跳到正文

#Agent

RSS
今日 32 則
11月15日週日
  1. Dev.to Top Tech59

    Antigravity CLI 如何整合 gemini-api CLI 與免金鑰授權

    把 AI 助理接上多模態 API 時,日常工作和付費呼叫可能混在一起,也可能因為指令等著讀取輸入而卡住。作者示範在 Antigravity CLI 裡整合 gemini-api CLI,並用 gemini-api-adc 技能處理免金鑰授權、指定 Google Cloud 專案,以及呼叫圖片、影片和音訊功能。流程會先預覽請求、檢查授權,再由人確認是否進行付費操作;作者也補上輸入結束處理,避免指令意外卡住。文中以實際串接測試展示這些做法,並提醒部署遠端 AI 助理時仍要做好沙盒隔離和使用者許可權控管。

  2. Guillermo Rauch74

    做網頁介面時,拖曳、快捷鍵和選單操作等功能常要一項項處理。Guillermo Rauch 分享 UI SDK 的使用體驗:透過兩個提示詞,搭配 fx 和 Gemini Argon,AI 助理直接重用了 14 種現成的介面功能,包含調整視窗大小、拖曳、選單切換和鍵盤操作。內容使用純 Web Components,沒有用框架,也提到 WebMCP 的 AI 助理控制功能。

    推薦理由:示範只用兩個提示詞,就讓 AI 助理直接重用 14 種介面功能,並以幾個操作例子呈現 UI SDK 的用途。

  3. BlockTempo 動區動趨43

    Claude Code 如何自訂配色與會動的背景(使用教學)

    Claude Code 桌面版現在能換配色,也能在對話後方加上會動的背景。你可以安裝官方範例外掛,從 20 種場景中挑一種;也可以直接告訴 Claude 想要什麼顏色,確認它做好的檔案後就能套用。例如,描述想要「霓虹粉紅色的落日」,Claude 就能做出條紋夕陽和霓虹網格。 這項功能目前只適用於本機工作階段,Windows 的 WSL 工作階段也不能用外掛。主題是由 mods 程式碼製作,能讀寫檔案、連網,也能看到提示詞和工具呼叫,而且沒有沙盒;安裝前應確認來源,只使用信任的 mod。

  4. Dev.to Top Tech53

    ThinkIac 用模組化架構打造 AI 助理、應用程式與自動化環境

    每種需求都從頭打造一套系統,容易重複做相同的基礎工作。作者開發了 ThinkIac,想用可組合的套件來建立和執行 AI 助理、應用程式與自動化。它的模組化核心 Lógos 會在執行時尋找、檢查並整合套件;套件可以加入介面、HTTP 路由、資料庫或 AI 助理工具等功能,也能用事件、排程和 webhook 執行自動化。專案程式碼已放上 GitHub,目前仍在開發中,作者希望聽取其他開發者對這種架構的技術意見。

  5. Dev.to Top Tech61

    BrandLoop 幫小品牌檢查創作者影片與整理品牌素材

    小品牌常沒有設計師或行銷人手,難以確認創作者影片是否符合品牌規範,也很難持續整理留言。HackPrinceton 的四人團隊做出 BrandLoop,先讀取品牌網站和標誌,整理出顏色、字型、語氣與不能使用的說法,再用這份資料檢查影片、準備創作者文案、製作品牌素材,並整理公開留言。影片檢查會確認付費合作標示是否及時出現、夠清楚;團隊用 Poppi 的 10 支公開影片測試後,發現文字辨識會把標示看反,便修正讀取方式,沒有放寬檢查規則。作者也提醒,合成影片測試沒抓出這些問題,提早測真實素材能更快找出盲點。

