跳到正文

AI 程式開發

AI 寫程式碼的一切:編碼助手、Vibe Coding、程式碼模型評測與開發工作流變革。

562條精選相關主題Agent AI 助理Cursor教學與實務

最新精選

第 1–20 條 · 共 562 條
今天11月23日週一
  1. hackernews10079

    fast-anything 找出程式中最慢的部分,只把那段改寫成 Rust

    整個程式改寫成 Rust 可能要花好幾個月,但拖慢速度的工作往往集中在少數函式。fast-anything 會先找出最耗時的部分,再請 AI 助理把選中的函式改寫成 Rust,並用程式實際跑過的資料比對結果;確認結果一致,而且整體執行更快後,才會啟用新版。工具也能隨時切回原本程式。作者列出多種語言的測試結果,例如 Python 名單比對從 4.91 秒降到 42 毫秒;這些數字來自作者提供的測試環境與範例。

    推薦理由:工具會先找出最耗時的函式,再用實際呼叫比對 Rust 版本,讓開發者評估區域性改寫是否能加速整個程式。

  2. Dev.to Top Tech77

    Cairn 案例揭露 AI 助理攻擊手法,作者整理九項伺服器防護檢查

    AI 助理能長時間反覆嘗試攻擊,伺服器若少了登入保護或檔案路徑檢查,就可能被利用。作者根據 Amazon 公佈的 Cairn 案例整理防護清單:其中兩次攻擊沒有成功,另一次利用 MONAI Label 的路徑穿越漏洞寫入檔案,之後取得 root 許可權。MONAI Label 0.8.6 已修補這個漏洞;文章也建議開啟驗證、限制服務可寫入的資料夾、避免以 root 執行服務,並留意長時間且重複的登入或請求。作者沒有親自重現攻擊,清單中的程式範例也只用小型合成資料檢查,偵測門檻仍需依實際流量調整。

    推薦理由:文章把 Cairn 案例中的成功與失敗,整理成九項伺服器檢查做法,涵蓋修補漏洞、限制服務許可權與從紀錄辨認長時間嘗試。

11月22日週日
  1. Dev.to Top Tech76

    從 ML/量化工作轉向機器人:作者實測第一週做了什麼

    想從機器學習或量化工作轉做機器人,第一週該從哪裡開始?作者用一臺沒有 GPU 的 Linux 電腦,先在 MuJoCo 跑控制實驗,記下每一步花多少時間,再訓練 HalfCheetah。跑完 1M 步約花 109 分鐘,最後評分是 9,180;作者也公開訓練紀錄、比較表和程式,讓讀者能自己查對。這份紀錄示範如何用可重做的實驗,說明自己做了什麼、花了多少成本。

    推薦理由:作者以實測資料拆解轉入機器人領域的第一週工作,從環境設定、訓練成本到可查核的實驗紀錄,提供一條具體的入門路徑。

  2. The New Stack77

    GPT-6.2 Astra 和 Claude Fable 5.2 實測:準確度接近,費用與速度差很多

    選模型時,答得準不準只是其中一件事,花多少錢、等多久也會影響實際使用。作者用月底帳務、帳務程式修正和實驗室資料分析三種工作比較 GPT-6.2 Astra 與 Claude Fable 5.2;兩者在帳務和資料分析都拿滿分,Fable 5.2 在程式測試多拿 2 分。整體來看,Astra 花費較低、完成較快,但在程式測試中漏掉一條會影響顧客帳單的規則。作者建議先讓 Astra 重做幾次並比對結果,有錯誤或差異時,再用 Fable 5.2 複核。

