跳到正文
11月19日週四
  1. DEV Community33

    融合 IBEX35 的 3 種信號來源:技術指標、情緒與地緣政治(GDELT)

    研究示範把技術指標、GDELT 地緣政治訊號及 RSS 標題情緒訊號整合,用於分析 IBEX35 的 15 隻成分股。分類器的 AUC-ROC 為 0.5280,策略 Sharpe 比率為 2.56,高於 Buy & Hold 的 1.83;系統的價值在於判斷失誤時減少損失,而非提高市場方向命中率。這是研究及技術示範,並非財務建議或投資推薦。

  2. DEV Community61

    使用 Spring AI、Google ADK 與 A2A 構建跨語言 AI 智能體

    文章示範以 Java 的 Spring AI 協調器透過 A2A 呼叫 Python 的 Google ADK 專家智能體,建立跨語言供應商研究流程。示例使用 A2A 1.0 和 Agent Card 尋找端點,並由確定性程式碼處理端點選擇等流程;協調器保留最終判斷及人工審核,專家只提供證據。供應商資料採用本地示範 fixture,並非即時營運研究。

  3. DEV Community41

    如何識別虛假註冊:註冊資料中的警號

    辨識虛假註冊應綜合電郵、電話、IP 位置、密碼及填表行為等訊號,不能單憑一項警號判定;可按訊號強弱允許、交由人工審核或封鎖。Veritus 在註冊時執行七項資料補充檢查,再由 LightGBM 模型於 100 毫秒內回傳 0–100 分,並提供可讀的判斷原因。

  4. 阿里雲開發者社區 AI50

    阿里雲計算巢 + ECS 一鍵部署 DeepSeek Harness 教學

    阿里雲計算巢與 ECS 可一鍵部署開源智能體框架 DeepSeek Harness 社區版,流程包括取得百煉 API Key、建立部署服務及透過 Web UI 使用。部署約需 3 分鐘,Web UI 透過 Nginx 反向代理及計算巢安全代理提供外部存取。DeepSeek Harness 為開發者預覽版 v0.1,亦可透過命令列或 Python SDK 安裝和擴展插件。

  5. 阿里雲開發者社區 AI35

    阿里雲新用戶上雲省錢指南:輕量、ECS、GPU 伺服器優惠匯總

    阿里雲為新用戶提供輕量應用伺服器、ECS、GPU 伺服器及大模型服務平台的首購優惠,涵蓋特價套餐、代金券和免費試用額度。輕量伺服器入門套餐低至38元每年,ECS經濟型e實例為99元一年,u1實例為199元一年。優惠受新客資格、機型庫存及地域限制,價格和庫存會動態調整。

  6. DEV Community58

    如何將 LangSmith 匯出的數據集轉換至 RAGAS,避免欄位靜默丟失

    LangSmith 匯出數據集轉入 RAGAS 需要重組資料欄位;若鍵名不符,user_input 可能全空而不報錯,metadata 等欄位亦會遺失。文中列出缺少 reference 時無法執行的評估指標,並提供欄位檢查及手動轉換示例。作者亦開發 ragasconverter.com,可轉換多種格式並列出欄位的重命名、展平、嵌套或丟棄情況;工具在瀏覽器運行,無需上傳或註冊。

  7. DEV Community54

    AI Agent 上線前的可觀測性:應記錄哪些內容

    文章建議在 AI Agent 上線前記錄每次執行的決策路徑、工具呼叫及結果,並追蹤任務完成、重試、工具錯誤和延遲。記錄可包括 run ID、工作流程和提示詞版本、工具狀態及錯誤類別;儲存前應遮蓋機密資料和個人資料。作者建議先為一個關鍵工作流程設定成功標準、記錄各項決策和外部操作,再測試依賴項故障,並針對可採取行動的異常設定告警。

  8. DEV Community53

    AI 驗證缺口:如何審查 AI 生成程式碼,避免未經核實便放行

    Umer Amin Durrani 提出 AI 生成程式碼的審查方法,建議先核對預期行為與變更範圍,再檢查測試、安全及失敗路徑。測試通過只是證據,不能證明所有風險已消除;模型的解釋和第二輪審查結果也應視為待核實的假設。作者建議由人員負責是否接受修改,並以涵蓋意圖、假設、測試、安全、操作、回滾和責任歸屬的清單重複檢查。

  9. DEV Community59

    AI Agent 評估:如何測試答案會變動的工作流程

    AI Agent 評估應以行為要求而非固定句子判定工作流程是否成功,避免輸出措辭不同令測試脆弱或產生錯誤信心。每項工作流程先訂明用戶目標、允許操作、所需證據及不可接受結果,再用涵蓋真實請求、邊界情況和已知失敗的測試集,評估任務完成、事實依據、工具選擇、政策遵循、升級處理、延遲和成本。

  10. DEV Community58

    AI 工作流程故障的實用事故應變手冊

    文章提出一套 AI 工作流程事故應變手冊,涵蓋止住風險副作用、界定影響範圍、謹慎恢復服務及驗證復盤。手冊建議記錄首次故障時間、工作流程版本、模型與提示詞變更、受影響的整合及 run ID,並避免在廣泛事故頻道分享敏感提示詞或用戶資料。