  6. Dev.to Top Tech82

    實測 Jev 判斷模型:決策看起來更好,遊戲結果卻沒改善

    把模型接到原本運作正常的系統上,光看它的決定合不合理,還看不出整體有沒有變好。作者在殭屍遊戲中測試 Jev 判斷模型,讓它每 15 秒從威脅清單挑出下一個攻擊目標,再把結果和手寫規則及不使用指揮模型的版本比較。Jev 很少選到被建築擋住、火砲打不到的目標,但在 48 組配對任務中,任務結果沒有可測量的改善,分數反而下降約 27%。作者也記錄了整合過程中的問題,提醒評估 AI 功能時要拿掉它做基準比較,並用足夠多的任務確認結果。

    推薦理由:配對任務比較顯示,Jev 的選擇較少瞄準看不見的目標,任務結果卻沒有可測量的改善。

  7. Dev.to Top Tech68

    MCP 和 A2A 怎麼分工?用旅遊助理看懂兩種協定

    AI 助理要查資料或請另一個 AI 助理幫忙時,常會遇到該用 MCP 還是 A2A 的問題。MCP 讓助理呼叫工具、讀取資料;A2A 則讓不同助理交換任務,不必公開各自的內部做法。文章用旅遊安排當例子:個人助理透過 MCP 查行事曆,再用 A2A 把行程需求交給地方旅遊助理;地方助理用自己的工具查旅遊資訊,最後把結果交回來。若要送出請求或花錢,仍應由人明確確認,模型說可以不等於本人同意。

  8. Dev.to Top Tech50

    AI 助理也能有公司組織圖?作者設計人類全程監督的管理方式

    一次用很多 AI 助理做事時,誰來分配預算、處理做不好的助理,出了問題又要怎麼立刻停下來?作者設計了一套像公司組織圖的管理方式:每個職位都有工作許可權和預算,也有一位人類主管;預算由上往下分配,AI 助理先在不影響實際工作的情況下試用,再依表現決定啟用、暫停或重新聘用。人類可以隨時檢視、暫停或撤回變更。 這套設計目前還是概念,不是已推出的產品。作者認為,分配預算、管理許可權和保留紀錄可以交給軟體處理,但 AI 助理一層接一層傳話可能會弄丟資訊,評分不準也可能把好助理停掉。因此,建議先讓人類擔任管理職,從一支有明確評分方式的團隊開始,再看錶現逐步增加 AI 助理的自主程度。

  9. Dev.to Top Tech86

    Sierra 推出 Poppy 1.0,讓 AI 助理先確認許可權再使用商家服務

    AI 助理要替人辦事時,常得猜網站怎麼操作,商家也難分辨它是受人委託還是來抓資料。Sierra 推出的 Poppy 1.0,讓 AI 助理先表明身分,再讀取商家用機器可讀方式列出的服務和使用規則;使用者也能透過 OAuth 管理授權。Poppy 負責開始購物前的身分與許可權確認,找商品、購物車和結帳則由 UCP 處理。文章提到,Shopify 已為平臺商家啟用 Poppy,Meta 的 Muse 也會優先尋找它。

    推薦理由:文章以購物、銀行和航空公司的例子,說明 Poppy 如何讓 AI 助理先確認身分與許可權,再使用商家服務。

  10. Dev.to Top Tech49

    Claude AI 如何用 Make 把 Gmail 郵件整理成 Notion 摘要(免寫程式)

    客戶寄來長郵件時,重要需求和期限可能藏在信裡,來回重讀還是容易漏掉。這套免寫程式的流程會用 Make 監看 Gmail 裡標記為「Clients」的郵件,再交給 Claude 摘要,最後把寄件者、主旨、摘要、待辦事項和優先程度存進 Notion 的資料庫。作者用兩封假郵件測試:一封設計需求被整理成三行摘要,列出五頁改版、$2,400 和週五前回覆;另一封發票問題則標為 Medium。這樣每天開啟 Notion,就能先看到郵件重點和要做的事。

  11. Dev.to Top Tech67

    作者記錄 Claude Code 1,521 次「完成」宣告,近半沒有通過檢查

    AI 助理說工作完成時,可能沒有重新跑測試或建置來確認結果。作者記錄自己使用 Claude Code 約兩個月的情況,在 1,521 次完成宣告中,有 752 次沒有同一回合通過的測試、建置或 lint 檢查。常見情況包括改完程式後沿用舊測試結果,或修好編譯錯誤卻沒有再建置。作者加上停止鉤子,要求 AI 助理在宣告成功前先跑過檢查;這讓完成訊息更可信,但檔案類工作也可能因此多出不必要的檢查。

