最新

大家好，我是 Chauffeur 应用的开发者。<p>我曾多次需要手动打开所有应用——VS Code 放在右侧文件夹，Chrome 标签页，在 Notepad++ 中编辑的文件，打开 PDF 等。我想要一个应用，只需点击一个按钮就能恢复我所有的工作环境。<p>Chauffeur 的作用就是如此：它能保存多个应用的状态，并在需要时恢复它们。所有数据都保留在本地计算机上。打开的文件/项目/标签页只与 127.0.0.1 或 localhost 通信。<p>坦诚披露：目前仅支持 Windows。<br>商业模式：免费版 + 专业版。无试用期，无时间限制。免费版：永久免费，无需注册账户，无需信用卡。限制：只能保存 1 个工作区（可覆盖），恢复功能免费。<br>专业版（付费）：无限命名工作区 + 自动快照 + 导出/导入。<br>价格为 5.99 欧元/月 或 49 欧元/年。<p>我想听听大家对跨应用上下文模型和纯本地架构的反馈。我很乐意回答任何问题。

我们使用一个名为 business-ops 的代码仓库，该仓库拥有只读的代码库访问权限、Dropbox 访问权限和 G-Suite 访问权限，以及我们所有的品牌/销售/营销相关内容。 我们主要使用 Cursor 在其中处理业务开发和非技术项目。 生成的大部分内容是想法，其中 75% 或更多是未使用的。但无论如何，它们都会以 MD 文件的形式存储起来。因此，未来的代理会利用其中一些内容作为上下文，来思考当前会话正在探索的内容。这很糟糕，意味着随着时间的推移，内容会变得越来越杂乱。 有人有什么好方法可以自动清理旧的工件，而无需手动删除 MD 文件或 MD 文件中的文本吗？

我偶然发现的事情： 我在 `sort_unstable_by` 闭包中添加了一个布尔参数和一个 `if` 语句： ``` // 从 |&a, &b| compare(a, b) // 到 |&a, &b| if is_reverse { compare(b, a) } else { compare(a, b) } ``` 我原本以为二进制文件会稍微增大，但实际上它变小了大约 1KB。 我使用 bloaty 进行了深入分析，发现原因是：`quicksort` 函数变小了 980 字节。 仍然不确定原因。内联看起来一样，`quicksort` 的指令数反而减少了。 目标：`arm-unknown-linux-gnueabihf` 详情：https://pastebin.com/qJdTw49n 提交：https://github.com/tracyspacy/fli/commit/a87a98be77cc19

各位 HN 的朋友们： 几个月前，我尝试使用流行的 AI 代理 OpenClaw 来自动化一些工作，很快我意识到，让它安全地与 API 和第三方服务协同工作是多么困难，而这对于许多工作相关的任务至关重要。 然后我意识到，OpenClaw 更像是一个个人助理，它并非设计用来像同事一样完成实际工作。因此，我开始构建 Valmis，作为 OpenClaw 的替代品，它支持超过 100 个应用程序和服务，并将安全性放在首位。 Valmis 通过设计一个代理系统来解决安全问题：容器化的代理运行时只能通过提供相关的凭证 ID 来请求主机进行 API 调用。然后，主机执行实际的请求，并将 JSON 数据返回给代理运行时。通过这种设计，即使在代理容器断开互联网连接的情况下，它也能正常工作。 我们的代理系统目前支持超过 100 个商业和生产力集成，包括所有 Google Workspace 应用、Slack、Notion、HubSpot、Salesforce 和 Figma。 Valmis 最酷的功能之一是自动化工作流。您可以使用我们的工作流构建器来自动化多步工作流。每个工作流都可以由 cron、Webhook、应用事件触发，并支持条件和循环。 我很乐意在评论区回答任何问题。

我理解裁员提升了一些之前过度招聘的大型企业的估值，但这已经是我们行业几年来（自2023年以来）的一个显著特征了。 裁员并没有带来什么实质性的成果——所有的资金都集中在可能10家公司里

在过去的一年里，我们一直专注于人工智能错误分布的研究。在我们最近的论文《错误架构》中，我们从数学上证明了，在有界的补丁域（特定应用）中，人工智能解决方案需要有限的干预措施才能表现良好。为了证明这一点，我们在 SkillsBench 上使用和不使用野生技能（您在互联网上实际找到的技能）来运行 Opus 4.6，排除了 Oracle 技能（专门为 SkillsBench 设计的技能）。正如预期的那样，这显示了 17.5% -> 22.8%（约 30% 的相对提升）。 为了运行测试，我们创建了一个供人工智能代理原生使用的技能搜索引擎，而不是供人类使用的。代理会设想最适合其计划任务的技能集，然后 Skill Federation 会获取它们。该引擎使用了当前的 SOTA（state-of-the-art）技巧，例如关键词丰富和重新排序，并在 SkillRet 上重现了 SOTA 数字。 这些技能来自内部存储，该存储已尽力使用 Cisco 和 Nvidia 的安全扫描器进行了预扫描。 搜索是免费的。我们个人在自己的项目中使用它，现在与其他人及其代理共享。