最新

每当Claude Code思考时，你会有10到60秒的闲置时间，通常用于上下文切换或无目的地刷屏。我将这些时间转化为呼吸练习，以帮助你保持专注并改善心率变异性。<p>当Claude开始工作时，它会自动启动一个tmux窗口，并在工作结束时消失。

我创建了Caloriva，因为我厌倦了其他健身应用中的“搜索-选择-确认”循环。我想要一个可以直接聊天，并自动整理数据的应用。 它的功能包括： - 解析自然语言，涵盖饮食和锻炼。 - 自动计算营养成分，并跟踪你训练过的肌肉群。 - 界面简洁，没有臃肿的设计，只是一个快速记录和继续你日常生活的方式。 现在可以在 https://caloriva.app 上使用。我非常希望听到你对解析准确性和哪些功能会让你真正从当前的追踪器切换过来的想法。

构建了一个防篡改的执行日志库，用于人工智能系统。<p>SHA-256 哈希链可以检测任何篡改行为。内容可寻址的负载存储。命令行界面 + 网络界面。完全离线工作。<p>Ko-fi: <a href="https:&#x2F;&#x2F;ko-fi.com&#x2F;s&#x2F;50fccfeecd" rel="nofollow">https:&#x2F;&#x2F;ko-fi.com&#x2F;s&#x2F;50fccfeecd</a>

嗨，HN，我是 Ratschn 的独立开发者。 我打字很多，对当前 Mac 的语音输入工具感到非常沮丧。大多数工具要么是笨重的 Electron 包，要么依赖云 API（这在隐私方面是个噩梦），要么强迫你订阅一个本质上在自己硬件上运行的 SaaS 工具。我想要一个感觉原生、尊重系统资源、并且完全离线运行且不强制订阅的工具。 技术栈是 Rust、Tauri 和 whisper.cpp。以下是我做出的设计决策： 模型大小与准确性：与其使用尽可能小的模型来声称占用空间小，不如在首次运行时下载一个约 490MB 的多语言 Whisper 模型。我发现这是高准确性（口音、专业术语）的最佳平衡点，可以大幅减少文本校正时间。 硬件加速：下载的模型通过 CoreML 编译。这使得转录可以直接在 Apple Neural Engine（ANE）和 M 系列芯片的 Metal 上运行，从而让主 CPU 大部分时间保持空闲。 内存占用：通过使用 Tauri 而不是 Electron，UI 的内存占用几乎可以忽略不计。在积极运行时，应用大约占用 500MB 的 RAM。这在技术上是合理的，因为几乎全部是约 490MB 的 AI 模型在内存中被积极保持，以确保在你按下全局快捷键的瞬间实现即时转录。 输入方式：它使用 macOS 的辅助功能 API 直接在你当前活动的窗口中输入。 商业模式与定价： 我非常不喜欢本地工具的订阅疲劳。提供一个功能齐全的 7 天免费试用（无需账户）。如果你想继续使用，我的主要关注点是公平的一次性购买（€125 终身许可证）。不过，由于我非常重视来自这个社区的技术反馈，我生成了一个独家的启动代码（HN25），在结账时可以享受 25% 的折扣（降至大约 €93 / ~$100）。 漏洞奖励：由于我是独立开发者，我知道我可能错过了一些边缘案例（特别是在特定 M 芯片或奇怪的键盘布局上进行 CoreML 编译时）。如果你发现一个真实的、可重现的 bug，并花时间在这个线程中报告，我将非常乐意手动将你升级为免费终身许可证，以感谢你的质量保证帮助。 我很想听听你们对 Rust/Tauri 架构的技术反馈，或者 CoreML 编译在你特定的 Apple Silicon 设置上的表现。欢迎随时提问！

嗨，HN， 我想分享一下 OpenClix，这是一个开源工具包，可以直接在您的应用中运行移动用户参与和留存流程。 我们的动机源于观察到团队在尝试提高用户留存时，常常会遇到相同的模式。他们最终不得不将推送服务提供商、实验工具、分析管道和后端服务拼凑在一起，仅仅是为了推出简单的入门提示或重新参与提醒。这种设置很快就变得复杂。 OpenClix 采取了不同的方法。 它不是一个托管平台或重型 SDK，而是提供了一种基于配置的参与逻辑，能够在设备上运行。活动和规则存储在一个简单的 JSON 配置文件中，并能根据应用事件在本地做出反应。您可以根据用户行为触发通知、安排后续跟进或抑制消息，而无需后端控制平面。 项目背后有几个核心理念： - 本地优先执行。参与逻辑在设备上运行，减少了很多基础设施和延迟。 - 源代码管理而非 SDK 锁定。代码可以直接存放在您的代码库中，您可以检查和修改它。 - 基于配置的活动。触发器、保护机制和消息逻辑都在一个简单的配置文件中定义。 - 适合开发者的工作流程。该项目的结构使得开发者可以安全地生成和修改活动或规则。 人们通常用它来做的事情包括： - 入门提示 - 连续性或习惯提醒 - 在不活跃后重新参与 - 无需完整增长堆栈的留存实验 我希望能得到一些反馈： - 本地优先的方法对于参与逻辑是否合理？ - 您希望以这种方式运行什么类型的活动？ - 什么样的分析或集成会使其更有用？ 欢迎提问，并讨论其他人今天如何处理留存工具。

自2022年以来，我一直在开发一个框架，提出时间并不是一个静态的几何轴（如爱因斯坦的相对论所描述），而是从三维空间的旋转和轨道运动中动态产生的。 核心思想是：每个维度都是通过将无限个实例垂直排列从前一个维度中产生的。静态的三维空间无法做到这一点，但旋转的空间可以。这种永恒的自我垂直性就是时间。 由此，我们可以推导出洛伦兹因子、E=mc²和施瓦茨希尔德半径，并提出一个可测试的预测：内在的旋转应该独立地对时间膨胀产生贡献，这可以通过原子钟进行测量。 文章（通俗易懂）：[https://lisajguo.substack.com/p/time-as-the-fourth-dimension-a-new](https://lisajguo.substack.com/p/time-as-the-fourth-dimension-a-new) 论文（Zenodo）：[https://doi.org/10.5281/zenodo.18910834](https://doi.org/10.5281/zenodo.18910834)