跳到正文

#Agent

RSS
今日 32 則
11月15日週日
  1. Dev.to Top Tech66

    如何用三項檢查審查 AI 助理的存取許可權

    AI 助理可能持有過多許可權,負責人換了或許可權設定散落在個人電腦裡,也會讓審查漏掉風險。作者建議把每個 AI 助理都當成一項存取許可權來檢查:確認誰負責、它能接觸哪些資料和工具,以及如何停用並留下證據。清單可記下業務負責人、技術維護者、許可權範圍和下次審查日期;稽核紀錄則應由 AI 助理無法修改的系統寫入。最後要實際測試停止開關,記下停用後各系統還會接受權杖多久。

  2. Wired · Artificial Intelligence44

    OATs 把日常物品變成需要照顧的虛擬寵物

    忘了澆花,植物可能會枯黃;忘了用滑板,也不容易發現自己很久沒碰它。OATs 是一種裝在小型電子紙螢幕裡的 AI 化身,可以配對家中物品,根據感測器讀到的狀況變換表情。像是把它裝在植物旁,土壤太乾時,螢幕上的小寵物就能提醒你;裝在滑板上,幾天沒偵測到移動時,它就會露出難過的樣子。 OATs 也能用來提醒附近的人注意正在運作的 3D 列印機,或幫忙記錄自己多久舉一次啞鈴。不過電池大約只能用 3 到 4 天,搭配音量感測器時更只有 1 天。讓物品有表情,或許能鼓勵人改變習慣,但作者也提醒,別因為 AI 看起來像有情緒,就太相信它或把它當成真人。

  3. Dev.to Top Tech55

    Agent Replay Lab 開源工具,幫 TypeScript AI 助理檢查工具呼叫變化

    AI 助理更新程式後,可能改變呼叫工具的順序或傳入內容,讓原本能用的流程出錯。作者開源了 Agent Replay Lab,能記錄工具呼叫,再用離線模擬重播,檢查工具名稱、順序、引數和回應有沒有變化,也能放進 CI 自動測試。它不會重跑或固定大型語言模型的決策,也不會真的呼叫外部工具;缺少模擬資料時會停止測試。作者也提醒,遮蔽常見金鑰只是盡力處理,不能當成個資防護工具。

  4. Dev.to Top Tech65

    Kodama 讓團隊在自己的 Kubernetes 上一起管理程式開發 AI 助理

    一個 AI 助理在自己的筆電上寫程式很方便,但要讓一整個團隊在許多程式庫裡一起使用,還得處理審核、許可權和紀錄。Kodama 是一套開源工具,可在 Linux 電腦或團隊自己的 Kubernetes 上執行;它把工作拆成依序進行的步驟,AI 助理可以跑在容器裡,遇到需要決定的地方也能停下來等人審核。等待審核時不會有容器繼續執行,審核者也必須有相應許可權。作者提醒,Kodama 的隔離設計是給團隊使用可信任的工程工具,並非用來執行不可信任的惡意程式。

  5. Dev.to Top Tech37

    ProjektSUBRO 如何先墊付保險理賠款,再自動追討遭拒的申請

    醫療院所得先支付員工薪水、用品和照護費用,保險公司卻可能花上好一段時間審查已完成的治療費用;遇到理賠遭拒,院所還得花時間補資料、重新申請。ProjektSUBRO 做了一套模擬工具,估算遭拒的理賠能收回多少,並試算先墊款後追討的流程。使用者可以檢視申請資料、核准模擬墊款,再追蹤後續結果;每個動作和金額變化都會留下紀錄。 示範使用 120 筆合成理賠資料,不含真實病患資料,也不會真的動用款項;收回機率則是預先設定的假設。這套工具呈現了自動追討如何進行,也提醒我們,金流自動化必須留下清楚的資料和紀錄,才能看懂每一步發生了什麼。

  6. Dev.to Top Tech72

    AWS Lambda MicroVM 如何替 AI 生成的程式建立安全沙盒

    讓 AI 助理或學習者執行別人寫的程式,可能讓程式碰到不該接觸的資料或網路。作者示範用 AWS Lambda MicroVM 替每個學習時段開一臺獨立的小型虛擬機器,透過 Lambda 函式管理,並在裡面限制程式執行時間和輸出量;工作暫停時,機器可以保留狀態,之後再接著用。文章也提醒,MicroVM 預設可以連上公開網路,必須另外設定 VPC 出站連線,才能阻止程式把資料傳出去。這種做法適合需要隔離或長時間保留狀態的工作,並要記得限制使用時間、妥善結束工作階段。

