最新

我正在使用 OpenCode SDK 构建一个代理沙盒平台，该平台提供具有特定配置的可定制模板，用于通用代理。 我的想法是提供出色的命令行体验，以便轻松使用 Claude Code 或 Codex 等 AI 客户端来启动沙盒、获取/检索数据和提示、审查生成的输出以及管理用于提问用户问题的队列。 我还计划添加一个 AI 网关层，类似于 Tailscale Aperture（非官方合作，但其中一位工程师在 AI Engineer 的演讲非常棒，可以在 YouTube 上找到），用于监控网络访问、分发密钥以及控制沙盒可以访问的服务/系统。 对于正在构建代理工作流的人们，如果您尝试过其他沙盒解决方案，我很想听听您的反馈。 缺少了什么？最困难的部分是什么？

在过去的几年里，我一直在构建一个开源的形式化方法系统（fizzbee.io）。 今天，我将推出一款基于相同技术的新应用。它通过形式化验证来进行需求工程，以发现潜在的不足之处，并为您的编码代理生成精确的指令。 当收到一个提示时，它会： - 提出高信号的后续问题 - 转换为形式化规范并识别复杂的需求差距 - 生成验证场景 最后，它会生成一份可以与编码代理共享的规范文档。在我对各种项目的试验中，它能在更少的迭代次数内生成可工作的代码。 请尝试一下并分享您的反馈。 https://fizzbee.

我认为标题很明确。<p>我已经厌倦了那些声称“我用这个大型语言模型做了那个”或“看，这个代理在 2 分钟内完成了那个！”的文章。 我想要更以用户为中心的内容，少一些关于 OpenAI/Anthropic 的内容，多一些“人机协作”的文章。<p>还有其他网站推荐吗？ 我认为 lobste.rs 曾是一个很好的 Hacker News 聚合器，但我不知道它现在是否仍然相关……

数据可视化是用户与数据之间的桥梁。 但要构建能够可靠生成可视化的人工智能代理可能非常棘手： * 简单的图表规范可以很可靠，但生成的图表质量通常较低，因为它们依赖于系统默认设置； * 包含详细信息的复杂图表规范可以生成美观的图表，但它们冗长，代理在可靠性方面可能会遇到困难。 我们发现这是语言问题（而不仅仅是人工智能能力问题）的限制——当前的视觉化语言对于人工智能代理来说过于底层，需要它们明确做出本应由优秀编译器处理的视觉决策。Flint 是一种视觉化中间语言，旨在解决这个问题，使人工智能代理能够解决这个“最后一公里”的人机交互问题。它提供了一种简单的基于语义类型的规范，并包含一个布局优化引擎，可以从简单的高层规范生成美观的图表（填充了派生的底层细节）。结果也非常易于人类理解和适应。Flint 为数据生成器（来自微软的另一个开源项目 [https://data-formulator.ai/](https://data-formulator.ai/)）提供动力，用于生成可视化。 Flint 是开源的，我们构建了一个 MCP 服务器，您可以直接将 Flint 插入您喜欢的代理应用程序中来玩转数据。

我想开一个关于 NGINX 用法的帖子。我知道 NGINX 是一个入口/代理/负载均衡器，所以它非常典型地部署在互联网上。考虑到最近出现的 CVE，大家对它的安全性是否感到担忧？尤其是在企业环境中？