最新

大家好，我之前写过一篇关于不要给我发送大型 PR（Pull Request）的博文（<a href="https:&#x2F;&#x2F;news.ycombinator.com&#x2F;item?id=49305558">https:&#x2F;&#x2F;news.ycombinator.com&#x2F;item?id=49305558</a>）。然而，我仍然收到大量 PR，所以我拥抱了 AI，让它来帮助我。 Chronosphere 会以逻辑步骤重构 PR，以尝试重现生成 PR 本身的思路过程。它集成了 GitHub 和 OpenRouter 以方便使用，但也可以通过技能集成完全从您当前的编码代理使用，没有任何代码会被上传到中央服务器。 希望这能帮助大家应对理解大量 AI 生成代码的挑战。

各位 HN 用户： 我一直在开发一种受生物视觉皮层启发的边缘检测算法。几个月前我发布了一个初步版本，之后一直在不断改进。目前的基准测试得分介于传统的算法（如 Canny、Sobel）和现代深度学习网络之间，同时保留了传统算法的可解释性。 我计划进一步开发此算法，以满足下游应用场景的需求，或许会尝试提高视频处理的帧率（FPS）以及在不同硬件上的性能。 任何有兴趣合作的朋友，都可以在 Readme 文件中找到我的邮箱。对计算机视觉框架/分布式系统感兴趣的工程师，或者在学术界关注此研究方向的任何人，都欢迎与我联系。

10月26日，OpenAI 在 Balaban 的纯 R^4 上的 RG 程序中宣布了一个声称的“基本存在性”证明，但值得注意的是，在声称质量间隙 Δ > 0 之前就停止了。事实证明，在平坦的无限空间中，没有任何计算集群能够弥合这一差距，这背后存在着严格的数学原因。 我编写了一个包含 2,576 行代码的、独立的 Lean 4 脚本（`RoundSquare.lean`），该脚本形式化地证明了对纯 R^4 上的 Clay Millennium Yang-Mills 问题的一个否定结果的解决方案。遵循哥德尔和图灵的传统，它证明了在非紧致 R^4 上同时要求完整的 Osterwalder-Schrader/Wightman 公理和严格的光谱间隙 Δ > 0 是一个结构性矛盾。 基本存在性（Δ = 0）满足 R^4 上的 OS 公理。但是，强制要求严格的间隙（Δ > 0）严格需要通过 Gribov 视界进行红外截止，并在边界 S^3_∞ 上进行非局部 θ-真空投影，这会立即破坏 Wightman 微因果律（Strocchi 定理）和 Wick 全纯性（GZ 复数极点）。 Lean 4 脚本在 2 秒内编译完成，且零公理。没有 `sorry`，没有 `Classical.choice`，没有 `propext`。74 个 `#print axioms` 检查中的每一个都输出“不依赖于任何公理”。 尽管企业人工智能实验室将其训练数据和精确模型保密，但我相信理论物理学和千禧年级数学的未来必须是 100% 开源、机器验证且无公理的。 我在 X 上为任何能在 74 个定理中找到逻辑缺陷，或在纯非紧致 R^4 上展示一个能够生成严格间隙同时绕过 FMR 视界尖点和 S^3_∞ 投影仪的构造性机制的人设置了 10 LTC 的赏金。 您无需安装任何东西即可在浏览器中验证代码： 1. 从上面的 URL 下载脚本。 2. 前往 https://live.lean-lang.org 3. 从磁盘加载文件并检查结果。 完整预印本及背景信息：https://doi.org/10.5281/zenodo.21555360 非常希望听到逻辑学和构造性数学领域人士的反馈。

