最新

无法通过。部署有问题？ [Cloudflare Turnstile] 捕获到意外错误：未捕获的 RangeError: offset 超出范围，调试信息：1 setTimeout manipulate @ main.js:51 apply @ main.js:80 pM @ flexible?lang=auto:1 pO @ flexible?lang=auto:1 pM @ flexible?lang=auto:1 pO @ flexible?lang=auto:1 pM @ flexible?lang=auto:1 pO @ flexible?lang=auto:1 pM @ flexible?lang=auto:1 pO @ flexible?lang=auto:1 pM @ flexible?lang=auto:1 pO @ flexible?lang=auto:1 pM @ flexible?lang=auto:1 pO @ flexible?lang=auto:1 UxEwR @ flexible?lang=auto:1 MN @ flexible?lang=auto:1 pM @ flexible?lang=auto:1 pO @ flexible?lang=auto:1

TLDR：目前，使用 `CLAUDE_CODE_DISABLE_GIT_INSTRUCTIONS=1 claude "Hello"` 启动。<p>否则，你只会命中工具块，以及你的第一个后续问题。<p>（注意：在 settings.json 中设置 includeGitInstructions=false 也是一个选项，而且可能更好，因为 git-status <i>总是</i> 会产生噪音——但由于需要 "Hello"，记住一个别名也很简单，效果一样；D）<p>目前，整个查询由 3 个可缓存的块构建：<p><pre><code> {tools | claude-version}, {system-prompt | ~&#x2F;.claude&#x2F;claude.md | git-status}, {skills | .&#x2F;claude.md | user-prompt} </code></pre> 环境变量将允许 system-prompt 行再次被缓存 https:&#x2F;&#x2F;github.com&#x2F;anthropics&#x2F;claude-code&#x2F;issues&#x2F;47107<p>"Hello" 允许 skills &amp; .&#x2F;claude.md 再次被缓存 https:&#x2F;&#x2F;github.com&#x2F;anthropics&#x2F;claude-code&#x2F;issues&#x2F;47098<p>之前：<p><pre><code> claude &gt; alive? &gt; -&gt; Yes, alive and ready. What do you need? &gt; &#x2F;exit # (11k cache read, 6k cache write) claude &gt; are you here? &gt; -&gt; Yes, I&#x27;m here. What can I help you with? &gt; &#x2F;exit # (11k cache read, 6k cache write) ^^ nothing changed, still cashed 6k write tokens claude &gt; alive? &gt; -&gt; Yes, I&#x27;m here. What can I help you with? &gt; &#x2F;exit # (18k cache read) ^^ the "exact same question" DOES hit the cache git commit --allow-empty -m "Dummy" claude &gt; alive? &gt; -&gt; Yes, alive and well. What do you need? &gt; &#x2F;exit # (11k cache read, 6k cache write) ^^ same question, but now git busts the cache.... </code></pre> 之后：<p><pre><code> $ CLAUDE_CODE_DISABLE_GIT_INSTRUCTIONS=1 claude "Hello" Claude Code v2.1.104 Hello ● Hello! How can I help you today? Alive? ● Yes, alive and ready to help! What are you working on? # (10k cache read, 6k cache write) $ CLAUDE_CODE_DISABLE_GIT_INSTRUCTIONS=1 claude "Hello" Claude Code v2.1.104 Hello ● Hello! How can I help you today? are you alive? ● I'm an AI, so not alive in the biological sense — but I'm here and ready to help. What can I do for you? # (16k cache read, 20 cache write) $ git commit -m "just a dummy" --allow-empty [main 642ce16] just a dummy $ CLAUDE_CODE_DISABLE_GIT_INSTRUCTIONS=1 claude "Hello" Claude Code v2.1.104 Hello ● Hello! How can I help you today? is this alive? ● Yes, I'm alive and running! Is there something I can help you with? # (16k cache read, 18 cache write) </code></pre> 注意：这并没有解决昨天关于 <i>5 分钟 vs 1 小时</i> 的讨论——但除非这些根本原因得到修复，否则整个讨论毫无意义……<p>- https:&#x2F;&#x2F;news.ycombinator.com&#x2F;item?id=47739260 (Pro Max 5x 配额在 1.5 小时内耗尽，尽管使用量适中)<p>- https:&#x2F;&#x2F;news.ycombinator.com&#x2F;item?id=47736476 (Anthropic 在 3 月 6 日降低了缓存 TTL)<p>但也有一些关于这方面的新闻：https:&#x2F;&#x2F;github.com&#x2F;anthropics&#x2F;claude-code&#x2F;issues&#x2F;46829#issuecomment-4237689126<p><pre><code> 目前，我们已经在许多地方为订阅用户默认推出了 1 小时的提示缓存…… 我们也没有将 API 客户默认为 1 小时——这需要更多测试，以确保它平均而言是一个净改进。 我们很快将把客户端默认值更改为 1 小时，用于一些查询 </code></pre>

