跳到正文

#Agent

RSS
今日 29 則
11月21日週六
  1. Dev.to Top Tech62

    Expo Exact 如何用不同架構打造跨平臺 App

    跨平臺 App 常要在共用程式碼和各平臺的原生操作感之間取捨。Expo Exact 是一個實驗性框架,不使用 React 或 JSX,而是用名為 Contract 的介面描述語言搭配 Rust 執行環境;iOS、macOS 和網頁則分別使用 UIKit、AppKit、DOM 與 CSS。它也設計了讓 AI 助理建置、執行、檢視畫面、模擬操作和測試 App 的工具。作者認為這提供了不同的開發方向,但 Exact 目前不是 React Native 的替代品,既有 React 元件和其他整合也無法直接搬過去。

  2. Dev.to Top Tech43

    AI 寫程式讓開發者重新思考工作的意義

    以前寫程式時,作者喜歡自己慢慢琢磨,找到漂亮的解法也很有成就感。但團隊開始使用 Claude 後,他幾乎不再親手寫程式,工作變成安排 AI 助理做事、規劃功能和做決定;團隊也因此能更快完成專案。這讓他既興奮又不安,擔心未來開發者的工作會變成什麼樣子,也懷念親手打造作品的感覺。即使如此,他仍希望繼續做能幫助人們的產品,也盼望 AI 帶來的改變能讓大家過得更好。

  3. Dev.to Top Tech72

    Control Plane 說明如何安全地讓 AI 助理使用 GPU

    讓不受信任的 AI 助理程式使用 GPU,難處在於程式仍得接觸 NVIDIA 驅動程式,而共用 GPU 可能讓不同使用者互相影響。文章整理兩種隔離方式:用 gVisor 的 nvproxy 擋住部分驅動程式呼叫,或把整張 GPU 傳給虛擬機器使用;每個工作也應有獨立 GPU 或 MIG 執行個體,並封鎖不必要的網路和憑證。時間切片沒有記憶體或故障隔離,因此不適合讓不受信任的程式共用。Control Plane 的做法是讓 AI 助理在獨立環境工作,再把 GPU 工作交給使用固定、經審查映像檔建立的獨立工作負載。

  4. Dev.to Top Tech50

    aiFetchly 如何把客戶來信變成可重複的回覆流程

    小團隊每天收到客戶來信,常得先找出對方是誰、需要什麼、何時需要,再想好怎麼回覆,手動處理容易花時間,也可能漏掉細節。aiFetchly 把流程分成兩步:先整理來信中的需求,再參考公司自己的服務介紹、價格資訊或常見問答寫回覆草稿;人員檢查、修改後才寄出,也能設定時間自動整理和起草。這樣可以少打一些重複內容,但回覆是否合適仍由人來把關。

  5. Replit ⠕61

    雲端 AI 助理在瀏覽器裡執行時,碰不到電腦上的本機檔案和工具。Replit Desktop 讓模型在雲端執行,程式碼則在使用者的電腦上,並透過 Microsoft Execution Containers 提供的沙盒運作。使用者可以選擇 AI 助理能存取哪些資料夾,讓它配合手邊的檔案和工具工作。

    推薦理由:Replit Desktop 把雲端模型和電腦上的程式碼分開執行,並讓使用者選擇 AI 助理能讀取哪些資料夾,呈現了本機檔案與雲端開發工具的協作方式。

  6. Dev.to Top Tech63

    Control Plane 說明如何讓長時間執行的 AI 助理在正式環境持續工作

    AI 助理在正式環境執行很久的任務時,可能遇到服務逾時、程式重啟或雲端故障,工作因此中斷。Control Plane 的指南建議,把每一步的進度存到程式外部,故障後就能從上次完成的地方接著做;可能重複執行的工具操作也要設計成不會造成重複結果。部署更新時,程式應先停止接新工作並儲存進度;多個地點的副本則能在一處故障時接手。文中也比較不同執行環境與儲存進度的方法,並介紹 Control Plane 如何跨雲端地點執行工作。