大家好，我是 Gauge 的 Evan。我们正在开源我们的 CLI 工具，以递归地改进面向编码代理的文档。该 CLI 包含一个本地执行后端，因此您无需注册即可进行尝试。解释视频在此：<a href="https:&#x2F;&#x2F;youtu.be&#x2F;zhLUlIKB1Mg" rel="nofollow">https:&#x2F;&#x2F;youtu.be&#x2F;zhLUlIKB1Mg</a><p>该 CLI 支持一个爬山循环：<p>- 为需要您文档的编码代理设置任务，例如“设置 Gauge CI 检查”<p>- 运行任务<p>- 分析会话记录中的摩擦点或失败<p>- 创建文档变体来解决问题<p>- 使用注入的文档变体重新运行任务（透明地，在同一主机名下）<p>- 重复此过程，直到找到解决问题的变体<p>相同的循环支持爬山改进您的技能、CLI 和其他面向代理的界面。<p>我们两年前开始构建开源开发工具（例如 Tach <a href="https:&#x2F;&#x2F;github.com&#x2F;tach-org&#x2F;tach" rel="nofollow">https:&#x2F;&#x2F;github.com&#x2F;tach-org&#x2F;tach</a>），然后转向 AI 搜索优化，现在我们专注于这两个领域的交叉点。我们已经与很棒的开发工具公司合作，他们是第一批询问我们如何为 Claude Code 和 Codex 进行优化的公司。我们意识到这最终将是每家公司都需要做的事情。我们的 CLI 为文档/开发者关系/工程团队提供了衡量、分析和改进编码代理使用其产品方式的基本工具。<p>该设计归结为两个组件：虚拟机和网络网关。<p>虚拟机很简单，我们希望代理在其环境中拥有高度特权，以便它们能够代表开发者的编码代理。每个虚拟机通常包含代理本身、语言工具链和 Git 存储库。<p>网络网关是我们终止 TLS 并透明地替换文档变体的地方。网关还处理凭证替换，因此代理会看到占位符，无法窃取密钥。<p>该 CLI 配备了一个“本地”执行后端（推理仍然是远程的）。对于虚拟机，它使用 Docker 容器，网络网关是为每个会话在 sidecar 容器中运行的 mitmproxy。<p>我们已经在内部使用爬山循环来查找和修复编码代理问题，例如错误的定价、不准确的产品限制和重复的解决方法。我们看到编码代理报告 Gauge 只支持 Claude Code 和 Codex，追溯到它们抓取的网页，并修复了该行为（我们也支持 Pi、OpenCode 和 Antigravity）。对于 Clerk，我们帮助将编码代理从其旧的“无密钥”模式转移到他们新的“clerk init”命令。他们能够使用 Gauge 验证其 SDK 错误消息的预发布更改，然后在部署后看到使用“clerk init”的编码代理数量增加了 3 倍。<p>由于 AI 模型的“静态”性质，我们意识到闭环优化技术现在几乎可以用于所有软件产品。可以一遍又一遍地模拟相同的代理，这意味着您只需要一个高保真度的测试环境。取得最佳结果取决于高质量的分析（找到可推广的摩擦点和异议）以及配对实验（仅更改内容，衡量行为的下游变化）。<p>仓库在此：<a href="https:&#x2F;&#x2F;github.com&#x2F;gauge-sh&#x2F;gauge-cli" rel="nofollow">https:&#x2F;&#x2F;github.com&#x2F;gauge-sh&#x2F;gauge-cli</a>，您可以使用以下命令开始使用 CLI：npm i -g @withgauge&#x2F;cli<p>我们在这里也有文档和快速入门指南：<a href="https:&#x2F;&#x2F;docs.withgauge.com&#x2F;agents&#x2F;guides&#x2F;cli">https:&#x2F;&#x2F;docs.withgauge.com&#x2F;agents&#x2F;guides&#x2F;cli</a><p>如果您将编码代理指向这些页面，它应该会指导您完成初始设置 - 如果没有，请告诉我们！目的是让您的代理运行一些合理的评估，并找到至少一个您可以修复的摩擦点。<p>我们很想听听 HN 的看法：是否有人尝试过本地 DIY，或者在公司内部构建过类似的东西？这是一种改进吗？如果不是，什么需要改变？