最新

大胆

大家好，我是 Xia 和 Varun，Traceforce（<a href="https://www.traceforce.ai/" rel="nofollow">https://www.traceforce.ai/</a>）的创始人。Traceforce 可以在所有设备（笔记本电脑、沙盒、虚拟机）上提供对 ChatGPT、Claude 等 AI 应用的可见性和控制，它不仅能发现正在使用哪些应用，还能通过 MCP（多云平台）发现它们是如何连接到其他数据源的。我们还提供一个开源的动态 MCP 渗透测试工具 <a href="https://github.com/traceforce/mcp-xray" rel="nofollow">https://github.com/traceforce/mcp-xray</a> 来检测易受攻击的 MCP。 Traceforce 的目的是： * 为公司员工提供标准化的方式，确保设备上运行的 AI 软件安全运行。 * 让公司的安全团队能够了解 AI 软件在公司设备上的活动，并尽早检测和阻止不安全操作及安全漏洞。 Traceforce 的工作原理： 1. Traceforce 以轻量级二进制文件和浏览器扩展的形式安装在每台设备上。 2. 30 分钟内，设备就会将实时数据上传到公司资料，并在仪表板上显示所有公司设备上运行的 AI 代理/应用。 3. 公司安全人员可以实时监控所有代理的活动，实施控制，并在出现安全风险时立即收到警报。 演示视频：<a href="https://youtu.be/IdK2WKg7kaM" rel="nofollow">https://youtu.be/IdK2WKg7kaM</a> Traceforce 的灵感来源于 Xia 在初创公司 Clumio（2024 年 10 月被 Commvault 收购）担任工程总监的经历。在 Clumio，能够监控团队成员如何使用 AI 而不减慢他们的工作速度是一个首要任务。在与 50 多位 CISO 和 CIO 交流后，我们发现这在各行业都是一个迫切需要的解决方案。我们不断听到新的 AI 功能被采用的速度如此之快、范围如此之广，以至于可见性和控制根本跟不上。 Traceforce 对我们监控和收集的内容保持透明。默认情况下，Traceforce 只收集设备上运行的 AI 应用、MCP 和工具的元数据和遥测数据。安全团队可以启用选项来检查工具调用，以检测、警告或阻止预定义的、高风险的或潜在的破坏性操作。所有内容检查都在设备本地进行。除非组织的安全管理员明确配置，否则用户提示永远不会被存储。 我们与产品的最终用户密切合作，一旦他们了解了正在监控/共享的内容，他们就会感到非常放心，因为他们的设备上有一层强大的保护措施，可以防止安全事件的发生。这使他们能够专注于工作，而无需担心潜在的泄露和漏洞在他们不知情的情况下发生。 Traceforce 目前已部署在 10 个组织的 1,000 多台设备上。平均而言，我们每台设备发现超过 15 个 AI 应用，每个应用连接到 5-10 个 MCP。我们帮助客户识别 MCP 配置中暴露的明文密钥，防止 API 密钥通过 AI 生成的代码泄露，并在执行“DROP TABLE”等潜在破坏性命令之前警告开发人员。我们“警告并确认”的方法尤其受到好评，它在让开发人员自由工作的同时，帮助他们避免了代价高昂的错误。 我们正在寻找那些正在快速采用 AI 编码助手、ChatGPT、Claude 和 MCP 的中小型企业（200 名以上员工）的安全、IT 和 AI 平台团队进行合作。如果您正在努力了解人们使用哪些 AI 工具来提高生产力，或者需要一种实用的方法来降低与 AI 相关的安全风险而不减慢工作速度，我们很乐意与您交流。 您可以通过免费试用 <a href="https://www.traceforce.ai" rel="nofollow">https://www.traceforce.ai</a> 开始使用，或直接联系我们安排演示并讨论您的环境。

在弗雷德里克·波尔的海奇系列小说中，一个关键的情节元素是将人类的个性上传到人工智能模型中。 我们是否已经达到了那个阶段？需要什么样的训练数据才能使一个大型语言模型（LLM）的反应与人类大致相同？而且是与某个特定的人类相似，足以通过类似“爸爸是谁”的图灵测试。 这其中存在潜在的产品，从为悲痛的亲属提供一个纪念性人格，到重现已故名人的个性。 是的，这在道德上是相当模糊的。但如果其中有利可图（无论你是否同意），那么这件事就会被实现。

