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 261–280 條 · 共 562 條
11月14日週六
  1. Artificial Analysis61

    用 AI 助理寫程式時,分數高不一定代表不同工具在同一套測試裡都能公平比較。Artificial Analysis 更新 Coding Agent Index,改用新版 FrontierCode 和 Terminal-Bench 評分;前者看程式修改是否值得專案維護者合併,後者更新了檢查答案的方式,讓評分更可靠,也較不容易被鑽漏洞。新版中 Claude Fable 5.2 和 Claude Opus 5.5 都拿下 58 分;整體分數平均比舊版低 5 分。得分 48 分以上的配置,每項任務成本約差 30 倍,從 $1.51 到 $44.22,顯示比較表現時也要留意花費。

    推薦理由:新版基準讓模型分數平均下降 5 分,並列出不同配置的單項任務成本,方便比較分數與花費之間的差異。

  2. PyTorch Core Releases62

    PyTorch Inductor 重整分塊軸處理,為支援更多維度做準備

    PyTorch Inductor 原本把分塊軸固定在少數幾種名稱和最多三軸,讓後續擴充多維度分塊前,得先移除這些限制。這次更新改用輸入資料的維度產生軸名稱,並讓分塊選擇依設定的上限處理;同時調整區塊大小限制、描述子和指標位移的配合方式。作者回報,多軸分塊、描述子、區塊指標與自動調校的相關測試通過。這項重構本身為後續支援更多維度的分塊鋪路,區塊大小的既有限制則仍保留。

    推薦理由:這項重構整理了 Inductor 對分塊軸數量的假設,並以多軸測試檢查描述子、指標位移和自動調校能否正確配合。

  3. PyTorch Core Releases72

    PyTorch Inductor 擴大支援更多維度的切分

    PyTorch Inductor 原本把切分軸的數量寫死,讓點狀運算難以使用超過三個維度。這次改動改用輸入資料的維度來產生軸名稱,並依設定和區塊限制選擇切分方式,也整理了相關的自動調整與描述資料處理。改動本身是後續支援更多維度切分的準備;發布紀錄列出的測試涵蓋多種軸數、描述資料和區塊指標情況。

    推薦理由:這次改動移除 Inductor 對切分軸數量的固定限制,也整理了區塊大小的選擇方式,可瞭解後續支援更多維度切分的基礎。

  4. Vercel Blog76

    Vercel Token Pass 開放使用 Kimi K3.1 Pro

    團隊使用 AI 助理寫程式時,可能需要切換不同模型或工具。Vercel 的 Token Pass 現在加入 Moonshot AI 的 Kimi K3.1 Pro,可用於寫程式和 AI 助理工作流程,也支援看圖、使用工具,並提供 1M 上下文視窗。這項早期訂閱每隊每月 $30,會提供每月 $80 額度,可用於連線 AI Gateway 的程式開發工具或用 AI SDK 建立的 AI 助理;透過 Token Pass 處理的請求不會保留資料。

    推薦理由:Token Pass 把 Kimi K3.1 Pro 加入團隊訂閱,並列出月費、可用額度與資料保留方式,方便評估是否符合開發需求。

  5. Vercel Blog73

    Vercel Token Pass 每月 $30 可用的代幣額度提高到 $150

    Vercel Token Pass 每月收費 $30,現在提供的代幣額度從 $80 提高到 $150,可用於透過 AI Gateway 提供的指定開放權重模型。額度會在每個計費週期重設,不能累積到下個月;用完後,使用一般 AI Gateway 金鑰或 OIDC 權杖的請求會改用團隊的 AI Gateway 餘額,使用 Token Pass 專用金鑰的請求則會停止,也不會產生超額費用。這項加購服務目前開放給 Pro 團隊,名額有限,額滿後會列入候補。

