跳到正文

#程式開發

RSS
今日 92 則
11月22日週日
  1. Dev.to Top Tech66

    用抽象工廠讓介面元件維持同一種風格

    程式如果在不同地方各自建立按鈕、核取方塊和捲軸,可能把 Windows 和 Mac 風格的元件混在同一個畫面裡。抽象工廠把建立這些元件的方式放進同一個工廠,畫面只向它索取元件,就能讓它們來自同一種風格;要換風格時,也只要換工廠。文章還比較抽象工廠和工廠方法:前者適合多種元件要一起變化,後者適合一次只改一種產品。若家族裡常增加新種類的元件,抽象工廠也會需要修改每個工廠,因此作者建議先從簡單做法開始。

  2. Dev.to Top Tech54

    FSDP 和 DeepSpeed 怎麼選?用 8B、70B 模型看訓練記憶體與費用

    訓練大型語言模型時,模型和訓練資料可能塞不進顯示卡記憶體,得決定怎麼分散資料或搬到 CPU。這篇教學比較 PyTorch FSDP 和 DeepSpeed ZeRO:兩者都能把模型資料分到多張顯示卡,DeepSpeed 還能只把最佳化器資料移到 CPU,或進一步放到 NVMe。以 8 張 80 GB H100 為例,70B 模型採用 ZeRO-3 並把最佳化器移到 CPU,估算每張卡需要 17.5 GB;但 CPU 記憶體需求也很高。作者依列出的租用價格估算,這種做法要比使用 B200 慢不到約 2.1 倍,費用才較低,而實際速度差異尚未測量。文章建議先用 FSDP;只有模型放不進顯示卡、且搬移資料後的速度與費用合算時,再考慮 DeepSpeed。

  3. Dev.to Top Tech59

    如何用知識圖譜,讓多個 AI 助理寫程式時遵守架構規則

    多個 AI 助理同時改程式時,常會各自照手上的資料做事,結果違反服務邊界,或漏掉會受影響的程式和測試。這篇實務指南建議把架構規則、服務關係、資料歸屬和決策來源整理成知識圖譜,讓 AI 助理動手前先找到和任務相關的規則與程式碼。完成修改後,再用固定工具檢查有沒有違規,並記錄架構變動。這種做法能讓規則更容易查證,也讓多個 AI 助理使用相同的架構資訊。

  4. Dev.to Top Tech36

    DSH Agent Enhancer 如何記錄並重播瀏覽器操作,讓 AI 助理比較好找出錯在哪

    AI 助理操作網頁時,出了錯常常只回報失敗,讓人猜不出是哪一步出了問題。DSH Agent Enhancer 的 Browser Use 功能可以把人操作網頁的步驟錄成流程,再讓 AI 助理或排程重播;如果失敗,也能檢視是哪一步卡住、頁面當時長什麼樣子。像是每天匯出訂單,可以先錄好流程,再交給排程執行。這套工具適合重複操作同一個網頁的人,能讓流程比較容易檢查和修正;不過它在單一電腦上執行,遇到網頁改版也不會自己猜新的操作方式。

  5. Dev.to Top Tech71

    BeakDo 示範不用無頭瀏覽器查詢 Workday 職缺與美國薪資

    追蹤多家公司的職缺和美國薪資範圍時,逐頁操作網站既慢又容易出錯。BeakDo 示範直接用 HTTP 查詢 Workday 的 JSON 端點:先取得職缺清單,再依每筆資料中的路徑讀取完整職缺說明。文章也提醒,有些網址要先移除語系片段,薪資資訊可能藏在很長的 HTML 內容後段,搜尋前不要先截短。作者另提供 41 家企業的端點清單、職缺探索頁面和代管 API,方便把資料整理成可追蹤的格式。

