我知道，这确实是一个非常发达国家的问题。但在我家，我们总是很难决定看什么。选择太多了！<p>所以我制作了这个工具，旨在为YouTube重现有线电视的体验。它可以在浏览器中运行。只需通过书签小工具快速导入你的订阅。无需账户，无需登录。只需快速在本地导入你的数据。
返回首页
最新
嘿，HN，
我开发了StreamHouse，这是一个开源流媒体平台，它用直接写入S3的方式替代了Kafka的代理管理存储。目标是：保持相同的语义，降低成本。
它是如何工作的：生产者批量并压缩记录，一个无状态的服务器管理分区路由和元数据（开发环境使用SQLite，生产环境使用PostgreSQL），而数据段直接存储在S3中。消费者通过本地段缓存从S3读取数据。无需管理代理磁盘，也不需要调整复制因子——S3提供了11个9的耐久性，开箱即用。
目前的功能包括：
- 具有批处理、LZ4压缩和偏移量跟踪的生产者API（62K条记录/秒）
- 具有消费者组、自动提交和多分区分发的消费者API（30K+条记录/秒）
- 与Kafka兼容的协议（可与现有的Kafka客户端配合使用）
- REST API、gRPC API、命令行接口和网页用户界面
- Docker Compose设置，可以在5分钟内本地试用
尚未实现的功能：
- 经受考验的生产环境部署（目前只有我一个用户）
- 连接器，供消费者立即连接（例如ClickHouse、Elasticsearch等）
成本模型是我开发这个平台的动力。Kafka的存储成本随着复制因子 × 保留时间 × 数据量而增加。使用S3，每GB每月$0.023，存储1TB事件的成本约为$23每月，而在代理EBS卷上则需要数百美元。
该项目使用Rust编写，目前有15个crate，采用Apache 2.0许可证。
GitHub链接：[https://github.com/gbram1/streamhouse](https://github.com/gbram1/streamhouse)
关于它是如何工作的博客在我的主网站上：[https://streamhouse.app/how-it-works](https://streamhouse.app/how-it-works)
欢迎提问有关架构、权衡或我在构建这个项目中学到的知识。
PayrollEngine将业务逻辑建模为可组合的法规层，而不是硬编码工资规则——使用版本化的JSON/YAML配置和运行时C#（Roslyn）。这些层的继承和覆盖类似于CSS的级联：国家法律 → 行业 → 公司。
v0.10.0-beta.1在本周早些时候发布，并伴随新的文档网站（payrollengine.org）。
最有趣的新示例是：MultiCountryPayroll——德国/法国/荷兰共享一个基础法规，且有一名员工的合同在期间跨越国界。该法规在没有任何特定于某个国家的代码路径的情况下处理这一情况。
其他新增功能：
- 支付运行预览：内存计算，无需数据库写入
- 异步支付运行作业：HTTP 202，有限队列，完成时的Webhook
- 并行员工处理，按员工状态隔离
技术栈：.NET 10，SQL Server，Docker，Roslyn
GitHub: [https://github.com/Payroll-Engine/PayrollEngine](https://github.com/Payroll-Engine/PayrollEngine)
文档: [https://payrollengine.org](https://payrollengine.org)
嗨，HN。本周，Meta 收购了 Moltbook（代理社交网络），OpenAI 收购了 Promptfoo（代理测试），而 Mandiant 的创始人为 Armadin 筹集了 1.9 亿美元。显然，代理基础设施是未来的发展方向。
我们开发了 AgentSign——一个针对 AI 代理的零信任引擎。问题在于：代理在没有任何身份基础设施的情况下运行。Moltbook 因为虚假帖子而迅速走红，因为没有对发布者的身份进行任何验证。
AgentSign 为每个代理提供了一个加密身份证书，将每个操作签名到执行链中，并在任何操作执行之前进行运行时代码验证。还有一个 MCP 信任层用于代理与 MCP 服务器之间的验证，以及一个由 Stripe 支持的信任网关用于代理支付。
系统包括五个子系统：身份证书、执行链验证、运行时代码验证、输出篡改检测和加密信任评分。
免费且开源。开发于伦敦。
SDK: [https://github.com/razashariff/agentsign-sdk](https://github.com/razashariff/agentsign-sdk)
欢迎提问。
我想制作一个音乐可视化工具，能够显示所有音符并展示正在演奏的和弦。为了使分析更简单和准确，我只使用了MIDI输入。
主要的预设效果有：
- 扭曲：呈现万花筒般的视图
- 星星：显示音符螺旋状散开
- 时钟：揭示音乐分析机制
- 钢琴：标准的MIDI可视化视图
菜单允许组合和匹配不同的合成层，以便您可以探索和实验。我建议首先尝试“反馈”和“CRT”叠加效果。
我使用Claude Code生成了所有代码，但仍然花了相当多的时间才能使其达到现在的效果。
我还写了一篇文章，反思我构建这个工具的经历：<a href="https://decompiled.dev/blog/fractured-jukebox/" rel="nofollow">https://decompiled.dev/blog/fractured-jukebox/</a>
演示：<a href="https://aether.saphal.me" rel="nofollow">https://aether.saphal.me</a>
GitHub：<a href="https://github.com/saphalpdyl/Aether" rel="nofollow">https://github.com/saphalpdyl/Aether</a>
