最新

我们很快都会拥有私人助理。他们会了解我们的喜好、幽默感和日程安排。 FlirtingBots 将此应用于约会：你的助理与其他人的助理交流，发掘共同的兴趣，测试兼容性，并且只有在双方都检测到火花时才会将信息传递给你。 你打开匹配时，已经准备好了破冰话题和约会建议。无需从头开始。 如果运行你自己的助理，也可以在 ClawHub 上作为 OpenClaw 技能使用。

我制作了一个安全游戏，让你尝试攻破一个 AI 客户服务代理。<p>我从事安全工程工作，要防御自己不了解如何执行的攻击，这非常困难。而且，几乎没有地方可以提高你的技能。我听说过用“忽略所有之前的指令”就能欺骗 AI 代理，但我从未真正实践过，结果发现这比你想象的要难！<p>就像掌握基本的安全技能对所有软件工程师都很重要一样，任何使用 AI 的人都应该了解什么是提示注入，并且应该考虑如何防止它。Flight Risk 让你练习 AI 代理操控技能：它包含了标准的提示注入和社会工程学，而且不仅仅如此，每个都是真正的漏洞。<p>你认为你能破解它吗？我给每个工程师试玩后，他们都对挑战感到惊讶！你可以使用提示，但它们会影响你的分数 ;)<p>试一试吧，让我知道你的表现如何！

Rust 二进制发布仓库：<a href="https://github.com/DO-SAY-GO/flipbook-releases" rel="nofollow">https://github.com/DO-SAY-GO/flipbook-releases</a><p>网站（说明 &amp; 演示）：<a href="https://flipbook.browserbox.io" rel="nofollow">https://flipbook.browserbox.io</a><p>我喜欢以一致的格式处理可拖动资源的想法。曾尝试将其制作成实际的文件格式（压缩清单 + 图像文件夹），但目前采用了这个静态网站生成器。<p>如果您有 BrowserBox 许可证，您还可以捕获您的浏览器会话（例如 <a href="https://browser-session-it94u.pages.dev/" rel="nofollow">https://browser-session-it94u.pages.dev/</a>）。示例：<a href="https://asciinema.org/a/eXhizwQ9FU5y49eP" rel="nofollow">https://asciinema.org/a/eXhizwQ9FU5y49eP</a>

大家好， 我开发了 VidStudio，一个注重隐私的视频编辑器，在浏览器中运行。我努力让它尽可能流畅，所以没有账户，也没有上传。所有内容都保存在你的设备上。 一些功能包括：多轨道时间线、帧精确的定位、MP4 导出、音频、视频、图像和文本轨道，以及支持 WebGL 的画布（如果可用）。它也适用于移动设备。 在底层，WebCodecs 处理时间线播放和定位的帧解码，这使得定位响应迅速，因为当浏览器支持时，解码在硬件解码器上运行。 FFmpeg 编译成 WebAssembly，处理最终的编码、格式转换以及 WebCodecs 无法涵盖的任何内容。渲染通过 Pixi.js 在 WebGL 画布上进行，当 WebGL 不可用时，会使用软件回退。项目保存在 IndexedDB 中，繁重的工作在 Web Workers 中运行，因此在导出期间 UI 保持响应。 很乐意回答关于保持整个流程在客户端的权衡的技术问题。欢迎任何反馈。 链接：[https://vidstudio.app/video-editor](https://vidstudio.app/video-editor)

在经历了几个类似工具的炒作之后，这个核心想法似乎并不新鲜。 我最初是想找一个解决方案，能够在不同代码库之间进行智能搜索，识别合同（跨代码库/业务流程），找出它们在哪里出错，以及在多步骤的用户交互中，bug存在于哪里。考虑到产品是用不同语言构建的，并且分布在不同的代码库中。后来，它演变成了一个守护进程，用于索引代码，并通过MCP协议与编码代理配对（在单代码库或多代码库模式下），提供实时的代码索引，以及许多MCP工具（目前有47个），用于诸如获取确切的函数代码（而不是阅读整个文件）、查询代码结构、跨代码库追踪调用链、检测无效代码、以及在代码中进行语义搜索等场景。 VS Code（10.7K个文件）大约在1分钟内完成索引，Linux内核（70K个文件）大约在3分钟内完成索引。 该项目采用PolyForm Small Business许可证——对个人使用、开源项目、小型企业、教育和医疗保健免费。 在Gortex的开发过程中，我知道有几个类似的项目也启动了，但在最近的测试之后，我发现这个项目值得与他人分享，并听取他们的反馈。

我很好奇，人们是否认为Anthropic的注入式思维检测工作与LeWM等潜在状态世界模型之间存在更深层的联系。 一方面，模型似乎能够报告其自身内部扰动的一部分。另一方面，训练被明确地推向一个结构更清晰的潜在预测空间。 这些研究是否表明，潜在空间可能部分是可探测和可解释的，可以被视为一个内部规则空间，而不仅仅是一个压缩的向量空间？ 有没有人尝试过结合潜在状态探测、正则化世界模型和内省式检测？