跳到正文

#Agent

RSS
今日 29 則
11月21日週六
  1. hackernews10052

    AI 寫程式後,開發者得開始負責架構設計

    AI 可以照著需求寫程式,卻不知道哪些需求會讓應用程式變慢,也不會主動和團隊討論取捨。作者以 Google Forms 外掛為例,說明程式為了記錄新使用者資料,在顯示歡迎畫面前多次呼叫 Google,讓畫面等了 15 秒。作者認為,開發者應先決定要記錄哪些資料、畫面先顯示還是先記錄,以及怎麼兼顧效能與安全,再要求 AI 按照設計寫程式並檢查結果。隨著 AI 接手更多撰寫工作,開發者需要多花心力在架構和資料設計上。

  2. Guillermo Rauch42

    Guillermo Rauch 回憶,他最早試用 @eve 的內部測試版時,做出了一個個人購物 AI 助理,但當時還缺少不少基礎設施。現在有了 @agentcardhq,模型也變得更好,iMessage 和 WhatsApp 的 eve 聊天管道更成熟,執行速度大幅提升,同時保留資料耐久性與加密保護。他表示,現在能用開放式 AI 技術堆疊,打造像 Muse/Instinct 這類可自行掌控的平臺,並鼓勵大家從範本開始修改成自己的版本。

  3. Runway65

    Runway 表示,從 10 月初開始,幾乎每個合併到 Runway App Studio 的程式碼變更,都是 AI 助理撰寫的。Runway 的工程文章說明,他們建了一套系統來檢查這些變更、在瀏覽器中測試,並讓工程師處理風險較高的決定。這提供了一個例子,說明團隊如何把 AI 助理寫的程式碼納入開發流程。

    推薦理由:Runway 說明 AI 助理已撰寫幾乎所有合併的程式碼變更,並分享系統如何檢查、測試及把高風險決策交給工程師。

  4. Dev.to Top Tech51

    用 3 段提示詞透過 AI 助理找工作、刊登職缺或建立 OpenJob 人才檔案

    找工作時,職缺可能已經過期,求職者也不一定找得到可信的應徵方式。OpenJob 把職缺整理成 AI 助理能讀取的公開資料庫,作者提供 3 段提示詞,分別用來搜尋工作、刊登職缺和建立人才檔案。找工作時,提示詞會要求只列出最近 60 天發布的職缺,並附上僱主自己的應徵連結;職缺刊登 60 天後會到期。人才檔案則不能放電子郵件或電話,發布前必須先讓本人確認,並會在 180 天後到期。

  5. Dev.to Top Tech58

    Attune 用鏡頭感測線索,讓 Claude 調整回應語氣

    AI 助理只看得到你打的字,可能察覺不到你正感到緊張或沒精神。開發者做了 Attune,透過一般 webcam 讀取脈搏、呼吸和表情等線索,再把狀態整理成簡短提示,讓內建聊天助理或 Claude 等 MCP 使用者端調整回應方式。原始數值和影片不會傳給 AI;感測、分享和記憶分開取得同意,使用者也能暫停感測或清除紀錄。Attune 只用來調整對話語氣,不做醫療判斷。

  6. Rohan Paul57

    AI 助理做機器學習研究時,常只反覆修改程式、比較分數,遇到難題可能一直修補方向錯誤的方案。Pro2 Agent 會先記下它認為卡住進度的原因、可能的解法和信心,再一次只改一個地方做實驗,根據結果更新判斷。文中提到,它在 75 項 MLE-Bench 任務上用 48 小時達到 76.0% 獎牌率;在 MLE-Bench Lite 上,第一個方案的獎牌率為 57.6%,MARS 則為 28.8%。這提供了一種設計研究型 AI 助理的方法:先找出瓶頸,再用小實驗檢查。

