跳到正文
11月20日週五
  1. 阿里雲開發者社區 AI53

    AI工程師踩坑實錄第12篇:loss 不降反升時如何排查,先別懷疑模型結構

    《AI工程師踩坑實錄》第12篇以四組對照實驗指出,loss 不降反升的常見原因是學習率過大、標籤噪聲或特徵量綱失控,模型結構問題應較後排查。學習率設為 0.5 的組別在第 1 步驗證 loss 為 1.67,第 60 步訓練 loss 升至 1.30;標籤翻轉組的驗證 loss 第 97 步觸底於 0.478,第 300 步升至 0.714。

  2. 阿里雲開發者社區 AI25

    智能慢性病管理平台的多源資料融合與動態風險預警實踐

    智能慢性病管理平台融合穿戴設備、家用檢測儀器與電子病歷等多源資料,利用動態風險預測模型進行指標監測、風險分級與個人化幹預。平台採用雲原生微服務架構,建立「監測—評估—幹預—反饋」閉環,並透過線上監控和新標註資料微調模型。AI 建議須由醫生復核,不能取代臨牀決策。

  3. Unite.AI72

    AlphaEvolve:Google DeepMind 邁向 AGI 的突破性一步

    Google DeepMind 公佈 AlphaEvolve,一種以大型語言模型生成、測試及演化程式的智能體,目標是自主發現新演算法與科學解法。文章稱它為 4×4 複數矩陣乘法找到只需 48 次純量乘法的演算法,並在超過 50 個開放問題中約 75% 達到已知最佳結果、約 20% 超越最佳結果。

  4. Unite.AI50

    DeepMind Institute 梳理 AGI 邁向 ASI 的四條路徑

    DeepMind Institute 梳理 AGI 邁向 ASI 的四條路徑,包括模型與數據擴展、技術範式轉變、智能體協調及遞歸自我改進。各路徑面對不同技術瓶頸與評估難題,且可能相互疊加;文章指出,限制訓練算力未必會停止整體進展。ASI 是否會出現及其時間表仍未有定論,近期評估需區分智能體數量、速度提升與真正新能力。

  5. DEV Community58

    CartaFácil 教學:用 AWS 將英文信件轉成西班牙語説明

    Sinai Rivera 建立並分享 CartaFácil,這個 AWS 單頁應用程式會把英文信件照片交由 Amazon Nova 2 Lite 處理,再生成西班牙語説明。應用以 AWS Amplify、API Gateway、Lambda 和 DynamoDB 組成,每張照片約需 0.3 美仙,並以每人 4 次的代碼限制用量。測試中,模型曾把日期對應的星期算錯,作者改由程式根據信件日期計算星期。

  6. DEV Community63

    Dittoly 如何界定 AI 工作流程執行時的批准內容

    Dittoly 讓審核者批准指定版本的 AI 工作流程,批准會綁定 Flow 定義及所固定模組版本的內容;任何編輯都會建立須重新批准的新版本。審核頁列明工作流程可接觸的應用程式和主機、寫入操作、每次呼叫使用的身份,以及本機執行內容;流向寫入步驟的 AI 生成文字須先簽核。Dittoly 以 Apache 2.0 開源,但批准不會固定 AI 模型,模型不可用時會回退至組織設定的模型並通知審核者。

  7. DEV Community26

    E-Bike 出海獨立站深度架構拆解(二):用全站視覺與 GEO 體系解剖 Velotric 官網

    Velotric 官網以全站視覺與 GEO 架構串聯首頁、通勤電單車集合頁和 Discover 2 商品頁,結合車型篩選、選購指南、評測內容與對比功能引導用戶選車。通勤集合頁涵蓋 7 款車型,並以 12 組 FAQ 補充法規、扭矩和防水資訊。Discover 2 頁面提供 18 項參數對比,並展示加購 3 件及以上配件享 7 折優惠。

  8. DEV Community60

    AI 外聯流程把「不」讀成「是」:如何在下一步前分類回覆(n8n / Make,2026)

    文章指出,AI 電郵外聯流程應先分類收到的回覆,只有明確的 yes 才可進入下一步,不能把任何回覆都當作同意。作者建議以固定意圖標籤處理拒絕、停止聯絡、錯誤聯絡人、自動回覆、提問及不明回覆,並在每次寄送前檢查停止聯絡名單;不明情況交由人工處理。文章亦列出 n8n 與 Make 的流程設計,並建議以「Yes, please stop emailing me」等易混淆樣本測試。

