大多数 S3 的使用方式是使用基本认证进行 PUT、GET、DELETE 和 LIST 操作。这正是它所实现的。<p>支持 SigV4 认证、多部分上传和范围请求。存储仅仅是磁盘上的文件。<p>不支持版本控制、访问控制列表（ACL）和加密。如果需要这些功能，请使用 MinIO 或 AWS。
返回首页
最新
NSFW AI图像打破了创造自由的障碍。与主流工具限制内容、地方模型需要昂贵硬件不同，NSFW AI图像提供了一种无缝的浏览器基础解决方案，支持无审查生成。
<p>主要特点：</p>
<p>真正免费：没有付费墙、订阅或每日信用限制。</p>
<p>无需登录：无需提供电子邮件或个人数据，即可立即开始生成。</p>
<p>无需GPU：所有处理都在云端进行，允许您在任何笔记本电脑或手机上生成图像。</p>
<p>无审查能力：特别调校以理解和可视化被标准AI服务屏蔽的提示。</p>
<p>无论您是寻找Stable Diffusion的轻量级替代品，还是想快速测试提示，NSFW AI图像都提供了一个私密且易于访问的成人AI艺术平台。</p>
我构建了Synx，一个实时温湿度监测系统，结合了硬件、系统编程和现代网页开发。
<p>架构：
- ESP8266 + DHT11传感器通过MQTT发送数据
- Go后端用于数据采集，并写入InfluxDB（时间序列数据库）
- Next.js前端实现实时WebSocket更新（零延迟）和历史图表
<p>关键工程决策：
- 选择MQTT而非HTTP以实现真正的实时推送
- 服务器端时间戳（ESP8266没有实时时钟）
- 使用InfluxDB进行高效的时间序列存储
- 双通道：WebSocket用于实时数据，REST API用于历史数据
<p>作为一名初级Go工程师，我构建这个项目是为了超越CRUD应用，深入了解物联网协议、系统编程和实时数据流。
<p>非常希望能收到对架构选择的反馈！
你好，
我创建了 Stos，因为我想要一个专门用于浏览 StackOverflow 的应用，而不受浏览器的干扰。这个应用是使用 Compose Multiplatform 构建的，这让我能够在不同平台之间共享代码。
我很想听听你对这个应用的看法。欢迎反馈！
WebAssembly 使得在浏览器中进行复杂计算成为可能。我想看看是否可以将浏览器视作 Kubernetes 工作节点。
Kuack 是一个虚拟 Kubelet 提供者，它将 Kubernetes 工作负载调度到浏览器标签页。访问者的浏览器连接并报告其容量，成为临时工作节点。它看起来就像一个普通的 Kubernetes 节点——使用相同的 kubectl 命令、相同的 OCI 镜像、相同的工作流程。不同之处在于，Pods 在浏览器中执行，而不是在服务器上。通过多平台的 OCI 镜像，如果没有可用的代理，Kubernetes 可以回退到常规节点。
它设计用于短暂的、无状态的、CPU 密集型任务：来自真实网络的负载测试、本地数据预处理、边缘计算场景、机器学习任务等。
这并不是对您集群的替代方案——只是一个额外的选项，适用于那些可以从浏览器执行中受益的工作负载。
嘿，HN，
我一直在开发一个Python库和正式框架，以使代理型人工智能系统更不脆弱。
核心前提是，生物细胞本质上是分布式信息处理器，数十亿年前就解决了“幻觉”（噪声）、“无限循环”（癌症）和“资源耗尽”（缺血）等问题。我并不仅仅把这作为一个松散的隐喻，而是使用了应用范畴理论（具体来说是多项式函子）来严格地将基因调控网络映射到软件代理。
库中实现的关键概念：
* 代谢共代数：我们将令牌预算建模为热力学资源。这使得代理的“停机问题”可判定，通过强制资源状态严格递减（如ATP耗竭），防止失控循环。
* CFFLs（相干前馈循环）：一种用于“二键执行”的拓扑模式，数学上降低了幻觉的概率（假设模型多样性）。
* 伴侣蛋白：部分验证器将模式不匹配视为需要主动修复循环的错误，而不是“未定义”错误。
这是从“提示工程”向“拓扑工程”迈出的早期尝试。
论文（预印本）： [https://github.com/coredipper/operon/blob/main/article/main.pdf](https://github.com/coredipper/operon/blob/main/article/main.pdf)
我特别希望得到关于代谢共代数定义的反馈，以及是否有人之前尝试将Poly应用于生产AI系统。
这里是原帖内容的中文翻译：
我是发帖者。
大多数针对旅行商问题（TSP）的深度学习方法依赖于使用大规模数据集进行预训练。我想看看一个求解器是否能够在特定实例上“即时”学习，而不依赖于其他问题的先验知识。
我构建了一个使用PPO（比例优势策略优化）的求解器，它能够针对每个实例从零开始学习。在单个A100显卡上，它在大约5.6小时内在TSPLIB的d1291实例上达到了1.66%的差距。
核心思想：
我的假设是，尽管最优解主要由“最小边”（最近邻）组成，但实际的困难来自于少数“例外边”，这些边超出了局部范围。
我没有进行预训练，而是基于这些例外边的拓扑/几何结构设计了一种归纳偏置。代理根据微观/宏观结构获得关于哪些边可能有前景的指导，而PPO通过试错来填补空白。
看到强化学习在没有数据集的情况下达到这个水平是很有趣的。我已经开源了代码和一个Colab笔记本，供任何想验证结果或尝试“例外边”假设的人使用。
代码和Colab链接： [https://github.com/jivaprime/TSP_exception-edge](https://github.com/jivaprime/TSP_exception-edge)
欢迎随时询问关于几何先验或PPO实现的任何问题！
最近我遇到了一个问题，连续几天无法在 sms-activate 上充值余额。<p>这并不是一次偶发的故障——支付根本没有成功，而何时能解决这个问题也没有太多信息。对于依赖 SMS 验证服务进行测试、用户引导流程或质量保证的任何人来说，这种依赖失败是相当具有破坏性的。<p>这让我反思了一个我们常常低估的事情：那些“基础设施类”的第三方服务是多么脆弱，尤其是在它们被广泛使用但抽象程度较低的情况下。<p>在过去几个月里，我一直在开发一个名为 SMS-Act 的小型替代方案，最初只是为了降低我自己的运营风险。我的目标并不是在规模上竞争，而是专注于一些我个人关心的原则：
• 明确的范围：仅提供一次性、临时号码（不提供长期租赁）
• 透明的定价（如果验证失败，积分自动退款）
• 为开发者和测试人员提供更简单的用户体验，只需快速获取验证码
• 当出现问题时，减少“黑箱”行为<p>我并没有计划公开谈论这个项目，但最近的停机让我意识到，许多人可能面临同样的问题，并在默默寻找替代方案。<p>我很好奇：
• 你们是如何处理技术栈中的 SMS 验证依赖的？
• 你们是构建内部备用方案，还是在出现问题时直接更换服务提供商？
• 你在使用此类服务时遇到的最大痛点是什么？<p>如果有人感兴趣，我很乐意分享我在构建 SMS-Act 过程中的经验，或者讨论更好的方法来降低这类外部服务的风险。<p>（这里没有强硬推销——我更感兴趣的是其他人如何应对这个问题。）