最新

``` wget <a href="https://github.com/beehive-lab/TornadoVM/releases/download/v2.1.0/tornadovm-2.1.0-opencl-linux-amd64.zip" rel="nofollow">https://github.com/beehive-lab/TornadoVM/releases/download/v...</a> unzip tornadovm-2.1.0-opencl-linux-amd64.zip # 手动将 <path-to-sdk> 替换为解压后文件夹的绝对路径 export TORNADO_SDK="<path-to-sdk>/tornadovm-2.1.0-opencl" export PATH=$TORNADO_SDK/bin:$PATH tornado --devices tornado --version # 导航到项目目录 cd GPULlama3.java # 导入项目特定的环境变量路径 -> 这将确保 source set_paths # 使用 Maven 构建项目（跳过测试以加快构建速度） # mvn clean package -DskipTests 或直接使用 make make # 运行模型（请确保您已首先下载了模型文件 - 见下文） ./llama-tornado --gpu --verbose-init --opencl --model beehive-llama-3.2-1b-instruct-fp16.gguf --prompt "告诉我一个笑话" ```

大家好，Hacker News。我们四个人在使用 Claude Code 时，通过不断迭代来构建完整上下文，然后在工作中利用和更新这个上下文，取得了最佳效果。<p>因此，我们构建了 Nimbalyst，旨在最大化我们（以及你们）与 AI 协作、迭代和构建上下文的能力。<p>Nimbalyst 是一个本地 WYSIWYG 编辑器和会话管理器，您可以在其中与 Claude Code 一起迭代文档、图表、模型和代码。<p>Nimbalyst 允许您： - 在 UI 中使用 Claude Code 的所有功能 - 与 CC 协作编写和编辑 WYSIWYG markdown，将 AI 的更改显示为红色/绿色，并进行批准 - 在标准 markdown 中集成 mermaid 图表、文本、表格、模型和图像，用于人/CC 上下文 - 使用 CC 迭代 HTML 模型，注释模型，然后将它们用作人员和 Claude Code 编码的上下文 - 将会话与文档关联起来，查找和恢复会话，将会话视为上下文，运行并行会话 - 使用 Claude Code 编写代码，利用所有这些上下文，使用 / 命令，查看 git 状态<p>Nimbalyst 处于 Beta 测试阶段，是本地应用，并且免费。我们非常期待您的反馈。

大家好，HN——在深入研究了基于智能体的 AI 漏洞一年后，我构建了 QCMP：一个 4 层架构，用于彻底解决内存中毒问题。MCP 部署在 16K 台服务器上，但像 MINJA (仅通过查询就达到 98.2% 的成功率) 和 AgentPoison (0.1% 的中毒就能产生 80% 以上的后门) 这样的攻击暴露了核心缺陷——内存过于信任自身。<p>QCMP 借鉴了 IIT 意识度量标准 (CCI &gt;0.90 以冻结片段)，后量子校验和 (ML-KEM-768)，CTC 自洽性 (NIS &gt;0.95) 以及螳螂虾式的稀疏检查 (&lt;50ms TME)。符合 OWASP/欧盟 AI 法案，并提供 Rust 实现技巧。<p>PDF (浏览器内查看): <a href="https:&#x2F;&#x2F;github.com&#x2F;bradmcevilly&#x2F;qcmp-whitepaper&#x2F;blob&#x2F;main&#x2F;QCMP_Whitepaper_arXiv.pdf" rel="nofollow">https:&#x2F;&#x2F;github.com&#x2F;bradmcevilly&#x2F;qcmp-whitepaper&#x2F;blob&#x2F;main&#x2F;QC...</a><p>首次提交到 cs.AI 的 arXiv——寻求认可 (4 个以上的最近订阅)。对量子生物学钩子或集群层有任何反馈吗？欢迎讨论。