  11. 阿里雲開發者社區 AI63

    RAG 之前該做的事:企業知識庫的事實單元建模與衝突消解

    這篇實戰指南提出,企業在 RAG 前應先治理知識庫,將文件拆成可檢索、可判定、可追溯的結構化事實單元。處理事實衝突時,應先按權威度排序,再比較時間,並將落選事實標記為 disputed 而不刪除。評測集建議涵蓋 50 到 100 個真實問題,分別衡量事實召回率、答案準確率及越界率。

  12. 阿里雲開發者社區 AI25

    阿里雲 2026 大促:老用戶專屬優惠與活動入口

    阿里雲 2026 大促設有老用戶專屬活動區,涵蓋雲伺服器及 AI 相關產品,提供續費折扣、新購優惠、代金券和消費滿返。用戶可透過控制台活動橫幅或費用中心的權益中心查找入口,並使用阿里雲 CLI 盤點帳戶內的雲伺服器。參與活動時須留意優惠適用範圍、有效期及 GPU 實例庫存。

  13. 阿里雲開發者社區 AI69

    阿里雲 Qwen4-Max 模型定位、特徵、能力及適用場景解析

    文章將 Qwen4-Max 定位為面向專業工作場景的新一代旗艦多模態智能體基座模型,並解析其架構、能力及適用場景。文中稱模型總參數為 2.4T、每次推理啟用 71B 參數,支援 1M Token 上下文及 Live Delivery 漸進式交付。在 Work360 評測中,文中列出的單項任務平均費用由 26.58 元降至 11.16 元,降幅為 58%。

  14. 阿里雲開發者社區 AI27

    阿里雲老客戶限時優惠:ECS、輕量及 GPU 伺服器與 AI 雲產品特惠

    阿里雲為已有雲資源的老客戶推出限時優惠,涵蓋輕量應用伺服器、ECS、GPU 雲伺服器、大模型服務平台,以及資料庫和儲存產品。優惠包括續費折扣、新購特惠、滿減券及節省計劃;部分按量付費 ECS 搭配節省計劃,成本最高可降低七成左右。優惠力度、可用機型及代金券規則會隨活動週期調整。

  15. DEV Community26

    我如何從 84 題題庫抽出 28 題,為七宗罪測驗計分

    這款七宗罪測驗每次從 84 題題庫抽出 28 題,每項罪各有 4 題,並混合正向與反向題。每項得分按 0 至 100% 計算;距最高分 3 個百分點內的項目並列領先,最高與最低分相差不超過 10 分則判為平衡。免費結果在瀏覽器內計算,不會傳送至伺服器;購買付費深入報告時,答案則會送出以生成報告。

  16. DEV Community28

    四足機械人軟件——第12章:四足機械人案例研究

    四足機械人案例研究以油氣廠巡檢為例,説明如何整合步行、導航、感測與營運安全,完成資產巡檢任務。機械人可融合 LiDAR、相機、IMU 和腿部里程計進行定位,並按地形調整步行;巡檢軟件則把觀測數據連結至資產、時間戳記和任務記錄。安全機制須涵蓋故障安全政策、緊急停止及危險區域的設備認證要求。

  17. DEV Community34

    四足機械人軟件——第 11 章:四足機械人軟件測試與驗證

    本章提出四足機械人軟件的漸進式驗證策略,涵蓋軟件在環(SIL)、硬件在環(HIL)、實體機械人及野外測試。SIL 用於可重複的大規模情境測試,HIL 檢查實時效能及硬件與軟件整合,實體和野外測試則驗證真實環境下的表現。驗證須追蹤需求、記錄測試條件與遙測數據,並透過故障注入、回歸測試及復原行為評估累積證據。

  18. 阿里雲開發者社區 AI28

    阿里雲最新新客大促詳解:雲端伺服器及大模型優惠一覽

    阿里雲新客大促為新用戶提供雲端伺服器、資料庫、儲存及大模型服務等首購優惠、免費試用和代金券。活動開放160餘款雲產品免費試用,試用期由1個月至6個月不等;新用戶亦可領取百煉大模型免費 Token 額度。文章並整理阿里雲CLI查詢ECS實例的命令及選購注意事項。

  19. 阿里雲開發者社區 AI79

    LiteLLM 半年兩度遭投毒,大語言模型的「鑰匙串」應放在哪裏?