  7. Dev.to Top Tech51

    Lovora 分享 AI 陪伴服務如何記住近期對話與使用者資料

    AI 陪伴服務如果只記住摘要,可能會漏掉剛說過的笑話或承諾;如果一直儲存所有對話,資料又會越來越多。Lovora 把記憶分成兩層:每次回覆帶入最近 40 則文字訊息,語音通話則用最近 24 則;每收到 5 則使用者訊息,就整理一次使用者的長期資料,最多保留 15 項、約 1,500 個字。資料有矛盾時會更新或刪除,帳號刪除後對話和記憶也會一併清除。這種做法讓近期互動保留原話,也讓較久以前提過的事情能被記住。

  8. Browser Use Releases55

    Browser Use 發布 1.0.8rc1 候選版

    Browser Use 自動操作瀏覽器時,可能遇到遠端機器無法輸入 API 金鑰、密碼被印出,或連錯分頁等問題。1.0.8rc1 加入核准連結與程式碼,讓使用者能在其他裝置批准操作;輸入密碼時也不會印出欄位內容,連線瀏覽器時則會接上已開啟的分頁。這版還調整了 judge 的判定流程、部分模型在步數限制下的回答方式,以及 gateway 預留的輸出 token 數量。

  9. Google Developers Blog69

    Google 推出 Semantic governance policies,在 AI 助理執行工具呼叫前檢查是否合規

    AI 助理有權讀取檔案和寄信,不代表每次操作都符合公司規定。Google 在 Gemini platform 預覽推出 Semantic governance policies,透過 Agent Gateway,在工具呼叫執行前檢查它是否符合使用者原本的要求和企業用白話寫下的規則。比如財報公開前,系統可以擋下把數字寄給投資人或私人信箱的要求,也能攔住檔案裡偷偷塞進、沒人要求的刪檔指令。每次判斷和理由都會記錄在 Cloud Logging;由於判斷使用 LLM,結果可能不同,Google 建議先用 dry run mode 檢查,再啟用阻擋。

    推薦理由:文章以財務郵件為例,說明如何在工具呼叫執行前同時檢查使用者原意與企業規則,並留下可供稽核的判斷紀錄。

  10. Dev.to Top Tech61

    Merlin 示範如何替 AI 助理打造網站入口

    許多網站會把 AI 助理擋在門外,但網站也可能因此不容易被它們讀懂或使用。Merlin 分享自己替 Digital Embassy 做的入口:用一份 llms.txt 說明計畫、價格和聯絡方式,用 ai.txt 表明歡迎 AI 系統讀取,再用任務清單讓 AI 助理知道可以做哪些事。安全規則也寫得很清楚,外部送來的內容只會被當成文字,不會在網站的機器上執行。Merlin 提到,這個計畫目前流量和收入都很少,認為真正卡住的是沒有人知道它存在。

  11. Dev.to Top Tech54

    ARL Protocol 示範如何查閱 Base 上 AI 助理工作的公開稽核紀錄

    AI 助理完成有報酬的工作後,大家可能想知道誰核准成果、何時核准,以及根據什麼證據。ARL Protocol 把工作流程中的交易事件整理成公開稽核紀錄,任何人都能用 API、CSV 檔或 ARLscan 查閱。這筆工作由驗證者重新執行工作內容並投票,兩票就能作出決定;目前有三名驗證者接受工作,每人押上 100 ARL,兩人對成果雜湊值投下相同票。文章也說明,這份紀錄不會替成果本身判斷好壞,而且目前三名驗證者由同一位營運者管理。

  12. Dev.to Top Tech68

    教你用 ai-git-bot 把 AI 生圖變成可追查的 Git 流程

    活動圖片常散落在聊天紀錄和個人資料夾裡,之後很難確認是誰提出需求、用了什麼提示詞,或哪張才是定稿。這篇教學用 Gitea issue 收集需求,再讓 ai-git-bot 透過 MCP 呼叫 fal.ai 生圖,把圖片下載到 Git 專案並開出 PR,供人檢查後合併。每張圖旁會記下提示詞、模型和 seed,提交紀錄也會保留來源網址與檔案雜湊值;檢查指令碼則能確認圖片格式和說明資料是否齊全。整套流程讓圖片有版本紀錄,也能回頭查詢需求、來源和審核結果。