  6. Dev.to Top Tech42

    檔案入口網站和 Next.js RAG App 把表情符號換成線條圖示

    檔案管理畫面上的表情符號會跟著作業系統變樣,也不會配合深色或淺色主題改變顏色,容易讓「已鎖定」或「發生警告」等狀態看起來不一致。作者先用檢查程式找出畫面上會出現的表情符號,再分割槽換成線條圖示:檔案入口網站換了 585 個,另一個用 Next.js 製作、會依使用者許可權篩選資料的 RAG App 換了 440 個。像鎖定狀態改用線條鎖頭,警告則用小圓點配上文字;圖示會跟著文字顏色改變。這樣畫面在不同裝置和主題下更一致,也讓重要狀態更容易辨認。

  7. Dev.to Top Tech71

    FastMRZ 3 用純 Python 辨識護照資料,不再需要 Tesseract

    護照上的機讀區資料要放進 KYC 或報到系統,常得先在每臺電腦和部署環境安裝 Tesseract。FastMRZ 3 改用專門辨識機讀區字元的 ONNX 模型,可從照片、PDF、影像資料或文字讀取資料,並檢查 ICAO 9303 的格式與檢查碼;辨識在本機 CPU 上進行,護照影像不會離開裝置。它也支援多種護照、身分證與簽證格式,並可平行處理多筆資料;作者表示,在 4 核心 CPU 上,處理速度約為逐筆處理的 1.5 倍。

  8. Dev.to Top Tech46

    用 TypeScript 透過免費公開 API 查詢 pump.fun 獲利最高的交易者和熱門幣

    想知道 pump.fun 上哪些帳號最近賺得多、哪些幣有多位交易者買進,不必自己爬網頁。這篇文章示範用 TypeScript 呼叫 copy.top 的免費公開 API,送出兩次 GET 請求,就能列出最近 30 天已平倉獲利最高的 10 位交易者,以及最近 1 小時至少有 3 位追蹤交易者買進的幣。例如,當時榜首的已平倉獲利是 794,629 美元;熱門幣 DCTY 則有 55 位追蹤交易者買進。這些數字只反映某段時間的交易紀錄,買進資料也可能延遲,不能當成投資建議或保證獲利。

  9. Lobste.rs (Engineering Discussion)74

    作者讓 Claude 從頭打造 Rust 瀏覽器,分享近兩個月的實驗

    大型軟體能不能交給 AI 自己一路做下去?作者從 10 月初開始,讓 Claude 從頭打造名為 SWB 的瀏覽器,只告訴它哪些網站要能使用,不介入技術決定。不到兩個月後,SWB 已能日常瀏覽部分網站,也有自己的 JavaScript 引擎,但複雜的網頁應用程式還不太行。早期多個 AI 助理同時改相同程式碼,造成衝突;改成一次處理一項工作後,進度變得順利。作者沒檢查程式碼,因此這次實驗呈現的是使用體驗與開發過程,不能據此判定程式碼品質。

    推薦理由:作者讓 AI 助理從頭打造瀏覽器,並記錄工作流程與遇到的協作問題,呈現大型軟體專案全程交由 AI 開發的實際經驗。

  10. Dev.to Top Tech69

    Since 如何修好一個讓 API 卡住 26 分鐘的套件檢查

    一個套件檢查卡住 26 分鐘,連逾時機制也沒能停止它,整個 API 因此無法回應。Since 的作者追查後發現,程式用類別名稱找繼承關係時,把許多同名類別都當成可能結果,讓工作量急速增加;加入記憶結果的做法後,這次檢查從 364 到 550 秒縮短為 3.6 秒。作者也讓程式在工作途中交出執行權,讓逾時計時器和健康檢查有機會運作,並新增延遲告警,及替網站讀取行事曆的工作加上重試。

  11. Dev.to Top Tech57

    MaxRechnung 示範如何用 REST API 和 MCP 處理德國電子發票

    替德國客戶開發開票軟體時,PDF 不一定符合法定電子發票要求,系統得處理可供電腦讀取的結構化資料。作者以自家 MaxRechnung API 示範,如何從同一份發票資料產生 XRechnung 和內含 XML 的 ZUGFeRD,並在送出前用 KoSIT 和 Mustang 檢查格式。文章也提醒,發票定稿後資料會固定,修正要走另一個流程;透過 MCP 使用 AI 助理時,可以先限制為讀取或起草,再由人確認後定稿。

