最新

嗨，HN， 我是 LocaFlow 的开发者。以下是它的背景故事： 过去几年里，我开发了几款 iOS 应用。但每一款都只支持英语，因为我非常害怕本地化流程。典型的流程是这样的： 1. 打开 Localizable.strings 文件作为源代码 2. 手动将字符串片段复制粘贴到 ChatGPT 或 Claude 3. 复制粘贴翻译结果 4. 测试一切 5. 针对每种语言和每次应用更新重复以上步骤 这会让我每款应用花费 8 个小时以上。我一直拖延着不做。 上个季度，我终于决定本地化我的其中一款应用。在花了整个周六的一半时间后，我心想：“我是一名开发者……为什么我要手动做这件事？” 所以我开发了 LocaFlow。 它的功能： * 选择你电脑上的应用项目 * AI 翻译成 50 多种语言 * 只需几分钟，而不是几小时/几天 与众不同之处： * 没有“自带 API 密钥”的麻烦（我负责翻译 API 费用） * 保留格式（变量、复数、特殊字符） * 简单的定价：每月 19 美元（或慷慨的免费套餐） * 由一位为自己的应用使用它的开发者构建 技术细节： * 使用 AI 进行翻译（比 Google 翻译更好地理解上下文） * 在翻译前后验证字符串格式 * 处理 iOS 复数形式、Android 字符串数组等 * 可以批量翻译（一次处理整个应用） 很乐意回答关于实现、定价、路线图或任何其他问题。 试用一下：[https://locaflow.dev](https://locaflow.dev)（提供免费套餐，无需信用卡）

Hi HN， 自从 2023 年的 AutoGPT 问世以来，我对完全无人值守的 AI 智能体一直感到不安。我看到了生产力的提升，但“启动它然后走开”感觉风险很高。 最近，“Ralph Wiggum 循环”模式开始流行起来。这个想法很简单： 一个自主编码智能体反复运行，直到所有 PRD（产品需求文档）项完成，每次循环都有新的上下文，状态存储在模型之外，例如 Git、JSON 等。 让我感到困扰的是这一点：当我不在线时，什么来保护系统？ 如今传统的 AI 辅助开发流程是这样的： AI 编写代码 → 人工审查 → CI 扫描 → 人工修复 而我想要的流程是： AI 编写代码 → 立即进行安全扫描 → AI 修复问题 → 重复，直到安全 → 陷入困境时升级 所以我构建了一个原型，将安全扫描直接嵌入到智能体循环中。智能体在其自己的会话中运行 Semgrep、Grype、Checkov 等工具，查看结果，并在提交任何内容之前迭代地修复它们。 循环流程如下： PRD → 智能体 → 扫描 → 通过？ → 提交 失败 → 修复 → 重试 (3 次) → 升级给人工 几个重要的设计原则： * 基线差异：预先存在的问题被单独跟踪。只有新的发现会阻止提交。 * 沙盒约束：禁止网络访问，禁止 sudo，禁止破坏性命令。 * 人工覆盖：没有任何东西是完全自主的。你可以在任何时候介入。 这是否万无一失？绝对不是。 它是否已准备好投入生产？没有。 但这只是将 DevSecOps 思维应用于自主智能体，而不是信任“AI 魔法”的起点。 代码库链接：[https://github.com/agairola/securing-ralph-loop](https://github.com/agairola/securing-ralph-loop) 欢迎大家对正在试验智能体循环、安全自动化或 AI 辅助开发失败的案例提出反馈。 乐于迭代。

一个月前，OpenAI 在没有任何通知的情况下禁用了我的 ChatGPT 账号。三年多的对话记录——全没了。<p>我尝试了一切办法。给所有能找到的 OpenAI 邮箱都发了邮件。他们的回复是？“使用我们的数据导出工具。” 问题是？你需要一个活跃的账号才能导出你的数据。<p>经典操作。<p>所以我开发了一个浏览器扩展程序，可以让我一键保存来自 ChatGPT、Claude 或 Gemini 的任何对话。Markdown 格式，保存在一个地方。<p>结果它解决了另一个我没想到的问题：我经常向这三个 AI 提同样的问题，然后忘记了哪个给我的答案最好。现在它们都在一个地方了。<p>目前它只是我的个人工具。没什么花哨的——只是为了解决我自己的问题。如果有兴趣，我会考虑发布它。也可以很容易地扩展到其他 AI 助手。<p>现在还有人担心他们的 AI 聊天记录吗？

需要一种通用格式来共享与 AI 的对话，该格式可以在一个对话流中捕获来自多个来源的 token。<p>早在 2024 年，当大多数 LLM API 还是补全端点时，唯一可见的实体是 `system`、`user` 和 `assistant`。<p>推理模型增加了思维 token，这些 token 可能对用户不可见，但却是 LLM 推理（推理时计算）的思维轨迹。<p>现在，随着 agent 进行工具调用，还有其他实体也参与并影响着对话的流程。<p>我尝试为这个目的编写了一个 `SKILLS.md` 文件，其双重目的是为了跨 agent 协作和人工审计。 - Agent 可以将其整个“意识流”交给其他 agent 来拾取并继续，这在多 agent 协作中效果极佳。 - 人类不仅可以审查 agent 系统的输入/输出，还可以真正深入了解影响输出的思维过程和其他工具依赖关系。