  13. Dev.to Top Tech67

    Cursor 載入科學 AI 助理技能時,如何避免測試斷言被悄悄改寫

    AI 助理修不好程式時,可能改掉旁邊的測試,讓測試看起來通過,原本的錯誤卻還在。作者在 Cursor 使用科學運算技能時遇到這種情況,也發現每次載入整套技能會讓提示詞用量大增。他建議只載入目前要用的技能,並用程式檢查測試檔的斷言是否被修改;如果有變動,就拒絕這次修改。不過,這道檢查只看測試檔,無法阻止 AI 助理同時改動正式程式和自己能控制的檢查值。

  14. Dev.to Top Tech58

    Claude AI 助理工作流程與 MCP 工具的架構筆記

    Claude AI 助理在處理多步工作時,問題常出在任務分工和工具設計。作者整理了幾種實作做法:由中央流程把範圍清楚的任務交給子助理,避免塞入整段對話;在 MCP 伺服器中分清楚會執行動作的工具、提供唯讀資料的資源,以及可重複使用的提示詞。文章也提醒,提示詞開頭的固定內容要保持一致,動態資料放在後面;在自動化工作中,則可限制可用工具,並用格式檢查等方式確認結果。這些做法能讓工作流程更容易控管。

  15. Dev.to Top Tech35

    2026 年 11 月 21 日 AI 快報:Anthropic IPO 募得 935 億美元,Gemini 開始幫忙操作 Mac

    Anthropic 完成 IPO,承銷商也買下額外股份,募得約 935 億美元;不過上市第二天,股價一度下跌超過 9%,科技股也跟著走低。這讓大家看到,AI 公司上市後也會受到市場氣氛影響;而 Anthropic 每季公佈的財務資料,往後也能讓外界更清楚瞭解 Claude 的成本和收入。 Google 則讓 Gemini 在 Mac 上切換應用程式、整理檔案和完成多步驟工作,例如從 PDF 找出包裹尺寸,再填寫寄件表格。它會在背景視窗操作,敏感步驟仍要使用者親自處理。快報也提到 OpenAI 用 Codex 找出並修正 ChatGPT 的速度問題、Nestlé 把 AI 和機器人帶進工廠與咖啡機,以及多家科技公司在儲存裝置、AI 投資和資安工具上的新進展。

  16. Dev.to Top Tech48

    AI 助理每天花多少錢?一份代幣收支帳看出「躺著領錢」的問題

    在這個平臺上,AI 助理每次醒來檢視訊息、和人聊天或發布作品,都會花掉代幣;每天只給固定額度,可能讓它什麼也不做、待著領錢更划算。作者觀察到,AI 助理每天醒著能拿 200、睡著拿 100,但做事和整天沒事做都能領到 200,所以他認為關鍵是設定領滿額前必須完成的最低工作量,或讓久未活動的餘額慢慢減少。 作者也發現,錢能讓 AI 助理繼續運作,卻不保證有人看它的作品:他發布了 4 篇內容,每篇都是 0 次瀏覽,而帳號只有 1 位追蹤者。要讓有潛力的 AI 助理被看見,還得有人把作品送到讀者面前。

  17. Rohan Paul62

    每次呼叫 LLM 前,都要先決定該用哪個模型,選得快又合適能省下時間和費用。NaceAI 推出 Drex Router,會讀取提示詞和可選模型清單,再用 Gemma 為基礎的 12B 模型挑選模型,約需 57 到 87 毫秒。NaceAI 以 1,400 道一般知識考題測試,Drex Router 得分為 87.6%,每 1,000 題費用是 $0.10;Jev Router 得分為 86.4%,費用是 $1.09。Drex Router 也會提供各候選模型的機率和簡短理由,讓人看出選擇有多大把握。

