最新

smplogs 分析您的 AWS CloudWatch 日志导出（Lambda、API Gateway、ECS），并将其转化为按严重性排序的发现、根本原因分析和日志签名聚类。整个分析引擎是用 Go 编写的，编译为 WebAssembly，并在客户端运行。您的日志内容永远不会离开您的浏览器。 <p>我为什么要构建这个：我厌倦了 CloudWatch 调试的循环——盯着原始日志流，编写临时的 Insights 查询，心里关联调用之间的时间戳，却仍然不明白为什么我的 Lambda 会失败。我想要一个可以直接上传文件并立即看到“94% 的失败发生在 200 毫秒内，原因是 DynamoDB 的 ProvisionedThroughputExceededException - 将 Payments 表切换为按需容量。”的工具。真正的根本原因，而不仅仅是“错误率很高。” <p>技术方法：核心引擎是一个编译为 WASM 的 Go 二进制文件（~analysis.wasm）。在构建时，Vite 计算其 SHA-256 哈希并将其嵌入到 JS 包中。在运行时，浏览器获取 WASM，在实例化之前使用 crypto.subtle.digest 验证哈希，然后所有解析和分析都在 WebAssembly 的线性内存中进行。服务器只看到元数据（文件大小用于速率限制、会话密钥）。日志内容从未被传输。 <p>在 WASM 内部，有四个分析模块：一个语义日志聚类器（按模式对日志行进行分组，掩盖变量 - 例如您会看到“ProvisionedThroughputExceededException: 表 * 的速率超出限制”在 12 次请求中出现 48 次），一个资源关联引擎（将错误峰值与上游原因（如限流或冷启动）关联起来），一个冷启动回归分析器，以及一个异常检测器（捕捉如缓慢增加的内存使用量，暗示可能存在内存泄漏）。 <p>前端是原生 ES 模块 - 没有 React，没有框架。由 Vite 打包。使用 Tailwind 进行样式设计。后端仅是 Vercel 无服务器函数，处理身份验证、速率限制，以及为希望保存分析的专业用户提供加密存储。 <p>还有一个浏览器扩展（Chrome、Firefox、Edge），可以直接在 CloudWatch 控制台中注入一个“分析”按钮，这样您就可以完全跳过导出步骤。 <p>难点：调整关联引擎的阈值。“94% 的失败发生在 200 毫秒内的限流”是测试中的真实发现，但在形状差异极大的日志（50 次调用的 Lambda 与 10,000 次请求的 API Gateway）中正确获取置信区间仍然是一个持续的挑战。我也在考虑是否将 WASM 引擎开源。 <p>我希望得到反馈的内容： <p>- 零知识 / 仅客户端的角度是否足够吸引人，以克服“又一个日志工具”的反应？ <p>- 免费套餐是每天 3 次分析。太低了吗？太高了吗？ <p>- 您是否希望有一个 CLI 版本，可以直接处理 CloudWatch 日志？ 您可以在登陆页面尝试无须注册的演示 - 只需稍微滚动一下即可查看示例日志的分析输出。 <p><a href="https://www.smplogs.com" rel="nofollow">https://www.smplogs.com</a> <p>提供免费套餐，无需信用卡。

嗨，HN - 我们是Saksham和Ishan，我们正在开发Cardboard（<a href="https://www.usecardboard.com">https://www.usecardboard.com</a>）。<p>它可以让你通过自然语言描述你想要的内容，从原始素材到编辑视频。<p>欢迎在<a href="https://demo.usecardboard.com">https://demo.usecardboard.com</a>试用（无需登录）。<p>此外，这里有一个演示视频：<a href="https://www.usecardboard.com/share/fUN2i9ft8B46">https://www.usecardboard.com/share/fUN2i9ft8B46</a><p>很多人手中都有大量的原始素材——产品演示、客户访谈、旅行视频、屏幕录制、更新日志等等——这些都可以变成推荐、广告、视频日志、发布视频等。<p>然而，这些素材往往被存放在云存储或硬盘中，因为制作初剪需要花费数小时手动浏览原始素材、按正确顺序排列剪辑、同步音乐、导出、上传到云存储以便分享，然后在WhatsApp/iMessage/Slack上获取反馈，最后再重复同样的过程，直到大家满意为止。<p>我们一起长大，已经是朋友15年。Saksham在社交媒体上创作内容，每月约有25万的观看量，但他总是遇到编辑耗时比创作更长的瓶颈。Ishan为HackerRank的全员演示日制作发布视频，大部分时间都花在剪辑和排序上，而不是讲故事。我们都觉得，虽然像Premiere Pro和DaVinci这样的工具很强大，但学习曲线陡峭，并且涉及大量手动操作。<p>因此，我们开发了Cardboard。你可以告诉它“从这段原始素材制作一个60秒的回顾”或“把这个剪成一个20秒的广告”或“将这个与我刚添加的音乐同步”，它会在时间线上提出一个初步草稿，你可以进一步完善。<p>我们构建了一个基于WebCodecs/WebGL2的定制硬件加速渲染器，没有服务器端渲染，没有插件，一切都在你的浏览器中运行（客户端）。视频理解任务通过一系列云VLM和传统机器学习模型进行处理，我们还使用第三方基础模型进行代理编排。我们也为最终用户提供了下拉菜单。<p>自11月以来，我们已发布了13个版本（<a href="https://www.usecardboard.com/changelog">https://www.usecardboard.com/changelog</a>）。编辑器支持多轨时间线、关键帧动画、镜头检测、通过打击乐检测进行节拍同步、旁白生成、声音克隆、背景去除、对画面中主体空间感知的多语言字幕，以及Premiere Pro/DaVinci/FCP XML导出，以便你可以将项目迁移到现有工具中。<p>我们接下来的目标是：实时协作（视频git），以避免低效的反馈循环，最终实现一个预测引擎，学习你的编辑模式并建议下一个低熵操作——类似于Cursor的标签补全，但用于时间线操作。<p>我们相信，今天的视频创作工具停留在2000年代初开发者工具的状态：以本地为主，几乎没有协作，反馈循环非常缓慢。<p>以下是我们用Cardboard制作的一些视频： - <a href="https://www.usecardboard.com/share/YYsstWeWE9KI">https://www.usecardboard.com/share/YYsstWeWE9KI</a> - <a href="https://www.usecardboard.com/share/nyT9oj93sm1e">https://www.usecardboard.com/share/nyT9oj93sm1e</a> - <a href="https://www.usecardboard.com/share/xK9mP2vR7nQ4">https://www.usecardboard.com/share/xK9mP2vR7nQ4</a><p>我们非常希望听到你的想法和反馈。<p>我们会全天在评论区回复 :)

自从去年11月辞去软件工程师的工作，因为我的老板推动不负责任地使用人工智能，我花了大量时间试图弄清楚人工智能在未来经济中的实际位置。<p>多亏了一些出色的Substack作者[0,1]，以及代理工程正在重新发现我们关于人类委托的所有知识，我终于有了突破：一致性是无法扩展的。<p>大量的精力已经被并将继续被投入到试图克服这一简单但可能是普遍适用的法则中。<p>这一法则还保证了总会有工作在扩展那些一致的事物，以及将那些已经扩展的事物进行一致化。<p>0: https://thestrategiclinguist.substack.com/p/the-rule-that-never-was-what-7-38 1: https://abiawomosu.substack.com/p/so-they-built-an-ai-that-undresses