    推薦理由:每月抵用額從 $80 提高到 $150,費用維持 $30;用量到期後,不同金鑰的處理方式也有所不同。

  6. Dev.to Top Tech76

    CLAUDE.md 實用範本教你替不同專案寫好 AI 助理規則

    AI 助理每次開始新工作時,可能忘了專案規則、猜錯指令,甚至改掉測試來讓錯誤看起來通過。作者整理了通用專案、Python 微服務和多 AI 助理專案的 CLAUDE.md 範本,建議寫清楚可直接執行的指令、程式修改界線和完成條件,也提醒把目前進度留在程式碼、測試或任務清單裡。這些做法能讓工作比較好接手,也方便檢查 AI 助理實際做了哪些確認。

    推薦理由:文章提供通用、Python 微服務與多 AI 助理專案的 CLAUDE.md 範本,並說明如何用明確規則減少猜測、避免測試被改到失去意義。

  7. Dev.to Top Tech76

    日文文字讓 App 出現 7 種小問題,作者整理修正方式與程式碼

    英文測試都通過,日文使用者卻可能遇到輸入送出一半、文字被切壞或搜尋不到資料等問題。作者整理了 7 種常見情況,並提供可參考的程式碼:例如輸入法還在轉換文字時,不要把 Enter 當成送出;截短文字時,要依照使用者看到的字數計算;搜尋時,也要讓平假名、片假名和半形片假名能互相找到。文章還提醒,日文姓名應依讀音排序,頁面也要標示日文並使用合適字型。

    推薦理由:文章用七個常見介面問題說明日文輸入與顯示的差異,並附上可直接參考的程式碼,方便開發者檢查既有網站或 App。

  8. Lobste.rs (Engineering Discussion)64

    作者修好 WebKit 的 Promise 錯誤,解釋 Safari 和 Bun 為何會卡住

    JavaScript 的 Promise 遇到錯誤時,理應轉成失敗狀態,但 Safari 和 Bun 曾因一個特殊設定卡住,程式一直等不到結果。作者追查後發現,問題出在 JavaScriptCore 呼叫 Promise 的 then 方法時,先讀取了可能出錯的屬性,卻還沒準備好用來回報錯誤的函式。作者修正 WebKit 的處理順序後,Bun 1.4 和 Safari 27 已能像 Node.js 一樣正常結束。文章也用鐵軌比喻 Promise 的成功與失敗路徑,說明為什麼 TypeScript 無法替 Promise 的錯誤指定固定型別。

    推薦理由:作者從一個會讓 Safari 和 Bun 卡住的例子,拆解 JavaScript Promise 如何處理錯誤,也說明修正前後的差異。

  9. Hacker News (official RSS)80

    OOS 為 Rigol DHO800、DHO900 示波器換上開源系統

    Rigol 示波器原本使用原廠軟體,OOS 提供另一套可從 SD 卡啟動的開源系統,支援部分 DHO800、DHO900 機型,並可隨時切回原廠系統。它使用 Linux 6.12 和以 Rust 編寫的示波器程式,提供訊號量測、頻譜分析、邏輯分析與多種通訊協定解碼,也能透過網路遠端操作。這仍是實驗中的軟體,目前只在一臺 DHO924S 上跑過,部分功能未經實機測試,量測結果也沒有依標準校正;安裝前應先看清楚注意事項。

    推薦理由:OOS 讓 Rigol 示波器能改用自製 Linux 系統,並保留切回原廠系統的方式;文中也清楚列出實機測試與校正限制。

  10. aihot84

    Google 開放 Antigravity 的 /teamwork,讓研究者使用多個 AI 助理協作

    研究和工程工作常要查大量資料、測試不同做法,還得確認每一步都正確。Google 開放 Antigravity 的 /teamwork,讓多個 AI 助理分工處理長時間任務,再用 Lean 4、測試套件或硬體計時等方式檢查結果。Google 展示了它在數學證明、分子結構推斷和程式最佳化上的成果,例如一項分子結構基準測試達到 95% 的 top-1 精確匹配。研究者和開發者可透過 Antigravity 使用這些工具;Google 也開放申請,讓 10,000 名學術研究者免費使用最高用量級距六個月。