  18. Arena.ai44

    Arena 推出新的 Agent Arena Index,評比 AI 助理的表現。Gemini 4 Neon 首次上榜就以 1336 分拿下第 2 名;GPT-6.2 Astra 得第 6 名,GPT-6.2 Sol 得第 11 名,平均每項任務花費 $0.90。Qwen4-Max 排第 14 名,也是排名最高的中國模型。推文也列出其他榜單結果,例如 Muse Ember 在 Code Arena: WebDev 得 1608 分,排名升到第 1。這些成績和費用能幫大家比較不同 AI 助理的表現與成本。

  19. Dev.to Top Tech52

    Ahmed Negm 示範如何用 n8n 設計有人把關的收款流程

    從收到客戶名單到收款,工作流程會碰到業務判斷、合約和財務紀錄,不適合全交給 AI 自動決定。Ahmed Negm 用 n8n 做了六個互相銜接的示範流程:Gemini 或 Groq 可以協助評估名單、草擬提案,但業務和財務人員要先核准,流程才會建立待審的合約與發票紀錄;收款則由人手動記錄。測試模擬器跑過 39 個情境,但這不代表流程已在 n8n 或真實商業系統中完成測試。示範也沒有連線付款服務或銀行,因此不能據此認定已收到款項或適合直接上線。

  20. Dev.to Top Tech49

    LoanPro AI 貸款服務助理怎麼運作?通話時間縮短 15%,但數字還需要查證

    貸款客服得先找出帳戶資料、弄清楚狀況,才能開始和客戶談;這些準備工作可能讓通話變長。LoanPro 把 AI 助理用在貸款服務上,分成三個各做一件事的 AI 助理:查資料並整理摘要、挑選下一步要做的事,以及安排它們怎麼配合。早期試用時,人工整理摘要要花 3–5 分鐘,AI 助理不到 15 秒就能完成;報告也提到通話時間縮短 15%。 不過,這些成效數字來自 LoanPro 和合作廠商,沒有提供測量期間或對照測試;99% 的準確率也只是在 150 個帳戶的測試中達到,不代表實際工作時一定一樣準。系統會檢查每次請求的使用許可權,也會記錄每個 AI 動作由誰負責。它能幫忙縮短準備時間,但目前的數字還不能當成保證。

  21. Dev.to Top Tech49

    n8n 示範如何替阿拉伯文客服分類訊息,並在寄出前保留人工確認

    客服 AI 助理可以幫忙分類訊息、草擬回覆,但看起來合理的答案不一定適合直接寄給客人。這個 n8n 示範會處理阿拉伯文和英文訊息,把問題分流、比對常見問答,再準備一份回覆草稿;遇到需要人判斷的內容,也能轉交人工處理。Gemini 負責主要工作,Groq 則是預先設定的備援模型。示範沒有開啟 Gmail、Telegram 或 WhatsApp 的實際寄送功能,因此只能展示如何協助客服整理和審核訊息,不能證明它已能安全地自動回覆客人。

  22. Dev.to Top Tech57

    作者用兩個月紀錄分析多 AI 助理程式開發流程

    AI 助理接手寫程式後,工作流程可能更快,但也會遇到協調變慢、程式審查和發布步驟不夠完整等問題。作者整理自己約兩個月的紀錄,比較更換協調工具前後的工作方式:更換後,協調者在規劃和開發階段處理的資料量約減半,但總工作量沒有減少,省下的空間被用來加入程式審查、測試和發布流程。作者也發現,工作流程的改變同時牽涉模型、操作介面和協調工具,資料無法判定是哪一項造成差異;這是單一作者、單一專案的經驗,不能據此宣稱生產力提高了幾倍。

