跳到正文

教學與實務

拿來就能用的實操內容:提示詞技巧、工作流搭建、工具用法與踩坑經驗。

最新精選

第 301–320 條 · 共 557 條
11月13日週五
  1. AWS Machine Learning Blog66

    AWS 說明如何以 Agent DLC 將 AI 助理從原型推進至正式環境

    AWS 介紹 Agent Development Lifecycle(Agent DLC),以明確的驗收標準串起 AI 助理的建置、評估、發布與上線監測,並透過參考實作說明如何診斷失敗。

    推薦理由:文章以 HR 政策助理的實測說明,單看段落相關性可能漏掉檢索內容缺口,並整理出從定義標準到上線監測的評估流程。

  2. AWS Machine Learning Blog63

    Amazon Bedrock Managed Knowledge Base 如何為AI 助理工具實作細緻存取控制

    AWS 說明如何讓共用同一個AI 助理與知識庫的員工,只能搜尋自己獲準檢視的檔案,並以 Amazon Bedrock Managed Knowledge Base、AgentCore Gateway 和 MCP 工具示範實作方式。

    推薦理由:文章以共享知識庫的部門資料隔離為例,拆解工具層身分注入與資源層 ACL 過濾如何配合,並說明額外防線各自涵蓋的繞過路徑。

  3. AWS Machine Learning Blog68

    如何在 AWS 上以 A2A 建置可組合、可互通的多AI 助理系統

    AWS 示範如何透過 A2A,讓不同組織與框架建置的AI 助理跨帳戶協作,並以雙向 OAuth 驗證保護呼叫。 - 架構:LangChain 企業協調器透過 A2A 呼叫以 Strands Agents SDK 建置的 SaaS 合規AI 助理;SaaS AI 助理也會回呼企業情境AI 助理,取得帳戶中繼資料。

    推薦理由:文章以跨 AWS 帳戶部署示範 A2A 如何串接不同框架的AI 助理,並說明雙向 OAuth 與信任邊界的實作方式。

  4. Databricks Blog64

    Block 如何透過 Buzz 與 Unity Gateway 打造協作式 AI 助理

    Block 以開源協作空間 Buzz,讓員工與多個 AI 助理在同一環境中協作,並透過 Unity Gateway 存取不同模型。 - 協作方式:使用者可建立AI 助理、選擇其模型或 coding harness,並與同事在群組討論、專注對話或一對一交流中共同工作。

    推薦理由:文章以 Block 的 Buzz 為例,說明如何讓同事與多個 AI 助理在共享工作空間協作,並透過不同模型與 harness 配置探索任務效率與成本。

11月12日週四
  1. Hugging Face Blog74

    TRELLIS.2 3D 生成模型微調完整指南

    Hugging Face 提供 TRELLIS.2 微調指令碼與 Docker 容器,示範如何使用自備的 3D 資產訓練 LoRA,並可透過 Hugging Face Jobs 或本機執行。

    推薦理由:文章以鞋類資料集示範如何依任務需求選擇微調元件,並比較留出物件的幾何指標,呈現從資料準備到評估的可遷移流程。

  2. Dev.to Top Tech76

    Claude Code「Don't ask again」核准規則:Foundry 與 Hardhat 專案安全檢查清單

    Claude Code 的「Yes, and don't ask again」會將核准的命令原文寫入 .claude/settings.local.json;若命令含有明文憑證,這些憑證也可能留在檔案或版本紀錄中。

    推薦理由:文章把代理程式核准命令可能留下的憑證,連結到智慧合約部署風險,並提供檢查設定檔、Git 歷史與發布封裝的步驟。

  3. PyTorch Blog80

    PyTorch 與 TorchTitan 如何在歐洲公共基礎設施上訓練 1T 引數 MoE

    EUROPA consortium 說明如何運用 PyTorch 與 TorchTitan,在 JUPITER 超級電腦上將約 1T 引數的 MoE 預訓練吞吐量提升至每張 GPU 約 1,300 tokens/s。