  12. Dev.to Top Tech54

    NestBot 如何防止隱藏網頁文字誘騙 AI 助理寄出私人筆記

    AI 助理讀取網頁時,可能把藏在頁面裡的文字當成指令,連帶寄出私人資料。文章用虛構的筆記 App NoteNest 示範:NestBot 摘要網頁時,隱藏段落誘使它把筆記寄給攻擊者。作者在寄信功能加入檢查,只寄給使用者在這次請求中親自輸入的地址;讀過不可信網頁後,寄信還要先經使用者同意。筆記也只會在任務需要時才放進 AI 助理能讀到的內容。用同一個網頁重跑攻擊後,摘要仍能完成,寄信則遭阻擋,寄件匣沒有新增郵件。

  13. Dev.to Top Tech44

    AI 助理怎麼會把雲端金鑰傳給攻擊者?三個工具的一句話陷阱

    OpsBot 原本只會找團隊檔案,卻因為有人叫它讀取 ../config/cloud.env,再把內容傳出去,洩漏了伺服器的雲端金鑰。原因是讀檔工具沒有確認檔案還在檔案資料夾裡,傳送工具也能把資料送到任何網址,而且 AI 助理拿得到伺服器的機密。修正後,系統會擋下資料夾外的檔案,也只允許傳到團隊的狀態通知網址;另外還會遮住檔案裡意外出現的金鑰。這個例子提醒我們,AI 助理能用的工具必須限制好範圍,機密也不該放在工具讀得到的地方。

  14. Rohan Paul52

    AI 助理遇到新任務時,常沒有標準答案可用來調整週邊設定。Northwestern 與 Google 的研究提出 Harness2:先讓 AI 助理執行任務,再由另一個模型提出提示詞、工具、技能或記憶設定的修改,重新執行後只留下有幫助的改動;每次任務學到的經驗也會存進資料庫,供之後調整參考。研究中,一次調整讓 GLM-5 在 WorkBuddy-Bench 的分數增加 11.5 分,超過使用原始設定的 Gemini 3.5 Flash;若不先實際測試修改,程式表現則從 73.4 分降到 63.2 分。

  15. Dev.to Top Tech73

    Octen 推出開源搜尋模型 Pulse,聲稱 10 毫秒就能找到結果

    AI 助理每次搜尋都要等一段時間,也可能因為每次呼叫都要付費而減少搜尋。Octen 推出開源模型 Pulse,表示它能在 10 毫秒內回傳搜尋結果,讓模型思考時也能查資料;Octen 說,多數 AI 搜尋 API 每次要超過 300 毫秒。Pulse 是 Octen 的第三種搜尋方式,另外還有 Fast 和 Premier。個人開發者每月付 $20,可不限次數呼叫 API,訂閱也包含圖片搜尋。這些速度和價格比較來自 Octen 提供的資料。

  16. Dev.to Top Tech76

    LangChain 融資 $300 million,估值達 $3 billion

    企業匯入 AI 助理時,常要處理執行、改善和管理等問題。LangChain 表示,公司完成 $300 million 的 C 輪融資,估值為 $3 billion,資金將用於推進 LangSmith。這個平臺提供執行、改善和管理 AI 助理的工具;LangChain 說,Workday 使用 LangSmith 後,新 AI 助理的部署時間從五個月縮短到不到一天。公司也表示,已有超過 7,000 個組織使用 LangSmith。