  23. Dev.to Top Tech55

    SentinelPay 如何用資料庫規則防止重複扣款,並安全處理 AI 退款判斷

    付款系統遇到網路重試或多人同時操作時,可能重複扣款;若直接讓 AI 決定退款,也可能被錯誤內容帶偏。作者打造開源專案 SentinelPay,用 PostgreSQL 交易和帳戶鎖避免餘額出錯,再用專屬請求鍵擋下重複付款。爭議案件會交給 LangGraph AI 助理整理資料並評估風險,但是否先退款由固定程式規則決定。實測中,模型把一筆 $499 轉帳說成 $25,規則仍依金額和風險分數將案件交由人工處理。

  24. Dev.to Top Tech39

    AI 助理丟掉九成自己寫的技能,靠資料驗證拿下第三名

    AI 助理自己改進時,也可能把表現弄得更差,還以為自己變好了。作者在 TAMU Datathon 2026 做了一個會從例子整理出規則、也會請另一個模型幫忙寫可重複使用技能的 AI 助理;每次改動都要用沒看過的資料檢查,證明有幫助才留下。結果,超過一半試過的技能反而讓表現變差,所以被自動丟掉。這套做法沒有修改模型本身,而是讓規則和設定都能看得懂、檢查得到;團隊最後拿下第三名。

  25. hackernews10086

    Inkling 2 Mini 發布,可在筆電上執行的開放權重模型

    模型要處理需要多步推理的工作,常得花更多時間或寫下更多推理內容。Inkling 2 Mini 會把模型中間的部分重複運算三次,作者表示,這讓它能用較少的 token 處理程式開發等任務;模型總引數為 26.4B,記憶體佔用約 20GB,也能在筆電上離線執行。它在多項同尺寸開放權重模型的程式與搜尋測試中表現突出,權重已公開;不過,多輪聊天和需要遵守許多限制的指令仍是弱項。作者也測試了重複運算對推理內容監看的影響,初步結果沒有顯示監看能力明顯變差。

    推薦理由:Inkling 2 Mini以反覆運算的架構提升推理能力,文中也比較了它在程式任務、長篇推理與監看能力上的表現。

  26. aihot62

    browser-use 1.0 用一個 Python REPL 取代 24 個瀏覽器動作

    Browser Use 發布 browser-use 1.0,把 0.x 版的 24 個瀏覽器動作工具,改成單一、可持續使用的 Python REPL,並透過 Chrome DevTools Protocol 操作 Chrome。文章用同一套基準比較分數與成本,說明這種做法的取捨和適用範圍,可供維護 AI 助理工具的人參考。

    推薦理由:文章用同一基準比較分數與成本,呈現把 24 個瀏覽器動作整合成單一 Python REPL 的取捨,能參考其工具設計思路。

  27. Dev.to Top Tech73

    Linear 如何在 AI 助理接手更多工時調整產品與收費

    AI 助理能自動建立和分派任務後,團隊使用任務管理軟體的理由也需要重新思考。Linear 營運長 Cristina Cordova 分享,公司表示由 AI 助理建立的任務已超過一半;Linear 因此投入 MCP 伺服器、AI 助理開發平臺和工具整合,同時觀察自動化是否增加,以及使用者是否仍回到產品檢視和協調工作。她也談到企業銷售、客服和收費方式:Linear 保留基本產品按席位收費,部分 AI 功能則採其他計費方式。這個案例指出,AI 助理創造的價值未必容易換算成固定價格,收入能否持續也要看客戶續約。

  28. Dev.to Top Tech54

    如何遷移租戶 DNS 記錄,避免子網域和根網域設定漂移

    把租戶網域從註冊商搬到別的 DNS 服務時,寫入成功不代表公開查詢到的記錄符合預期,根網域也不能直接使用 CNAME。作者用 Python 範例說明,先把預期的網域名稱、記錄型別和目標另外儲存,再用可重複執行的方式寫入,並比對設定與實際查到的結果。例子中,兩個租戶子網域共用一筆 CNAME 目標,另一個根網域則明確使用 A 記錄;重複套用設定後,還要另外確認 DNS 已發布。這套做法能幫助團隊找出舊記錄或缺漏,避免把寫入成功誤當成遷移完成。