    推薦理由:三種工作測試顯示兩個模型的準確度接近,但花費和完成時間差距很大,能幫助讀者依錯誤代價選擇模型與複核方式。

  3. Dev.to Top Tech80

    KVM 的 AMD 巢狀虛擬化漏洞可能讓租戶越過隔離邊界

    虛擬機器原本應該和主機及其他租戶隔開,但特定 AMD 主機上的 KVM 漏洞可能打破這道界線。Linux KVM 主機若開啟巢狀虛擬化、使用受影響的核心版本,而虛擬機器內的使用者又有 root 許可權,就可能觸發問題。研究者在測試機上展示,攻擊者可從雲端虛擬機器讀取主機記憶體,並寫入主機核心;來源未回報公開 PoC 或實際攻擊。修補物件是主機核心,更新虛擬機器內的核心無效。可停用 AMD 主機的巢狀虛擬化,或更新到含修正的主機核心並重新開機;各 Linux 發行版的修補版本可能不同。

    推薦理由:研究展示 AMD 主機上的 KVM 漏洞可讓虛擬機器讀取主機記憶體並寫入核心,呈現巢狀虛擬化設定如何影響租戶隔離。

  4. Dev.to Top Tech78

    LobsterMatch 教你用 Python 打造能搜尋並聯絡其他 AI 助理的程式

    自己做的 AI 助理要怎麼找到合適的同伴,並安全地交換訊息?這份教學從頭用 Python 寫出一個小程式,讓它能在 LobsterMatch 登記資料、搜尋其他 AI 助理,再用有固定欄位的訊息卡提出請求。收到通知時,程式會先檢查簽章,確認訊息確實來自網路,再讀取對話並交給模型處理;簽章不符就不會啟動模型。教學也說明如何避免對話卡住後一直呼叫模型,以及把金鑰放在環境變數中。

    推薦理由:這份教學把尋找同伴、傳送結構化訊息與驗證 webhook 串成一個流程,能參考其做法控制喚醒時機並保護憑證。

  5. Dev.to Top Tech79

    OpenCode 2.0 讓終端機、桌面和網頁版共用工作進度

    在不同介面間切換時,程式工作和進度常得重新接手。OpenCode 2.0 把終端機、桌面和網頁版接到同一個背景服務,共用工作階段;你也能把程式碼審查交給另一個模型的子助理在背景處理,自己繼續工作。MCP 伺服器預設使用 Code Mode,讓 AI 助理把多個工具組合成一段程式碼;工作進行中,AI 助理也能替自己寫外掛。升級前請先閱讀遷移說明。

    推薦理由:OpenCode 2.0 把終端機、桌面和網頁版接到同一個背景服務,並讓子助理能在背景處理程式碼審查,呈現了多種工作方式如何接續。

  6. Dev.to Top Tech76

    如何安全重送失敗的 webhook:用 Python 儲存原始請求再重新處理

    Webhook 處理程式暫時出錯時,服務商可能停止重送,讓付款或訂單事件漏進資料庫。作者建議先把收到的原始請求存進資料庫,再由背景工作處理;用服務商名稱和事件編號避免重複存入,重送時則呼叫和日常處理相同的函式。Python 指令碼預設只列出準備重送的事件,確認後才實際執行,也能限制處理速度。重送前還要確認程式能安全處理同一事件多次,避免重複寄信或重複增加金額。

    推薦理由:把原始請求、重送流程和冪等檢查串在一起,說明如何補回漏掉的 webhook 事件並降低重複處理風險。

  7. Dev.to Top Tech82

    Together AI 上架 Qwen4 Max,支援 1M token 上下文

    把大型程式專案交給模型處理,常會遇到內容太多放不進去的問題。Together AI 已在免管理推論服務上架 Alibaba 的 Qwen4 Max,可一次讀取文字和圖片,也能呼叫工具。Together 用一個 Tornado 錯誤回報和整個專案測試它,模型提出的修補通過了針對該錯誤的兩項測試,套用後整套 1,673 項測試也沒有失敗;這是單一案例,不是基準測試。服務只接受串流請求,思考功能預設開啟,思考用掉的 token 也會計入輸出費用;把程式碼送到雲端前,還要先檢查專案裡有沒有機密資料。

