跳到正文
目前篩選:教學
11月19日週四
  1. DEV Community52

    甚麼是 rage prompts?解讀 AI 對話中的 rageprompting

    文章把 rage prompt(憤怒提示詞)定義為用戶在 AI 多次出錯後,針對 AI 表現發出的憤怒或不耐煩訊息,並區分於對自身問題感到憤怒的負面情緒。偵測可先用大寫比例、重複標點、粗言及常見短語篩選候選,再由同時讀取前一輪 AI 回覆和用戶訊息的 LLM judge 確認,按對話及意圖統計,並在比率上升時發出提醒。

  2. viAct · 視覺 AI 及工地安全33

    viAct 的 AI 安全違規偵測:警報後如何推進糾正行動?

    AI 偵測到潛在安全違規後,會記錄事件並通知相關安全人員,由主管或獲授權審核人員檢視證據、確認事件及決定後續處理。流程分為偵測、審核、升級、報告、指派,以及完成和核實;負責人完成糾正行動後,審核人員會核查結果,確認結案或要求進一步跟進。

  3. Hacker News 熱門(buzzing.cc 中文翻譯)53

    LLM 輔助逆向工程的工具與實作流程

    作者分享以 LLM 輔助逆向工程的工具與工作流程,讓智能體分析二進制檔,並以專用 skills 配合。分析發現會記錄在 MD 檔,假設則整理成 CSV 表,逐項設計實驗並記錄結果,以協助智能體避免反覆猜測。他表示,過去 6 個月完成多項逆向工程,包括映射裝置通訊協議、製作合成器自訂韌體及修復舊 HP 印表機的 MacOs 驅動程式。

  4. 新浪科技18

    光影入畫,尼康定格初冬人像的質感瞬間

    尼康以多款全畫幅微單機身及大光圈定焦鏡頭組合,支援初冬街頭與室內等不同光線下的人像拍攝。Z5IIC配搭 NIKKOR Z 35mm f/1.4,Zf配搭 NIKKOR Z 85mm f/1.8S;Z6III搭載約2450萬有效像素傳感器,對焦在低至-10EV的昏暗環境下仍可檢測,並可配搭 NIKKOR Z 50mm f/1.4拍攝。

  5. DEV Community63

    如何批量取得 TikTok 逐字稿:使用平台已有字幕

    作者介紹一套批量取得 TikTok 影片逐字稿的方法,優先從影片頁面的資料中提取現有字幕,沒有字幕時才下載音訊並用 Whisper 轉錄。選擇字幕軌道時,應先參考 claInfo 判定字幕是否原始及自動生成,再按原始語言選取,避免把機器翻譯當成原話。字幕網址帶有簽名且會過期,需在取得影片頁面後即時抓取。

  6. DEV Community70

    哪些工作應交給 AI,哪些應交給程式?

    同一輸入必須得到相同答案、而且能寫成規則的工作應交由程式處理;依賴情境判斷的部分則交給 AI。作者以博客草稿字數檢查為例,程式把 1~2p 換算為 1,615 至 3,570 個字元,並輸出 PASS、SHORT 或 LONG。作者建議讓 AI 編寫腳本,之後只呼叫腳本,並把規則保留在同一處。

  7. DEV Community45

    如何在 Claude Code 和 Cursor 驗證遠端 MCP 伺服器

    操作流程示範如何在 Claude Code 和 Cursor 分別驗證同一遠端 MCP 伺服器的設定載入、工具探索及實際呼叫。測試使用 Claude Code 2.1.316、Cursor CLI 2026.11.05 和 connector 0.4.4;一次搜尋約 6.9 秒後以 HTTP 200 返回 3 個結果。搜尋是收費的 Workspace 操作,流程建議先設定結果上限,再檢查回傳欄位。