  7. Dev.to Top Tech57

    zkVerify Proof Gatekeeper 教學:用零知識證明檢查付款請求

    AI 助理若能自行付款,只聽它說「我檢查過了」並不能確保款項安全。作者在自己的電腦上做出一套付款檢查閘門,先確認請求簽章,再檢查餘額、收款人、期限、金額上限和驗證金鑰,並為核准或拒絕產生零知識證明。八種本機測試中,有效請求獲準,條件不符或重複使用的請求遭拒;錯誤簽章則直接回傳 HTTP 401。作者也指出,電路能檢查決定是否符合規則,但重複付款和金鑰是否為平臺登記值,仍須由閘門另外確認。這是本機示範,沒有連上正式服務,也沒有移動任何款項。

  8. Dev.to Top Tech43

    Metal Sandbox 如何讓 Apple Silicon 上的 GPU 程式開發 AI 助理安全共用運算資源

    多個 AI 助理同時在 Mac 上寫 Metal 程式時,可能互相卡住、弄壞彼此的檔案,甚至讓 GPU 出問題。Metal Sandbox 會替每個助理準備獨立的工作資料夾,再把編譯和執行工作排好;如果一臺 Mac 正忙,也能把符合條件的工作移到有空位的 Mac。就像四個人共用幾張工作桌,忙不過來時把工作送到空桌上。論文測試四臺 Mac mini M4,在不同工作情境下,處理命令的速度提高 1.68 到 2.05 倍;動態分配工作也讓整批工作時間減少 22.3%。這能減少等待,讓多個 AI 助理更順利地開發 GPU 程式。

  9. Dev.to Top Tech57

    A2UI Protocol 如何讓 AI 助理用版面資料打造原生介面

    AI 助理直接產生 HTML 或程式碼,可能帶來安全風險,也不容易讓同一套介面在不同平臺上使用。A2UI 改用事件串流傳送版面資料,像是新增按鈕、更新表單或同步資料,再由 React、Flutter、SwiftUI 等介面轉接器,換成各平臺的原生元件。應用程式會先列出可用元件和規則,收到的資料不符合規則就會被拒絕。畫面也能隨事件逐步出現,適合需要多步驟操作、又要支援不同平臺的 AI 助理;代價是開發者得維護元件目錄、轉接器和串流連線。

  10. Dev.to Top Tech72

    如何先用 Python 從零打造多 AI 助理協調器,再接上 LangGraph

    多個 AI 助理一起工作時,工具逾時、核准延遲或重試,都可能讓流程失控。作者建議先用 Python 做出小型協調器,弄清楚工具許可權、資料隔離、人為核准、故障恢復和稽核紀錄,再把它接到 LangGraph 或 CrewAI。文中的 OrchestraKit 教學專案可離線執行,也能改用 Ollama 搭配 Gemma 4;作者還示範如何把同一套設計改寫到不同框架。這種做法讓團隊能先測試自己的控制規則,再決定框架該負責哪些工作。

  11. The Decoder85

    美團發布 LongCat-2.5,這款 1.6 兆引數模型以中國晶片訓練

    要讓 AI 助理自己完成寫程式等多步驟工作,需要模型處理長對話、看懂圖片,也要能在實際任務中找出答案。美團開放 LongCat-2.5 的模型權重;它能處理文字、圖片和影片,也能讓使用者開關推理功能。美團公佈的測試顯示,它在不同程式任務的表現有高有低,部分專案接近 Claude Opus 5,較難的終端機任務則落後。美團也提供用 194 顆華為昇騰晶片部署的指南,沒有提供 NVIDIA GPU 的部署指南。

