跳到正文
11月21日週六
  1. 阿里雲開發者社區 AI39

    Mojo 編程實戰一:認識 Mojo

    Mojo 編程實戰第一篇以 Mojo 1.2.0 為基礎,介紹 Mojo 如何應對 Python 易用但執行較慢、C/C++ 和 Rust 性能高但較難編寫的落差。內容講解其 Python 風格語法、MLIR/LLVM 原生性能與編譯期元編程三大設計支柱,並説明 Mojo 的適用場景和目前限制。

  2. 阿里雲開發者社區 AI57

    software-factory skill 如何用五個詞釐清自動化流水線設計

    mattpocock/skills 的 software-factory skill 以 task、run、trigger、service、brake 五個詞統一自動化流水線討論,並用明確條件檢查設計是否完整。它不執行程式碼,而是禁用含混同義詞,並要求每個 trigger 配上自動檢查、自動評審或人工評審等制動措施。每個 task 和工單來源都要回答五個問題,未填妥的項目代表設計仍有缺漏。

  3. DEV Community34

    《移動操作機械人項目與開發手冊》第 07 章:現場驗證

    第 07 章説明如何在移動操作機械人的目標運作環境中進行現場驗證,以確認系統的可靠性、安全性和一致性,並取得足以證明系統已準備部署的量化證據。驗證須以明確的運作設計領域、可量度的接受準則及循序漸進的測試為基礎,涵蓋導航、感知、操作、安全、人機互動和長時間運作。同步收集運作數據並記錄故障,有助分析根本原因及核實修正措施。

  4. DEV Community35

    移動操作機械人項目與開發手冊——第 06 章:測試

    本章提出移動操作機械人的測試策略,涵蓋功能、性能、可靠性及安全性,並主張從需求工程階段開始制定測試要求。測試應結合風險評估,逐步驗證部件、子系統及整個系統,並涵蓋模擬、硬件、人工智能、操作任務與安全。自動化測試、回歸測試和測試治理則用於維持可追溯性、管理缺陷及記錄驗證結果。

  5. DEV Community30

    移動操作機械人項目與開發手冊——第 03 章:硬件開發 [KR]

    《Mobile Manipulator Projects and Development Manual》第 03 章梳理移動操作機械人的硬件開發流程,涵蓋需求分析、系統架構及概念設計。內容涉及 AMR 底座、機械臂、末端執行器、電池、感測器、電氣及嵌入式系統的設計,並説明如何運用 CAD、CAE 和模擬進行設計評估,再製作原型及開展硬件驗證。

  6. DEV Community29

    移動操作機械人項目與開發手冊——第 01 章:需求 [KR]

    本章説明如何為移動操作機械人制定產品願景,確立目標應用、客戶營運價值、自主程度、產品差異化及可擴展平台方向。產品願景須平衡技術抱負、工程可行性與商業持續性,並將安全、可靠性及產品生命週期納入考量。章節亦提出按技術成熟度推進商業化,並透過跨職能協作把願景轉化為開發策略。

  7. DEV Community31

    移動操作機械人項目與開發手冊——第10章:案例研究

    第10章以倉庫移動操作機械人項目為案例,説明如何整合自主移動、機械操作、人工智能及工業自動化;案例用作示範手冊中的開發方法,並非特定商業安裝項目的成果。內容涵蓋需求分析、系統架構、感知與操作、倉庫系統整合及安全設計。驗證由組件測試延伸至整合場景,並納入通道受阻、抓取失敗及通訊中斷等情況。

  8. DEV Community79

    Cairn 智能體自主發現 MONAI Label 零日漏洞並取得 root shell

    AWS 報告,一名被中等信心評估為與中國有關聯的攻擊者指示 Cairn 獲取 shell;Cairn 約 11 分鐘內在 MONAI Label 發現路徑遍歷漏洞,並透過任意檔案寫入及 Python 執行取得 root 權限 shell。

