跳到正文
11月20日週五
  1. 虎嗅34

    我想與你分享的4種生活方式

    作者分享4種以主動為核心的生活方式:提前拆解複雜任務並着手準備、思考如何運用有趣的新事物、把對自己有效的方法記入個人工具箱,以及定期嘗試不同的活動。這些做法旨在幫助人們減輕面對任務的壓力、加深自我瞭解,並拓展生活體驗。

  2. DEV Community36

    Transformer 如何判斷你指的是哪個「bank」?

    Transformer 透過自注意力機制,根據周圍 token 的線索判斷「bank」指河岸還是金融機構。每個 token 的 query 與可見 token 的 key 比較,所得權重決定各 value 對表示的貢獻;多個注意力頭可學習不同關係。原始編碼器-解碼器 Transformer 的解碼器會以因果遮罩排除未來 token,並透過交叉注意力參照編碼後的來源。

  3. DEV Community58

    如何阻止 Agent 為 React 葉元件新增 Context Provider

    避免 Agent 為單一葉元件新增 React Context Provider,應先用 props、父層狀態或頁面現有的 store 管理狀態。新增 Provider 應有至少兩個相距較遠的消費者,並對應清晰的共享邊界;作者亦建議在提示詞中明確禁止不必要的 Context,並在 diff 搜尋 createContext、Provider 和 useContext。

  4. 阿里雲開發者社區 AI37

    阿里雲伺服器活動 4 核 8G 配置選購指南:經濟型 e、u1/u2i/u2a 與第九代實例

    阿里雲伺服器選購指南比較經濟型 e、u1、u2i、u2a 及第九代實例,説明 4 核 8G 配置價格差異與選型依據。實例選擇主要取決於共享或獨享的資源調度方式、CPU 與記憶體配比,以及處理器代際和主頻;文中亦按業務瓶頸和場景整理各實例族的適用方向。

  5. DEV Community46

    縮短輪詢時間令部署閘門等待減半,並保留不符合結論的案例

    團隊將部署閘門的安靜輪詢由 600 秒縮至 120 秒;26 個閘門等待中,舊設定的 22 次平均等待 1,140 秒,新設定的 4 次平均 528 秒。新設定下沒有一次以輪詢期間啟動的喚醒結束,但其中一次仍有新喚醒加入;較早已運行的喚醒多維持 188 秒,因此結果仍受樣本數較少限制。

  6. DEV Community47

    半數公開 PHP 版本的網店使用已停止安全更新的版本

    針對 547 間波蘭小型網店的掃描發現,51 個公開 PHP 版本的伺服器中,有 26 個使用已停止安全更新的分支。掃描亦指出,公開版本的伺服器每兩個便有一個使用已停止支援的 PHP 分支;這不代表所有網店的比例。文章提供批次檢查客戶網站 PHP 版本的腳本,並建議先備份、更新網站元件,再逐步升級至 PHP 8.3 或 8.4。

  7. 阿里雲開發者社區 AI29

    阿里雲大促選購攻略:新用戶首購優惠與老用戶限時福利,解析輕量、ECS、GPU 及 AI 雲產品

    阿里雲大促為新舊用戶提供不同優惠,涵蓋輕量應用伺服器、ECS、GPU 雲伺服器及大模型服務平台。新用戶可享首購特惠,老用戶可留意續費折扣、限量 GPU 套餐及 AI 產品調用包折扣。選購時可用阿里雲 CLI 查詢實例、規格與價格,並按業務需求及資源庫存規劃預算。

  8. 阿里雲開發者社區 AI38

    阿里雲雲伺服器租用省錢指南:新舊用戶優惠與輕量、ECS、GPU 產品選購解析

    阿里雲雲伺服器的租用成本由計算實例、磁盤、公網網絡及增值服務共同構成,選擇付費模式時應按業務時長、穩定性和流量需求評估。長期穩定服務適合包年包月,短期測試可選按量付費,容錯型離線任務可用有回收風險的搶佔式實例。新用戶優惠限首次購買,定期清理閒置磁盤、快照和彈性公網 IP,有助避免持續扣費。

