開源
共 23 篇關於「開源」的技術文章。
你的 predict 到底在做什麼：chainladder CapeCod 回傳的第三個數字
chainladder-python 的 CapeCod.predict 不是套用你存下的模型。在 ukmotor 樣本上，前一條對角線擬合出的 apriori 是 0.6572660657，predict 到新對角線回傳 0.6894525318，在新資料上乾淨重新擬合是 0.7062253126。拆開公式，predict 用的是今天的損失與曝險，配上一期的發展型態。
放錯一行的檢查不會報錯，只會變成裝飾：chainladder predict 的四種靜默失敗
精算函式庫 chainladder-python 的 predict 在四種輸入不匹配時照樣回傳結果：775 列進去 643 列出來、6 列進去 775 列出來、一列的型態套到另一列少算 38%、已付型態套到已發生資料高估 52%，都沒有錯誤訊息。這篇拆我們提的修正 PR #1310 裡兩個輸入驗證的教訓：合法與危險的寬鬆在資料上同形，要找系統自己寫下的標記；檢查放在會改寫輸入的那一行之後，不會報錯，只會在它最該看見的情況失明。
正則分不出「說了」與「警告不要說」：LLM 輸出掃描的誤報、漏報，和我們被推翻的修法
用正則比對 LLM 回覆來抓 XSS、SQL 注入這類攻擊字串，會把點名危險、勸人別這樣寫的回覆判成失敗：在 Giskard 一個未合併的開源 PR 上，5 則這類建議句全部觸發。我們提議把正則錨定在行首，誤報降到 0；PR 作者補上「引導語和 payload 寫在同一行」這種普通句型後，24 則合規回覆漏掉 12 則。這篇拆解錨定為什麼只在我們的樣本上成立、誤報與漏報怎麼選，以及我們自己的輸出掃描器也有同樣的限制。
用漸層畫的焦點框，在 Windows 高對比下會整個消失：NASA HDS Core 的四行 CSS 修法
強制色彩模式（Windows 11 設定裡叫「對比佈景主題」）會把非 url() 的 background-image 算成 none，所以用 repeating-linear-gradient 畫出來的焦點框整個消失，鍵盤使用者看不到自己停在哪裡。這篇用 nasa/hds-core PR #185 拆開講：forced-colors 到底改掉哪些屬性、為什麼 mask-image 畫的框活著而漸層畫的死了、四行 CSS 怎麼一次修好五個呼叫點，以及我用什麼陽性對照確認自己量到的不是假象。
永遠不會 settle 的 Promise：IndexedDB 寫入失敗讓 MITRE ATT&CK 網站搜尋一直轉圈圈
`new Promise(async (resolve) => ...)` 沒有拿 reject，裡面的 IndexedDB 分塊寫入一失敗，交給呼叫端的那個 promise 不是被拒絕，是永遠不會 settle。MITRE ATT&CK 網站的搜尋索引就 await 在這上面，作者早就寫好的 .catch 永遠不會被觸發。這篇用 mitre-attack/attack-website #637 講 Promise executor 的語意、為什麼拿掉 async 不會修好它、以及怎麼寫一個分得出「卡住」與「被拒絕」的測試。
一個字元的 bug 讓 775 列準備金全錯：chainladder CapeCod.predict 拆解
美國產險精算學會的 chainladder-python 是精算師算損失準備金的標準函式庫。CapeCod.predict() 有一個 > 1 該寫成 > 0 的條件，讓最常見的使用方式拿到錯的 apriori：comauto 業務線擬合值 0.569，預測回傳 1.252，775 列全錯。既有測試覆蓋了那條路徑卻沒抓到，原因是它用的資料集永遠走另一個分支。這篇講 Cape Cod 方法在做什麼、那一行為什麼錯、測試怎麼漏、以及依 casact 政策做的 AI 使用揭露。
Python 的 **kwargs 接不到具名參數：人道 OpenStreetMap 無人機系統每張災區照片都存錯格式的原因
一個函式簽章裡有 content_type，文件也寫了，呼叫下游 SDK 時卻只傳了位置參數加 **kwargs。因為 content_type 是具名參數，Python 把值綁在它身上，kwargs 裡沒有它，所以每一張災後空拍照都以 application/octet-stream 存進 S3，瀏覽器只會下載不會顯示。這篇用 hotosm/drone-tm #882 講 Python 參數綁定的規則、為什麼同一個函式的 metadata 沒事、以及一個 mock 要綁真簽章的測試寫法。
24 天內併入六個組織的七筆 PR：維護者教我的七件事
從美國產險精算學會到人道 OpenStreetMap，24 天內七筆 PR 被六個組織的維護者合併（美國產險精算學會收了兩筆）。這篇逐筆拆解：bug 在哪一行、為什麼測試沒抓到、維護者在審查時糾正了我什麼。三個共同病灶：只跑 Linux 的 CI、為了錯的理由通過的測試、被語言語意騙過的哨兵值。每一筆都附 PR 連結，可以自己去對。
