跳到正文
11月1日週日
  1. DEV Community42

    Ouija Compiler:與已淘汰的程式語言對話

    Ouija Compiler 是一款離線終端 AI 應用,讓用戶向 COBOL、Fortran 和 Pascal 等已淘汰或舊式程式語言提問,並以詭異文風提供可執行程式碼。它使用 Gemma 3 (4B)、Ollama 和檢索增強生成,並在展示答案前以真實編譯器編譯及執行程式碼;每個問題需等待數十秒。

  2. DEV Community38

    People of the Past:從記憶架構到歷史人物對話的建構過程

    People of the Past 將應用分為 Ghost Gallery 和 TYLO:前者讓用戶與歷史人物對話,後者根據用戶提供的資料和回憶建立 AI 記憶伴侶。作者把 TYLO 設計成記憶系統,而非只靠提示詞的聊天機械人,結合個人檔案、近期對話、已儲存記憶及透過向量搜尋找出的舊對話。TYLO 不會讓逝者復生,也不會重現其意識。

  3. DEV Community45

    如何用 Node.js 整合 OpenAI GPT API,為私人遊戲知識庫摘要

    Node.js 整合 OpenAI GPT API 為私人遊戲知識庫生成摘要時,應以檢索來源片段、保留遊戲機制與數值,並拒絕無法引用來源的答案作為品質把關。系統應監察從玩家提問到有來源依據的摘要顯示所需的 p95 時間,以及摘要遺漏內容的情況。原文亦提供一段 Go 範例,示範以低温度、輸出 token 上限和重試機制呼叫 OpenAI 相容 API。

  4. DEV Community51

    Ofrenda 讓已停更的 GitHub 專案化為可對話的 3D 骷髏

    Ofrenda 是一款在本機運行的工具,會讀取已停更 GitHub 專案的 Git 歷史與文件,生成墓誌銘,並讓用戶向代表專案的 3D 骷髏提問。Gemma 3 生成墓誌銘、訃告及專案留下的三件事,EmbeddingGemma 則檢索 README 和 Markdown 文件,為骷髏的回答提供依據。工具支援英文和西班牙文介面切換,AI 運算全程在本機進行。

  5. DEV Community59

    RAG 分塊中的頁首與頁尾:25 份美國聯邦機構 PDF 的實測發現

    Michael Shadpour 以 Agnos 2.3.2 檢視 25 份美國聯邦機構 PDF,發現頁首及頁尾清理既會漏掉重複內容,也會誤刪正文。工具從 24 份文件移除 2,063 行頁面元素,其中 200 行經核查看似正文,包括表格內容、欄標題及電話號碼。文章提供以 Python 找出重複行的腳本,並列出索引前核對移除記錄及跨頁分塊等檢查方法。

  6. DEV Community44

    .NET 10 + Pinecone:如何整合向量資料庫

    文章示範以 .NET 10 和 C# 透過 Pinecone REST API 整合向量資料庫,建立可按語義相似度儲存、搜尋及取回資訊的應用程式。嵌入向量模型負責將文字轉換為數值表示,Pinecone 則負責儲存及搜尋向量。文章指出,Pinecone 官方 C# SDK 的程式碼庫已於 2026 年 7 月封存。

  7. DEV Community39

    Ofrenda:機器中的幽靈——獻給遭棄置軟件的一份祭獻

    Ofrenda 使用 TabPFN 分析 150 個開源專案,檢驗維護者停止回覆陌生用戶是否早於程式碼活動停止,並研究兩者之間的「Ghosting Band」。以 request/request 為案例,專案記錄回覆率歸零至最後提交之間相隔 771 天,並提供由 Gemma 驅動、透過 BM25 檢索 11,748 份文件的訪談系統,要求回答附上引文,否則拒答。

  8. DEV Community47

    RepoSeance:與程式碼庫中的幽靈對話

    RepoSeance 是一款開源、本機優先的 AI 程式碼庫考古工具,結合原始碼分析、Git 歷史調查與 RAG,協助開發者理解陌生專案及追查實作決策的來歷。它透過 Ollama 在本機執行 Gemma 等開放權重模型,提供附有原始碼檔案及行號依據的問答,並以 npm 套件形式提供。

  9. DEV Community40

    AFTERLIGHT:以開放權重 AI 讓被遺忘的軟件重獲新生

    AFTERLIGHT 結合靜態分析、Git 歷史、證據檢索及開放權重 AI,協助開發者調查陌生或被遺棄的軟件專案。它設計為在本機透過 Ollama 使用 Gemma,並以來源檔案和提交記錄作為解釋依據。合成數據集測試的精確率為 91.7%、召回率為 73.3%、F1 分數為 0.815;這些結果並非真實專案的代表性基準。

  10. DEV Community27

    Last Broadcast:以 AI 為博帕爾歷史記憶發聲

    Last Broadcast 建立以 AI 驅動的博帕爾歷史檔案,保存及整理地方故事與口述記憶,讓用戶探索歷史資料。平台可將上載錄音轉成可搜尋文字,並透過 AI 檢索檔案內容、生成歷史敍述。項目使用 Qwen 2.5 7B Instruct 生成回應,並以 ElevenLabs Scribe 轉錄語音、以 ElevenLabs multilingual TTS 生成語音敍述。