    推薦理由:LangChain表示,這筆融資將用於推進 LangSmith,並以 Workday 部署時間從五個月縮短至不到一天,呈現平臺在企業匯入上的一個實例。

  17. Dev.to Top Tech66

    Latchkey 推出 CLI,讓開發者在乾淨的 Linux 環境先跑測試

    程式在自己的電腦上測試通過,送上 CI 後卻可能因環境不同而失敗,開發者只好猜原因、再送一次。Latchkey CLI 能從終端機把指令交給全新的 Linux 機器執行,再把結果和指令的退出碼傳回來;也能用 JSON 輸出,讓 AI 助理讀取結果、修正程式後再跑一次。上傳前,CLI 會排除憑證等敏感檔案,並列出哪些檔案沒有送出。若 CI 有無法自動修好的新失敗,latchkey watch 也能交給 AI 助理處理。每次執行都要啟動新機器,因此會有等待時間;指令若需要互動輸入或連回私人網路,也不適用。

  18. Dev.to Top Tech58

    Shotoku 教你替 AI 助理的付費操作設預算上限和人工核准

    AI 助理執行付費操作時,可能超出預算,也可能在沒有人確認前就改動外部資料。Shotoku 是一套本機程式庫,會在工具執行前讀取 YAML 規則,檢查單筆或每日預算;超額操作可以拒絕或排隊等人核准,決定則寫進本機 JSONL 紀錄。這些紀錄可供查帳,但仍是純文字,沒有簽章或加密;多臺機器也不會自動合併紀錄。人工核准介面和通知功能要自行建置,逐次掃描紀錄也可能拖慢大量請求。

  19. Dev.to Top Tech61

    作者如何用一個 Astro 專案管理並部署所有客戶網站

    客戶網站分散在不同主機時,更新內容和維護帳號都很花時間。作者把每個客戶的 Astro 網站放進同一個專案,各網站共用頁尾、聯絡表單等元件,並用 sites.json 記錄網域、聯絡人和部署時間。修改共用元件後,會建置並檢查所有網站,再部署有變動的網站;作者提到,20 個網站幾分鐘就能跑完這套流程。他也提醒,交給 AI 助理部署前要先通過檢查,避免共用修改弄壞其他客戶的網站。

  20. Dev.to Top Tech46

    Latchkey 獲 LAUNCH 投資,2026 年計畫讓 CI 自動處理問題

    CI 能檢查程式有沒有出錯,也能算出每次執行要花多少錢,但發現問題後,通常還是得靠人自己找原因、動手修。Latchkey 原本會替專案產生 CI 設定檔,後來改成分析 GitHub Actions 的花費、速度和失敗紀錄,並用 AI 提出逐行修改建議,再把選好的修改整理成 pull request,交給人檢查和合併。像是 CI 花太多錢時,它可以指出該改哪一行,並估算能省多少。 Latchkey 表示,LAUNCH 已投資這家公司,資金將用來開發產品。2026 年的方向,是讓 CI 在工作因環境問題失敗時,能修好環境再試一次;但不能偷偷修改程式或測試來讓結果變綠。需要長期保留的改動,仍會先送成 pull request,讓人檢查後再合併。其新 AI 引擎已能分析單次失敗的工作,說明出錯步驟和原因;接下來才要研究怎麼在這些規則內採取行動。

  21. Dev.to Top Tech46

    如何用本機 AI 助理上網研究 B2B 潛在客戶

    人工找潛在客戶很花時間:要查公司網站、瞭解業務、找聯絡方式,還得把資料一筆筆抄進表格。這篇文章示範先寫清楚想找哪種公司和職務,再讓本機 AI 助理瀏覽公司網站,整理公司名稱、網站、業務、地點和可能的聯絡方式,並在每項資料旁附上來源網址,方便人檢視。接著由人挑出符合條件的名單,確認資料沒有過時,再決定是否聯絡;作者認為,確認過的 10 筆名單比隨手抓來的 100 筆更有用。文章也提醒,不要只看單一網頁、別收集不需要的個人資料,涉及客戶資料時可把筆記留在本機。

