最新

我编写了一个轻量级的脚本语言，可以与 C 语言协同运行。具体来说，它是一个 C 库，你可以通过 C 函数调用来运行它，并且它能够回调你自己的 C 函数。编译后的体积约为 250 kB。除了 C 标准库之外，没有任何依赖项。 关键语言特性： * 使用别名而非指针，因此内存安全 * 数组是 N 维且可调整大小的 * 运行脚本或其自己的“shell” * 错误捕获 * 方法、继承等 * 可自定义语法

我有一个业余项目，已经做了好一阵子了，我对工程方面很满意，但我特别不擅长市场营销。我发过几个 Reddit 评论，也给会用到我项目的朋友们展示过，但怎样才能最好地推广它呢？

我正在构建一个工具，试图取代单人创业者常用的技术栈： 客户关系管理（CRM）、邮件+跟进、预约、着陆页、社交媒体排程、轻量自动化。 其中一部分已经存在，并且我每天都在使用（CRM + 社交媒体 + 简单的冷邮件）。这并非纯粹的概念。 我认为这可能失败的原因： 说“取代你的技术栈”会立刻扼杀信任。 对于大多数人来说，切换成本高于挫败感。 用户会根据最弱的替代品来评判整个产品。 邮件尤其难以让人迁移。 受众很广，期望值差异很大。 现有厂商定义了基线，而不是用户抱怨。 我发布这篇文章是为了尽早扼杀坏想法。 你认为其中哪些是致命的？ 我低估了什么？

我是一名专注于数字资产追踪的法务会计师。我向社区发布此信息，因为我发现一个名为 SISVIDA 的平台存在特定的架构模式，值得进行技术审查。 虽然该实体目前正通过金融科技新闻专线积极发布新闻稿，以建立 SEO 上的合法性，但我对其基础设施的分析表明，其用户界面与实际的链上执行之间存在脱节。 以下是我在法务追踪过程中发现的具体异常： 1. “闭环”账本差异 我执行了一系列追踪请求，以映射该平台的流动性路由。在标准交易所架构中，您应该看到与已知流动性提供商的 API 握手，或链上不同的热/冷钱包管理。而 SISVIDA 的架构似乎是一个闭环。仪表板反映了价值变化，但这些变化与公共账本上可见的 TXID 并不相关。后端行为与“模拟”环境一致——一个更新整数的数据库，而不是一个与区块链交互的协议。 2. 监管和实体空指针 该平台声称符合全球合规性。我针对其声称运营的主要注册机构（包括类似于 SEC 和 FCA 的数据库）运行了自动化查询。返回值为空。在其公关材料中描述的公司实体在引用的司法管辖区内并不存在。该“公司”似乎仅作为前端呈现而存在，后端没有相应的法律对象。 3. SEO 注入与技术债务 付费反向链接（“声誉注入”）的数量很高，目标是金融科技关键词，这与他们前端代码的通用性形成了鲜明对比。网站结构似乎是一个低成本的、白标模板，通常与“杀猪盘”工具包相关联，而不是为高频交易构建的专有堆栈。 结论 如果您或您的客户遇到 SISVIDA，请将该基础设施视为已受损/不存在。“交易所”似乎是一个前端外壳，旨在吸纳存款而没有提款途径。

用 Lovable.dev 构建的这个应用，使用了纯粹的 vibe-coding 提示，因为我讨厌购物后手动输入价格。核心流程是：打开应用 → 拍摄收据照片 → AI 提取商品、价格、商店、日期、地点 → 确认（如果需要）→ 保存。几秒钟完成。没有表格，没有麻烦。 目前功能还比较基础，但已经上线： * 上传收据以贡献数据（目标是完全通过 AI 从照片自动填充） * 浏览价格，查看历史记录，比较不同地点，找出更便宜的地方 * 创建购物清单，预估总价 * 设置降价提醒（电子邮件通知） 当前数据（大部分是种子数据 + 一些真实数据）：已追踪 1.0k 个价格，6 位贡献者，66 家商店，发现 36 次省钱机会（例如，乐高套装在当地降价了 1 罗马尼亚列伊）。 免费账户可添加/查看（快速注册），无广告/付费墙。 社区角度：众包真实的已支付价格，这样任何人都可以避免在杂货、电子产品或其他商品上多花钱——尤其是在不同国家或商店之间。 Vibe-coding 让我可以快速迭代：描述“通过 AI 提取的收据照片上传” → Lovable 生成 → 调整提示 → 重复。 仍然存在一些不足之处（例如，上传功能尚未完全实现 AI，由于贡献者较少，感觉内容不够丰富），这就是我发帖的原因。 好奇 Hacker News 社区的想法： * 收据 → AI 的流程听起来是否足够有用，让人有冲动去贡献数据？ * 目前最大的阻力是什么（注册门槛？不允许访客添加？看起来内容空洞？） * “我付了同样的价格！”的快速按钮或奇怪的价格排行榜是否有助于用户留存？ * 对于共享收据照片/数据的隐私方面的看法？ * 或者这根本就不是人们的需求？

大家好， 我开发了一个用于自然语言推理的开源工具（名为 Omni-NLI）。它可以利用不同的模型来检查一段文本（称为前提）是否支持另一段文本（假设）。这种工具的主要应用是用于软事实核查和句子等文本之间的连贯性检查。 目前，Omni-NLI 具有以下功能： ``` - 可以通过 `pip install omni-nli[huggingface]` 安装为 Python 包。 - 可以在您自己的计算机上使用，因此您的数据保持本地和私密。 - 具有 MCP 接口（用于代理）和 REST API，可作为微服务进行常规使用。 - 支持使用来自不同来源的模型（Ollama、OpenRouter 和 HuggingFace）。 - 可用于检查模型是否似乎自相矛盾。 - 支持显示推理过程，以便您可以看到它认为某个主张是错误的理由。 ``` 总而言之，如果您有兴趣了解更多信息，以下链接提供了更多信息： 项目 GitHub 仓库：[https://github.com/CogitatorTech/omni-nli](https://github.com/CogitatorTech/omni-nli) 项目文档：[https://cogitatortech.github.io/omni-nli/](https://cogitatortech.github.io/omni-nli/)