嚴格限制誰能修改雲端程式與身分設定。

  27. Dev.to Top Tech68

    Uber 如何管理 AI 助理從上線到執行的安全風險

    AI 助理就算拿著合法許可權,也可能在錯的情境下做出不該做的事;而且一旦經過多個系統,團隊可能看不清是誰下令、做了什麼。Uber 的做法分成三層:上線前登記 AI 助理的身分與可做的事,執行時檢查每個動作是否符合範圍,事後留下操作紀錄並持續測試風險。身分也會跟著每次系統交接傳遞,Uber 表示,這套交換在正式環境的 P99 延遲低於 40 毫秒。文章也指出,明確限制會降低彈性;若第三方服務沒有可加入管控的地方,能用的停止手段就更少。

  28. Dev.to Top Tech45

    作者派出 32 個 AI 助理找駭客松點子,最後發現難題其實是找到客人

    作者參加一場比誰賺得多的駭客松,找來約 32 個 AI 助理研究點子、互相挑毛病,再依條件打分。第一輪只留下 Wix、Webflow、Framer 和 Squarespace 網站可用的聖誕倒數日曆,但它也差點被淘汰;作者最喜歡的 Claude Code 手機控制工具,則因官方功能和開源工具已能做到而出局。第二輪,AI 助理說法國自由工作者缺少一站式報價工具,作者查了才發現 Abby 等服務早已涵蓋相關功能。這讓他學到,AI 助理能幫忙找資料,卻可能漏掉競爭對手;真正難的是找到願意付錢的客人。

  29. Hacker News (official RSS)60

    AI 助理可能偏好能自行改裝韌體的合成器、電視與路由器

    買來的裝置不好用時,多數人不會自己改韌體;但 AI 寫程式工具讓這件事變得容易。作者以約 $70 的 M-VAVE FM-1 口袋合成器為例,說明玩家已用 AI 工具製作多種自訂韌體,廠商也公開韌體、開發工具和瀏覽器模擬器,還提供約 10 秒就能還原原廠韌體的工具。作者認為,未來 AI 助理可能替使用者尋找或安裝合適的韌體,並偏好能安全改裝、也能復原的裝置。開放設計也帶來風險,惡意韌體可能偽裝成有用版本,因此驗證安裝程式和由使用者掌握簽署金鑰也很重要。

  30. Dev.to Top Tech68

    11ty 網站如何用 llms-full.txt 打造只根據網站內容回答的 AI 助理

    網站訪客常問價格、服務物件和預約方式,但一般聊天機器人可能答錯或編出不存在的連結。作者替一間心理健康診所網站做了 Zapytaj PSYCHE,讓 AI 助理每次回答前讀取網站自己產生的 llms-full.txt;網站資料更新後,知識檔也會一起更新。程式會檢查回答中的連結是否真的存在,並限制每個訪客和全站的提問次數,也不儲存問題內容。作者也分享,整份知識檔每次都送給 Gemini,免費額度很快用完,因此改用設有支出上限的付費方案。

  31. Dev.to Top Tech51

    Culler 在 Mac 上打造開源軟體工廠,讓 AI 助理依專案方向提案

    做專案時,AI 助理可能會忙著處理任務,卻偏離你原本想做的方向。Culler 是一個在自己的 Mac 上運作的開源專案工廠,會依照你設定的專案目標,在程式碼專案中提出並送交工作,也能透過不同的 AI 服務運作。你可以自己新增工作,或請 Culler 的助理 Collie 幫忙,再逐項檢視、提出修改或拒絕。這讓人能把專案方向和工作取捨留在自己手上。

  32. Dev.to Top Tech58

    openconstructor 更新 AI 網頁編輯器,加入版面檢查與即時資料搜尋

    AI 做網頁時,可能把圖表疊在表格上、畫出不能用的按鈕,還把過時資料當成最新訊息。openconstructor 這次更新後,會在完成頁面後檢查文字、表單和圖表有沒有互相擋住;遇到新聞、價格或排名等要求時,會先搜尋資料再交給 AI 助理。頁面太大時,AI 只修改指定部分;分頁、篩選和收合內容則用 HTML 和 CSS 運作,不需要 JavaScript。作者也加入 31 個 AI 服務,其中有些服務可免費使用;文中提到 GPT-6.1 Sol 可透過 Pollinations 使用,但有每日用量限制,作者尚未比較它和 OpenAI API 的表現。

  33. Dev.to Top Tech64

    用 teach 技能打造自己的課程,邊做專案邊學 AI 工程

    上完課記住範例,遇到沒看過的問題卻不知道怎麼開始,是作者過去學習時常碰到的困難。他用 Matt Pocock 的 teach 技能建立自己的學習工作區,先寫下學習目標,再整理參考資料,並依照進度逐課學習、留下紀錄。作者用這套方法打造知識管理工具 Alembic,也在遇到平臺停止服務後,決定改用模型抽換時不會影響整體架構的做法。AI 助理可以解釋概念、出練習題和檢查程式碼,但不能替他解題或決定架構;這讓每個決定都得由自己理解和負責。