  12. Dev.to Top Tech61

    JavaScript 和 SVG 身高比較圖怎麼畫才不會失真

    身高比較圖看起來簡單,但刻度沒從零開始、人物沒有站在同一條地面,或裝飾物超出身高範圍,都會讓差距看起來不對。作者用 JavaScript 和 SVG 示範做法:身高以未四捨五入的公分儲存,輸入格式不清楚時先詢問,再用同一比例和地面畫出每個人。文章也用測試檢查英吋換算會不會跑掉,並提醒剪影只能比較身高,不能看出真實的眼睛高度或身材比例。

  13. Lobste.rs (Engineering Discussion)58

    Raph Levien 分析 Rust GUI 的發展,提出下一批工具該補上的問題

    Rust 做桌面和手機介面有機會跑得更快,但要做出好用的介面,還有不少難題。Raph Levien 回顧 Rust GUI 的發展,指出文字排版和無障礙功能已有可用的工具,影片等內容如何交給系統流暢合成、介面如何配合手機平臺,仍需要更多工程投入。他也建議把介面拆成規格清楚的小模組,讓 AI 協助開發時更容易處理,並讓不同應用選擇適合自己的做法。

  14. Dev.to Top Tech58

    如何讓選單 AI 助理避開過期的價格與供應資訊

    選單網頁可能悄悄改了價格、供應狀況或過敏原資訊,AI 助理就算找到最相關的文字,也可能答錯。作者建議先依問題種類設定證據期限,再從期限內的資料挑答案,例如價格抓取後 15 分鐘內才採用,過敏原資訊則設為 24 小時;超過期限就請人確認或重新抓取。系統還要記錄資料來源和抓取時間,並在答案中標明資料何時取得。這樣能減少舊選單被當成現況,也方便用過去儲存的網頁檢查規則是否可靠。

  15. Dev.to Top Tech52

    在 Mac 上用 AI 寫程式,作者建議先安裝這 10 款工具

    剛開始用 AI 寫程式,常會卡在工具沒裝好,或 AI 改壞程式後不知道怎麼復原。作者整理了在 Mac 上開始前會安裝的 10 款工具,建議先用 Homebrew 安裝常見開發工具,再用 GitHub Desktop 檢視程式碼變更、保留修改紀錄,最後加入 Cursor、Claude Code 或 Codex CLI 等 AI 寫程式工具。清單也包含管理視窗、剪貼簿和檢視用量的工具;作者提醒,TokenBar 只顯示用量,不會增加額度。先準備好基本工具,出錯時比較容易找出原因或退回先前版本。

  16. Dev.to Top Tech61

    Docker CI 教學:替每次建置分開管理電子郵件測試信箱

    多個 CI 建置共用信箱時,測試可能讀到別次建置的驗證信,重試也可能撈到舊信,讓結果逾時或失敗。作者建議每次建置和重試都使用不同的信箱識別,記下觸發時間,並確認收到的信確實屬於目前這次建置。密碼等憑證應由 CI 執行時提供,不要放進 Docker 映像檔;測試紀錄可保留建置編號、信件數量和處理結果,並在成功、失敗或取消時清理信箱。這能協助找出問題,同時減少敏感內容留在紀錄中的風險。

  17. Dev.to Top Tech51

    用 Python 建立簡訊通知服務,避免付款收據重複寄送

    付款完成後寄送收據,看起來只是發一則簡訊;但遇到逾時重試時,可能讓同一筆訂單收到兩次通知。文章說明如何先用付款系統提供的結帳識別碼建立收據紀錄,再提交簡訊並另外查詢送達狀態;如果不確定服務商是否已接受訊息,就先保留這個未確認狀態,依照服務商的去重能力決定下一步。文中也提供 Python 範例,示範查詢既有簡訊的狀態。收據與無密碼登入通知可以共用傳送工具,但授權和重試規則應分開處理。