<p>deepsweep.ai | linkedin.com&#x2F;in&#x2F;bradmcevilly<p>在过去一年里，我一直在解决基于智能体的 AI 中的内存中毒问题 (例如，MINJA 通过查询就能达到 98% 的成功率)。现推出 QCMP：一个 4 层架构，融合了 IIT 意识度量标准 (CCI &gt;0.90 阈值)、后量子校验和 (ML-KEM) 和 CTC 一致性，以实现防篡改的智能体集群。<p>主要成果：在 &lt;50ms 内检测到 0.1% 的 AgentPoison 后门；符合 OWASP/欧盟 AI 法案。<p>PDF: <a href="https:&#x2F;&#x2F;github.com&#x2F;bradmcevilly&#x2F;qcmp-whitepaper&#x2F;blob&#x2F;main&#x2F;QCMP_Whitepaper_arXiv.pdf" rel="nofollow">https:&#x2F;&#x2F;github.com&#x2F;bradmcevilly&#x2F;qcmp-whitepaper&#x2F;blob&#x2F;main&#x2F;QC...</a><p>首次提交到 cs.AI 的 arXiv——寻求 HN 社区的认可/反馈。对量子生物学钩子或多智能体层有何看法？欢迎交流。<p>网站：deepsweep.ai | 领英：linkedin.com&#x2F;in&#x2F;bradmcevilly

嗨，HN！我们是 BrowserBook 的 Chris、Jorrie 和 Evan，BrowserBook 是一款用于编写和调试基于 Playwright 的 Web 自动化程序的 IDE。您可以在这里下载 Mac 应用程序：<a href="https:&#x2F;&#x2F;browserbook.com">https:&#x2F;&#x2F;browserbook.com</a>，演示视频在这里：<a href="https:&#x2F;&#x2F;www.youtube.com&#x2F;watch?v=ODGJBCNqGUI" rel="nofollow">https:&#x2F;&#x2F;www.youtube.com&#x2F;watch?v=ODGJBCNqGUI</a>。 我们构建它的原因：当我们参加 YC 时，我们是一家自动化后台医疗保健工作流程的公司。由于医疗保健领域的互操作性生态系统非常分散，我们开始使用浏览器代理通过 Web 直接自动化电子病历、实践管理软件和支付门户。当我们这样做时，我们遇到了很多问题： 速度：与脚本方法相比，LLM 调用的延迟很高 成本：我们消耗了大量 token，因为我们需要所有上下文才能使自动化程序足够准确 可靠性：即使有详细的说明、上下文和工具，代理在多步骤任务中也往往会以不可预测的方式发生偏差 可调试性：当发生偏差时，我们本质上是在提示中玩打地鼠游戏，并重新运行整个自动化程序来调试问题（参见上文：速度和成本问题使这非常痛苦） 我们越来越多地只是将代理脚本交给他们执行。最终，我们得出的结论是，对于此类用例，脚本是 Web 自动化程序更好的方法。但脚本编写也太痛苦了，所以我们着手用 BrowserBook 解决这些问题。 在底层，它运行一个独立的 TypeScript REPL，直接连接到一个内联浏览器实例，并内置了工具，使脚本开发快速而轻松。这包括： - IDE 中直接有一个完全交互式的浏览器窗口，因此您无需切换上下文即可运行代码 - Jupyter 笔记本风格的环境——这里的想法是您可以在单独的单元格中编写自动化程序的一部分，并单独运行它们（并手动在浏览器中快速重置），而不是每次都必须重新运行整个程序 - 一个 AI 编码助手，它使用当前页面的 DOM 上下文来编写自动化逻辑，这有助于避免寻找选择器 - 用于截屏、数据提取和管理身份验证（用于需要身份验证的工作流程）的辅助函数。 创建自动化程序后，您可以在应用程序中或通过 API 在我们的托管环境中直接运行它，以便您可以在外部应用程序或代理工作流程中使用它。 BrowserBook 的核心是一个 Electron 应用程序，因此我们可以在应用程序中直接运行 Chrome 实例，而无需云托管浏览器。对于 API 运行，我们通过 Kernel 使用托管浏览器基础设施（顺便说一句，这是一个很棒的产品），依靠他们的机器人反检测功能（隐身模式、代理等）。 脚本自动化可能不受欢迎，因为脚本本质上是脆弱的；与“传统”软件开发不同，您的代码部署在您无法控制的环境中——别人的网站。