跳到正文
11月19日週四
  1. DEV Community54

    2026 年 Mac AI 編碼工作流逐步指南:從提示詞到審查的 8 款工具

    作者整理出一套 2026 年 Mac AI 編碼工作流,以 8 款工具分擔提示、執行、審查、修正及用量檢查。配置包括 Ghostty、Claude Code、Codex CLI、Cursor、Rectangle、Wispr Flow、CleanShot X 和 TokenBar,涵蓋終端、兩個編碼智能體、差異審查、視窗管理、語音輸入、截圖標註及用量查看。

  2. Conductor 官方更新48

    Conductor 0.96.0:掌握 Agent 開支

    Conductor 0.96.0 加強 Agent 開支和上下文窗口的檢視與控制,用戶可查看上下文使用量、使用上限及對話預計費用。新對話預設使用 Claude 的 Opus 5.5,以及 Codex 的 GPT-6.2 Sol。連續的工具呼叫和思考步驟會收合為一列。

  3. The Decoder76

    Microsoft 公佈七款自研 AI 模型,瞄準以較低成本替代產品中的外部模型

    Microsoft 在 Ignite 公佈七款新模型,涵蓋編碼、安全、圖像、語音和路由,主打以較低成本支援長時間運作的 AI 智能體。Microsoft 稱,MAI Code 2 在四項基準的平均表現達 GPT-6.1 Sol 的 98%,推廣價為其成本的 40%;對 Claude Opus 5.5 的表現達 96%,成本為其 5%。

    推薦理由:七款模型橫跨編碼、安全、圖像與語音等用途,文中以多項基準和定價對照外部模型,呈現 Microsoft 將自家模型導入產品時的成本取向。

  4. DEV Community54

    如何用純文字 AGENTS.md 管理 AI 長期記憶與專案指引

    這篇教程介紹以專案根目錄或子目錄中的純文字 AGENTS.md,為 AI 編碼智能體保存可檢視、可版本控制的專案規則。它提供規則範本,並建議先界定禁止事項、以多步任務測試,再把 AGENTS.md 納入 Git 管理。智能體執行目錄內任務時,執行環境會讀取相應檔案,並將規則加入提示詞上下文。

  5. DEV Community61

    Node.js 冪等 Webhook:如何處理重複投遞並避免重複副作用

    Ali Ahmed 示範以 Node.js 建立冪等 Webhook 處理器,透過資料庫原子認領事件 ID,以應對重試和重複投遞。實作使用內置 `node:sqlite`,完成後標記事件,失敗時釋放認領,並接管超過五分鐘未更新的認領。由於外部副作用完成後,程序仍可能在標記完成前崩潰,資料庫認領不能單獨保證只執行一次;可在支援冪等鍵的下游 API 傳入冪等鍵,或將資料庫副作用與認領放在同一交易。

  6. Pragmatic Engineer72

    Gergely Orosz 訪問 CodeRabbit CEO Harjot Gill,談軟件工廠與程式碼審查

    Gergely Orosz 訪問 CodeRabbit 創辦人兼 CEO Harjot Gill,探討他如何以 AI 智能體打造軟件工廠及處理程式碼審查。Gill 表示,他上月透過智能體提交逾 5,000 個 PR,CodeRabbit 每月 AI 支出約 $250-$275K。團隊使用 TLA+、模擬及分階段發布驗證代理產出,工程師則審查包含多個 PR 的版本,而非逐一審查 PR。

  7. DEV Community62

    我如何把每個 AI 智能體任務路由至仍有配額的最低價模型,以及過程中的問題

    作者用 Python 編寫路由器,將每項 AI 智能體任務交給仍有配額的最低價模型。路由器會略過付費模型及配額窗口使用率超過 90% 的模型;模型在啟動首 60 秒內失敗時,會改試同一級別的下一個候選模型,但不會自行升級級別。低價模型曾寫出令測試無限循環、記憶體升至 9 GB 的測試,也曾在腳本加入 419 行重複輔助函式。

  8. DEV Community66

    AI 編碼智能體如何因驗證、隔離與授權失誤

    文章指出,AI 編碼智能體的失誤幾乎不是智能不足,而是驗證、隔離或授權失當。文中提出讓檢查證明實際執行、在待合併提交的乾淨檢出版本上驗證,以及每個智能體使用獨立 worktree 等做法。對外或難以撤回的操作,須由人類就該項行動明確批准。

  9. DEV Community52

    如何用 Kiro Crew bots 理解陌生程式碼庫

    作者用 Kiro Crew bots 梳理開源專案 HyperFrames,約 10 分鐘便取得詳細報告和首次貢獻計劃。她以一句目標建立有驗收條件的追蹤項目,讓多個 worker 並行調查,並透過 Dashboard 查看里程碑和進度。她批准目標和里程碑後,bot 曾停在閒置狀態,需再發訊息提示它開始工作。

