最新

嗨，HN！我是Pierce。<p>Rotunda是一个主要面向代理使用的Firefox分支，我一直在晚上/周末进行开发。<p>上周有一个[冗长](<a href="https:&#x2F;&#x2F;news.ycombinator.com&#x2F;item?id=48024859">https:&#x2F;&#x2F;news.ycombinator.com&#x2F;item?id=48024859</a>)的讨论，关于计算机使用模型的成本有多高。成本最终会下降，但我认为在某种程度上，它仍然通常是错误的基元。网络为我们提供了访问漂亮的结构化格式、纯文本等的机会……如果我们不必这样做，为什么要放弃呢？<p>我意识到，对于99%的自动化，我只想让代理能够控制我的Chrome实例。但说起来容易做起来难：CDP（Chrome自动化协议）泄露了大量关于被程序控制的状态，要么通过切换窗口属性，要么通过在页面上下文中运行`page.evaluate()`命令。而且，如果你观察一个正在运行的自动化，会很明显地看到发生了什么：鼠标跳来跳去，字段瞬间被填满等等。<p>Rotunda试图解决这个问题。它的突出特点：<p>- 逼真的鼠标移动和键盘命令模拟，由我过去一周的个人时间模式训练的RNN提供支持。（仍然对选择加入键盘记录器感到奇怪，但就这样吧）<p>- 不会谎报其主机规格，只对一些客户端细节撒谎。当你在画布像素或音频管道中添加噪声时，隐身浏览器太容易被统计标记了。<p>- 它在你的本地设备上运行，具有CLI或Playwright API，可供Claude、Codex或你今天使用的任何工具使用。<p>- 使用代理框架修补现代Firefox（150），以保持其随时间更新<p>GitHub上的MPL-2.0许可证：<a href="https:&#x2F;&#x2F;github.com&#x2F;monkeysee-ai&#x2F;rotunda" rel="nofollow">https:&#x2F;&#x2F;github.com&#x2F;monkeysee-ai&#x2F;rotunda</a><p>关于设计选择的更长篇幅的介绍：<a href="https:&#x2F;&#x2F;pierce.dev&#x2F;notes&#x2F;a-browser-for-agents" rel="nofollow">https:&#x2F;&#x2F;pierce.dev&#x2F;notes&#x2F;a-browser-for-agents</a><p>也请查看网站上的演示！<a href="https:&#x2F;&#x2F;www.rotunda.sh&#x2F;" rel="nofollow">https:&#x2F;&#x2F;www.rotunda.sh&#x2F;</a><p>对这个结果感到非常兴奋，但我们还处于早期阶段。试一试，请标记任何问题！

技术背景：每个代理循环都从一个预先复制到工作区的真实 Astro 项目模板开始。Claude 没有从头开始生成文件树，而是扩展和修改这个已知的良好基线。这种设计决策避免了模型生成脚手架的低效率和不一致性。通过在预先构建的可编译结构中工作，模型可以专注于高价值任务，例如文案撰写、布局和视觉层次结构。 关于代理循环、Postgres 作为队列、通过恢复进行编辑等更全面的架构解释，请参见此处：<a href="https:&#x2F;&#x2F;www.adamhsn.com&#x2F;blog&#x2F;conversational-website-builder-claude-agent-sdk" rel="nofollow">https:&#x2F;&#x2F;www.adamhsn.com&#x2F;blog&#x2F;conversational-website-builder-...</a>

鉴于最近 npm 配置方面出现的问题，拥有这样一个工具来修复基本问题至关重要。

我是一名 SAP 集成顾问，这是我的一个副业项目。痛点：大多数自托管的 LLM 可观测性工具都需要 Postgres、Redis 和一些复杂的基础设施。团队只想看看他们的代理在生产环境中实际做了什么，这种设置成本阻碍了采用。 Torrix 以单个 Docker 容器的形式运行，由 SQLite 提供支持。完整安装方式如下： ``` curl -o docker-compose.yml <https://raw.githubusercontent.com/torrix-ai/install/main/doc> docker compose up ``` 没有外部依赖。所有数据都保存在您机器上的本地 SQLite 文件中。 它通过 HTTP 代理或 Python/Node SDK 记录 LLM 调用：tokens、成本、延迟、完整的提示和响应跟踪、推理 token 捕获。适用于 OpenAI、Anthropic、Gemini、Groq、Mistral、Azure Open AI 以及任何兼容 OpenAI 的端点。 我在实际使用它处理真实的代理管道时添加了以下功能：成本预测和硬预算上限、PII 屏蔽、模型路由规则、使用黄金运行的评估、AI 评判、带有版本历史的提示库、用于按环境筛选的运行标签、MCP 服务器，以便 AI 助手可以查询您自己的日志，以及用于已经使用 OpenTelemetry 的应用程序的 OTLP/HTTP 摄取。 社区版对单个用户免费，保留 7 天数据。专业版增加了团队、RBAC、30 天数据保留、API 密钥管理、全文搜索和审计日志。 SQLite 无法扩展到高写入吞吐量。这主要面向每天记录数百到数千次 LLM 调用的团队，而不是数百万次。欢迎大家提出意见，以及缺少什么功能。 GitHub / 安装：<https://github.com/torrix-ai/install> 网站：<https://www.torrix.ai>