最新

我一直在大量使用Claude Code，但总是遇到同样的烦恼：市面上有成千上万的技能，但没有可靠的方法来判断它们是否优秀或安全可安装。Snyk的ToxicSkills研究发现，36.82%的公开技能存在安全漏洞，其中13.4%是严重漏洞。 我正在建立《技能精选》——一份每两周发布的通讯，专门在技能到达订阅者之前对Claude Code技能进行评审和安全审计。每个技能都会根据六个标准进行评分，并给出明确的评判。如果未通过安全检查，该技能将不会运行。付费版包括经过审查的SKILL.md文件，随时可以安装。 我有几个问题确实不太确定： - 这是一个真正的痛点，还是目前受众太小？ - 开发者会为经过筛选的、可直接安装的技能文件付费吗，还是人们更喜欢自己动手？ - 有没有类似领域的通讯案例值得我研究（成功或失败的）？ 目前仍在预发布阶段。欢迎对我提出质疑。

嘿，HN， 我从未下载过moltbook，但它却在Firefox中运行。我对此有些困惑，因为我从未使用过moltbook。 有没有人知道以下工具中是否集成了这个？ - GitLab（不太可能） - Google Docs - Asana 或者以下这些插件： - ColorZilla - 1Password - Wappalyzer 当我关闭Firefox时，这个进程就消失了。

我创建了一个Colab笔记本，演示了一个完整的流程，用于引导和训练一个YOLO目标检测模型，而无需手动标注。<p>该工作流程使用开放词汇的目标检测，从自由文本提示中生成边界框，然后将其导出为YOLO标签，并用于训练检测器。<p>笔记本中的典型工作流程如下：<p>从一个未标注或弱标注的图像数据集开始<br>使用提示生成边界框（例如“猫的头”或“汽车保险杠上的凹痕”）<br>筛选正样本并重新平衡数据集<br>以YOLO格式导出标签<br>训练和评估YOLO模型<p>在示例笔记本中，我使用了一个只有图像级标签的猫与狗数据集。通过使用提示“猫的头和狗的头”，该流程自动生成头部边界框，并训练一个小型YOLO模型。<p>该仓库主要包含Colab笔记本以及用于运行检测和导出YOLO标签的示例脚本。<p>我很想知道大家对这种方法的看法。

嗨，HN， 对于那些随着时间积累大量笔记的人来说：当你的笔记集合不断增长时，实际上会变得更困难的是什么？ 我并不是在询问哪个工具最好。我更感兴趣的是失败模式。 例如： • 捕捉信息很简单，但后期整理变得繁重 • 搜索功能有效，但在上下文中重用信息时显得尴尬 • 一条笔记最终属于多个地方 • 结构一开始有帮助，但后来变成负担 如果你曾经使用过像 Obsidian、Notion、Logseq、Apple Notes 或普通 Markdown 这样的工具，哪些方面开始让你感到受限？

我是桑迪普。我通常花时间开发iOS应用和SaaS工具，但最近我开始密切关注商业房地产平台，并注意到如果你特别想开一家餐饮业务，搜索体验是多么令人沮丧。 如果你在像LoopNet这样的大型平台上搜索，你最终会在数百个仓库、零售店面和办公空间中筛选，只是为了弄清楚某个地点是否有油脂隔离池。 因此，我和亚历克斯共同创建了Tablelot。它是一个专门用于买卖和租赁餐饮房地产的市场。

人们分享他们的心情（1-10），这些心情会立即显示在世界地图上。在短短几天内，我们已经收集了来自几十个国家的约2500条心情。很想看看随着更多人参与，这一情况会如何演变。<p>今天也在Product Hunt上线了。