最新

嗨，HN， 这最初是一个简单的脚本，用于优化我的工作流程，通过缓存来降低Gemini API的成本（通常可以节省50-95%的费用）。随着时间的推移，我逐渐添加了一些我认为有用的功能，包括对Veo 3.1版本的封装和我称之为Flow Engine的自然语言视频编辑器。 *温馨提示：当前的用户界面和详细文档主要是繁体中文，因为它最初是出于个人使用而开发的。* 然而，底层的概念（特别是关于缓存策略和Flow Engine视频编辑方法）可能对HN社区会有趣。 希望有些人能找到这些想法或代码的用处。如有问题，欢迎提问！

我想知道是否有活跃于开源技术开发的非洲开源组织。

我正在探索一个软件层——类似于公钥/私钥加密——使用户能够与大型语言模型（LLM）进行对话，同时保证提示和响应对所有中介（包括模型托管方）都是不可读的。（我指的是加密学意义上的“密码”。） 两个案例： 1. 开放权重模型：确保操作员仍然无法读取提示/响应。 2. 闭合托管模型：真正的端到端加密（E2EE），以至于提供者也无法检查内容。 我们可以讨论的话题： - 最佳的短期路径：带有证明的可信执行环境（TEE）、同态加密（FHE/HE）、多方计算（MPC）/分离推理、用于检索的私密信息检索（PIR）、差分隐私或混合方案？ - 如何处理前向保密的密钥交换/轮换？ - 实际性能/准确性限制（例如，非线性、键值缓存、流式处理）？ - 最小可行架构和现实威胁模型？ - 你能推荐的任何先前的研究或团队？ 如果你有兴趣与我合作，请私信我。