    推薦理由:Together AI 的單次測試把整個 Tornado 專案交給模型修補錯誤,呈現超長上下文處理程式碼的實際用法與限制。

  8. Dev.to Top Tech81

    Inkling 2 Mini 如何用重複運算,讓 26.4B 引數模型裝進約 20GB

    模型引數多,常會需要更多記憶體;Inkling 2 Mini 用一種重複運算的方法,讓模型可以裝進約 20GB。它會讓中間幾層重複處理同一份資料,因此用同一批引數多算幾次,而不是一直增加新引數。模型共有 26.4B 引數,每個 token 只啟用 3.4B,文章說可在 32GB Mac 上執行。它在 SWE-bench Verified 得到 79.2%,但這些成績來自團隊自己的測試,還沒有獨立重現;文章也提到,不同來源對重複運算的次數說法不一。

    推薦理由:文章以 Inkling 2 Mini 的引數規模、記憶體需求與程式基準比較,說明重複使用部分層如何用更多運算換取較小模型,並交代測試仍來自實驗室。

  9. Dev.to Top Tech83

    AI 提示詞的零資料保留設定擋不住外洩:如何查清資料經過哪些服務

    把提示詞設成零資料保留,不代表裡面的密碼或金鑰就安全;資料仍可能被服務商內部的攻擊者看到、被轉售平臺記錄,或被轉送到其他服務。作者整理 Dragos 的誘餌憑證研究與多起事件,說明提示詞從自家系統到模型服務會經過哪些站點,以及每一站都可能讀到完整內容。實務上,可以記下每一站、固定使用審查過的供應商、送出前先遮掉密碼和金鑰,再放入不同的假憑證來偵測外洩。這些做法能縮小風險並協助追查,但假憑證只能示警,零資料保留也無法阻止服務商遭入侵。

    推薦理由:文章把多起提示詞外洩事件連到實際防護步驟,說明如何追查轉送路徑、固定供應商並用誘餌憑證偵測外洩。

  10. Dev.to Top Tech76

    BabySea 開源 ledger-fortress,處理 AI 生成服務的點數結算

    AI 圖片或影片生成常要等一段時間,付款通知也可能重複、延遲或亂序,讓點數被重複發放,或工作完成後沒有正確扣款。BabySea 把可重用的點數結算做法開源為 ledger-fortress:Stripe 負責收付款,PostgreSQL 記錄可用點數和每次變動。開始生成前先預留點數,成功時確認扣款,失敗或取消時退回;資料庫也會擋下重複操作,並可找出卡住的預留紀錄交由恢復流程處理。Stripe 退款與爭議款則留在這套點數帳本之外,需另行處理。

    推薦理由:文章拆解點數預留、扣款與退款如何配合非同步生成,並說明資料庫如何處理重複和亂序事件,可作為設計類似計費流程的參考。

  11. Dev.to Top Tech76

    Go 聊天系統如何用房間頻道保護遊標資料

    多人一起編輯不同出貨計畫時,如果所有人都收到同一串游標更新,再由畫面隱藏其他房間的資料,未獲授權的人仍可能讀到內容。這篇 Go 實作指南建議依房間分開頻道,先確認使用者的房間許可權,再發出只能接收該頻道資料的憑證。驗收時要用不同帳號測試,直接檢查連線實際收到的資料,也要測試錯誤憑證、重新連線和移除成員後的情況。作者還用假設的物流工作量比較共用頻道與分房間傳送的接收量,提醒團隊把許可權隔離和系統容量分開檢查。