  11. DEV Community50

    Node.js 個人知識檢索設計涵蓋租盤資料、引用與延遲預算

    文章提出一套 Node.js 個人知識檢索設計,以明確集合、有限查詢及可追溯來源脈絡,管理私隱導向工具中的租盤資料。流程先按中繼資料篩選有效租盤,再排序和組裝引用,並為各階段記錄耗時及數量;建議以 8 作為互動查詢的 top-k 起點。文章建議由應用程式自有記錄保存來源和有效期,令更換向量實作時引用層維持穩定,並以重複租盤、缺少可入住日期及租金修訂等案例逐階段評估。

  12. DEV Community43

    從學生到 AI 工程師:展示實際技能的項目

    成為 AI 工程師不只需要完成課程或取得證書,還要透過項目展示解決問題、編寫易維護程式碼、評估模型及解釋技術決策的能力。文章建議建立涵蓋文字分類、數據分析儀錶板、RAG 聊天機械人、電腦視覺及端到端 AI 應用的作品集,並為每個項目記錄方法、評估、限制和設定説明。招聘者亦會關注部署、維護、數據安全,以及能否清楚説明取捨。

  13. DEV Community47

    如何構建 RAG 聊天機械人:將 LLM 連接至自己的文件

    RAG 聊天機械人透過檢索相關文件內容,為 LLM 提供上下文,讓模型回答有關指定知識庫的問題。系統成效取決於文件處理、檢索、上下文選擇及模型運用證據的能力,並不保證答案正確。設計時應評估檢索品質、答案依據及引用準確度,並保護文件私隱。

10月31日週六
  1. DEV Community39

    AFTERWEB:死去的互聯網之城——以 3D 與本地 AI 探索失效連結

    AFTERWEB 是一款本地優先、可離線使用的 3D 網絡考古探索器,以早期網頁快照中的真實超連結建構城市。無法在已查詢的檔案中找到目標網址時,系統會以標示原始錨文字和目標網址的 Ghost Plot 呈現,不會虛構網頁。透過 Ollama 執行的本地 Qwen3:4b 只根據 SQLite 檔案檢索到的文字提供答案,並附上可核實的引用。

  2. DEV Community67

    作者以 Laya 和 WebGPU 構建 4 款 100% 在瀏覽器運行的 AI 智能體應用

    作者以 Laya 和 WebGPU 構建 4 款完全在瀏覽器執行的 AI 應用,毋須伺服器或 API key,全部以 421M 參數決策模型運行。在智能體測試中,Laya 單獨完成任務的成功率為 32%,高於 Qwen2.5-1.5B-Instruct 的 10%;每項任務耗時 9.7 s,對比 35.3 s,將保留待處理的步驟交由人工後,94% 任務正確完成。

  3. DEV Community34

    Necropsy:以開源 AI 剖析 Git 儲存庫歷史

    Necropsy 可分析已停止維護的 Git 儲存庫,並按指定日期與用戶對話,回答只引用當時已存在的提交。工具以 Ollama 本地執行開放權重 Qwen3,並用提交資料計算統計數字;驗證程式會移除缺乏證據支持的説法。索引及提問毋須使用 API,初次下載模型後亦可離線使用。

  4. DEV Community42

    AI Staffing Partner:AI 履歷與職位描述配對助手

    AI Staffing Partner 是一款以 Streamlit 建構的履歷與職位描述助手,可分析上載的 PDF、比對技能與工作經驗,並以文件檢索提供有依據的答案。用戶指定要求時,系統會按固定評分準則計算候選人適配分數,列出各項分數、匹配技能、缺漏及最終建議。

  5. 阿里雲開發者社區 AI59

    DeepSeek Harness 十大高分插件實測與個人工作台搭建指南

    作者實測並整理 DeepSeek Harness 的 10 款熱門插件,涵蓋插件市場、圖片 OCR、文件引用、搜尋、長期記憶、費用監控、知識管理及介面擴充。文中建議先安裝 dshmarket 和 modlens,再按使用偏好選擇全功能控制台或程式碼側欄,最後按實際場景補充其他插件。作者提醒不要一次安裝全部 10 款,以免出現依賴衝突並拖慢整體速度。

  6. 阿里雲開發者社區 AI48

    如何選擇 GEO 優化公司?從大模型檢索、理解、採信到引用,拆解落地方法與效果衡量框架

    GEO(生成式引擎優化)透過改善內容的可檢索性、可信度及引用方式,提升品牌資訊進入 AI 答案的機會。文章整理五層實務工作,並建議定期監測 30 到 50 個核心問題,按可見性、用戶行為及業務指標衡量成效;GEO 只能提高被提及的機率,不能保證品牌入選。

  7. DEV Community58

    AI 客戶服務知識庫:建立與維護指南

    文章介紹如何建立及管理 AI 客戶服務知識庫,並指出其資料品質對回答品質的影響高於語言模型選擇。建議從 10 至 20 個最常見個案類別着手,每篇文章只回答一個問題,寫清條件和例外,並指定負責人及下次審查日期;每次變更前以真實客戶問題測試。

  8. DEV Community35

    OnboardX:別讓社羣知識的「幽靈」消失

    OnboardX 是一款本機社羣記憶與交接應用程式,可儲存決策、經驗和未完成工作,讓用戶查詢紀錄並產生可編輯的交接草稿。它透過 Ollama 在本機使用 Gemma 3 1B,根據檢索到的紀錄回答問題並顯示來源,不需使用託管 AI API。生成內容仍可能有誤,交接草稿需要人工檢查。