最新

我是 Athenic AI 的创始人，Athenic AI 是一款使用自然语言探索和分析数据的工具。我们正在探索推出一个自托管社区版，并希望听取数据从业者的意见。 社区版将具备以下特点： * 自带 LLM（可使用任何你喜欢的模型） * Docker 容器化，独立运行，易于部署 * 专为希望获得 AI 驱动的洞察力，又不想依赖云服务的团队设计 如果您感兴趣，请告知我： * 自托管版本对您来说有用吗？ * 您会实际用它来做什么？ * 我们应该考虑哪些必备功能或挑战？

我一直在尝试一个名为 Velocity 的新传输层，旨在探索如果我们不再沿用 TLS 和 HTTPS 的历史包袱，能够释放多少性能。<p>Velocity 的目标很简单：构建一个干净、现代的协议，能够抵抗量子攻击，支持混合密钥交换，并将握手延迟降至接近于零。结果令人惊讶。在受控的裸机测试中，Velocity 支持 pqq 的握手速度比 TLS 1.3 快约 12,100 倍，而备用 QUIC 模式的性能仍然快了几千倍。即使是最安全加固的配置（Velocity Fortress），其总握手吞吐量也远超 HTTPS。<p>该系统旨在主动和被动地抵抗威胁。针对被动监视，Velocity 缩短了票据的生命周期并加密了传输记录。对于主动的中间人攻击（MITM），它将握手绑定到配置文件，验证 PQ 签名，并强制执行 ALPN 一致性。恶意客户端通过重试令牌、工作量证明钩子和重放窗口跟踪来处理泛洪或重放请求。即使在 CA 被攻破的情况下，Velocity 也会交叉检查 PQ 扩展，记录证书透明度事件，并计划强制执行 PQ 验证策略。<p>目前，Velocity 仅终止其后量子 UDP 传输。传统的 HTTPS 备用方案仍然通过标准 Web 服务器运行，例如 Caddy 或 Nginx。路线图旨在将一流的 HTTPS 和 ACME 自动化直接集成到 Velocity 中，使其成为一个单一的二进制文件，可以为多个域提供静态资产或反向代理流量，并具有自动证书和热重载功能。<p>未来的阶段侧重于：<p>统一的 TCP/UDP 堆栈，支持 HTTP/1.1、HTTP/2 和 HTTP/3 以及 Velocity QUIC。<p>内置的 ACME 自动化，用于证书和 OCSP 装订。<p>多租户路由，使用 JSON、YAML 或 TOML 进行主机和路径映射。<p>可观察性和 CLI 与 Caddy 等工具的对等性——结构化日志、指标、安全默认值和优雅的重载。<p>您可以在此处阅读当前文档： <a href="https://projectvelocity.org" rel="nofollow">https://projectvelocity.org</a><p>我很乐意听取运行高性能或自托管系统的人的意见。下一步是将 HTTPS 支持直接集成到运行时中，以便操作员可以像使用 Caddy 或 Nginx 一样部署 Velocity，而无需单独的配置或反向代理。<p>如果您今天从头开始，您认为 HTTPS 生态系统的哪些部分值得保留，哪些部分应该完全重新考虑？

我为语言老师们开发了一个人工智能助手。<p>它能自动化语言教学中重复的部分：<p>- 制定课程计划。 - 创建和批改作业以及语言学习活动（听力、写作、选择题，很快还将加入口语练习！）。 - 老师们可以获得关于学生优缺点的个性化反馈。<p>我们的目标不是“取代”老师，而是缩短反馈周期，从而加速学习。在我们的试用项目中，过去需要几天才能完成的反馈，现在只需几分钟就能到达学生手中。<p>该助手目前已上线，支持英语作为第二语言（ESL）教学。<p>分享出来是因为我对以下问题很感兴趣，想知道其他人是如何处理的：<p>1) 在公共教育领域使用生成式人工智能（GenAI）时，如何实现隐私优先的设计？<p>2) 如何使用大型语言模型（LLM）评估语言准确性，同时避免过度依赖提示工程？<p>3) 在实际的机构限制下（例如，采购、伦理准则）部署人工智能工具？<p>欢迎提问或分享架构细节！！