跳到正文
11月4日週三
  1. Lovable Blog60

    Lovable 的構建歷程,以及團隊為何持續重建它

    Lovable 共同創辦人回顧團隊如何多次重構 Lovable,透過收窄問題範圍、限制智能體自主度及加快編輯與修正循環,提升產品可靠性。團隊以 knowledge files 配合 RAG 為模型補充相關指引,並建構可保存運行環境狀態的沙盒;Lovable Stack Overflow 早期版本令用戶卡住的比率降低 5%。

  2. DEV Community19

    理解檢索增強生成在實際應用中的運作方式

    檢索增強生成(RAG)透過檢索知識庫或外部資料,再結合生成模型提供回應,提升大語言模型運用現有知識的能力。以問答系統為例,RAG 可檢索氣候資料並生成相關答案,但外部資料的品質與時效、檢索延遲,以及私隱和法律要求都是實際應用時須留意的問題。

  3. DEV Community35

    為甚麼不能直接用 ChatGPT 瞭解我的項目?RAG 入門

    RAG 將 LLM 連接至外部知識,讓它能根據項目文件等資訊回答問題,彌補通用 LLM 不會自動取得內部項目資料的限制。基本流程分為預先準備知識,以及檢索資訊並生成答案:文件經載入、切分和嵌入後存入向量資料庫,系統再按用戶問題檢索相關內容,連同問題提供給 LLM 作答。

  4. DEV Community32

    為何生成式 AI 需要數碼公司護照

    生成式 AI 搜尋改變企業被發現和評估的方式,數碼公司護照以可驗證、機器可讀的企業資料,協助 AI 準確識別企業。這項開放標準整合法定登記資料、網域驗證和服務資料,並透過 Markdown、Schema.org JSON-LD 及 MCP 提供資料。digitalpassport.by 已在東歐市場聚合數以千計企業的官方登記紀錄。

  5. DEV Community19

    檢索增強生成:提升答案質素的分塊策略

    檢索增強生成(RAG)可透過分塊策略提升生成答案的準確度與相關性。文章介紹文字分段、階層式、按時間及按內容分塊,並以新聞文章分類示範階層式分塊;亦提醒過度分塊、分塊不足及分塊方式不一致可能影響系統效能、答案準確度或查詢表現。

  6. 阿里雲開發者社區 AI28

    大模型加持:推薦瓴羊 Quick Service 智能客服系統,實現精準意圖識別

    瓴羊 Quick Service 透過多模型調度、語義推理及 AI Agent,將智能客服意圖識別由理解用戶需求延伸至執行任務。其單輪對話意圖識別準確率達 93.2%,複雜多輪業務辦理成功率為 87%。AI Agent 可調用訂單管理及物流追蹤等後端系統,複雜業務處理時長可縮短 60%。

  7. DEV Community53

    拍立得陷阱:為何向量搜尋在企業多跳 RAG 中會失效

    在企業多跳 RAG 問答中,單靠向量檢索可能漏掉連接問題與答案的中間事實;知識圖譜能追蹤關係,但帶來抽取、實體消歧及資料過時等成本。作者建議先用約 20 條需要跨兩份或以上文件作答的問題測試多跳錶現,再嘗試查詢分解或迭代檢索;若仍不足,才在依賴關係密集的高風險領域試行設有限跳數的圖譜。

  8. HuggingFace Daily Papers(社區熱門論文)52

    簽署後仍可操控:衡量並縮小離線 RAG 的文字與向量完整性差距

    該研究衡量離線 RAG 簽署知識包的文字與向量完整性差距,並比較向量重算、壓縮索引審核及量化碼驗證方法。理想化浮點噪聲級容差仍令最多 5.5% 查詢暴露;在包含 57,638 份文件的 FAISS 乘積量化索引中,通過審核的篡改向量可令攻擊者文件在 25% 目標中排首位。改為驗證量化碼並加入校準保護區及規範化後,三個平台的樣本中所有誠實向量均獲接受。

