跳到正文
目前篩選:教學
今天11月22日週日405 則
  1. DEV Community17

    我頗滿意我的藝術網站技術架構

    作者分享建構藝術網站的技術架構,前端採用 React,後端使用 Python 和 Flask,並以 CRA 建立 React 應用程式。網站透過 TinyPNG 壓縮圖片及採用延遲載入改善載入速度,並根據用戶意見考慮加入留言區和藝術家簡介頁。作者正探索以 TensorFlow.js 加入 AI 功能,並希望新功能能支持藝術家,而非取代他們。

  2. DEV Community60

    如何在受監管系統中管控 AI 智能體

    受監管系統中的 AI 智能體接觸生產資料前,應先設置控制平面,涵蓋智能體清單、模擬測試、政策監察、審計記錄及人員監督。隱私檢查應按查詢涉及的資料類別組合判斷,因為原本各自允許的兩三項資料合併後可能構成個人資料。文章建議在智能體呼叫工具前阻截違規組合,並在查詢、接收者或處理地點改變時重新檢查;人員應在智能體完成重要操作前評估和批准。

  3. DEV Community43

    如何用 n8n 自動處理網站潛在客戶:實用工作流程

    n8n 的實用工作流程可自動接收網站表單查詢、驗證資料、過濾明顯的垃圾查詢,並在 CRM 建立或更新聯絡人及商機。流程亦可按服務或地區通知負責人、發送確認電郵、安排跟進檢查,並在執行失敗時發出警示。AI 可協助分類查詢、摘要長訊息或標記疑似垃圾內容,但重要決策須由人員作出,個人資料只可交予私隱政策涵蓋的 AI 供應商。

  4. DEV Community46

    Day 15:AI 網絡瓶頸——由 iptables 轉向 eBPF

    AI 工作負載下,Kubernetes 的 iptables 查找會按服務數量線性增加,消耗 CPU,亦會增加新連線延遲。eBPF 以核心雜湊表作固定時間查找,直接把封包送往目標 Pod,避免逐條檢查規則及額外經過用戶空間。遷移前應先量度主機 softirq CPU 時間及每條連線的延遲。

  5. DEV Community51

    BubbleFacts 如何以來源核查約束 3B 模型生成直播歌曲資訊

    BubbleFacts 以 Wikipedia 文章為依據,讓本機運行的 Llama 3.2 3B 生成直播歌曲資訊,並在顯示前逐條進行程式核查。年份、專輯和作曲者等基本資料直接取自 Wikidata 和 MusicBrainz;Wikipedia 內容則採用經 72 小時沉澱的較早版本。不受來源支持的內容會被捨棄;串流者可在歌曲播放後標記錯誤,記錄只留在本機、不會上傳。

  6. DEV Community58

    AI 時代產品經理如何管理持份者

    AI 時代,產品經理管理持份者的關鍵不再是掌握更多一般資訊,而是以可搜尋的客戶原話、行為和實驗結果支持產品決策。實務上,應按權力與關注度安排溝通,把 AI 生成的路線圖視為待驗證假設,對照訪談、客服工單和使用數據,並先釐清決策負責人。

  7. DEV Community49

    保險:以可追溯證據分流簡單索償個案

    住宅保險機構可按事故發生時有效的保單版本及可追溯證據,為簡單索償個案準備建議,再由理賠分析員作決定。試行方案可設定目標,在一個工作天內為 90% 符合資格且資料齊全的申請提供決定或下一步,並將每日處理量限制在 50 宗。

  8. DEV Community57

    作者用一條提示詞製作 Lingo Hop 西班牙語學習遊戲,模型使用成本為 6 cents

    作者以一條提示詞讓 AI coding agent 製作西班牙語學習遊戲 Lingo Hop,模型使用成本為 6 cents,耗時不到五分鐘。遊戲包含五節課、連勝紀錄、愛心、XP、兩種練習及完成慶祝畫面;Agent 實際測試首課,8 題答對 7 題、失去 1 顆愛心並取得 90 XP,之後按追加要求加入每日目標圓環。

  9. DEV Community56

    2026 房源搜尋架構:以增量資料流維持房源檢索時效

    文章建議以僅追加的變更流驅動逐房源、具冪等性的索引更新,並以定期對帳修補缺漏,避免每次資料流執行都重建整個語料庫。索引寫入須以來源版本原子拒絕舊資料,刪除則使用墓碑記錄或明確可見性變更。分塊策略可比較 256、512、1,024 tokens 的文字窗口,固定嵌入模型和查詢集,同時衡量檢索品質與 p95 索引至可搜尋延遲。

  10. DEV Community66

    持續探索:如何建立每週與客戶交談的習慣

    持續探索是產品團隊至少每週直接接觸客戶,並以小型研究活動推進指定成果的做法。文章建議從每週一次20–30分鐘訪談開始,安排固定時段並自動化招募。訪談紀錄應連結原始證據及相關決策;AI 可協助轉錄、標記與初步綜合,但不能取代團隊直接與客戶交談。