    LiteLLM 在 2026 年第二次遭供應鏈投毒,1.107.0 的惡意構建產物透過 Python 啟動鈎子竊取雲端、AI 工具及代理憑證。文章對照 Higress 的 Wasm 沙箱與不可變發布流程,説明如何限制擴展程式的檔案、環境變數和網絡權限,並建議受影響用戶輪換所有憑證。

    推薦理由:文章把 LiteLLM 投毒的攻擊路徑與 Higress 的 Wasm 沙箱及不可變發布流程逐項對照,呈現權限隔離和版本鎖定如何限制供應鏈事故的影響範圍。

  20. DEV Community29

    Photoshot 為何在黑白編輯時保留原始色彩

    Photoshot Looks 的黑白編輯保留原圖色彩供選取,讓 Color Filter 按原圖色相調整目前黑白影像的亮度。Control Point 則以當前影像的亮度及原圖色彩選取像素,並在全局調整後疊加局部設定。這套工作流程已隨 Photoshot Looks 0.4.6 登陸網頁編輯器及 Windows 配套程式。

  21. DEV Community54

    音訊轉 MIDI 解説:為何單聲部容易、整首歌曲困難(附 Python 範例)

    單聲部音訊轉 MIDI 可用約 30 行 Python 程式處理;完整混音因多個音符的泛音互相重疊,較難轉成乾淨的 MIDI。文章以 librosa 的 pYIN 追蹤音高,並用 pretty_midi 寫入 MIDI;顫音、滑音及短子音可能造成錯誤或切碎的音符。對完整歌曲,文中建議先分離人聲、低音等音軌再逐一轉錄,輸出仍需在 DAW piano roll 修整。

  22. 阿里雲開發者社區 AI49

    MCP 服務無狀態,任務狀態存在哪裏?RocketMQ LiteTopic 為每項任務建立狀態賬本

    RocketMQ LiteTopic 以「每項任務一條專屬通道」保存 MCP Tasks 狀態,讓任何服務副本都能查詢任務,避免狀態綁定單一副本。LiteTopic 單台 Broker 可支援百萬級獨立通道,並具備自動建立及按 TTL 回收功能。相關 Python 實作 mcp-tasks-rocketmq 已在 apache/rocketmq-ai 開源。

  23. DEV Community57

    如何在付款前核查自由工作者的 AI 工作成果

    付款前,委託方可要求自由工作者提供交接連結,逐項核對 AI 工作目標、執行步驟、收據和保存結果。收據可核實保存結果自存檔後有否改動,但不能證明結果正確;客戶的驗收只適用於當前版本,修改後的版本須另行接受。Zambo 的頁面可在瀏覽器重新核對每步收據;若步驟核查失敗或缺失,應要求重做並以新收據交付。

  24. DEV Community64

    Xiaoji v0.4 示範如何處理上下文窗口滿載並保留跨工作階段記憶

    Xiaoji v0.4 以自動壓縮對話軌跡和讀寫 memory.md,分別處理單次執行的上下文限制與重新啟動後的長期記憶。文章比較裁剪、摘要和外置檔案三種管理方式,指出摘要會遺失細節並令快取失效;模型寫入的記憶亦可能加入用戶未曾提供的內容,因此須由人檢查和修正。

  25. DEV Community48

    如何在 Mac 檢查及繞過企業 SSL 檢查(SWG、Zscaler、Netskope)

    企業 SSL 檢查可能令 Mac 上的終端機連線出現憑證錯誤,即使 Safari 和 Chrome 顯示正常的鎖頭圖示。文章説明如何透過終端機命令及 TLS 憑證發行者檢查流量是否受攔截,並解釋為何關閉代理或停用 TLS 驗證等常見做法無法繞過檢查。建議的處理方式包括設定 CLI 與執行環境信任企業 CA、請 IT 設定不解密例外,以及在獲授權的 Mac 上按網域繞過 SWG。

  26. DEV Community72

    如何評分 LLM 資料抽取,JSON 解析成功不代表答案正確

    作者以20份 Federal Register 通知示範如何評分 LLM 資料抽取;三次使用 JSON Schema 的 LLM 執行雖全部產生符合結構的 JSON,仍沒有一次達到逐欄評分門檻。文章建議以人工核對的答案鍵和同一程式逐欄評分,分開記錄正確空值、漏值、多填值、錯誤值及失敗呼叫。作者設定的門檻是每欄至少19/20正確、零多填值,且沒有失敗呼叫。

  27. 阿里雲開發者社區 AI29

    通義千問七層信源分級:L1-L7 採信權重、判定邏輯與 GEO 落地指南

    通義千問七層信源分級文件依據開發者平台公開機制及 GEO 維庫網數據,將信源按可信度分為 L1 至 L7,並列出各層採信權重、判定標準及優化路徑。文件指出,七層分級並非通義千問官方正式標準,而是基於公開資料和 10 萬 + 生成樣本逆向驗證所得。2025 年 Q3 數據顯示,具備 3 個及以上 L3 及以上信源交叉驗證的內容,平均採信權重為 92.1%。

  28. DEV Community76

    Google Gemini 4 Neon:開發者需要了解的成本、上下文與推理

    Google 於 11 月 18 日發佈 Gemini 4 Neon,面向複雜編碼與分析工作,提供統一的 1,048,576-token 上下文窗口及 low、medium、high、xhigh 四個思考層級。

    推薦理由:文章把比較重點由每 token 價格轉到成功完成任務的總成本,並列出重試、驗證、延遲及人工審核等評估項目,提供可套用的測試思路。