最新

llms.txt 解决了一个实际问题。它为 AI 工具提供了一种理解网站的方式。它已经取得了一些进展。但对于人来说，还没有类似的东西。我认为这可能是一个值得关注的事情。让我们看看 HN 社区怎么看。<p>每个 AI 工具都有某种版本的“自定义指令”，但它们都锁定在那个工具内部。从 ChatGPT 切换到 Claude 再到 Gemini，你每次都得从头开始。你的声音、你的偏好、你的专业知识，全都消失了。<p>identity.txt 是一个纯文本 Markdown 文件（与 llms.txt、humans.txt、robots.txt 的理念相同），用于记录你在 AI 工具中的身份。将其放在你的域名下，例如 yourdomain.com/identity.txt，或者将其粘贴到任何上下文窗口中。<p>该规范有意保持极简：<p><pre><code> - 一级标题，写上你的名字 - 二级标题，分别用于 声音、专业知识、背景、偏好、条款 - 一个条款部分，包含机器可读的同意声明（开放、署名、仅提示、受限、无） </code></pre> 条款部分很有意思，也许吧。它就像 robots.txt 一样，用于个人身份。这是一种社会契约，而非法律契约。我们认为同意和身份在某些方面是重叠的，值得探索。我们现在肯定还没有答案。但我们乐于接受这些问题。<p>我们还在 identitytxt.org 上试验托管身份文件。你使用 Google 身份验证，选择一个用户名，然后获得一个永久 URL。但自托管是主要的使用场景。托管版本只是为了方便。也许吧。我们不知道。<p>听着，这还处于早期和实验阶段。我们构建它的原因是我们一直在将相同的上下文粘贴到每个 AI 对话中，并认为应该有一个约定来解决这个问题。该规范采用 CC-BY 4.0 协议，并在 GitHub 上发布：<a href="https:&#x2F;&#x2F;github.com&#x2F;Fifty-Five-and-Five&#x2F;identitytxt" rel="nofollow">https:&#x2F;&#x2F;github.com&#x2F;Fifty-Five-and-Five&#x2F;identitytxt</a><p>我们真的很有兴趣知道这是否能引起共鸣，或者这个问题是否会以不同的方式得到解决。我们遗漏了什么？<p><a href="https:&#x2F;&#x2F;identitytxt.org" rel="nofollow">https:&#x2F;&#x2F;identitytxt.org</a>

我厌倦了同时打开五个标签页和一个终端来压缩不同类型的文件。所以我构建了一个可以一次性处理所有文件的工具。<p>支持 50 多种输入格式。只要是可以压缩的，它都能处理。上传文件，它会自动识别文件类型，进行压缩，然后将压缩后的文件返回给你。临时存储 2 小时。格式转换也相当不错。<p>我最满意的是它的检测层。对于二进制文件，魔术字节可以解决大部分问题。对于基于文本的文件（JS、CSS、JSON、XML 等），我会在内容本身上运行一个小型机器学习分类器，以识别格式，并将其路由到正确的压缩流程，而无需用户指定。<p>提供 REST API，方便你将其集成到工作流程中。支持异步任务的 Webhook，以及用于 S3/GCS/Azure/或其他存储服务的自带存储功能。批量作业也能很好地运行。<p>无需注册，提供非常慷慨的免费配额。欢迎提供反馈、报告导致检测器崩溃的边缘情况，以及提出功能请求。

我在 AWS 基础设施方面工作（曾服务于 Percona、Box、Dropbox、Pinterest）。 当 OpenClaw 崩溃时，我希望在 AWS 上正确运行它，却对默认的部署方案感到惊讶。Lightsail 蓝图附带了 31 个未修补的 CVE。标准的安装指南使用三个独立的 curl-pipe-sh 模式，且都以 root 权限运行。 Bitsight 在两周内发现了 30,000 多个暴露的实例。 OpenClaw 自己的维护者说：“如果你不理解如何运行命令行，这太危险了。” 所以我构建了一个 Terraform 模块，用我认为的生产级方案替换了默认设置： * Cognito + ALB，而不是共享网关令牌（每个用户的身份验证，MFA） * GPG 验证的 APT 包，而不是 curl|bash * systemd，带有 ProtectHome=tmpfs 和 BindPaths 沙箱 * Secrets Manager + KMS，而不是纯文本 API 密钥 * EFS，用于跨实例替换的持久性 * CloudWatch 日志记录，保留 365 天 Bedrock 是默认的 LLM 提供商，因此无需任何 API 密钥即可运行。只需一个 terraform apply 命令。 完整的安全分析：[https://infrahouse.com/blog/2026-03-09-deploying-openclaw-on-aws-without-the-security-disasters/](https://infrahouse.com/blog/2026-03-09-deploying-openclaw-on-aws-without-the-security-disasters/) 我确信我遗漏了一些东西。如果要在共享服务器上运行一个具有 shell 访问权限的自主代理，你会添加什么或做些什么不同的事情？

