語音 AI 智能體工具呼叫如何處理慢工具並避免重複預約
Ali Ahmed 提供 Node.js 語音 AI 智能體工具呼叫處理器,以約 1.5 秒為回應預算,並以等待提示應對慢工具、按 call ID 防止重試造成重複預約。工具完成後,結果會在下一次請求返回;文章亦示範驗證原始請求本文的 HMAC 簽名,並建議持久化結果及在預約系統延伸冪等處理。
Ali Ahmed 提供 Node.js 語音 AI 智能體工具呼叫處理器,以約 1.5 秒為回應預算,並以等待提示應對慢工具、按 call ID 防止重試造成重複預約。工具完成後,結果會在下一次請求返回;文章亦示範驗證原始請求本文的 HMAC 簽名,並建議持久化結果及在預約系統延伸冪等處理。
Kruti Dev 以拉丁字元按視覺順序儲存印地語文字,轉成 Unicode 時,轉換器須先以最長鍵序列配對,再調整短 i 符號和 reph 的位置,並處理元音組合等規則。作者提供可在瀏覽器內運作、毋須上載資料的免費轉換器,並在 GitHub 以 CC BY 4.0 開放完整對照表。
Markdown 是純文字格式,AI 工具可直接讀取和修改內容,標題、清單及表格結構亦以文字呈現,無須經過轉換。Claude Code 會在每次工作階段開始時讀取 CLAUDE.md;Cursor 亦讀取 AGENTS.md,作為結構化規則的簡單 Markdown 替代方案。
作者將智能體記憶中常被稱為「關聯」的做法分成五種,並指出嚴格意義的 Hebbian 學習是在兩項記憶共同被檢索時加強連結;常見實作會在兩項記憶不再共同出現時衰減連結。
theomnikit.com 為不同搜尋意圖建立各自的工具頁面,並以獨立內容、預設設定和結構化資料區分頁面;其 /llms.txt 列出 768 項工具及 1,035 個頁面。
文章分享為服務型企業網站加入 llms.txt 的做法,並整理檔案結構與部署注意事項。檔案列出公司資料、服務、地點及資源連結,並透過 CI 驗證連結、部署後通知 IndexNow。直接成效仍太早衡量,但整理過程有助修正網站及商業目錄中不一致的公司資料。
2026 DevFest 北京 AI 分會技術分享聚焦端側模型推理、Agent 沙箱隔離與決策模型構建。gVisor 快照沙箱的演示中,16 個並發請求的喚醒耗時約 200ms、掛起約 20ms,沙箱數量減少 79%。分享亦説明,決策模型可透過指定選項 Token 的 Logits 經 Softmax 輸出概率分佈,並整理端側部署的記憶體、上下文長度及功耗限制。
Google 開發者社區 2026 DevFest 北京的分享涵蓋 Gemini 模型矩陣、A2A 多智能體協作、Agent 生產化工程,以及 Android 摺疊屏幕適配和 Web 端側 AI 實踐。
作者實測以 Meta 的 Muse AI 配合 PixAI API,透過腳本生成同一原創角色的 5 張動漫圖像,完成單張測試及 4 張批次生成。單張 API 圖像耗用 4,000 credits,網站測試則為 3,000 credits;API 圖像尺寸為 848×1280,網站圖像為 816×1232。
作者以 C# 和 ILGPU 建立開源教育項目 my-gpt,實作字元級 GPT,並由 OpenAI Codex 負責大部分開發工作。模型採用 2 層 Decoder-only Transformer,嵌入維度為 64,上下文長度為 64 個字元。項目使用 GPU 執行模型的前向及反向計算,並以 CPU 參考計算和數值梯度檢查驗證實作。
草稿 Worker 透過進度映射及影片匯出管理草稿任務,一鍵成片 Worker 則以兩階段流程串連 AI 切片與草稿生成。進度分為切片階段 0–50、草稿階段 50–100;影片匯出失敗時,任務仍標記為 completed,並以警告記錄錯誤。一鍵成片須使用 AI 切片產生的 clips1,不能退回 clips0。
Nexus Foundry 提出核查 AI 智能體提交 PR 的驗證收據方法,要求測試在改動前失敗、改動後通過,並確認測試套件執行前後的雜湊一致。非 PASS 判定須列明檔案、行號、失敗輸入及違反規則;作者亦推出 agent-verify-receipts CLI,為 eval runs 記錄並驗證 SHA-256 鏈式收據。
文章以虛構藥房的訂單自取流程示範如何用 Wardley 地圖記錄各組件位置背後的證據,並選擇可能改變投資決策的測試。建議分開量度訂單分揀、尋找及通知所需時間,記錄測試結果與不確定之處,再據此檢視市場供應和店舖流程的假設。
