跳到正文
目前篩選:教學
11月21日週六
  1. DEV Community55

    Claude Code 撰寫作者大部分已合併 PR 的程式碼,作者昨晚親手寫下四行修正

    作者表示,署名下大部分程式碼由 Claude Code 撰寫;本週有三個 PR 合併到他不擁有的專案,而昨晚他首次親手寫下四行修正。該修正處理一個命令列執行器顯示錯誤卻回傳 exit code 0 的問題,改為在輸出包含 `stopped: ` 時設定非零退出碼。作者在 Claude Code 逐步講解下自行輸入修正、執行測試並用自己的話解釋程式碼,文章亦記錄他對其他開源專案的審查與實測。

  2. DEV Community71

    Claude 協助提出的黎曼猜想證明主張,對自動化開發者有何啟示?

    Anthropic 數學家 Levent Alpöge 稱,他與 Claude 合作發現黎曼猜想的證明,並以 Lean 撰寫;該證明據稱涵蓋更強的廣義黎曼猜想,目前仍待專家核查。Lean 可檢查論證每一步是否承接前一步,但專家仍須確認形式化表述對應的是原本要證明的命題。文章建議核對提示詞或規則、使用測試或 JSON 的 schema validator、安排人工抽查,並在未核實前標示為主張。

  3. DEV Community40

    AI 分類器自信答錯,卻無法判斷輸入是否陌生

    一般分類器遇到訓練資料以外的輸入,仍會將它判為某個已知類別;softmax 信心分數只反映輸入與已知類別的相似程度。OOD detection 會為輸入評分,低於門檻便標記,而非直接採信預測。近分佈外輸入仍難識別,常用 AUROC 和 FPR95 評估分數表現。

  4. DEV Community39

    Temperature、Top-p 與 Min-p 如何決定模型輸出內容

    LLM 抽樣時,Temperature 先重塑各 token 的機率,再由 Top-p 或 Min-p 決定仍可抽中的低機率 token。文章的玩具模型測試中,普通抽樣每個答案約出現 11 個這類 token;提高 Temperature 後,Top-p 約放進 40 個。當少量異常 token 便會令輸出出錯時,文章建議使用 Min-p 限制低機率 token。

  5. DEV Community62

    2026 年 CodexBar 替代方案:8 種在 Mac 追蹤 Claude Code、Codex 和 Cursor 用量上限及重設時間的方法

    E Daugherty 比較 8 種在 Mac 追蹤 AI 編碼工具用量與重設時間的方案,包括 CodexBar、其他應用程式和 Claude Code 狀態列。各方案的服務支援範圍、介面、提醒、成本和平台要求不同;例如 CodeBurn 提供成本分析,其桌面及選單列版本預設會傳送可關閉的匿名使用報告。

  6. DEV Community36

    我獨自用 AI 應用程式建構工具打造平靜社交 App:以 Pebbles 取代讚好,三次違規即停用帳戶

    開發者 Lepp 獨自使用 AI 應用程式建構工具 cto.new,打造免費社交網絡 Neuro-Kindred,讓神經多元成人尋找朋友或約會對象。平台以 Pebbles 取代讚好,並設計三次違規處分機制:第三次違規須由另一名不同用戶舉報,便會刪除帳戶。Neuro-Kindred 現有 13 名真實會員,收入為 $0。

  7. DEV Community68

    如何在 VS Code 加入 MCP 伺服器:mcp.json、.mcp.json 與故障排查

    PluginStack 的指南説明如何在 VS Code 加入 MCP 伺服器,並指出兩種設定格式的檔案位置和頂層欄位不同。Portable(Copilot)格式使用 mcpServers,VS Code 格式使用 servers;輸入提示、envFile、每伺服器沙箱及開發模式只支援後者。指南亦整理設定、啟動、連線及工具呼叫的故障排查方法,並提醒儲存設定不代表 Agent 已能使用伺服器。