  9. 阿里雲開發者社區 AI51

    阿里雲百煉大模型服務平台雙十一上手指南:功能、價格及選購

    這份阿里雲百煉大模型服務平台上手指南,整理平台功能、價格、雙十一優惠及選購方式,並涵蓋由開通至 API 調用的流程。平台涵蓋模型推理、應用開發、知識庫 RAG、Agent、模型微調及專屬部署六大模組。文章亦整理 2026 年雙十一全模型低至 4.5 折、新用戶超 7000 萬免費 Token(有效期 90 天)等優惠,並提供 API-Key 接入及按用量、場景選購方案的説明。

  10. 阿里雲開發者社區 AI58

    DeepSeek Harness 十款熱門插件實測與 AI 工作台改造教學

    這篇指南實測並整理 DeepSeek Harness 十款熱門插件,涵蓋插件市場、OCR 圖像辨識、本地檔案引用、聚合搜尋、長期記憶、費用監控及介面工具。作者建議先安裝 dshmarket 和 modlens,再按使用偏好選擇全功能控制台或代碼側欄,最後按需要加入其他插件;一次安裝全部插件可能引起依賴衝突並拖慢整體執行速度。

  11. DEV Community47

    BijliCheck:打造不虛構電費數字的 RAG 助手

    BijliCheck 是一款電費檢查網頁應用程式,透過 RAG 助手根據用戶計算出的電費數字及檢索到的電價級距規則解釋帳單,旨在避免模型自行編造費率。檢索在瀏覽器內以關鍵詞匹配本地知識庫完成,再由 Groq 免費 LLM 生成英文答案;參考資料會先於答案顯示。應用程式以 HTML 和 JavaScript 製作,設定成本為 $0。

  12. 阿里雲開發者社區 AI61

    從「交卷即回饋」到「可追溯的 AI 點評」:培訓平台多模態作業 AI 點評系統的技術實踐

    文章介紹培訓平台多模態作業 AI 點評系統的實踐方案,透過分層解析、Rubric 版本化檢索(RAG)、規則與 LLM 雙通道評分及置信度門控,將 AI 定位為助教而非最終評分者。系統以證據綁定、低置信度拒答和講師人工覆核建立可追溯閉環,並建議先從低風險、標準清晰的題型開始,再逐步擴展至主觀題和多模態評估。

  13. 阿里雲開發者社區 AI37

    多模數據的 AI Agent 應用有哪些雲數據庫方案?首選阿里雲瑤池雲原生多模數據庫 Lindorm 統一數據底座

    阿里雲瑤池雲原生多模數據庫 Lindorm 為 AI Agent 提供統一數據底座,以寬表、時序、搜尋、向量與文件引擎承接會話、知識、特徵、日誌及附件。其 AI 引擎支援庫內推理,並提供自動 Embedding、RRF 融合檢索、10:1 以上寬表壓縮及冷熱分層。交易型數據可選 PolarDB,分析型數據可選 AnalyticDB MySQL。

  14. 阿里雲開發者社區 AI52

    Agent Context 知識庫為何能回答問題,卻難支援 Agent 執行工作?

    作者用 Agent Context 測試知識庫支援 Agent 起草配置變更方案,並以入庫評審、圖譜檢索及 Knowledge、Memory、Skill 分層整理上下文。二十來篇測試文件的評審暴露出噪音和版本衝突,但圖譜抽取仍需人工補充;源端未有變更而內容已失效的文件,現有機制仍難識別。

  15. DEV Community32

    科技公司為何趕在年底前推出 AI 智能體?