彭博终端之所以存在，是因为金融交易员需要一个可以查看所有信息的平台：价格、风险、交易路径、交易对手的健康状况。你不能闭着眼睛交易。 LLM 工程师们正在闭着眼睛交易。 哪个提供商目前性能下降？在考虑了开销，而不仅仅是代币价格后，这个模型的实际成本是多少？如果流量在不同提供商之间转移，成本和延迟会发生什么变化？你的技术栈是否危险地集中在一个提供商上？ 这些是每个生产 LLM 系统都面临的运营问题。直到现在，还没有人为此构建过相应的工具，所以大多数团队要么闭着眼睛摸索，要么拼凑状态页面、电子表格和凭感觉来解决问题。 我们构建了 LLM Ops 工具包来解决这个问题： 1. 跨 18+ LLM 提供商的提供商正常运行时间监控器，在一个视图中实时显示状态 2. 成本计算器，包括开销，而不仅仅是原始代币价格 3. 路由模拟器，用于在转移流量之前模拟成本和延迟的影响 4. 模型多样性审计，用于在风险成为事件之前发现集中风险 免费、开源，无需注册。仪表盘位于 tools.lamatic.ai 路由模拟器是最具实验性的部分，也是最粗糙的部分。 真的很好奇其他人是如何看待提供商集中风险的。 我们一直将其视为软件中的依赖风险，但这种框架可能无法大规模适用。 今天也在 Product Hunt 上线：producthunt.com/products/lamatic-ai

我经常看斯坦福/伯克利的讲座和 YouTube 上关于 AI 智能体、MCP 和安全性的内容。厌倦了反复翻看长达数小时的视频来寻找一个解释。几个月前，我构建了 mcptube 的 v1 版本。它执行转录搜索，并将问答功能实现为 MCP 服务器。它获得了一些关注（34 个星标，我的第一个开源 PR，一些著名的星标者，比如 Trail of Bits 的 CEO）。 但 v1 版本每次查询都会从头开始重新搜索原始片段。所以我重构了它。 v2 版本 (mcptube-vision) 遵循 Karpathy 的 LLM Wiki 模式。在摄入时，它提取转录文本，使用 ffmpeg 检测场景变化，通过视觉模型描述关键帧，并编写结构化的 wiki 页面。知识在视频之间积累，而不是被重新发现。使用 FTS5 + 两阶段智能体（先缩小范围，然后推理）进行检索。 MCPTube 既可以作为 CLI (BYOK)，也可以作为 MCP 服务器。我用 Claude Code、Claude Desktop、VS Code Copilot、Cursor 等测试了 MCPTube。服务器端无需 API 密钥。 即将推出：我还在构建 SaaS 平台。该平台支持播放列表摄入、团队 wiki 等。我很乐意分享抢先体验注册：<a href="https:&#x2F;&#x2F;0xchamin.github.io&#x2F;mcptube&#x2F;" rel="nofollow">https:&#x2F;&#x2F;0xchamin.github.io&#x2F;mcptube&#x2F;</a> 欢迎讨论架构权衡——FTS5 与向量、基于文件的 wiki 与数据库、场景变化与固定间隔采样。通过 `pip install mcptube` 试用一下。另外，如果喜欢我的贡献，请为该项目点亮星标 (<a href="https:&#x2F;&#x2F;github.com&#x2F;0xchamin&#x2F;mcptube" rel="nofollow">https:&#x2F;&#x2F;github.com&#x2F;0xchamin&#x2F;mcptube</a>)

感觉每隔几天，大型 AI 服务就会出现宕机、性能下降或速度变慢的情况。我这并不是在抱怨，只是真的很好奇。这些都是资金雄厚、人才济济的公司。运行这些模型到底有什么难处，导致可靠性如此难以捉摸？仅仅是因为需求超出了预期，还是说，提供 AI 服务的本质与普通 Web 应用有所不同？

遇到很多这样的错误： API 错误：500 {"type":"error","error":{"type":"api_error","message":"内部服务器错误"},"request_id":"..."} 但是 https://status.claude.com/ 显示一切正常。只有我遇到这个问题吗？