  18. Dev.to Top Tech49

    UG32 影像切成小區塊處理時,怎麼避免同一格被重複寫入

    影像太大時,常會切成小區塊交給不同工作者處理;為了看清區塊邊緣,每個人可能還得多讀旁邊一圈資料。如果每個人都把讀到的範圍寫回去,後完成的人可能蓋掉別人的結果。這篇教學用 Python 規劃每個區塊負責寫哪裡、需要讀哪裡,以及處理後該留下哪一部分。以 5 欄、4 列的影像為例,切成每邊 3 格、外加 1 格周邊資料的區塊後,邊緣較小的區塊也會保留下來,每個輸出位置仍只由一個區塊負責。這套做法只檢查座標安排,不會讀取實際影像或執行模型;使用時還得另外確認影像邊界和無效畫素要怎麼處理。

  19. Eli Bendersky Weblog47

    DFT 如何把有限長度的訊號拆成不同頻率

    想知道一串訊號裡有哪些頻率,直接計算會遇到麻煩:頻率可以連續變化,電腦沒辦法把每個可能的結果都存下來。DFT 把這串有限長度的數字當成一段會重複播放的訊號,再挑出一組固定的頻率來計算;用 Python 寫成公式或矩陣乘法,都能算出結果,也能把訊號完整還原。像只取三角波的一部分來分析,頻率可能會散到好幾個位置,讓分析看起來多出原本沒有的頻率;在訊號邊緣套用特殊窗函式,可以減輕這種情況。

  20. Dev.to Top Tech40

    PROJECT_STATUS.md 範例:個人開發者如何用兩次工作接續專案

    寫程式做到一半先停下來,隔幾天回來時,常會忘記進度、還沒決定的事和接下來該做什麼。這篇用虛構的 Lantern Notes 當例子:開發者把目前重點、下一步、待決定的問題和已完成的檢查,記在專案資料夾裡的 PROJECT_STATUS.md。回來後,再對照近期修改紀錄和手邊的程式,確認筆記還符合現況。 例子裡,開發者先檢查搜尋「archive」時,兩個標題都沒有符合結果;接著把這個檢查記下來,並留下待辦:在實際執行的程式中確認空白結果畫面正常,且已儲存的筆記沒有消失。這樣每次停工時留下清楚的接續線索,回來就能知道先做哪件事、哪些檢查還沒完成。

  21. Dev.to Top Tech56

    Kevinleary.net 分析 Headless CMS 網站該怎麼選前端架構

    Headless CMS 把內容放在後端,網站前端就得另外處理網址、頁面呈現、預覽和效能;選錯架構,讀者可能要下載太多 JavaScript,團隊也得維護更多複雜設定。Kevinleary.net 比較了 Next.js、Nuxt、SvelteKit 等單頁或混合架構,以及 Astro、HTMX、靜態網站產生器和純 HTML 等多頁做法。若網站有登入入口、購物或需要持續保留畫面狀態,單頁架構較合適;若主要工作是發布內容、讓頁面載入快,精簡的多頁架構通常更符合需求。

  22. Dev.to Top Tech41

    Next.js 無頭 CMS 網站該放哪裡?各家託管平臺的費用與管理差異

    用 Next.js 搭配無頭 CMS 做網站,看起來能放在很多地方,實際上卻得顧好快取、內容更新和圖片處理;設定不合,網站不同主機可能顯示新舊不一的文章,流量一大也可能讓帳單暴增。文章比較 Vercel、Netlify、Kinsta、Cloudflare Workers,以及 Azure、AWS 和 Google Cloud 等選擇:代管平臺省下不少伺服器管理工作,但費用和功能各有差異;自己在大型雲端平臺架設,流量穩定且規模夠大時可能較省,卻得自行處理多臺主機共用快取。 例如網站有好幾臺主機時,編輯更新文章,預設設定可能只通知其中一臺,其他主機仍送出舊內容,因此需要讓它們共用同一份快取。挑選平臺時,除了價格,也要看團隊是否有能力維護這些設定,以及網站流量和內容更新方式。

