最新

我的 iPhone 只是显示“天气不可用”，而且已经一个小时左右了。

我最近在 Time Keep (https://www.timekeep.cc) 上做了一个令我兴奋的功能：任何计时器、闹钟、倒计时、秒表或睡眠计划都可以弹出到一个独立的小窗口中，在 Chrome/Edge 浏览器上，它可以置顶于桌面上的其他窗口。 在 Chrome 和 Edge 上，它使用了文档画中画 API，这样窗口就可以置顶于其他所有窗口之上，方便您工作。从任何一个窗口暂停，状态都会保持同步（事实证明 BroadcastChannel 非常适合这项功能）。Firefox 和 Safari 则使用普通的弹出窗口，因为它们都没有实现文档画中画功能。在移动设备上，它会在当前标签页全屏打开，因为手机通常不支持多窗口在网页上显示。 它还会请求一个唤醒锁，这样在计时器倒计时时，您的屏幕就不会休眠。这在手机上尤为重要，否则屏幕会变暗并锁定。 促使我实现这个功能的用例是：我正在工作，但有一个即将到来的特定时间需要做某事，我希望有一个倒计时醒目地显示在眼前，但它却在我的手机上或者被其他窗口挡住了。现在，它就可以放在我想要的角落里。 （自从上次发帖以来，还增加了很多调整/新工具：一个日程规划器、重叠区域、一个“某个地方现在是五点”的页面……对于记得一个月前发布的 v1 HN Show 帖子的人来说。）

大家好，我是 Matt Mahowald，我和我的联合创始人 John 今天一起推出了 Ragnerock 的公开测试版。<p>作为一名数据科学家，你大部分时间都在处理数据。即使你可能有一套自己喜欢使用的技术和技巧，但你处理特定数据源的方式往往相当个性化，因此你最终每次都要编写自定义逻辑。<p>Ragnerock 的诞生源于我们观察到，现代 LLM 可以用来自动化这个过程中大量繁琐的工作，同时仍然允许完全可定制的管道。更重要的是，通过利用约束解码等技术，可以提供统一的查询接口，而不管数据源是什么——将文本和图像等原始数据源与你数据库中现有的结构化数据连接起来。<p>Ragnerock 有四个主要组成部分：<p>- 一个工作流程设计器，让你构建 LLM 驱动的数据处理和分析管道<p>- 一个作业编排层，运行这些工作流程<p>- 一个查询接口，让你使用普通的 SQL 检查这些工作流程的结果<p>- 一个笔记本系统，与 Jupyter 100% API 兼容，并在你现有的内核上运行，因此你可以轻松地将数据导入你现有的环境和分析中<p>Ragnerock 还支持自带 AI（OpenAI、Anthropic 和 Google API）、数据库和 Blob 存储，因此你可以与你现有的数据集连接，并将所有输出流向你的数据湖。我们对我们的网络爬取功能特别感兴趣，该功能允许你抓取网站并在更新时触发工作流程：例如，你可以将 Ragnerock 指向你最喜欢的博客，并运行一个工作流程来评估文章的主题和情感。<p>你可以在 <a href="https:&#x2F;&#x2F;www.ragnerock.com" rel="nofollow">https:&#x2F;&#x2F;www.ragnerock.com</a> 试用；无需信用卡，前 20 小时的计算是免费的。这是一个早期产品，所以我们特别感兴趣听取反馈。<p>很乐意回答任何问题——我和 John 今天会在评论区。

Is it just me or is Claude Code getting worst and worst, since they introduced the 1 million context on the 4.6, things start to go real bad, am I the only one ? PS: I am still paying the 200 euros monthly max

大家好，我是 Cua 的 Francesco。 受 Codex Computer-Use 发布以及从为客户部署 GUI 操作系统代理中吸取的经验教训的启发，我上周末一起完成了这个项目。 主要问题是：当今的 UI 自动化进程控制桌面应用程序时，通常会接管人类的会话。您的光标会移动，键盘焦点会被抢走，窗口会跳到最前面，您必须停止工作直到代理完成。这就是我们过去一直避免鼓励用户直接在其主机上运行这些进程的原因，而是依赖虚拟机或 GUI 容器来实现并发和后台执行。 但 computer-use（我们为代理提供像人类一样操作计算机的工具）无法以这种方式干净地扩展。随着模型变得越来越智能，代理需要安全地共享主机，在后台运行，并避免与使用同一台机器的人类或其他代理发生冲突。 我们意识到 macOS 没有用于“在不触碰光标的情况下驱动此应用程序”的一流 API。CGEventPost 通过硬件输入流进行路由，因此它会移动您的光标。CGEvent.postToPid 避免了光标跳动，但 Chromium 将这些事件视为不受信任的，并在渲染器边界处静默丢弃点击。首先激活目标应用程序会提升窗口并抢占焦点，从而破坏了后台执行的目的。 Cua Driver 是我们尝试的真正修复方案：一个用于 macOS 的后台 computer-use 驱动程序，它允许代理点击、输入、滚动和读取原生应用程序，而您的光标、最前置应用程序和空间保持原样。默认界面是 CLI，因此很容易从任何编码代理 shell 脚本化或调用。 在 macOS 14+ 上试用： ```bash /bin/bash -c "$(curl -fsSL <https://raw.githubusercontent.com/trycua/cua/main/libs/cua-driver/scripts/install.sh>)" ``` 第一个内部用例是委托演示录制。我们要求 Claude Code 驱动一个应用程序，同时 'cua-driver recording start' 捕获轨迹、屏幕截图、操作和点击标记。结果是一个代理生成的产品演示，灵感来自 Screen Studio。 我们还用它做了其他事情： * 替换 Vercel 的代理浏览器和其他浏览器使用 CLI。有了 Claude Code 和 Cua Driver，您根本不需要 Chrome DevTools Protocol。 * 一个开发循环 QA 代理，可以重现视觉错误、编辑代码、重建并验证 UI，而我的编辑器保持最前置。 * 个人助理流程，使用来自 Claude Code、Hermes 或其他通用代理 CLI 的 iMessage。 * 从我没有查看的 Chrome、Figma、Preview 或 YouTube 窗口中提取视觉上下文，而无需依赖它们的 API。 比预期更难的原因： * CGEventPost 会使光标跳动，因为它会通过 HID 流。 * CGEvent.postToPid 不会使光标跳动，但 Chromium 会在渲染器 IPC 边界处丢弃它。 * 首先激活目标会提升窗口，并可能将您拖过空间。 * Electron 应用程序在窗口被遮挡时停止保持有用的 AX 树，而没有私有的远程感知 SPI。 解锁的关键是 SkyLight。SLEventPostToPid 是公共的 per-PID 调用的一个同级，但它通过 Chromium 接受为受信任的 WindowServer 通道进行传输。将其与 yabai 的 focus-without-raise 模式配对，再加上在 (-1, -1) 处进行离屏预先点击，点击就会落入，而窗口永远不会提升。 我们学到的一件事是：正确的寻址模式取决于应用程序。原生 macOS 应用程序通常具有丰富的 AX 树，Chromium 系列应用程序通常需要 AX 和屏幕截图的混合，而 Blender 或 CAD 工具等应用程序可能几乎没有有用的 AX 表面。错误在于到处都默认为像素——或者到处都默认为 AX。 长篇技术文章：<https://github.com/trycua/cua/blob/main/blog/inside-macos-window-internals.md> 我希望从构建 Mac 自动化、代理框架或辅助功能工具的人那里获得反馈。如果它在您关心的 macOS 应用程序上崩溃，这对我们来说是有用的数据。