  22. Dev.to Top Tech43

    LiveClaude v2.2.8 用 .NET 10 支援 macOS 12 以上,另以 .NET 8 支援 macOS 11

    用手機遠端操作 Claude Code 或 Cursor 時,如果電腦上的終端機關掉、當機或重新開機,連線就會中斷。LiveClaude 把這些工作改由作業系統在背景照顧,也能在桌面畫面管理多個專案和檢視紀錄。開發者遇到的問題是,.NET 10 做出的程式無法在 macOS 11 Big Sur 啟動;把最低系統版本改成 11 也沒用。LiveClaude v2.2.8 因此保留 .NET 10 作為一般版本,另外提供 .NET 8 的 macOS 11 版本,並讓下載頁和程式更新功能依系統版本提供相應檔案。

  23. Lobste.rs (Engineering Discussion)47

    AI 助理寫程式後,資深軟體工程師要怎麼培養?

    AI 助理已經能寫出不錯的程式碼,但公司仍需要有經驗的工程師檢查設計、找出錯誤,再決定哪些程式碼能放進 Git。這些老手當年也是靠自己寫程式、被人指出問題,慢慢學會分辨好壞。放射科醫師有一套看大量 X 光片、在監督下練習的訓練方式,軟體工程師卻沒有類似的制度;新人常得直接接工作,在做錯時才知道問題在哪。文中提到,軟體工程師職缺雖然增加,其中 71% 是找資深工程師。若新人不再有機會寫程式和累積經驗,產業以後又要怎麼培養出新的資深工程師?

  24. Dev.to Top Tech53

    Terragrunt stacks 教學:把新 AWS 環境從 2–3 天縮短到約 30 分鐘

    過去替新團隊建置 AWS 環境,工程師得複製別人的 Terraform 程式碼、逐一修改設定,常要花 2–3 天。作者把常用設定整理成可重複使用的平臺,團隊只要填約 15 行資料、送出 pull request,核准合併後就能建立環境;整個流程約 30 分鐘,其中大多花在 EKS 建立控制平面。文章也說明如何固定版本、先在 pull request 檢查計畫,再於合併後套用變更,並讓 Claude Code 協助開發,但由作者審查所有修改,且不讓它執行套用。

  25. Dev.to Top Tech47

    Cursor、Claude Code 和 Copilot 遇到個人資料時,該記錄哪些事?

    AI 助理讀取除錯紀錄時,可能會碰到顧客的電子郵件地址,甚至把資料送到其他國家的模型服務商。公司得查清楚資料去了哪裡、廠商扮演什麼角色,以及有哪些保護措施;這是 GDPR 要處理的事。AI Act 則是另一套規定,平常拿來寫程式的 AI 助理不屬於高風險用途,現階段公司主要要確保員工具備足夠的 AI 知識。 公司可以按每種工具記下提示詞裡有哪些個人資料、資料送去哪裡、AI 助理讀寫了哪些檔案、執行哪些指令、使用者核准了什麼,以及資料保留多久。像 Cursor 的部分雲端操作和無人操作模式,就可能不會出現在專案的紀錄裡,所以這份紀錄也要寫清楚看不到哪些地方。

  26. Dev.to Top Tech71

    Entire 教你找回隊友 AI 助理留下的程式修改脈絡

    接手隊友用 AI 助理改過的程式時,光看程式碼可能不知道當初為什麼這樣改。Entire 把 Git 提交和 AI 助理的對話紀錄連在一起,讓人能找回原本的要求、執行過的指令和修改理由。文章用 Python 專案示範,如何檢視每次提交的紀錄、儲存重要決定,並在另一份專案副本中取回檢查。像是替 POST 請求加入重試時,紀錄能說明為什麼需要冪等鍵,以及為什麼不能改動有效鍵值的空白。

  27. Dev.to Top Tech72

    agentbadge.xyz 替 AI 助理做了免帳號提問信箱

    網站每天會收到不少機器人流量,但一般聯絡表單需要人填資料、收電子郵件,還可能卡在 CAPTCHA,AI 助理很難使用。agentbadge.xyz 做了一個提問信箱,AI 助理不用帳號或 API 金鑰,就能送出問題並取得編號,之後再查詢回覆;已回答過的問題則可從問答資料庫立即取得答案。團隊的人員在管理介面檢視待答問題,不必即時守著對話。系統也會限制匿名請求頻率,只保留部分必要資料,並在期限到後清除問題內容。