  9. 阿里雲開發者社區 AI32

    ComfyUI 底層 SD 圖生圖實戰:批量生成 AI 漫劇分鏡,8G 顯示卡穩定出圖

    ComfyUI 圖生圖可用於批量生成 AI 漫劇分鏡,透過調整 denoise 重繪幅度並配合 IP‑Adapter,減少連續鏡頭的角色漂移。文章提供面向 8G 顯存的啟動參數、Python API 批量渲染腳本,以及以 FFmpeg 合成影片的指令。搭配原生節點和 ModelUnloader,可降低工作流依賴及顯存累積問題。

  10. 阿里雲開發者社區 AI43

    AI 漫劇項目素材與成品文件的本地管理實戰指南

    AI 漫劇項目的素材與成品管理,須先校驗資源並整理目錄、規範路徑及版本,不能將外部資源包解壓後直接投入批量生產。文章提出源素材、中間產物、正式成品和備份四層目錄,並提供 Python 素材檢測腳本、FFmpeg 指令及故障排查方法。建議每集分開管理,備份源素材和正式成品,定期清理可重新生成的中間產物。

  11. DEV Community55

    新興 AI 智能體協議與智能體間交接:2026 年企業營收營運(RevOps)與工程實戰指南

    文章提出一套 2026 年企業 RevOps 與工程實務,説明如何結合 MCP、A2A、事件路由及 Slack 人工介入,管理智能體之間的交接與升級。內容涵蓋交易談判、雲端執行、開發工具採用訊號、銷售智能體衝突,以及語義快取未命中等五類路由情境。文中建議將政策規則置於提示詞之外,並以去重、狀態回寫和交接記錄管理升級流程。

  12. 阿里雲開發者社區 AI37

    基於 Playwright + Skills 實現網站操作手冊自動編寫實戰案例

    作者基於 Playwright 封裝「網站操作手冊編寫」Skill,可按網站地址及產品資料規劃功能模組、探索頁面並截圖,再按統一模板輸出 Markdown 操作手冊。該 Skill 目前可覆蓋約 80%~90% 的常見業務場景,並會將未能探索的內容標示為「待補充」。操作手冊仍需人工或 AI 檢查及補充,才能逐步完善。

  13. LangChain:Blog47

    為何智能體治理要從可觀測性開始

    智能體治理需要可觀測性,LangChain 指出,記錄、檢視及分析 AI 智能體的每個執行步驟,有助集中掌握各智能體的運作,並瞭解個別智能體的行為。可觀測性支援預防式和偵測式治理,團隊可透過追蹤記錄及執行軌跡驗證防護措施、識別異常,並找出需要改善之處。

  14. DEV Community54

    如何按原始素材時長選擇 Descript 方案:用約 60 行 Python 腳本計算

    Jaden Vo 提供約 60 行、只用 Python 標準庫的腳本,按每月原始錄製或匯入素材時長及所需輸出解像度,找出符合條件的最低價 Descript 方案。例如,60 分鐘錄製素材剪成 20 分鐘影片,仍按 60 分鐘計;需要 4K 輸出則不能選 Free 或 Hobbyist。腳本可按手動估算或 WAV 檔案時長計算,但不涵蓋 AI credits。

  15. DEV Community51

    Veritas 如何評估 AI 編寫的測試是否可信

    Hirohisa Tanaka 建立開源專案 Veritas,旨在評估 AI 智能體生成的測試實際驗證了甚麼,並以證據説明可偵測的問題及形式驗證範圍。Veritas 從文件、程式碼和開發紀錄推斷候選規格,結合變異測試、Z3 與 Lean 4;形式模型找到反例後,會再於 JavaScript 中重現,並明確標示無法驗證的範圍。

  16. DEV Community40

    如何把聲稱身份被盜及遭冒名借貸的來電當作未經驗證的安全警報處理

    文章將聲稱有人盜用身份及冒名借貸的來電,視為來自未經驗證外部人士的安全警報,而非已證實的事故。建議不要確認或更正個人資料,也不要要求來電者讀出資料作證;應自行查核信貸紀錄、銀行及貸款機構紀錄和帳戶安全頁面。若無第一方資料佐證,記錄後結案;若有佐證,則透過官方渠道處理。

  17. DEV Community36

    超越凍結權重:測試時訓練(TTT)如何讓推理變成即時學習

    測試時訓練(TTT)透過在推理期間更新模型的快速權重,讓模型從當前讀取的上下文中即時學習,而非只把資訊壓縮成固定狀態或存入 KV cache。TTT 層以自監督重建任務產生梯度訊號,Titans 則按驚訝度決定記憶更新優先次序。Nested Learning 將凍結的慢速外層權重與可快速適應局部上下文的快速內層權重分開。

