我一直在处理医疗保健/生物银行数据，并不断思考“数据护城河”在如今大型语言模型（LLMs）能够处理任何数据的背景下意味着什么。2019年一篇来自a16z的文章提到护城河正在侵蚀——现在的问题似乎是，如何让你的数据对这些系统真正有用，而不仅仅是拥有数据。最近有一些研究（如tables2traces和ehr-r1）显示可以将结构化的医疗数据转换为推理轨迹，从而提高LLM的性能，但这些方法仍然比较粗糙，合成的轨迹在严格审查下并不能完全成立（写这段话是为了思考这个问题，而不是因为我有答案）。
返回首页
最新
构建了一个插件，可以在我批准计划后自动运行我的整个开发周期。<p>/next-task 从 GitHub 问题中提取信息，扫描代码库，排序任务，我选择一个并批准计划——然后 18 个代理负责探索、实施、代码审查、持续集成和部署，无需干预。<p>其他命令：/ship（提交 PR 进行部署）、/reality-check（检测计划偏差）、/project-review（多代理代码审查）、/deslop-around（清理 AI 垃圾）。<p>以这种方式运行并行会话。开源，兼容 Claude Code、Codex CLI 和 OpenCode。<p>npm install awesome-slash<p><a href="https://github.com/avifenesh/awesome-slash" rel="nofollow">https://github.com/avifenesh/awesome-slash</a>
我重新发布了一遍，因为我忘记加上“Show HN”前缀。
当我查看自托管选项时，真正的端到端加密（E2EE）竟然出乎意料地稀少。大多数解决方案依赖于磁盘加密，这仅能防止物理盗窃，而无法保护服务器被攻破或管理员访问。
因此，我创建了 Agam Space，这是我对 Mega 或 Proton Drive 的自托管替代方案。它采用了真正的零知识加密。文件在浏览器中加密，服务器仅存储加密后的数据块。管理员根本无法访问这些文件。
目前仍处于早期测试阶段，功能非常基础，尚未进行专业的安全审计。请不要将其作为唯一的备份使用。