返回首页
最新
我创建了ChessWoodie作为一个结构化的国际象棋战术训练平台。<p>大多数谜题训练器会给你随机的谜题。这可以帮助计算能力，但也意味着你很少会看到相同的模式两次，这使得快速模式识别变得更加困难。<p>ChessWoodie将谜题组织成课程，在训练周期中相同的位置会重复出现。这种方法受到啄木鸟方法的启发：反复解决相同的谜题，直到模式变得自动化。<p>你可以直接在浏览器中尝试。如果你想直接开始解谜题，可以使用访客登录。<p>期待听到那些定期进行战术训练的人的反馈。
我的个人 Bash 脚本已经发展成为一个完整的工具包。非常适合管理大型数据集、备份，或者仅仅用于快速文件导航。
来自20VC播客的完整引用：“如果你考虑任何公司，甚至是Monday本身，90%的背景信息并没有被记录在任何地方。没有人知道。这些信息就像漂浮在空气中一样。想法是什么？战略是什么？谁在做什么？下个月会怎样？明年呢？我们将如何实现？我们为什么要做我们正在做的事情？背后的思考过程是什么？”
这正是我开发我的应用程序Bother所要解决的问题。让我知道你的想法，你可以无需账户试用它： https://bother.now
我之所以问这个问题，是因为我最近在一个开源项目中提交了一个拉取请求，修复了一个漏洞（通过 Python 中的 pickle 反序列化进行远程代码执行）。一天后，我收到了一个完全由大型语言模型生成的评论，声称我的方法是错误的，并建议我以不同的方式重写，同时告诉维护者如果“项目愿意进行更精细的重构”，他可以贡献代码。
最近，这种情况发生得频繁得令人惊讶。
我很想听听其他贡献者或维护者是否也遇到过类似情况，以及他们是如何应对的。
一个极其快速的命令面板，专为Apache JMeter设计。通过键盘搜索组件、执行操作，发现惊喜——一切尽在掌握。
我一直在探索如何使人工智能代理在实际应用中更安全，特别是在它们开始与工具、API和真实系统交互时。一个反复出现的问题是，代理可能会产生虚幻的行为，调用不该调用的工具，或者以过度的方式行动，这使得它们在生产环境中难以被信任。
为了实验更好的模式，我整理了一个小型的起始代码库：
安全代理起始库
<a href="https://github.com/timbuctoo/secure-agent-starter" rel="nofollow">https://github.com/timbuctoo/secure-agent-starter</a>
这个库故意保持简约——并不是一个完整的SDK——但它展示了一个简单的结构，包括：
- 基于能力的权限
- “动作防火墙”模式
- 示例能力和策略文件
- 一个小型代理示例
- 一个模拟授权步骤（无需后端）
- 一个可以放入任何代理项目的文件夹布局
目标是为开发者提供一个关于代理安全的思维模型，以便在连接真实工具或API之前进行设计。可以将其视为设计更安全的代理架构的概念起点。
我希望能收到关于以下方面的反馈：
- 你希望看到哪些安全模式
- 这个结构是否适用于真实世界的代理项目
- 是否有任何缺失的部分可以使其更有用
感谢你的关注。
建立一个开源代码库，使用确定性的验证者，并通过代理评估循环将代理指令（例如 .cursorrules、claude-guidelines.md、copilot-prompts.md）转化为可靠的保证。