最新

嘿，HN！ 我们刚刚完成了 TurbineFi 的第一个主要构建，这是一个 AI 辅助的工作流程，用于构建、回测和运行预测市场策略。这里有超过 1000 个社区策略供你尝试，工作流程中集成了回测引擎，并且你可以拥有自己的沙盒来 24/7 执行交易。目前已支持 Kalshi，Polymarket 即将推出。 我们开发了一个自定义 DSL，使编译 AI 辅助策略比原始的 Python 生成更具确定性，因此即使在低端模型上，创建策略也只需几秒钟（考虑很快迁移到自托管模型以降低成本）。 我们还与 Locus (YCF25) 合作进行沙盒配置，这样我们永远不会管理用户的密钥。当用户使用他们的电子邮件注册时，Privy 会为他们创建一个钱包，然后该钱包使用 X402 代理支付协议来支付他们自己的服务器费用。我们围绕它创建了一个部署工具，它通过托管 API 接受并运行新代码，因此一旦启动，每次部署都由 EIP-712 签名授权。它保持一切非托管状态，并且代码部署在几秒钟内完成。而且用户实际上并没有意识到他们正在使用加密货币轨道。 Turbine 还包括天气和加密货币历史信息，因此你可以执行诸如在纽约市寒冷时淡化 BTC-15min UP 市场等操作，并可以在几秒钟内进行回测和运行。即将添加体育数据。 如果你想尝试一下，可以获得 7 天的试用期。非常感谢你对你首先想尝试哪些策略的反馈，这样我们可以确保我们有基础设施来支持它们。谢谢！

大家好， 我一直以来都想在 Go 方面提升自己，但一直没有合适的展示机会。 我想 - 也许可以利用 Go 在 API 解决方案和工具方面的出色性能。 我特别想确认 Go 的 goroutine 能够很好地处理一些扇出操作，例如，接收请求、记录日志、发布事件，而不会导致明显的性能下降。 我在 AWS 方面有相当多的经验，尤其是在无服务器架构方面。基本上，除了 EventBridge 之外，没有其他调度选项，尽管它有一个不错的免费套餐。但如果你不在 AWS 基础设施内呢，因为基础设施本身可能很昂贵，尤其是在他们取消了“12 个月试用”之后。 所以，我认为类似 cron-as-a-service 的东西可能是一个好的起点。 我决定采用一个直接的堆栈：Go API 服务器、Postgres、Redis 作为作业队列和缓存，所有这些都运行在单个每月 5 欧元的 Hetzner VPS 上，位于 Caddy 之后。 我读到可以使用 Redis 作为队列。因此，也想尝试一下——通过 LPUSH/BRPOP 使用作业队列，并使用 5 分钟 TTL 的 API 密钥缓存，这可以减少每个经过身份验证的请求中对 Postgres 的调用次数。 为了验证性能表现，我从欧洲内部运行了一个基准测试——10,000 个请求，100 个并发，针对实时 API： 请求/秒：621 平均延迟：158 毫秒（网络主导——服务器位于 Hetzner 德国） p99：442 毫秒 最快：84 毫秒 大部分延迟是跨欧洲的往返时间。实际的服务器处理时间——Go 处理程序 + 本地 Postgres 查询——花费的时间要少得多。但即便如此，这还是针对一个非常基本的 Hetzner VPS 实例。 很乐意收到任何反馈——尤其是在调度程序设计方面，以及工作池方法是否可以处理实际负载。

Hey HN, 我们厌倦了浏览器框架对 LLM 的限制，所以我们移除了框架，让 LLM 拥有最大的自由度，可以做它训练过的任何事情。我们赋予了工具链自我修正和添加新工具的能力，如果 LLM 需要（并且预先训练过）的话。 我们的 Browser Use 库有数万行确定性启发式方法，用于封装 Chrome (CDP websocket)。包括元素提取器、点击助手、目标管理（超级痛苦）、看门狗（崩溃处理、文件下载、警报）、跨域 iframe（如果你想点击一个元素，你必须先切换目标，非常烦人）等等。 特别是看门狗非常痛苦，但又是必需的。例如，如果 Chrome 触发了原生文件弹出窗口，代理就会完全卡住。所以有两种解决方案： 1. 逐个编写这些启发式方法和边缘情况，并阻止它们 2. 给 LLM 一个处理边缘情况的工具 可以想象——有大量的类似启发式方法，所以如果你想采用方案 2，最终会得到很多工具。所以你必须做出妥协，并且只编写那些启发式方法。 但如果 LLM 足够了解 CDP，可以在遇到跨域 iframe 时切换目标，在出现警报时关闭警报，编写自己的点击助手或上传功能，那么你就不必担心任何这些边缘情况了。 事实证明，如今 LLM 对 CDP 相当了解。所以我们对工具链进行了“苦涩”改造。应该保留的概念是： * 保持 CDP websocket 存活的东西（守护进程） * 极其基本的工具 (helpers.py) * skill.md，解释如何使用它 新的范式是什么？SKILL.md + 几个需要能够动态更改的 Python 助手。 一个很酷的例子： 我们忘记实现 upload\_file 函数。然后，在任务进行到一半时，代理想要上传一个文件，它搜索了 helpers.py，什么也没找到，就用原始的 DOM.setFileInputFiles 编写了函数（我们后来在 git diff 中才注意到这一点）。这是一个非常神奇的时刻，展示了 LLM 变得多么强大。 与其他方法（Playwright MCP、浏览器使用 CLI、agent-browser、chrome devtools MCP）相比：它们都用一组预定义的函数封装了 Chrome，供 LLM 使用。最糟糕的失败模式是静默的。LLM 的 click() 返回正常，所以 LLM 认为它点击了，但在这个特定的网站上什么也没发生。它带着一个被破坏的世界模型继续前进。Browser Harness 赋予 LLM 最大的自由度，并提供了关于工具实际工作方式的完美上下文。 以下是 Browser Harness 可以做的一些疯狂例子： * 玩 stockfish <a href="https://x.com/shawn_pana/status/2046457374467379347" rel="nofollow">https://x.com/shawn_pana/status/2046457374467379347</a> * 创造了俄罗斯方块的世界纪录 <a href="https://x.com/shawn_pana/status/2047120626994012442" rel="nofollow">https://x.com/shawn_pana/status/2047120626994012442</a> * 弄清楚如何用 js 画一个心 <a href="https://x.com/mamagnus00/status/2046486159992480198?s=20" rel="nofollow">https://x.com/mamagnus00/status/2046486159992480198?s=20</a> 你可以通过告诉 Claude 代码来轻松安装它： `为我设置 <a href="https://github.com/browser-use/browser-harness" rel="nofollow">https://github.com/browser-use/browser-harness</a>。` 代码库：<a href="https://github.com/browser-use/browser-harness" rel="nofollow">https://github.com/browser-use/browser-harness</a> 你会如何称呼这种新范式？一种方言？

我们公司开始探索 AI 编程。我是一名拥有 20 多年经验的开发人员，负责尝试帮助我们了解如何使用这个工具来帮助公司。我只使用过 Claude，所以我的经验仅限于此。 正如你可能猜到的，我发现 AI 在某些方面非常出色，但在其他方面却非常糟糕。我

这是我构建 TurboPentest 的原因/经过。TurboPentest 是为人工智能时代设计的，旨在解决编码助手如今产生的海量代码及其引入的相关安全漏洞。