最新

作为愚人节项目，我做了这个东西。<p>我（讽刺的是，取决于你的喜好）使用了一个 AI 裁判来给 2010 年以来每一篇顶级的 HN 帖子及其顶级评论打分（超过 30 万个独立判断！），并创建了一个带有历史图表的漂亮界面。<p>评分基于帖子和顶级评论表现出的 AI 悲观情绪的程度。你可以使用该分数来只显示（在“末日模式”）或隐藏（在“平静模式”）所有末日言论。<p>这既是玩笑，也部分是为了解答我自己的好奇心，即我感觉评论和帖子在过去一年里对 AI 变得越来越过分消极，并且只关注 AI 带来的最坏结果，这种感觉是否真实。<p>趋势非常明显。我的直觉得到了分析的证实；对 AI 的不满悲观情绪在过去几周达到了历史最高点，并且自 ChatGPT 发布以来，有望继续以每年翻一番的速度增长。<p>历史图表位于页面底部。

我开发了 Squire，一个 CLI 工具，用于在干净的远程运行时中运行简短的验证和卸载任务。 主要想法很简单：不要把你的笔记本电脑变成测试平台。 它适用于以下场景： * 跨环境验证 * 测试 / 检查 / 编译循环 * SQL 沙盒检查 * 短时高负载任务，如数据 / 媒体 / 浏览器任务 一个简单的例子： `squire verify --lang bash --targets alpine-3.20,ubuntu-24.04,debian-12 --file script.sh` 安装： `curl -fsSL https://squire.run/install.sh | bash` `squire login` 网站：[https://squire.run/](https://squire.run/)

大多数 CUA 框架要么是黑盒，要么是缺乏结构的原始工具调用。Orbit 则介于两者之间，它通过自然语言控制屏幕，并允许 Python 控制流程。每个步骤都有其自己的模型、预算和类型化输出，但在整个会话中共享上下文。在每个步骤中混合使用廉价和昂贵的模型，从任何屏幕中提取结构化数据到 Pydantic 模型，并在代理遇到困难时在中途引导它。Orbit 基于操作系统辅助功能树构建，而非截图。 <a href="https://github.com/aadya940/orbit" rel="nofollow">https://github.com/aadya940/orbit</a>