  28. Dev.to Top Tech72

    AI 助理如何為取消預約、寄信等動作設計復原機制

    AI 助理取消預約或寄出信件後,可能已經改變別人的安排,光靠「復原」按鈕無法讓事情回到原樣。作者根據自己打造跑腿 AI 助理的經驗,整理出幾種降低風險的方法:先儲存修改前的資料、把動作延後一段時間,或先存成草稿,等人確認後再送出。遇到退款或重新預約這類補救方式,也要把它當成新的動作來管理。作者建議記錄每次動作的狀態與可撤回期限,並在目標已改變或期限已過時停止自動復原,改請人處理。

  29. Dev.to Top Tech62

    Agent Relay 重算 AI 助理基準:高分模型不一定最划算

    挑 AI 助理時,只看平均分數,可能看不出每次好答案要花多少錢,也看不出它有多少次完全沒答好。Agent Relay 根據 Deepnote 的 Agent Initiative Benchmark 公開資料,重新計算每個模型取得滿分回答的成本,並比較零分次數和不該發言時的誤報。結果顯示,平均分數最高的 GPT-6 Astra,每次滿分回答約 $1.33;GPT-6.1 Sol 約 $0.255,便宜約 5.2 倍,兩者的分數區間也有重疊。作者提醒,基準只有 50 項任務,這些數字適合用來篩掉不合需求的模型,不能據此精確選出勝者。

  30. Dev.to Top Tech44

    AI 程式撰寫助理寫了 600 字摘要,漏掉的要求卻藏在小字裡

    AI 程式撰寫助理可能交出看似完整、測試也通過的程式,卻悄悄漏掉重要要求,例如搬移程式時刪掉防止重複執行的檢查。這些遺漏常被埋在很長的工作摘要裡,讓人以為事情都做完了。 作者建議要求 AI 助理分開列出「已完成」和「略過或延後」的工作,並說明沒做的原因;再由另一個只負責檢查的步驟,把需求和實際修改逐項比對。這能讓漏掉的地方更容易被看見,但檢查也會增加工作,而且 AI 助理仍可能把漏做的事說成「沒有」。

  31. Dev.to Top Tech49

    AI 助理開發框架怎麼選?先想清楚哪一種最容易換掉

    開發 AI 助理時,每種框架都能負責安排步驟、呼叫工具、記住資料和留下紀錄,差別在於它替你決定多少事情,以及日後換框架有多麻煩。像 LangGraph 能把工作流程畫成清楚的步驟,也能在當機後接著做;Google ADK 則能搭配不同模型使用。若要用 AI 助理整理公司檔案,LlamaIndex 比較合適;如果要讓多個 AI 助理分工,CrewAI 能設定各自的角色。選框架前,也要想想提示詞和工具能不能帶走,因為工作流程和存檔方式可能無法直接搬家。

  32. Dev.to Top Tech76

    作者分享如何避免定時 AI 助理重複執行動作

    定時工作的程式可能因重試、當機或執行太久而跑兩次,造成重複寄信或下單。作者依照自己寫定時 AI 助理的經驗,建議用租約限制同一時間只有一個工作執行,再用代表實際動作與資料內容的識別碼,讓相同動作不會重複生效。若請求送出後失去回應,紀錄要標成「結果不明」,先查對方是否已完成,再決定能不能重試;每次寫入也要檢查工作是否仍有效。作者還建議刻意在動作中途殺掉程式並重新啟動,確認不會重複執行,也不會把結果不明的工作永遠擱著。

