跳到正文
10月24日週六
  1. 阿里雲開發者社區 AI62

    dashi-ppt-skill 讓 AI 簡報可在瀏覽器編輯並匯出 PPTX

    dashi-ppt-skill 是供 AI 智能體使用的開源 PPT 技能包,產出可在瀏覽器內編輯的 HTML 簡報,並可匯出可編輯的 PPTX。它採用模板編排,內置 12 套主題和 1020 個版式,支援即時修改文字、版面、配色及頁面順序。文章指出,模板不適合結構極特殊或需要逐像素定製的內容,HTML 動效匯出為 PPTX 時會降級,商業整合亦需留意 AGPL-3.0 授權要求。

  2. DEV Community48

    CI Bench v1:GitHub Actions runners 的開放基準測試

    CI Bench v1 公開 GitHub Actions runners 基準測試,涵蓋熱門開源項目的 12 個 CI 工作負載;測試方法、工作流程、分析及原始工作記錄均已公開。測試的九種配置中,Vitko Runners 配合 warm starts 和測試並行化速度最快、每項工作的託管成本最低;RunsOn 使用 spot instances 在極高用量下每項工作成本較低,但耗時約兩倍。

  3. DEV Community28

    長時間執行的智能體工作流程為何需要檢查點復原:GitHub Trending 的啟示

    iflytek/astron-agent 透過檢查點復原,讓長時間執行的智能體工作流程在步驟失敗或智能體重啟後,從最後一個檢查點繼續,而非由頭開始。平台會把複雜任務拆解為具備明確輸入、輸出及驗證的多步驟流程。配合 iflytek/skillhub 的技能版本管理、RBAC 權限及審計記錄,可管理流程中的技能治理與追溯。

  4. DEV Community36

    超越程式碼儲存:將 GitHub 免費方案轉化為自主智能體的程序內認知作業系統

    文章主張以 GitHub 免費方案中的 Git 儲存與版本控制機制,為自主智能體建立程序內認知作業系統,避免把大量歷史資料直接塞進上下文。NoLiMa 顯示,13 個前沿模型中有 11 個在上下文達 32k tokens 時,語義綜合推理表現下跌逾 50%;另一項研究發現,多餘 tokens 可令多步推理分數下降 13.9% 至 85.0%。

  5. DEV Community55

    FixProof v1.0.0 核查 AI 生成的 bug 修復是否有回歸測試證據

    開發者推出 MIT 授權的開源工具 FixProof v1.0.0,用來檢查 AI 生成的 bug 修復是否有可靠的回歸測試證據。它會在修復前後分別執行指定測試,檢查測試被刪除、跳過或斷言遭修改等完整性警告,並回報 verified、failed、inconclusive 或 needs-review。verified 只表示指定測試範圍及環境中的證據支持該修復,不代表整個應用程式沒有錯誤。

  6. DEV Community49

    GitHub GH001「File Exceeds 100 MB」推送遭拒:用 filter-repo 或 LFS 修復

    GitHub 的 GH001 錯誤會檢查推送中所有提交的檔案;即使在新提交刪除超大檔案,舊提交仍會令推送遭拒。若檔案不應留在儲存庫,可用 git filter-repo 重寫歷史;若檔案需要版本管理,則可用 git lfs migrate 將歷史中的檔案移至 Git LFS。兩種方法都會重寫歷史,Git LFS 另有儲存及頻寬配額。

  7. DEV Community50

    PromptTrap 為瀏覽器智能體提供自動化間接提示詞注入測試

    PromptTrap 是作者建立的開源安全評估工具,透過六個對抗性網頁環境測試瀏覽器智能體面對間接提示詞注入時的行為。工具記錄可觀察的 DOM 操作,並以確定性規則評估任務是否完成及有否執行違規操作,不使用另一個 LLM 判分。工具提供網頁儀錶板、文件入口及 CLI;展示的防護模式基準測試中,六個情境全部通過,作者稱測試可在 400 毫秒內完成。

  8. DEV Community53

    編碼智能體工作階段中的想法該存放在哪裏?