  11. DEV Community55

    Jobs to Be Done 框架:顧客為何會「聘用」你的產品

    Jobs to Be Done(JTBD)框架把購買解釋為顧客在特定情境下「聘用」產品以取得進展,並在其他方案更能完成該工作時「解聘」產品。文章區分 Christensen、Moesta 的情境進展觀與 Ulwick 的 Outcome-Driven Innovation,並介紹以近期轉換者的故事訪談及推、拉、焦慮、習慣四股力量分析決策的方法。

  12. DEV Community49

    省略 reasoning_effort 不等於傳送 none

    模型設定登錄表必須區分傳送 reasoning_effort: "none" 與完全省略欄位,否則請求可能失去預期行為或直接失敗。Luna 需要傳送 "none",Gemini flash-lite 則不接受 reasoning_effort;設定為 null 才代表省略欄位,Terra 使用 "low"。

  13. DEV Community71

    Inkling 2 Mini 本地運行前須核對硬件與上下文限制

    文章整理了本地部署及託管運行 Inkling 2 Mini 前須核對的硬件、上下文窗口和智能體工具安全限制。官方指引建議本地部署使用至少 32GB 記憶體;模型卡列出的上下文窗口上限為 1M tokens,而 Tinker 的上限為 256K。文章亦建議為智能體循環設定輸出 token 和回合上限,並在沙盒中執行工具或要求確認檔案修改。

  14. DEV Community64

    Windows 11 元件可記錄編碼智能體及開發工具名稱,6 項檢查瞭解裝置回報內容

    Xusheng Li 的逆向分析指出,Windows 11 元件可在功能啟用時把匹配的智能體及開發工具名稱記成每日位元圖,而非提示詞或原始碼。他在一部 VM 中觀察到該功能以服務實驗形式啟用,並在一部美國 Windows 11 Home 測試中發現可選診斷資料已開啟;研究未顯示功能在所有安裝中啟用。

  15. DEV Community34

    RDMA 與 Kernel TCP:繞過協議堆疊以降低延遲

    RDMA 透過讓網絡介面卡直接讀寫接收端應用程式的記憶體,繞過 Kernel TCP 的核心資料路徑,降低延遲和 CPU 負載。Kernel TCP 在快速本地網絡上的往返延遲通常為數十微秒;RDMA 寫入可在兩微秒內完成,但需要固定記憶體及無損或經仔細調校的網絡。RDMA 適合可控制網絡環境、且大量小型傳輸令每則訊息的 CPU 開銷成為瓶頸的工作負載。

  16. DEV Community57

    AI 客服幻覺:六個真實案例與修正方法

    作者整理了一套支援八種語言、為電動單車品牌處理電郵及即時通訊的 AI 客服系統中六個錯誤回覆案例,並説明各自成因與修正方法。修正措施包括把長對話整理成附來源和日期的事實、為每封草稿先搜尋知識庫,以及按新郵件重新生成自動回覆。個別訂單的對話輸入由 37,604 tokens 減至 4,722,該次回覆中的每項內容均正確。

  17. DEV Community43

    智能體 AI 與生成式 AI:工作中的差異

    生成式 AI 根據提示詞產生內容;智能體 AI 則會調用工具查找資料並執行任務。智能體 AI 需要連接實際系統及設定權限和操作限制,成本和所需時間也較高,因此須記錄操作,並在查詢失敗或涉及金錢、貨物時設置人工處理。該系統在截至 11 月 19 日的 30 天內收到 36,789 封客戶電郵及 15,725 段客戶對話。

  18. DEV Community35

    MVP 開發流程:杜拜團隊如何驗證自訂軟件與 AI 工作流程

    杜拜的產品及工程團隊可透過有步驟的 MVP 開發流程,先驗證自訂軟件與 AI 工作流程,再決定如何擴大建設。流程包括聚焦一個核心工作流程、訂明驗證指標,並以真實用戶行為找出摩擦點。加入 AI 時須設定輸入規格、信心門檻、後備方案及人工交接,待工作流程獲驗證後再投入更深入的工程開發。

  19. Engadget42

    Raspberry Pi 初學者可試的六個簡單專案

    六個 Raspberry Pi 初學者專案包括架設全網絡廣告攔截器、復古遊戲機、Kodi 媒體中心、無線音響及遊戲串流客戶端,另有為小朋友製作第一部電腦。1GB Pi 5 售價為 $45;復古遊戲機如要遊玩部分 GameCube 和 Wii 遊戲,則需要 4GB 或以上記憶體及 Pi 5。

  20. DEV Community56

    如何用 Python 和 API 免登入抓取 LinkedIn 職位招聘資訊

    文章示範如何用 Python 抓取毋須登入即可瀏覽的 LinkedIn 職位資料,先從搜尋結果取得職位 ID,再讀取職位頁補充詳情。作者測試中,來自數據中心 IP 的請求有 13–15% 收到 HTTP 429,LinkedIn 約在 1,000 筆結果附近停止分頁。文中亦介紹作者自建的 Apify 託管工具,收費為 $1 per 1,000 jobs plus $0.0005 per run。