    AI 智能體在生產環境中的部署大多聚焦於客戶支援分流、文件擷取和特定程式碼庫的程式碼審查,並非通用推理引擎。成效更取決於工具設計、失敗處理和可觀測性,而非單純換用最新模型。文章亦指出,RAG 的檢索問題往往源於分塊或中繼資料,而非嵌入模型。

  16. 阿里雲開發者社區 AI54

    AI 初創公司如何控制 Token 成本?阿里雲百煉平台企業級調用省錢攻略

    文章整理阿里雲百煉企業級調用的降本做法,涵蓋官方優惠、架構優化及預算管控三個方面。文中列出節省計劃最高 5.3 折、RAG 上下文快取最高降低 85% 成本、智能路由節省 40%-70%,以及批量推理價格通常約為即時 API 的 50%。文章亦建議按帳號、業務空間及 API Key 設定預算預警,並提醒折扣和政策以控制台實時價格為準。

  17. 阿里雲開發者社區 AI29

    AI 英語教學軟件的開發與落地流程

    AI 英語教學軟件的開發與落地通常分為需求規劃、架構選型、功能開發、低延遲優化、測試評估及持續營運六個階段。方案結合 LLM、ASR/TTS、多模態技術與 RAG,並提出以 WebSocket 或 WebRTC 將語音對話響應延遲壓至 1 秒內。

  18. 阿里雲開發者社區 AI50

    Gartner 2027 十大技術趨勢:由 AI 能力建設轉向運行治理

    Gartner 發佈 2027 年十大戰略技術趨勢,聚焦 AI 深入業務後的運行治理,並分為非文本 AI、智能體平台治理和持久敏捷性三組。相較 2026 年版,文章指出治理重點進一步落到業務上下文、智能體身份與工具權限、結果驗證和錯誤恢復,以及應用和供應商依賴的退出安排。文中提醒,各項趨勢的成熟度和投資緊迫性不同,報告中的數字屬於預測,並非已實現的市場結果。

  19. 阿里雲開發者社區 AI56

    電話中的 RAG:模型已開口、知識庫結果才返回,怎麼辦?

    SmartCall 作者介紹「音訊保持(Audio Hold)」方案,讓模型先生成並緩衝 PCM,同時並行檢索知識庫,命中後注入知識重新組織回答,未命中則釋放原音訊。方案將並行檢索上限設為 1200ms、音訊保持窗口設為 1500ms,並把門控限制為純記憶體判斷,避免阻塞模型事件執行緒。檢索命中會增加數百毫秒首響延遲;檢索失敗、逾時或異常時則採用 fail-open,讓模型原答作為後備。

  20. DEV Community38

    氣隙隔離團隊如何選擇 AI 知識管理工具

    這份指南按共享知識與 AI 檢索、隔離部署適配度、知識結構及離線運作成本,比較 8 款供氣隙隔離團隊使用的知識管理工具。指南推薦 ONES.com 用於結構化 Wiki、以頁面內容為依據的 AI 問答及客戶自行維護的氣隙隔離部署;其檢索流程需要文字生成模型和數據索引模型。

  21. DEV Community41

    為何 AI 編碼智能體總是自信地產生模型幻覺,以及如何構建可靠的上下文層

    AI 編碼智能體因缺乏貼合實際專案的上下文而產生模型幻覺,加入上下文層可讓生成內容以程式碼庫、執行環境及任務歷史為依據。上下文層包括程式碼庫檢索、靜態分析與符號定位、執行時驗證,以及任務記憶和回饋循環。驗證失敗時,系統會把錯誤交回 LLM,讓它再次嘗試。

  22. DEV Community57

    金融研究儀錶板檢索設計:查詢上限、分塊與資料新鮮度

    文章提出金融研究儀錶板的檢索契約,建議先界定資料集合、檢索單位、元資料篩選、新鮮度要求與候選數上限,再選擇向量服務。建議以來源 ID、版本及分塊序號生成穩定識別碼,並在新版本完成載入後才啟用,避免重試造成重複記錄或新舊內容混雜。評估時應涵蓋現行與已取代文件、近似重複內容及沒有合適結果的查詢,並記錄檢索到的來源 ID 和分塊 ID。

  23. DEV Community65

    RAG 文件抓取實測:4 個網站的單頁佔該站 token 總量 39% 至 69%

    作者抓取 6 個文件網站各 25 頁進行 RAG 分塊分析,發現其中 4 個網站的單頁佔該站總 token 數 39% 至 69%。六站共 150 頁,合計 394,230 tokens、1,037 個分塊;FastAPI 首批 25 頁中有 12 頁是首頁的翻譯版本。作者建議索引前排除變更記錄及發佈説明、限定語言,並檢查超過約 10,000 tokens 的頁面。

