最新

最近，尤其是风险投资公司和首席执行官们开始频繁提到软件工程师在不久的将来可能会被人工智能取代的说法。起初，我对此并没有太在意，但随着时间的推移，这种恐惧感逐渐开始渗透进来。 就我个人而言，我并不相信自己会被取代。我每天都在使用人工智能工具，它们非常出色。就像一个智能的自动补全工具或一个很好的“橡皮鸭”，我把它们视为助手，而不是替代品。 我认为，深耕自己领域的人能够理解他们所做工作的细微差别和艺术性。就像本·阿弗莱克所说，演员是无法被人工智能取代的——然而他在同一口气中却轻视了视觉特效艺术家。视频链接：https://www.youtube.com/watch?v=ypURoMU3P3U&t=2s 所以我不确定自己是否高估了我的“艺术性”，而行业是否只是把我的职业视为一部吉卜力动画。我非常希望听到其他软件工程师，尤其是管理或领导职位的同事们的看法。你们对此有何感受？ 引发这一讨论的最近视频链接：https://www.youtube.com/shorts/N2R4-d8YJZw 以及Shopify首席执行官的备忘录： https://techcrunch.com/2025/04/07/shopify-ceo-tells-teams-to-consider-using-ai-before-growing-headcount

Kliento 是一种工作负载身份验证协议，它将 Kubernetes 和 GCP 风格的“服务账户”概念引入整个互联网，以一种中立于供应商和去中心化的方式。现在，您可以让客户端在互联网上以“your-app@your-domain.com”的身份进行识别。 Kliento 使用 DNSSEC 将完整的信任链嵌入凭证中，因此服务器在验证时无需查询外部系统。可以将其视为短期有效的 JWT，服务器可以完全离线验证。这意味着不需要保护长期存在的秘密，也不需要在验证过程中配置或检索公钥。 我们为人道主义目的构建了基础技术 VeraId，但由于最近的外援削减，我们失去了资金支持。VeraId 已经过独立审计，详情请见 <a href="https://veraid.net/about/#security-audit" rel="nofollow">https://veraid.net/about/#security-audit</a>，并且有一份互联网草案：<a href="https://datatracker.ietf.org/doc/html/draft-narea-domainauth-00" rel="nofollow">https://datatracker.ietf.org/doc/html/draft-narea-domainauth...</a>。 我正在考虑是否应该继续投资这项技术，因此任何反馈——无论是积极的、消极的还是中立的——都将非常感激！在 Auth0 工作的经历让我相信，这可以大大简化客户端和服务器端的工作，但仍有很多工作要做才能实现其全部潜力，我想了解大家对尝试这项技术的兴趣程度。

这篇文章介绍了 elfconv，这是一个将 Linux 应用程序转换为 WebAssembly 的二进制翻译器。<p>仓库链接：<a href="https://github.com/yomaytk/elfconv">https://github.com/yomaytk/elfconv</a><p>最近，性能有了显著提升。在我们的 LINPACK 基准测试中，通过 elfconv 从 ELF/AArch64 生成的 Wasm 现在运行性能大约是直接从源代码编译的 Wasm 的 60% 到 80%。<p>这表明 elfconv 能够生成具有实际、真实世界性能的 WebAssembly！此外，与在浏览器中运行的 QEMU 相比，它的性能约为其 68 倍。<p>基准测试：<a href="https://github.com/yomaytk/elfconv/issues/116">https://github.com/yomaytk/elfconv/issues/116</a><p>浏览器中的 QEMU：<a href="https://github.com/ktock/qemu-wasm">https://github.com/ktock/qemu-wasm</a><p>请试用一下，欢迎提交任何问题或拉取请求！

问题： 大型语言模型（LLMs）在理解电子商务网站方面表现不佳。它们： 从杂乱的HTML中虚构价格和规格 在用户界面模板（如标题、弹窗、广告）上浪费令牌 在实时库存和价格更新方面遇到困难 我们的解决方案：基于Answer.AI的llms.txt进行分支，推出site-llms.xml，这是一种用于产品数据的XML网站地图协议。 商家提供： /site-llms.xml：所有产品URL的索引 /product/123/llms.txt：包含规格和价格的干净Markdown（示例见代码库） 好处： AI获取结构化数据，而不是进行抓取 商家可以控制暴露的信息（类似于robots.txt） 可扩展到数百万个产品（支持网站地图索引） 我们将以CC BY-SA协议开源此项目（与网站地图协议相同）。 欢迎HN的意见： 这是正确的抽象吗？它能适用于非电子商务网站吗？ 代码库：github.com/Lumigo-AI/site-llms（欢迎点赞！）