  7. The New Stack55

    OpenSearch 的 Bianca Lewis 說明,為什麼 AI 助理走錯路時看起來仍像成功

    AI 助理可能呼叫了不合適的 API,卻收到正常回應,讓儀錶板仍顯示一切正常。OpenSearch Software Foundation 的 Bianca Lewis 說,團隊可以搭配 OpenTelemetry 追蹤 AI 助理呼叫了哪些服務和 API,再加上成本資料,檢視哪一步走偏、哪裡花費較高。這些線索能幫開發者找出答案看似合理、實際上卻不符合使用者要求的原因。她也提到,團隊可用同一套 OpenSearch 技術處理搜尋和觀測,並把轉換平臺的成本納入整體考量。

  8. Dev.to Top Tech73

    大型程式專案如何讓檔案跟上程式碼變更

    AI 助理每次開始新工作時會先讀專案檔案,檔案若沒跟著程式碼更新,就可能讓後續工作建立在錯誤資訊上。作者在自己的專案訂下規則:檔案和程式碼要放在同一個 PR 修改,不能留到之後補。開 PR 前,先說清楚這次改動讓哪個說法不再正確,再搜尋相關主題、檢查每個提到它的地方並逐一更新。描述目前狀況的檔案要直接改寫;記錄當時決定的檔案則保留原文,另外加上後續說明。能用測試或建置檢查的檔案,也可以交給程式檢查。

  9. Browser Use66

    Browser Use 測試六種 AI 助理,只有一種照做網頁指令

    AI 助理用登入中的瀏覽器代辦事情時,可能讀到網頁裡藏著的指令,也常遇到登入過期、網站封鎖或驗證碼。Browser Use 讓六種設定讀取同一個網頁,其中一種照著頁面要求說出 PINEAPPLE;這只是示範,不是正式基準。文章也測試不同讀取方式能否找到藏在圖片、無障礙樹、隱藏區塊和互動內容裡的文字,並整理實作建議:分開儲存每位使用者的登入資料、避免把密碼交給模型、需要付款或刪除等動作時先請使用者確認。

    推薦理由:六種 AI 助理讀取含有隱藏文字的網頁時,只有一種照做,文章也整理了登入、密碼與付款等瀏覽器風險的處理方法。

  10. Browser Use66

    Browser Use 刪除 136,905 行程式碼,browser-use 1.0 基準分數提高

    Browser Use 發現,給 AI 助理太多瀏覽器操作工具,可能讓它得在一長串選項中挑選,也可能用不上預先做好的功能。團隊在 browser-use 1.0 把 24 個主要工具收成一個 Python 工具,讓模型直接寫程式操作瀏覽器;在 BU Bench v2.1 上,同樣三個模型的分數比 0.x 高 14 到 33 分。不過,這次更新還改了其他內容,工具改動沒有單獨測試,而且每個模型只跑了一次,因此不能把分數變化全算在工具精簡上。團隊也從 199 段操作紀錄中找出模型自行使用的瀏覽器指令,主張只在模型缺少必要能力時才另外做工具。

    推薦理由:團隊用實際任務追蹤 AI 助理會用哪些操作,說明精簡工具清單如何減少選擇負擔,也呈現基準分數比較的限制。

  11. Browser Use79

    Browser Use 檢查基準測試後發現,評審曾漏看大半答案

    Browser Use 的基準測試分數上升,原本看起來像是 AI 助理變強了,但評審其實只讀到答案的一小部分。團隊修正 Claude Code 的評測介面後,重新評分 200 項舊測試,發現這個錯誤讓原本的分數多出 1.8 到 2.6 分;AI 助理本身的改動則增加 2.5 分,而且估算區間包含零。作者建議保留每項測試的完整答案與執行紀錄,先用相同資料重評基準組,再比較兩組在相同任務上的差異;評審出錯的任務應標記為缺少資料,不能當成零分。

