返回首页
最新
我出售3D打印的套件，用于将Apple Airtag附加到三星电视遥控器上。但亚马逊认为我在销售三星设备，因此因知识产权违规而停用了我的账号。我的商品列表非常明确地说明这是为三星设备设计的，而不是实际的三星设备。但亚马逊的自动系统无法识别这一点。我遵循了他们关于兼容产品的知识产权指南（第6C节 - https://sellercentral.amazon.com/help/hub/reference/GZUQ6GBBXQVHQKF2）：
您可以在这里查看我的一个商品列表：
https://www.amazon.com/dp/B0FHZVVL1H
每次我为不同的电视遥控器上架新产品时，我的商品都会被标记，但我只需稍微修改一下，就能触发某种审核，然后一切就会恢复正常。
直到上周，我的账号突然被停用。
为了恢复我的账号，他们要求我提交一封来自制造商或品牌所有者的授权信，授权我销售他们的产品。我想，既然我是制造商，我就为自己写了一封授权信，甚至为了保险起见还进行了公证，证明我有合法权利销售这些设备。但这一切都没有用。
我有一个“提交新信息”的选项，但我没有新的信息可以提交，担心如果尝试提交其他任何内容，我会被永久封禁。
有趣的是，在我列出的多数产品中，我都在亏损，仅仅是因为FBA费用和广告费用。上个月我在两个变体之间损失了大约250美元。
更悲哀的是，我还出售一本书《婴儿计算机工程》，大部分销售通过我的网站进行，但每周在亚马逊上也会收到几份订单，现在我担心亚马逊的大门可能永远关闭了。
我是claude.ai的高级订阅用户，使用他们的浏览器界面和claude桌面AI应用，而不是API用户或claude代码用户。在过去的一周里，我发现我的每次会话都不会超过一个小时。你们有遇到过这种情况吗？这是新出现的问题吗？联系他们的客服基本上就是和claude及其标准回复打交道，虽然已经升级到人工客服，但他们至今还没有解释或回应。
我正在根据公司的职位发布信息构建一个公司概览。我希望这能为面试准备等提供一个快速的公司快照。请注意，数据质量仍在完善中。示例网址：<a href="https://jobswithgpt.com/company-profiles/openai/" rel="nofollow">https://jobswithgpt.com/company-profiles/openai/</a> <a href="https://jobswithgpt.com/company-profiles/advanced-micro-devices-inc/" rel="nofollow">https://jobswithgpt.com/company-profiles/advanced-micro-devices-inc/</a>
RLM-MCP – 使用麻省理工学院的递归语言模型分析Claude Code中的大型文件。
我构建了一个MCP服务器，允许Claude Code分析超出其上下文窗口的文件，采用了麻省理工学院的递归语言模型方法（arXiv:2512.24601）。
问题：Claude Code无法将一个10GB的日志文件放入其上下文中。传统的grep/read返回数千个原始匹配的token。
解决方案：与其将数据塞入上下文，不如将文件视为外部环境。Claude编写Python代码，MCP服务器在完整文件上执行该代码，只有结果返回。
你：“在这个5GB的日志中找到所有错误”
Claude：加载文件 → 编写正则表达式 → 在REPL中执行 → 返回匹配结果
结果：token减少78%，准确性相同
实际基准测试（300KB日志文件）：
- Grep/Read: 约12,500个token
- RLM: 约2,700个token
- 两者找到的结果完全相同
不需要API密钥 – 适用于Claude Code订阅。Claude本身是“大脑”，MCP服务器只是执行Python的“手”。
安装：
```
pip install rlm-mcp
```
在Claude Code设置中添加：
```json
{"mcpServers": {"rlm": {"command": "rlm-mcp"}}}
```
GitHub: https://github.com/ahmedm224/rlm-mcp
论文: https://arxiv.org/abs/2512.24601
欢迎对该方法提供反馈。麻省理工学院的论文是在GPT-5和Qwen上进行测试的 – 本文将其适配于Claude Code的MCP架构。
嗨，HN，
我一直在尝试让大型语言模型（LLMs）生成并持续修改小型商业应用程序（CRUD、仪表板、工作流）。第一次生成通常是有效的，但问题往往在第二次或第三次迭代时出现。
我看到的一些反复出现的失败模式包括：
- 架构漂移，悄然破坏仪表板
- 指标在不同迭代中含义变化
- 用户界面组件以不兼容的方式查询数据
- 人工智能在局部修复某些内容时违反全局不变性
令人惊讶的是，大多数人工智能应用构建者将生成视为一次性问题，而实际应用是需要安全演变的长期系统。
我正在探索的方向是将应用程序视为运行时模型，而不是生成的代码：
- 应用程序由结构化的、版本化的JSON/DSL（实体、关系、指标、工作流）定义
- 每个人工智能提出的更改在执行前都由后端进行验证
- 用户界面组件绑定到语义概念（指标、数据集），而不是原始查询
- 人工智能提出结构；运行时强制执行一致性
从概念上讲，这种方法更接近Kubernetes对基础设施的处理方式，或语义层在分析中的工作方式——但应用于完整的应用程序，而不仅仅是报告。
我很好奇：
- 这里有没有人探索过类似的模式？
- 是否有成熟的方法来控制人工智能驱动的架构演变？
- 你认为语义层应该在应用程序运行时内部，还是应该仅限于分析？
我并不是在推销什么——我真心想了解其他人如何看待人工智能与长期应用状态的结合。
谢谢。