    推薦理由:Google 展示 /teamwork 在數學證明、分子結構推斷與程式最佳化的實例,並說明如何用獨立檢查流程驗證成果。

  11. Google Research85

    Google 開放 Antigravity 的 /teamwork,讓 AI 助理協作研究與工程工作

    研究和工程工作常要處理大量資料、反覆試錯,還得確認每一步都正確。Google 在 Antigravity 開放 /teamwork 和 /boost,讓多個 AI 助理分工探索,再用 Lean 4、軟體測試或硬體量測檢查結果。Google 分享的案例包括協助研究者完成數學證明、找出分子結構,以及改寫系統程式;研究者仍負責提出問題和確認成果。學術研究者也可申請六個月免費使用最高用量方案。

    推薦理由:Google展示 /teamwork 如何把長時間研究拆成多個可檢查的步驟,並用形式驗證、測試與硬體量測篩選結果,呈現多 AI 助理協作的實際做法。

  12. cloudflare blog76

    Cloudflare 將 Kitesurf 開源,讓開發者自行部署 AI 助理用的瀏覽器

    AI 助理需要瀏覽網頁時,完整瀏覽器會使用較多 CPU 和記憶體。Cloudflare 現在把 Kitesurf 的程式碼放上 GitHub,開發者可以在自己的電腦執行、修改,再部署到自己的 Cloudflare 帳戶。Kitesurf 能載入網頁、執行 JavaScript,並支援 Chrome DevTools Protocol,因此可連線 Puppeteer 等工具。自架部署需要 Workers Paid 方案,因為它會為網頁建立隔離的 Workers。

    推薦理由:Kitesurf 開源後,開發者能自行閱讀、修改並部署瀏覽器引擎;文章也說明瞭本機試用方式與自架時的方案要求。

  13. Rohan Paul74

    從預訓練模型到建置服務引擎,AI 助理能不能完成整套工作?卡內基美隆大學的新論文用 Singularity-Bench 測試 6 種端到端任務,並在相同 GPU 上拿成果和 SGLang 等生產工具比較。Opus 5.5 的 Singularity-Index 是 1.25,人類基準為 1;另外 10 個 AI 助理平均是 0.58。它建置的服務引擎每 GPU 小時賺取 11.52 USD,SGLang 則是 8.18 USD。

    推薦理由:這項基準把 AI 助理完成訓練、推論與叢集管理工作的成果,和同 GPU 上的生產工具比較,可瞭解它們在端到端工程任務上的表現。

  14. Lobste.rs (Engineering Discussion)61

    Kildall 演演算法如何幫 Lisp 編譯器判斷閉包能否放在堆疊上

    Lisp 的直譯器會照顧各種可能的輸入,但這會讓程式跑得比較慢;編譯器可以加快速度,卻得先弄清楚哪些值會被程式其他部分用到。作者以自己參與開發的 Cleavir 編譯器為例,說明 Kildall 演演算法如何沿著程式流程追蹤資料,判斷閉包會不會逃出目前的函式。若閉包不會跑到外面,編譯器就能考慮把它放在堆疊上,減少交給記憶體回收器處理的工作。文章也示範了巢狀函式讓分析變複雜的情況,以及作者如何擴充分析來處理它。

    推薦理由:文章以 Cleavir 的程式碼例子說明 Kildall 演演算法如何追蹤閉包是否逃出函式,並把分析結果用來判斷能否改用較省資源的堆疊配置。

  15. Dev.to Top Tech76

    設計系統怎麼幫 AI 助理做出一致的介面?作者用 11 次實作比較

    AI 助理很快就能做出看起來合理的介面,但不同次製作可能各自選顏色、按鈕和版面,還會漏掉錯誤或載入時的樣子。作者用 Claude Sonnet 和 Claude Code 做了 11 次實作,比較沒有設計系統、使用 shadcn/ui,以及加入 Halden 設計規則的結果。測試中,只有規則檔、元件目錄和程式檢查都備齊時,新畫面才把新樣式做成共用元件,並把原始樣式值降到 0。作者也提醒,規則要放在程式碼旁並實際檢查,因為分開儲存的檔案可能和程式碼不一致。