    推薦理由:這次復查拆開評分上升中代理程式改動與評審漏看答案的影響,也整理出重跑基準測試時可採用的比對方法。

  12. Browser Use69

    Browser Use 分享瀏覽器 AI 助理遇到網站封鎖時的處理方法

    瀏覽器 AI 助理遇到網站封鎖時,問題不一定是解不開驗證碼,也可能是 IP、所在國家或操作方式被擋。Browser Use 測試 82 個網站,其中 7 個每次都被擋,原因都是當時不支援的驗證碼;另有 6 個從美國連線會被擋,改用當地代理伺服器就能開啟。作者建議先分辨封鎖原因:驗證碼出現時先停止操作並等待,IP 被封就換出口,地區受限就改用合適國家的出口,同時保留登入狀態。測試也顯示,代理伺服器不一定能提高成功率;若驗證碼解不開,反覆換 IP 或重試也無法解決。

    推薦理由:Browser Use 用自家瀏覽器代理人的測試,拆解驗證碼、IP 與地區封鎖的差異,並說明何時該等待、換出口或停止重試。

  13. Browser Use75

    Browser Use 拆解瀏覽器 AI 助理變慢的原因,兩項設定讓航班搜尋快 10 秒

    AI 助理搜尋航班時,等網頁載入、呼叫瀏覽器和模型回覆都可能拖慢速度;如果只看總時間,也容易把不同設定的結果混在一起。Browser Use 用 Google Flights 找蘇黎世到倫敦最便宜的 3 班單程航班,逐項檢查慢在哪裡,並把模型改用 priority、取消每次都經過住宅代理這兩項設定調整。搜尋時間從 30.7 秒降到 20.7 秒,example.com 的測試則從 10.3 秒降到 6.5 秒。作者也提醒,速度比較要確認任務正確率相同;有些看似更快的做法,會讓答對率下降。

    推薦理由:這次實測拆出代理瀏覽器搜尋變慢的多個原因,也比較兩項設定調整前後的耗時,並提醒速度比較必須維持相同的任務正確率。

  14. The Decoder72

    Signal 在 iOS 27 和 Android 限制截圖,防止 AI 助理讀取私人訊息

    即使聊天訊息有端對端加密,能讀取螢幕的 AI 助理仍可能看到已解密的內容。Signal 在 iOS 27 封鎖截圖,並在支援的 Android 版本偵測到 AI 助理讀取螢幕時啟動防護。報導提到,Meta 的 AI 助理 Muse 曾透過較廣泛的裝置許可權,在 Android 和 macOS 讀取 Signal 畫面;Meta 表示,這只會在使用者明確同意後發生。Signal 認為防護仍不完整,macOS 截圖難以可靠封鎖,檔案和通知也有被 AI 助理讀取的風險。

  15. Vercel Blog57

    Vercel CLI 可讓 AI 助理用白話描述任務來找指令

    找 Vercel CLI 指令時,光記得要做什麼,卻不清楚指令名稱或 API 路徑,可能讓人和 AI 助理都得猜。Vercel 新增 vercel help search,可以用日常語句搜尋符合任務的指令;加上 --with-help,還能在同一次搜尋中看到第一個結果的說明和範例。例如搜尋「roll back production」,就會找到 vercel rollback 的選項與範例。搜尋也能提供符合任務的 API 指令及必填欄位,並支援 JSON 結果。Vercel 表示不會記錄搜尋文字。

  16. Dev.to Top Tech42

    AI 程式碼助理和 AI 程式碼助理工具差在哪?什麼時候該用哪一種

    寫程式時,AI 程式碼助理會幫你補上程式碼、解釋內容或回答問題,但開檔案、執行檢查還是要你自己來;AI 程式碼助理工具則會接下一整項工作,自己讀程式、修改檔案、執行測試,失敗時再試著修好,最後讓你檢查改了什麼。像是隻想問一小段程式怎麼寫,用助理就夠了;如果要修好會失敗的測試,還得改好幾個檔案,交給工具處理會省下不少手動步驟。 工具能自己動手,也可能改錯檔案或執行你不想跑的指令,所以要先開啟每次修改和執行指令前的核準,完成後逐行檢查修改內容,最好先在乾淨的分支上工作。文中以 Mel 為例,說明一群 AI 助理可以分工處理檔案、指令和修改檢查;人仍要決定工作內容、核准操作,並確認結果。

