最新

大家好，我是 Gobhanu 和 Saatvik（兄弟），我们正在构建 Vela (<a href="https:&#x2F;&#x2F;tryvela.ai">https:&#x2F;&#x2F;tryvela.ai</a>) - 一种 AI 智能体，可以处理多方、多渠道的日程安排。<p>日程安排是一个伪装成电子邮件的约束满足问题！当只有两个人、一个时区、一个渠道时，这很容易。但当输入来自多个通信渠道的非结构化自然语言，约束条件在中途发生变化，并且目标函数包括正式场合不存在的社交动态时，它就变成了一个约束满足问题。<p>如果日程安排自动完成会怎样？例如：招聘人员发送一条消息，然后针对五位候选人、三位招聘经理和两个时区的所有面试都会自动预订、确认和更新。没有链接，没有来回沟通，没有人花费数小时处理 20 封电子邮件。每个人都可以在正确的时间，通过他们实际使用的任何渠道收到正确的邀请。这就是我们构建 Vela 的目的。<p>您可以将 Vela 引入您的电子邮件、短信、WhatsApp、Slack、电话或集成到 ATS 等系统中，它将接管：读取上下文、检查日历、建议时间、在人们不回复时进行跟进，并在情况发生变化时重新预订。<p>我们的第一批客户之一是一家招聘公司，他们花了将近八年的时间寻找日程安排解决方案。他们的协调员管理着数百次候选人与客户的面试，每一方都需要单独的电子邮件线程、单独的 Zoom 帐户以避免重复预订链接，以及连接从未直接沟通的各方的日历邀请。客户重新安排一次面试，就会级联到其他四次。候选人通过短信回复了电子邮件开始的线程。Vela 在短短 10 分钟的入职培训中就解决了这个问题。<p>最困难的部分是数据问题。不同人群的日程安排行为差异很大。高管人员会在几小时内回复电子邮件，并期望正式的 3 选项提案。申请物流职位的卡车司机会在奇怪的时间通过共享设备回复短信，内容是“y tm wrks”。失败模式不是解析——而是对错误的细分市场应用错误的交互模式，并眼睁睁地看着对话中断。我们一直在从数千次真实交互中构建行为数据集：按角色划分的响应延迟、按人口统计划分的渠道偏好、跟进时间曲线、在您陷入决策瘫痪之前要提出多少个选项。这些数据在任何地方都不存在。<p>核心智能体挑战是跨渠道的状态。当有人通过短信回复了电子邮件开始的线程时，Vela 需要统一身份、合并上下文，并在不丢失信息的情况下继续进行。电话号码无法清晰地映射到电子邮件，人们在短信中使用昵称，共享设备意味着回复者可能不是您联系的人。时间 NLU 本身就是一个问题——“下周五”在周一和周四的含义不同。我们从自然语言中提取结构化约束，并根据日历状态进行解析。当无法解决歧义时，Vela 会提问——但决定何时提问与推断取决于出错的风险。<p>我们已经与付费的企业客户合作，并且每个客户仍然会发现让我们感到惊讶的边缘情况。案例研究请访问我们的网站 (<a href="https:&#x2F;&#x2F;tryvela.ai&#x2F;case-studies&#x2F;">https:&#x2F;&#x2F;tryvela.ai&#x2F;case-studies&#x2F;</a>)。您可以在这里查看演示：<a href="https:&#x2F;&#x2F;www.youtube.com&#x2F;watch?v=MzUOjSG5Uvw" rel="nofollow">https:&#x2F;&#x2F;www.youtube.com&#x2F;watch?v=MzUOjSG5Uvw</a>。<p>我们欢迎任何从事多智能体协调、跨渠道对话式 AI 或在混乱的现实世界领域进行约束满足工作的人提供反馈。期待您的评论！

标题：Show HN: PageAgent，一个驻留在你的 Web 应用内的 GUI 代理 大家好， 我正在开发 PageAgent，一个开源（MIT 许可）库，它将 AI 代理直接嵌入到你的前端。 我构建这个的原因是，我相信在我们将 Web 应用作为我们已经使用的应用程序的内部部署通用代理方面，存在巨大的设计空间，而不是仅仅将 Web 视为孤立机器人的一个愚蠢的目标。 目前，大多数 AI 代理从外部客户端或服务器端程序运行，有效地将 Web 开发排除在 AI 生态系统之外。我正在尝试一种“由内而外”的范式。通过将该库放入页面中，你将获得一个客户端代理，该代理与实时 DOM 树进行原生交互，并开箱即用地继承用户的活动会话，这对于 SPA 来说非常完美。 为了处理跨页面任务，我构建了一个可选的浏览器扩展，它充当一个“桥梁”。这允许网页代理在获得明确的用户授权后控制整个浏览器。你的 Web 应用不再是桌面应用程序控制你的浏览器，而是被授权充当一个通用代理，可以浏览更广泛的 Web。 我很乐意开始讨论这种架构的可行性，以及大家对应用内通用代理未来的看法。很乐意回答任何问题！