  24. DEV Community56

    如何使用 Agno 和 Qdrant 構建旅遊 AI 智能體(Phidata 的後繼者)

    作者分享使用 Agno、Qdrant 和 MCP server 搭建旅遊 AI 智能體的實作方案,分別處理智能體流程、知識檢索及即時庫存。方案把即時價格交由工具查詢,並以工具回傳的 hotel ID 核對檢索筆記,避免酒店資料錯配。作者表示,按 city 和 doc_type 篩選令無關檢索在測試集約減三分之一;檢索片段相關度為 83%,中位回應時間為 5.2s。

  25. DEV Community57

    2026 年 AI 工程師面試問題:值得準備的 5 個答案

    StackChief 提煉 13 題指南中的 5 個面試答題重點,涵蓋 tokens、LLM 功能測試、RAG 錯答、聊天機械人成本,以及 429 和逾時處理。文中建議以固定輸入、評分方法和通過率建立 eval set,並先判斷 RAG 錯誤來自檢索還是生成。成本估算須計入每輪重送的系統提示詞、檢索段落、工具定義及完整對話紀錄;處理 429 和逾時則要按錯誤類型設定重試及上限。

11月3日週二
  1. DEV Community42

    前端開發者為何真正需要向量資料庫:嵌入向量、相似度搜尋與實用指南

    向量資料庫可按內容的語義相似度搜尋,適用於文件搜尋、推薦及知識庫聊天等前端產品。文章由向量、餘弦相似度和歐幾裏得距離講起,説明嵌入向量、ANN 索引及檢索流程,並以 ChromaDB 作實例。傳統資料庫仍可作為資料記錄系統,向量資料庫則提供語義檢索層。

  2. DEV Community66

    用純 Python 建立 RAG 聊天機械人的精簡黃金測試集評估工具(不依賴框架)

    這篇教學示範如何用純 Python 和單一檔案,為 RAG 聊天機械人建立黃金測試集評估,並逐題比較提示詞修改前後的結果。測試集包含 20 條問題;評估器檢查答案是否涵蓋預期事實、是否含禁用語句,以及是否引用指定來源,另可選用評審模型並將低分或無法解析的結果交由人工覆核。差異指令會在有題目分數下降時以狀態碼 1 結束,可在 CI 中用於偵測回歸。

  3. DEV Community66

    AI 評測:別只相信智能體的「已完成」

    AI 智能體評測應核查工程任務的實際結果與執行過程,不能只依賴智能體的完成回報。文章示範以程式檢查修改檔案、測試和工具使用,並評估執行軌跡、RAG 檢索、多智能體協作及回歸表現。文中提供 TypeScript 評測執行器範例,並列出 Promptfoo、OpenAI Evals 和 Inspect AI 等開源工具。

  4. DEV Community50

    如何在 2027 年招聘 AI 工程師:技術招聘指南

    招聘 AI 工程師應先按項目的架構與交付責任界定職位,而非單憑職稱聘人。評估候選人時,應瞭解其生產環境經驗,涵蓋檢索質素、權限控制、評估、延遲、監控及成本管理。技術面試可考察候選人設計 RAG 系統、評估 LLM 功能,以及判斷何時採用 RAG 或微調的能力。

  5. DEV Community70

    用戶能否透過詞彙搜尋、快取或間接引用讀取權限範圍外的資訊?

    用戶可透過未執行權限檢查的讀取路徑,取得其無權存取的內容;這些路徑包括混合搜尋中的詞彙分支、快取、按 ID 或名稱讀取、記錄指標,以及由請求或模型提供的讀取範圍。文章主張伺服器應根據已驗證的用戶身份設定讀取範圍,並在每條可返回儲存內容的路徑套用權限檢查。文中提出三類測試,並要求以有權限的用戶作正向對照;這些是測試建議,並非產品實測。