機器人抓取物品的夾爪有哪些?一次看懂四種常見設計
機器人要拿起物品,得先選對夾爪;物品的形狀、材質和表面,都會影響能不能抓穩。常見設計有四種:平行夾爪用兩根手指夾住物品,多指夾爪靠好幾個接觸點配合不同形狀,吸盤夾爪靠吸力固定,磁力夾爪則用磁力吸住能被磁鐵吸引的材料。 例如,吸盤適合表面平滑、不容易漏氣的物品;表面粗糙或有孔洞時,就可能吸不牢。沒有一種夾爪適合所有工作,挑選時得看物品和工作環境。有些夾爪還會用感測器確認是否抓穩,讓機器人能在抓取時調整做法。
機器人要拿起物品,得先選對夾爪;物品的形狀、材質和表面,都會影響能不能抓穩。常見設計有四種:平行夾爪用兩根手指夾住物品,多指夾爪靠好幾個接觸點配合不同形狀,吸盤夾爪靠吸力固定,磁力夾爪則用磁力吸住能被磁鐵吸引的材料。 例如,吸盤適合表面平滑、不容易漏氣的物品;表面粗糙或有孔洞時,就可能吸不牢。沒有一種夾爪適合所有工作,挑選時得看物品和工作環境。有些夾爪還會用感測器確認是否抓穩,讓機器人能在抓取時調整做法。
PyTorch 的 macOS 建置工作有時會卡住,讓等待中的程式碼合併一直停著。這次修改替建置步驟加上 90 分鐘限制,整個工作則設為 120 分鐘;如果建置超時,清理工作仍會執行,後續測試工作會跳過。過去 60 天,成功的 macOS 建置最久花了 50 分鐘,因此新限制能讓卡住的工作提早結束,減少它阻擋合併的時間。不過,造成卡住的 sccache 問題本身還沒有修好。
改完前端程式碼就得整頁重整,表單內容和畫面狀態也跟著消失,是 Rails 開發時可能遇到的麻煩。作者把實作經驗做成 rspack_rails,讓 Rails 搭配 Rspack;修改 Stimulus 控制器時,頁面不必重整,原本的畫面狀態也能保留,React 元件則支援 Fast Refresh。作者在 Apple M1 上測試,修改一個元件後,Rspack 重建花 83 毫秒,esbuild 花 279 毫秒;但 esbuild 的冷建置仍快一些。作者也說明安裝方式與適用情況:需要 React、TypeScript 或熱更新功能時可考慮這套工具;如果只用少數 Stimulus 控制器,Rails 內建的 importmap-rails 可能就夠用。
有個列出 GitHub 專案的 MCP 工具,檔案寫著 limit 可以限制要拿回幾個專案,但用 stars 或 forks 排序時,實際上會先向 GitHub 下載最多 100 個,再自己排序,只把指定數量交給呼叫者。像是 limit=1,結果只回傳 1 個專案,背後卻下載了 100 個;用 updated 排序時才真的只下載 1 個。這是因為 GitHub 的 API 不支援直接按 stars 或 forks 排序。作者用假資料測出這個差別,提醒開發者:工具回傳幾個結果,不代表它只下載了幾筆資料;檔案也該說清楚這筆看不見的成本。
想檢視社群貼文的按讚、留言和觀看次數,常得付費使用平臺 API。作者做了 social-pulse,輸入公開貼文連結,就能用命令列查詢 TikTok、Instagram、Facebook、X 和 YouTube 的互動數字,也能一次處理多個連結並輸出 CSV。各平臺提供的資料不同;例如 Instagram 的部分數字需要登入 Cookie,X 的轉發、收藏和觀看次數會透過第三方服務取得。這個工具讀取平臺未正式提供的頁面資料,平臺一改版就可能失效;作者也提醒要留意各平臺使用條款,並且不要公開 Cookie。
排程器最多隻能執行 15 分鐘時,長報表若全塞在一次工作裡,逾時後就很難確認哪些客戶收到內容。作者建議讓 Cron 只建立排程紀錄,再替每位客戶排入一項工作,由背景工作逐一整理並寄出摘要。每項工作都帶著排程編號、客戶編號和固定的資料版本;如果寄信後工作突然中斷,重試時可以用同一組識別資料查出結果,避免重複寄送。這種做法也需要記錄進度、處理失敗工作並監看佇列;若工作很短、可安全重跑,直接用 Cron 會更簡單。