大家好，我是Sokuji的开发者，我开发了一款开源的实时语音翻译应用，它既是一个Electron桌面应用，也是一个Chrome/Edge浏览器扩展程序。 最新版本（v0.15）增加了本地推理模式——完全在设备上进行ASR（自动语音识别）、翻译和TTS（文本转语音），使用WASM和WebGPU。无需API密钥，无需联网，数据也不会离开你的设备。它包含： * 48个ASR模型，涵盖99种以上语言（sherpa-onnx WASM + Whisper WebGPU） * 55+翻译语言对（Opus-MT）以及多语言LLM（Qwen 2.5/3/3.5），通过WebGPU实现 * 136个TTS模型，涵盖53种语言（Piper、Coqui、Mimic3、Matcha） 对于那些喜欢云服务提供商的用户，它也支持OpenAI实时API、Google Gemini Live、Palabra.ai、火山引擎ST、豆包AST 2.0以及任何兼容OpenAI的端点。 浏览器扩展程序与Google Meet、Teams、Zoom、Discord、Slack等集成——它可以捕获参与者的音频，并通过虚拟麦克风注入翻译后的语音。 技术栈：React + Zustand + Vite，Electron Forge，sherpa-onnx编译为WASM，HuggingFace Transformers.js用于WebGPU推理。模型按需下载并缓存在IndexedDB中。 我开发这个应用是因为现有的翻译工具要么需要昂贵的API密钥，要么将你的音频发送到云端，或者不支持足够的语言。本地推理模式使其适用于对隐私敏感的用例以及没有可靠互联网连接的人。 AGPL-3.0许可。可在Windows、macOS、Linux、Chrome Web Store和Edge插件商店中使用。 GitHub：[https://github.com/kizuna-ai-lab/sokuji](https://github.com/kizuna-ai-lab/sokuji) 官方网站：[https://sokuji.kizuna.ai](https://sokuji.kizuna.ai)

看起来 GitHub Actions 又出故障了：https://www.githubstatus.com 我们已经在使用 blacksmith 来避免使用 GitHub Runners。强烈推荐你试试，如果你还没用过的话。但我们仍然依赖 GitHub 来实际触发工作流程。考虑到他们频繁的故障，我想知道是否有可用的替代方案？迁移到 GitLab 是一项相当大的工程，所以我想知道是否有办法暂时缓解这个问题，并且不再依赖 GitHub Actions 来定期触发工作流程和执行操作（例如，合并到 main 分支时）？

我开发 Entropy 是为了解决一个特定问题：传统的 API 扫描器经常会遗漏业务逻辑漏洞，因为它们依赖于静态的攻击列表。Entropy 使用 LLM（大型语言模型）来分析你的 API 模式（OpenAPI/GraphQL），并像攻击者一样思考，从而生成定制的攻击序列。 注意：我目前正在修复一个小型的打包问题，因此“pip install”在接下来的几个小时内可能暂时无法使用。与此同时，你可以通过克隆代码库直接从源代码运行它。我很乐意听取你的想法和反馈！

大家好，HN， 我觉得把 traceroute 的路径在地图上可视化呈现会很有意思。我知道这个想法已经有人做过了，但我还是想自己动手试试。 最初的版本只能让你粘贴 traceroute 的结果，然后在地图上绘制出经过的节点。后来我发现了 Globalping (<a href="https://globalping.io" rel="nofollow">https://globalping.io</a>)，它允许你从世界各地的探测器上运行 traceroute 和 MTR，所以我把这个功能集成到了我的工具里。 在使用过程中，我注意到了一些有趣的事情： * 很容易发现错误的 IP 地理位置。如果一个节点的延迟显示为 1-2 毫秒，但却跨越了洲际，那么它的地理位置很可能是不准确的。 * 视觉上更容易注意到次优路由，而不仅仅是看延迟数字。 * 即使有了 IPinfo 这样优秀的数据库，IP 地理位置仍然不是完美的，所以路径的某些部分偶尔可能会产生误导。 特别感谢 Globalping 和 IPinfo 团队——Globalping 提供了测量基础设施，IPinfo 提供了地理位置数据。 欢迎提出反馈。