淺白解釋:什麼是零知識證明?
零知識證明讓證明方在不透露秘密或其他細節的情況下,證明某項陳述為真;驗證者只會得知該陳述是否成立。Ethereum 上驗證單個零知識證明可能消耗 200,000 至 300,000 個 gas,zkVerify 則是專為驗證零知識證明而設的公有去中心化區塊鏈,並可原生驗證 STARK 證明。
零知識證明讓證明方在不透露秘密或其他細節的情況下,證明某項陳述為真;驗證者只會得知該陳述是否成立。Ethereum 上驗證單個零知識證明可能消耗 200,000 至 300,000 個 gas,zkVerify 則是專為驗證零知識證明而設的公有去中心化區塊鏈,並可原生驗證 STARK 證明。
阿里雲通義萬相 Wan3.0‑Video 支援文生、圖生及參考生影片,單次最長生成 30 秒,並可接收文字、圖像、影片、音訊、辦公文件和網頁連結作為輸入。模型透過阿里雲百煉異步 API 提供服務,邀測階段須申請且暫未開源;費用按成功生成時長及解像度計算,生成內容須經人工審核。
眾通社GEO提出把校驗邊界寫進操作流程,按輸入、處理、輸出、校驗四層管理AI內容,要求留痕可追溯、口徑可量化、失效可判定。核心指標為事實一致率,復測採隔日2輪平均,5個引擎等權測量,報告須列明樣本量、時間窗及Wilson 95%置信區間。品牌被提及但事實錯誤時,應優先修正事實,而非擴大曝光。
頁面以「股票天天聊,但你真的懂嗎?」提問,未提供具體的股票知識或分析內容。頁面聲明,相關資訊僅用於投資者教育,不構成投資建議。
yangshun2005/chrome-devtools-mcp-cn 在 2026-11-20 發佈,為 chrome-devtools-mcp 提供精簡的中文快速上手指南,並附上忠於原文的 README 翻譯及 README_en.md。指南説明最低設定、前置要求和瀏覽器啟動時機,讓用戶更快完成設定並開始使用。它亦以中文保留資料暴露、使用統計及 CrUX 數據傳送等警告。
作者分享自己從 B2B 銷售轉職軟件工程師,並在第 5 年加入日本領先 IT 公司的經歷。轉職前,他在 DMM WebCamp 每日學習 10 小時,三個月累積約 1,000 小時;其後在三家公司累積全端、團隊帶領及大型項目經驗。現時,他在公司的 AI 團隊負責開發 AI Agent。
CodeNinja Atoms 提出一套供偏遠礦場使用的開放式工業 AI 參考架構,讓現場系統在衞星連線中斷時,仍可在礦場自有硬件上運作。架構以 15 個物件和 13 種類型化連結整合多個資料來源,並以 Apache Kafka 4.3 緩衝及有序重播資料。兩個推理層均設於現場伺服器室,互動式答案不需經由衞星連線傳輸。
SCITT Receipt 簽署的是 Merkle 樹根,但不會説明葉節點的構造方式或應信任哪個服務金鑰;樹大小和葉節點索引亦未經簽署。VeritasChain Protocol(VCP)草案 draft-kamimura-scitt-vcp-06 將此列為 Open Issue 6,但未有解決。其他 Open Issues 僅指向尚未採納的提案,沒有更改任何要求、欄位或演算法。
以 HTTP 410 下架確定永久廢棄的單薄頁面,可讓 AI 爬蟲識別頁面已永久移除,將有限抓取配額留給核心內容。清理流程包括審計全站 URL、同步更新 Sitemap 並剔除已下架網址,再把核心頁面的圖片及 PDF 説明轉為結構化文本。文中案例下架並停用 200 多個無效頁面,半個月後核心產品參數詞在多家大模型中的召回率顯著上升。
