最新

保存终端中的任何内容——命令、笔记、网址、事实、提醒——并使用自然语言在稍后调用它。所有操作都在本地运行。无云端，无需账户。

https://status.claude.com/ 这正在迅速成为新的 xkcd 摸鱼梗

嘿，HN！我们是 Carmel 和 Rhea，Kita 的创始人（<https://www.usekita.com/>）。我们使用视觉语言模型（VLM）为新兴市场的贷款机构自动化信用审查流程。 在许多新兴市场，如菲律宾和墨西哥，信用基础设施薄弱。开放金融仍处于起步阶段，信用机构也并不可靠。因此，为了申请贷款，贷款机构依赖借款人提交文件来了解他们的还款能力。借款人可以提交各种格式的财务文件，例如银行对账单和工资单，包括 PDF、实体文件的图像和屏幕截图。此外，这些市场的财务文件高度不规范，没有贷款机构可以依赖的统一模板。 现有的 OCR 和文档 AI 工具在这些高度多样化、混乱的真实世界文档上会失效。通用工具并非为贷款流程（如验证、欺诈检测和风险提取）而构建。因此，信贷团队只能依靠人工审查，这使得承保流程更慢、更昂贵，也更容易出错。 我们在大学前就认识了，并且一直保持着最好的朋友关系。毕业后，Rhea 去了菲律宾看望 Carmel，在那里我们直接从金融科技运营商那里了解到，基于文档的承保是他们最大的痛点。我们开始一起构建，并测试了我们能找到的每一个 OCR 和文档 AI 工具。它们都在贷款机构实际收到的混乱的真实世界文档上失败了，即使提取成功，它们仍然无法生成贷款机构所需的结构化财务数据或欺诈检查。 这个问题比我们想象的还要大。在印度尼西亚、墨西哥、菲律宾、南非，甚至在美国，大多数贷款业务都可以归结为信贷分析师查看文档。2025 年，全球贷款总额达到 13.3 万亿美元，其中 90% 的交易涉及文档审查。这包括在发达市场。 Kita 使用基于 VLM 的代理来解析文档、检测欺诈行为，并从混乱的财务文件中提取承保信号。目前，我们支持 50 多种文档类型，包括 PDF、扫描件、照片和屏幕截图。我们的流程改进了低质量的输入，提取结构化的财务数据，并通过跨文档检查、与我们的历史数据库进行验证以及特定市场的欺诈检测来验证数据。 我们的架构的底层 VLM 与模型无关，同时，我们使用本地化的贷款机构数据训练针对每个市场超本地化信用信号进行微调的语言模型——每个新模型都会改进我们的基础层，每个新市场都会使我们的整体堆栈更强大。我们将文档级别的信号与还款结果联系起来，使我们的模型能够随着时间的推移不断改进欺诈检测和风险评估。 Kita Capture 是我们为贷款机构推出的第一个文档智能产品。我们还将推出 Kita Credit Agent，它通过 WhatsApp 和电子邮件在发起过程中自动跟进借款人，以收集缺失的文档并完成贷款申请。 Kita Capture 可以免费试用（需要邮箱注册）：<https://portal.usekita.com/>。这是一个快速演示：<https://www.youtube.com/watch?v=4-t_UhPNAvQ>。 我们很乐意收到社区的反馈，特别是如果您从事过文档 AI、欺诈检测或金融科技基础设施方面的工作。感谢您的阅读！

仅供参考：尝试使用 Claude Code 时遇到 500 错误——状态页面上没有官方更新。<p>编辑：状态页面已更新：问题已确定，正在实施修复。

Hi HN， Sulcus 将 AI 记忆从被动的数据库（仅搜索）转移到主动的操作系统（自动化管理）。 核心转变 当前的记忆（向量数据库）是静态的。Sulcus 将记忆视为 LLM 的虚拟内存管理单元（VMMU），使用“热力学”特性来自动化代理的记忆或遗忘。 主要特性 反应式触发器：记忆系统根据规则“反馈”，而不是代理手动搜索（例如，自动固定偏好，在记忆即将“衰减”时通知代理）。 热力学衰减：记忆具有“热度”（相关性）和“半衰期”。频繁的调用会强化它们；疏于使用会导致删除或归档。 Token 效率：声称通过使用智能分页技术减少 90% 的 token 消耗——仅向 LLM 提供当前“热门”内容。 技术：使用 Rust 和 PostgreSQL 构建；作为 MCP（模型上下文协议）sidecar 运行。 <a href="https://sulcus.dforge.ca/membench" rel="nofollow">https://sulcus.dforge.ca/membench</a>

我构建了一个交互式 3D 地球仪，用于可视化气候变化。拖动温度滑块，从 -40°C 到 +40°C，设置时间范围（10 到 10,000 年），然后观看海平面上升、冰盖融化、植被变化和海岸线被淹没……这些都是基于真实的地面海拔和卫星数据，精确到每个像素。<p>点击地球仪上的任何位置，即可查看该位置的预计降雪量变化。<p>---<p>我是一个业余气象爱好者，花很多时间在 caltopo.com 和 windy.com 上追踪积雪/冰雪状况。我想制作一些有趣的东西，来想象在冰河时代我可以去哪里滑雪。<p>我使用 Google Deep Research (Pro) 来创建气候方法，并使用 Claude Code (Opus 4.6 - High) 来创建网站。<p>代码： <a href="https:&#x2F;&#x2F;github.com&#x2F;travistruett&#x2F;terrashift" rel="nofollow">https:&#x2F;&#x2F;github.com&#x2F;travistruett&#x2F;terrashift</a><p>这些模型不是真正的气候模拟，它们是简化的近似值，经过调整以达到“看起来对吗？”的效果，但比我预期的要细致。如果有人想深入研究，这里记录了完整的方法。<p><a href="https:&#x2F;&#x2F;github.com&#x2F;travistruett&#x2F;terrashift&#x2F;blob&#x2F;main&#x2F;docs&#x2F;algorithm.md" rel="nofollow">https:&#x2F;&#x2F;github.com&#x2F;travistruett&#x2F;terrashift&#x2F;blob&#x2F;main&#x2F;docs&#x2F;al...</a>