最新

我一直对 VPS 上开发环境的依赖地狱和杂乱感到沮丧，所以我构建了 Devbox：一个轻量级、开源的 CLI 工具，使用 Docker 启动隔离的开发环境。每个项目都在其自己的容器中运行，但您的代码保留在主机上的简单扁平文件夹中——无需处理卷或同步问题。环境是可丢弃的，因此您可以销毁并重新创建它们，而不会丢失您的工作。 主要特点： * 即时设置：`devbox init my-project`，您就进入了一个新的环境，使用 `devbox shell`。 * 通过 JSON 可配置：在 `devbox.json` 文件中定义软件包、服务等。在您的仓库中共享它以实现可重现的设置——队友只需运行 `devbox up`。 * 默认情况下 Docker-in-Docker：在您的环境中构建和运行容器，无需额外配置。 * 对主机友好：直接在您的机器上编辑代码；容器处理运行时。 * 用于快速入门的模板：内置 Python、Node.js、Go、Web 开发等。 * 高级选项：端口映射、环境变量、资源限制，甚至挂载您的点文件。 它是 FOSS（MIT 许可证），以 Linux 为中心（Debian/Ubuntu，或 Windows 上的 WSL2），并且超级容易安装：`curl -fsSL <https://devbox.ar0.eu/install.sh> | bash`。 请访问启动页面和文档 <https://devbox.ar0.eu>，或访问仓库 <https://github.com/itzCozi/devbox>。我希望得到一些反馈、点赞或贡献，以帮助将其发展成为一个可靠的社区工具！

嘿，HN！我们是 Klavis AI (<a href="https:&#x2F;&#x2F;www.klavis.ai&#x2F;">https:&#x2F;&#x2F;www.klavis.ai&#x2F;</a>)，我们正在推出 Strata，一个开源的 MCP 服务器，帮助 AI 智能体使用成千上万的 API 工具，而不会不堪重负。Strata 不会一次性展示所有可用工具，而是根据 AI 的实际需求逐步揭示它们。<p>作为前 Google Gemini 工具使用团队的高级软件工程师，我亲眼目睹了 AI 在使用工具时遇到的困难。如果你构建过 AI 智能体，你可能也遇到过同样的问题：（1）AI 智能体难以从数百个选项中选择正确的 API。（2）工具描述和信息会消耗大量的 token 预算。（3）大多数服务器限制在 40~50 个工具，以避免这些问题，这限制了你能构建的内容。<p>Strata 没有一开始就用所有东西淹没 AI，而是像人类一样工作。它引导 AI 智能体发现相关类别，然后列出这些类别中可用的操作。它依赖 LLM 的推理能力，逐步深入，找到所需的精确工具。以下是一些例子：<p><i>Github 查询：“在我们的主仓库中找到我过期的 pull request”</i><p>Strata：AI 模型识别出 GitHub → 显示类别（仓库、问题、PR、操作）→ AI 选择 PR → 显示 PR 专用操作 -> AI 选择 list_pull_requests → 显示 list_pull_requests 详情 -> 使用正确的参数执行 list_pull_requests。<p><i>Jira 查询：“在 'MOBILE' 项目中创建一个关于应用程序启动时崩溃的 bug 票。”</i><p>Strata：AI 识别出 Jira → 显示类别（项目、问题、Sprint）→ AI 选择问题 → 显示操作（create_issue, get_issue）→ AI 选择 create_issue → 显示 create_issue 详情 → 使用正确的参数执行。|<p><i>Slack 查询：“在 #announcements 频道中发布一条消息，说明下周五将支付奖金。”</i><p>Strata：AI 识别出 Slack → 显示类别（频道、消息、用户）→ AI 选择消息 → 显示操作（send_message, schedule_message）→ AI 选择 send_message → 显示 send_message 详情 → 使用正确的参数执行。<p>这种渐进式方法释放了一个巨大的优势：深度。虽然大多数集成只提供少数高级工具，但 Strata 可以为 GitHub、Jira 等单个应用程序公开数百个细粒度的功能。你的 AI 智能体最终可以访问真实工作流程所需的深度、特定功能，而不会迷失在选项的海洋中。<p>在幕后，Strata 管理身份验证 token，并包含一个内置的搜索工具，供智能体在遇到问题时深入研究文档。<p>在 MCPMark <a href="https:&#x2F;&#x2F;mcpmark.ai&#x2F;leaderboard&#x2F;mcp" rel="nofollow">https:&#x2F;&#x2F;mcpmark.ai&#x2F;leaderboard&#x2F;mcp</a> 上，Strata 的 pass@1 率比官方 GitHub 服务器高出 +15.2%，比官方 Notion 服务器高出 +13.4%。在人工评估测试中，它在复杂、真实的多应用程序工作流程中达到了 83% 以上的准确率。<p>这是一个快速演示，观看 Strata 导航一个包含多个应用程序的复杂工作流程，并自动在每个步骤中选择正确的工具：<a href="https:&#x2F;&#x2F;www.youtube.com&#x2F;watch?v=N00cY9Ov_fM" rel="nofollow">https:&#x2F;&#x2F;www.youtube.com&#x2F;watch?v=N00cY9Ov_fM</a>。<p>你可以将任何外部 MCP 服务器连接到 Strata，我们有一个开源版本：<a href="https:&#x2F;&#x2F;github.com&#x2F;Klavis-AI&#x2F;klavis" rel="nofollow">https:&#x2F;&#x2F;github.com&#x2F;Klavis-AI&#x2F;klavis</a>。<p>对于团队或生产使用，以及更多功能，请访问我们的网站：<a href="https:&#x2F;&#x2F;www.klavis.ai">https:&#x2F;&#x2F;www.klavis.ai</a>。一键将 Strata 添加到 Cursor、VS Code 或任何兼容 MCP 的应用程序中。你也可以使用我们的 API 轻松地将 Strata 插入到你的 AI 应用程序中。<p>我们期待你的评论。感谢阅读！

