最新

嗨，HN！ 这是我刚刚部署的一个工具，它可以在不破坏图像的情况下以暗黑模式渲染PDF。内部和外部链接保持完整，我决定实现导出功能，因为我不喜欢平台锁定：你可以在任何设备上使用你喜欢的阅读器查看你的暗黑PDF。 这是一个源于个人需求的副项目。当我在工厂里阅读那些最终帮助我摆脱困境的书籍时，我遇到了一个问题：许多学习材料和书籍包含的图像和图表，迫使我在当时可用的暗黑阅读器中始终保持原始文件的多任务处理，因为图像变得，委婉地说，有些奇怪。 我希望它能帮助一些有相同需求的你们。我认为这对研究人员可能非常有用，但只有未来的使用情况才能证明这一点。 基于这个前提，我想分享使这一切成为可能的选择。为此，我将介绍 veil 从原始PDF创建的三个层次： - 第一层：CSS滤镜。我在主画布上使用 invert(0.86) hue rotate(180deg)。我使用0.86而不是1.0，因为我发现完全反转会产生过于强烈的纯黑和纯白，不适合长时间阅读。0.86产生柔和的深灰色（大约是 #242424，具体取决于文档的白色）和柔和的白色（大约是 #DBDBDB）用于文本，我发现这是长时间阅读时最舒适的值。 - 第二层：图像保护。第二个画布位于第一个画布之上，这次没有滤镜。通过PDF.js的公共API getOperatorList()，我遍历PDF的操作符列表并重建CTM堆栈，即PDF用于定位页面上每个对象的保存、恢复和变换操作。当我遇到 paintImageXObject（在PDF.js v5中的操作码85）时，当前的变换矩阵给了我图像的确切边界。此时，我从干净的渲染中复制那些像素到覆盖层。我没有分叉PDF.js，因为考虑到代码库的长度和频繁的更新，这将变成一个维护噩梦。图像还会接受OCR处理：图表和图像中的文本变得可选择，就像页面上的任何其他文本一样。此时，我们已经将文本反转，而图像保持完整。但如果页面已经是深色的呢？也许章节标题页是黑色的，文字是白色的？下一层会处理这个问题。 - 第三层：已暗页面检测。在渲染后，通过采样页面的边缘和角落（在这些地方最有可能找到纯背景，没有文本或图像的干扰）来测量背景亮度。使用BT.601公式计算感知亮度，通过加权三个颜色通道来反映人眼的感知：绿色58.7%，红色29.9%，蓝色11.4%。这些权重反映了生物学：人眼在自然环境中进化，区分绿色的阴影（植被、草丛中的捕食者）是生存问题，而蓝色（天空、水）则不那么关键。如果平均亮度低于40%，则将页面标记为已暗，跳过反转，返回原始页面。背景为深色的演示文稿幻灯片将保持原样，而不是被反转成刺眼的效果。 扫描文档会自动检测，并通过Tesseract.js进行OCR处理，使文本可选择和可复制，即使在本质上是图像的PDF上也是如此。 一切都在本地运行，没有使用框架，只是纯JavaScript，这就是为什么它是一个可安装的PWA，也可以离线工作。 这是应用程序的链接以及代码库链接： [https://veil.simoneamico.com](https://veil.simoneamico.com) | [https://github.com/simoneamico-ux-dev/veil](https://github.com/simoneamico-ux-dev/veil) 我希望 veil 能让你的阅读更加愉快。我欢迎任何反馈。谢谢大家！

我们每个人都从一个想法开始，零客户，零关注者，对我们的创业项目没有长期的清晰规划。<p>在某个时刻，你会坚定地相信，这个想法是可行的，值得全职去追求，即使一开始没有任何收入。<p>对于HuntYourTribe来说，经过两个月的努力，我们收到了10个由陌生人建立的作品集，其中一些甚至在他们的GitHub个人资料中保留了链接。这就是我们的突破！<p>即使没有任何付费客户，我们还是决定全职投入这个创业迷宫，现在已经有10多个付费客户。<p>你的转折点是什么？

rses claude 与 codex --last<p>就是这样。读取 Codex 会话（任务、git 日志、最近 N 次交互、会话文件指针），构建结构化的交接信息，并以此作为第一条消息启动 Claude。支持 Claude Code、Codex CLI 和 OpenCode 之间的六个方向的交互。<p>为高级用户提供的简写：rses cc w cdx --last<p>大约 1200 行代码，依赖一个 npm 包（commander），无需配置。使用 Node 22+ 内置的 SQLite 来管理会话索引。<p>npm i -g rses-cli<p>https://github.com/yazcaleb/rses

我一直觉得很难理解新闻的传播范围。由于我在 Python 上也有些落后，我决定从头开始构建一些东西。 这个项目非常简单：使用 Docker Compose，微服务连接到一些非常基础的数据管道，采用 RabbitMQ，以及一些本地的自然语言处理（NLP）。由于纯 CPU 处理的原因，NLP 部分的速度有些慢，如果你有 GPU 或 NPE 的话，无法充分利用。 这个工具允许你定义自己的“标签”和“关系”，然后本地的 NLP 模型会根据这些定义为新闻文章分配相应的标签。默认情况下，只有几个标签被包含在内。 但目标是拥有一个个人新闻聚合器，添加或更改新闻来源（如果它们有 RSS 源）应该通过 Docker Compose 文件变得相当简单。

我一直在构建一个开源的 Shopify 替代品，因此在其中加入代理商业功能也显得很合适。 我注意到 ChatGPT Checkout 的发展方向，另一个专有市场，他们控制着哪些卖家可以获得访问权限和优先权。这种更多的把关和寻租行为显而易见，Shopify 商店将会受到优待。 因此，我构建了“/marketplace”，一个完全开源的替代方案，配备灵活的适配器系统。它已经支持 Openfront（我正在开发的 Shopify 替代品），但它的设计是为了与任何电子商务平台兼容，而不仅仅是 OpenAI 决定优待的平台。您可以使用自己的 OpenRouter 密钥或在本地连接到 Ollama，这样您的购物数据就能保持私密并由您掌控。 目前它有两个演示商店，Impossible Tees 和 Nimbus Gallery。 随着我们为餐厅、健身房和其他垂直行业推出更多 Openfront，这些商店应该能够接入聊天功能。 演示链接： [https://marketplace.openship.org](https://marketplace.openship.org) 代码库： [https://github.com/openshiporg/marketplace](https://github.com/openshiporg/marketplace) 了解更多信息： [https://openship.org/products/marketplace](https://openship.org/products/marketplace)