  8. DEV Community74

    Breaking My Own Agents #2:25 種令 n8n 潛在客戶評分器説謊的方法全部奏效

    作者測試 n8n 潛在客戶評分工作流,25 種攻擊均至少成功一次,原始版 75 次攻擊執行中有 71 次觸發 Slack「Hot lead」提醒。加入輸入白名單、程式計分及紅旗人工覆核後,防護版 75 次攻擊均未觸發提醒,18 次真實線索執行中有 17 次觸發提醒。不過,模型仍把到達模型的 69 次攻擊全標為買家,作者指出防護依靠程式規則,未涵蓋的攻擊説法仍可能避過紅旗檢查。

  9. DEV Community39

    Bolo 麥克風按鈕在鍵盤仍開啟時消失:如何避免把同一訊號當成確認證據

    Bolo 修正了浮動麥克風按鈕在螢幕鍵盤仍開啟時消失的錯誤,原因是一次暫時性的鍵盤偵測結果關閉了視窗追蹤,之後的確認便無法獨立判斷鍵盤狀態。新規則只在追蹤仍開啟時才把「沒有鍵盤」視為證據,並在麥克風仍顯示時禁止停止追蹤。測試重現舊錯誤,並驗證修正後麥克風會在鍵盤保持開啟時繼續顯示。

  10. 阿里雲開發者社區 AI51

    外貿 AI 工具選型實務:三類接入與四方面核驗

    文章提出外貿 AI 工具選型方法,先分為通用對話工具、帶行業模板的現成工具和按工作流程度身訂造開發,再核驗數據存放、人工確認、系統對接,以及費用與退出安排。流程已定型時可考慮現成工具;流程不能改或需要串起詢盤、起草、確認、跟進及歸檔時,可評估度身訂造開發。五金出口團隊每月約 1,847 條詢盤的例子僅作示意,文中不承諾效果。

  11. 阿里雲開發者社區 AI27

    構建智能化大數據資產治理系統:AI 驅動的數據質素管控與自動化調度實踐

    方案把 AI 融入大數據資產治理,透過多源接入、數據質素分析及自然語言生成校驗規則,建立治理閉環。系統結合輕量級機器學習模型與大語言模型,並將人工修正結果回饋模型,以持續優化治理策略。方案亦提出在生產環境中為敏感欄位脱敏,並由工程師審核 AI 生成的規則。

  12. 阿里雲開發者社區 AI36

    瓴羊 Quick BI:甚麼階段該替換 BI?能力邊界與替換判斷框架

    瓴羊 Quick BI 的替換判斷框架主張,企業應按現有工具的能力邊界是否符合治理與協同需求,決定是否替換 Excel 或自研 BI。框架從業務規模、治理需求、協同要求及總成本四方面評分,總分 ≥ 8 分建議啟動替換評估。Quick BI 提供原生指標治理、行列級權限、數據血緣及 AI 驅動的歸因與行動推送。

  13. DEV Community64

    將 issue 交給 AI 智能體時如何保護自有模型 API key:安全檢查清單

    這份安全清單規範團隊如何把 issue 交給 AI 編碼智能體,並收回一項可審查的變更。清單要求為 issue 寫明驗收準則、確保智能體接觸不到模型 API key、設定每次執行上限,並使用獨立環境、測試及獨立審查。Git A 的 Agent factory 可讓智能體在獨立機器上寫程式及測試,再提交一項提案供審批;亦可選擇在檢查通過後自動合併。

  14. 阿里雲開發者社區 AI24

    年度預算規劃指南:企業數據治理要花多少錢?成本構成與 ROI 解析

    企業數據治理預算須計入軟件、實施、資源等顯性成本,以及協作、重複映射和質量排查等隱性成本;隱性成本接近顯性支出的一半。阿里雲瓴羊Dataphin敏捷版可按模組訂閲,月費為2000–3000元,連初始搭建服務一次性投入可控制在3–5萬元。文中以城商行案例説明 ROI 達700%,投入1520萬元,直接與間接收益達1.216億元。

  15. 阿里雲開發者社區 AI28

    從0到1構建堅實數字底座:企業如何建設數據系統以實現業務賦能?