一款 AI 掃臉打分 App 以自拍生成六項顏值分數和改善建議,靠訂閲每月錄得 9,231 美元流水,約合人民幣 6.5 萬元。產品有 484 個活躍訂閲,用戶平均留存 1.6 個月;營運者以付費廣告獲客,主打一次性判斷而非長期留存。文章指出,生意能否持續取決於用戶終身價值是否高於獲客成本。
阿里雲 38 元輕量應用伺服器、99 元經濟型 e 實例和 199 元通用算力型 u1 實例,分別適合入門個人用途、長期穩定運行的輕量業務,以及對資源和穩定性要求較高的商業項目。文章按博客、開發測試、小程序後端和 SaaS 等場景分析三款伺服器的能力邊界,並説明升級信號與購買前檢查事項。
阿里雲瓴羊 Quick Service 以雲原生微服務架構應對大型企業千萬級會話量,萬級並發下 P99 響應時間控制在 1.5 秒以內,系統穩定性達 99.99%。系統支援秒級擴縮容,AI Agent 擴容約需 3 小時,並透過執行層 API 閉環將複雜業務處理時長壓縮約 60%。另提供 SaaS、私有化及混合雲部署。
作者以命令行調用 qwen4-max,將 15 天、4 條產線、60 行的虛構生產日報生成一頁看板,並用腳本對照同種子重算的標準答案。十項核對全數一致,懸空百分比為零;兩版 KPI 均正確,而 div 條形版本一次完整交付,使用六條約束和 SVG 的版本此前三次均未能完整交回。
文章列出 6 項約 10 分鐘可完成的 Mac 免費檢查,涵蓋重新啟動、CPU、記憶體壓力、磁碟空間、登入項目及硬件老化,以定位變慢原因。作者亦介紹自家清理工具 ByteSweep,稱它可協助查看磁碟佔用和 System Data,但不能解決記憶體不足或處理器老化。ByteSweep 網站版免費 3 天,之後每部電腦一次收費 $29.99,網址為 bytesweep.app。
客戶支援檢索架構應以向量搜尋處理受管控、具版本的支援內容,並以網頁搜尋補充可引用及重新核查的即時資訊。兩類來源應共用檢索合約,但分開保存遊標,並在每一頁傳遞租戶及存取權限資料、保留引用來源。Infrai 的 GET /v1/discovery 提供能力目錄、請求與回應 schema 及可執行範例,供 CLI 檢視檢索合約。
作者在 AMD GPU 上構建了一個網頁研究智能體,會搜尋即時網頁並核對答案是否出現在已抓取頁面,無法核實時便返回空答案。系統同時查詢 DuckDuckGo、Bing、Wikipedia、Mojeek 和 Yahoo,將內容切成約 90 詞片段,以 BM25 排序後只把約 1,500 詞交給 Qwen3-4B-Instruct。
AI 交易系統透過彈性門檻下調機制,按連續否決次數動態降低入場門檻,避免固定門檻令系統持續拒絕交易。機制設有硬性下限,門檻會在交易成功後重設,或在沒有交易時隨時間逐步回升。 log 例子顯示,連續否決 392 次後,門檻由 80 降至 70,下限為 60。
《AI工程師踩坑實錄》第12篇以四組對照實驗指出,loss 不降反升的常見原因是學習率過大、標籤噪聲或特徵量綱失控,模型結構問題應較後排查。學習率設為 0.5 的組別在第 1 步驗證 loss 為 1.67,第 60 步訓練 loss 升至 1.30;標籤翻轉組的驗證 loss 第 97 步觸底於 0.478,第 300 步升至 0.714。
智能慢性病管理平台融合穿戴設備、家用檢測儀器與電子病歷等多源資料,利用動態風險預測模型進行指標監測、風險分級與個人化幹預。平台採用雲原生微服務架構,建立「監測—評估—幹預—反饋」閉環,並透過線上監控和新標註資料微調模型。AI 建議須由醫生復核,不能取代臨牀決策。
指南講解如何從零開始構建用於 RAG 的大語言模型智能體,涵蓋系統架構、實作細節及進階技術。內容説明 RAG 如何結合外部知識檢索與語言模型,並介紹智能體的模型、規劃、記憶和工具使用等組成部分;實作環境採用 Python、LangChain、Chroma、OpenAI GPT 模型及 FastAPI。
