最新

可以用于训练的源程序-可执行程序对有成千上万种，而编译器是 AI 可以轻松识别并作为重要加权因素来考虑的参数。 那么，为什么不存在（或者可能存在但我不知道）一个基于 AI 的反编译器，能够接收几乎任何机器代码，并将其转换为高度可读的源代码（包括有意义的变量名和注释猜测）呢？当可执行程序可以被 AI 模型在运行时运行和检查时，这似乎应该更容易。 AI 反编译的最新进展是什么？现在有什么工具可以让我尝试吗？

各位 HN 用户，我们为 Envoy 代理构建了一个扩展，可以在运行时解析请求内容并将其发送给 LLM。 我们通过添加一个确定性的 SQL 解析器、gRPC 有效载荷检查以及在调用上游之前对有效载荷进行 LLM 分析来实现这一点。 用户通过它代理无头代理流量，以便安全团队可以在提示阻止有害操作之前，通过网络流量在代理离开代理之前进行拦截。 当您指示分析流量的 LLM 阻止写入操作时，它可以通过解析二进制协议构建的结构化有效载荷，在不同协议中识别出此类操作。 它作为一个 UDS 上游运行，我们正在探索将其捆绑到 Envoy 内部以消除 UDS 跳跃。 Envoy 非常强大，但对 HTTP 以外的任何协议支持有限。基本的数据库查询解析、对请求内容的策略执行有限，大部分功能都发生在 HTTP 和 gRPC 头部或元数据上。 非常欢迎任何反馈：https://github.com/hoophq/hoop/tree/main/sidecar

此时应该有一个工具可以帮助您轻松地格式化和样式化文档。我知道您可以使用 Claude 和 Codex 生成 PDF 和 DOCX 文件，但这仍然不如直接在文档编辑器中键入那样用户友好，后者可以自动格式化您的文档，并在差异视图中显示更改，以便您可以轻松决定喜欢哪些更改。此外，对于文本优化，目前如果您使用任何 AI 工具来辅助写作，它只会重写内容，而没有一种简单的方法来可视化更改。

我喜欢与大型语言模型（LLM）讨论复杂话题，但它们线性的聊天方式不利于深入思考难题。每一个好的答案都会引出三个新问题。你问一个问题，然后需要在聊天记录中来回滚动查找另外两个。二十条消息之后，你可能已经忘记了想深入探讨的某些问题。你开启一个新的聊天，它会忘记所有内容，所以你不得不重新阅读你已经知道的信息。而且你无法简单地点击“是的，我知道这个，跳过”或“跑题”。 我在 Sage（一个非营利组织）工作时，开发了 Talleyrand，它可以将你的问题以树状结构保存。你可以从答案中的任何句子分支。每一次 LLM 的提示都是基于简述、其他讨论线索、你的高亮、你的反应以及你已阅读的内容构建的，因此答案是为你量身定制的。在每个答案之后，它会建议后续问题和挑战你思路的“大局观”问题。你可以通过一次点击对任何内容做出反应（“跑题”、“已知”、“有趣”），后续的提示会考虑这些反应。 一些细节： - 免费，麻省理工学院。使用 Google 账户登录，自带 OpenAI 密钥。如果你想使用 Claude，请添加 Anthropic 密钥。密钥仅存储在你的浏览器中。 - 可通过 Docker 自行托管。技术栈：后端使用 FastAPI 和 MongoDB，前端使用 React 和 TypeScript。唯一需要设置的工作是 Google OAuth 凭据，我知道这很麻烦，但如果你需要，可以请 Claude 移除它。 我很乐意根据你的反馈进行迭代，使其更易于使用！

有时，将一个服务的 webhook 解析到另一个服务以在 iPhone 上接收推送通知会耗费太长时间。<p>Pascal's Pager 使用 AI 将任何 JSON webhook 数据转化为您 iPhone 上可读的推送通知。<p>它包括通知分组和数据隐藏功能，您可以选择排除特定值不发送给 AI。