最新

我在过去几个月里作为独立开发者构建了Inkgest。 核心理念是：粘贴任何URL，Inkgest会使用我自己开发的抓取API（不是Firecrawl，也没有第三方服务，自定义抓取API）抓取内容，然后通过一个大型语言模型（LLM）生成可发布的内容，格式可以是新闻通讯、博客文章、信息图表、表格、LinkedIn帖子或深度比较表。 我构建的一些技术上有趣的功能包括： - 我用Hono.js编写了自己的抓取后端，而不是使用第三方服务。它作为一个持久服务器运行，因此没有冷启动问题，并且能够处理JS渲染的页面。 - 信息图表渲染器从提取的数据生成真实的SVG/React组件——包括甜甜圈图、步骤流程、统计卡片和比较分割。没有使用图像生成API，所有内容都是渲染的代码。 - 基于我自己的SaaS模板（buildsaas.dev）构建，该模板开箱即用地处理身份验证、支付、电子邮件和管理功能。 昨天正式上线。提供3个免费积分供用户体验，之后每月9美元。 很高兴与大家分享这个产品，并深入讨论AI代理、抓取技术以及构建SaaS产品的相关内容。 网站链接：inkgest.com

<a href="https://cbrowser.ai" rel="nofollow">https://cbrowser.ai</a><p>大多数浏览器自动化工具会问“按钮是否有效？”而CBrowser则会问“真实用户能找到这个按钮吗？”<p>它是一个MCP服务器（83个工具），连接到Claude，并为其提供一个真实的浏览器。但核心理念是认知旅程模拟——你可以选择一个角色（首次使用者、老年用户、重度用户、注意力缺陷者、视力低下者、运动性颤抖者），CBrowser会按照他们的方式浏览你的网站。每个角色都有25个认知特征（耐心、风险承受能力、理解力、工作记忆），这些特征决定了他们对摩擦的反应。当挫折或困惑达到某个阈值时，他们会放弃——就像真实用户一样。<p>每个角色还有一个基于施瓦茨的10个普遍价值观（安全、成就、自我导向、仁爱等）的动机价值档案，以及自我决定理论的需求和马斯洛的需求层次。这些并非装饰性的——它们决定了每个角色易受哪些影响模式的影响。一个以安全为动机的用户对紧迫感的提示反应与一个以成就为动机的用户不同。你可以测试你的网站的说服模式是否真的对目标受众有效，还是仅对那些已经和你的设计师思维相似的人有效。<p>它的实际功能：<p>cognitive_journey_init + 浏览器工具 = 观察一个模拟角色在你的实时网站上尝试完成任务 compare_personas = 相同任务，多角色，逐一摩擦分析<p>competitive_benchmark = 在你的网站和竞争对手的网站上进行相同的旅程<p>empathy_audit = 使用残障角色进行测试（WCAG违规 + 生活经验障碍）<p>此外，还有常规的浏览器自动化功能：导航、点击、填写、截图、跨浏览器测试、视觉回归、性能基准<p>自愈选择器在匹配时缓存替代方案（aria-label、角色、ID、文本），并按置信度回退，设定60%的门槛，以避免出现静默的错误通过。<p>使用TypeScript，MIT许可证，通过演示MCP服务器连接到Claude.ai，或使用npm本地安装。基于Playwright构建。<p>我希望能得到关于角色模型的反馈——25个认知特征加上10个动机价值是否太多？太少？放弃阈值是否现实？

KNOX协议更新：VELOXREAPER 现在... 请允许我介绍VeloxReaper。 有人得做这件事，所以我做了。经典的工作量证明（PoW）已经正式过时。当其他行业仍在90年代基于ARX的沙盒中玩耍时，Rocka和我已经将多项式环的物理特性武器化，应用于KNOX协议。我们完全放弃了Argon2，构建并实现了VeloxReaper——世界上首个反ASIC的格子跳跃器，受不可变的累积格子硬化（CLH）法则支配。 SYBIL跳跃器：VeloxReaper VeloxReaper不仅仅是一个哈希函数，它是一个高熵的内存硬化跳跃器，将硅变成了负担。 100%纯格子算术：VeloxReaper完全在多项式环Rq = Z12289[X] / (X1024 + 1)内运行。每个状态转移都是一个仿射双线性混合（M[i] = a⋅b + Kr ⋅a + b）。没有经典哈希，没有Keccak，没有BLAKE，也没有位操作。 512MB DRAM延迟墙：我强制执行了512MB的DAG。这是硬件的死区……对于地球上的任何CPU L3缓存（SRAM）来说都太庞大，但对于每月5美元的虚拟机的1GB内存占用来说则完美优化。 零偏置地址映射：Rocka和我通过一个巨大的q4整数除法映射解决了24MB SRAM陷阱。通过将四个系数打包成一个Z标量（Z = c0 + c1 q + c2 q2 + c3 q3），我们实现了整个DAG深度的完美均匀寻址。没有热区供ASIC利用。 伽罗瓦扰动：为了防止代数捷径，我们在每一步应用一个环同构ϕt : X→Xt。这在4KB块内空间上打乱了系数，破坏了子空间限制，确保了完全扩散。 本地SIS工作量证明：我们用本地短整数解（SIS）见证替代了哈希计数。矿工需要求解一个满足范数界限∥Apub ⋅v(modq)∥∞ < ϵ的见证v。 非对称验证：虽然矿工必须消耗512MB的RAM来生成证明，但轻客户端可以在纳秒内通过一次矩阵向量乘法验证区块。 共识引擎：时间证明（CLH）滴答滴答 VeloxReaper处理入场费；累积格子硬化（CLH）处理账本。 时间作为物理常数：与中本共识不同，在中本共识中，最快的芯片赢得比赛，KNOX使用的是基于时间的顺序时钟。矿工可以在自定义ASIC上在纳秒内评估VeloxReaper，但他们仍然必须等待物理强制的时间时钟滴答作响，才能铸造区块。 反竞赛：CLH确保区块生产是顺序时间的函数，而不是并行哈希算力。高端硬件不会赢得更多区块，它只是提前完成计算并保持闲置。我已经将安全性与能源浪费的军备竞赛解耦。 无进展硬化：账本随着顺序格子迭代而硬化。时间越久，历史的格子硬化程度越高，使得重组在数学上变得不可能，除非有真正的时间机器。 短整数解（SIS）见证 我用本地SIS证明替代了原始的前导零检查。 矿工需要求解一个满足范数界限∥Apub ⋅v(modq)∥∞ < ϵ的见证v。 非对称主导：虽然矿工必须消耗512MB的RAM来找到见证，但轻客户端或智能手机可以在纳秒内通过一次矩阵向量乘法验证区块。 VeloxReaper收割ASIC。CLH驯服时钟。KNOX协议再次上线。 来看看我和我11岁的儿子一起构建的东西。 让我们一起摇滚吧。 v1.3.0 [KNOX GUI钱包 + VeloxReaper + 优化的Cuda-NTT加速内核](https://github.com/ULT7RA/KnoxProtocol/releases)