    推薦理由:文章拆解了從 API 路徑遍歷、寫入 sitecustomize.py 到 Python 執行的攻擊鏈,並整理出 SOC 可用的排查線索。

  9. DEV Community62

    如何在不中斷服務下替換嵌入模型並重建物業知識索引

    作者提出一套供物業管理機械人在不中斷服務下替換嵌入模型的索引遷移方案:並行建立新舊索引、重播後續編輯與刪除,再原子切換配對的查詢編碼器和索引。Go 示例使用標準庫及確定性測試替身,演示變更重播、切換與回滾,但不代表實際檢索質素或吞吐量。方案要求核對新鮮度、引用和刪除狀態,並在回滾窗口內持續更新舊索引。

  10. 阿里雲開發者社區 AI35

    阿里雲 Night Plan 詳解:夜間訂閲方案的核心能力、底層架構、額度抵扣規則、定時任務編排及 API 接入注意事項

    阿里雲 Night Plan 是 Token Plan 面向離線批量 AI 任務的錯峯訂閲方案,透過夜間算力調度及時段折扣降低成本。優惠時段為北京時間 22:00 至次日 08:00,折扣按請求提交時間判定,並只適用於指定模型。方案沿用 Token Plan 的 API、SDK 及密鑰,適合延遲執行的批量任務;Token Plan 付費套餐用戶可使用。

  11. 阿里雲開發者社區 AI48

    2026年阿里雲雙11優惠盤點:活動入口及優惠內容

    2026年阿里雲雙11活動設有主會場、產品分會場及權益中心,優惠涵蓋雲伺服器、百煉大模型服務平台、資料庫和儲存等產品。百煉 Token Plan 低至5折,Night Plan 夜間優惠為4折,適用時段為每晚22點至翌日早上8點。新用戶可領取首購優惠及免費試用,老用戶則可參與續費同價、滿返和節省計劃。

  12. 阿里雲開發者社區 AI47

    阿里雲通義千問 Qwen-image-3.0 詳解:核心能力、底層架構與實戰教程

    Qwen-image-3.0 圍繞長指令理解、文字渲染及多圖編輯等能力升級,支援文字生成圖像和參考圖編輯,提供標準版與 Pro 版本。模型最多支援 4.5K Token 輸入、最多傳入 3 張參考圖,並可輸出 512×512 至 2048×2048 的自訂尺寸圖像。服務提供同步及異步調用模式,兼容 OpenAI 圖像接口規範。

  13. 阿里雲開發者社區 AI52

    GEO 頁面資訊如何被 AI 引用:品牌頁、產品頁與文章頁的核對順序

    文章提出一套 GEO 頁面核對方法,建議以真實客戶問題建立基線,先補全品牌頁和產品頁中可引用、可交叉核對的事實,再處理文章頁。改動後以同一組問題復測,記錄基礎事實準確度、產品參數及官網引用;這些結果只供內部判斷優先次序,不能保證 AI 引用或帶來確定的流量、成交結果。

  14. DEV Community52

    LLM 的重複率可能量錯了對象

    作者比較 Ollama 與 llama.cpp 的本地模型輸出後指出,若把推理和答案合併計算,重複率未必反映用戶實際讀到的答案。Ollama 合併輸出的句子重複率由未調校時的 76% 降至 6%;但 llama-server 分開測量時,答案在所有條件下均為 0%,重複主要出現在推理。

  15. DEV Community50

    Marketplace 生成圖片:物件儲存與簽署網址的 4 項租戶隔離規則

    Marketplace 儲存 AI 生成報告圖片時,應使用私有物件儲存空間、由應用程式管理的物件鍵,以及短效簽署下載網址,並在簽署前核對資料庫中的租戶身分和資產狀態。縮圖、原圖及資料庫記錄須納入租戶隔離和刪除流程;清理工作應可重試、記錄稽核事件,並監察逾期資產的清除延遲。