<p>Aether是一个几乎从零开始构建的多BNG（宽带网络网关）ISP基础设施实验室，模拟了IPoE IPv4用户管理的端到端功能。它支持IPoE/IPv4网络，并运行一个基于Python的虚拟BNG，具备RADIUS AAA、每用户流量整形和在Containerlab上模拟的流量仿真。这也是我第一个个人网络项目，历时大约一个月完成。</p>
<p>项目动机</p>
我是一名计算机科学大二学生。大约三年前，我作为实习生被指派独立为一家地区ISP构建一个OSS/BSS平台，没有导师指导。参考demo.splynx.com，我开发了大部分BSS部分（记账、会计、库存管理），但在网络方面，我仅仅安装和设置了RADIUS，仅此而已。当时没有人可以指导我或向我提问，所以我就放弃了。
三年后，我决定再试一次。这个项目旨在为那些处于类似境地的人提供学习参考，即在没有适当指导的情况下面对闭源供应商的技术栈。这绝对不是生产级别的，但我希望它能为某些人提供一个起点。
<p>架构概述</p>
核心组件BNG运行在事件驱动架构上，状态变化作为消息传递，以避免处理互斥锁和锁。会话管理器是会话状态的唯一拥有者。为了保持清晰和可预测，direBNG从不直接接受外部输入。唯一的例外是Go RADIUS CoA守护进程，它通过IPC套接字传递CoA消息。BNG生成的所有内容（事件、会话快照）都会推送到Redis Streams，bng-ingestor会提取、处理并持久化这些数据。
<p>仿真和元配置</p>
我通过一个模拟器节点生成流量，该节点挂载主机的Docker套接字，并在选定的主机上运行docker exec命令。Containerlab用于定义网络拓扑的topology.yaml文件会随着更多BNG和接入节点的添加而变得更大。因此，aether.config.yaml作为一个更简单的配置文件，被配置管道使用，以生成topology.yaml和其他文件（nginx.conf、kea-dhcp.conf、RADIUS clients.conf等）。
<p>已知限制</p>
- 通过模拟拓扑的多个veth跳增加了显著的开销。使用iperf3进行分析（-P 10 -t 10，9500 MTU，24个vCPU）显示BNG→上游约为24 Gbit/s，但主机→BNG→上游降至约3.5 Gbit/s。9500 MTU也不代表真实的ISP部署。当实际网络重新引入时，我的吞吐量在本地限制为1.6 Gbit/s，情况更糟。
- 电路ID格式（1/0/X）是非标准的。我简化了它以便于理解。
- 不支持iBGP或VLAN。
- 不支持IPv6。我从一开始就想专注于IPv4网络，以避免在广度上过多而深度不足。
我所知道的几乎所有网络知识（除了AWS的一些部分）都是在构建这个项目时学到的。很多东西都是在实践中逐步摸索出来的，因此工程师们可能会在代码库中发现一些值得质疑的决策。我非常欢迎这样的反馈。
<p>问题</p>
- 目前，用户连接的电路是由演示用户任意决定的。在一个有成千上万电路的真实系统中，很难准确评估客户可能连接到哪个电路。当为服务添加新客户时，运营商如何根据客户的位置决定提供哪个电路的服务？
MetaGenesis Core 是一个用于计算结果验证的协议层。
它允许第三方在离线状态下通过一个命令验证打包的计算声明，而无需访问原始环境。
我在工作之余独自开发了这个项目，期间大量使用了人工智能工具。我不断遇到同样的问题：即使结果看起来不错，其他人也没有简单的方法独立验证这一结果，而不需要重新运行完整的环境或仅凭信任数字。
这个问题在各个领域普遍存在：
- 机器学习：“我们的模型达到了94.3%的准确率”
- 材料科学：“我们的模拟与实验室数据的偏差在1%以内”
- 制药：“我们的流程通过了质量检查”
- 金融：“我们的风险模型得到了独立验证”
不同领域，结构相同。
---
**问题所在**
MLflow / W&B / DVC / Sigstore / SLSA 很好地解决了相关问题，但它们没有提供带有语义层的离线第三方验证步骤。仅仅文件完整性是不够的。
绕过攻击：
1. 移除核心语义证据（job_snapshot）
2. 重新计算所有SHA-256哈希
3. 重建清单
4. 提交
仅进行哈希检查仍然通过。MetaGenesis Core 增加了第二层：
- 完整性层 → 通过
- 语义层 → 失败（缺少 job_snapshot）
该攻击是公共代码库中的对抗性测试。
---
**工作原理**
第一层 — 完整性：每个文件的SHA-256 + 根哈希
第二层 — 语义：所需字段存在，payload.kind 与声明类型匹配，来源完整
```python
python scripts/mg.py verify --pack /path/to/bundle
→ 通过
→ 失败：缺少 job_snapshot
→ 失败：payload.kind 与注册声明不匹配
```
跨领域的工作流程相同 — 机器学习、材料科学、制药、金融、工程。声明类型变化，但协议不变。
---
**当前状态**
```python
python scripts/steward_audit.py → 通过
python -m pytest tests/ -q → 91 个通过
python demos/open_data_demo_01/run_demo.py → 通过 / 通过
```
无需 API 密钥。无网络。Python 3.11 及以上版本。
---
**诚实的局限性**
尚未得到外部生产团队的验证。该协议在公共代码库和测试上有效，对抗性场景得以捕捉，演示可重复 — 但现实世界的集成仍需证明。
局限性在报告/known_faults.yaml 中以机器可读的形式列出。
我正在寻找的就是第一个外部的“是的，这在我们的流程中有效”。
---
如果你认为这个项目存在缺陷，我希望知道具体在哪里。如果它与我遗漏的现有工具重叠，我也希望知道。
```plaintext
网站： https://metagenesis-core.dev
代码库： https://github.com/Lama999901/metagenesis-core-public
联系方式： yehor@metagenesis-core.dev
发明人：Yehor Bazhynov
专利申请中：USPTO #63/996,819
```