该项目完全开源。它使用一个单一的 Pandoc Markdown 源文件，生成 HTML、EPUB、PDF、手册页、GNU Info、一本有声书、一个在播放时高亮内容的 HTML 集成音频播放器，以及用于“视频有声书”的 MP4 输出。
这个项目足够通用，可以重复使用。我计划在我的技术博客中使用这个流程。
这部中篇小说包含了大量的编程知识。它是对老派 Linux 程序员和这一工艺本身的热情致敬。
返回首页
最新
嗨，HN，我们是Marinos和Hudson，Prized的创始人（<a href="https://prized.dev">https://prized.dev</a>）！Prized允许非工程师员工描述他们所需的内部工具，并获得一个全栈应用程序，该应用程序与公司的数据相连，并在公司登录后部署，而无需他们处理API密钥或连接器。
<p>这是一个演示：<a href="https://www.youtube.com/watch?v=730MuYOfZTY" rel="nofollow">https://www.youtube.com/watch?v=730MuYOfZTY</a></p>
Prized提供安全性的方式是通过限制代理在网络层可以访问的内容，并完全不在沙盒中保存凭据。沙盒中从不存储任何密钥或连接器秘密，它仅使用作为不透明占位符存储的范围会话令牌。真实的值在我们的出站代理中被替换到请求头中。当连接生产数据时，沙盒的网络策略默认设置为拒绝，因此唯一的出口是通过代理。代理对外部连接器的任何调用都由LLM审查，以防止危险操作。
<p>Prized旨在处理那些以笔记本或电子表格形式开始但从未成为真正工具的内部工作流程，因为工程团队有更重要的事情要处理。一位客户的数据科学家将他个人的欺诈检测笔记本粘贴上来，其中包含硬编码的阈值。经过几次提示，它变成了一个连接到公司数据的已发布风险控制台，阈值转化为用户界面控件。今天早些时候，我们与他们进行了通话，他们公司大部分员工都在使用这个工具。</p>
<p>为了做到这一点，您需要给人们自由构建的空间，而不让他们未经审计地访问公司系统。我们允许管理员将数据范围限制到特定用户或团队，并在审计日志中记录数据访问。每个工具都有自己的Postgres架构和角色，查询通过经过身份验证的SQL网关以该角色身份运行。</p>
我们认为Prized介于Lovable和Retool等产品之间。Lovable使生成和托管软件变得简单，但它并不是围绕权限分配设计的。Retool通常假设技术构建者正在为最终用户创建应用程序。
<p>Prized将内部工具视为共享对象。工作区中的任何人都可以看到其他人构建的内容，可以进行分叉，并连接不同的数据。例如，一位客户的市场负责人构建了一个促销分析工具。同一公司的数据科学家随后对其进行了分叉，并在现有工具的基础上添加了置信区间。通过这种方式，工作区成为人们可以重用的工具库。</p>
我们已经上线并提供自助服务。我们的免费套餐包括每月2个工具构建，而我们的团队套餐为每月100美元。企业套餐是定制的，支持个性化功能，如本地部署。
<p>我们仍在努力寻找控制与自由之间的正确边界。如果您之前构建过内部工具，我们非常欢迎您的反馈！</p>
嗨，HN！我是 mere.run 的作者，这是一个以可安装的命令行界面为基础的本地优先推理运行时。我相信，只要有可能，我们应该利用我们已经拥有的设备（比如我们的 Mac 笔记本、闲置的高性能机器、游戏 PC）和我们容易获取的有限电力，比如大多数人身边的墙壁插座。我们不应该把数据发送到云端，希望某些条款和条件能防止数据被以我们后悔的方式使用。大多数本地 AI 解决方案都很复杂，涉及技术问题，常常让人陷入包的地狱。人们在优化某一系统而忽视了另一个系统，如果你拥有 Mac，乐趣的东西在 PC 上；如果你拥有 PC，乐趣的东西在 Mac 上。
因此，mere.run 是我选择开始解决这些问题的工具。文本、聊天、代码、图像生成、语音合成+语音识别、视觉（字幕/基础/分割/跟踪/姿态/深度/面部/光学字符识别等）、音乐、音效、视频、2D 转 3D、持久世界、Lora 训练以及我可能忘记的其他一些功能，全部集中在一个地方，以你习惯的方式工作，配备可脚本化的命令行界面、兼容 OpenAI 的服务，以及可选的 Mac 原生应用。
它是基于 MLX 的原生 Swift，不使用 Python、PyTorch 或者用于推理的 Diffusers。对于使用 GGUF 的文本通道，它使用 llama.cpp，对于音频/视频复用则使用 FFmpeg。大多数没有 MLX 变体的上游版本都是离线转换并托管在 huggingface 上。所有发布包都为 arm64（Mac 和 Cuda）以及 x86 构建。它们经过签名，并附带 SHA256SUMS。目前没有 Windows 版本。
> mere.run 模型能力 -- 推荐 # 在推荐之前检查你的机器，以防拉取不符合你规格的模型。
有一个工作流层，带有类型化、经过验证的图形，这样你可以创建不可变的作业包并在本地运行，或者通过 SSH 执行器或使用机器集群和中继服务运行。（它托管在 relay.mere.run，目前是邀请制，正在测试中，但它也是完全开放的 MIT 许可，所以你可以自己设置。）
整个运行时是 MIT 许可的，伴随包也是如此，模型自带许可证，命令行界面在某些内容具有特定条款时会明确说明。一旦你拉取了模型，所有功能都可以完全离线使用。
我一直在努力编写（希望）全面的文档 -> [https://docs.mere.run](https://docs.mere.run)
不需要账户，不需要 API 密钥，没有分析或回拨。源代码中的任何网络调用都是在你的请求下进行的，比如 huggingface.co（模型）、GitHub.com（Pi 安装）。
我刚刚起步，但它终于到了我希望得到反馈、贡献以及希望大家普遍觉得有用的阶段。我希望它能帮助你创造东西，探索你家中已有设备的可能性。
如果你有任何想法、问题、建议，或者如果你喜欢这种事情，给我一个星星，我会非常感激。
- 凯尔
- 你花多少时间在浏览源代码上？
- 你对此有多烦恼？
- 你有哪些策略来缓解这个问题？
- 你使用哪些工具？
- 关于多语言导航，你有什么看法？
- 你是如何帮助其他人上手的？如何引导他们找到正确的位置并提供上下文？
SwiftNet 是一个小型的 C 网络库，工作在第二层（Layer 2），使用 libpcap（现在还拥有一个非常早期的 DPDK 实现）。<p>我构建它是因为厌倦了使用套接字或复杂的库，想要一个足够简单的解决方案来满足我的游戏需求，同时还能通过编译时的自定义来提高速度。<p>0.6.0 版本的更改：
- 动态库构建
- 修改了缓冲区函数的 API
- 简单的 DPDK 实现，目前仅能在回环模式下使用
- 更清晰的源代码
- 在最大警告级别下构建
- 为缓冲区添加了偏移写入功能
- 性能优化
- 支持 Ubuntu Linux arm64
- 添加了 DISABLE_DYNAMIC_RATE_LIMITING 标志<p>新版本发布： <a href="https://github.com/Morcules/SwiftNet/releases/tag/0.6.0" rel="nofollow">https://github.com/Morcules/SwiftNet/releases/tag/0.6.0</a>
代码库： <a href="https://github.com/Morcules/SwiftNet" rel="nofollow">https://github.com/Morcules/SwiftNet</a>