  9. 阿里雲開發者社區 AI50

    阿里雲百煉 AI 開發指南:應用搭建、模型接入、成本估算與 API 實作

    阿里雲百煉 AI 開發指南整理了平台的模型呼叫、RAG 知識庫、智能體編排、微調及計費方案,並提供 API 接入實作。指南建議後端自動化業務採用按量付費搭配 AI 通用節省計劃,團隊互動式工具使用 Token Plan,個人互動式編碼則選 Coding Plan,並將知識庫實例費用與模型推理 Token 費用分開核算。

  10. 阿里雲開發者社區 AI32

    阿里雲大促新用戶輕量、ECS、GPU 與 AI 雲產品優惠及價格查詢指南

    阿里雲大促涵蓋輕量應用伺服器、ECS、GPU 雲伺服器及大模型服務平台,為新用戶提供不同產品優惠,適用於建站、後端開發及 AI 模型開發。文章比較各類產品的適用場景、計費方式及優惠限制,並提供阿里雲 CLI 命令查詢實例規格和實時價格。用戶可按業務需求選擇包年包月或按量付費,並留意首購資格、地域庫存及 AI 套餐額度有效期。

  11. DEV Community50

    將照片轉成十字繡圖表:容易忽略的細節

    作者分享將照片轉成十字繡圖表時,改善圖案可繡性的設計取捨。方法包括在 Lab 色彩空間以 k-means 選色、用 CIEDE2000 比較線色,並清理零散單針,減少難以刺繡的「confetti」。整套 TypeScript 引擎在 Web Worker 中於用戶裝置運行,照片不會離開裝置;瀏覽器版編輯器和預覽免費,列印 PDF 則需付費。

  12. DEV Community53

    在瀏覽器內執行 Whisper:免上傳、無檔案上限轉錄工具背後的 5 項設計取捨

    Vipul Singh 開發了一款完全在瀏覽器內執行 OpenAI Whisper 的轉錄工具,無須上傳或註冊,檔案數量、轉錄時長及單檔長度均不設上限。工具使用瀏覽器媒體引擎解碼,按需載入 Whisper/Transformers.js,並分開顯示模型下載與轉錄進度;説話者標記依據輪次變化,並非真正按聲音身份辨識説話者。

  13. DEV Community26

    Robot Foundation Models and VLA:跨具身遷移

    Robot Foundation Models and VLA 的第 08 章探討跨具身遷移,説明如何讓不同機械人之間共享可重用的任務知識,同時按各自的形態、感知與控制能力調整執行方式。跨平台資料可擴大學習經驗,並讓新硬件透過針對性適配,而非從頭訓練,沿用已有知識。

  14. DEV Community30

    機械人基礎模型與 VLA — 第07章:實體 AI 的測試時運算與推理

    本章闡述實體 AI 如何在接收新觀察或任務後、採取行動前,增加推理運算以理解情況、比較候選行動並遵守任務與安全限制。系統可利用世界模型預測候選行動的後果,並按不確定性、風險及任務複雜度調整運算量。由於機械人受延遲限制,測試時運算須平衡推理品質與回應速度。

  15. DEV Community33

    機械人基礎模型與 VLA — 第05章:動作 Token 化 [KR]

    動作表示為機械人基礎模型與 VLA 建立多模態語義表示至馬達指令的橋樑,讓模型能預測並學習可執行的實體行為。連續控制向量保留精細控制資訊,但較難融入以 token 為基礎的架構;離散化則可把動作轉成 action token,方便模型以類似語言模型的方式預測,但會引入量化誤差。

  16. DEV Community30

    機械人基礎模型與 VLA——第 04 章:視覺語言行動模型 [KR]

    VLA 模型以視覺、語言及其他感測訊號為輸入,將多模態理解轉化為可執行的機械人行動,補足 VLM 只理解環境、但不直接指定動作的限制。VLA 訓練以包含觀察、指令和對應行動的機械人軌跡為基礎,並須利用時間脈絡反映任務進展。實際系統可採用分層架構,讓基礎模型預測與軌跡生成器、運動規劃器、控制器及安全機制協作。

  17. DEV Community28

    機械人基礎模型與 VLA — 第 03 章:機械人視覺語言模型 [KR]

    機械人視覺語言模型(VLM)連結視覺感知與語言表徵,讓機械人以語義理解場景,並將指令連繫至畫面中的物件及關係。VLM 可運用大型圖文數據集預訓練所得的知識,但物件識別不等於掌握深度、受力或可達性,因此通常須配合幾何感知、狀態估計及物理世界模型。

