最新

我刚刚发布了 Privalyse（v0.1 Alpha）。 我面临的问题是：AI 模型可以非常快速地生成代码，但安全性和隐私上下文往往会丢失——这导致硬编码的 API 密钥、个人身份信息（PII）出现在日志中，或者不安全的输入到达敏感的处理环节。尽管审查有助于发现这些问题，但在 PR 量很大的情况下，容易错过这些问题。 Privalyse 是一款静态分析工具，具有跨文件污点追踪功能，旨在捕捉在 AI 辅助工作流程中未被注意到的隐私违规和安全缺陷。 我希望你能试用一下！由于这是一个早期的 Alpha 版本，我特别希望得到以下反馈： - 对检测规则的反馈 - 关于误报模式的报告 - 功能请求：我应该优先考虑哪些语言或框架？

我真心质疑负责惠普打印机的人们的智商，这些所谓的“智能”打印机根本无法正常工作。<p>在自己的网络上打印却需要一个“应用程序”，这简直荒谬。打印机完全坏了，无法像在桌面或笔记本电脑上点击打印那样正常工作。<p>老实说，像惠普这样的公司怎么能在这些极其糟糕且令人反感的产品中生存下去？<p>更糟糕的是，他们会收集和分析所有“云打印”的文档，并将数据分享给市场营销人员。

我发现，能够快速地将我所说的内容进行本地转录对我的工作流程非常有帮助，尤其是在进行氛围编码或与人工智能模型聊天时，因为小的转录错误通常不是问题。<p>因此，我开发了YapType。它的代码总共不到200行。只需按下一个快捷键，它就会在本地进行转录，并在你的文本编辑器中打开结果——就是这么简单。