自動化工作每次都顯示成功,影片卻可能根本沒有公開。作者檢查停擺 7 個月的 YouTube 頻道時,接連找到七個問題,從缺少設定檔和套件、執行時記憶體不足,到 OAuth 許可權不符與影片被設成私人,前一個問題常讓後面的問題無法被發現。為了確認結果,他做了開源監測工具 quiet-pipelines,每天從管線外檢查有沒有新影片公開;測試工作也不再拿到 YouTube 登入資料,避免測試時意外發布。作者提醒,工作程式顯示成功,不代表影片真的上線;而監測影片是否出現,也抓不到縮圖失敗這類不完整輸出。
替付款把關的程式即使說自己檢查過,也不代表別人能確認結果正確。作者為 zkVerify Agent Games 做了一個支付判斷 AI 助理,並用零知識證明讓平臺檢查決定是否符合收款人、餘額、期限和金額上限等條件。測試中,條件正確時可以產生證明,故意給錯判斷則無法產生;作者也公開了可重跑的檢查方式。不過,證明只涵蓋電路檢查的五項條件,不能保證所有判斷都正確,例如重複使用證明的檢查仍由程式負責。
AI 助理開始能依照使用者設定的目標和風險限制,自行分析市場、決定持倉、下單並監看風險;Coinbase Ventures 把這種做法稱為「代理交易」。它以跨加密資產和半導體股票配置投資組合為例,說明代理如何依照回撤上限和每週再平衡要求執行策略。文章也把相關技術分成資料與模型、代理框架、交易執行、合規與紀錄四層。Coinbase Ventures 認為,單純代為下單的價值可能變低,長期機會在能累積專屬交易資料、形成決策閉環並取得使用者資產信任的團隊;交易代理也需要可查核的決策紀錄與合規措施。
使用 CPUOffloadPolicy 時,FSDP 會把引數從主記憶體搬到 GPU;如果另一段程式同時搬回啟用函式需要的資料,兩邊會搶同一條傳輸通道,引數可能因此晚到,後續工作也跟著延遲。PyTorch FSDP2 新增 get_all_gather_copy_in_stream(),讓程式等引數複製完成後再搬回啟用函式需要的資料,讓兩種工作能重疊進行。這個方法要等 FSDP 完成延遲初始化後才能呼叫;若改用目前的資料流處理引數複製,等待它就不會改變執行順序。
Microsoft Agent Framework 的 Python 套件出現惡意版本,可能讓 Azure 和 CI/CD 環境的憑證外洩。攻擊者在 PyPI 上發布 1.26.1 和 1.26.2 版,利用 Python 啟動時會處理 .pth 檔案的機制執行竊取程式;只要環境安裝了惡意版本並啟動 Python,即使程式沒用到框架功能也可能受影響。兩個版本已從 PyPI 移除,但實際受害規模尚未確認。企業應檢查開發環境、容器映像與 CI/CD 紀錄;若發現受影響,應移除惡意程式、更新可能外洩的憑證,並檢視 Azure 和 GitHub Actions 的存取紀錄是否有異常。
推薦理由:這起事件顯示,安裝受汙染套件後,即使程式沒有使用框架功能,啟動 Python 仍可能觸發憑證竊取,企業需一併檢查開發環境與雲端存取紀錄。
PyTorch Inductor 把多個小型運算合在一起跑時,可能讓不同運算共用同一組執行設定;如果其中有加總運算,設定不同就可能改變加總順序,讓結果和單獨執行時出現些微差異。這次修改會按各運算調好的設定拆分組合,並讓含加總運算的組合跳過執行時再次調整設定。測試中,原本 32 個輸出有 22 個和單獨執行不同;修正後,結果能逐位元相同。實際測試的 7 組圖表,執行時間變化平均為 +0.09%,落在每次測量的自然波動範圍內。