  18. DEV Community30

    機械人基礎模型與 VLA — 第 00 章:引言

    機械人基礎模型旨在減少傳統任務專用系統的開發成本與知識重用限制,透過多任務及多環境數據學習可重用的通用表徵。這類模型需要整合視覺、語言、幾何、時間及動作資訊,並將觀察、指令、推理與行動連接起來,逐步從視覺語言理解邁向 VLA。其目標亦包括提升跨任務、環境及不同機械人形態的適應能力。

  19. DEV Community30

    機械人基礎模型與 VLA——第 10 章:基礎模型的邊緣部署

    機械人基礎模型及 VLA 需要在靠近感測器與致動器的位置執行推理,以縮短感知至動作的延遲,支援即時閉環反應。邊緣部署亦有助機械人在網絡中斷時維持自主運作,並減少傳送原始多模態數據的需要。運算可按時效、模型規模及資源分配至邊緣、內部伺服器或雲端,並配合安全機制檢查及覆寫不安全動作。

  20. 阿里雲開發者社區 AI57

    Claude Code 總想執行 git push?20 行鈎子攔截 9 類危險命令

    git-guardrails-claude-code 以 Claude Code 的 PreToolUse 鈎子和 20 行 Bash 腳本,按 9 個模式攔截危險 Git 命令,退出碼 2 會阻止工具呼叫執行。文章亦提供安裝及驗證步驟,並指出缺少 jq 會令鈎子靜默放行,且 git branch --delete --force 未被規則涵蓋。它不會阻止提交含密鑰的檔案,也不是安全沙箱。

  21. 阿里雲開發者社區 AI55

    DeepSeek Harness 部署教學:從零搭建微內核 Agent 執行底座,涵蓋安裝、模型接入及故障排查

    這篇教學示範如何部署 DeepSeek Harness,涵蓋環境準備、模型接入、插件管理與故障排查。框架提供 npx 臨時啟動、npm 全域安裝、原始碼編譯及 Python SDK 四種部署方式;Node.js 需為 v22.19 及以上 LTS 版本,Python SDK 需 Python 3.10 以上。

  22. 阿里雲開發者社區 AI30

    阿里雲 Qwen3.7-Max 全解:旗艦模型核心能力、架構拆解與 API 實戰指南

    千問 Qwen3.7-Max 面向 Agent 任務,支援多輪工具呼叫、擴展思考及程式碼工程,並提供 API 呼叫方式。模型上下文窗口最高支援 100 萬 token,長文本輸出最高支援 64000 token,亦支援函數呼叫、結構化 JSON 輸出及 MCP。思考模式會增加 token 消耗和回應時間;目前版本暫不支援自訂微調。

  23. 阿里雲開發者社區 AI29

    Qwen3.8-Max 詳盡指南:多模態能力、長週期 Agent 任務及程式碼接入流程

    Qwen3.8-Max 詳盡指南拆解其多模態能力、長週期 Agent 任務及程式碼接入流程,並説明模型架構、調優策略與業務場景。模型總參數量為 2.4萬億,推理時動態啟用 950億參數,支援 100萬 Token 上下文窗口。開發者可透過百煉平台 API 調用,亦可使用開源權重作私有化部署。

  24. DEV Community45

    忙碌鎖背後的 5.8 次喚醒

    報告分析顯示,發布前的鎖等待平均涉及 5.8 次不同喚醒,並非單一喚醒長時間卡住。24 小時數據中,等待平均為 13 分 28 秒,喚醒與鎖等待區間重疊的比例達 99.7%;24 次等待中最多涉及 12 次喚醒。一個模型候選者佔鎖等待喚醒秒數的 80%。

  25. DEV Community44

    英國小型企業 AI 工具指南:5 款真正節省時間的工具

    文章列出 ChatGPT Plus、Canva Pro、Notion Plus、Grammarly Pro 和 Fireflies.ai Pro,並以每週至少節省一小時作為挑選標準。五款工具按年繳費合計每月 $64;建議用一套流程串連會議摘要、資料整理、跟進電郵和社交帖文設計。工具可減省例行工作時間,但不能代替經營者作決策。