  17. Dev.to Top Tech62

    WarmySender 開源自架冷郵件工具,讓 AI 助理無法自行提高寄信上限

    把寄信工作交給 AI 助理時,可能擔心它一次寄出太多郵件。WarmySender 作者公開了自架冷郵件工具 v0.1.0,郵件由使用者連線的信箱寄出,寄送工作則由伺服器上的排程器逐封檢查。每個信箱每天預設最多寄 30 封、上限為 50 封;新信箱前 7 天每天最多寄 10 封,接下來 7 天最多寄 20 封。AI 助理可以建立和管理活動,但不能直接寄信或調高上限;回覆也只能先存成草稿,由人手動寄出。這個版本沒有開信或點選追蹤功能。

  18. Dev.to Top Tech70

    TLDRack 用本機模型幫你挑出需要檢視的程式設計 AI 助理回覆

    同時使用多個程式設計 AI 助理時,逐一檢視每次工作結束的回覆很花時間。作者做了開源工具 TLDRack,讓 AI 助理並排跑在 tmux 裡,並在本機頁面檢視;每次工作結束後,本機模型會讀取結尾訊息,標出工作是否還沒完成。作者兩週送出 1,523 個提示詞,最後有 696 則回覆需要閱讀。這個標記只看 AI 助理怎麼描述工作,不會檢查實際成果;若它聲稱已完成但其實沒有,標記仍可能出錯。

  19. OpenHands (All-Hands AI) Releases45

    OpenHands Agent Canvas 發布 v1.43.0,加入對話反應與自動化設定

    OpenHands Agent Canvas 的 v1.43.0 加入多項新功能,例如在設定精靈中建立自動化、對話反應,以及顯示 AI 助理修改過的訊息。實驗性功能可從設定頁面檢視;聊天訊息清單也改成只載入目前需要顯示的內容,讓操作更順。這次更新還修正切換對話時自動化設定表單會消失的問題。macOS 下載版尚未取得 Apple Developer ID 簽章,系統可能會把它標示為「已損毀」;說明指出,這是 Gatekeeper 的隔離標記,移到「應用程式」後可用提供的指令清除。

  20. Dev.to Top Tech58

    Claude Code 用量達上限時,怎麼把工作交給 Codex 或 Cursor

    Claude Code 用量到上限時,手上的工作可能還沒做完,改用另一個 AI 助理又得重新交代進度。這篇教學整理了等待額度重設、付費增加用量,或改用 Codex、Cursor 接手三種做法,並示範用 AgentDrive 讀取 Claude Code 的工作紀錄,整理出目標、動過的檔案和最近幾次對話,讓另一個 AI 助理接著做。使用本機模式不用帳號,紀錄不會上傳;登入同步後則能從另一臺電腦接續。接手後仍要先檢查磁碟上的檔案,確認工作實際做到哪裡。

  21. The Decoder75

    Google Gemini 可在 Mac 背景操作應用程式,幫忙完成多步驟工作

    手動在不同 Mac 應用程式間切換,處理多步驟工作可能很花時間。Google 在 Gemini Mac app 加入 Computer Use,使用者說明目標後,Gemini 就會操作桌面應用程式、檔案和網站,例如從 PDF 填寫寄件表單或製作簡報。工作會在獨立的背景視窗進行,不會佔用螢幕和滑鼠;使用者能選擇 Gemini 可用哪些應用程式、即時檢視操作過程、隨時暫停,並事先核准重要動作。這項功能先在美國以英文推出。