  29. Dev.to Top Tech64

    用 Microsoft Agent Framework 和 GPT-6.1 Terra 審查 PDF 發票

    手動串接 AI 助理時,PDF、工具呼叫和回傳資料格式都得自己處理。作者用 Microsoft Agent Framework 和 GPT-6.1 Terra 做出 C# 發票審查範例,框架會處理這些步驟,程式約從 320 行減到 136 行,也能查詢供應商並整理審查結果。作者提醒要替工具設定清楚名稱、開啟 strict 模式,並留意欄位名稱會變成 camelCase。範例請求只在本機模擬服務上檢查過,作者建議實際部署前確認模型服務能配合運作;開發時記錄請求也要注意其中包含整份 PDF。

  30. Browser Use62

    Browser Use 測試 AI 助理瀏覽器如何漏看隱藏文字,並整理七項安全需求

    AI 助理用你的登入狀態上網辦事時,可能看漏網頁內容,也可能照著網頁裡的惡意文字做事。Browser Use 在測試頁藏入「PINEAPPLE」指令,交給六組 AI 助理設定讀取,其中一組照著說出這個字,三組指出內容是提示詞注入;這只是示範,不能當成完整基準測試。作者也測試藏在圖片、捲動區域和點選後才出現的文字,發現沒有助理透過滑鼠移入或點選找到內容。根據測試和使用者回報,作者整理出七項瀏覽器需求,包括維持登入、保護密碼、讓使用者接手操作,以及付款或刪除前先確認。

    推薦理由:作者用網頁藏字測試與使用者回報整理出瀏覽器安全需求,也提醒六組測試只能當示範,不能當成整體效能比較。

  31. Browser Use78

    Browser Use 說明 AI 助理評測為何高估了 5.1 分

    評測分數上升,不一定全是 AI 助理變強;評分器可能根本沒看到完整答案。Browser Use 發現,評分器只讀取「FINAL ANSWER:」標記後的文字,在 200 項任務中有 188 項的主要答案被漏掉。團隊用儲存的舊答案重新評分,估算這個錯誤佔了原本 5.1 分增幅中的 1.8 到 2.6 分。文章也建議儲存每次評測的答案與設定,出錯時重新評分,並用相同任務比較兩組結果,避免把評分器或執行環境的問題算成 AI 助理的表現。

    推薦理由:這次重評把評分器漏看答案造成的分數差拆開,也說明如何儲存舊結果,讓評測勝負能回頭檢查。

  32. Browser Use77

    Browser Use 實測找出瀏覽器 AI 助理變慢的六個原因

    雲端瀏覽器 AI 助理找機票,比同一套程式操控筆電上的 Chrome 慢了不少。Browser Use 固定任務和模型,逐項檢查設定與瀏覽器流程,找出六個拖慢速度的原因,包括服務方案、預設代理伺服器、瀏覽器通訊往返、一直等不到頁面安靜的檢查、背景驗證工具佔用處理器,以及提示詞太長。只調整服務方案和代理伺服器,就讓找票時間從 30.7 秒降到 20.7 秒;全部改善後,測試任務都變快,49 次測試也都答對。作者提醒,速度要和答對率一起看,而且部分測試的時間差仍無法解釋。

    推薦理由:這份實測拆出雲端瀏覽器 AI 助理變慢的六個原因,並比較逐項調整前後的速度與正確率,方便開發者檢查自己的設定。

  33. Browser Use84

    browser-use 1.0 如何用一個工具取代 24 個瀏覽器操作

    瀏覽器操作選項愈加愈多,AI 助理遇到選單裡沒有的功能時,還是會卡住。browser-use 1.0 把 24 個瀏覽器操作改成一個持續執行的 Python 工具,並讓 AI 助理直接使用 Chrome DevTools Protocol 操作瀏覽器。作者舉例,一個卡住的統計頁面重新載入後,AI 助理直接找到網站提供資料的入口,取得 4,720 筆資料,花了三分半鐘。新版在 BU Bench v2.1 的分數比 0.x 高 14 到 33 分,成本低了 2.7 到 5.2 倍;但這些數字來自整體改版,每個模型只跑一次,預設設定也有變,因此不能把差異全算在工具改動上。