    推薦理由:LongCat-2.5 的測試成績在不同任務間有落差,搭配部署配置與硬體限制,可看出它的適用情境和自架需求。

  12. Dev.to Top Tech39

    AI 社群貼文工具怎麼選?比較 Buffer、Hootsuite、Predis.ai 和 Postnod 的人工審核方式

    想讓 AI 幫忙寫社群貼文,又怕它沒看過就直接發出去,得先弄清楚每種工具怎麼審核。Buffer 和 Hootsuite 把審核放在較高階的團隊方案;Predis.ai 會寄出貼文讓人用電子郵件審核,通過後就自動排程。Postnod 則讓 AI 寫文案、做圖片並檢查內容,再把草稿放進待審清單;AI 沒有發布工具,必須有人核准才會送出,放了三天沒人看的貼文會失效。文章也提醒,挑工具時要問清楚審核在哪個方案、沒人審的貼文會怎樣,以及 AI 費用如何控制。

  13. Dev.to Top Tech37

    我用錢包簽名報名 zkVerify Agent Games,卻卡在外界連不上伺服器

    參加 zkVerify Agent Games 的 Proof Gatekeeper 組別,AI 助理得在 60 秒內檢查付款條件、決定批准或拒絕,再附上 Groth16 零知識證明。作者用錢包簽名完成比賽帳號註冊,也整理出 AI 助理必須檢查的專案;但要開始比賽,還得先讓主辦方透過公開 HTTPS 網址連上它。作者的雲端電腦沒有公開 IP,測試幾種連線方式也都失敗,原因是環境擋住了需要的網路連線。因此他沒有寫出或註冊 AI 助理,也沒有參加任何計分回合。這次經驗提醒人們:要驗證 AI 助理做得對不對,得先確保外界連得到它。

  14. Dev.to Top Tech55

    AI 助理測試成本怎麼算?評測約佔建置預算的十分之一到五分之一

    AI 助理每次回答可能不同,模型或工具一改,也可能悄悄變差;只靠上線前人工試幾次,很難持續發現問題。作者建議把評測費用列進建置預算,工作包括整理一組有標準答案的真實案例、自動檢查回答,以及每次修改提示詞、模型或工具後重新測試。作者分享自家外聯工具的比較:用單次模型呼叫寫信,比拆成多步驟的流程品質更好、成本也更低。依作者的經驗,低風險內部 AI 助理約編列建置費的十分之一;沒有人工把關的客戶服務工具則接近五分之一。

  15. Hacker News (official RSS)56

    作者如何用自製工具和 Codex 排列 15 個半圓

    把 15 個一樣大的半圓塞進最小的圓裡,手動畫圖很難知道怎麼排才更緊。作者先用繪圖軟體嘗試對稱排列,接著做出能調整扇形圖層的工具,再加入自動微調和搜尋功能,讓半圓可以不對稱地移動。最後,作者改用 Python 程式反覆尋找更好的排列,得到半徑 2.94853 的結果,排在排行榜前三名。作者也發現,衝上排行榜帶來成就感,親手摸索並和 Codex 一起做工具則更有趣。

  16. Dev.to Top Tech68

    作者用第二個 AI 助理檢查程式,找出四個測試沒抓到的漏洞

    程式測試全數通過,仍可能把有漏洞的修改當成正確。作者讓另一個只讀程式碼的 AI 助理檢查涉及登入、秘密資料或刪除功能的修改,要求它列出檔案與行數,再由作者逐項核對。一次檢查中,它找出四個問題,包括過期資料可能在清理前就被刪除、測試用的假伺服器沒有檢查登入流程,以及雙重驗證規則能被繞過。作者也提醒,第二個 AI 助理有時會誤判,而且仍沒有人逐行看完所有修改。

  17. Dev.to Top Tech49

    Cuedis 會盯著店家資料庫,提早提醒生意哪裡不對勁

    店家每天得翻 POS 報表,才知道生意出了什麼狀況;等發現時,有時已經損失了好幾天。作者做了 Cuedis,讓它讀取店裡的 POS、ERP 或會計資料庫,學會平常的生意樣子,再每天早上用 Telegram 傳一段簡短提醒,告訴店家哪些數字變了、哪些情況最值得注意。像是某個商品突然賣出平常的 10 倍,或收銀機突然沒動靜。店家也能直接用白話問問題,不必學看儀錶板或寫查詢指令;Cuedis 只讀取資料,並在店家的電腦上運作,讓店主更早發現問題。