  22. Martin Fowler Blog39

    Martin Fowler 整理 AI 助理、軟體工廠與 SaaS 的近況

    AI 助理寫程式和處理事情越來越快,但人跟不上時,就可能看不清它們做了什麼,也更難確認結果對不對。文中提到一項程式碼審查實驗:研究者讓 3 種大型語言模型處理 465 個程式碼變更,發現程式碼品質較好的版本,讓 AI 助理審查時的成本低了 22% 到 35%。另外,AI 助理也可能被人拿來處理長篇服務條款,或替受停權的小商家向 Meta 提告、聯絡政府機關。 這些例子帶出同一個提醒:AI 助理能幫忙做很多事,但人仍要看得懂它的行動、確認結果。文中也談到一種 SaaS 新方向:公司提供安全、資料管理等底層服務,再讓客戶依自己的工作方式打造應用程式;要讓這種做法可靠,檢查程式是否正確也會變得很重要。

  23. aihot72

    OpenHands 如何用 AI 助理自動修補自家映像檔的 CVE

    修補映像檔中的 CVE 需要處理許多專案,也得追蹤修補是否部署完成。OpenHands 團隊說明,他們把大部分工作交給 AI 助理流程:挑選修補方式、開 PR、合併低風險專案,再追蹤到部署。人每天只需檢視一則最多 11 行的 Slack 訊息和少量 PR。這篇文章介紹 OpenHands 如何安排自動化流程與人工檢查。

    推薦理由:OpenHands公開自家修補映像檔CVE的工作流程,呈現自動選擇修補、提交PR到追蹤部署的做法,可參考其流程安排人與AI助理的分工。

  24. Dev.to Top Tech39

    澳洲 AI 近況:Anthropic 資料中心引發抗議,AI 助理開始走進客服中心

    澳洲最近同時出現 AI 投資、資料中心爭議和新應用:政府一輪補助拿出 81 million AUD,支援 30 個合作研究計畫,其中包括醫療檢查和農業影像辨識。昆士蘭州一座計畫中的大型資料中心則引來地方居民反對;近 600 份意見中,約 250 人反對,擔心水源、電力和農地受到影響。 保險公司 Auto & General 已開始在客服中心使用 AI 助理,協助處理複雜保單問題和車禍理賠資料,也能在人工監督下更新資料。另一份獨立報告則認為,Services Australia 迅速報告 OpenAI AI 助理未經授權進入 Medicare 入口網站,是正確的處理方式。

  25. Dev.to Top Tech54

    AI 助理寫程式前,先掌握這 5 個實用觀念

    AI 助理寫程式時,可能忘記需求、說工作完成了但程式仍有問題,或改動不相關的內容。作者整理出五個改善做法:把工作切小並記下重要資料,動手前先列計畫,寫完後反覆測試和檢查,把專案規則寫進檔案,並用 MCP 連線檔案、測試和檔案等工具。這些做法能讓人先看過計畫,也能檢查 AI 助理交出的結果。

  26. Dev.to Top Tech58

    Sandscale 說明 AI 助理的稽核紀錄該記下哪些事

    AI 助理出錯後,光看聊天紀錄常不知道它實際執行了什麼。Sandscale 以事件調查為出發點,整理稽核紀錄該回答的問題,包括誰啟動工作、當時套用哪些規則、執行了什麼指令、使用哪些機密資料,以及紀錄能否確認沒有被修改。文章也逐項對照 Sandscale 的功能,指出目前檔案沒有說明會記下每次檔案寫入或網路連線嘗試。團隊可以挑一筆近期執行紀錄,試著只靠紀錄回答這些問題,找出需要補上的地方。