  18. 阿里雲開發者社區 AI52

    從資訊提取角度看官網:服務頁、案例頁、問答頁缺少哪些可讀結構

    文章指出,官網內容即使不少,若服務頁、案例頁和問答頁缺少明確、完整、可驗證的資訊結構,AI 便較難提取和引用相關內容。服務頁應交代服務對象、項目及邊界,案例頁呈現「問題—動作—結果」,問答頁則直接回答問題並列明適用條件。文中亦提供無需工具的自查流程,並説明結構完整不保證 AI 引用或帶來客戶查詢。

  19. 阿里雲開發者社區 AI45

    把 dsh 定時任務部署到 ECS 執行前,須先確認四項前提

    dsh-automation 定時任務要在阿里雲 ECS 無人值守執行,須先確認宿主版本、工作目錄、時區及權限模式。宿主須為 dsh 0.2.2-rc.1 以上,系統時區與任務規則應統一為 Asia/Shanghai,並為任務設定毋須逐次審批的權限及收窄工作目錄。安裝時須使用 @michengai/dsh-automation,避免裝到同名的另一個插件。

  20. DEV Community64

    Agent 工具呼叫如何用冪等鍵避免重複扣款與重複發送

    Darius Tran 示範以 Node.js 為 Agent 工具呼叫加入冪等處理,讓相同請求只執行一次並重用結果,避免重試造成重複扣款或發送。做法是按用戶、工具和參數建立請求鍵,首次呼叫執行並儲存結果,同鍵的後續或並行呼叫則共用結果;失敗呼叫不會被記錄,後續重試可以再次執行。正式環境應改用帶唯一索引的持久化儲存,並測試程序在工具執行後、結果儲存前中斷時的重試情況。

  21. DEV Community39

    冷郵件為何會進入垃圾郵件,以及如何改善

    冷郵件可能因 SPF、DKIM、DMARC 設定錯誤、全新網域突然大量寄信,或郵件內容觸發垃圾郵件過濾器而進入垃圾郵件匣。文章建議逐步提升寄信量並留意回覆率,使用純文字郵件、最多一條連結,並以測試工具檢查設定。作者亦表示正在開發 ColdMailAI,協助創業者撰寫冷郵件。

  22. DEV Community41

    vLLM 容器映像建置教學

    這份教學示範如何為 CPU 和 GPU 系統建置 vLLM 容器映像,並推送至容器登錄庫。GPU 映像使用 Dockerfile 建置,目標主機須符合 Dockerfile 指定的最低 CUDA 版本,啟動容器時使用 --gpus all。完成後可將映像用於部署 vLLM。

  23. 阿里雲開發者社區 AI53

    阿里雲千問大模型省錢攻略:整理 Qwen 系列優惠、免費額度與夜間折扣

    文章整理阿里雲千問大模型降低使用成本的四步做法:先領優惠券、用足免費額度、選用 Token Plan,再把高負載任務安排在夜間。文中列出新用戶可領超 7,000 萬 Tokens、企業認證用戶累計可領 1 億以上 Tokens,Token Plan 個人版由 39 元/月起,部分模型夜間折扣低至 2 折。

  24. 阿里雲開發者社區 AI69

    GEO 優化中,哪些是真做法,哪些是假動作?

    GEO 可調整的是提供給生成式引擎的網頁內容,而非模型本身;衡量成效應看內容在合成答案中的分量,不應以搜尋排名或單次截圖代替。文章建議分開記錄被召回、被提及、被引用及成為答案主張四層,並固定問題集、模型版本和訪問方式進行多輪測試,把結果連回具體內容改動。

  25. DEV Community56

    獨立開發者如何以七道關卡檢查產品上線

    這份清單為獨立開發者整理七道產品正式上線關卡,要求每道關卡設定退出條件,並留下可核實的通過證據。七道關卡涵蓋範圍凍結、環境核對、備份還原、冒煙測試、可觀測性、故障溝通及回滾決策。第 1–5 及第 7 道是阻擋上線的關卡,第 6 道屬軟性要求;文中亦列出 12 條測試路徑和 90 分鐘精簡檢查清單。

  26. DEV Community48

    Cosmos 3 Edge 第 3 部:SO-101 從模擬到真實遷移及 Jetson Thor 機械人控制

    文章串連 SO-101 從模擬到真實的訓練流程,以及 Cosmos 3 Edge 在 Jetson AGX Thor 上部署機械人控制策略的路線。SO-101 學習路徑以 GR00T VLA 作為主要機械人策略,Cosmos 用於擴增數據集;另一條路線則在 Cosmos 3 Edge 上進行策略後訓練,再於 Jetson AGX Thor 執行裝置端控制。