最新

我正在构建一个接受USDC支付的SaaS。简单的需求是：客户发送稳定币，我需要知道它们何时到达以及金额是否匹配。目前的选项似乎有： 1. 支付处理器（如Coinbase Commerce、NOWPayments）——处理所有事务，但每笔交易收取0.5%-1%的费用。在一笔1万美元的支付中，这意味着仅确认费用就要50-100美元。 2. 自己动手使用Alchemy/Infura的webhooks——轮询转账事件，匹配金额，跟踪确认，处理重组，构建重试逻辑。我花了大约两周时间，但仍然不够稳定。 有没有折中的办法？有没有什么只做验证部分的解决方案——“告诉我在Y地址收到X金额”——而不涉及保管、结账或费用的开销？ 我很好奇其他人是如何处理这个问题的，特别是在像Base这样的二层网络上，交易成本微乎其微，但验证基础设施的复杂性与主网相同。

大家好， 这是Kanon 2 Enricher，首个层次化图形化模型。它代表了一种全新的AI模型类别，旨在将文档语料库转化为丰富且高度结构化的知识图谱。 简而言之，我们的模型能够： - 实体提取、分类和链接：识别关键实体，如个人、公司、政府、地点、日期、文档等，并对其进行分类和链接。 - 层次分割：将文档拆分为完整的层次结构，包括分部、章节、小节、段落等。 - 文本注释：提取常见的文本元素，如标题、签名、目录、交叉引用等。 我们从零开始构建了Kanon 2 Enricher。Isaacus法律图谱架构（ILGS）中的每个节点、边和标签都对应我们模型中的至少一个任务头。总共，我们构建了58个不同的任务头，并与70个不同的损失项进行了联合优化。 得益于其新颖的架构，与典型的LLM不同，Kanon 2 Enricher并不是逐个生成提取（这可能引入幻觉的可能性），而是一次性直接对文档中的所有标记进行分类。这使得它非常快速。 由于Kanon 2 Enricher的功能集非常广泛，它可以用于无数应用，从金融取证和尽职调查到法律研究。 到目前为止，我们看到的最酷的应用之一是，加拿大政府利用数千条联邦和省级法律构建了一个知识图谱，以加速监管分析。另一个酷的应用是我们自己构建的，自1903年以来的澳大利亚高等法院案件的3D互动地图，您可以在我们公告的开头找到。 我们的模型在过去一个月中已经投入使用，因为我们通过封闭测试版发布了它，参与者包括Harvey、KPMG、Clifford Chance、Clyde & Co、Alvarez & Marsal、Smokeball以及其他96个设计合作伙伴。他们的反馈对Kanon 2 Enricher在公开发布前的改进至关重要，我们对每一位测试参与者都深表感谢。 我们期待看到其他开发者在公开发布后，利用我们的模型构建出什么样的应用。

获取诈骗者的钓鱼邮件分发列表的好方法是什么？用于收集零日钓鱼链接，以便提交给杀毒软件公司，以及出于教育目的。

我一直在使用 BMAD（构建更多架构梦想）进行结构化的 AI 辅助开发，但发现自己在不同项目之间复制粘贴工作流配置。为了解决这个问题，我构建了 RalphMAD：一个 Claude Code 插件，它将 BMAD 的结构化 SDLC 工作流与 Geoffrey Huntley 的 Ralph Loop 自我引用技术结合在一起。 主要特点： - 模板化工作流，运行时占位符自动填充 - 项目无关：一次安装，适用于任何启用 BMAD 的项目 - 自主运行：Claude 自动执行工作流，直到完成 - 12 个预构建工作流：产品简介 → PRD → 架构 → Sprint 规划 → 实施 示例用法： ``` /plugin install ralphmad /ralphmad:ralphmad-loop product-brief ``` Claude 会自主运行整个工作流，读取项目配置，检查前提条件，并生成工件，直到检测到完成承诺。 技术细节： - 使用与 ralph-loop 分开的状态文件，以支持并发插件使用 - 包含前提条件、完成承诺和角色的人物工作流注册表 - 停止钩子集成，支持优雅中断 - 模板使用 {{placeholder}} 语法，从 _bmad/bmm/config.yaml 中填充 GitHub: [https://github.com/hieutrtr/ralphmad](https://github.com/hieutrtr/ralphmad) 要求：项目中安装 Claude Code CLI + BMAD 方法 欢迎反馈。特别希望听到其他使用 Claude Code 插件进行工作流自动化的人的意见。