最新

在敏感环境中，作为日常工作流程的一部分，必须打开来自不可信来源的媒体文件。 担心零日漏洞可能隐藏在其中一个媒体文件中。 网络攻击将对企业造成巨大影响。

我构建了 Spltty，一个 Ruby 命令行工具，用于使用纯 Markdown 文件跟踪共享费用、自定义分摊和结算。本文将介绍它是如何从一个由 Claude 管理的文件夹演变成一个命令行工具的。

LabCraft 是一个由人工智能指导的学习平台，它不是一个聊天机器人！它包含课程内容和一个可供学习者安全练习所学知识的实验环境。人工智能导师会观察用户在实验环境中的操作，并在用户遇到困难时引导他们达成目标。这个过程会随着时间的推移不断迭代，以改进课程、实验环境和导师，所有这些都是为了提供更好的学习体验。 目前，我专注于 Nix/NixOS。这是一项非常有用的技术，但学习曲线陡峭，我的目标是让 LabCraft 帮助用户克服这一挑战。实验环境包含带有仪器化 Shell 的 Linux 虚拟机，使人工智能导师能够观察用户运行命令并根据需要进行指导。Nix/NixOS 课程的约 48 个部分中的第 1 部分今天已对所有用户开放。 我正在寻求用户的反馈，以了解如何以及在何处可以改进学习体验。

我和我的朋友在 Claude Code 和 Codex 上花费了大量时间。我们总是会丢失代码变更背后的上下文，因为每次代理会话都只存在于某个人的笔记本电脑上，等到代码提交到 PR 时，所有的推理过程都消失了。 我们尝试过提交（commits）、拉取请求（PRs）和文档，但它们只能真正捕捉最终结果，所以我们构建了一个工具，将所有的代理会话保存在一个可搜索的地方。 现在，我们（以及我们的代理）可以查看任何人的会话，并询问诸如“Alex 昨天在做什么？”之类的问题。在几天或几周后找回变更背后的上下文也很有帮助。 Ocean 支持 Claude Code、Codex、OpenCode、Hermes、Pi 以及其他代理框架。 我们自己每天都在使用它，它已经成为我们协作方式的核心部分。希望你们也能觉得它有用！ 立即试用：https://ocean.mosaic.inc/ 演示：https://www.youtube.com/watch?v=sjyrgkRBWVg

我开始思考为什么 Fireworks 不支持语音模型。现在有很多优秀的开源模型可用，比如 parakeet、kokoro、Qwen ASR 等，但如果没有自己管理大量的 GPU，就无法使用它们。 即使是像 Gemma 4 这样被语音助手使用的 LLM 也不支持。 然后我意识到，推理平台需要针对你使用的用例进行不同的优化。以 LLM 为例，甚至不是 STT 和 TTS。 * 编码助手 -> 大量缓存输入，需要针对 KV 缓存进行优化 * 创建幻灯片/博客 -> 大量输出，需要针对推测性解码进行优化 * 语音 LLM -> 缓存输入，小量输出，尚未弄清楚如何优化这一点。 所以 TTS 和 STT 是完全不同的领域。 我不知道的是时机，人们现在就想使用像 kokoro、parakeet、Qwen 等开源模型吗？

我创建它的主要目的是为了测试和探索，但主要原因是因为之前的工作使得它成为可能。

加州有一项古老的第8号提案规定，如果房主房屋的实际价值低于县评估价值，他们可以申请降低房产税。 申请流程是阅读一份名为“出版物30”的100页文件，以精确选择您附近的同类房产，填写表格，签名，然后通过传真/邮寄方式发送给县评估员。 我创建了saveproptax，利用一个基于“出版物30”规则、Redfin数据以及一些基础的传真/邮件发送工具训练的LLM来自动化这一过程。它每年已为湾区房主平均节省了2800美元的房产税。

我一直在开发 daily.fm，其宗旨是“播客一切”。我刚刚添加了一个 Chrome 扩展程序，可以捕获任何网页，进行总结，并在你的播客中创建一个节目。 当我想要了解某件事但又没时间阅读时，我会使用它。我不会将它加入书签稍后回来查看，而是在出行时收听 60 秒的摘要。

粘贴你的代码，获取一个人工智能代码债务评分（0-100），并因你的“罪过”而受到“嘲讽”。118个正则表达式模式，8种语言，不涉及任何人工智能——所有内容都在客户端运行，你的代码永远不会离开你的浏览器。 好奇你会得到什么分数。仓库：github.com/adamyasingh-05/roast-my-code 应用已上线：https://easy-link-free.lovable.app