    阿里雲瓴羊 Dataphin 2026版以「治理即研發」及「三大支柱+AI引擎」架構,打通數據匯聚、治理與業務賦能環節。文章指出,超過70%的中國企業在數據整合與實時分析方面面臨業務瓶頸,超過60%的數據中台項目未達預期。落地路徑分為統接入、統建模、統開發、統服務四個階段。

  16. DEV Community38

    機械人學習與 AI——第 08 章:終身學習

    機械人終身學習需要持續吸收新環境和任務的知識,但深度神經網絡的災難性遺忘可能令新任務訓練覆蓋舊技能,阻礙機械人在部署後持續改進。共享網絡參數及新舊任務間的梯度衝突會加劇知識幹擾;終身學習須在吸收新資訊的靈活性與保留舊知識的穩定性之間取得平衡。

  17. DEV Community27

    機械人學習與 AI 第 03 章:自監督學習

    自監督學習透過從原始數據自動生成監督訊號,讓神經網絡無需人工標註也能學習有用的表徵,並成為機械人基礎模型與具身智能的重要技術。常見預訓練任務包括預測圖像區塊位置、圖像着色、補全缺失圖像區域及預測旋轉角度。利用連續影格的時間一致性或預測未來觀測,模型亦可學習動態環境表徵。

  18. DEV Community24

    機械人學習與 AI 第 02 章:機械人深度學習

    CNN 在機械人視覺感知中仍然重要,因為它具備計算效率高、特徵提取能力強、部署生態成熟,以及兼容嵌入式運算平台等優點。CNN 透過卷積核、局部感受野和池化操作,從圖像中逐層提取視覺特徵,適用於資源受限的邊緣裝置即時推理。ResNet 的捷徑連接讓梯度可跨越多層傳播,改善深度網絡的最佳化。

  19. DEV Community52

    LLM 智能體測試電郵流程的冪等性設計

    文章提出以穩定的冪等鍵和確定性適配層,管理 LLM 智能體建立及讀取測試電郵時的重試,避免重複建立郵箱或把舊驗證碼當成有效結果。相同鍵應重用原有測試資源或回傳明確的衝突狀態,並以 fixture_id、狀態和最少量證據追蹤操作;文中亦建議測試逾時重試、讀取其他測試資源的驗證碼及資源過期情況。

  20. DEV Community26

    機械人學習與 AI — 第 01 章:機器學習基礎

    機器學習是現代人工智能的數學與計算基礎,主要分為監督式學習、非監督式學習和強化學習。監督式學習利用帶標籤的資料學習輸入與目標輸出之間的映射,常見任務包括分類和回歸。非監督式學習則從未標記資料中發掘結構;大量未標記的機械人感測器數據,為這類學習提供了應用場景。

  21. DEV Community63

    9 個值得安裝的 Claude Skills GitHub 儲存庫,以及如何檢查安全性

    這篇指南整理了 9 個 Claude Skills GitHub 儲存庫,並列出各自的安裝指令、授權資訊及截至 2026-11-19 的星數。文章提供安裝前的安全檢查方法,包括閲讀 SKILL.md 和所有腳本、檢查網絡呼叫與資料外傳,以及核對授權和最後提交日期。作者沒有安裝或執行任何 Skill,並指出這份整理並非安全審查。

  22. DEV Community59

    BDSG § 37a:如何在 Spring Boot 實作可解釋的信貸評分

    Krishna Yadav 以 Spring Boot 示範如何為德國 BDSG § 37a 設計可解釋信貸評分後端,處理評分輸入限制、個別評分解釋及紀錄保存。設計包括特徵白名單、逐筆保存輸入快照和模型版本的解釋紀錄、不可變決策日誌,以及讓當事人查閲評分因素的 API。作者稱該條文於 20 November 2026 生效,同時提醒資料來源對日期及支付帳戶資料處理的説法不一,本文不構成法律意見。