ARC-AGI 是 François Chollet 於 2019 年開發的基準測試,用來評估 AI 在未經特定訓練下,能否適應陌生情境並進行抽象推理。測試以網格謎題考驗 AI 推斷規則,並將所學應用於新問題的能力。OpenAI 的 o3 在 ARC-AGI 取得 85% 分數,高於此前最佳的 55.5%,達到人類水平表現。
PDF 發票資料擷取流程應區分缺漏欄位、空字串和實際零值,避免推算未列明的付款期限或排除有效金額。ComPDF Intelligent Document Extraction 可擷取欄位及來源位置;對漏讀、未列明或互相矛盾的日期,應交由審核人員核對原始 PDF。未解決的項目不應進入自動排程。
Sinai Rivera 建立並分享 CartaFácil,這個 AWS 單頁應用程式會把英文信件照片交由 Amazon Nova 2 Lite 處理,再生成西班牙語説明。應用以 AWS Amplify、API Gateway、Lambda 和 DynamoDB 組成,每張照片約需 0.3 美仙,並以每人 4 次的代碼限制用量。測試中,模型曾把日期對應的星期算錯,作者改由程式根據信件日期計算星期。
Velotric 官網以全站視覺與 GEO 架構串聯首頁、通勤電單車集合頁和 Discover 2 商品頁,結合車型篩選、選購指南、評測內容與對比功能引導用戶選車。通勤集合頁涵蓋 7 款車型,並以 12 組 FAQ 補充法規、扭矩和防水資訊。Discover 2 頁面提供 18 項參數對比,並展示加購 3 件及以上配件享 7 折優惠。
文章指出,AI 電郵外聯流程應先分類收到的回覆,只有明確的 yes 才可進入下一步,不能把任何回覆都當作同意。作者建議以固定意圖標籤處理拒絕、停止聯絡、錯誤聯絡人、自動回覆、提問及不明回覆,並在每次寄送前檢查停止聯絡名單;不明情況交由人工處理。文章亦列出 n8n 與 Make 的流程設計,並建議以「Yes, please stop emailing me」等易混淆樣本測試。
ComfyUI 圖生圖可用於批量生成 AI 漫劇分鏡,透過調整 denoise 重繪幅度並配合 IP‑Adapter,減少連續鏡頭的角色漂移。文章提供面向 8G 顯存的啟動參數、Python API 批量渲染腳本,以及以 FFmpeg 合成影片的指令。搭配原生節點和 ModelUnloader,可降低工作流依賴及顯存累積問題。
AI 漫劇項目的素材與成品管理,須先校驗資源並整理目錄、規範路徑及版本,不能將外部資源包解壓後直接投入批量生產。文章提出源素材、中間產物、正式成品和備份四層目錄,並提供 Python 素材檢測腳本、FFmpeg 指令及故障排查方法。建議每集分開管理,備份源素材和正式成品,定期清理可重新生成的中間產物。
GDPR 第 22 條所涉的「解釋權」,在純自動化決策造成法律或類似重大影響時,應落實為可追溯個別決策的工程要求。系統須能找回特定個案的決策、重建當時輸入、以易懂方式記錄理由,並保存申訴紀錄及防篡改日誌。文章建議抽查上週的一項自動化決策,確認今天能否提供監管機構可接受的決策、輸入及解釋資料。
Python 腳本可將即時問答逐字稿整理成教學內容、簡短摘要及未回答問題清單。腳本以最長答案作為教學內容候選,並將結果分別寫入 lesson.md、recap.txt 和 agenda.txt。可再加入逐字稿自動匯入、定時執行或摘要步驟。
Microsoft Agent Framework 的 PyPI 版本 1.26.1 和 1.26.2 出現旨在竊取雲端憑證的程式碼,但 GitHub 儲存庫沒有相應提交。
