最新

嗨，HN， 我构建了 well-net: [https://github.com/remoon-net/well](https://github.com/remoon-net/well) 想象一下 tsnet，但没有 Tailscale 或任何中央服务器。它是为了安全的朋友网络——聊天、小型游戏、私有服务。 现有系统在细微之处存在问题：失去你的域名 → 失去你的身份和联系人。Delta Chat 和 Mastodon 显示了这个问题。我只想要一个不需要中央协调的解决方案。 每个节点通过其 MAC 地址使用 EUI-64 获取一个稳定的 IPv6 地址，范围是 2001:00ff::/32。真实的 MAC 地址 → 没有冲突，不需要中央服务器。NAT 仅用于避免覆盖地址冲突。 技术：WireGuard + WebRTC → 在浏览器中运行。一旦 WebRTC DataChannel 在 Service Workers 中工作，私有服务就可以直接从网络访问。 计划：使用 Delta Chat 进行最小的基于邮件的聊天，采用类似 remoon@[2001:ff::1] 的 IP 字面地址 → 无需 DNS 的身份。 该项目仍在实验阶段。 你会将其用于小型朋友网络吗？

嘿，HN， 我们创建了 Sgai 来尝试一种不同的 AI 辅助开发模型。 与逐步提示不同，您在 GOAL.md 中定义一个结果（应该构建什么，而不是如何构建），然后 Sgai 会运行一组协调的 AI 代理来执行它。 - 它将目标分解为一个角色有向无环图（DAG）（开发者 → 审核者 → 安全分析师等）。 - 在需要时会提出澄清问题。 - 它编写代码、运行测试并进行迭代。 - 完成门（例如，make test）决定何时真正完成。 所有操作都在您的代码库本地运行。还有一个网页仪表板，显示代理图的实时执行情况。没有任何内容会自动推送到 GitHub。 我们在内部用于原型设计小应用和内部工具。虽然仍处于早期阶段，某些地方还比较粗糙，但功能足够分享。 演示（4 分钟）： [https://youtu.be/NYmjhwLUg8Q](https://youtu.be/NYmjhwLUg8Q) GitHub: [https://github.com/sandgardenhq/sgai](https://github.com/sandgardenhq/sgai) 开源（Go）。可以通过 opencode 与 Anthropic、OpenAI 或本地模型一起使用。 我很好奇大家对基于 DAG 的多代理编码工作流的看法。这里有人尝试过类似的方法吗？

我创建了Match，这是一种旨在替代正则表达式的模式匹配语言。与晦涩的转义序列不同，您可以用简单的英语描述模式。 <p>示例 — 匹配电子邮件地址：</p> 电子邮件：用户名 然后 “@” 然后 域名 <p>用户名：一个或多个（字母、数字、“.”、“_”、“-”）</p> 域名：一个或多个（字母、数字、“-”）然后 “.” 然后 2到6个字母 <p>与正则表达式的主要区别：</p> - 可读性强的语法 - 完整的解析树和命名提取 - 设计上没有回溯，避免了ReDoS - 可组合的语法模块（使用“module” (rule1, rule2)） - 零依赖，约15KB <p>在npm上可用（@hollowsolve/match）。网站上有文档、在线演示和示例。</p> <p>GitHub: <a href="https://github.com/hollowsolve/Match" rel="nofollow">https://github.com/hollowsolve/Match</a></p>

公开发布 *ZombieHunter*，这是一款用于检测 iOS 26.3 中 CVE‑2026‑20700（dyld 内存损坏）实时利用的取证工具。 对 sysdiagnose 归档的分析显示相同的利用壳体，但不同的 C2 端点： <p>美国设备 1 → 83.116.114.97（欧洲/美国） 美国设备 2 → 101.99.111.110（中国） <p>恶意的 dyld_shared_cache 切片通过格式错误的 `mappings_count` 触发溢出，执行 shellcode（BL #0x15cd），并应用 AMFI 绕过（`DYLD_AMFI_FAKE`），从而实现未签名代码的持久化。 苹果 PSIRT 和 CISA 已被通知；现公开披露。 <p>示例： <a href="https://drive.google.com/file/d/1rYNGtKBMb34FQT4zLExI51sdAYRES6iN/view" rel="nofollow">https://drive.google.com/file/d/1rYNGtKBMb34FQT4zLExI51sdAYR...</a> SHA256 伪造物： ac746508938646c0cfae3f1d33f15bae718efbc7f0972426c41555e02e6f9770 <p>用法： `python3 zombie_auditor.py sysdiagnose_xxx.tar.gz`（需要 capstone） <p>可重现的 PoC 确认了 CVE‑2026‑20700 绕过、AMFI 中和，以及在生产环境 iOS 26.3 中的实时 C2 连接。

我们并没有教CUA去解决“我不是机器人”的挑战。是的，这种讽刺我们也明白。 Coasty在OSWorld基准测试中达到了82%的成绩，这在真实桌面环境中运行的计算机使用代理中是最先进的（SOTA）。 验证码、浏览器弹窗、Cookie横幅，所有这些会干扰其他代理的东西？我们的代理则……轻松应对。如果你感兴趣，可以查看重播链接：https://coasty.ai/share/1cd404ae-3fcb-4d7f-b9d4-dac7aa26fc6d

