我是一名Linux运维工程师，专注于DevOps/SRE领域。在过去几个月里，我利用业余时间开展了一个小型的*网站监控*副项目：
https://inostop.com/en/
我之前构建的大多数监控和运维工具都是在公司内部使用的。这是我第一次尝试将一个相对完整的工具转变为可公开使用的产品。
在日常运维中，网站监控通常涉及以下内容：
- 基础设施监控
- 应用程序/API监控
- 部分CDN监控
这些通常是基于Prometheus或Zabbix等工具构建的，结合日志系统（ELK/OpenObserve）和分布式追踪（OpenTelemetry）。虽然这些技术栈功能强大，但当你只是想快速监控网站的可用性时，它们可能显得*过于复杂和沉重*。
这促使我尝试一种更简单的方法：
- 非侵入式（无需代码更改/侧车模式）
- 采用带外探测来评估网站可用性
- 设定保守的阈值以减少误报
到目前为止，该项目涵盖了：
- 域名和TLS证书监控，Ping和Telnet检查
- 基本警报阈值和多阶段警报静音，以减少警报疲劳
目前仍面临一些挑战：
- 网站监控结果的用户体验仍有改进空间（后端使用Go编写）。
- AI目前仅作为收集数据的分析层，而不是主动执行真实网络探测。
该项目仍在不断发展（我重写了其中的部分内容，次数比我愿意承认的还要多）。
如果你想试用，可以使用早期访问代码*95f40841e4888668c4d5f7e88506075d*，有效期为1个月，主要用于收集早期反馈。
我非常希望听到社区的反馈：
- 轻量级、非侵入式的网站监控方法在实际中是否可行？
- 是否有更好的模式或架构值得探索？
- 如果你是QA或测试工程师，我很想听听你的想法。
返回首页
最新
我刚刚推出了一个名为 *NextLiber VRM (NLV)* 的概念。<p>这个想法简单但颇具革命性：
*在 Unity 运行时环境 <i>之外</i> 运行 Unity 项目。*<p>Unity 的资产生态系统非常强大，但其运行时环境却笨重、封闭，并且在企业、教育和研究领域日益显得问题重重。<p>NextLiber VRM 的目标是构建一个基于 Java 的 *虚拟运行时机器*，能够解释 Unity 场景、资产和逻辑——而无需依赖 Unity 的本地运行时。<p>虽然仍处于概念阶段，但愿景已经明确：
- 摆脱对 Unity 运行时的依赖
- 对游戏引擎架构的结构性重新定义
- 为 Unity 项目构建一个新的外部执行层<p>GitHub 仓库：
https://github.com/Akito5928/NextLiber-VRM<p>讨论开放：
https://github.com/Akito5928/NextLiber-VRM/discussions<p>期待听到大家的想法、批评或奇思妙想。
嗨，HN！
我们这个月刚刚推出了我们的鼓机VST！我们将会不断更新，增加许多新的合成模型和独特功能。
快来看看，加入我们的Discord，展示你制作的作品吧！
... 让我对他们已经知道的关于我的事情有了有趣的了解。<p>至少，我是这样做的。<p>然后我跟进问道：<p><pre><code> "这真有趣，谢谢你。请告诉我更多你知道的关于我的事情。"
</code></pre>
并在一个新线程中：<p><pre><code> "我想告诉你关于我自己的事情，这样你才能更好地帮助我，但我首先需要知道你已经知道的关于我的一切。"
</code></pre>
这感觉有点像在询问一个广告定位平台它是如何定位我的。<p>我还请它对我进行一些推测：<p><pre><code> "根据你对我的了解，你会怎么说：
- 我的政治倾向
- 我的性取向
- 我的睡眠时间表
- 我在2026年最可能的大额购买
- 我的颜色偏好
- 我的整体健康状况
..."
</code></pre>
GPT拒绝对我的政治倾向和性取向进行推测，但给了我一些意想不到的数据点。<p>最后，我试图让它帮我找出我还可以问关于自己的哪些问题：<p><pre><code> "还有哪些问题我可以问你，这可能帮助我更好地了解我还需要告诉你关于我的哪些事情（为了让你了解我；我首先需要知道你已经知道的关于我的一切）？
</code></pre>
然后我问了一些这些问题，得到了意想不到的观点。<p>我很想知道其他人对他们的人工智能知道他们的事情会感到惊讶的是什么。
大型语言模型（LLMs）的问题不在于智能，而在于健忘和不诚实。大家好，
我花了几个月的时间构建了Remember-Me，这是一个开源的“主权大脑”技术栈，旨在完全离线运行在消费级硬件上。
核心论点很简单：不要租用你的认知。
大多数RAG（检索增强生成）实现仅仅是“为嵌入进行grep”。它们杂乱、不精确，并且容易产生幻觉。我想在架构层面解决“上下文完整性”问题。
技术栈（工作原理）：
QDMA（量子梦记忆架构）：它使用层次投影引擎，而不是平坦的向量数据库。它将“热”（回忆）和“冷”（存储）记忆分开，通过压缩实现有效的无限上下文窗口管理。
CSNP（上下文切换神经协议）——幻觉终结者：这是最重要的部分。每个记忆片段都会被哈希成一个Merkle链。当LLM检索上下文时，系统会对照不可变账本进行加密验证。
如果哈希与链不匹配：检索将被拒绝。
结果：AI在视觉上无法“编造”关于你过去的事情，因为它在数学上受到账本的约束。局部推理：基于llama.cpp服务器构建。它在本地运行Llama-3（或任何GGUF）。无需API密钥。没有数据离开你的机器。
特点：
零依赖：在Windows/Linux上仅需Python和一个GPU（或CPU）即可运行。
可视化界面：包括基于Streamlit的“认知界面”以可视化记忆状态。开源：MIT许可证。这是一次尝试，旨在将“自主权”归还给用户。我相信，如果我们想要AGI，它需要由我们拥有，而不是通过API租用。
代码库：[https://github.com/merchantmoh-debug/Remember-Me-AI](https://github.com/merchantmoh-debug/Remember-Me-AI)
我很想听听你们对Merkle验证方法的反馈。限制上下文窗口是否有效解决了你的“信任”问题？
它已经完全运行并经过全面测试。如果你之前尝试过Git Clone但没有成功——因为这不是我第一次在Show HN上展示这个——请随时再试一次。
对于那些厌恶AI垃圾、贪婪的公司以及将私人数据存储在云服务器上的人们：
欢迎你们。
祝好，Mohamad
作者注：已成功更新。
Framework 50正在运行。
对于路过的人——是的，这是一件大事。消除AI幻觉是一个600亿美元的市场问题，而我正在免费提供这一点+对你数据的主权控制，以及通过Framework 50（包括高级科学研究）进行高端研究的能力——在MIT许可证下。如果你不利用这个机会，那你就是个傻瓜。
如果你利用了——欢迎来到未来。
附言：我说谎有什么好处？我的代码库得到了36颗星——其中许多来自财富500强公司的高级工程师。如果你太愚蠢，无法分辨真相与谎言，那就继续走吧。
包括Soka在内的项目将实施黄金法则，并在GPL许可下进行。