最新

我一直在研究为什么日本农村地区的许多数字化转型（“DX”）和智慧城市项目难以摆脱概念验证阶段。<p>问题往往与其说是技术上的，不如说是体制上的：<p>年度预算制度使得长期维护变得困难 地方政府严重依赖外部供应商 人口老龄化和萎缩降低了运营能力 试点资金存在，但持续所有权不明确<p>在许多情况下，试点本身变成了目标，而不是长期的运营采用。<p>我在这里总结了几个例子和结构模式： https:&#x2F;&#x2F;youtu.be&#x2F;YB1e0K4w0sY<p>我很想知道其他国家的当地政府是否存在类似的“试点陷阱”动态。

大家好， 我是Bojta Lepenye。首先，我要感谢Hashcat的核心开发者。根据我的经验，它绝对是目前市面上功能最强大的离线密码破解工具，适用于各种不同的应用场景。 在过去的四年里（从14岁到18岁），我一直在深入研究Hashcat及其相关工具，并且我将这段时间（从2022年1月18日开始）所学到的知识记录在了我的第一本书中。在此期间，我还不得不不断地更新和重写主要章节，因为这个领域发展得非常快。一个例子是Argon2和其他内存密集型密码哈希算法的GPU支持的引入，这极大地改变了一些破解工作流程。 我对这本书，或者说它的“快速入门指南”的热情，源于我在学校里进行的一次完全授权的、符合伦理的渗透测试。这件事让我既犹豫又自豪。 一开始，我只是把从YouTube视频和在线博客上学到的东西都写了下来。然而，在开始我的项目后不久，我意识到我实际上对密码安全一无所知，如果有人想找一本专业的密码破解指南，我写的这10到15页是远远不够的。 这本书的另一个主要推动力是，在网上搜索、浏览论坛、阅读学术论文和白皮书、观看视频、浏览博客、检查演示文稿和查看信息图表的过程中，我没有找到任何一个能够全面涵盖和解释离线密码破解所需的一切知识的单一来源。真的，一个都没有。 因此，我继续我的研究，学习了密码哈希算法、哈希函数的安全属性、高级哈希破解技术、密码分析、攻击优化等等。 从一开始，我就想把这些知识分享给社区，因为如果我刚开始学习密码破解时能有这样的资源，对我来说将会有很大的帮助。 我衷心希望这项工作对初学者和经验丰富的专业人士都有用，并期待听到您的想法和反馈。 我还制作了一个小视频，让您对这本书有一个初步的了解。它在Google Drive上。这是官方域名，您无需下载任何东西。链接如下：<a href="https:&#x2F;&#x2F;drive.google.com&#x2F;file&#x2F;d&#x2F;13LeysSZO8Mx-LGKt8UQjUGBKOYH7MqiS&#x2F;view?usp=sharing" rel="nofollow">https:&#x2F;&#x2F;drive.google.com&#x2F;file&#x2F;d&#x2F;13LeysSZO8Mx-LGKt8UQjUGBKOYH...</a> 如果您有兴趣，这本书现在已在亚马逊上公开出版，并且可以通过Kindle Unlimited订阅免费阅读：<a href="https:&#x2F;&#x2F;www.amazon.com&#x2F;dp&#x2F;B0GX36XRCD" rel="nofollow">https:&#x2F;&#x2F;www.amazon.com&#x2F;dp&#x2F;B0GX36XRCD</a>

在我的工作中，公司为团队中的每个人都提供了一个 Claude 订阅。说实话，我更喜欢 kiro，因为它提供了更好的 SDD 管理。但公司无法提供它，而我目前也负担不起。 结果我发现我的 Claude 实例里有技能创建者技能，于是我利用它来创建了这个技能。 我完全使用 Claude 制作了它，但我希望它开源，所以我让它帮我进行测试和准备工作，甚至还设置了 CI 来运行 Python 测试。 结果如下： - 阶段 2A：67 个静态断言（Python 脚本，在 CI 中运行） - 阶段 2B：15 个行为测试（实时 Claude Code 会话） - 阶段 2C：53 个生成质量检查，涵盖 3 个端到端流程 所有这些都通过了，CI 也通过了（经过几次尝试）。 我根据自己的提示和编码方式制作了它，并以 kiro 的 SDD 管理为基础，但我希望它能公开可用，并被许多人使用。 根据 Claude 的说法，一些测试人员需要符合以下标准： 1. 从头开始启动一个全新项目的开发者 2. 有一个活跃的副业项目的独立开发者（绿地项目或部分代码库） 3. 团队使用多个 AI 工具的团队负责人 4. 拥有现有代码库但没有书面规范的开发者 5. 积极使用 3 个以上 AI 编码工具的开发者 这实际上是一个盲测，没有任何指导，如果你可以的话，请试用一下，我非常感谢你的帮助。 仓库在这里：[https://github.com/FredAntB/Spec-Driven-Development](https://github.com/FredAntB/Spec-Driven-Development)

我们开发了Socratize，这是一个基于人工智能的培训工具，员工可以在其中练习真实的工作场景，而不是观看视频或参加测验。 大多数企业培训都是被动的。人们观看内容、点击幻灯片、通过测验，并在几天内忘记大部分内容。 我们想尝试一种不同的方法：通过对话和重复来学习。 使用Socratize，用户可以进入逼真的场景，并必须回应一个AI“对手”。 例如： * 销售代表练习处理：“你的产品太贵了” * 支持人员练习平息愤怒的客户 * 员工练习用自己的话解释合规规则 AI会像一个真实的对手一样回应，挑战薄弱的论点，并继续对话，直到用户有所进步或在场景中失败。 目标很简单：用主动练习取代被动培训。 我们使用Claude来生成回应，并根据上下文和推理评估用户论点的质量。每次会话都会被存储，以便团队可以看到人们在哪里遇到困难，以及哪些场景最难。 技术栈： * Next.js (前端) * Node.js 后端 * PostgreSQL * Claude API 我们上周推出了MVP。 我们还处于早期阶段，非常感谢大家的反馈： * 这种方法真的适合培训吗？ * 我们遗漏了哪些用例？ * 什么会导致它在实际公司中失败？ * 这从根本上是有用的，还是仅仅是“有趣但不需要”？ 在这里试用：https://socratize.io 免费套餐，无需信用卡。 很乐意回答任何问题。

一个小版本发布，主要是为了修复我引入的一个回归问题 :-( 以下是此版本中已修复或解决的错误。 519574 valgrind 3.27 &quot;--fair-sched=yes&quot; 无法工作 519613 Valgrind 错误地解包了 sys_port (port_getn) 的结果，导致每次调用时出现约 60 秒的实际时间延迟 n-i-bz 更新 vg-lifespan (版权) 年份 n-i-bz 在 VG_(realpath) 中使用 SSizeT 作为 VG_(readlink) 的结果