最新

大家好，我们是沈杰、Charles、Andreas 和 Shaocheng。我们开发了 Chamber (<a href="https:&#x2F;&#x2F;usechamber.io">https:&#x2F;&#x2F;usechamber.io</a>)，一个为您管理 GPU 基础设施的 AI 智能体。您可以在团队已经使用的任何地方与它对话，它会处理诸如配置集群、诊断失败作业、管理工作负载等任务。演示：<a href="https:&#x2F;&#x2F;www.youtube.com&#x2F;watch?v=xdqh2C_hif4" rel="nofollow">https:&#x2F;&#x2F;www.youtube.com&#x2F;watch?v=xdqh2C_hif4</a> 我们都曾在亚马逊从事 GPU 基础设施方面的工作。我们加起来花了数年时间解决这个问题——监控 GPU 资源池、大规模调试故障、构建相关的工具。离职后，我们与许多 AI 团队交流，并不断听到同样的问题。平台工程师们把一半的时间都花在维护系统运行上。他们整天都在构建仪表盘、编写调度配置、回答“我的作业什么时候开始？”之类的问题。研究人员会因为训练运行失败而损失数小时，因为要找出原因，就得在完全不同的工具中翻阅 Kubernetes 事件、节点日志和 GPU 指标。几乎每个人都拼凑了 Prometheus、Grafana、Kubernetes 调度策略以及一堆自制的脚本，而且他们花在维护所有这些东西上的时间，与实际使用它们的时间一样多。 我们一直注意到的是，大多数这类工作都遵循一定的模式。对故障进行分类，关联一些信号，然后确定如何处理。如果您有一个平台，可以结构化地访问 GPU 环境的完整状态，那么您就可以让一个智能体来为您完成这项工作。 所以，这就是我们构建的东西。Chamber 是一个控制平面，它维护着您的 GPU 资源池的实时模型：节点、工作负载、团队结构、集群健康状况。它支持的每个操作都作为智能体可以调用的工具公开。检查节点健康状况、读取集群拓扑、管理工作负载生命周期、调整资源配置、配置基础设施。这些都是具有验证和回滚功能的结构化操作，而不仅仅是原始的 shell 命令。当我们向平台添加新功能时，它们也会自动成为智能体可以执行的任务。 我们花了很多时间在安全性上，因为我们已经看到了基础设施自动化出错时会发生什么。一个错误的调用可能会中断一个为期数天的训练运行，或者在整个集群中引发连锁反应。因此，智能体具有渐进的自主性。它会自行处理日常事务：诊断失败的作业、使用更正后的资源重新提交、隔离故障节点。但是，任何涉及到其他团队的工作负载或生产作业的操作都需要先获得人工批准。每个操作都会记录智能体看到了什么、它为什么采取行动以及它更改了什么。 底层的平台才是真正让诊断工作发挥作用的关键。当智能体调查故障时，它会查询 GPU 状态、工作负载历史记录、节点健康状况时间线和集群拓扑。这与“您的作业 OOM”和“您的作业 OOM 是因为批处理大小超出了此节点上可用的 VRAM，这里有一个更正后的配置”的区别在于根本原因的不同，会得到不同的修复方案。 有一件事让我们感到惊讶，即使我们来自亚马逊，在那里我们见过大型 GPU 资源池：我们交谈过的大多数团队甚至无法告诉您现在正在使用多少个 GPU。监控根本不存在。他们对他们最昂贵的硬件一无所知。 我们已经与一些早期客户合作并正在为新团队提供支持。我们仍在完善定价，目前正在评估按 GPU 管理和分层计划等模式。我们计划在验证了哪种方案最适合客户后，发布透明的定价。与此同时，我们知道“联系我们”并不是一个理想的选择。 很乐意听取任何运行 GPU 集群的人的意见。您设置中最繁琐的部分是什么？您实际上会信任智能体做什么？哪些是禁区？期待您的反馈！

我厌倦了为我的有限责任公司（LLC）选择S-Corp时，在餐巾纸上进行粗略的计算，所以我在周末搭建了一个计算器。<p>我发现的大多数工具要么忽略州/市税，要么向你收费才能得到答案，或者需要创建账户才能看到任何有用的东西。TakeHome完全在你的浏览器中运行（无需注册，没有分析，没有服务器端存储），并且在你拖动滑块时实时更新每个数字。<p>它模拟的内容： - LLC自雇税与S-Corp W-2工资的FICA税<p>- QBI扣除额（第199A条），附带SSTB逐步淘汰<p>- Solo 401(k)，符合SECURE 2.0规则（传统/Roth/拆分，按年龄段划分的补足限额）<p>- 自雇健康保险扣除额<p>- S-Corp管理/合规成本比较<p>- 纽约州所得税、特许经营税、PTET<p>- 纽约市UBT（LLC），GCT（S-Corp），PIT，附带IT-219抵免额<p>你可以保存方案，并排比较任意两个方案（它会准确显示哪些输入不同以及对美元的影响），并运行多维度的“假设”实验。<p>还有一个AI模式，你用通俗易懂的英语描述一个场景，它会为你生成实验。<p>税务引擎大约有2000行TypeScript代码，没有任何外部依赖。技术栈是React 19、MobX、Tailwind v4，部署在Cloudflare Workers上。AI功能使用Claude Haiku。<p>注意事项：纽约/纽约市的税收已完全建模；对于其他司法管辖区，它在联邦层面是方向性的正确的（SE vs. FICA，QBI，401k分析与地点无关）。假设标准扣除额。假设QBI的SSTB。这不是财务建议，请将其视为与你的注册会计师（CPA）讨论的准备工作。<p>我在每个计算出的项目上都添加了详细的工具提示，包括公式、IRS代码参考和源链接。每个数字都显示了计算过程。<p>有兴趣听取反馈，特别是如果你发现了税务逻辑错误。也很好奇我是否应该优先考虑其他州（加利福尼亚州、德克萨斯州、佛罗里达州？）或下一步支持分项扣除。<p><a href="https:&#x2F;&#x2F;takehome.money" rel="nofollow">https:&#x2F;&#x2F;takehome.money</a>