  8. DEV Community50

    三層措施如何增加瀏覽器 JavaScript 工具遭複製的難度

    Julian Neagu 分享一套保護瀏覽器 JavaScript 工具的三層做法,以程式碼壓縮、網域鎖定和邊緣檢查增加快速複製的難度。這套建置流程用於他的靜態 Next.js 網站,會壓縮 18 個內嵌 JavaScript 程式和 12 個本地 JavaScript 檔案,並為 24 個頁面加入網域鎖定;邊緣檢查則針對爬取工具、熱連結和過量請求。

  9. DEV Community55

    用 AI 智能體編碼前要掌握的 5 個概念

    Davidayo 提出使用 AI 編碼智能體時的五個要點:管理上下文、先規劃再編碼、反覆驗證、記錄可重用的專案規則,以及接入專用工具。文中建議把工作拆成小任務、先列出步驟與涉及檔案,再透過生成、測試、檢視、修正和重測形成驗證循環。MCP(Model Context Protocol)可連接檔案、測試、文件和命令等工具,讓智能體查找、執行及核對工作,而非只靠猜測。

  10. DEV Community44

    我為科倫坡證券交易所建立機器學習訊號平台:模型反而是最簡單的部分

    一名開發者為斯里蘭卡科倫坡證券交易所建立機器學習研究及訊號平台,收集逾 15 年、700 多種證券的價格資料,並以 60 個樣本外區塊進行步進式測試。平台會計入交易成本、每週重訓模型並設有更新門檻,但不會自動交易;所有買賣仍由人手決定。

  11. DEV Community33

    用 Python 建模多國海關 VAT、關税及 IATA 體積重量,估算 GCC、EU 和澳洲及紐西蘭的到岸成本

    文章提供一套 Python 到岸成本模型,涵蓋 GCC、EU、英國及澳洲和紐西蘭共 15 個海關制度,計算體積重量、運費、VAT 和關税。模型按 8.0 kg 門檻選擇合併或特快運費,並以巴林和葡萄牙的 11 kg 汽車零件訂單示範估算。文章亦列出相關運費計算工具、區域指南和開源 Python MCP Server。

  12. DEV Community44

    Refunds 如何改變 Rewards API 中的客戶資格?

    客戶的一筆已完成訂單退款後,購買次數由三次降至兩次,獎勵資格因此由符合變為不符合;文章以此説明如何讓 Rewards API 讀取隨來源資料更新的資格結果。架構採用 CDC、增量 SQL 和持續維護的資格檢視,並由 AI agent 透過 API 取得當時可用的最新狀態。此設計示例不代表變更會即時可見,亦非生產環境基準測試。

  13. DEV Community63

    AI 智能體如何在計劃受阻時調整:Minecraft 實驗的啟示

    50 個 AI 智能體在 Minecraft 共用生存世界中接到擊敗 Ender Dragon 的目標,實驗呈現了它們在計劃受阻時的協作與應變。一個羣體在 3 小時內交換約 5,900 則訊息,並在 27 小時 14 分鐘內編寫 2,783 個程式,最終成功完成目標。文章據此建議為新規則記錄觸發事件、分級處理訊息、衡量推理時間,並處理工具無回應的情況。

  14. DEV Community44

    批次背景移除失敗,問題往往不在速度

    批次背景移除工具的主要問題往往不是處理速度,而是單張圖片失敗會拖累整批、頁面刷新後工作消失,以及匯出時未交代缺少哪些圖片。removebg.studio 的批次頁面會預先顯示容量、將結果儲存在用戶裝置上,並支援個別重試及匯出前核對;本機處理仍須保持分頁開啟。

  15. DEV Community65

    用 Python 逐字稿檢查器測試聊天機械人有否表明自己是 AI

    Call Karma 提供 Python 逐字稿檢查器,測試聊天機械人是否在首次互動披露 AI 身份,並檢查身份提問、外撥及轉接情況。檢查器有 7 條規則,將多項披露失誤列為 FAIL,暫停後未提醒及未預告轉接列為 WARN;24 個 unittest 全部通過。作者建議在提示詞、模型或流程改動前將固定對話集納入 CI,並每週抽查生產逐字稿;檢查器僅支援英文啟發式判斷,不能作為合規測試。