  10. Mastra Blog76

    Mastra Factory 推出多項新能力,加入雲端編碼智能體及可自訂工作流程

    Mastra 推出開源軟件工廠 Mastra Factory 的多項新能力,涵蓋雲端編碼智能體、可自訂工作流程、Slack 原生協作及跨工作階段持續運作的雲端工作區。

    推薦理由:文章以 Mastra 團隊的內部數據比較 Factory 使用前後的交付速度與工單分流時間,並呈現其逐步建立團隊信任的做法。

  11. DEV Community26

    如何使用 Trader-GPT 建立及推出自己的 AI 交易機械人

    文章逐步説明如何結合 LLM 與即時市場數據,建立及推出 Trader-GPT 交易機械人,涵蓋系統架構、Python 實作和合規流程。示例使用 GPT-4 Turbo 或 Llama 2 70B 生成交易訊號,並以風險規則及不可篡改的日誌管理決策。內容亦提及 MiFID II、SEC 和 CFTC 的監管要求,以及生產環境的延遲、成本、安全和監控安排。

  12. DEV Community24

    如何打造 AI 交易機械人:趨勢、工具與程式碼

    這份指南説明如何打造 AI 交易機械人,並提供可執行的 Python 原型、合規檢查要點及成本估算。原型以 Llama-2-7b-chat-hf 分析即時價格數據和新聞標題,產生買入、持有或賣出訊號,並可向 Alpaca 模擬交易帳戶下單。AWS g4dn.xlarge 單 GPU 執行個體約 $0.70 / hour;市場數據及券商 API 費用是主要開支。

  13. DEV Community64

    編碼智能體如何選擇要使用的技能

    作者提出一套檢查編碼智能體技能選擇的方法,分開核對技能是否被發現及載入,以及後續行為有否遵守請求範圍。測試應涵蓋詞彙相近但意圖不同的請求,並記錄客戶端、模型、啟用技能、提示詞和工具軌跡;文中的案例是建議測試,並非實測結果。

  14. DEV Community29

    AI Trader 熱度上升:搜尋量為何激增 87%?

    Google Trends 記錄到「IA trader」搜尋量上升 87%,反映投資者、金融科技公司及開發者對 AI 交易工具的關注增加。文章提供實作指南,涵蓋自建 Trader-GPT、整合 OpenAI 與 Binance API、使用 QuantConnect Lean 回測,以及監管合規事項。

  15. TNW84

    OpenAI 發佈 GPT-6.2 Astra 和 GPT-6.2 Sol,早期測試者提出批評

    OpenAI 發佈 GPT-6.2 Astra 和 GPT-6.2 Sol,並將 Astra 的價格下調 20%。兩款模型已在 ChatGPT Work、Codex 和 API 上線;Astra 的 API 價格為 $8 per million input tokens、$40 per million output tokens。

    推薦理由:文章對照 OpenAI 公佈的基準成績與 Epoch AI、開發者的測試反饋,呈現模型基準表現和實際工作體驗之間的差異。

11月18日週三
  1. 阿里雲開發者社區 AI63

    Spec 腐爛之爭:作者提出以「知識光譜」分層管理工程知識

    作者提出「知識光譜」作為 spec 派與機械重建派之外的第三條路,按知識類型、生命週期和變化率分層管理工程知識。方案由人審定業務語義、AI 負責中間層映射、機器從程式碼現算技術現狀,並在變更收尾時回寫知識,再用程式碼圖譜核對漂移。作者團隊的知識庫涵蓋十四個業務服務、六百八十多篇內容,至 2026 年 9 月追蹤及回寫二十六個變更。

  2. DEV Community59

    部署 AI 智能體前,如何訓練團隊審查 AI 程式碼

    企業部署 AI 編碼智能體前,應先訓練團隊審查其生成的程式碼,並在合併前逐行核對變更。培訓內容包括盤點智能體可存取的目錄、MCP 伺服器及環境憑證,瞭解模型幻覺,並由開發者自行撰寫測試、手動驗證結果;初期應在不含生產資料的暫存目錄試用。開源智能體更新則應按依賴項升級方式審查。

  3. The Decoder58

    Mistral 推出 Vibe Desktop,追趕已能操控作業系統的競爭對手

    Mistral 為 AI 智能體 Vibe 推出桌面應用程式,用戶可同時交辦多項任務,並查看智能體並行處理。應用程式結合 Vibe CLI 的本地功能與 Vibe Code Web 的雲端工作階段,支援在本地程式碼庫或雲端沙盒執行任務,並以 Git worktrees 分隔同一專案的並行任務;Work 模式亦可存取本地檔案。