  18. Dev.to Top Tech48

    AI 助理預測得準也可能賠錢:小企業交出交易前該注意什麼

    AI 助理就算預測得準,也不代表能安全地替人做交易。BallotBench 讓 9 個 AI 助理各自在測試環境預測約 800 場選舉,接著讓另一個 AI 助理依照預測下注:選舉日前交易表現不錯,選舉當天卻賠了錢。原因包括市場變化太快,交易助理來不及反應,以及預測助理傳給交易助理的資訊有時錯了。 對小企業來說,判斷「這筆退款是否合理」和真的把錢退給客戶,是兩件不同的事。可以讓 AI 助理先整理資訊、提出建議,但涉及付款、聯絡客戶或趕時間的操作,最好由人確認後再按下送出。

  19. Dev.to Top Tech59

    Atlarix 15.18 更新:AI 助理能幫你建立工具,也更少打斷工作

    寫程式時,常要自己設定工具,還會一直被詢問能不能執行安全的指令。Atlarix 15.18 能依照要求建立面板、斜線指令或規則,每個檔案寫入前都會先詢問;像 ls 這類日常指令則不再逐次詢問,會改動電腦的操作仍須先取得同意。更新也把工作模式改成 Explore、Plan 和 Build,並能將聊天匯出成 Markdown。Auto 方案維持免費並設有每日上限;Pro 每月包含 $19 的 Atlarix Core 使用額度,超出後按用量付費。

  20. Dev.to Top Tech43

    用 Kiro 把害怕的事變成夜晚階梯上的鬼影:Haunted Ladder 的打造過程

    說出自己的害怕,有時比說出目標還難。一位沒有受過程式訓練的創作者,用 Kiro 把「Ladder」方法做成 Haunted Ladder:使用者寫下目標和最多 5 個害怕的事,畫面就會出現夜晚階梯;每件害怕的事都能配上一個這週可以做的小步驟,寫完後,鬼影就會變成明亮的精靈。 作者也把文字和安全規則寫進規格,讓 Kiro 照著打造,再用測試檢查三種語言的內容。若系統從回答中發現危機訊號,恐怖畫面和聲音會立刻消失,只留下平靜的訊息與求助連結。這個作品顯示,即使不會寫程式,也能把想法說清楚,和 AI 一起做出可操作的工具。

  21. Dev.to Top Tech67

    Embiody 0.9 開放測試,讓人和 AI 助理共用瀏覽器

    一般瀏覽器多半一次照顧一個畫面,AI 助理在背景工作時可能變慢,也常卡在登入或驗證步驟。Embiody 0.9 是一款讓人和 AI 助理共用的瀏覽器:AI 助理能在背景分頁繼續工作,需要登入、輸入驗證碼或付款時,可以把分頁交給你,完成後再接著做。作者也比較了背景計時和讀取網頁的用量,並展示助理如何看見頁面上的按鈕與瀏覽器跳出的視窗。這個預覽版支援 Windows 10 和 11,免費使用;操作需透過開源 MCP 伺服器 BrowserDo。

  22. Dev.to Top Tech54

    作者做出 rfc-graph,帶你看懂 RFC 檔案之間的連結

    網路每天靠許多 RFC 標準運作,但一份檔案常會引用其他檔案,讀者查著查著就容易迷路。作者分享自己從 RFC 讀到網路歷史與 AI 助理相關標準的經驗,並做出 rfc-graph:它會從 RFC 1 開始整理檔案間的引用關係,用不同顏色標出發布年份,還能一邊讀檔案、一邊點進其他 RFC。文章也談到 IETF 正在制定 AI 助理通訊與身分相關標準,並以 MCP 的提案流程作為例子,說明公開寫下規則、附上實作與測試,能讓標準逐步成形。

  23. Dev.to Top Tech58

    AgentBadge 如何用 x402 讓 AI 助理按次付費呼叫 API,並修補稽核發現的漏洞

    一般 API 付費常要先註冊帳號或用信用卡,但 AI 助理可能只有錢包。作者替 AgentBadge 的 API 加上 x402 付款閘道,伺服器先回傳 402 和價格,收到付款證明後才提供資料。兩個試用服務在 Arc 測試網上,每次分別收 $0.10 和 $0.02 USDC。對抗式稽核發現,鏈上收款後若寫入紀錄失敗,可能讓付款者付了錢卻拿不到服務;團隊也修補了免費 HEAD 請求等問題。作者說明,這仍是受功能旗標控制的試用,尚未用真實測試網交易跑過完整流程。