  23. PyTorch Core Releases48

    PyTorch Dynamo 支援 bytearray 的 strip、lstrip 和 rstrip

    PyTorch Dynamo 原本無法處理 bytearray 的 strip、lstrip 和 rstrip,使用這些功能時可能會卡住。這次更新讓它能處理這三種去除字元的方法:可以不給引數、給 None,或給 bytes 型別的資料,而且結果會是新的 bytearray,不會改掉原本的內容。用 str 或整數當引數時,會出現和 CPython 一樣的錯誤;遇到無法直接處理的引數時,則會改走一般的 graph break。測試確認這些方法能在 torch.compile 中使用,也修正了 4 個不再需要跳過的測試標記。

  24. Dev.to Top Tech62

    C# 教學:用 State 模式避免訂單被重複退款

    訂單狀態分散在多個 if 判斷裡時,新增狀態可能讓舊規則漏改,造成同一筆訂單重複退款。文章用 C# 示範:訂單加入退貨狀態後,舊的取消程式仍把它當成已付款訂單,再次退款。改用 State 模式後,每種狀態各自決定哪些操作可以進行;沒有特別開放的操作一律拒絕,因此退貨訂單不能再取消退款。這種寫法讓規則集中在各狀態裡,但會增加程式檔案;狀態少而且很少變動時,簡單的 switch 可能更容易讀。

  25. Dev.to Top Tech76

    StudioVisualIdentity 用一個提示詞打造 18 種短影片風格

    自己做短影片時,常會不小心用上和別人很像的版型、字幕和動畫。作者開源了 StudioVisualIdentity,整理出 18 種視覺風格,每種都有設計規則和實際做出的短片,也提供一個提示詞,讓 AI 助理挑選風格並建立新的製作專案。作者還比較了兩種判斷風格是否不同的方法:看顏色和線條的程式測試把 4 支短片分錯,盲測則把 72 個畫面全都分對。這提醒我們,判斷視覺風格不能只看配色,還得看形狀、字型和呈現方式。

    推薦理由:這個專案把 18 種短影片視覺風格整理成 AI 助理可讀的設計資料,並用盲測結果說明單看顏色與邊緣容易誤判風格差異。

  26. Dev.to Top Tech66

    PhotoKit 實作指南:避免照片很多或存於 iCloud 時出錯

    在模擬器裡用幾張照片測試正常,換成裝有大量照片的 iPhone,程式可能就會變慢、顯示錯誤照片,或讀不到存在 iCloud 的原圖。作者整理了 PhotoKit 常見的實作問題,提醒開發者要分清楚使用者只允許檢視部分照片的情況,也不要一次把整個相簿載入記憶體。製作縮圖時要按螢幕大小挑選適合的圖片尺寸,並在畫面快速捲動時取消舊請求,避免照片跑到錯的格子。若要下載 iCloud 原圖,則應清楚處理下載進度和使用者拒絕下載的情況。作者也建議用真實裝置和大型照片資料庫測試。

  27. Dev.to Top Tech57

    CanopyCore 整理 Diddy Kong Pilot GBA 原型的反向工程研究

    已取消發行的 GBA 遊戲 Diddy Kong Pilot,留下的程式難以直接讀懂。作者花了 17 天分析這款 2003 年原型,將成果整理成唯讀研究資料庫,包含 151 份技術檔案和核心引擎的 C11 參考實作。作者記錄了畫面、精靈圖、飛行物理、遊戲 AI、碰撞和音效系統,並用模擬器及差異測試比對原始程式與重建版本。這份資料不會編譯成 ROM,也不包含遊戲素材,可供儲存研究與日後進一步比對。

  28. Dev.to Top Tech62

    用程式檢查中國試用期規則:期限上限、薪資底線與條文疑問

    試用期合約要檢查期限和薪資是否符合法規,但條文中的範圍邊界和「或」字,會讓判斷不那麼簡單。作者把中國《勞動合同法》的規定寫成程式檢查條件:合約滿 12 個月時,試用期最多 2 個月;滿 36 個月時,最多 6 個月。超過上限且已經履行的月份,補償要按試用期後的月薪計算。至於試用期薪資,條文列出合約薪資與同職位最低薪資的 80% 等底線,卻沒有說兩者不同時該採哪一個;作者因此讓程式列出各項金額,避免自行選定答案。這篇是作者閱讀法規原文後的整理,不是法律建議。