我分享一个用户脚本，给那些经常阅读 HN 评论区的人： 1. 无需重新加载页面即可更新评论——即时查看新出现的评论。 2. 更简洁的评论顶栏，减少干扰——仅当您将鼠标悬停在顶栏上时才显示控件。 README 中有一个关于它外观的预览 GIF。

摘要： 我们研究生成式人工智能，特别是自主智能体，如何塑造人类的学习激励，以及社会信息生态系统的长期演变… 学习表现出范围经济性：昂贵的人类努力共同产生关于自身情境的私人信号，以及积累到社区通用知识库中的“稀薄”公共信号，从而产生学习外部性… 该模型突出了一个尖锐的动态张力：虽然自主智能体可以提高当下的决策质量，但它也可能侵蚀维持长期集体知识的学习激励。

Harbor 发布了它的第 127 个版本（下一个版本很特别）。 一个值得注意的新增功能是能够通过单个 CLI 管理我所有的 LLM。 ``` # 列出所有模型 harbor ls # 与 jq 配合使用效果更佳 harbor ls --json # Ollama harbor pull qwen3.5:35b # llama.cpp harbor pull unsloth/Qwen3.5-35B-A3B-GGUF:Q8_0 # vllm (HuggingFace Hub 缓存) harbor pull Qwen/Qwen3.5-35B-A3B ``` ``` # 通过用于拉取的相同 ID 删除任何模型 harbor rm <id> ``` 希望它对某人也有用。

我厌倦了每次为语音 AI 应用原型设计时都重建同样的脉冲圆圈，所以我就把它打包起来了。 orb-ui 是一个用于语音 AI 智能体 UI 的 React 组件库。你插入一个针对你的语音提供商的适配器，该组件处理状态机（空闲、连接、监听、说话）并渲染它。 ```jsx import { Orb } from &#x27;orb-ui&#x27; import { createVapiAdapter } from &#x27;orb-ui&#x2F;adapters&#x27; &lt;Orb adapter={createVapiAdapter(vapi, { assistantId })} theme=&quot;circle&quot; &#x2F;&gt; ``` 点击圆球开始/停止。动画实时响应音频音量。 它是什么： * 一个 npm 包：安装、导入、发布。无需复制粘贴组件文件 * 与提供商无关：附带 Vapi + ElevenLabs 适配器，易于添加其他适配器 * 仅 UI 层：不涉及你的提示、后端或逻辑 * MIT 许可 它不是什么： * 一个语音 AI SDK（为此使用 Vapi/ElevenLabs/Bland） * 一个完整的对话 UI（没有文字记录，没有消息历史） 现有的替代方案（ElevenLabs UI kit、Vapi Blocks）是 shadcn 风格的复制粘贴组件，仅限于一个提供商。这是一个你可以安装和更新的真正的包。 演示：<a href="https:&#x2F;&#x2F;orb-ui.com" rel="nofollow">https:&#x2F;&#x2F;orb-ui.com</a> npm：<a href="https:&#x2F;&#x2F;www.npmjs.com&#x2F;package&#x2F;orb-ui" rel="nofollow">https:&#x2F;&#x2F;www.npmjs.com&#x2F;package&#x2F;orb-ui</a> GitHub：<a href="https:&#x2F;&#x2F;github.com&#x2F;alexanderqchen&#x2F;orb-ui" rel="nofollow">https:&#x2F;&#x2F;github.com&#x2F;alexanderqchen&#x2F;orb-ui</a> 很好奇人们正在构建什么样的语音 AI UI，以及你希望从这样的库中获得什么。

你为什么在看这个？点链接啊，笨蛋。

我是一名拥有 20 年经验的工程副总裁。我一直在深入思考为什么人工智能正在颠覆每一项工程实践，这让我得出一个结论：敏捷宣言的价值观需要更新。<p>核心论点是：人工智能使软件生产变得廉价，但理解软件仍然昂贵。敏捷宣言优化了前者。这份补充文件将重点转移到后者。<p>四个更新后的价值观，三个精炼的原则，并附有每个原则的理由。 欢迎讨论和辩护。