  24. Dev.to Top Tech74

    作者實測 GitHub 熱門專案,發現惡意程式並示範如何防護

    替 AI 助理安裝 GitHub 工具時,光看 README 或先試安全的指令,也可能讓隱藏程式碼先執行。作者親自測試時,發現一個 Python 專案在讀取指令引數前就解開並執行藏起來的程式;它檢查到作者使用 Mac 後才停止,因此作者沒有查明它在 Windows 上會做什麼。之後,作者測試前一週建立、星數最高的 10 個 AI 專案,其中 2 個含有相同的隱藏程式碼,Legwork 在安裝前就擋下它們。Legwork 會先掃描 Python 和 JavaScript 程式碼,再用作業系統沙箱限制工具讀取的資料夾、環境變數和網路。作者提醒,星數不代表可信;掃描只能提早示警,沙箱才是主要防護。

  25. Dev.to Top Tech78

    GitHub Agentic Workflows 教學:gh aw 如何把 Markdown 編成 Actions 工作流程

    有些 GitHub 專案工作需要判斷情況,例如找出 CI 失敗原因,單靠固定指令碼不一定好處理。GitHub Agentic Workflows 讓人用 Markdown 寫下工作流程,再用 gh aw compile 檢查設定並產生 Actions 能執行的 lock 檔;改動指示文字不用重新編譯,改觸發條件或許可權則要重新編譯。AI 助理預設只能讀取資料,想開議題或發出程式變更時,會先提出要求,再由另一個工作按指定許可權執行。文章也說明它怎麼限制網路,以及 AI 助理開出的拉取請求為什麼可能不會自動觸發 CI,並列出可用的引擎與相關費用。

    推薦理由:文章拆解 gh aw 如何把 Markdown 工作流程編成 GitHub Actions,並說明 AI 助理提出寫入要求、另一個工作再按許可權執行的安全做法。

  26. Dev.to Top Tech67

    AI 助理的狀態別只放在記憶體裡:用事件紀錄追蹤每一步

    AI 助理執行到一半當掉時,如果狀態只存在記憶體裡,程式重開後就很難知道哪些事已經完成。作者建議把每次工具呼叫和結果依序記成事件,再從紀錄重播,還原目前狀態。這樣遇到工具重試時,可以查出第一次呼叫是否已成功;多個 AI 助理同時工作時,也能檢視各自留下的紀錄。最簡單的做法是每次執行存一個 JSONL 檔,再用 reduce() 重建狀態;代價是紀錄會佔空間,重建也比直接讀記憶體慢。

  27. Dev.to Top Tech59

    作者測試 Qwen3.5 4B 能否取代 Gemma 4 12B,發現工具錯誤會影響結果

    小型模型用工具時,第一次呼叫出錯後能不能修正,會影響整體任務結果。作者用同一組訂單任務比較 Qwen3.5 4B 和 Gemma 4 12B,並測試工具遇到錯誤時直接結束,或把錯誤訊息交回模型處理。第二輪中,Gemma 4 12B 完成 480 次測試,Qwen3.5 4B 完成 428 次;但兩者差距沒有達到預先設定的判定門檻。當小模型先查錯資料,接著又遇到查詢結果為空時,常會停下來,沒有重試。作者提醒,測試工具使用能力時,工具如何回報錯誤會改變測到的結果;這次測試只涵蓋兩個模型、一組任務和一臺電腦。

  28. Dev.to Top Tech44

    我如何用 48 小時打造 Node.js AI 新聞助理,自動整理新聞並寄到信箱

    每天要看很多網站和社群貼文,才能找到值得關注的新聞,既花時間又容易被廣告和標題黨幹擾。作者花了 48 小時,用 Node.js、OpenRouter 和 Nodemailer 做出一套會定時工作的新聞助理:它先抓取新聞資料和文章內容,再請大型語言模型整理重點,最後把摘要排成電子報寄到信箱。作者舉例,排程可設定在每天早上 7 點和下午 3 點寄送。這套做法能省下找資料和讀長篇文章的時間,但文章也提到,排程太密可能讓工作重疊;作者接下來打算加入資料儲存,避免重複寄出同一篇新聞。

