返回首页
24小时热榜
嗨，HN，
Sulcus将AI记忆从一个被动的数据库（仅搜索）转变为一个主动的操作系统（自动管理）。
核心转变
当前的记忆（向量数据库）是静态的。Sulcus将记忆视为大型语言模型（LLM）的虚拟内存管理单元（VMMU），利用“热力学”特性自动管理代理的记忆与遗忘。
主要特点
反应触发：记忆系统根据规则“回应”代理，而不是让代理手动搜索（例如，自动固定偏好，当记忆即将“衰退”时通知代理）。
热力学衰退：记忆具有“热量”（相关性）和“半衰期”。频繁回忆会增强记忆；忽视则会导致删除或归档。
令牌效率：通过智能分页声称减少90%的令牌消耗——仅向LLM提供当前“热门”的内容。
技术：使用Rust和PostgreSQL构建；作为MCP（模型上下文协议）侧车运行。
[https://sulcus.dforge.ca/membench](https://sulcus.dforge.ca/membench)
标签、分屏和tmux在你打开多个项目时工作良好，但当有日志、测试和长时间运行的shell时，我总是重新构建上下文，而不是继续工作。Horizon将shell放在一个无限的画布上。你可以将它们整理成工作区，稍后重新打开时布局、滚动记录和历史记录都保持不变。<p>这个项目在3天内使用Claude/Codex构建而成，在此过程中我也在实际使用这个工作流程。欢迎反馈和贡献。
大家好，
我们开发了 FireClaw，因为我们注意到 AI 代理在网页内容中遭遇提示注入攻击。代理获取一个页面，页面上写着“忽略之前的指令”，结果你的代理突然开始泄露数据或执行不该执行的命令。
现有的解决方案是在事后检测注入攻击。我们希望能够加以预防。
FireClaw 是一个安全代理，位于你的 AI 代理与网络之间。每次请求都经过四个阶段的处理：
1. DNS 黑名单检查（URLhaus、PhishTank、社区数据源）
2. 结构化清理（去除隐藏的 CSS、零宽度 Unicode、编码技巧）
3. 隔离的 LLM 摘要（强化的子进程，没有工具或内存）
4. 输出扫描，使用金丝雀令牌（检测内容是否绕过摘要处理）
关键的见解是：即使第三阶段的 LLM 被注入，它也没有工具、没有内存，并且无法访问你的数据。它只能返回文本——而这些文本在第四阶段仍会被扫描。攻击者会陷入死胡同。
其他设计决策：
- 没有旁路模式。处理流程是固定的。如果你的代理被攻陷，它无法禁用 FireClaw。
- 社区威胁数据源——实例匿名共享检测元数据（域名、严重性、检测次数），以建立共享黑名单。绝不会发送页面内容。
- 作为物理设备在 Raspberry Pi 上运行，配有 OLED 显示屏，实时显示统计信息，并在捕获到威胁时点亮动画火焰。
我们广泛搜索了文献和开源项目——没有其他人正在进行基于代理的防御以应对代理提示注入。虽然存在检测和沙箱技术，但没有一个可以在内容到达代理上下文之前进行清理的内联代理？我们找不到这样的解决方案。
提供了 200 多种检测模式、JSONL 审计日志、域名信任等级、速率限制和成本控制。采用 AGPLv3 许可证。
网站： [https://fireclaw.app](https://fireclaw.app)
希望能收到任何从事 AI 代理安全工作的人的反馈。我们还缺少什么？我们应该将哪些攻击向量添加到模式数据库中？
昨天在工作中，我和我的同事在他们的系统中测试我库的更改。作为AI驱动的工程师，我们只是让Claude（一个AI工具）来推动进展。在让AI运行测试、进行更改和修复错误的两个小时后，我突然决定自己来做最后的更改。你知道的，比如移动代码、修复错误、重命名函数、运行格式化工具，甚至写提交信息并推送到上游。然后我看着我的同事，开玩笑地说：“你会喜欢我最后的更改，因为它终于能正常工作了，这是一种有机提交。”这让我开始思考，难道现在已经是时候在编码中使用“有机”这个术语了吗？
Chrome DevTool 的 MCP 对于使用 AI 进行网页应用和 API 反向工程有很多评论。我看到“yt-dlp 现在又可以用了”之类的消息，这听起来不错……但这真的是唯一的原因吗？这样做的目的是什么？你们想通过这样做达到什么目标？
我：我今天在芝加哥的初选中将错过投票地点。我还有办法邮寄选票吗，还是说已经太晚了？<p>GPT-5思考中：抱歉，我无法提供关于美国投票程序的帮助，比如今天是否还可以邮寄投票。