我将现代 Linux 移植到了一款十年前的 HTC QWERTY 手机上，作为一款手持终端。<p>我在这里写了相关内容：<a href="https:&#x2F;&#x2F;tmzt.github.io&#x2F;blog&#x2F;a-modern-port-of-linux-to-a-ten-year-old-qwerty-phone&#x2F;" rel="nofollow">https:&#x2F;&#x2F;tmzt.github.io&#x2F;blog&#x2F;a-modern-port-of-linux-to-a-ten-...</a><p>你可以在这里看到代码： <a href="https:&#x

各位 HN 的朋友们！我们是 Giacomo 和 Roberto，Ratel (<a href="https://github.com/ratel-ai/ratel" rel="nofollow">https://github.com/ratel-ai/ratel</a>) 的作者。 我们曾帮助 SaaS 公司在他们的产品之上构建智能体。每当我们想通过添加越来越多的工具和指令来扩展智能体的复杂性/范围时，我们总是遇到同一个问题：上下文膨胀，导致频繁的幻觉和高昂的 token 费用。因此，我们开始不断地对智能体进行工程化改造，动态加载工具，将它们拆分成子智能体，并发明我们自己的方式来支持技能。 这正是我们开始构建 Ratel 的原因：一个库，可以让你的智能体保留其完整的工具和技能目录，但会逐步只披露对每一轮实际重要的少数工具和技能。现在，你可以在不破坏智能体或为此花费巨款的情况下，扩展其能力。 人们已经在生产环境中使用它了，一位用户在第一个月就将 token 成本降低了高达 81%，同时没有牺牲准确性。 我们支持关键词和语义检索，所有操作都在进程内完成，无需任何额外基础设施。它是开源的，框架无关，暴露 OpenTelemetry 指标，并支持 Typescript 和 Python。 基准测试：<a href="https://benchmark.ratel.sh" rel="nofollow">https://benchmark.ratel.sh</a> 我们用它做的一些很棒的事情： * 一个团队的智能体动态加载了多达 300 多个工具到上下文中。Ratel 在第一个月就将其 token 成本降低了 81%。 * 另一个团队将其拆分成几个子智能体，每个任务一个智能体。这起初有效，直到智能体群变得缓慢且昂贵。我们用我们的技能解决了这个问题。 我们今天全天都在这里。请尽管提出你们的意见，尤其是如果你是 AI 或软件工程师，并且在生产环境中运行智能体。

图形界面的磁盘分析工具非常适合用来找出占用笔记本/台式机硬盘空间的元凶。 在容器或远程服务器上，选项仅限于纯文本工具（例如 `du`）或以列表为中心的文本用户界面（TUI）（例如 `ncdu`），而这些工具通常一次只能查看一个目录。 我创建了 *leaves* 来填补这一空白。 它受到 WinDirStat 和 KDirStat 等经典工具的启发，使用二维树状图¹ 可视化来展示整个目录层级结构，并用比例大小的矩形表示。 得益于 Rust 和多线程，它的性能足以处理数百万个文件。然而，与像素相比，块字符不太适合解析大量项目。Leaves 可以显示每个目录的文件类型摘要，或者按顶级目录进行扩展名分区，让您不仅能看到空间在哪里被使用，还能看到是如何被使用的。 例如，我可以发现我的主目录中最大的部分被 Python 的 uv 缓存和一些旧的 Linux ISO 镜像占用了，这些镜像如果需要的话可以轻松重新下载。或者在一个特定的容器中，标准 Rust 文档和教程占用了超过 600MB 的空间，并且它是唯一包含 HTML/JS 文件的位置，而实际上只需要库和构建工具（提醒自己：下次记得使用 *minimal* profile）。 ¹: https://github.com/shundhammer/qdirstat/blob/master/doc/Treemap.md

将您脑中的一切倾泻而出，待准备就绪时加以塑造，并在关键时刻寻获。Dotflowy 是一款平静、快速的纲要工具，能跟上您的思维节奏。它借鉴了 Workflowy 的精髓，同时拥有 Obsidian 的插件扩展能力和 Linear 的美观设计。兼容 MCP。<p>邀请码：“jesus-saves”