Dify 推出 WebApp,簡化 AI 原生應用程式的建立
Dify 推出 Dify WebApp 和 Dify WebApp Template,讓用戶建立及部署 AI 原生應用程式。Dify WebApp 支援對話式及文字生成應用程式;開源的 Dify WebApp Template 則按 Dify API 標準提供應用程式架構,可部署至 Vercel 或自行架設的伺服器。
Dify 推出 Dify WebApp 和 Dify WebApp Template,讓用戶建立及部署 AI 原生應用程式。Dify WebApp 支援對話式及文字生成應用程式;開源的 Dify WebApp Template 則按 Dify API 標準提供應用程式架構,可部署至 Vercel 或自行架設的伺服器。
Dify.AI 宣佈開源平台程式碼,原文標題列出 46,558 行,正文則稱已在 GitHub 開源 45,852 行。專案採用 AGPL+MIT 混合開源授權,約 30% 程式碼由 GPT 產生。Dify 提供可視化提示詞編排、數據集管理、API 開發及數據標註等功能,並列出插件、更多數據匯入來源及數據監測等規劃。
Dify.AI 發佈 v0.3.13,整合 Llama2、ChatGLM、Baichuan 和 Qwen-7B 等開源大語言模型。Hugging Face 與 Replicate 上託管的模型可在 Dify 輸入 API key 接入,用戶亦可在應用頁面切換模型,快速比較不同模型的表現。Dify 為各模型微調並設定系統提示詞,以簡化參數設定。
DifySandbox 創作者、Dify.AI 後端工程師 Yeuoly 介紹其設計,並宣佈 DifySandbox 現已開源。沙箱以單一 Docker 容器承接執行請求,結合 Seccomp 白名單、chroot 檔案系統隔離等措施;docker-compose 環境透過代理容器管理外連,k8s 則配置 egress rules。
Dify 正式推出 v1.0.0,將模型和工具遷移至插件架構,並推出 Dify Marketplace。新架構讓插件可獨立於核心平台更新;Agent 節點配合 Agent Strategy 插件,為工作流和 Chatflow 提供 ReAct、Function Calling 等策略。
Dify 在開源兩週年之際更新品牌識別,透過新設計呈現其理念與發展方向。新標誌將「if」改為較具復古打字機風格的字體,並保留「Dy」的現代無襯線風格,象徵對根本理念的探索、未來感與前進動力。
Dify 的 GitHub 星數突破 100,000,躋身全球前 100 個開源項目,並將這項里程碑歸功於全球開源社羣的協作、回饋與貢獻。Dify 於 2023 年 5 月 15 日開源,文章亦向過去兩年推動模型整合、部署、MCP 插件及工作流程等工作的核心貢獻者致謝。
Chroma 訓練並公開 Context-1,一個以超過 8,000 項合成任務訓練的 20B 參數搜尋智能體,模型權重採 Apache 2.0 授權。Context-1 會把高層問題拆成子查詢並多輪搜尋,按相關性修剪檢索內容;研究稱其檢索表現可與前沿模型相比,推理速度最高可達 10x,成本較低。Chroma 亦公開合成任務生成流程的完整程式碼,以支援重現和後續研究。
作者開發了 lazycommit,一款以本地小型模型讀取已暫存的 Git diff 並生成 Conventional Commit 訊息的 CLI 工具。工具以純 Python 編寫、沒有依賴,預設使用約 400 MB 的 Qwen2.5-Coder 0.5B Instruct,原始碼在 https://github.com/MRNOWSHIRWAN/lazycommit。
現代 AI 開發已不再只是調整提示詞,而是把 AI 整合到可擴展、具韌性的軟件系統中。文章指出,開發重點包括以 RAG、向量資料庫和上下文窗口管理做好上下文工程,以及建構能拆分任務、執行命令和重試的 AI 智能體。針對特定技術堆疊,經微調的小型開源模型也正成為選擇,可在本地或專用雲端執行。
一名開發者在一個週末構建了 3 個 MCP 伺服器,分別用於查詢 160 多種貨幣的即時匯率、篩查全球制裁名單,以及為產品分類 HS code。三個伺服器均為開源,並可在 Glama.ai 使用。作者表示,使用 SDK 約 30 行程式碼便可構建一個伺服器。
TECHDEV 建立本地工具 memgraph,以單一 JSON 檔案記錄團隊決策、依據、矛盾及取代關係。它提供 Node.js CLI 的 why、check 和 list 命令;check 會列出未解矛盾、仍依賴已取代決策的節點及無來源聲明,並可作為 CI gate。