  34. Dev.to Top Tech71

    Anthropic 讓 Claude 加入 Google Meet,邊開會邊整理計畫

    開完會後才整理筆記、待辦和計畫,常讓決定漏掉或拖到幾天後才完成。Anthropic 推出測試中的 Claude Meetings,讓 Claude 以看得見的參與者身分加入 Google Meet,在會議中回答問題、草擬計畫、整理白板,也能依提問者的許可權查詢已連結的工作工具。會後,筆記、逐字稿、待辦和產出的檔案會放到 claude.ai 的會議頁面。Claude 不會儲存音訊;有外部來賓時,除非管理員事先允許,否則不會加入。這項功能目前只支援 Team 和 Enterprise 方案及 Google Meet,會議逐字稿等功能在測試期間免費,檔案和白板則免費到 2027 年 2 月 10 日。

  35. iTnews Australia35

    Virgin Australia 找出 11 個財務與採購 AI 助理用途,發票掃描已投入使用

    Virgin Australia 想用 AI 助理減少財務和採購部門的手動工作,目前已整理出 11 種用途。第一個投入使用的是 Document IO,負責掃描發票;總帳 AI 助理和幾個問答 AI 助理正在使用者驗收測試,處理應付帳款和費用申報的 AI 助理也受到內部關注。航空公司希望先從小地方開始,再慢慢擴大。這些嘗試建立在先前的系統更新上:Virgin Australia 在 2023 年從 Oracle E-Business Suite 轉到 Fusion Cloud。

  36. Dev.to Top Tech41

    如何用 REST API 旗標重建 AI 助理的事件紀錄

    遠端旗標可以決定 AI 助理要不要多做一輪分析,但旗標事後改了,光看現在的設定就不知道當時為什麼走那條路。建議在每輪工作開始前記下旗標結果,連同時間、判斷來源、執行時間和模型呼叫費用一起儲存。像是維修請求正在處理時,管理員改了旗標,這一輪仍應保留原本採用的決定。 文章提議用 60 次合成維修請求演練,測試旗標開啟、關閉、延遲讀取和逾時時的處理方式;這是功能演練,不是正式環境的效能測試。若團隊需要完整的旗標異動稽核,單靠 Infrai 這類 REST 旗標服務不夠,還得自己儲存事件紀錄;選用服務前,應確認它能否留下重建每次執行所需的資料。

  37. Dev.to Top Tech48

    AgentLens 如何用雜湊鏈記錄 AI 助理做過的事

    AI 助理可能刪掉檔案、呼叫工具或花掉 token;過了幾個月,怎麼知道留下的紀錄沒有被改過?AgentLens 把每件事依序記下來,並在每筆紀錄放入前一筆的 SHA-256 雜湊值。只要有人修改、刪除或調換紀錄,檢查時就會發現鏈條接不上。它也能接收 OpenTelemetry 紀錄,或透過 MCP 讓 AI 助理寫入事件。例如,文章展示的示範資料中,一場 45 秒的研究工作階段花了 0.3420 美元。不過,雜湊鏈只能讓竄改留下痕跡;若有人重寫整個資料庫,仍可能做出看似完整的紀錄。這個專案還很新,作者也沒有實際部署或壓力測試,因此上線前應先確認安全與可靠性。

  38. Dev.to Top Tech63

    Hunter Bryson 分享手動打造 AI 助理記憶的做法與教訓

    讓 AI 助理記住重要事情並在需要時找對資料,作者試過交給 AI 自己整理,結果常常一團亂。Hunter Bryson 分享他替 Odie 手動設計記憶的方法:用純文字檔分割槽,說到特定關鍵字時讀取相關內容;每次對話結束後,再回頭整理實際對話紀錄。Git 會保留舊版本,但助理不會再讀取它。作者也把這些做法整理成免費的 shelves,並持續試用和修改;目前搭配 Claude Code 使用。這是他現階段的實驗心得,並非已經定型的答案。

  39. Dev.to Top Tech43

    Aegis 如何用 WebAssembly 替 PostgreSQL 擋下危險的 AI 助理查詢

    AI 助理或文字轉 SQL 程式如果送出危險查詢,可能刪掉資料表、刪除整批資料,或不斷重跑浪費運算資源;用正規表示式檢查,遇到註解或複雜查詢可能失靈,請另一個 LLM 把關則會增加延遲。作者用 Go 做了開源的 Aegis,讓它夾在應用程式和 PostgreSQL 之間,先用 WebAssembly 執行 PostgreSQL 的解析器,檢查查詢內容,再決定是否放行。 例如,Aegis 會擋下刪除資料表的查詢,也會擋下沒有 WHERE 條件的 DELETE,讓這些查詢到不了資料庫;它還能依設定檔限制查詢速度,避免 AI 助理陷入重複操作。使用者只要把資料庫連線改接 Aegis,就能在不改資料庫程式碼的情況下多一道檢查。