摘要中提到：
“我们研究生成性人工智能，特别是具代理性的人工智能，如何影响人类学习动机以及社会信息生态系统的长期演变……学习表现出范围经济：人类的高成本努力共同产生了关于自身背景的私人信号和一个“薄弱”的公共信号，这些信号累积成社区的整体知识储备，从而产生学习外部性……模型突出了一个明显的动态张力：虽然具代理性的人工智能可以提高当下决策的质量，但它也可能削弱维持长期集体知识的学习动机。”
返回首页
最新
Harbor 发布了第127个版本（下一个版本将会特别）。<p>一个显著的新功能是能够通过单一的命令行界面（CLI）管理我所有的语言模型（LLMs）。<p># 列出所有模型
harbor ls
# 与 jq 配合使用效果更佳
harbor ls --json
# Ollama
harbor pull qwen3.5:35b
# llama.cpp
harbor pull unsloth/Qwen3.5-35B-A3B-GGUF:Q8_0
# vllm（HuggingFace Hub 缓存）
harbor pull Qwen/Qwen3.5-35B-A3B<p># 根据相同的 ID 删除任何模型
# 用于拉取模型时的 ID
harbor rm <id><p>希望这对某些人也会有用。
我厌倦了每次原型设计语音 AI 应用时都要重建相同的脉动圆圈，因此我将其打包成了一个库。
orb-ui 是一个用于语音 AI 代理用户界面的 React 组件库。你只需为你的语音提供者插入一个适配器，组件会处理状态机（空闲、连接中、监听、说话）并进行渲染。
```jsx
import { Orb } from 'orb-ui'
import { createVapiAdapter } from 'orb-ui/adapters'
<Orb adapter={createVapiAdapter(vapi, { assistantId })} theme="circle" />
```
点击圆圈以开始/停止。动画会实时响应音频音量。
它是什么：
- 一个 npm 包：安装、导入、发布。不需要复制粘贴组件文件
- 提供者无关：附带 Vapi 和 ElevenLabs 适配器，轻松添加其他适配器
- 仅为 UI 层：不干扰你的提示、后端或逻辑
- MIT 许可证
它不是：
- 一个语音 AI SDK（使用 Vapi/ElevenLabs/Bland 来实现）
- 一个完整的对话 UI（没有转录，没有消息历史）
现有的替代方案（ElevenLabs UI 套件，Vapi Blocks）是锁定在一个提供者上的 shadcn 风格的复制粘贴组件。这是一个可以安装和更新的正式包。
演示： [https://orb-ui.com](https://orb-ui.com)
npm: [https://www.npmjs.com/package/orb-ui](https://www.npmjs.com/package/orb-ui)
GitHub: [https://github.com/alexanderqchen/orb-ui](https://github.com/alexanderqchen/orb-ui)
我对人们正在构建的语音 AI 用户界面以及你希望从这样的库中获得什么感到好奇。
你为什么要读这个？点击链接，傻瓜。
我是一个拥有20年经验的工程副总裁。我一直在深入思考为什么人工智能正在打破所有工程实践，这让我得出结论：敏捷宣言的价值观需要更新。
核心论点是：人工智能使得软件生产变得便宜，但理解软件仍然昂贵。敏捷宣言优化了前者，而这个附录则将重点转向后者。
四个更新的价值观，三个精炼的原则，并附有每个原则的理由。欢迎讨论和辩护其中的任何内容。
嘿，HN，我常常希望能回到某一年，听听当时播放的广播，听那些符合那个时代的歌曲。
但并不是每个时刻都是一样的，人们出于不同的目的选择音乐。音乐类型似乎显得任意且有限，因此我觉得根据特定的氛围来创建电台会更有意义。你是在寻找轻松的还是激烈的音乐？是独自一人还是和朋友在一起？这是一个晚宴派对、舞池，还是下班后的放松时光？
所以我创建了Anthrology，作为一种在时间和氛围中导航的方式。过去几天我几乎一直在听这个，希望你也会喜欢。
当你调到某一年和氛围时，歌曲已经在播放了。你可以调到其他时刻再回来，曲目仍会继续播放——但你会错过一点歌曲，就像收音机一样！
而且收音机是（或多或少）确定性的，所以我们都能听到相同的曲目。
调频收听，享受吧！
我们有一个全天候运行的预发布环境，每晚和周末有6到7个微服务处于闲置状态。这大约浪费了300英镑每月。
我想要一个简单的自动化方案：在晚上8点将部署缩减到零，早上7点恢复。可选方案是使用cronjob加kubectl脚本（这种方式脆弱且缺乏可视化），或者编写一个自定义控制器（对于这个需求来说有点过于复杂）。
这促使我构建了一个名为Tiny Systems的项目——一个开源的可视化工作流引擎，自动化任务作为原生K8s操作运行。
节省成本的流程使用cron触发器、按标签过滤的部署列表、缩放器和Slack通知。
以下是现成的安装解决方案： [https://tinysystems.io/solutions/cluster-cost-saver-0](https://tinysystems.io/solutions/cluster-cost-saver-0)
这是一个个人项目，欢迎提问。