教學示範如何在 NVIDIA Jetson 上結合 ROS 2 與 LiDAR,建立自主導航系統,並説明 LiDAR 數據如何流經定位、建圖、避障及導航。內容涵蓋開發環境、ROS 2 工作空間、資料流程、安全層、測試與 Jetson 效能優化,並説明適用時如何連接 Flutter。
Nexus Foundry提出以收據核驗 AI 智能體修補結果的方法,將修補前後的測試結果封存,確認指定測試是否由失敗轉為通過。修補前後結果分別存為 before.jsonl 和 after.jsonl,收據包含兩份檔案的雜湊、測試套件名稱及前後 commit SHA,任何人都可重新計算雜湊核對記錄未被修改。
這份指南説明如何為產品發佈電郵設定 SPF、DKIM 和 DMARC,並在寄出前核實網域驗證結果。指南建議先以 p=none 監察 DMARC 報告,再確認合法寄件服務通過後逐步收緊政策;每個網域只應有一筆 SPF 記錄,並受 10 次 DNS 查詢上限約束。
RAG-LCC 的開發者建立了模型管理工具,讓一台 DGX Spark 可配合 RAG 工作流程及本地編碼輔助等用途切換模型設定。工具支援兩套設定、啟停模型、啟動前記憶體檢查,並以 vLLM Docker runtime 和 LiteLLM 作為中央入口。相關程式已整理成 GitHub 專案 harinezumigel-llm-stack。
Atakan Elik 整理了 Claude Code 和 Cursor 可用的免費網頁搜尋 MCP 伺服器,並比較免 API key、帳戶及自架要求。DuckDuckGo MCP 在本機執行,Exa 和 Clawifi 提供免 key、免帳戶的託管搜尋;SearXNG 需要自備或選擇執行個體,而 Jina Reader 免 key 可讀取網頁,但搜尋需要 key。
Nabeel Hassan 提出 Retell 語音智能體的上線前安全檢查方法,主張把語音端點視為公開 API,並以架構控制而非只靠提示詞防護。措施包括在後端核驗身份、限制函數權限、驗證請求簽章,以及按租戶隔離資料;文中附有 Node 自訂函數範例。他亦建議以對抗測試檢查提示詞洩漏、未授權資料查詢和異常預約,並限制通話錄音及逐字稿的存取。
作者為編碼智能體設定兩道防護:以 PreToolUse hooks 和憑證取代提示詞或模式匹配,並審核接受智能體付款的產品。三個 Python hooks 會攔截工具呼叫,阻止讀取敏感資料、執行破壞性命令及修改資料庫結構。付款審核掃描器按支付相關訊號評為 READY、PARTIAL 或 NOT_READY,並標明結果只反映訊號是否存在,不能確認其正確性。
事故檢討的價值不在於文件寫得多完善,而在於後續行動能否落實,避免同類事故重演。行動應精簡,並列明負責人、期限及工作待辦事項;檢討應不歸咎個人,並定期跟進行動進度。AI 可協助整理事故時間線及撰寫初稿,但結論和行動仍由團隊決定。
Foilcase 在 iPhone 上結合 Vision 圖像特徵與 OCR 識別集換式卡牌印刷版本,無法可靠判定時會要求用戶選擇,而非猜測。測試涵蓋 9,903 張卡牌及 400 次查詢;即使提供正確收藏編號,圖像匹配選中正確印刷版本的比例亦只有 89.5%。
Ductwise 的 HVAC 風管尺寸計算器以約 80 行原生 JavaScript,根據氣流量和設計摩擦率求出圓形風管直徑及下一個可購買的標準尺寸。程式以 Swamee–Jain 近似值起步,再用 Newton 法迭代求解 Colebrook–White 摩擦因子,並透過二分搜尋確定直徑。相同計算引擎用於瀏覽器版及 Ductwise iPhone 和 Android 應用程式。
Krish Verma 為開源桌面 AI 助手 Ankita AI 加入語音控制,只有完整符合的 7 個停止短語才會停止語音,不會取消任務或批准待處理工作。124 項回歸測試全部通過,語音控制不會增加 planner 呼叫。
阿里雲開發者社區文章整理 Qwen3.8-Max 在百煉平台的模型能力、上下文規格、計費及地域限流資訊。模型採用 2.4 萬億參數 MoE 架構,可輸入圖像、文字和影片並輸出文字,上下文長度為 1,000,000 tokens;華北2(北京)按量價格每百萬 Tokens 分別為輸入 12 元、輸出 36 元。