    推薦理由:文章用物流編輯器說明,房間許可權應在事件送達前限制,並以實際收到的資料檢查隔離是否成立。

  12. Dev.to Top Tech90

    作者檢查 GRH 證明程式碼,發現幾何條件被寫成永遠成立

    Lean 和 Mathlib 社群確認一份黎曼猜想證明通過多種程式檢查,但作者發現,程式裡有個叫 anyGeometry 的條件,對任何輸入都直接回傳 True。作者追查程式碼後確認,這個條件出現在 24 個檔案中,也被用來建立一些假設;不過,他還沒查完它是否真的一路影響最後的定理。程式檢查能確認證明符合寫好的定義,卻不會判斷定義本身是否真的表達了數學上的幾何條件,因此目前的發現還不能單獨判定整份證明是否成立。

    推薦理由:文章對照程式碼與驗證紀錄,說明形式證明能檢查推導是否符合定義,卻無法判定定義是否承載了名稱所指的數學內容。

  13. 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。

  14. 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。

  15. aihot74

    Together AI 上線 Qwen4 Max,實測一次修好 Tornado 整個程式庫的 bug

    修理大型程式庫的 bug,常得先找出相關檔案,再確認修改有沒有弄壞其他功能。Together AI 把 Tornado 的 344 個檔案和一份 bug 說明一次交給 Qwen4 Max,沒有先挑檔案或使用工具;模型在 72 秒後提出修補方式,並找出程式庫裡可參考的舊寫法。套用修補後,兩個針對這個問題的測試和整套 1,673 個測試都通過。這次請求用了 652,519 個輸入 token,促銷價約 69 美分;重送相近內容時,快取讓輸入費用降到約 3 美分。Qwen4 Max 已在 Together AI 上線,支援 100 萬 token 的上下文視窗,但目前只接受串流請求。

    推薦理由:這次實測把整個 Tornado 程式庫一次交給模型,呈現長篇程式碼修補的流程、測試結果與費用。

  16. Together AI Official Blog84

    Qwen4 Max 在 Together AI 上線,單次請求修補 Tornado 錯誤

    要找出大型程式專案裡的錯誤,常得先挑出相關檔案;Together AI 把整個 Tornado 專案和錯誤描述一次交給 Qwen4 Max,沒有使用工具或先搜尋檔案。模型在 72 秒內提出修補程式,找出兩個關鍵檔案,修補後通過維護者為該錯誤寫的兩項測試,也通過整套 1,673 項測試;這次請求費用為 69 美分。文章也說明瞭服務價格、串流使用方式與提示詞快取。這是單一案例,展示模型處理大型程式專案的方式與成本。

    推薦理由:這次測試把整個 Tornado 專案和錯誤描述放進單次請求,呈現 Qwen4 Max 修補程式、通過測試所需的時間與費用。

  17. Together AI64

    修正程式碼時,要先從大量檔案中找出問題所在。Together AI 表示,他們把一份錯誤回報和 Tornado 專案的 344 個檔案一次交給 Qwen4 Max,模型找出相關程式碼並寫好修補內容。接著執行了 Tornado 的 1,673 項測試,沒有失敗;這次請求花了 $0.69。貼文也提到,Qwen4 Max 在 Together AI 上的優惠到 11 月 22 日為止。

    推薦理由:Together AI 用修正 Tornado 程式碼的案例呈現 Qwen4 Max 的實際用途,並列出測試結果與單次請求費用。

  18. Addy Osmani74

    Claude 一次處理多個步驟時,逐一呼叫工具會花時間,也可能把大量搜尋結果塞進上下文。Claude Code 的實驗性功能 Code Mode 會用 JavaScript 編排多個工具操作,例如平行搜尋多個檔案、整理結果,再批次修改;長時間工作也能在背景執行,最長可達兩小時。使用者仍可照常用提示詞和 Claude 互動,也能用 /tasks 檢視及管理背景工作,或按 Ctrl+O 檢視 Claude 產生的 JavaScript。每次工具呼叫仍受現有許可權規則和沙箱限制。

    推薦理由:Code Mode 把多步工具操作交給 JavaScript 一次編排,也能在背景執行長工作,文中並說明如何檢視程式碼與管理背景任務。