最新

我经常编写依赖于 XmlService 的 Google Apps Script (GAS) 项目，但我发现很难在本地进行测试。 因此，我创建了 <i>@yoshi389111&#x2F;fake-xmlservice</i>，这是一个在 Node.js 中实现 XmlService 的 npm 包。 * 与 Jest 兼容（例如，将其放入 `setupFilesAfterEnv`） * 允许使用 XmlService 的 GAS 代码进行本地单元测试 * 支持 XML 的解析和序列化（部分完成，并非 100%） * API 设计为 GAS 的 XmlService 的直接替代品 仓库：&lt;<a href="https:&#x2F;&#x2F;github.com&#x2F;yoshi389111&#x2F;fake-xmlservice" rel="nofollow">https:&#x2F;&#x2F;github.com&#x2F;yoshi389111&#x2F;fake-xmlservice</a>&gt; 包：&lt;<a href="https:&#x2F;&#x2F;www.npmjs.com&#x2F;package&#x2F;@yoshi389111&#x2F;fake-xmlservice" rel="nofollow">https:&#x2F;&#x2F;www.npmjs.com&#x2F;package&#x2F;@yoshi389111&#x2F;fake-xmlservice</a>&gt; 它尚未完全完成，但已经适用于我的用例。 我很乐意收到关于以下方面的反馈： * 您希望在 GAS XmlService 的测试库中看到哪些功能 * 您在项目中使用 XmlService 时遇到的任何边缘情况 谢谢！

这个项目的起源，是因为我在一个切割优化项目中需要一个约束求解器。 在评估了现有的求解器后，我发现它们主要都是大型 C/C++ 库的绑定，并且有大量的依赖项。因此，我决定开发自己的解决方案。经过几年的时间，我尝试了各种方法，最终实现了一个自包含的求解器。 该求解器处理具有整数、浮点数和布尔值域的约束，支持算术、逻辑以及几个全局约束（alldiff，element，count，table）。 虽然性能仍在不断提高，但它并不打算与大型商业求解器竞争。

Supacrawler 是一个用 Go 语言构建的开源网页抓取 API，注重性能和并发。它使用 Playwright-Go 进行 JS 渲染，并使用 Redis 进行缓存和队列管理。 易于自托管（克隆 + docker-compose）或使用托管版本。 Supacrawler 支持的功能： * v1/scrape — 从 URL 获取内容（HTML，JS 渲染） * v1/crawl — 跟踪链接以抓取整个站点或部分内容 * v1/screenshots — 捕获页面视觉渲染（全页、元素等） * v1/watch — 监控页面随时间的变化 * v1/parse — 新的端点：您提交一个 URL + 一个模式或所需格式（JSON、CSV、YAML、Markdown），它将返回结构化数据，而无需自定义抓取逻辑 代码库：[https://github.com/supacrawler/supacrawler](https://github.com/supacrawler/supacrawler) 云服务：[https://supacrawler.com](https://supacrawler.com) 请告诉我，什么能让您在生产环境中依赖这个工具！ 感谢您的关注 :)

Hi HN， 我是 Divy，前 Branch 的首席技术官，此前曾在 Credit Karma 和 NexHealth 领导工程团队。在过去十年里，我亲身经历了金融科技和健康科技领域，看到太多创始人被隐私合规问题搞得措手不及。 问题所在：80% 的初创企业不了解影响其业务的隐私法规。面对不断扩大的监管，在昂贵的律师（5000 美元以上）和有风险的通用模板之间做出选择变得越来越难。通用隐私政策之所以失败，是因为它们做出了企业无法兑现的承诺——我亲眼目睹了这导致融资失败并引发监管调查。 我的个人痛苦经历：在 Branch，我们花了数周时间，花费了超过 5000 美元才完成了基本的隐私合规文件。我们的律师按小时收费，每小时数百美元，本质上只是填写关于我们数据实践的表格。更糟糕的是？该政策甚至没有正确涵盖我们的特定用例，当新法规生效时，我们不得不重新做所有事情。 解决方案：PrivacyForge.ai 使用基于当前法规训练的 AI 生成符合法律要求的隐私文档。它不是使用通用模板，而是根据您实际的业务实践创建文档——您收集什么数据、如何处理数据、在哪里存储数据以及哪些司法管辖区适用于您。 技术方法：我们基于 Google Cloud 构建了该系统，使用 Vertex AI，并使用 Claude Sonnet 和 Gemini 2.5 进行文档生成。该系统为 GDPR、CCPA、CPRA、PIPEDA、COPPA 和 CalOPPA 维护单独的知识库。在交付之前，每个文档都会根据特定司法管辖区的要求进行验证。我们正在不断扩展我们支持的法规。 与现有工具的区别：大多数隐私生成器使用带有基本填写空白的静态模板。我们分析您的特定数据流并生成自定义语言。没有按站点定价这种扼杀机构的方式——只有一次性付款，并在法规更改时包含更新。 当前状态：我们已经上线，拥有付费客户，他们节省了数千美元的法律费用。生成的文档已通过了正在进行 A 轮尽职调查的公司的合规性审查。 在 privacyforge.ai 试用——希望收到 HN 社区的反馈，特别是如果您在贵公司遇到隐私合规方面的难题。 您遇到过哪些隐私合规噩梦？ 总是很想听听同行建设者的“战争故事”。