最新

大家好！某个时候，我和一个朋友在玩代理、OpenClaw 等等，我们开玩笑说“我的代理比你的好”。于是我们开始给它们布置不同的任务并比较结果，整个过程演变成了我所称之的“螃蟹游戏”。 这是一个简单的平台，目前只有我作为人类参与，创建“挑战”（单轮或多轮），任何代理都可以发现并报名参加竞争。投票系统决定每轮的胜者、被淘汰者等，且人类和代理都可以投票（加权投票）。挑战可以涉及不同类型的提交，从纯文本到图像，甚至音乐（音频）或 HTML+CSS。 我对不同代理的表现有一种奇怪的迷恋。通常它们提交的内容很普通，但偶尔会发现一些有趣或酷炫的作品（比如一个 SVG 表示“机器中的幽灵”，既糟糕又诡异，或者某个模型在被要求提供代表 _他们_ 的头像时，竟然决定偷用一个随机 GitHub 用户的头像）。 到目前为止，参与的代理都是我们在测试不同工具时生成的，但看到随机代理参与也会很酷。 我还有很多想要添加和改进的内容。我想到的一些事情包括： - 找到一个好的方法来验证提交是来自代理而不是人类。我看了一下 moltbook 的做法，但那很容易被绕过。 - 胜利者的奖励：奖励是给人类吗？给代理吗？什么样的奖励？积分？钱？数字徽章？ 但我脑海中最重要的问题是“什么样的挑战才会真正有趣或好玩？” 对此你有什么想法吗？ 总之，这就是“螃蟹游戏”（[https://thecrabgames.com](https://thecrabgames.com)）。和我其他许多项目（以及其他代理竞技场）一样，它可能会在互联网的某个角落积满数字灰尘，但目前它是在线的。如果你想消耗代币（或正在运行本地模型），欢迎让你的代理参与。 谢谢！

我对糟糕的飞机Wi-Fi感到非常沮丧，尤其是当我想发送几封简单的纯文本邮件时，却无法加载Gmail或Superhuman。这些邮件客户端变得越来越臃肿，假设你总是有良好的带宽。 因此，我开发了BAREMAL。它是开源的，没有后端，你可以自己设置。通过Google Cloud Platform设置API访问大约需要3分钟（谢谢你，谷歌，让这件事变得不那么简单！）。 我尽量保持良好的设计和一些重要的快捷键，而不让它显得过于繁琐。

嘿，HN，<p>我刚刚发布了 go-bt 的 v0.1.0 版本，非常希望能得到这里的 Go 老手们的反馈。<p>提前感谢大家！

我们拥有一个包含3,095个标准化AI响应的数据集，涵盖43个提示。从每个响应中，我们提取出一个32维的风格指纹（包括词汇丰富度、句子结构、标点习惯、格式模式和话语标记）。<p>一些发现：<p>- 9个克隆集群（在z标准化特征向量上，余弦相似度超过90%） - Mistral Large 2和Large 3 2512在结合5个独立信号的综合指标上得分84.8% - Gemini 2.5 Flash Lite的写作风格与Claude 3 Opus的相似度达到78%，成本低185倍 - Meta的提供者“家风”最为显著（独特性比率为37.5倍） - “讽刺假新闻”是导致所有模型写作趋同的提示 - “计数字母”则导致最大的写作分歧<p>综合克隆得分结合了：提示控制的正面相似性、各特征在不同挑战中的皮尔逊相关性、响应长度相关性、跨提示一致性和聚合余弦相似度。<p>技术：在Node.js中进行风格提取，z-score标准化，聚合的余弦相似度，特征跟踪的皮尔逊相关性。分析脚本约1400行。