  21. Baseten 工程博客50

    Baseten 如何保障 20+ 個雲端供應商上的 100+ 個叢集安全

    Baseten 説明如何在 20+ 個雲端供應商的 100+ 個叢集維持一致的安全標準,並以基礎設施、營運夥伴、工作負載及內部存取四個信任邊界設計控制措施。措施包括限制每個叢集的憑證範圍、隔離客戶工作負載,以及集中監察日誌和定期掃描。文末附有可用於審核自有機羣或評估供應商的清單。

  22. DEV Community55

    持份者更新範本:撰寫促成決策的簡報

    文章提出一套七部分持份者更新範本,依 BLUF 原則先交代狀態、重要性和明確請求,再列出健康指標、主要風險、下一個里程碑及證據連結。它建議把風險寫成帶有概率、日期和後果的預測,並按不同持份者調整內容與更新頻率;討論會前 24-48 小時先發送書面更新。

  23. DEV Community64

    AI 時代團隊的產品機會評估:一套現代化模板

    Fathy Shalaby提出面向 AI 時代團隊的產品機會評估模板,將 Marty Cagan 2006 年的十個問題整合為五項。五項涵蓋問題、目標市場、方案、商業案例和風險;評估 AI 功能時,另須檢查模型可行性及競爭壁壘。文章以 AI 通話摘要功能作示例,提出以真實輸入評估模型表現,並把高影響、低信心風險列為測試對象。

  24. DEV Community62

    產品經理運用 AI 競品情報的 3 個工作流程

    產品經理可用 AI 整理競品訊號,透過功能差距分析、客戶意見綜整及贏單/失單分析支援路線圖決策。AI 可收集、去重及摘要更新紀錄、定價頁、評論和失單資料;路線圖取捨仍由產品經理決定。作者建議每週簡報最多列三項,為每項附上來源和日期,並核實會影響決策的內容。

  25. DEV Community37

    十億 token 上下文陷阱:AI 編碼智能體為何會遺忘,以及如何以上下文壓縮、持久記憶和保留追蹤記錄的錯誤代碼修正問題

    大型上下文窗口未能令 AI 編碼智能體更可靠;注意力稀釋會令它們偏離目標、虛構檔案路徑,並重做已解決的問題。文章提出以上下文壓縮、持久記憶和保留追蹤記錄的錯誤代碼管理上下文,並指出 1M-token 窗口的有效注意力可能只有 200K-300K tokens。

  26. Engadget55

    Apple HomeView 用 iPhone 輕鬆設定

    Apple HomeView 需透過 iPhone 或 iPad 設定,將裝置靠近已開機的顯示器即可開始配對,亦可按指示掃描動畫或手動輸入四位數密碼。iPhone 須運行 iOS 27.2,iPad 須運行 iPadOS 27.2;顯示訊息等個人資料前,HomeView 會透過面部辨識驗證用戶身份,且配對裝置須在附近。

  27. DEV Community63

    AI 智能體寫出的程式碼在哪裏執行?用不到 50 行 Python 建立沙盒執行器

    Neeraj Sharma 示範如何用不到 50 行 Python,將 AI 智能體生成的程式碼放入受限的子程序中執行。預設限制包括 CPU 2 秒、記憶體 256 MB、檔案 1 MB、執行時間 5 秒及輸出 8 KB,並測試環境變數、無限迴圈、子程序、磁碟和網絡等風險。執行器仍與主機共用核心;作者建議,若不受信任用戶可以觸發程式碼,應改用 microVM。

  28. DEV Community38

    無須逐頁捲動搜尋 40,000 名追蹤者名單:建置過程中的設計心得

    建置者分享一款 Instagram 追蹤者搜尋工具的設計取捨,透過資料供應商的搜尋功能查找名單,避免逐頁載入整個追蹤者清單。工具按帳戶、搜尋方向及詞語快取結果,並以免費額度、付費點數及多層防機械人措施控制成本與濫用。工具只查閲公開資料,搜尋結果可能不完整,尤其是大型帳戶。

  29. DEV Community58

    LangGraph 付款例外處理智能體:時限分流、制裁命中與 LLM 不可自行作出的放行決定

    LangGraph 付款例外處理智能體以模型分類例外、整理證據及提出處置建議,並將放行、暫緩或拒絕交由人工逐次決定。剩餘截止時間及緊急程度由程式按規則計算;制裁命中不能由模型清除,欄位修正建議須先通過規則驗證。方案以約 200 宗歷史例外案例作評估,對已確認的真實制裁匹配設下不得建議放行的零容忍閘門。

  30. DEV Community65

    AI 如何輔助產品探索衝刺:五日計劃與三小時版本

    產品探索衝刺通常由小型團隊用一週,在投入開發前回答一項重要產品問題或風險;指南提出 AI 輔助的五日流程和三小時版本。AI 可加快整理既有通話、工單和筆記,但三小時只能梳理現有證據,不能取代客戶訪談與測試;指南建議探索性研究至少保留三場真人訪談,並引述 2026 Nielsen Norman Group 研究指出,只有 3/10 名參與者認為 AI 主持的對話自然。