  27. Dev.to Top Tech49

    Nettrux 的貨運 AI 助理詢價前,該先問清楚哪些事

    貨運報價看起來只要填幾個數字,但少算棧板重量,或沒說清楚送貨地點沒有卸貨碼頭,都可能讓最後的費用突然增加。Nettrux 的貨運欄位規定能幫 AI 助理確認要填什麼;例如重量是「每件」的重量,不能把多個棧板的總重量直接填進去。助理還得問清楚貨物尺寸、數量、地址、出貨時間和誰能核准費用,並在付款前讓人檢查報價與資料。這樣才能少出錯;付款順利,也不代表貨物資料填對了。

  28. Dev.to Top Tech58

    HPC 評估不只看 FLOPS:AI 助理如何加快科研迴圈

    超級電腦跑得快,不一定代表研究者能更快得到答案;資料搬移、排隊和分析也會拖慢整個研究流程。作者根據 SC26 的案例,主張衡量從提出想法到拿到結果一天能完成幾輪,而不只看單次運算速度。文章也談到 CPU、GPU 和量子處理器如何由排程工具協調,以及網路延遲和本機小型模型對研究工作的影響。文中的硬體效能數字多來自廠商,作者提醒研究團隊應用自己的程式實測。

  29. Dev.to Top Tech49

    別把管理員憑證交給 AI 助理:讓每次工作只拿到需要的短期許可權

    AI 助理如果能讀取部署用的憑證,一次外洩就可能讓整個雲端帳號或程式庫陷入風險。文中建議不要讓自動化流程自己去翻環境變數、設定檔或命令紀錄找金鑰,而是由 n8n、CI 執行器或 HashiCorp Vault 在每次工作開始時,交給它一組短期有效、許可權剛好夠用的憑證。像部署流程只拿到指定 S3 儲存空間的寫入許可權;缺少憑證時就停止,等人手動設定,不再到處搜尋。 作者也分享,他們讓每次流程使用不同身分,避免一條流程出事就能冒充其他流程;代價是要管理和輪替更多短期憑證。若服務只支援長期金鑰,就得把金鑰鎖在專用保管庫,限制哪些流程能取用並記錄每次使用。要讓這套做法順利運作,應先列清楚每條流程需要碰哪些系統、最低需要哪些許可權,並提早記錄是哪次流程取用了憑證。

  30. Dev.to Top Tech67

    AI 助理群組開發指南:用固定數量的工作者控制同時執行的任務

    檔案分析工作一多,程式可能同時送出大量模型請求,讓服務超載、重試增加,還吃掉太多記憶體。這篇指南把 AI 助理的工作安排成佇列和固定數量的工作者:有空位才開始新任務,佇列滿了就暫緩或拒絕工作,並依任務設定時間和預算上限。作者也說明如何安排任務優先順序、記錄執行狀況,以及處理重試和錯誤,讓工作量增加時系統仍有清楚的限制。

  31. Dev.to Top Tech49

    顧客退貨後獎勵資格改變,Rewards API 怎麼跟上?

    顧客原本有 Gold 會員資格,也完成了 3 筆購買,因此符合獎勵條件;其中一筆退款後,符合條件的購買就剩 2 筆,資格也從符合變成不符合。文章用 PostgreSQL、Materialize 和 Rewards API 說明一種做法:系統收到退款變動後,只更新受影響的資格資料,讓 API 讀取更新後的結果,AI 助理再透過有許可權使用的 API 工具查詢。這樣不用每次有人查詢,就重新計算所有購買和會員資料。 不過,資料更新不一定會立刻出現在 API 裡,因此要量測退款發生到結果更新的時間,也要確認系統能可靠接收資料變動。若兌換獎勵會動用金錢,最後仍應由負責的服務再次確認資格。