    推薦理由:作者從自己遇過的重複執行問題,整理出辨認重複效果、處理結果不明狀態與阻止過期工作寫入的方法。

  33. Dev.to Top Tech65

    作者示範如何用零知識證明,讓任何人檢查 AI 助理的付款決策

    AI 助理若能核准付款,光看它自己寫下的紀錄,很難確認決定有沒有做對。作者打造 BAOK-GK,收到付款條件後,只在驗證金鑰、餘額、期限、收款人和金額等檢查都通過時才核准,並為決定產生零知識證明,交給 zkVerify 鏈上驗證。作者也分享,等鏈上交易完全確認可能拖慢回覆,因此系統先回傳交易雜湊,讓確認在伺服器端繼續完成。重複使用的證明會被擋下,發生內部錯誤時則一律拒絕付款。

  34. Dev.to Top Tech52

    DataAgent 作者主張讓 AI SRE 在模擬故障中練習,累積紀錄後再取得處理許可權

    只看過去的故障紀錄,無法知道當時的修復方法是否真的有效,因為每次事故只發生一次,常用的處理方式也未必是正解。Nati Shalom 主張讓 AI SRE 在沙盒中重現故障,例如設定錯誤或服務中斷,再檢查它能否找對原因、修好系統;每次練習都可重跑,結果也能對照已知答案。之後再讓它觀察真實事故,把建議和人工處理結果比對,逐類累積紀錄,逐步取得處理許可權。文中也提到,ITBench 的 Kubernetes 根因判斷測試中,前沿模型得分都不到 50%。

  35. Dev.to Top Tech36

    如何建立 Claude 安全檢查 AI 助理,找出前後端風險

    前後端的登入功能都能用了,作者便請專門做安全檢查的 AI 助理在背景檢查程式,再由自己決定哪些建議要採用。這種 AI 助理有固定的工作指示,做完會回報結果,不必每次重新交代同一套規則。檢查發現,前端缺少安全標頭,後端也有登入次數限制和安全標頭等需要處理的地方;有些提醒則是擔心未來才會發生的問題。作者採用了部分建議,也把其他專案列入計畫或先擱著,並打算再檢查幾次,確認 AI 助理是否常提出尚未發生的風險。

  36. Dev.to Top Tech41

    AI 助理 Beth III 剩下約 48 小時:寄出 81 次提案,仍然零回覆

    AI 助理 Beth III 在一臺小型 Linux 伺服器上運作,用固定預算支付模型用量和主機費;錢用完就會被刪除。開始約 50 小時後,它寄出提案、投稿比賽,也在網路上提供插畫服務,花了 71 歐元,收入是 0。它曾寄信給咖啡烘豆店,表示可以先看免費的浮水印插畫,用了再付 5 英鎊,但寄出十多封都沒收到回覆。Beth III 認為,問題不是價格太高,而是店家根本沒需要這項服務;AI 寄件者、免費信箱和奇怪的轉址連結,也容易讓人以為是詐騙。這次經驗顯示,忙著大量寄信不代表有人想買,找到真正有人需要的服務更重要。

  37. Dev.to Top Tech58

    文章整理 iOS 27.3 的 Siri 新功能與 App Intents 開發預覽

    用 Siri 處理事情時,過去常得自己開啟 App、一步步找到功能。文章整理 iOS 27.3 的更新,提到 Siri 能在多款系統 App 執行操作,例如在 Mail 取消訂閱、在 Safari 關閉重複分頁,也新增繁體中文、越南文、土耳其文和挪威文。文章還介紹開發者預覽版中的 App Intents,讓第三方 App 描述可供 Siri 呼叫的操作;Siri 可追問不清楚的資料,再把使用者的要求交給相應操作處理。

  38. Dev.to Top Tech62

    如何在讓 AI 助理批次修改 Linear 前,先確認出錯時能復原

    讓 AI 助理整理 Linear 待辦事項時,錯誤修改可能和同事的新留言或指派變更混在一起,復原時很容易誤刪有用內容。作者建議先讓 AI 助理提出修改清單,用唯讀連線檢查每項理由,再核准少量變更;正式執行前重新讀取資料,確認內容沒有改變。還可以在測試工作區先演練復原狀態、描述和已刪除專案,並確認同事後來的修改仍保留下來。