用 AI 助理查合約和發票時,回答可能說得很肯定,卻捏造條款或頁碼。作者做了 localdoc-agent,讓資料留在自己的電腦上,並要求回答附上原文引句和資料片段編號;程式會檢查引句是否真的出現在片段裡,核對失敗會讓模型再試一次,再失敗就拒答。作者也加入程式計算合約金額,因為模型算術不可靠。這個工具不讀掃描版 PDF,速度也不快;在作者自訂的 18 題測試中,Gemma 4 12B 答對 18 題,Gemma 3 4B 答對 4 題。
AWS Blocks 的 GitHub 專案搬到 aws 組織後,名稱改成 CDK Blocks,相關程式碼也開始改名。作者是專案貢獻者,他根據公開的 PR 和 GitHub 紀錄整理進度;文章刊出時,官方還沒有公告,說明檔案仍沿用舊名稱,新的 npm 套件也尚未發布。未來版本可能更改套件名稱、環境變數和產生的資料夾名稱,升級前應檢視更新內容。作者也指出,GitHub 網址轉址不會同步更新 AWS IAM 的 OIDC 信任政策,搬移後若測試或部署驗證失敗,可能要檢查政策中的儲存庫名稱。
做網路安全調查時,常得在一堆工具之間切換,或手動準備許多 API 金鑰才能查資料。TheBigBrother 的 VX.1 把平臺擴充到 76 個引擎,其中新增 24 個免金鑰模組;像是攻擊面掃描會同時檢查網域、網站標頭和雲端儲存空間,再整理出風險評分與改善建議。新版也能把即時掃描結果畫成網路關係圖,並更新操作介面。這些功能讓資安人員能在同一個工具裡整理更多線索;文章也提醒,掃描目標前要先取得明確授權。
只看 Linux 課程容易忘記指令,也很難想像資料夾怎麼變化。作者做了 Pixel Linux Quest,讓初學者在瀏覽器裡讀短課程、練習指令,再解鎖下一關,不必安裝軟體。輸入 mkdir 建立資料夾時,畫面上的地圖也會跟著出現資料夾;打錯指令時,企鵝 Pip 會用簡單的話解釋錯誤。網站目前開放 Linux 基礎和第一批指令兩個單元,共 8 個關卡,還有可安全試錯的沙盒。
用筆名寫部落格時,一行不小心留下的資料就可能讓人認出作者。Hiro 做了一套檢查,在網站發布前掃描文章,發現違規內容就停止建置;提交程式碼前,另一道檢查也會搜尋金鑰和 ID。檢查能抓出姓名、電子郵件等已知線索,但抓不到幾段看似無害的描述合在一起暴露身分。作者因此把服務介紹改得更籠統,並加入 AI 通讀全文,判斷細節合起來可能透露什麼。文章也提醒,先訂好哪些內容可以公開,會比事後刪改容易。
分析電網資料時,常要同時比較發電方式、地區和時間,架設雲端伺服器又會增加成本。作者打造 Energía Perú OLAP,把電力資料整理成 Parquet 檔,再由 DuckDB-Wasm 在瀏覽器裡查詢,因此不需要後端伺服器。使用者可以依年份、電網區域和發電方式篩選資料,也能檢視發電量、收入、成本與碳排放,並從年度一路切換到季度、月份或電廠。工具還會顯示實際執行的 SQL,並在部署前核對資料加總是否一致。
駭客原本需要花好幾天測試企業網路弱點,現在有些攻擊能在幾小時內完成。Artex 是一套開源框架,會把外部 AI 模型和既有的滲透測試工具接在一起;操作者用日常語言下指令後,多個 AI 助理便會分工掃描、嘗試入侵和整理結果。資安公司已將 Artex 與多起攻擊企圖及成功入侵連結,包括針對金融機構和政府單位的行動;研究人員也指出,這些工具目前常因短時間送出大量請求而容易被發現。修補軟體、避免使用預設密碼或公開機密資料,並留意異常網路活動,有助於防範這類攻擊。
推薦理由:報導整理 Artex 如何把既有滲透測試工具交給 AI 助理執行,也呈現攻擊速度、受害案例與目前可用的防禦方式。
Claude Code 的使用紀錄分散在不同檔案,有些還會在 30 天後刪除,作者一開始只算出今年有 71 個活躍日。作者做了 agent-wrapped,合併 Claude Code 和 Codex 留在電腦上的紀錄,最後產生一個可翻看的網頁和一張可存下來的圖片。補上提示詞紀錄後,活躍日數變成 126 天,但其中 55 天沒有 token 數量,所以工具只顯示至少 72M+,不猜缺少的數字。資料不會上傳,圖片只顯示總數;也能匯出不同電腦的紀錄再合併。