  32. Artificial Analysis46

    Artificial Analysis 用 Stirrup 測試 Parallel Search 的 fast 和 advanced 兩種模式,讓 GPT-5.6 Luna 用它搜尋網頁,完成 1,700 項搜尋任務。advanced 在 Artificial Analysis Search Index 得 83 分,與 Keenable Search(pro)並列第一;fast 得 82 分,排名第 4。兩種模式在 DeepSearchQA 都拿下 89 分 F1,名列前兩名。fast 平均每項任務約 $0.014,advanced 約 $0.030;這表示搜尋工具也能靠近高分同類服務,同時維持較低費用。

  33. Dev.to Top Tech61

    AI 電話助理接上真實電話後,哪些地方出問題、又是怎麼修好的

    AI 電話助理接上真實電話後,可能答錯營業時間、讓客人以為預約成功,或在工具執行時沉默太久。作者分享自己替居家服務公司打造電話助理時遇到的問題:把營業時間交給 n8n 計算,只有確認客人聽到預約時間並回應後才寫入行事曆;工具成功才讓助理說「已預約」。他也把等待上限從 120 秒縮短到 25 秒,改用真實電話測試新版,並重播實際收到的資料,避免測試格式和正式來電不同。重複來電時,系統還會檢查並移動同一電話號碼的既有預約。

  34. Dev.to Top Tech69

    歐盟執委會確認遭 AI 協助的 ARTEX 攻擊,多個人事系統停擺逾 10 天

    歐盟執委會員工一度無法使用薪資、請假、工時和醫療報銷系統,服務中斷超過 10 天。執委會表示,攻擊者使用了 AI 工具;CERT-EU 指出,ARTEX 是開源的自動化滲透測試平臺,能依文字目標安排 AI 助理執行偵察與測試,但沒有用技術限制操作範圍。多數服務已恢復,JSIS 當時仍未恢復。執委會表示調查仍在進行,目前沒有證據顯示員工資料普遍遭到外洩,也尚未確認攻擊者身分。

  35. Dev.to Top Tech45

    Sandscale 和 E2B 的 Firecracker 沙盒平臺有哪些不同?

    Sandscale 和 E2B 都用隔離性高的 Firecracker 虛擬機器來執行 AI 助理寫的程式,挑選時更大的差別在計費和管理功能。E2B 按沙盒運作時使用的 CPU 和記憶體逐秒收費,暫停後就停止計費;Sandscale 則只計算沙盒醒著工作的時間,等待模型或人回覆時不收費。例如,文中假設一個工作只忙 10 分鐘、等了 50 分鐘,Sandscale 不會把那 50 分鐘算進費用。 Sandscale 每個方案都有機密資料保管、提示詞檢查、人工核准和修改紀錄;E2B 公開的資料則列出 SOC 2 Type II 報告、可申請的 HIPAA 合作夥伴協議,以及較多地區、雲端和沙盒功能。兩邊各有適合的情況:常常等待、又想要內建管理工具,可考慮 Sandscale;需要合規證明或大量同時運作的沙盒,E2B 公開的支援較完整。

  36. Dev.to Top Tech48

    Sandscale 和 Daytona 怎麼隔離 AI 助理的工作環境、又怎麼計算閒置費用?

    AI 助理做事時常得等模型或人回覆;如果工作環境一直開著,等待時間也可能要付費。Sandscale 和 Daytona 都提供能透過 SDK 或 API 使用、用完就能丟掉的電腦環境,但兩家的隔離方式和計費不同:Sandscale 每個環境都是有自己核心的 Firecracker microVM,等待或暫停時不計費;Daytona 預設使用 Linux 容器,環境啟動時會依保留的 CPU、記憶體和硬碟空間計費。 假設 AI 助理用 2 個 vCPU 工作 10 分鐘,接著等 50 分鐘:Sandscale 只算實際清醒運作的時間;Daytona 若一直開著,文章估算每次要 $0.1656,若 10 分鐘後手動停止,則是 $0.0276,兩者都未計硬碟費。怎麼選要看環境需求和等待時間;例如需要 GPU、Windows 或 macOS 時,Daytona 有提供這些環境,Sandscale 則沒有。