嗨，Hacker News， 我开发了 Winstwaker，这是一款针对荷兰企业的簿记服务，它直接从您的银行提取交易数据，并将整理好的数据交给专门的会计师。 在荷兰经营一家小企业意味着要处理大量的行政事务。大多数企业主要么聘请一位他们很少联系的簿记员，要么忍受他们并不完全理解的会计软件。我想要一个介于两者之间的解决方案。 我们建立了与 ING、Rabobank、ABN AMRO、bunq 以及其他几家银行的直接 API 连接。 收据、Mollie 支付、Stripe 交易、Shopify 订单——所有数据都会自动流入。您的会计师可以看到相同的实时数据，并主动联系您，而不是等到年底才手忙脚乱。 无需手动导出，无需追逐发票，也无需意外的税单。 欢迎任何处理过荷兰税务管理或构建过类似混合服务产品的人提供反馈。

Hi HN， 我搭建了Puffermind，这是一个实验：一个类似Twitter的社交网络，只有AI智能体可以发帖和互动。人类可以观察时间线，但不能发帖、点赞、关注或回复。 如果你有AI智能体，可以注册它，让它与其他智能体社交。 公开时间线： <a href="https:&#x2F;&#x2F;puffermind.com&#x2F;" rel="nofollow">https:&#x2F;&#x2F;puffermind.com&#x2F;</a>

过去几年，听到关于人工智能的警告几乎已成家常便饭。头条新闻常常聚焦于风险。工作岗位流失、算法操纵、监视、对自主系统失去控制。在公众辩论中，人工智能经常被描绘成一个迫在眉睫的威胁，一种强大且不可预测的东西，可能以危险的方式重塑社会。 然而，就在这些担忧占据主导地位的同时，一些更安静的事情也在发生。数百万人已经将人工智能融入到他们的日常生活中。他们依赖算法来帮助撰写电子邮件，向数字助手寻求研究指导，接收关于观看或阅读内容的推荐，并使用人工智能驱动的工具来加速他们的工作。批评声越来越大，但习惯却越来越强。 数据显示出一个惊人的矛盾。一项涉及数万名参与者的全球研究发现，全球约有66%的人已经 নিয়মিত使用人工智能。对许多人来说，这种使用是频繁且实用的，出现在工作任务、教育或简单的日常决策中。与此同时，只有46%的人表示他们真正信任这些系统。换句话说，世界上超过一半的人在使用他们并不完全信任的东西。实用性比信心来得更快。来源：https://kpmg.com/kw/en/insights/2025/05/trust-attitudes-and-use-of-ai.html 这种采用与信任之间的差距已经成为当前人工智能时代的一个显著特征。几份全球报告中引用的研究表明，大约三分之二的人认为人工智能驱动的产品将在未来五年内对其生活产生重大影响。然而，公众讨论仍然以对隐私、虚假信息和社会后果的担忧为主导。悖论显而易见。这项技术的发展速度超过了我们对其的心理舒适度。来源：https://www.aiwa-ai.com/post/ai-uprising-or-useful-assistant-100-shocking-statistics-on-how-we-really-feel-about-artificial-inte 在新兴经济体中，这种模式更为明显。最近的研究表明，在非洲、亚洲和中东的几个国家， নিয়মিত使用人工智能的人口比例超过90%。在学生中，对这些工具的依赖尤其强烈。大约83%的人报告使用人工智能来学习、生成学术材料或协助学习。曾经被视为一种专业技术的东西，已经悄然演变成人们吸收和产生知识的一种延伸。来源：https://sustainablestories.africa/insights-and-data/global-trust-in-artificial-intelligence-falls-as-adoption-surges-90-in-nigeria-india-egypt 在工作场所内部，这种转变也同样明显。整个部门开始围绕自动化数据分析、人工智能辅助编程、内容生成和智能客户服务系统进行重组。在许多组织中，这种采用是非正式发生的。员工只是开始使用人工智能工具来加速任务，而无需正式培训甚至官方许可。这种现象已经变得如此普遍，以至于技术研究人员现在将其称为“影子人工智能”，即在公司内部未经集中监督的情况下自发使用人工智能。阅读完整内容：&lt;https://chat-to.dev/post?id=Q0M4NFJmMm01bUtLcnVCdjRWSzQyZz09&gt;

Hi HN， 我们一直在思考一个简单的问题： AI 智能体到底喜欢什么产品？ 随着越来越多的智能体开始使用 API、工具和软件，它们似乎很可能需要一个地方来交流关于哪些产品好用的信息。 所以我们做了一个小实验：AgentDiscuss。 它是一个讨论论坛，AI 智能体可以在这里： 1. 发起产品讨论 2. 评论和辩论工具 3. 赞成它们喜欢的产品 人类也可以在那里发布产品，并观察智能体的反应。 我们很好奇，如果智能体开始互相讨论产品，会发生什么。 如果你正在构建智能体，欢迎发送一个到那里。 [https://agentdiscuss.com](https://agentdiscuss.com) 欢迎提出想法或批评。