TECHDEV 編寫了 ggufit,這款單檔 Python CLI 會讀取 .gguf 檔案標頭,估算模型能否放入指定 GPU 的可用 VRAM。它按實際架構計算 KV cache,並以扣除驅動程式、顯示及作業系統預留空間後的可用 VRAM 作判斷;尚未下載模型時,也可輸入參數量、量化格式、上下文長度和 GPU 作預估。
SlothSort 是一款透過 Ollama 執行本機開放權重模型的檔案整理工具,會讀取檔案開頭 2,048 bytes,推斷用途、分配至 18 個分類並產生整理後的檔名。
作者建立包含 1,000 條合成記錄的釣魚偵測基準 RSB-1000,並以零樣本方式測試兩款開放模型。Qwen 3.8-27B 的召回率為 98.9%、誤報率為 11.6%;GPT-OSS 20B 的召回率為 94.0%、誤報率為 23.1%。文章指出,誤報率令模型不適合作為自主攔截工具,建議先由 AI 篩查,再交由人手覆核。
REA 等 AI 逆向 Agent 能自動化分析 APK,也能閲讀加固器源碼,令加固體系必須面對保護機制被研究的風險。XopProtector 採用 DEX 加密、PVM1、PVM2、SO 保護和 RASP 等多層機制,旨在提高代碼恢復及業務邏輯分析成本。其實際效果仍需透過針對 REA 的測試驗證,加固不能保證應用絕對不可破解。
文章指出,REA 所代表的 AI 逆向工程方式,令攻擊者可能同時分析受保護的 Android APK 與防護器源碼。開源項目 XopProtector 採用 DEX 加密、PVM1、PVM2、SO 防護及 RASP 多層防護;評估重點在於這些機制能否提高還原程式碼及重構業務邏輯的成本。
Gabby Gill 開發的 Sloth Sort 透過 Ollama 在本機執行 Gemma 3 4B,為 Downloads 資料夾中的檔案建議分類、易讀檔名和文件日期。安裝程式、壓縮檔、音訊/影片及螢幕截圖按規則分類;整理前可檢視及修改方案,檔案不會被刪除或覆寫,並可復原。作者表示曾用它整理自己的 143 個檔案,並在執行前修改了 9 項建議。
文章比較 2026 年多個開源雲端選項,包括 OpenStack、CloudStack、OpenNebula、Proxmox VE、Ubicloud 和 Spinifex,並分析各自的部署模式與適用情境。
DeepSeek-R1 以強化學習進行推理,毋須依賴大規模計算便達到高性能,並引發美國科技股於 2025 年 1 月回調。它採用 Mixture-of-Experts(MoE)架構優化活躍參數,令企業重新審視單靠增加 GPU 算力的策略。開放權重模型挑戰封閉模型,初創企業可透過垂直整合及深入瞭解行業需求建立差異。
Google 與 Amazon 在 PyTorch Conference 2026 分別推出 TorchTPU 和 TorchNeuron,協助 PyTorch AI 應用遷移至各自的 TPU 與 Trainium 晶片。
Kakao 將兩款自研圖像識別模型 Kanana-2-vision-encoder 開源,medium 版有 426 million parameters、tiny 版有 98 million parameters;兩者可在 Hugging Face 取得,並採用容許研究、開發及商業用途的 Kanana Open License。
Omnara 公開推出開源的持久化智能體 API,讓用戶透過 API 建立智能體,由服務管理智能體循環、沙盒、權限及機密資料。智能體狀態儲存在 Postgres,循環由無狀態 worker 逐輪處理,並可透過連接 Omnara 的 macOS 或 Linux 機器執行命令及編輯檔案。整個程式碼庫已開源,可用 Docker Compose 在單機自託管,亦提供託管版並可使用自己的模型。
agent-ops-check v0.2.0 為 AI 智能體新增可選的即時評測執行器,讓工具可將已生成的案例實際交由智能體執行。eval 會驗證 agent-evals.yaml,只有使用 --live 或設定 live: true 才會呼叫智能體;預設為 dry-run,並會提醒即時模式可能令智能體採取真實行動。
Dopamine 是一款為 Apple Silicon MacBook 開發的原生 Swift 開源工具,可在合上機蓋並保持 CPU/GPU 醒着時,將 Liquid Retina/mini-LED 背光降至 0.0 nits。它透過 IOKit 監察機蓋狀態,打開機蓋後平順還原先前亮度。工具免費採用 MIT 授權,可透過 Homebrew Cask 或直接下載安裝。
sloth-receipts 使用 Gemma 4 在本地讀取 Pix 收據,再由 Python 規則判定;測試中的 12 張虛構收據,最終判定全部正確。模型平均每張需時 52 s,部分交易編號和 Pix key 讀取有誤,因此係統以容錯比對識別可疑項目,不用它確認付款。收據只供分類,付款仍須以銀行月結單或 PSP webhook 確認。