    作者比較了編碼智能體工作階段中保存待辦想法的多種方式,認為任務與延伸思路需要不同的存放形式。她以 GitHub Issues 和 Projects 看板追蹤工作,智能體可在下一個工作階段讀取看板,但看板仍會因缺少定期整理而留下過期狀態。她將有狀態、負責人及完成日期的任務,與需要呈現分支關係的想法區分開來。

  9. DEV Community47

    手動計算一個月的 GitHub Actions 成本:GitHub 收費 $54,5 GHz 裸機只需 $11

    Sengi 比較 GitHub Actions 與其託管 runner 的成本和執行時間,指出 runner 的每分鐘價格及所需分鐘數都會影響帳單。以 GitHub Team 的 12,000 分鐘 Linux 2-core 工作為例,GitHub 收費 $54,Sengi 收費 $11,節省 80%。Sengi 每月提供 3,000 分鐘免費用量,支援 2、4、8 vCPU runner。

  10. DEV Community52

    nightporter 以 0.5B 模型在夜間摘要收件匣內容

    Nox 開發本機工具 nightporter,使用 Qwen2.5-0.5B 摘要收件匣內容,並將晨間摘要寫入 morning.md、完整摘要記入 ledger.md。工具以 llama.cpp 執行 Qwen2.5-0.5B(Q4_K_M),設定完成後無須 API 或網絡連線;示範中以單一 CPU 核心處理 4 個檔案,耗時 15.0 秒。原始檔案會移至 done/,保持未讀狀態。

  11. 阿里雲開發者社區 AI39

    讀懂開源貢獻:太乙平台推出開源能力畫像系統

    太乙平台推出開源能力畫像系統,將 GitHub 公開貢獻整理成可視化技術履歷,呈現代表項目、協作方式、專業領域及影響力。系統可按所選範圍分析 PR、Commit 和程式碼評審,並把畫像與相關貢獻記錄連結。開發者可用它展示長期積累,團隊亦可藉此瞭解潛在協作者的項目經歷與技術專長。

10月23日週五
  1. DEV Community54

    如何使用 Thally 建立並發佈產品文件網站

    Tony Edgal 以 tweakcn 文件為例,示範使用 Thally 建立並發佈產品文件網站,文件存放在 GitHub 私人儲存庫。Track 會監察產品儲存庫,當合併請求合併後,判斷受影響的文件頁面,並在文件儲存庫開啟供審閲的合併請求。教學涵蓋站點設定、MDX 頁面編寫及發佈前檢查;推送至 main 後,Thally 會部署更新。

  2. DEV Community66

    ComfyUI:本地 AI 圖像、影片與 3D 生成的開源節點圖引擎(141K Stars)

    ComfyUI 是免費開源的本地 AI 生成引擎,透過節點圖工作流支援圖像、影片、音訊、3D 模型及文字生成。工作流只會重算有變動的部分,並可嵌入生成媒體;載入 ComfyUI 產生的 PNG 可還原節點圖及種子。README 指其可在 4GB VRAM 和 8GB RAM 下相對快速地運行最大型開源模型,但這配置不會達到 24GB 顯示卡的速度。

  3. DEV Community50

    ReachDirect-MCP:透過 MCP 連接 AI 智能體與實際外聯,實現電郵及 WhatsApp 自動化

    ReachDirect-MCP 是輕量、本機運行的 Model Context Protocol 伺服器,讓 AI 助手透過 Brevo Transactional Email 和 WhatsApp Web 執行個人化冷外聯。它可結合 LeadDirect 的潛在客戶研究或 JobsDirect 的申請者資料生成個人化跟進訊息,並使用自備 API 憑證,無需第三方資料經紀商。

  4. DEV Community71

    VS Code 1.143 更新解讀:Copilot harness 成為新工作階段預設,並加入模型比較等功能

    VS Code 1.143 將 Copilot harness 設為新工作階段的預設,並更新 Agent 工作階段的比較、檢視及清理功能。Compare Models(預覽)可同時以兩個或以上模型執行同一任務,並以評分卡呈現耗時及 token 使用量;版本亦加入 worktree 清理和檔案層級 Keep 等實驗性功能。

  5. DEV Community38

    ShrinkWatch EU 如何辨識 20 多種歐盟語言的單價標籤

    開源瀏覽器擴充功能 ShrinkWatch EU 會按商品包裝規格和價格計算單價,再與商店標示的單價交叉核對,並辨識 20 多種歐盟語言的標籤。文章列出各語言的單價和件數用詞,以及避免誤判的規則;程式碼採用 MIT 授權,擴充功能不會自行發出網絡請求,只讀取用戶正在瀏覽的頁面。

  6. 新浪科技43

    機器人如何持續改進自身:Physical RSI 的框架、進展與挑戰

    研究者提出 Physical RSI 框架,探討機器人如何利用物理交互經驗,不只更新任務能力,也改進自身的學習流程。論文以 L0–L5 分級梳理研究進展,並指出現有工作仍缺乏直接檢驗改進流程遞歸增益的基準。可靠的物理反饋、安全保障及獨立評估,是驗證機器人能否越學越會學的關鍵。