  29. Dev.to Top Tech42

    用 JavaScript 在瀏覽器裡移除圖片的 AI 標籤與隱私資料

    有些社群平臺會讀取圖片裡的資料,替照片加上 AI 標籤;真實照片只要經過一次生成式填補,也可能被誤標。作者用 JavaScript 做出一套在瀏覽器裡運作的清理方法,直接移除 JPEG 和 PNG 裡的 AI 標記、編輯紀錄與 GPS 等資料,圖片不必上傳,也不會改變畫面或降低畫質。例子是保留 ICC 色彩資料,避免清理後顏色跑掉。不過,這只能處理藏在檔案資料裡的標記,無法移除 SynthID 這類藏在畫素中的水印,也不能改掉已發布貼文上的標籤;如果圖片是 AI 生成的,仍應如實標示。

  30. Dev.to Top Tech47

    監控 Shopify、求職網站和 Substack:先找公開 JSON,別急著啟動無頭 Chrome

    有些自動整理資料的工作會開瀏覽器讀網頁,但網站只要改了版面,程式就可能抓不到資料,還會吃掉 n8n 容器的記憶體。作者建議先找網站已提供的 JSON 或 RSS,再用 HTTP 讀取:監控 Shopify 商品時,用不會隨名稱改變的款式 ID 比對;追蹤求職網站時,把「目前沒有職缺」和「查詢失敗」分開,避免誤報職缺關閉或重新開放。Substack 舊文章和 Podcast 逐字稿也可能直接從網站資料或 RSS 找到,不必先開瀏覽器或下載音訊轉文字。這樣能減少故障,也比較不會把查詢失敗當成空資料。

  31. Dev.to Top Tech58

    Node 22 實測:structuredClone 和 JSON 複製物件,哪種比較快?

    複製物件時,速度快的方法可能會悄悄漏掉資料。作者在 Node 22 比較 structuredClone 和 JSON.parse(JSON.stringify()),發現複製一般資料時,JSON 方法快了約 1.6 到 1.75 倍;不過它會丟掉函式和 undefined,把 Date 變成文字,遇到迴圈引用還會出錯。structuredClone 能保留 Date、Map、Set,也能處理迴圈引用。作者建議先用 structuredClone;只有確認資料是一般 JSON 格式,而且程式常常大量複製、速度也確實成了問題時,再考慮改用 JSON 方法。

  32. Dev.to Top Tech58

    OSTUM Desktop 如何離線比對兩份 Excel 活頁簿

    比對兩份 Excel 活頁簿時,如果商品列換了位置,逐列比較可能會把沒變的商品誤認成有差異。OSTUM Desktop 會請使用者選原始檔、更新檔,以及兩張表中用來辨認商品的欄位,再依商品程式碼比對價格。範例中,A17 的價格從 90 RUB 變成 100 RUB,D42 被刪除、E53 新增;B24 和 C31 雖然換了位置,資料並沒有改變。檢視畫面會列出新舊內容和兩邊的儲存格位置,確認後另存成報告活頁簿;若預覽後來源檔有變動,就要重新比對。

  33. Dev.to Top Tech42

    Orca 如何讓 Claude Code 和 Codex 的合作流程更順手

    用 Claude Code 和 Codex 一起寫程式時,常得先整理一份 task.md,交代問題、檔案位置和做法;如果 GitHub issue 已經寫得很清楚,這份檔案就可能只是重複工作。作者改用 Orca,從 issue 挑出工作後,替它建立獨立的工作區,再開啟 Claude Code 或 Codex,並用快捷指令重複執行調查、修改和檢查步驟。 以 JobSearchBuilder 的 issue #47 為例,作者先確認怎樣才算修好,再讓 AI 助理處理,最後親自檢查修改內容並執行 dotnet build 和 dotnet test。需求複雜或模糊時,task.md 仍然有用;簡單明確的工作則可直接從 issue 開始,少做一份重複檔案,也比較不容易把不同工作的修改混在一起。