企業審計自主 AI Agent 可採用五項做法,包括由連接器在執行時為每次工具調用生成記錄,再由審計者在供應商儀錶板外抽樣重算。作者披露自己負責 Zambo 營運,並以 AER-1 收據及交接記錄示範核查;文章建議優先檢查失敗、拒絕、未核查和缺失項目,分開保存批准與接收記錄,並提供穩定公開連結。
文章比較 Qodo、CodeRabbit、Greptile 和 Macroscope 四款可在提交 PR 前使用的 AI 程式碼審查工具,介紹它們如何把回饋提前至開發階段。
AI 智能體的信任層以公開的 AER-1 格式、每次工具呼叫生成的收據、政策及接受記錄、符合性測試集和免費驗證,讓依賴方核查執行記錄,無須信任智能體或付費、開設帳戶。AER-1 kit 1.5.7 包含 143 個測試向量及 146 項檢查。收據可證明結果記錄在雜湊後沒有被更改,但不能證明結果正確。
黃金比例面部計算器透過臉部特徵點量度距離並計算比例;不同工具採用的測量點和參考值不同,因此同一張照片也可能得出不同結果。文章説明四項比例及評分方式,並指出拍攝角度、鏡頭和表情都會影響讀數;這些數值並非科學的美貌標準,也不能反映健康或性格。
Rockchip 的 RKNN-LLM v1.3.1 基準測試列出 Spark-X2.5 1.7B 在 RK3576 和 RK3588 上的首 token 延遲、生成速度及記憶體用量。
評估 AI 智能體的工作,應分開核實工作是否按記錄執行、輸出是否符合預設標準,以及結果是否帶來實際影響。執行核實可重算收據中 canonical bytes 的 SHA-256,並與 output_hash 比對;輸出質素則按事前訂立的準則評分。收據只能證明結果記錄未被改動,不能證明結果正確,評估結論應記錄在工作紀錄中。
Zambo 的 HANDOVER 以可驗證收據記錄智能體之間的交接,任何人都可在 https://zambo.dev/verify 免費、無需帳戶核對發送方封裝的內容及接收方取件記錄。
團隊在第三方物流介面欄位和配送狀態值漂移、令售後 Agent 無法將物流單號及配送狀態寫入 CRM 後,採用 API 閘道做通用契約校驗,並由 SDK 負責業務適配和版本化映射。方案亦涵蓋發布前契約測試、運行時 JSON Schema 校驗、熔斷降級與隔離佇列;第三方修復後可回放原始事件,並以冪等鍵避免重複寫單。
new-Orqestra 儲存庫於 17.11.2026 加入系列描述登記表,讓所有四種書籍套件建置流程都能讀取系列描述。metadata.json 現會記錄系列名稱、排序方式、書籍編號、描述及來源;未知系列的首冊則由模型草擬描述。
LeakPatrol 説明 Supabase 公開儲存桶的讀取範圍及修正方法:任何人只要取得檔案 URL,便可無須登入下載檔案;若 storage.objects 的 select policy 只檢查 bucket_id,持有網站 anon key 的人亦可列出並下載整個儲存桶的檔案。
Shopify 以 MySQL 管理庫存時,將每個 SKU 的庫存數量拆分成獨立資料列,以應對交易更新造成的競爭。文章分析庫存預留的原子性問題、InnoDB 的鎖定與索引設計,並説明 Shopify 採用由 shop_id、inventory_item_id 和 inventory_group_id 等欄位組成的複合主鍵。
Hermes 的 youtube-title-thumbnail-brief skill 會按影片實際內容提出五組配對,每組包括標題、縮圖短文案和一句視覺描述。
LaunchReach 的公開發布平台目錄列出 45 個目的地,未經確認的資料欄位會留空,而不以猜測填補。空白代表答案未知,已填寫的資料則經過確認;第三方平台決定是否接受、發布或移除項目,LaunchReach 不保證結果。
教學示範如何檢查電力數據的完整性、探索負荷的日內、星期及月份規律,並分析負荷預測誤差與價格差的關係。線性回歸部分以四個特徵預測下一小時的實際電價,按目標時間切分訓練、驗證和測試集,並指出真實業務須確認數據的發布時間。
文章以同目錄的 energy_dataset.csv 為例,示範用截至小時 t 的資訊預測 t+1 小時電價,並比較 8 種 sklearn 風格回歸模型。流程先在完整小時時間軸建立滯後、滾動統計及日曆季節性特徵,再按 2015—2016 年訓練、2017 年驗證及 2018 年最終測試切分資料。