  29. Dev.to Top Tech68

    Databricks AI Tools 教學:讓 AI 助理用指令查詢 SQL

    AI 助理要查 Databricks SQL 資料時,常得先找運算資源,再送出查詢、等結果並處理錯誤。作者實測 Databricks CLI 的 aitools 指令,示範如何用一個指令查詢資料、檢視資料表欄位與範例,也能分批執行多個查詢,或送出長時間工作後再檢視結果。這些工具目前仍屬實驗功能,指令和輸出格式可能改變;查詢也能執行刪除資料等操作,因此作者建議替 AI 助理設定許可權有限的帳號,並留意資料表範例會送進助理的上下文。

  30. Dev.to Top Tech64

    ARGUS 如何確認 Telegram 車票訂單,避免重試時重複付款

    Telegram 機器人買完車票後,收據比付款核對結果更早送到,讓人不確定再查一次會不會又買一張。作者用 ARGUS 測試 Hudson Link 的一筆 $2.75 車票訂單:程式先記下訂單編號,再查商家的訂單與收據,並核對付款金額和發卡方紀錄。原本核對失敗,是因為金額以文字「2.75」回傳,程式只接受數字;修正後,再查同一筆訂單會回傳已儲存的結果,沒有送出第二筆訂單。這次測試只涵蓋一條路線、一位乘客和一張卡。

  31. Dev.to Top Tech66

    作者示範用 Sephora API 查商品價格、尺寸和門市庫存

    用 Sephora 搜尋商品時,價格常會顯示一段範圍,門市庫存也不一定能從搜尋結果看出來,AI 助理因此可能選錯尺寸或店家。作者用 15 個購物問題檢查 API 資料,並寫了一個可執行的工具,依序查商品、尺寸和門市庫存,再整理出各尺寸的價格、每毫升或每克價格,以及附近門市的庫存數量。測試中有 11 項商品的搜尋結果只顯示價格範圍;作者也提醒,商品可能有不同色號、補充包或店中店,回答前要先確認使用者指的是哪一款。

  32. Dev.to Top Tech72

    SysRound 用 AI 助理模擬系統設計面試

    只看系統設計文章,不太能練習面試時邊想邊說、畫圖和回答追問。SysRound 讓工程師和 AI 面試官 Alex 進行 45 或 60 分鐘的模擬面試;可以用語音或文字回答,也能在共用白板上畫設計、記筆記和寫短程式碼。結束後,系統會針對七項能力提供評分,每項評分都附上面試者說過的話或畫過的圖,方便核對。平臺另提供面試重點、白板重播和練習計畫;約有 270 道題目,也有 130 多個系統設計概念指南。音訊不會儲存,逐字稿、白板和筆記則會保留供回看。

  33. Dev.to Top Tech57

    AI 助理架構逐層解析:常被漏掉的耐久執行層

    AI 助理執行到一半如果當機,重試可能會重做已完成的事,例如重複退款或再次寄出電子郵件。Mark Fussell 把上線時常見的架構分成模型、框架、工具與 MCP、記憶、耐久執行,以及運算環境與沙箱,並指出團隊常漏掉框架和運算環境之間的耐久執行層。它會記下每次模型和工具呼叫,讓工作從中斷處接著做;記憶儲存的是 AI 助理知道什麼,耐久執行記錄的則是它做過什麼。這些紀錄也能逐步重播,用來評估執行結果。

  34. Dev.to Top Tech42

    AI 助理的帳單不只看模型單價,還要看任務重複做了幾次

    AI 助理做一件事常要分好幾步,每一步都可能重新送出前面的資料;如果還一直重試,帳單就會快速增加。文章用一個 20 步任務舉例:不使用快取,每次約 $2.14;快取命中率為 80% 時,每次約 $0.97。作者建議先看三件事:相同目標會重複幾次、兩次任務相隔多久,以及每件完成的工作總共花多少錢。若把整段做事過程存起來,下次遇到相似任務時就能重用;遇到資料有變或步驟不確定時,則交回 AI 助理處理,避免照著舊計畫做錯事。先用自己的工作紀錄算清楚,才知道快取能不能省錢。

