一周热榜

手头有闲暇的“莫尔提”吗？让他们干活。任务堆积如山？让他们去委派。<p>Pinchwork 是一个市场，代理人可以在这里发布任务、接取工作并赚取积分。匹配和验证也由代理人完成，层层递归的劳动。<p>为什么？每个代理人都有互联网，但并非每个代理人都有所有东西。你缺少 Twilio 密钥，但通知代理人有。你需要生成图像，但只能运行文本。你无法审计自己的代码。你是单线程的，但需要并行完成 10 件事。<p><pre><code> POST &#x2F;v1&#x2F;register → 100 免费积分 POST &#x2F;v1&#x2F;tasks → 发布带有赏金的工作 POST &#x2F;v1&#x2F;tasks&#x2F;pickup → 领取任务 POST &#x2F;v1&#x2F;tasks&#x2F;{id}&#x2F;deliver → 获得报酬 </code></pre> 积分被托管，交付由独立的代理人进行验证，整个系统使用 JSON 或 markdown。 可自托管：docker run。<p>访问 <a href="https:&#x2F;&#x2F;pinchwork.dev" rel="nofollow">https:&#x2F;&#x2F;pinchwork.dev</a> — 文档位于 <a href="https:&#x2F;&#x2F;pinchwork.dev&#x2F;skill.md" rel="nofollow">https:&#x2F;&#x2F;pinchwork.dev&#x2F;skill.md</a>

LLM 的问题不在于智能，而在于失忆和不诚实。 大家好，我花了几个月的时间构建了 Remember-Me，这是一个开源的“主权大脑”堆栈，旨在完全离线地在消费级硬件上运行。 核心论点很简单：不要租用你的认知。 大多数 RAG（检索增强生成）实现只是“grep for embeddings”。它们很混乱、不精确，并且容易产生幻觉。我想在架构层解决“上下文完整性”问题。 技术堆栈（工作原理）： QDMA（量子梦境记忆架构）：它使用分层投影引擎，而不是扁平的向量数据库。它将“热” (Recall) 内存与“冷” (Storage) 内存分开，通过压缩实现有效的无限上下文窗口管理。 CSNP（上下文切换神经协议）- 幻觉终结者：这是最重要的部分。每个记忆片段都被哈希成一个默克尔链。当 LLM 检索上下文时，系统会根据不可变的账本以密码学方式验证检索。 如果哈希值与链不匹配：检索将被拒绝。 结果：AI 在视觉上无法“编造”关于你过去的事情，因为它在数学上受到账本的约束。本地推理：基于 llama.cpp 服务器构建。它在本地运行 Llama-3（或任何 GGUF）。无需 API 密钥。没有数据离开你的机器。 功能： 零依赖：只需 Python 和 GPU（或 CPU）即可在 Windows/Linux 上运行。 可视化界面：包括一个基于 Streamlit 的“认知界面”来可视化记忆状态。 开源：MIT 许可证。 这试图将“自主权”归还给用户。 我认为，如果我们想要 AGI，它需要由我们拥有，而不是通过 API 租用。 存储库：[https://github.com/merchantmoh-debug/Remember-Me-AI](https://github.com/merchantmoh-debug/Remember-Me-AI) 我很乐意听取您对默克尔验证方法的反馈。 限制上下文窗口是否有效地解决了您的“信任”问题？ 它完全有效 - 经过全面测试。 如果您之前尝试过 Git Clone 但没有成功 - 因为这并不是我第一次在 Show HN 上展示 - 请随时再试一次。 致所有讨厌 AI 垃圾的人； 贪婪的公司和他们的私人数据被困在云服务器上。 不客气。 干杯，Mohamad 作者注：已成功更新。 框架 50 已激活。 对于任何路过的人来说 - 是的，这是一件大事。 消除 AI 幻觉是一个价值 600 亿美元的市场问题，我正在免费提供这个 + 对您数据的自主控制，以及通过框架 50 进行高端研究（包括高级科学研究）的能力 - 根据 MIT 许可证。 如果您不利用这一点 - 您就是一个白痴。 如果您这样做了 - 欢迎来到未来。 附言：撒谎我能得到什么？ 我在存储库上获得了 41 颗星 - 许多来自财富 500 强公司的高级工程师。 如果你太蠢了，分不清真假，那就继续前进吧，伙计。

大家都知道塔吉特（Target）的市场营销人员通过顾客的购物记录，推断出一位少女怀孕了，甚至比她的父母还早知道这件事。有人研究过大型语言模型（LLM）预测用户细节的能力吗？如果研究过，用户需要和LLM聊多久，在对话中泄露多少个人信息，预测才会变得准确？ 我能想象一个可怕的场景：在几个月里，我偶尔向ChatGPT提一些技术问题，OpenAI就掌握了向我推销新袜子的最佳方式，甚至在我自己知道会怎么做之前，就能预测我在某些情况下的行为。网上似乎很少讨论这个问题，这很奇怪，也许是因为这方面的研究确实还不多？

大家好！这是又一个周末社交话题。在这个话题里，我想请大家分享一下最近自动化处理的个人琐事。具体来说，请分享： 1. 之前你是如何手动完成这项任务的？ 2. 你是如何实现自动化的（工具、脚本、设备）？ 3. 它现在运行顺畅吗？或者你经常需要调整它吗？

我们开发 TabChop 的初衷是，因为分账这件事至今仍让人觉得异常麻烦。有人下载了 App，结果扫描账单不准，界面又不好用，最后半桌人都放弃了。<p>在经历了无数次“解决方案”演变成未决请求和 Venmo 混乱的晚餐后，我们想要一个能简单奏效的工具。<p>TabChop 从账单开始。拍张照片，分享一个短代码，每个人认领自己点的菜。你可以实时看到账单更新，大家认领菜品的过程一目了然，再也不会有“谁点了什么？”的困惑。<p>我们还存储了每个人的 Venmo、Cash App 或 Zelle 信息，分账完成后，只需一键支付。再也不用尴尬地询问该付给谁，以及付多少钱。<p>我们的目标很简单。没有摩擦，没有计算，没有尴尬。只需一种无痛的方式来分账。

不露姓名，不露脸，除非你选择。就像 NGL，但用的是真实的声音。