告警如果直接交給 AI 助理處理,程式途中當掉或通知重送時,可能會漏掉調查,也可能重複花費模型用量。作者用 Go 做出開源工具 Pagedog:它先把告警存進 Spooler 佇列,再由工作程式呼叫 LLM,搭配可讀取記錄和指標的工具找出可能原因,最後把報告存起來並通知相關服務。工作程式中斷時,佇列會在租約到期後重新交付告警;調查完成後,也能一次完成舊工作確認和新報告交接,避免中途故障造成報告遺失。通知採至少一次送達,因此部分目的地可能收到重複報告。作者也說明,這套流程可套用到其他需要分階段執行、重試和交接工作的任務。
推薦理由:Pagedog 把告警調查拆成可重試的佇列步驟,並用原子交接避免調查完成後遺失報告,呈現分散式 AI 工作流程的設計取捨。
Claude Code 每次開新工作階段時,常得重新讀檔案、重問問題,也可能重犯已修好的錯。開源工具 claude-mem 會把工作過程整理成短筆記,讓下一次開啟專案時能接著用;需要更多細節時,也能搜尋過去的紀錄。記憶資料預設留在自己的電腦,只有開啟雲端同步才會上傳。安裝要在終端機執行 npx claude-mem install,而選用 claude-mem 的 observer 會先開始 30 天試用,結帳頁會要求提供付款方式。文章也提醒,專案過去曾收到安裝程式未先詢問便傳送提示詞的回報,目前安裝時會讓使用者選擇各項設定。
團隊花錢使用程式開發 AI 助理後,常很難看出這些花費帶來了什麼成果。LangSmith 新增報表,把 Claude Code、OpenAI Codex 等 AI 助理的使用花費連到它們參與的 PR,並按 PR 狀態、工作型別和使用的模型整理資料。團隊可以檢視每個 PR 花了多少、哪些工作沒有產生 PR,也能點進對話瞭解原因,並比較更換模型前後的花費與合併成果。這項功能目前在 LangSmith Cloud 公開測試。
推薦理由:LangSmith把程式開發 AI 助理的花費連到合併的 PR 與工作內容,能協助團隊比較模型調整前後的成本和成果。
Java 的 Base64 解碼器有記憶體越界漏洞,攻擊者可能在沒有登入的情況下讓服務當機;研究公司 Calif 表示,也已在 Jira、Jenkins、Keycloak 等產品的預設設定中做到遠端執行程式碼。漏洞只會影響特定 Java 版本搭配支援 AVX-512 VBMI 的 x86-64 CPU。其他實驗室確認了記憶體損壞與當機,也在本機測試中讀出記憶體內容,但尚未重現遠端執行程式碼;加拿大網路安全中心表示,目前未掌握遭利用情況。Oracle、OpenJDK 和 Amazon Corretto 已提供修補版本,Red Hat 的修補仍在準備中。
推薦理由:這起漏洞同時受 Java 版本與 CPU 型號限制,文章整理了遠端程式碼執行主張、獨立實驗室確認的範圍,以及各廠商修補進度。
自動化建置憑證如果遭竊,攻擊者可能拿它直接公開惡意套件。NuGet.org 新增選用的暫存發布功能:套件上傳並通過檢查後,會先留在暫存區,使用者看不到也無法安裝,必須由已啟用雙因素驗證的授權維護者核准,才會公開。團隊也能把多個套件放進同一群組檢查後一起核准,但各套件仍分開開放下載,無法保證同時上線。暫存套件不能下載測試,團隊需先在本機或私人套件庫測試;暫存功能目前已開放給 NuGet.org 發布者選用。
備份資料庫時,如果要讓備用伺服器讀到新的記錄,過去可能得先把檔案搬到指定位置。WAL-G 3.0.10 新增 PostgreSQL 的 wal-send,可以透過串流複寫協定,讓備用伺服器直接從物件儲存讀取 WAL,並在新片段到達時接著讀取。這次也改善了備份上傳、S3 傳輸和 Greenplum、Cloudberry 的備份還原流程;要留意的是,永久備份雖然仍不會因保留期限而刪除,但指定刪除目標時可以刪掉。
