跳到正文
11月19日週四
  1. DEV Community45

    為所有編碼智能體共用一個語音服務

    作者把 Pi、Claude Code 等編碼智能體的語音功能整合到單一本地 daemon,統一管理揚聲器、麥克風和 FIFO queue。測試中,兩個程序同時發出通知時,語音會依序播放,第一段由 1.1 s 播至 9.0 s,第二段由 9.0 s 播至 15.8 s。目前僅支援 Windows,專案仍在作者的工作空間內,尚未公開。

  2. DEV Community52

    MVP 兩週內能交付甚麼:團隊實際可完成的範圍

    這份 MVP 交付方案把兩週(十個工作日)的範圍限定為一個以真實資料運作的端到端核心情境,而非縮小版完整產品。TenDrivers 從初始架構到可用 beta 用了四天;Stream Subs 從首個 commit 到公開發佈 1.8.1 約五週。驗收清單要求以真實資料在 3-5 部裝置測試、在新裝置完成乾淨安裝,並提供一頁操作手冊及限制清單。

  3. DEV Community49

    如何使用 ElevenLabs API 建立有聲書生成器

    教學示範如何使用 ElevenLabs API,將文字轉換成語音並串接 MP3,製作有聲書。流程包括把文字分成約 2 000 個字符的段落、呼叫 TTS 端點生成音訊,再用 ffmpeg 合併檔案。ElevenLabs 亦可複製聲音,所需參考音訊最短為 30 秒。

  4. DEV Community48

    我如何在 WordPress 標示 AI 撰寫的文章,並證明文章經人工審核

    Labelwise 是一款 WordPress 外掛,讓編輯為每篇文章選擇 AI 參與狀態,並標示及記錄文章是否經人工審核。Labelwise Pro 會將標記為 ai_assisted 或 ai_generated 的文章暫存為 Pending,直至編輯確認已經人工審核。外掛亦透過 HTML、REST API 和 RSS 提供機器可讀標記,並可用短碼在聊天機械人旁顯示提示。

  5. AWS Machine Learning Blog51

    如何為 Amazon Aurora PostgreSQL 設計負責任 AI 控制措施

    AWS 文章示範如何在 Amazon Aurora PostgreSQL 上設計負責任 AI 控制措施,並以 RAG 客戶支援聊天機械人深入實作可解釋性。文章將 AWS Responsible AI 八個維度對應至資料庫及相關 AWS 服務,並把檢索區塊 ID、相似度分數、實際引用來源和 Guardrails 追蹤記錄至資料庫,建立可查詢的審計軌跡。

  6. AWS Machine Learning Blog71

    Airbnb 如何以每項任務成本管理 Amazon Bedrock 上的編碼智能體

    Airbnb 分享以每項任務成本評測及 Amazon Bedrock 的 CloudWatch 生產訊號,為編碼智能體選擇預設模型和推理強度上限。評測按未快取輸入、快取讀取、快取寫入及輸出 token 計價,並與延遲、輸出 token 數和節流情況對照。

    推薦理由:文章把評測中的每項任務成本與上線後的用戶支出、請求量及配額指標連結,展示編碼智能體選型和容量管理的可操作方法。

  7. DEV Community65

    如何審計企業系統中的 AI 智能體

    企業系統審計 AI 智能體時,應記錄可追溯的委派鏈,包括發起主體、智能體、任務、工具、政策決策及執行結果,而非只記用戶 ID。審計紀錄應包含政策允許或拒絕的依據及政策版本,不應把模型隱藏推理或面向用戶的解釋當作授權證據。文章亦建議遮蓋機密資料、限制日誌存取,並透過告警、任務重建及撤銷支援事件調查。

  8. DEV Community59

    UIRIX 電話呼叫 MCP 伺服器的五項拒絕規則

    UIRIX 説明其電話呼叫 MCP 伺服器的五項拒絕規則,涵蓋撥號確認、必要資料、AI 身份、電話選單處理和獨立撥號權限。等待電話選單或排隊時,預設上限為 3 分鐘、最多 10 分鐘;一次確認最多可涵蓋同一差事的三家商戶詢價。伺服器不會付款、自行尋找商戶,或致電處理推銷、催收及緊急事務。

  9. DEV Community59

    以 AI 收集 SOC 2 審計證據:MCP 連接器、瀏覽器 Agent 與人工介入

    文章提出以 AI 收集 SOC 2 或 ISO 27001 審計證據的三種方式:連接器或 API、瀏覽器 Agent,以及由 AI 指引、人工操作。作者指出,連接器按證據量可涵蓋初創公司近 90% 的審計證據;瀏覽器 Agent 可處理沒有連接器的系統,但容易受介面變動影響。登入、MFA、敏感系統及需要判斷的工作仍適合由人操作,AI 可提供所需證據清單。

  10. DEV Community58

    Azure 上的 Concierge A2A + MCP Agent-to-Agent 網絡(第一部分):以 Azure Container Apps、Key Vault 和 Azure Managed Redis 建立基礎架構

    作者以 Terraform 為旅行 Concierge 的 A2A + MCP 多智能體系統建立 Azure Container Apps 基礎架構。配置包括內部 ingress、Azure Container Registry、Key Vault 和受控識別;Azure Managed Redis 使用 TLS,應用之間透過不帶連接埠的服務名稱互通。

