跳到正文

#Agent

RSS
今日 22 則
11月13日週五
  1. Dev.to Top Tech58

    新模型便宜 58.8%、快 75.2%,作者仍不建議直接遷移

    作者以 EvalShift 比較來源模型與候選模型,發現候選模型雖然成本更低、速度更快,代理程式的工具選擇與語意表現仍出現回歸,因此建議暫緩遷移。 - 測試結果:重播 16 個真實案例,13.6% 的比較出現退化;工具選擇差異率為 25%,高於 10% 上限,整體等價率為 61.4%,低於 75% 門檻。

  2. Dev.to Top Tech57

    提示注入是 AI 助理的 SQL 注入:如何以隔離設計降低風險

    Michael Petler 說明,提示注入源於模型難以可靠區分指令與外部資料,現階段應以隔離和限制AI 助理能力來控制風險。 - 直接與間接提示注入:攻擊文字可能由使用者直接輸入,也可能藏在網頁、電子郵件、檔案或工具結果中;間接注入會在AI 助理讀取外部內容時進入上下文。

  3. aihot74

    Anthropic 推出 Claude Meetings 測試版,讓 Claude 以參會者身分加入視訊會議

    Anthropic 推出 Claude Meetings 測試版,讓 Claude 以可見參會者身分加入視訊會議,回答問題、協作建立檔案與白板,並產生會議紀要和行動項。

    推薦理由:Claude Meetings 的測試範圍、免費期限與外部來賓隱私預設,提供團隊評估會議流程整合與參與者同意要求的具體依據。

  4. Rohan Paul66

    Instabox 提供專為 AI 助理打造的雲端虛擬電腦,讓AI 助理能在作者的筆電之外執行。 啟動方式與速度:透過一條命令或 API 呼叫,可在約半秒內取得 Linux 或 Android 電腦。 預先安裝工具:Claude Code、Codex、瀏覽器與桌面環境。

    推薦理由:每個AI 助理使用獨立雲端電腦,讓工作可在作者筆電之外持續進行;文中也列出啟動方式、速度與預先安裝的工具。

  5. The Decoder87

    Google Gemini 4 Hydrogen 發布後四週,基準分數超越較大型的 Argon

    Google Gemini 4 Hydrogen 正式推出,定位為快速、低成本的通用模型,並在 Artificial Analysis Intelligence Index 的預設 high 層級以 51 分超越較大型的 Gemini 4 Argon(50 分)。

    推薦理由:Hydrogen 在不同思考層級呈現明顯的成本與分數差異,並與 Argon、其他模型及多項基準比較,便於評估日常工作所需的取捨。

  6. Dev.to Top Tech44

    讓團隊一起使用 AI 助理:別再各自埋頭開發

    Paws 的作者主張,團隊應共同規劃工作、撰寫提示詞,並讓多個 AI 助理在共用脈絡中分工,恢復協作開發的透明度與交接流程。 - Paws 的做法:這個多人遠端 AI 助理軟體開發環境,讓團隊與AI 助理並肩工作;專案脈絡、計畫與決策儲存在 Linear,規劃技能則存入程式碼儲存庫,供團隊成員與AI 助理共用。

  7. Dev.to Top Tech75

    如何設計能隨變更持續改善的程式碼庫

    文章提出一套以降低後續修改成本為目標的程式碼庫重構流程,透過變更訊號篩選候選區域,再由獨立AI 助理審查與驗證重構提案。 - 篩選訊號:依檔案近期變更頻率、跨目錄檔案共同變更情形,以及認知複雜度與重複程式碼等靜態分析結果,決定是否深入審查;這些訊號用來縮小搜尋範圍,不直接判定必須重構。

  8. Arena.ai38

    Gemini 4 Hydrogen 擅長知識工作。 根據超過 6,000 場真實世界的 AI 助理工作階段,Hydrogen (High) 在 Agent Arena 總排名第 5。在知識工作任務中則升至第 4。 因此,它在這類任務上的排名超越了整體排名高於它的三款競爭模型:Claude Opus 5.5 (Max)、GPT-6 Astra (Max) 和 Claude Sonnet 5.5 (Max)。 這表示 @GoogleDeepMind 的 Hydrogen 不僅是 Agent Arena 前 5 名中速度最快的模型,也是適合真實世界工作的強大選擇。

  9. Dev.to Top Tech68

    AI 助理許可權教學:存取控制、驗證與資料列層級安全

    文章說明如何讓代表使用者執行工作的 AI 助理沿用使用者身分,並由資料庫或 API 執行存取控制,避免只靠提示詞限制資料存取。 - Postgres RLS:以使用者 ID 設定資料列政策,並在驗證 JWT 後於交易範圍設定身分;連線不應使用預設可略過 RLS 的資料表擁有者或超級使用者角色。

  10. Google Developers Blog63

    Google Agent Anomaly Detection 在五個非 Google 撰寫的基準中偵測表現如何

    Google 公佈 Agent Anomaly Detection 在五個非 Google 撰寫的公開AI 助理安全基準上的測試結果,涵蓋 1,774 個工作階段;該功能會分析AI 助理追蹤紀錄與日誌,標記越出預期界線的行為。

    推薦理由:這項測試比較五個公開基準中的偵測表現,並呈現成功攔截後的告警率、誤報範圍與長期記憶投毒的弱點。

  11. LangChain Blog40

    企業如何掌握自身 AI 智慧,建立持續優勢

    LangChain 指出,企業若要把 AI 用於營運核心或客戶產品,就必須掌握讓通用智慧符合自身業務需求的系統,才能創造實際效益並建立差異化。 - 掌控AI 助理系統:管理模型、協調層(harness)與情境資料,包括檔案、政策、工具、技能、偏好、組織知識與記憶;保留切換模型供應商的彈性,也能避免供應商鎖定。

  12. AWS Machine Learning Blog66

    AWS 說明如何降低 Amazon Bedrock 每項任務成本並衡量 Agent 投資報酬

    AWS 說明如何計算 Amazon Bedrock 的每項任務成本、降低 Agent 支出,並透過人工基準與對照實驗衡量投資報酬。 - 四項隱藏成本:Tokenizer 效率、輸出冗長程度、Agent 工具迴圈次數與推理開銷,都會影響實際任務成本。

    推薦理由:文章把模型成本拆解為 token 效率、輸出長度、工具迴圈與推理開銷,並提供以成功任務成本和人工基準衡量 Agent 投資報酬的實作框架。