讓 AI 助理參與開發時,討論內容可能越聊越偏,程式碼也可能和設計檔案對不上。作者分享八個技能,讓工作從討論、記錄決定,一路接到開發和檢查:例如先整理還沒決定的問題,確認後再寫進專案規格;開發時則用程式碼檢查找出實作和檔案的落差。這些技能能提早發現偏差,但不能代替人選擇設計,也不會保證設計正確。作者也提供一個簡單流程,讓人先試著完成一次小型開發迴圈。
Git 不會強制大家用同一種提交訊息格式,所以團隊若想維持一致,就得另外檢查。作者採用 Conventional Commits,示範用 commit-msg hook 檢查提交訊息第一行的型別、範圍和長度,也說明要把 hook 放在共用資料夾,其他人才能一起使用。若用 squash merge,GitHub 會用 PR 標題當提交訊息,因此作者也加上 GitHub Actions 檢查標題格式。這些檢查能幫忙擋下格式不合的訊息,但作者沒有測試 Windows、commitlint 等其他工具。
想用 AI 查資料庫,又不想讓 AI 讀取資料內容,常讓人兩難。AskDB 是開源工具,會把問題轉成經過檢查的 SQL;模型能看到資料表結構和人寫的說明,不會看到資料列或查詢結果。開發者可以在說明裡寫清楚「銷售」代表已付款訂單、金額以分儲存等規則,AskDB 再把這些資訊交給模型產生查詢。工具會檢查是否有改動資料的指令,也能檢查租戶條件和敏感欄位,但檢查是啟發式的,不能當成安全邊界;應用程式仍須用唯讀、許可權受限的資料庫角色執行 SQL。作者宣佈 AskDB 1.0 候選版,並說明它不保證商業答案正確,重要查詢仍需人工確認。
收到漏洞通知後,團隊常得先查清楚哪些已發布版本用了受影響的套件。這篇教學示範如何把 SBOM 附在每個 GitHub 發布版本上,再用 GitHub Actions 比對套件版本與漏洞影響範圍。範例中,v1.2.0 使用的 is-number 6.0.0 落在受影響範圍,v1.3.0 使用的 7.0.0 則不在範圍內。實際上線時,作者建議從交付的軟體產生 SBOM,並搭配部署清單確認哪些環境正在使用受影響版本。
攻擊者不必找出 GitHub Actions 的漏洞,只要拿到有許可權的開發者或機器人帳號憑證,就可能把竊密程式放進 CI 工作流程。研究者統計,約 4,800 個遭入侵帳號曾向 61,764 個儲存庫送出測試許可權的請求;不同研究統計了收到惡意程式碼或實際執行程式的儲存庫,數字代表的情況不同,不能相加當成受害者數量。程式會搜尋 GitHub 權杖、雲端憑證和 AI 服務金鑰,也可能透過 npm 安裝流程影響開發者電腦。文章建議撤銷並更換可能外洩的憑證、檢查工作流程與雲端紀錄,並讓每個工作只拿到完成任務所需的最低許可權。
推薦理由:這起攻擊顯示,遭竊的有效憑證可讓攻擊者借 CI 工作流程執行竊密程式;文中也整理了憑證輪替與許可權收緊的處理方式。
惡意程式若把聯絡伺服器寫死在網域或 IP,防守人員找到後就能設法封鎖;藏在公有區塊鏈裡的聯絡資料,卻很難從帳本上刪除。Cisco Talos 說明,駭客會把加密過的伺服器位置放進 Bitcoin 交易、EVM 智慧合約、TRON 錢包交易或 Solana 備忘錄,再讓受感染的電腦透過公開 RPC 查詢並取出資料。攻擊者更新鏈上的位置後,惡意程式就能取得新位置,不必重新安裝。文章建議企業留意異常頻繁的 JSON-RPC 查詢、檢查端點記憶體,並在業務不需要時限制連往公開區塊鏈節點的流量。
程式專案常要等 CI 測試跑完,團隊也得花時間找出哪些流程拖慢速度、增加費用。StarSling 提供 GitHub Actions 執行環境,並讓 AI 助理分析工作流程、執行紀錄和機器資料,提出修改後與原流程並排測試,再把結果較好的改動連同基準資料送成 PR。團隊表示,Mastra 最慢的一項工作流程從 29 分 56 秒縮短到 5 分 06 秒;他們也說,開源專案測試平均快 10 倍、執行器使用時間少 70%。