  16. DEV Community51

    如何令 WorkBuddy 與 Maestro 的 AI 影片製作流程更可靠

    WorkBuddy 與 Maestro 可透過 MCP 串連 AI 影片製作流程,讓共享上下文、製作任務與交付狀態形成可重複的工作流。建議先以範圍有限、明確列出受眾、核心訊息及不可虛構事項的製作需求測試,再逐步加入素材與品牌限制。影片生成應按非同步任務處理,保存 task ID、查詢狀態並明確處理失敗;發布前仍須人工核實主張和畫面。

  17. DEV Community53

    遊戲團隊的內部事件分發設計:一次 Webhook 註冊與 3 個信任邊界

    文章提出遊戲團隊可用一次 Webhook 註冊驗證外部事件,再經佇列分發,讓各內部消費端獨立處理並確認。設計分為入口驗證、佇列發布和工作者處理三個邊界,並要求保留原始事件 ID、為各消費端分開記錄收據,以及令副作用具冪等性。文中的 Python/SQLite 範例只展示記憶體內的處理語義,並不代表正式佇列的投遞保證;文章亦要求審查各憑證可執行的操作及其權限範圍。

  18. DEV Community47

    Batch Normalization:為何正規化激活值可穩定訓練,以及它的實際作用

    Batch normalisation 的訓練效益並非源自減少「內部協變偏移」,研究證據指它會令損失景觀更平滑,讓梯度變化較可預測。這有助使用較大的學習率,亦減低訓練對權重初始值的依賴。它帶來的批次噪音可產生輕微正則化效果,但訓練與推理時使用不同統計數據,亦是常見錯誤來源。

  19. DEV Community50

    如何為 AI 產品打造可獲外部連結的內容資產

    Aaron kuai 將 AI 產品可打造的連結資產分為原創數據、免費工具或計算器、權威參考資料,以及整理過的數據集或清單。文章説明各類資產的適用條件,並建議使用穩定網址、確保搜尋引擎可讀及方便引用,讓資產更容易被發現和引用。

  20. DEV Community47

    建置日誌 #1:Lab to Prod 發佈流程如何運作

    這個博客的 Lab to Prod 發佈流程以合併 pull request 作為唯一發佈閘門;建置週結束時有 71 項測試、8 個 pull request,5 個渠道透過 API 發佈,另有 2 個渠道由作者手動處理。4 個 GitHub Actions 工作流程負責驗證內容、發佈文章、建置網站及收集數據。每篇文章仍須人工審批,留言和訊息不會自動處理;正式發佈功能目前仍處於 dry run。

  21. 阿里雲開發者社區 AI57

    Claude-BugHunter 安裝與使用教學:Claude Code 接入 83 個 AI 安全審計技能

    這篇教學介紹 Claude-BugHunter 的安裝與上手流程,讓 Claude Code 接入 83 個 AI 安全審計技能和 15 條斜線命令。項目依據 681 份 HackerOne 公開披露報告整理出 24 類漏洞研究模式,並以 7 問驗證門檢查候選發現。文章説明插件市場和腳本兩種安裝方式,以及只在獲授權範圍內進行測試的合規要求。

  22. 阿里雲開發者社區 AI32

    AI答錯或忘記你,通常是哪個環節出了問題?

    眾通社GEO提出以「輸入—處理—輸出—校驗」四層框架,定位 AI 答錯或遺忘的成因,並以可重現核對和留痕支援複測。框架涵蓋 205 項檢查項及八字段結構,要求固定測量變數、驗收口徑和失效信號。校驗以事實一致率衡量,並記錄樣本數、時間窗及 Wilson 95% 置信區間。

  23. DEV Community24

    StoryAI:為難民營按需提供多語言兒童故事

    StoryAI 按需生成符合年齡、融入文化元素的多語言兒童故事,並透過 WhatsApp、SMS 或離線裝置送達難民營家庭。部署指南涵蓋提示詞建構、安全過濾、人工審核、配送及私隱優先的使用數據收集。指南提及可選用 GPT-4、Claude-2.1 或 LLaMA-2-13B,並以 Raspberry Pi 邊緣裝置離線提供故事。