文章提出一套 2026 年企業 RevOps 與工程實務,説明如何結合 MCP、A2A、事件路由及 Slack 人工介入,管理智能體之間的交接與升級。內容涵蓋交易談判、雲端執行、開發工具採用訊號、銷售智能體衝突,以及語義快取未命中等五類路由情境。文中建議將政策規則置於提示詞之外,並以去重、狀態回寫和交接記錄管理升級流程。
作者基於 Playwright 封裝「網站操作手冊編寫」Skill,可按網站地址及產品資料規劃功能模組、探索頁面並截圖,再按統一模板輸出 Markdown 操作手冊。該 Skill 目前可覆蓋約 80%~90% 的常見業務場景,並會將未能探索的內容標示為「待補充」。操作手冊仍需人工或 AI 檢查及補充,才能逐步完善。
智能體治理需要可觀測性,LangChain 指出,記錄、檢視及分析 AI 智能體的每個執行步驟,有助集中掌握各智能體的運作,並瞭解個別智能體的行為。可觀測性支援預防式和偵測式治理,團隊可透過追蹤記錄及執行軌跡驗證防護措施、識別異常,並找出需要改善之處。
Jaden Vo 提供約 60 行、只用 Python 標準庫的腳本,按每月原始錄製或匯入素材時長及所需輸出解像度,找出符合條件的最低價 Descript 方案。例如,60 分鐘錄製素材剪成 20 分鐘影片,仍按 60 分鐘計;需要 4K 輸出則不能選 Free 或 Hobbyist。腳本可按手動估算或 WAV 檔案時長計算,但不涵蓋 AI credits。
Hirohisa Tanaka 建立開源專案 Veritas,旨在評估 AI 智能體生成的測試實際驗證了甚麼,並以證據説明可偵測的問題及形式驗證範圍。Veritas 從文件、程式碼和開發紀錄推斷候選規格,結合變異測試、Z3 與 Lean 4;形式模型找到反例後,會再於 JavaScript 中重現,並明確標示無法驗證的範圍。
文章將聲稱有人盜用身份及冒名借貸的來電,視為來自未經驗證外部人士的安全警報,而非已證實的事故。建議不要確認或更正個人資料,也不要要求來電者讀出資料作證;應自行查核信貸紀錄、銀行及貸款機構紀錄和帳戶安全頁面。若無第一方資料佐證,記錄後結案;若有佐證,則透過官方渠道處理。
測試時訓練(TTT)透過在推理期間更新模型的快速權重,讓模型從當前讀取的上下文中即時學習,而非只把資訊壓縮成固定狀態或存入 KV cache。TTT 層以自監督重建任務產生梯度訊號,Titans 則按驚訝度決定記憶更新優先次序。Nested Learning 將凍結的慢速外層權重與可快速適應局部上下文的快速內層權重分開。
文章指出,官網內容即使不少,若服務頁、案例頁和問答頁缺少明確、完整、可驗證的資訊結構,AI 便較難提取和引用相關內容。服務頁應交代服務對象、項目及邊界,案例頁呈現「問題—動作—結果」,問答頁則直接回答問題並列明適用條件。文中亦提供無需工具的自查流程,並説明結構完整不保證 AI 引用或帶來客戶查詢。
dsh-automation 定時任務要在阿里雲 ECS 無人值守執行,須先確認宿主版本、工作目錄、時區及權限模式。宿主須為 dsh 0.2.2-rc.1 以上,系統時區與任務規則應統一為 Asia/Shanghai,並為任務設定毋須逐次審批的權限及收窄工作目錄。安裝時須使用 @michengai/dsh-automation,避免裝到同名的另一個插件。
許飛和李想曾參加鄭淵潔的活動並分文不取,鄭淵潔表示向兩人學習,並稱「近朱者赤」。鄭淵潔近日恢復停更2年的自媒體,利用AI把童話作品製作成動畫短片,並授權抖音帳號免費發布。下一部短片將改編自《不踩井蓋的小蛇》,完成後同樣免費供讀者觀看。