最新

目标是成为一个“开箱即用”的集成式（融合式？）Web服务器/CMS/应用程序框架，并支持直接部署多租户。 * 存储基于 LMDB 实现 * CLI、API 和 App 服务器使用 Rust 编写 * 使用 wasmtime 对访客代码执行进行沙箱化 * 身份验证扩展了 OPAQUE 协议 * 通过 tantivy 实现高效的日志索引/查询 * 通过 Let's Encrypt 实现自动 TLS

两年前，我偶然发现了用于制作游戏的 Godot 引擎。我之前的编程经验是三十年前。我曾是一名雷达设计师，花了数年时间开发用于模拟电磁波传播的软件。我甚至因此获得了一个科学奖项。我跟着 Godot 网站上的教程，然后就一发不可收拾了。 我并没有为这款游戏制定计划。它是自然生长出来的。然而，我有一个愿景：随着地球资源的日益稀缺，人类将不得不超越地球，甚至超越我们自己的太阳系去开采资源。他们将面临来自宇宙的危险，可能是外星人，也可能是坏人，即海盗。游戏最初只有一个宇航员在收集金矿。然后我自然地加入了采矿机器人。为了好玩，我加入了陨石风暴，以及一把激光枪来粉碎陨石。然后我设计了海盗作为反派，所以开发自主机器人枪，类似于太空战争无人机，就显得顺理成章了。接着我设计了外星人，它们会攻击宇航员。在我看来，外星人就像是狂野西部时期的原住民，在保护他们的领土免受入侵。然后开发其他技术，如磁力收集器、磁力排斥器和电磁武器，也就变得有意义了。 两年前，我开始在一台 Linux 笔记本电脑上开发一款游戏。没有团队。没有预算。没有人能保证会有人玩它。只有一个想法，以及无数的时间。还有一些与我妻子的紧张关系，她不满我长时间面对电脑屏幕。 这就是《宇宙淘金热》诞生的故事。 **我为什么开发它** 我是《模拟城市》的粉丝。我喜欢《军团要塞》的快节奏。我喜欢《帝国时代》和《幕府将军》中战术战斗与战略资源之间的平衡。 我觉得很多 3A 级游戏在 3D 画面上很出色，但在目标和机制上却很薄弱。 我想要一些原创的东西，所以我忽略了其他科幻/太空游戏，专注于我个人的愿景。我知道很多人不会喜欢它，但我相信它会找到喜欢它的人群。 **为什么选择 Godot** 我坚信开源。多年来，我知道我必须离开 Windows，因为它有间谍行为的遥测数据。我花了一整年的时间才完全转向 Linux，而人工智能在让这个转变更容易方面起到了很大作用。所以 Godot 是一个显而易见的选择。此外，Unity 的价格丑闻让我望而却步。即使 Godot 当时比较弱，我也觉得它是正确的选择。现在 Godot 越来越成为显而易见的选择。 我使用 Godot 的经验是，它从未让我失望过。我从未被任何东西阻碍过。我喜欢它加载速度超快。我喜欢 GDScript 语言。我对它优雅的面向对象结构感到兴奋。唯一的缺点是：我希望编辑器里能有两个并排的窗口，而且插件库能更丰富。但这都是小问题。 **目前的进展** 游戏功能已完整，目前处于测试阶段。核心循环已经实现。九种技术都已实现。七个太阳系都可以探索。两个敌对派系——海盗和外星人——都已完全投入使用，拥有自己的人工智能行为和武器。 我现在需要的是玩家。真正的玩家，他们会挑战这些系统，找出极限，并告诉我哪些感觉是对的，哪些感觉是错的。 这款游戏名为《宇宙淘金热》（Cosmic Gold Rush）。它已在 Steam 上架，并且有免费试玩版。

代码库：<a href="https:&#x2F;&#x2F;github.com&#x2F;getpaseo&#x2F;paseo" rel="nofollow">https:&#x2F;&#x2F;github.com&#x2F;getpaseo&#x2F;paseo</a> 主页：<a href="https:&#x2F;&#x2F;paseo.sh&#x2F;" rel="nofollow">https:&#x2F;&#x2F;paseo.sh&#x2F;</a> Discord：<a href="https:&#x2F;&#x2F;discord.gg&#x2F;jz8T2uahpH" rel="nofollow">https:&#x2F;&#x2F;discord.gg&#x2F;jz8T2uahpH</a>

这部分内容是关于 Balladic 的，我和我的团队在过去一年里一直在努力开发它。如果你感兴趣，欢迎了解一下，但我认为你们大多数人会感兴趣的部分是即时生成的叙事界面的部分。这更像是一个概念性的概述，而不是技术性的讲解，但如果你对幕后技术感兴趣，可以提问，我会解答。 顾名思义，Balladic，我们每晚都会为所有用户生成一个新的叙事页面，以及为每个叙事/项目生成特定的叙事。其呈现方式类似于书的章节——今天有什么热门，过去一周过得怎么样，等等。 它是由一系列不同开放权重模型之间的来回调用驱动的，以及一些经典的算法解析、压缩之类的（token 很贵）。大致流程如下： 1. **数据合成**：解析变更日志、评论（当然是匿名的）、各种活动。拆分、变形、拉伸——直到我们能够合成一个清晰的信息酊剂。本质上是挖掘字里行间的意思。 2. **事实核查**：将合成的数据传递给具有 MCP 访问权限的事实核查员。这个人会检查所有可以被理解为事实的陈述，并使用 mcp.balladic.com/mcp 进行探测和查询。然后，它会将核查结果附加到原始的合成文档中。 3. **编译**：包含事实核查附录的最终文档会经过进一步处理，然后传递给我们的 UI 渲染器。这是我们对 @json-render（做得非常好）的独特改进。 在幕后，有一个自定义的内存库，其中包含一些巧妙的技巧，可以防止幻觉和“癌变式”的增长。如果有人感兴趣，我很乐意详细解释这部分。 所有 LLM 工作都在欧洲的 GPU 上运行，我们混合使用了 Mistral 和中国的开放权重模型。 为了在这里展示，我们创建了一个无需身份验证的演示版本——希望能够带来一些灵感。