掃描器身上帶著它正在找的那個 bug：從別人的隱形字元清單，掃回我們自己的三個 repo
Anthropic 的 commerce-agents 參考藍圖用一份手列清單刪隱形字元，我們用 Unicode 類別全掃，發現它漏了 34 個 Cf 碼位與 4 個非 Cf 隱形字元，足以讓 fence 標記與 turn 標記在比對前被切開。接著把同一支探針對準自己：三個專門找 prompt injection 的掃描器，漏的是同一批字元。這篇講手列清單為什麼必然過期、誠實分級怎麼做，以及規則綁措辭而不綁概念會讓你系統性低估對手。
把 Telegram 變成 Claude Code 主控台：60 天零當機的設計
出門用手機在 Telegram 下指令給 Claude Code，靠 4 層防線在 Windows 上連跑 60 天零當機。拆解設計與真實事故，附 MIT 開源工具包。
我們審計了 7 個官方 MCP server，6 個拿 F
用 prompt-defense-audit 對 modelcontextprotocol/servers 的 7 個官方 server 跑 12-vector 審計。結果：6 個 F 級，8 個防禦類別 100% 缺席。連動 modelcontextprotocol/servers#3537。
Cisco 在 51 分鐘內 merge 我的 PR：為什麼提示詞防禦會變成新的 SQL Injection
AI Agent 與客服的數量正在指數成長，模型每三個月就改朝換代，但 78% 的生產環境提示詞連一行防禦都沒有。從一次掃描，到 Cisco 51 分鐘 merge、Microsoft 主動指派 issue 的四個月。
一行指令擋住 92% 的提示詞攻擊：prompt-shield 開發紀錄
我們的 Discord AI 助手每隔幾天就被攻擊一次。掃描 1,646 個真實 AI 系統後，我們做了一個一行指令就能用的防禦工具。
我們做了一個 AI Agent 的 Lighthouse：一行指令，25 向量安全掃描
66% 的 MCP Server 有安全問題，但沒有人在部署前跑安全掃描。我們做了 ultraprobe：零依賴、零成本、一秒內完成的 AI Agent 安全審計工具。其 prompt 防禦掃描技術已合併進 Cisco AI Defense 的 MCP Scanner（PR #146）。
12 次提交、0 次合併：我在開源 AI 安全社群學到的事
我們向 Cisco、Microsoft、OWASP 等 12 個開源專案提交了貢獻。全部被拒或無回應。這篇文章記錄我們如何從 0/12 走到第一個 merge。
從零到幫微軟寫 Code：一個非工程師的 4 個月旅程
4 個月前我對程式一竅不通。現在我的 PR 被微軟的 AI 治理工具收錄。這不是天才故事，是 AI 時代每個人都能複製的路徑。
我們定義了 AI 時代的安全標準：AASS v1.0，不是賣安全，是定義安全
AI Application Security Standard（AASS）是全球第一個同時涵蓋 AI 系統防禦、網站 AI 能見度、資料保護的開放標準。所有工具免費開源。
掃描 1,646 個真實 AI 系統 Prompt，97.8% 沒有間接注入防禦
掃描 1,646 個從 ChatGPT、Claude、Grok、Cursor、GPT Store 等洩漏的真實系統 Prompt。97.8% 缺乏間接注入防禦。平均分數 36/100。78.3% 拿 F。
Discord 社群從 0 到 146 人：一人公司的社群建設 SOP（含 3 隻自動化機器人）
一個人怎麼在 10 天內從零建到 146 人的 Discord 社群？答案：3 隻 AI 機器人 + 1 套歡迎系統 + 0 元廣告預算。這篇把從建群到留人的每一步 SOP 全部攤開。
78.3% 拿 F：1,646 個真實 AI 系統提示的防禦缺口數據
我們掃描了 1,646 個從 GPT Store、ChatGPT、Claude、Cursor 等洩漏的系統提示。平均分數 36/100，78.3% 拿 F。這篇用數據告訴你 OWASP Agentic Top 10 的每個風險在真實世界有多嚴重。
我們開源了 Discord 社群自動化機器人，因為問的人實在太多了
Discord Lobster：零依賴、零月費的 AI 社群管理員。用 Gemini Flash 自動歡迎新人、參與對話、記住每個成員。完整原始碼 + 部署教學。
GitHub 上最新的 AI 金融開源專案（2026 年 9 月更新）：原本 5 個重新排名，再加 4 個新專案
2026 年 9 月重查星數：TradingAgents 10.9 萬居冠，ai-hedge-fund 6.4 萬但不會真的下單。9 個 AI 金融開源專案的架構、限制與實際用途。
我們開源了 AI 防禦掃描器：200 行 regex 取代一個 LLM
大部分 AI 安全工具用 LLM 檢查 LLM。我們做了一個確定性的提示詞防禦掃描器：12 種攻擊向量、純 regex、1 毫秒以內、零成本。這是為什麼 regex 比 AI 更適合這件事。