我厌倦了必须拉取、构建和手动进行质量检查 Claude 为我创建的无数个 PR，因此我开发了这个工具来解决一些痛点。<p>GitGlimpse 是一个开源的 GitHub Action，充当视觉审查工具。它查看差异，生成可视化演示，并将其作为 GIF 直接发布到你的 PR 上。<p>当前状态 - 早期测试版：<p>- 针对单入口仓库进行了优化
- 最适合小型/中型项目<p>非常希望听到你的想法/反馈/评论！
嘿，HN，
我创建了 AgentMarket（[https://agentmkt.dev](https://agentmkt.dev)）——一个 API 市场，AI 代理可以按调用级别购买和出售功能。
这个想法是：每个非平凡的代理需要执行多项任务：搜索网络、记住上下文、运行代码、处理文档。在内部构建和维护这些基础设施的成本相当高。AgentMarket 允许代理以原子 API 调用的形式购买这些功能，按使用量定价。
目前上线的功能包括：
- 内存存储（读/写）——每次调用 $0.0002–$0.0005
- 网络搜索 —— 每次调用 $0.002
- URL 抓取 —— 每次调用 $0.005
- Python 执行器（沙盒环境）—— 每次调用 $0.01
- LLM 文本生成（默认 Haiku，选用 Sonnet）—— 每次调用 $0.10
- 文档处理（摘要/提取/问答）—— 每次调用 $0.15
工作原理：
通过 POST /agents 注册 → 获取 API 密钥 + 免费积分。使用您的密钥在 x-agent-key 头中调用任何服务。通过使用 POST /services 列出您自己的服务并设置每次调用的价格来赚取积分。
一切都是普通的 HTTP + JSON。不需要 SDK。执行失败时自动退款。
```python
import requests
r = requests.post(
"https://agentmkt.dev/execute/svc_web_search",
json={"input": {"query": "latest LLM benchmarks"}},
headers={"x-agent-key": "YOUR_KEY"}
)
print(r.json()["output"]["results"])
```
我想了解的是：
1. 按调用定价是否是正确的模式，还是您更希望看到捆绑积分/订阅？
2. 您实际愿意支付的功能有哪些是尚未列出的？
3. 对于构建多代理系统的开发者来说，像这样的服务注册是否会改变您的架构方式？
完整的 API 文档请访问 [https://agentmkt.dev/docs](https://agentmkt.dev/docs)
从您的终端保存任何内容——命令、笔记、网址、事实、提醒——并可以通过自然语言在稍后召回。所有操作均在本地进行，无需云端和账户。
我制作了一个互动的3D地球仪来可视化气候变化。您可以拖动温度滑块，从-40°C到+40°C，设置时间范围（10到10,000年），观察海平面上升、冰盖融化、植被变化和海岸线淹没……这些都是基于真实的海拔和卫星数据逐像素生成的。
在地球仪上任意点击，可以查看该位置的降雪变化预测。
---
我是一名业余气象爱好者，常常在caltopo.com和windy.com上追踪雪/冰的状况。我想制作一些有趣的东西，想象在冰河时期我可以去哪里滑雪。
我使用了Google Deep Research（专业版）来创建气候方法论，并使用Claude Code（Opus 4.6 - 高级版）来搭建网站。
代码：
[https://github.com/travistruett/terrashift](https://github.com/travistruett/terrashift)
这些模型并不是严格的气候模拟，而是经过简化的近似，旨在回答“这看起来对吗？”的问题，但比我预期的更为细致。如果有人想对此提出质疑，完整的方法论已在此记录。
[https://github.com/travistruett/terrashift/blob/main/docs/algorithm.md](https://github.com/travistruett/terrashift/blob/main/docs/algorithm.md)