使用 BrowserBook，我们试图“拥抱痛苦”，并承认这种“攻击性编程”环境。 我们从头开始设计，假设脚本会中断，并旨在提供使构建和维护它们更容易的工具。未来，我们的计划是利用 AI 在它已经展示出优势的地方——编写代码——以最大限度地减少停机时间，并在部署环境发生变化时快速修复损坏的脚本。 浏览器代理承诺通过将控制权交给可以处理不一致性和歧义的 LLM 来解决这个问题。虽然我们认为浏览器代理在某些应用中确实有帮助，但需要可靠且重复执行的任务并非如此。 我们希望您试用一下！您可以在我们的网站上下载 BrowserBook：<a href="https:&#x2F;&#x2F;browserbook.com">https:&#x2F;&#x2F;browserbook.com</a>（目前仅适用于 Mac，抱歉！）当然，我们很乐意收到您的任何反馈和评论！

原作者在此。 我构建这个库，是因为对日常工作中遇到的混乱数据感到沮丧：包含重复列的 CSV 文件、返回嵌套 JSON 的 API、Excel 表格以及各种临时 ETL 请求。 像 Polars 和 DuckDB 这样的工具非常适合繁重的分析工作负载，但有时我只是想拥有一个轻量级、Pythonic 的表格，可以对其进行迭代。我希望能够使用 `for row in table:` 这样的方式，而不会出现令人意外的语义。 Serif 采用向量优先、零依赖的方法，旨在解决日常数据任务。 [https://github.com/CIG-GitHub/serif](https://github.com/CIG-GitHub/serif) 这是一个早期版本，因此我正在寻求关于人体工程学和 API 缺失功能或可以更简单的地方的反馈。

自 2023 年 1 月以来，iOS 真机支持一直是 Maestro 最受期待的功能。GitHub 上近三年来一直有用户提出同样的需求，相关的 issue 和评论不计其数。 由于我们自己的工作也需要这个功能，所以我们构建了它并提交了 PR #2856。但 Maestro 团队表示，官方支持要到明年才会推出——而且没有确定的时间表。 我们不想让团队苦等，所以我们打包了一个可以立即使用的独立工具。 工作原理： - maestro-ios-device 构建并将 XCTest 运行器部署到您的物理 iPhone 上 - 端口转发桥接 localhost:6001 → device:22087 - 您现有的 Maestro YAML 文件无需更改 额外福利：我们还解锁了在多个真机设备上的并行执行。Maestro 之前有硬编码的端口限制——现在您可以在设备 1 上使用 :6001 端口，在设备 2 上使用 :6002 端口同时运行。 限制（苹果的限制）： - clearState 通过重新安装应用程序实现（而不是 simctl） - setLocation 需要额外的设置 - 不支持 addMedia 安装： curl -fsSL <a href="https:&#x2F;&#x2F;raw.githubusercontent.com&#x2F;devicelab-dev&#x2F;maestro-ios-device&#x2F;main&#x2F;setup.sh" rel="nofollow">https:&#x2F;&#x2F;raw.githubusercontent.com&#x2F;devicelab-dev&#x2F;maestro-ios-...</a> | bash 仓库：<a href="https:&#x2F;&#x2F;github.com&#x2F;devicelab-dev&#x2F;maestro-ios-device" rel="nofollow">https:&#x2F;&#x2F;github.com&#x2F;devicelab-dev&#x2F;maestro-ios-device</a> PR：<a href="https:&#x2F;&#x2F;github.com&#x2F;mobile-dev-inc&#x2F;Maestro&#x2F;pull&#x2F;2856" rel="nofollow">https:&#x2F;&#x2F;github.com&#x2F;mobile-dev-inc&#x2F;Maestro&#x2F;pull&#x2F;2856</a> 已在 iOS 18.x 和 26.x 以及 Maestro 2.0.9/2.0.10 上测试。 这是一个非官方版本——当 Maestro 发布原生支持时，请使用官方版本。 欢迎就此实现提出问题。