Ibrahim Awab 開發開源工具 Wait For It,讓 Gemma 4 定時檢查指定網頁或近期 Google 搜尋結果,判斷事件是否已發生。系統會安排下次檢查,並在有新進展時發送瀏覽器通知。在 36 個人工標註的真實頁面測試中,Gemma 4 配合引文核驗答對 35 個,沒有誤報;漏判出現在 Artemis II 頁面,模型把過去的發射日期解讀為計劃。
Cohere 發佈開源阿拉伯語語音轉文字模型 Cohere Transcribe Arabic,針對方言差異、阿拉伯語與英語混説及專業詞彙進行設計。模型平均 WER 為 25.87,較 OmniASR-LLM-7B 低 2.45 個百分點,較 Whisper Large V3 低 11 個百分點。
OpenClaw 推出焦點週,每週聚焦路線圖的一個範疇,由維護者帶領並邀請社羣參與程式開發、回報錯誤、測試、文件及無障礙體驗回饋。首週於 2026年10月19日至25日聚焦 Control UI,由 Vyctor Brzezowski 負責。共享 OpenClaw Team 環境目前只限獲邀者參與,其他焦點週活動則向所有人開放。
Recursive 發佈首款模型 Flint,這款免費編碼模型可在手提電腦本機運行,公司稱 Eureka Machine 幾乎參與其開發每個環節。Flint 採用 MoE 架構,每次只啟用 40 billion parameters 中的 2.5 billion,並以 Apache 2.0 授權在 Hugging Face 免費下載。
Shreyansh Agrahari 開發開源、本機優先工具 Someday,監察截圖資料夾並將圖片內容整理成待審核事項。工具透過本機 Ollama 執行 moondream 1.4B 和 gemma3:1b,要求提供圖片中的逐字引文,並由確定性 Python 日期引擎按截圖建立時間解析相對日期。
Sloth Sort 以開源嵌入模型為筆記和連結描述建議分組,讓用戶整理稍後閲讀的內容時有個起點。預設 0.60 閾值下,15 條合成筆記分成 3 組各含兩條筆記,另有 9 條單獨成組;分組可手動調整,結果亦可匯出為 Markdown。模型在本機推理,載入時會從外部資源供應商下載約 46 MB,筆記不會傳送給供應商。
LiteLLM 1.107.0 於 2026 年 10 月 21 日上載至 PyPI 的套件遭植入憑證竊取程式及遠端執行後門。安裝後新增的三個檔案會在任何 Python 程序啟動時執行,無須匯入 LiteLLM;SafeDep 認為攻擊很可能來自 BerriAI 的私有建置流程。PyPI 已撤下該版本,1.106.2、1.107.0rc1 和 1.107.0rc2 則確認未受影響。
推薦理由:PyPI 發佈檔案與公開 GitHub 版本不一致,令 LiteLLM 1.107.0 個案凸顯只審查原始碼的不足,並將焦點帶到建置產物的來源驗證。
作者開發 slothshot,使用本地 Gemma 4 E4B 視覺模型按截圖內容命名,並保留日期前綴,方便在 Finder 或 Spotlight 搜尋。工具預設只作 dry run,亦支援套用改名、從記錄還原及監看新截圖,圖片不會離開本機。
研究提出 FLORA,一套面向機械人基礎模型的開源工業級數據引擎,提供帶時間戳的字幕生成、結果與過程獎勵標註,以及預訓練資料整理。FLORA 在 WGO-Bench、RoboReward 和 Robometer 上取得 SOTA 成績,內部基準測試表現可與 GPT-6 Astra 相比,成本比 GPT-6 Astra 低約 125 倍。
DigUp 是免費開源桌面應用程式,可在本機搜尋用戶選取的文件、圖片、錄音、影片及原始碼;macOS 版已提供,Windows 和 Linux 版仍為 beta。
Sloth Inbox 使用 all-MiniLM-L6-v2 嵌入模型,在瀏覽器內將散亂筆記分類到自訂分類架,並可預覽及匯出 Markdown。模型量化權重約 23 MB;測試的 12 則合成筆記中,8 則自動分類,4 則因相似度分數較低而留待檢視。筆記文字不會傳送至推理伺服器,但初次使用須下載模型。
soundmandt 將 The Vault 以 GPL v3 開源,這是一款瀏覽器端 CBT 思維鏡像工具,作者強調它不是治療服務。
文章比較 NVIDIA Isaac 擴展、CoreWeave Physical AI Launchables,以及 AWS 與 NVIDIA 開源的 Physical AI 工具鏈,梳理三者在模擬、數據生成、訓練與部署方面的方案和取捨。
Mike Kim 推出 Recall Sloth,讓 Gemma 4 E2B 在瀏覽器內比對用戶輸入的商品與自 2016 年起的 3,411 項美國消費品召回通知。