  11. DEV Community52

    如何管理 AI 對話上下文,避免每次傳送完整對話

    作者在對話式 AI 系統中實作 grow and flush,讓待整理訊息在摘要成功儲存前仍留在提示中,並分批壓縮較舊內容。以 8 和 16 為示例門檻,緩衝區達 16 則後會摘要較舊的 8 則,保留最近 8 則原文;兩次整理之間提示會較長,總成本須一併考慮主請求、摘要請求、摘要大小與快取節省。文章亦提醒,裁剪歷史時須保留完整的工具呼叫及其結果,避免切斷配對內容。

  12. DEV Community50

    我的分析數據把受眾人數低估了一個數量級

    作者發現,漏斗報告只計算分類器於 13 November 上線後標記為人類的 123 名訪客,未納入此前 1,226 個未分類的瀏覽器工作階段,令數字被低估約十倍。另有 15,780 條記錄屬於機械人;作者以匿名瀏覽器測試確認付款流程正常,並決定在優化漏斗前先驗證各步驟是否運作。

  13. DEV Community42

    x402 賣家清單:在買家付款前核實你的端點

    x402 賣家可按清單核實端點,確保報價有效、價格及收款錢包穩定、上架資料與實際回應相符,並完成真實付款測試。Lumière PayCheck 監測超過 138,000 個 x402 端點,按 0 至 100 評分並給出 Proceed、Caution 或 Avoid 判定。要取得 A 評級,端點須通過付款測試、正常運作時間達 95% 或以上,並符合其他清單要求。

  14. DEV Community53

    作者以建置檢查避免匿名網站洩露身份

    作者為以 Astro 建置的匿名網站加入發佈前檢查,違規文章會令建置停止,另有提交前檢查掃描所有檔案中的密鑰和 ID。檢查程式涵蓋 61 個禁用詞和 7 種特定格式模式,並設有 17 個測試案例。由於逐詞檢查無法識別多項細節組合後可能暴露身份,作者改用概括描述 LINE 服務,並加入整篇草稿的 AI 審閲步驟。

  15. DEV Community56

    如何選擇 AWS 儲存服務,不必讀遍所有文件

    Athena Wemmert 以五個問題整理 AWS 儲存服務的選擇方式,從應用程式如何存取資料、資料形態及現有系統,延伸至共享存取與 AI/Agent 工作流。文中按訓練資料、RAG、Agent 記憶及檔案系統需求,列出 S3、S3 Vectors、S3 Metadata、EFS 和 S3 Files 等選項,並建議縮窄至一兩項後比較價格。

  16. DEV Community58

    第 12 天:AI 推理服務如何用 HPA 應對突發 API 流量

    Kubernetes HPA 可透過自訂指標,依等待佇列深度為 AI 推理服務增減 Pod,以應對 API 流量突增。範例透過 Prometheus Adapter 暴露 vllm_num_requests_waiting,將目標設為每個 Pod 平均 10 個等待請求,副本數介乎 1 至 4。設定將擴容穩定窗口設為 0,縮容則採 300 秒窗口,並限制每 60 秒最多減少 25%。

  17. DEV Community27

    零行列式警示矩陣會丟失資訊

    矩陣的行列式為零,代表線性變換會壓縮維度並丟失資訊,因此無法還原原始輸入。對 2×2 矩陣而言,行列式為 ad - bc,其絕對值表示面積縮放比例,正負則反映方向是否翻轉。浮點運算中,直接測試 det(A) == 0 並非可靠的一般奇異性判斷方法,應使用合適的數值求解器及秩或條件診斷。

  18. DEV Community65

    智能體失控循環事故應變手冊

    這份事故手冊為失控智能體循環提供止損、事件重建、永久防護及結案流程。文中列出的公開案例中,一名客戶的智能體在凌晨 1:12 至 6:50 間重試失敗工具 31,000 次,產生 $4,700 的模型 token 費用,當時方案月費為 $400。永久控制包括每次執行及每個租戶的預算上限、按錯誤類別設定最多 3 次重試,以及相同工具與正規化參數重複 3 次時停止並升級處理。

  19. DEV Community37

    Python 中的單樣本 t 統計量:這個數字實際比較甚麼

    單樣本 t 統計量以樣本平均數與假設平均數的差,除以估計標準誤,衡量差異相對於抽樣不確定性的大小。文中的 Python 範例得出 t = 2、15 個自由度,雙尾 p 值約為 0.064。精確檢定假設觀測值獨立且服從常態分佈;未能拒絕虛無假設,不代表證明虛無假設成立。

  20. DEV Community44

    我為電工開發 Android 應用程式:Google Play 的 12 名測試者規則,以及用程式碼製作宣傳影片

    系統工程師推出 Fazor,一款離線 Android 應用程式,內有 11 款電工計算器,並於 18 November 登上 Google Play。新個人開發者帳戶須讓至少 12 名測試者連續參與封閉測試 14 天,方可申請正式發布;作者的正式發布申請及版本均於同日獲批。宣傳影片以 HTML、CSS、Puppeteer 和 ffmpeg 製作,作者表示會待累積一個月數據後再更新成績。

  21. DEV Community31

    AI 語音模型如何訓練:技術概覽

    文章概述深度學習文字轉語音(TTS)模型的訓練流程,涵蓋資料集整理、模型架構選擇、訓練、語音克隆、品質評估及部署。文中比較 Tacotron-2、FastSpeech/FastSpeech-2 和 VITS,並指出 VITS 是兼顧品質與速度的選擇之一。語音克隆可透過微調預訓練多説話者模型,使用少量特定説話者語音。

最多提供 50 頁,更早的內容請使用搜尋或主題頁。