  23. DEV Community35

    AlyDoit 的 Flutter app Selah 如何提供設有「Skip」按鈕的十秒暫停

    AlyDoit 的 Flutter app Selah 在祈禱流程中加入獨立暫停畫面,設有呼吸圓環、十秒倒數及可見的「Skip」按鈕。聊天介面會先記錄祈禱決定,再開啟暫停畫面;倒數結束與按下「Skip」會使用同一關閉方法。_animationController_ 負責圓環動畫,計時器負責更新倒數,離開畫面時兩者會停止並釋放。

  24. DEV Community60

    為何 AI 對話處理大型工作時會遺漏進度與細節

    AI 對話處理大型工作時,可能因上下文窗口有限而遺漏早期資料,因此正式記錄應保存在聊天之外。作者建議用試算表或資料庫逐項記錄狀態,讓 AI 讀取及回寫資料,並分批處理、保留工作日誌。完成後應對照記錄抽查輸出;若舊對話已經過長,則把可信資料移到記錄中再繼續。

  25. DEV Community54

    作者為 AI 智能體打造不移動實體遊標的桌面操作工具

    作者為 AI 智能體打造一款 Windows 桌面操作工具,讓它可在背景操作指定視窗而不移動實體遊標。工具先使用視窗訊息,再使用 UI Automation 模式;兩者都不適用時便拒絕操作,並以操作後讀回及完整記錄回報結果。智能體只可在人工啟用期間操作已核准視窗,密碼欄位和管理員權限視窗則一律拒絕;作者指出這不是遊戲自動化工具,多人共用一部電腦則可選用 MouseMux。

  26. DEV Community37

    錯過 HackerRank Orchestrate 截止期限後,作者分享未提交的 Ghost Data 解法

    作者錯過 HackerRank Orchestrate 截止期限,仍完成 Ghost Data 專案,但只在本機執行,沒有提交或放上 GitHub。解法在 32 個公開參考案例中答對 29 個狀態(90.6%),但只有 4 個案例的步驟次序完全正確(12.5%)。程式為全部 518 個請求輸出有效的 output.csv,但這些請求沒有標籤,因此作者沒有聲稱其準確度。

  27. DEV Community34

    Manipulation and Grasping AI 第 07 章:基於學習的機械操作

    基於學習的機械操作以從數據、互動和經驗中學得的策略,取代手動指定的機械人行為。文章概述模仿學習(IL)、強化學習(RL)及混合方法,説明示範可為策略提供起點,而 RL 可進一步改善策略並適應實際動態。學習亦可應用於機械操作的不同層次,從力控制到選擇操作技能。

  28. DEV Community37

    AI 操控與抓取:第 03 章——夾爪技術

    夾爪是機械人操作器與待處理物件之間的實體介面,其設計影響施力方式、物件定位精度,以及操作在不確定條件下的可靠性。文章按夾持原理介紹平行夾爪、多指夾爪、吸盤夾爪和磁力夾爪,並説明各類設計的控制方式與適用特性。多指夾爪適應性較高但控制複雜;吸盤夾爪的效果則取決於表面特性及密封質素。

  29. DEV Community37

    Manipulation and Grasping AI 第 02 章:運動學與動力學

    本章講解機械人操作與抓取中的正向運動學,説明如何根據關節變數和機械臂幾何結構,計算末端執行器的位置與方向。章節介紹齊次變換矩陣、座標系轉換及串聯機械臂的變換矩陣連乘,並概述 DH 慣例、SO(3) 和 SE(3)。正向運動學亦是逆向運動學、運動規劃、模擬、校準及機械人控制的基礎。

  30. DEV Community39

    操作與抓取 AI——第 01 章:機械手臂基礎

    《操作與抓取 AI》第 01 章闡述機械人操作的定義與範圍,説明機械人如何透過受控互動改變物件狀態,並涵蓋任務、運動及互動層面的問題。內容區分自由空間運動與接觸密集操作,以及抓握式、非抓握式和手內操作,並説明感知、規劃、控制與不確定性如何影響實際操作。