最新

我将在几个月后高中毕业，但对我的未来没有明确的计划。我申请了几所大学的电气工程专业，因为硬件和计算系统看起来足够有趣，而且这是一个实用的选择。在学校里，我在物理、微积分、化学和生物课上都得了高分，但这些都没有让我感到兴奋，也没有激励我在课外继续深入学习。 吸引我的是研究本身的概念：真正发现新事物，增加知识，而不仅仅是使用已有的知识。问题是，我还没有找到让我感到兴奋的领域。我觉得我对任何学科的了解都不够，无法判断它是否值得我花费数年（或一生）的时间去专注。 对于那些最终从事研究职业的人，你们是如何找到方向的？是否有某个特定的时刻、项目、课程、论文或偶然的对话激励了你？你们在本科阶段是否大多是漫无目的地游荡，换专业、换实验室或选修一些奇怪的课程，直到找到适合自己的方向，还是更早就找到了？ 你怎么知道某件事是否超出了短暂的兴趣，是否是那种能够长期支撑你的事情？是那些多年后仍然萦绕在心头的问题，还是实验/调试/阅读的日常工作让你感到意外的舒适（甚至愉快），或者是其他的信号？ 如果你在我这个年龄时也曾迷茫，但最终找到了自己的方向，分享一些故事会很棒。有没有一些低风险的方式让大一新生可以在不同领域探索，而不必过早锁定方向？比如夏季项目、随机实验室、自学等帮助？

我在使用Claude Desktop和Cursor时总是遇到同样令人烦恼的问题：我截取一个Python错误追踪，AI告诉我“运行pip install pandas”，然后我只能坐在那里自己输入。如果AI明显知道解决方法，为什么我还要自己打字呢？ 于是我构建了OmniGlass。 用户体验很简单：你在屏幕上画一个框，本地OCR提取文本，一个大型语言模型（LLM）对你所看到的内容进行分类。但与其生成聊天回复，它给你提供一个操作菜单。 与Claude Desktop的核心区别不在于AI本身，而在于AI思考后的处理方式。Claude会读取你的屏幕并为你写一段文字，而OmniGlass则读取你的屏幕并执行命令。 目前的功能包括： - 截取错误追踪 → 生成修复命令，你确认后执行。 - 截取数据表 → 打开本地保存对话框并输出干净的CSV文件。 - 截取Slack错误报告 → 草拟一个GitHub问题，所有上下文信息已填充。 - 菜单栏输入 → 输入简单的英语，触发相应的命令。 安全隐患（我为什么要构建这个）： 目前没有人真正讨论MCP插件的安全风险。Claude Desktop以你的完整用户权限运行它们。一个恶意插件或巧妙的提示注入可以读取你的SSH密钥、抓取你的.env文件并将其发送出去。 为了解决这个问题，OmniGlass在macOS内核级别使用sandbox-exec对每个插件进行沙箱隔离。你的/Users/目录完全被隔离。环境变量被严格过滤。Shell命令在执行前严格要求你的手动确认。我希望能够运行社区插件，而不必担心它们可以访问什么。 技术栈： - 前端/后端：Tauri（Rust + TypeScript） - 视觉：Apple Vision OCR（本地） - 插件系统：MCP通过stdio - 模型：与Claude Haiku、Gemini Flash兼容，或通过llama.cpp完全本地运行，使用Qwen-2.5（端到端大约需要6秒，数据不离开你的机器）。 当前状态： 我刚刚发布了第二个可用插件（一个Slack Webhook），与GitHub Issues插件一起运行。这是两个真实的插件，证明了架构的确有效，而不仅仅是一个模板和承诺。两个插件的代码行数都在250行以内。 我希望你能提供帮助的地方： - 破解沙箱。真的。如果你能找到一种方法从插件中读取~/.ssh/id_rsa，那是一个关键漏洞，我想知道。 - 构建一个插件。现在仓库中有8个开放问题，包含完整的MCP架构、清单和实现提示。大多数插件的代码行数少于100行。 - 移植到Windows/Linux。Windows构建在CI中编译，但尚未在真实硬件上测试。Linux需要Tesseract + Bubblewrap来替代Apple OCR和沙箱。 目前需要macOS 12+。完全开源（MIT许可证）。 期待听到你的想法或回答你关于沙箱设置的任何问题！

嗨，HN， 我们之所以开发这个，是因为我们厌倦了成为意外的平台工程师。 现在，多数据库堆栈已经成为默认选择，但运营开销非常高。我们希望有一个统一的认证层、一个仪表盘，以及一个可以配置和监控所有内容的方法。 现在上线的组合：`Redis` + `TigerBeetle`（虽然组合有些奇怪，但这是我们的测试用户所需要的）。 接下来支持的数据库： - `MySQL` - `ClickHouse` - `Postgres` + `PostGIS` - `VectorDB` 我们采用SDK优先的方法，`Node`和`Python`版本已准备就绪。 npm: [https://www.npmjs.com/search?q=%40bridgebase](https://www.npmjs.com/search?q=%40bridgebase) PyPI: [https://pypi.org/project/bridgebase/](https://pypi.org/project/bridgebase/) 希望能收到在生产环境中运行多数据库工作负载的用户的反馈。 我们遗漏了哪个最重要的痛点？

在过去几个月里，我们一直在致力于自主智能体治理的根本架构转变。目前行业标准几乎完全依赖于概率性对齐（如强化学习人类反馈、系统提示、宪法训练）。这种方法在被破解或上下文窗口溢出时会失效。统计性质并不是安全边界。 我们构建了一种替代方案：确定性策略门。在我们的架构中，语言模型（LLM）完全剥离了执行权力。它只能生成一个“意图载荷”。该载荷会被传递到一个进程隔离的、确定性的执行环境中，在那里它会根据一个经过加密哈希的约束矩阵（宪法）进行评估。如果违反了该矩阵，则会被阻止。每个决策都会被记录到一个Merkle树底层（GitTruth）中，以便形成不可篡改的审计轨迹。 我们于2026年1月10日提交了99项关于该架构的临时专利。至关重要的是，我们在专利声明中直接嵌入了严格的人道主义使用限制（和平机器授权），以确保这些知识产权不能被合法用于自主武器、大规模监控或剥削。 我撰写了一份关于该架构的详细分析，解释了为什么概率性安全是一条死胡同，以及我们在行业发布其框架之前提交专利的时间线：请在此阅读完整宣言：<a href="https://salvatoresystems.medium.com/the-death-of-probabilistic-safety-99-patents-for-deterministic-ai-governance-888e51a14a04" rel="nofollow">https://salvatoresystems.medium.com/the-death-of-probabilist...</a> 完整的专利注册信息可以在这里公开查阅：<a href="https://aos-patents.com" rel="nofollow">https://aos-patents.com</a> 我是创始人和唯一发明人。欢迎随时询问关于确定性架构、Merkle树状态持久性或将伦理直接嵌入专利声明中的知识产权策略的任何问题。