  16. DEV Community72

    作者分享為 Claude Code 設置的八項工程護欄

    作者分享為 Claude Code 設置的 8 類工程護欄,涵蓋分開審批建置與發布、以截圖核對視覺改動,以及只合併通過 CI 的指定提交。他也用自動化測試固定格式與長度規則,並要求每項用戶可見改動附上更新説明;部署後只在開發環境核查,避免觸碰正式環境或修改真實資料。

  17. DEV Community46

    房地產房源探索的語義檢索:可靠的來源去重方法

    房地產房源搜尋應採用分階段檢索,先按穩定的房源身份去重,再對結果排序,並為每段內容保留來源連結和更新時間。Infrai 可透過純 HTTP 提供集合建立、資料寫入及查詢,但房源身份識別仍須由應用程式處理。生產環境應使用具冪等性的批次寫入,並透過變更佇列執行。

  18. Google Cloud:Databases47

    Spanner Graph 如何在數十億級節點規模偵測 Google Ads 欺詐與濫用

    Google Ads 團隊以 Spanner Graph 即時偵測廣告欺詐與濫用,透過多跳關係分析找出彼此關聯的可疑訊號及協同行動的欺詐網絡。過往需時一小時的多跳遍歷,現在可在即時生產數據上以不足一秒至個位數毫秒完成。團隊直接在現有 Spanner 資料表上建立圖,毋須遷移資料,多數應用個案在數週內完成轉換。

  19. DEV Community53

    如何讓 DeepTutor 本地推理避免在第十二輪因 KV cache 耗盡而中止

    作者以 vLLM 的 max-model-len 8192、fp8 KV cache 和最多 4 個並發序列,讓 DeepTutor 本地推理避免在第十二輪因快取耗盡而中止。DeepTutor 的結構化歷史保存在 GPU 外,因此短上下文需要先在 tutor 端摘要壓縮,否則直接截斷會失去個人化資訊。文章亦建議以數百次請求觀察記憶體、首 token 時間及完整延遲。

  20. DEV Community62

    Vibe coding 交友 App 爆紅後,資料庫能否應付流量?

    文章以一款 Vibe coding 交友 App 為例,説明如何把本機服務擴展至 AWS,以應對流量尖峯、資料庫讀取負載和重複寫入。處理順序包括以負載測試找出瓶頸、優化 PostgreSQL 查詢及索引,再用 Elastic Beanstalk 和 EC2 擴展後端;RDS for PostgreSQL 可承載資料庫,ElastiCache 則可減少重複讀取。

  21. DEV Community71

    如何將用 AI 開發的應用程式部署到自己的伺服器

    部署用 AI 開發的應用程式到自有伺服器,需先辨認它是靜態前端還是 Node.js 伺服器,再處理後端、環境變數與容器部署,並以 Caddy 提供 HTTPS。VITE_ 和 NEXT_PUBLIC_ 變數須在建置時設定,機密值則只放在伺服器端。指南建議先遷移前端並保留託管後端,再另行決定是否搬移資料,並在切換網域前檢查登入重新導向及深層連結。

  22. DEV Community61

    本地 RAG 如何在證據不足時拒答

    文章提出一套本地 RAG 流程,要求答案以穩定來源 ID 引用直接支持的段落,並在資訊不足時返回 INSUFFICIENT_EVIDENCE。流程建議保留來源路徑、標題和內容雜湊,並用可回答、缺少事實及相關但不足的問題測試答案與拒答。相似度門檻應按自有數據校準,並在嵌入模型、語料或距離計算改變時重新測試。

  23. DEV Community31

    StagingBench:計算浮水印前,先檢視字串

    StagingBench 的浮水印欄位包含觀察、條件及服務聲稱,不宜直接當作布林值分類。檢視欄內 19 種不同字串後,按開首的 Yes、No 或其他分組,112 行記錄分別為 56、46 及 10 行。這些數字反映文字記錄,並非重新檢查照片所得。