我构建了一个名为 *Kekkai* 的工具，用于在生产环境中进行文件完整性监控。 它在部署期间记录文件哈希值，并在之后进行验证，以检测未经授权的修改（例如，来自操作系统命令注入或篡改）。 重要性： * 许多在 AWS EC2 上的 Web 应用程序（PHP、Ruby、Python 等）需要一种轻量级的方式来确认其代码未被更改。 * 依赖元数据的传统方法常常会产生误报。 * Kekkai 仅检查文件内容，因此可以可靠地检测到真正的更改。 * 我已经将其部署到生产环境中的 EC2 PHP 应用程序中，到目前为止运行平稳。 关键点： * *仅内容哈希*（忽略时间戳/元数据） * *符号链接保护*（检测交换/更改） * *安全的 S3 存储*（部署服务器只写，应用程序服务器只读） * *单个 Go 二进制文件*，依赖项极少 欢迎其他在 EC2 上运行应用程序或在生产环境中管理文件完整性的人提供反馈。

嘿，HN！几个月前，我们以开源仓库的形式分享了我们的 AI 数据集生成器，反响非常热烈 (<a href="https:&#x2F;&#x2F;news.ycombinator.com&#x2F;item?id=44388093">https:&#x2F;&#x2F;news.ycombinator.com&#x2F;item?id=44388093</a>)。我们收到了希望无需承担托管开销的用户请求，因此我们提供了两种选择：一个托管版本 (<a href="https:&#x2F;&#x2F;www.metabase.com&#x2F;ai-data-generator" rel="nofollow">https:&#x2F;&#x2F;www.metabase.com&#x2F;ai-data-generator</a>)，可立即使用，以及完全开源的源代码 (<a href="https:&#x2F;&#x2F;github.com&#x2F;metabase&#x2F;dataset-generator" rel="nofollow">https:&#x2F;&#x2F;github.com&#x2F;metabase&#x2F;dataset-generator</a>)，供任何希望自托管或做出贡献的人使用。<p>期待看到你们如何使用它，以及基于它构建什么！<p>额外福利：由于他们的团队做出的巨大贡献，该仓库现在支持通过 LiteLLM 集成多供应商 LLM。