MCP 伺服器在處理 Git 專案、列出資料夾內容和連線網址時,可能讓外部設定或特殊路徑觸發不該發生的操作,甚至讀到允許範圍外的資料。Anthropic MCP v2.5.0 修補了三個伺服器的八項漏洞:mcp-server-git 升級至 2026.11.18、@modelcontextprotocol/server-filesystem 升級至 2.4.0、@modelcontextprotocol/server-everything 升級至 2.3.1。修正內容包括阻止 Git 自動執行外部程式、拒絕索引中指向工作資料夾外的路徑,以及檢查 NAT64 網址內藏的 IPv4 位址。使用日期版本的 filesystem 使用者需明確安裝 2.4.0;Windows 上的資料夾列舉限制仍未修正。
AI 助理在正式環境答錯時,往往不會像程式當機一樣留下明顯錯誤,修正也不一定真的有效。這篇指南比較 8 款能把線上問題變成 Pull Request 的工具:有些會重播出錯的對話來檢查修正,有些只附上評估結果,也有些要自己接上測試。像 LangSmith Engine 能把問題重播到修正版上,但這項功能仍在私人測試版;Latitude 則可把失敗紀錄接進 CI,當成之後檢查用的回歸測試。這些工具都會把合併交給人處理,挑選時可先看它們如何重現問題、驗證修正。
想保護程式碼時,常要在增加破解難度和維持執行速度之間取捨。VMProtect SDK 可以用標記指定要保護的程式區段,再選擇改寫原生指令的 Mutation、改成虛擬機器指令執行的 Virtualization,或兩者並用的 Ultra。文章整理手冊對速度與保護力的說明,也查了 190 個公開 GitHub 專案:其中 156 個使用程式碼標記,Ultra 最常見。不過公開專案不代表所有商業使用者;作者也提醒,虛擬化會拖慢受保護的程式碼,適合用在不常執行的關鍵判斷,實際影響要用自己的程式測量。
只封鎖或放行整個網域,很難分辨 GitHub 上的正常開發工作和惡意活動。Kaspersky 的報告指出,GitDoor 會透過 GitHub API 讀取指令、上傳受害者資料;另一個後門 GraphDoor 則使用 Microsoft Graph 和 SharePoint 傳送資料。文章建議檢查 HTTPS 請求的完整路徑、使用的 GET、PUT 或 POST 方法,以及發出請求的裝置,並確認連線是否指向公司自己的 GitHub 組織或 SharePoint 租戶。檢視路徑需要 HTTPS 檢查;若攻擊者拿到公司 GitHub 組織的憑證,光看帳號仍可能無法攔下,因此也要留意請求方法和來源裝置。
診所下班後,網站可以回答營業時間、地址和預約方式,卻不該猜測「我該不該吃抗生素?」這類醫療問題。這份開源示範用事先核准的常見問答和固定關鍵字回覆;遇到不確定的問題,就提供聯絡真人的方式。像是預約按鈕只會開啟示範用連結,轉接訊息也不會真的通知櫃檯,而且程式執行時沒有使用大型語言模型。這套工具適合用來展示怎麼把回答範圍訂清楚,但它不是經過臨床驗證的系統,關鍵字也可能漏掉問題或答非所問。
Python 專案變大後,要找出沒用到的程式碼,可能得花不少時間,也容易把不同模組裡同名的程式混在一起。Unref 是以 Rust 撰寫的檢查工具,使用 Ruff 的語法分析器來找未使用的類別和函式,並按模組分開辨認名稱。作者表示,Unref 檢查約 2,300 個檔案的 CPython 程式碼不到 1 秒,速度是 vulture 的 20 倍;它也內建 pytest、Pydantic 和 SQLAlchemy 等工具的規則。