嘿，HN！ Read the Room 是一款匿名社交投票应用，允许任何人根据不同的代际、国家和城市来筛选或比较结果。 举个例子：在 1-5 的评分尺度上评价“远程工作是否被高估？”并查看奥斯汀的 Z 世代是否与柏林的千禧一代达成一致。 隐私优先的架构：响应历史记录存储在您的设备上，只有汇总数据会发送到服务器。我们旨在实现接近“零知识投票”，采用 Passkey 认证（无需密码，无需账户）。每个投票的响应以“城市 X 在桶 Y 中投票 +1”的形式提交，而不将用户与响应关联，也不记录他们最初是否回答了该问题（所有这些都在设备上处理）。该应用使用 Flutter 和 Supabase 开发，遵循 AGPLv3 许可证。 我花了几年的时间慢慢构建这个应用，因为我厌倦了伪装成监控技术的大众社交媒体，我想在开源软件的范式下构建一个“人类生物指示器”的真实样貌。它的设计是非营利性的，类似于维基百科。 目前我们在 50 个国家拥有 500 次安装，约有 100 名每周活跃用户，大多数用户来自美国和加拿大。不过，我们希望能够进一步多样化。目前仅支持英语，但我们正在设计多语言支持，并将在获得更多关注后实施。 非常希望听到您的反馈，也乐意回答任何问题！ 了解更多信息： [https://readtheroom.site](https://readtheroom.site) 代码： [https://github.com/readtheroom-knowtheworld/readtheroom-app](https://github.com/readtheroom-knowtheworld/readtheroom-app) iOS 下载： [https://apps.apple.com/app/id6747105473](https://apps.apple.com/app/id6747105473) Android 下载： [https://play.google.com/store/apps/details?id=com.readtheroom.app](https://play.google.com/store/apps/details?id=com.readtheroom.app)

越南的家谱结构包含一些西方平台不支持的特性：农历、层级宗族分支、自动生成编号，以及用于日期标注的60年生肖周期。<p>AncestorTree能够处理这些特性。该项目在24小时内通过协调8个AI代理，分为7.5个冲刺完成。<p>技术栈：Next.js 16 + React 19 + TypeScript + Supabase + Vercel。每月费用为$0。<p>包含13个PostgreSQL表，77个文档化需求，4个通过RLS（行级安全）强制执行的权限角色。基于深度优先搜索的仪式职责轮换。家庭关系面板（每个档案的父母、兄弟姐妹、配偶和子女）。层级树布局。带有可分享URL的分支过滤器（?root=id）。树形范围编辑器：用户与其个人资料关联，编辑权限限制在其子树内——通过RLS中的递归PostgreSQL CTE强制执行。<p>采用MTS-SDLC-Lite构建：设定阶段门，代码前进行设计审查。没有治理的相同代理 = 可信但不稳定。有治理的情况下 = 1天内可投入生产。<p>采用MIT许可证。大约30分钟内即可分叉和部署。<p>欢迎反馈。

嗨，HN， 我一直在构建AI代理和助手，但遇到了一个令人沮丧的问题：它们不会大声失败，而是悄悄地忘记事情。 用户需要重新解释偏好设置，代理会与之前的回答相矛盾，且上下文在没有明确原因的情况下重置。 我开发了Memograph CLI作为调试工具，以分析对话记录并显示： - 代理忘记了什么 - 连续性在哪里中断 - 矛盾和重复的上下文 - 由于重新提示而导致的估计令牌浪费 它可以在本地运行，支持纯文本或JSON格式的记录。 示例： ``` $ memograph ``` 输出： ``` 认知漂移评分：41/100 遗忘的偏好：3 令牌浪费：29% 破坏信任的矛盾：1 ``` 目标不是替代你的代理框架，而是让开发者能够看到内存失败的情况。 代码库：[https://github.com/memographAI/Memograph-CLI](https://github.com/memographAI/Memograph-CLI) 非常希望能收到反馈，特别是来自正在生产环境中构建代理的人的意见。

我开发了一个AI视频生成器，它可以在一次生成中编排多个镜头，而不是典型的“一个提示 → 一个剪辑”模型。 它的功能包括： - 多镜头叙事：每次生成最多可包含6个镜头，每个镜头都有自己的提示和时长 - 参考驱动的一致性：上传3张参考图像以锁定角色外观和风格 - 同时支持4种输入方式：文本 + 图像（最多9张） + 视频剪辑（最多3个） + 音频（最多3个） - @参考系统：为每个输入文件分配特定角色（例如，@Image1用于角色，@Video1用于镜头运动） - 输出：2K分辨率，24帧每秒，具有原生音频同步和口型同步 问题在于：现有的AI视频工具生成的是单独的孤立剪辑。如果想要一个三镜头的故事？需要生成三次，希望角色保持一致，然后手动拼接。Sora 2（每月20美元）一次只给你一个镜头。Runway有编辑套件，但没有多镜头生成功能。 Dola Seed 2.0让你可以提前定义完整的叙事弧。每个镜头都有自己的指导。角色的一致性来自参考系统，而不是运气。 从技术角度来看，值得关注的权衡是多镜头一致性与每个镜头灵活性之间的平衡。我们在镜头之间使用参考条件，而不是单一的整体生成，这样可以在保持约90%角色一致性的同时，提高每个镜头的质量。 欢迎免费试用（前3次生成无需注册）：[https://dolaseed.site](https://dolaseed.site) 期待反馈，特别是关于多镜头一致性质量和参考系统用户体验的意见。