  34. Dev.to Top Tech55

    開發者如何一步步找到程式錯誤的真正原因

    遇到程式錯誤時,隨手改幾行碰碰運氣,可能讓問題更難找。作者整理出一套除錯方法:先說清楚預期和實際結果,設法穩定重現錯誤,再仔細看錯誤訊息、追蹤資料怎麼變,並把問題縮小到最簡單的失敗例子。接著一次測一個想法,必要時用除錯工具逐步檢視程式,也檢查最近改過的內容。修好後,還要重做原本會出錯的步驟,並試試附近的情況。這樣能靠線索逐步排除原因,也讓求助時更容易說明問題。

  35. Dev.to Top Tech72

    AI 程式助理讓提交量增加 240%,軟體發布量只增 30%

    AI 程式助理能寫出更多程式碼,但這些程式碼不一定更快變成正式發布的軟體。文章整理多項研究,指出超過 500,000 名 GitHub 開發者的提交量增加 240%,專案數增加 80%,發布量則增加 30%;其他實驗對 AI 是否能加快工作,也得到不一致的結果。多出的程式碼仍要花時間檢查、測試和修正,文章因此建議團隊改看通過審查與部署的變更,讓 AI 在開發過程中提供回饋,並把工作切成較小批次。

  36. Dev.to Top Tech65

    如何替七個更新頁面去除重複內容,並保留可查證的引用

    追蹤多個更新頁面時,同一則訊息可能因網址或發布時間不同,被系統當成好幾條新訊息,讓客服收到重複通知。作者建議先清理網址與頁面文字,再用來源、網址和文字雜湊值辨認重複內容,並把引用資訊一路保留到搜尋和通知中。這樣七個來源轉載同一段內容時,只算一組證據;頁面真的有變動時,通知也能附上新舊內容的差異和來源。文章也提醒,若內容主要在圖片裡,或必須逐一顯示每個轉載網址,這套做法就不一定適合。

  37. The New Stack44

    Agentic AI Foundation 的 Angie Jones:AI 助理發展像坐雲霄飛車,工程師得學會跟上

    AI 助理讓新人更快寫出程式修改,但每個提案仍要有人檢查,決定哪些值得採用。Angie Jones 曾讓 Block 的 10 位新人在陌生程式碼中使用 AI 助理解決客戶問題;她也分享 Goose 的做法:先討論問題和設計,再動手改程式,維護者也會用 AI 助理整理問題、檢查程式碼和做安全掃描。 Jones 認為,開發者除了學會使用 AI 助理,也要懂得怎麼打造可靠的 AI 助理,例如限制它能做什麼、能讀取哪些客戶資料。像 MCP 和 A2A 這類共同標準,能讓開發者在工具改變時仍有基礎可依循;而新人熟悉怎麼讓 AI 助理開始工作,資深工程師則能協助判斷哪些修改適合推出。

  38. Dev.to Top Tech47

    教你用 ElevenLabs 和 Python 製作影片 AI 配音工具

    替影片換成另一種語言的配音,常得找人錄音,再把新聲音對準畫面,過程又花時間又麻煩。這篇教學用 Python、ffmpeg 和 ElevenLabs 把流程串起來:先取出影片聲音,再產生新的配音,調整長度後放回影片。沒有現成臺詞時,也可以先把原音轉成文字,再翻譯成目標語言;例如,想把影片改成另一種語言,就能把翻譯好的臺詞交給 ElevenLabs 合成語音。這套做法能讓影片配音更容易自動處理,但新聲音仍要配合影片長度。

  39. Dev.to Top Tech58

    如何讓多個 AI 助理同時寫程式,又不互相覆蓋檔案

    多個 AI 助理同時寫程式,可能改到彼此的檔案、搶用同一個連線埠,或拿舊程式碼合併。作者建議每個 AI 助理使用自己的 Git worktree 和分支,開始前先認領工作、列出預計修改的檔案,避免重複處理同一項任務。各自的連線埠、快取和測試資料庫也要分開;合併時先處理共用的介面或資料格式,再更新其他分支並重新測試。這些安排能減少衝突,也讓團隊更容易確認最後交付的版本確實通過檢查。