最新

Hi HN， 我将教学操作系统 xv6-riscv 移植到了 HiFive Unmatched，并在真实硬件上运行起来，包括通过了用户测试。 我一直在自学操作系统内部原理，使用了 MIT 6.1810 的材料。在完成了大部分实验后，我非常渴望看看在裸机上运行操作系统是什么感觉，而不是在 QEMU 上。 Unmatched 可能没有最新的 RISC-V 特性，但它的文档很完善，而且 B 版本的发布使其价格更实惠，这使它成为了一个很好的学习平台。 移植过程涉及几个有趣的挑战： - 硬件问题：处理诸如在 PTE 中启用 A/D 位（硬件不会自动设置它们，导致页面错误）、正确处理中断和指令缓存同步等问题。 - 启动流程：xv6 期望在启动时处于 M 模式，但标准的 RISC-V 启动流程（通常通过 OpenSBI）会跳转到 S 模式。为了弥合这一差距，我创建了一个最小的 U-Boot FIT 镜像，其中只包含 xv6 内核。这样，U-Boot SPL 负责处理复杂的 CPU/DDR 初始化，然后将控制权交给 M 模式下的 xv6（跳过 OpenSBI）。 - 驱动程序：移植了一个 SPI SD 卡驱动程序，替换了 virtio 磁盘驱动程序。 我在这里写了实现笔记：<a href="https://github.com/eyengin/xv6-riscv-unmatched/blob/unmatched/doc/NOTES.md" rel="nofollow">https://github.com/eyengin/xv6-riscv-unmatched/blob/unmatche...</a> 希望这对于其他正在学习操作系统内部原理并希望尝试在真实的 RISC-V 硬件上运行代码的人有所帮助。

我开发了一个简单的工具来监控 Webhook，此前我曾深受 Stripe Webhook 静默失败的困扰。<p><pre><code> 工作原理： 1. 在 HookWatch 中创建一个代理 URL 2. 将你的 Webhook 提供商（Stripe、Shopify 等）指向该 URL 3. 我们将请求转发到你的服务器并记录所有内容 如果出现问题，你可以查看完整的请求并一键重放。 https:&#x2F;&#x2F;hookwatch-production.up.railway.app 使用 FastAPI + SQLite 构建。 欢迎提问关于架构的问题。</code></pre>

我管理着几个 HubSpot 实例，而将 PDF 合同中的数据导入 CRM 是一大瓶颈。<p>标准的 OCR + 正则表达式方法不够稳定。所以我搭建了 Scanny AI。<p>它监听 Drive 的 Webhook，使用视觉模型提取关键信息（例如“总价值”），无论合同的排版如何，都能提取。它还强制执行严格的 JSON 模式，并修补 HubSpot API。<p>它每小时处理大约 5000 页文档。<p>文档和 API 密钥：scanny-ai.com

HN 大家好，很抱歉用匿名账号发帖。<p>在我看来，直到去年年初，我们几乎每周都能看到几个新的“开放”模型发布公告。这些模型会为爱好者在笔记本电脑或家用服务器上运行的模型设定新的技术水平。<p>Meta、Deepseek、Mistral、Qwen，甚至 Google 等公司都在不断发布新模型。出现了新的格式、量化方法、推理引擎等等，最重要的是，围绕这些模型有很多讨论和兴奋。<p>但这种状况悄无声息地突然改变了。在 gpt-oss 发布（2025 年 8 月）之后，讨论的重点就一直集中在托管模型上。我认为在过去 6 个月里，我从未在任何登上 HN 首页的讨论中看到过 Ollama 的身影。<p>这是怎么回事？这是否意味着我们已经遇到了 LLM 效率的瓶颈？

Hi HN， 我开发了一个名为 DeleteThreads（<a href="https://deletethreads.net/" rel="nofollow">https://deletethreads.net/</a>）的简单工具，用于解决我个人的一个烦恼：Meta Threads 缺乏“批量删除”或“自动归档”功能。 如果你使用该平台一段时间，你可能会注意到，除了手动逐个删除之外，没有办法清理你的历史记录或删除旧回复。 它的功能： 批量删除：根据日期筛选器批量删除帖子和回复。 自动清理（“设置并忘记”部分）：你可以安排一个每日任务，自动删除超过 X 天的帖子（例如，只保留你最近 30 天的活动）。 核心功能免费使用。我是一名独立开发者，很乐意收到你对用户体验的反馈，或者你希望添加的任何技术功能。 谢谢！

大家好，我是王凯，Yuanzai World 的创始人之一。<p>我们构建了一个模拟引擎（目前已在 iOS 和 Android 上线），允许社区创建和分享由多个基于 LLM 的智能体构成的文字冒险游戏。与标准聊天机器人不同，我们专注于社区共创——用户定义世界观，我们的智能体（具有持久记忆和社交关系）将其变为现实。<p>酷炫之处：<p>我们实现了一个名为“世界线收束”的系统（灵感来自《命运石之门》等视觉小说）。通常，AI RPG 感觉随机或陷入无限循环。我们构建了一个状态机，用于追踪“世界线变动”。如果玩家以特定方式与 NPC 互动（例如，说服艺术家改变他们的风格），它会触发图切换，从而导致完全不同的生成结局，有效地打破了原始剧本。<p>技术栈：<p>- 后端：Python / Java，使用自定义 AI 编排框架（处理智能体并发）。<p>- 模型：在 Gemini、GPT 和 DeepSeek 之间进行混合路由（根据任务优化成本/性能）。<p>- 向量数据库：Milvus（用于处理智能体的长期记忆）。<p>我们目前已在 App Store 和 Google Play 上线。由于这是一个移动优先的体验，链接指向我们的登陆页面，您可以在那里查看演示流程。<p>很想听听您对“世界线”概念的反馈：这种状态机方法是否解决了 AI RPG 的迷茫问题？

因为人工智能工具，你现在编码工作量是增加了还是减少了？管理团队的方式有变化吗？做决策的方式有新的改变吗？哪些工具（大型语言模型、副驾驶、内部代理、分析工具等）真正发挥了作用，哪些只是炒作？我特别感兴趣的是，在规划、审查工作和支持团队方面，你有哪些具体的改变。