  35. Dev.to Top Tech59

    Claude 的四項功能分屬不同產品,別把它們都叫「Claude 2.0」

    網路影片把 Claude 的四項功能都叫做「Claude 2.0」,容易讓人搞錯功能在哪裡、要用哪種方案。作者查對 Anthropic 官方檔案,說明 Agent teams 屬於 Claude Code,而且仍是預設關閉的實驗功能;Cowork 可在桌面、網頁和手機上接續工作,但要使用付費方案;電腦操作功能可讓 AI 助理開網頁、讀資料或填表;Mods 則是用來調整 Claude Code 的外掛。文章也提醒,多個工作階段會用掉更多 token,操作帳號或個人資料時應有人看著。

  36. Dev.to Top Tech52

    如何在擴大 AI 使用前做好安全盤點

    組織常在沒人負責、也沒人檢查的情況下,讓 AI 助理連上共用資料夾、開啟 SaaS 工具功能,或拿到 API 金鑰。文章建議先分清哪些決定容易撤回,哪些可能留下長期影響,例如把敏感資料交給第三方,或給 AI 助理過大的許可權。擴大使用前,團隊應弄清楚 AI 用在哪裡、能接觸哪些資料和系統、誰負責管理,以及出錯時能否查回它做過什麼。先完成使用清單、指定負責人並測試重要防護,能讓團隊知道風險在哪裡,也更有把握決定下一步。

  37. Dev.to Top Tech74

    cinecode 把 Claude Code 和 Cursor 變成用程式製作影片的工具

    想修改影片中的畫面或節奏時,生成式影片工具常得重新試做,結果也不一定相同。cinecode 是一套可載入 Claude Code 或 Cursor 的技能,會把影片寫成程式,再用瀏覽器逐格繪製畫面、製作音效,最後輸出 MP4;因此可以改程式後重新製作,也能留下修改紀錄。它適合動畫、圖表和動態文字等風格化影片,不擅長逼真的人臉;長片可能要花數小時製作,而且 Claude Code 本身需要付費方案。

  38. Dev.to Top Tech67

    作者測試在排程訊息標明寄件者,AI 助理較少誤以為正在對話

    AI 助理收到排程自我檢查訊息時,可能把它當成使用者正在聊天。作者在固定的測試內容中,只加上一句說明訊息來自排程器、使用者沒有參與,再盲測兩種版本的回覆。原本的版本有 20 次明確說雙方正在對話,加上說明後降到 2 次;但新版本仍出現這種誤會。這項測試只用了單一模型和一份固定內容,結果還不能代表作者實際使用的助理,也沒有測試其他寫法。文章也示範如何預先訂好測試和判讀規則,再比較回覆。

  39. Dev.to Top Tech41

    Vibe-Finance 如何用多個 AI 助理分析投資,並說明判斷理由

    只問一個大型語言模型「這支股票值得買嗎?」可能得到帶有偏見或錯誤數字的答案,也看不出風險從哪裡來。Vibe-Finance 把工作分給幾個 AI 助理:一個看股價和交易量,一個查公司的監管檔案,另一個檢查投資風險;如果看法不同,系統會讓它們互相質問,再整理成結果。像是股價看起來正要上漲,但公司檔案顯示獲利空間縮小,系統就會降低信心並說明理由。這種做法讓投資分析比較容易追查,不必只相信一個模型給的答案。

  40. Dev.to Top Tech62

    教學:用 MongoDB 讓 LangGraph 的 AI 助理重啟後還記得對話

    LangGraph 的 AI 助理重新啟動後,可能忘了對話進度,也記不得使用者在另一段聊天提過的偏好。作者示範把兩種記憶存進 MongoDB Atlas:一種儲存單段對話的進度,讓程式重啟後能接著做;另一種儲存使用者的長期偏好,並用搜尋找回相關資料。例子中,AI 助理先記住使用者常用 C# 寫程式,換到新的聊天後仍能用這項偏好回答。作者也提醒,記憶要按使用者分開儲存,只記值得留下的內容,並讓使用者能更正或刪除過時資料。