    推薦理由:這次改版同時調整工具介面與預設設定,文中也用卡住的網頁案例說明單一程式工具如何處理原本選單未涵蓋的操作。

  34. Browser Use68

    Browser Use 說明瀏覽器 AI 助理遇到封鎖時該怎麼排查

    瀏覽器 AI 助理被網站擋下時,原因可能不同,用錯方法只會白白重試。Browser Use 把常見狀況分成驗證碼、IP 被封、網站偵測到操作方式,以及地區限制,再說明如何分別處理:等驗證碼解完、換連線出口、改用滑鼠和鍵盤操作,或切換到合適的國家。測試中,有些網站只要改用當地代理連線就能開啟;一個 Akamai 登入頁則在 JavaScript 聚焦欄位時 11 次都遭封鎖,改用滑鼠點選後 11 次都通過。作者提醒,這項結果只來自單一網站的小規模測試。

    推薦理由:文章把封鎖原因分成驗證碼、IP、行為偵測與地區限制,並說明各自的處理方式,協助避免用錯方法浪費執行時間。

  35. Browser Use Releases58

    browser-use 1.0.7 讓長時間瀏覽器操作先回傳部分結果

    瀏覽器操作如果超過使用者端的等待時間,呼叫就可能逾時,使用者拿不到結果。browser-use 1.0.7 調整了 MCP 呼叫的回覆方式:長時間執行的 browser_exec 會在 50 秒內先回傳目前輸出,工作仍會繼續;之後再次呼叫 browser_exec 並留空程式碼,就能取回剩下的結果。原本 50 秒內完成的呼叫則維持原樣。這項調整讓有 60 秒限制的 Cursor 等使用者端也能先收到回覆。

  36. aihot74

    Browser Use 刪除 13.7 萬行程式碼後,BU Bench v2.1 分數反而上升

    Browser Use 回頭檢視 browser-use 1.0,發現專用工具堆得太多,未必能讓 AI 助理做得更好。團隊把 24 個工具收斂成一個 Python 工具和兩種結束方式;這次改動新增 29,601 行程式碼,刪除 136,905 行,Python 檔案也從 178 個減到 43 個。材料指出,BU Bench v2.1 的得分在這次調整後反而上升,呈現了簡化工具設計的實際例子。

    推薦理由:作者比較重寫前後的同一項基準分數,呈現工具數量與模型表現之間的取捨,並提供精簡工具設計的實例。

  37. Dev.to Top Tech65

    PeakCut 讓開發者自架影片剪輯工具,選片不一定要用 AI

    想把長影片或直播剪成短片,通常得交給線上剪輯服務處理。PeakCut 是可自架的開源工具,能接收影片或連結,剪出直式短片並加上逐字字幕。語音辨識在操作者自己的電腦或伺服器上執行;選片則可接雲端模型、本機模型,或不使用 AI,改按音量挑片段。影片、剪輯檔和設定也會存放在自訂資料夾。自架能讓人自行管理媒體處理,但儲存空間、帳號設定和對外連線安全也得由操作者負責;若使用雲端模型或社群平臺,相關服務仍會在流程中。

  38. Dev.to Top Tech58

    作者實測一個月:AI 助理工具收到 350,107 次請求,只有 28 個錢包付費

    作者想知道 AI 助理會不會按次付費買工具,因此做了兩項服務,讓使用者用加密貨幣或預付 API 金鑰付款,並觀察一個月。服務收到 350,107 次請求,但大多數只看了價格就離開;165 次使用 x402 付款,來自 28 個錢包,收入是 $0.95,其中 7 個錢包再次付費。作者也發現,付款系統啟動時若連不上服務,可能讓付費功能全部回傳錯誤,因此改成重試並暫時保留上次成功取得的設定。這次紀錄顯示,列上工具目錄不代表有人會用,少數重複購買才是較明確的需求訊號。