    推薦理由:作者用 11 次實作比較不同設計系統的效果,呈現規則、元件目錄與程式檢查如何減少新畫面各自猜測的情況。

  16. aihot65

    Lydia Hallie 分享 Claude Code Stop hook 讓檢查失敗後自動重試的技巧

    程式檢查沒通過時,如果 Claude Code 直接結束,問題就得由人手動處理。Lydia Hallie 分享用 Stop hook 讓它重試的方法:檢查失敗後,hook 要以退出碼 2 結束,並把錯誤訊息寫到標準錯誤輸出,Claude Code 就會收到訊息並重試。若用退出碼 1,檢查即使失敗,Claude Code 仍會直接結束。

    推薦理由:這項技巧說明 Stop hook 的不同退出碼會影響 Claude Code 是否重試,能幫助開發者設定檢查失敗後的處理流程。

  17. Hacker News (official RSS)78

    vcad 用固定網格計算 CAD 圓角與剛體接觸的梯度

    調整 CAD 零件尺寸時,最佳化工具常得反覆重建模型,才能估算尺寸變動會怎麼影響重量或模擬結果。這篇研究介紹 vcad 的做法:先固定目前的網格,再計算孔洞、圓角等設計引數變動時,網格各點如何移動,並把結果用在質量計算和剛體模擬。作者以有限差分檢查結果,也展示梯度可用於尋找合適的零件尺寸。不過,算出的梯度只對固定網格精確;網格太粗會有誤差,若改動讓模型拓樸改變,計算就會回報錯誤。

    推薦理由:把 CAD 引數的梯度延伸到圓角與剛體接觸,並以有限差分檢查結果;文中也說明網格解析度和拓樸變動會帶來的限制。

  18. Lobste.rs (Engineering Discussion)70

    Go 套件 unsure 用五種近似資料結構省下記憶體

    資料量很大時,精確記下每筆內容可能會佔用很多記憶體。作者介紹 Go 套件 unsure 提供的五種近似資料結構,分別用來查某筆資料是否可能出現、估算出現次數和不重複專案數、檢視數值分佈,以及找出最常出現的專案。這些方法不保證每次都完全準確,但能用較少空間處理大量資料;例如,估算 100 萬個不重複專案時,HyperLogLog 約用 16 KB,原文估計誤差約 0.8%。文章也比較各結構的速度、記憶體用量和誤差,並說明何時適合使用、哪些操作做不到。

    推薦理由:文章用五種資料結構的用途與限制說明如何用較少記憶體處理大量資料,並以 Go 套件實測比較速度、誤差和佔用空間。

  19. Dev.to Top Tech77

    Claude Fable 5.2 適合拿來寫程式嗎?作者比較價格、測試結果與使用時機

    寫程式時,功能較強的模型不一定適合每個任務,也可能花更多錢。作者還沒親自用過 Claude Fable 5.2,這篇實用指南整理了 Anthropic 等來源公佈的價格與測試結果,並用作者自己的 Claude Pro 帳號確認方案內容。Fable 5.2 每百萬 tokens 的輸入和輸出價格是 $8 / $40,是 Sonnet 5.5 的 4 倍;在 Anthropic 公佈的測試中,它也比 Opus 5.5 高幾分。作者建議平常先用 Sonnet 5.5 寫、測試和部署,較難的規劃交給 Opus 5.5,只有 Opus 卡住時才升級到 Fable。這些測試數字來自廠商或工具方,作者沒有實際測試 Fable。

    推薦理由:作者把 Fable 5.2、Opus 5.5 和 Sonnet 5.5 的價格與測試結果放在一起比較,並說明不同編碼工作如何選擇模型。

  20. Dev.to Top Tech78

    Mister Blocks 教你用程式設計大型 LEGO 模型

    要做出上千片積木的大型展示模型,手動畫每一層既花時間,也很難安排組裝順序。Mister Blocks 的作者用程式描述身體各部位的形狀和顏色,再把模型切成積木大小,依顏色排成一層層;如果翅膀或手臂沒有接牢,程式會在下方加上透明積木,直到模型連成一體。最後,模型會按部位分成較小的組裝步驟。像 Mega Dragonite 就用了 1,297 片積木,分成 125 步,讓大型模型也能照著指南組起來。

    推薦理由:文章把大型積木模型拆成形狀、積木排列、透明支撐與分步說明,展示用程式把立體設計轉成可照著組裝模型的方法。