    推薦理由:文章拆解了 PyTorch 與 TorchTitan 在共享超級電腦上的多項訓練調校,並以吞吐量變化呈現通訊、記憶體與計算重疊的影響。

  4. Dev.to Top Tech79

    Claude Code 的「Don't ask again」設定檔可能將 Token 提交至 Git 儲存庫

    Claude Code 會將「Yes, and don't ask again」核准的 Shell 指令存入專案中的 .claude/settings.local.json;若指令包含 Token,憑證可能隨檔案提交至 Git 儲存庫。

    推薦理由:文章整理從檢查曝光、輪替憑證到清理 Git 歷史的處理順序,也說明不同 GitLab 方案可用的防護與搜尋方式。

  5. aihot68

    OpenRouter 如何建置自我修正的網站本地化系統,7 種語言全站重譯約需 $460

    OpenRouter 說明如何以 GPT-6.1 Sol 翻譯並校驗全站字串,建立涵蓋 7 種語言的自我修正本地化流水線。 - 流程設計:系統每日找出英文原文變動的字串,依序翻譯、檢查程式格式、由同一模型校驗,再以拉取請求提交審核;每條字串最壞情況約需 20 次模型呼叫。

    推薦理由:文章以實際評測與成本資料說明本地化流水線如何結合程式檢查、模型校驗和人工回饋,並整理出可套用於其他產品的做法。

  6. Dev.to Top Tech76

    如何建立獨立的 AI Agent 評測集,避免評測漏掉退款政策錯誤

    作者分享,支援 Agent 的評測閘門連續 11 次以 97% 以上通過,仍漏掉退款政策錯誤;原因是部分預期答案取自 Agent 自身輸出,且評測讀取了與 Agent 相同的錯誤設定。

    推薦理由:文章以退款政策錯誤為例,說明如何讓評測案例的答案來源獨立於 Agent,並涵蓋案例設計與分層評分。

  7. Dev.to Top Tech76

    如何在 Notion 與 Fireworks AI 事件後稽核 AI 供應商的資料流向

    文章以 Notion 與 Fireworks AI 事件說明,稽核 AI 供應商時應逐項追蹤資料經過的服務、用途、接收方與保留方式。 - 事件範圍:Notion 表示,Fireworks AI 分類 Insights 功能資料時使用的 AI 聊天紀錄涉及不到 1% 的 Notion 工作區;調查仍在進行。

    推薦理由:文章以 Notion 與 Fireworks AI 事件說明,推論、分類和分析等不同資料路徑可能適用不同的保留規則,並提供逐路徑盤點方法。

  8. Dev.to Top Tech76

    如何讓 AI 程式碼AI 助理改用語音對話

    作者示範如何透過 VoiceMode 與 MCP,讓程式碼AI 助理在本機接收語音指令並以語音回覆,減少閱讀冗長工作摘要的負擔。 - 所用工具:VoiceMode 是開源 MCP 伺服器,搭配本機語音辨識模型 Whisper 與語音合成模型 Kokoro;文中以 Claude Code 示範設定,也指出支援 MCP 的其他AI 助理可採用相同做法。

    推薦理由:文章提供以 VoiceMode、Whisper 與 Kokoro 建立本機語音介面的步驟,並說明如何用操作前覆誦確認降低語音辨識錯誤帶來的風險。

  9. aihot79

    OpenRouter 教學:如何防止 AI Agent 陷入無限迴圈並累積費用

    OpenRouter 說明如何防止 AI Agent 因工具反覆失敗而陷入無限迴圈,並以六個模型測試四層防護的效果。 - 防護方式:啟用 doom-loop 檢測、用 loopKey 將相近引數正規化、設定步數與成本上限,並為 API 金鑰設定額度上限。

    推薦理由:文章以六個模型的測試說明重複工具呼叫如何增加成本,並整理從單次執行到 API 金鑰的四層防護設定。