最新

我想构建一个能够自主购物的AI代理——你只需给它一张卡，它就能独立处理浏览、选择和支付。 我一直在开发一个MCP服务器，将AI代理与支付提供商（如Stripe、PayPal、虚拟卡）连接，但我不断遇到障碍： - 卡发行机构不会回应个人开发者 - Stripe要求离线支付必须使用3D安全认证 - 电子商务网站阻止浏览器自动化 - 亚马逊与Perplexity（3月9日）的案件确认，在主要平台上进行浏览器自动化存在真实的法律风险 与此同时，Visa宣布了“智能商务”，Mastercard推出了“代理支付”——这些网络已经预见到了这一趋势，但开发者工具尚未到位。 有没有人实际推出过类似的产品？具体的链接、有效的示例或建设性的反馈将特别有帮助。 - 你使用了什么支付渠道？ - 这是一个可行的产品还是一个监管雷区？ - 你会信任一个AI用500美元的预付卡为你购买东西吗？ 我目前的进展：https://github.com/xodn348/clawpay

嘿，HN， 我和我的联合创始人对 CC 忽视我们的 Markdown 文件感到厌倦，因此我们花了 4 天时间开发了一个插件，能够根据我们之前的会话自动引导 CC。问题通常出现在计划模式之后。 我们尝试过的方式： - 大量使用计划模式（效果很好） - CLAUDE.md、AGENTS.md、MEMORY.md - 本地上下文文件夹（维护起来很麻烦） - 光标规则（针对光标） - claude-mem（开源）——实现会话连续性，但不进行引导 我们使用融合搜索来找到你的 CC 引导修正。 - 用户提示嵌入 + bm25 - 修正嵌入 + bm25 - 时间衰减 - 目标查询嵌入 - 排除项 - 元数据硬过滤器（例如文件） CC 插件： - 自动捕捉记忆/修正，无需你提醒 CC - 自动注入修正，无需你提醒 CC 去做 该插件会合并、更新并提炼你的记忆，然后在你每次提示后注入最相关的内容。 我们不确定是否只有我们在做这个。我们正在进行一些基准测试，以查看上下文注入在引导 CC 方面的实际效果，并且我们知道需要继续改进提取、搜索，并增加更多集成。 我们对为代理提供实时和个性化的上下文层充满热情。让代理理解你说的“这个”或“那个”的意思。将你世界的上下文带入一个安全、结构化、实时的层面，所有代理都可以访问。 希望能得到你们的反馈，关于你们如何让 CC 实际遵循你的 Markdown 文件，理解你的工作方式，关于插件的反馈，或任何其他关于实时记忆和上下文的内容。 - Ankur

我一直在尝试一些有趣的东西。<p>AI 编码工具能够非常快速地生成代码，但几乎从未生成完整的端到端测试覆盖率。它们创建了大量的测试，主要是单元测试和集成测试，但缺少真实用户场景。在我们查看的许多代码库中，一旦团队开始使用 Copilot 风格的工具，新代码与少量高质量的端到端测试的比例急剧下降，或者这些工作被留给测试人员作为单独的任务。<p>因此，我尝试了一种不同的方法。<p>该系统读取拉取请求并：<p>• 分析更改的文件 • 识别未覆盖的逻辑路径 - 使用依赖图（单个代码库或多个代码库） • 通过用户故事或需求理解上下文（作为 PR 中的评论提供） • 生成测试场景 • 产生与 PR 关联的端到端自动化测试<p>此外，如果用户能够连接到他们的内容管理系统（CMS）或翻译管理系统（TMS），那么这些信息也可以被拉入。（我内部使用的是 graphRAG，但那是另一个话题）<p>示例工作流程：<p>1. 提交一个拉取请求 2. 系统读取差异 + 关联的 Jira 票据 3. 生成缺失的测试和覆盖率报告<p>在早期实验中，该系统始终能够发现开发人员遗漏的边缘案例。<p>示例输出：<p>代码引用 | 需求 ID | 需求/验收标准 | 测试类型 | 测试 ID | 测试描述 | 状态 src/api/auth.js:45-78 | GITHUB-234 / JIRA-API-102 | API 应该对无效令牌返回 400 | 集成 | IT-01 | 验证无效令牌的响应 | 通过<p>我很好奇其他人如何看待这种可追溯性。我也是一名开发人员，因此我很敏感，只向开发人员展示这些信息，只有开发人员才能将其展示给其他人，否则他可以直接采取纠正措施。

我开发了一款 macOS 语音听写应用，确保您的机器上不会有任何音频数据外泄。<p>EdgeWhisper 在 Apple Silicon 上通过 MLX 框架本地运行 Voxtral Mini 4B 实时模型（Mistral AI，Apache 2.0）。按住一个键，说话，然后松开——文本会出现在您当前聚焦的应用程序中的光标位置。<p>架构： - 原生 Swift（SwiftUI + AppKit）。不使用 Electron。 - 通过 MLX 在神经引擎上进行 Voxtral 4B 推理。模型大小约为 3GB，在 M1 及以上设备上运行时占用约 2GB 内存。 - 双重文本注入：使用 AXUIElement（保留撤销栈）和 NSPasteboard+CGEvent 作为后备。 - 六阶段后处理管道：去除填充词 → 字典 → 片段 → 标点 → 大写 → 格式化。 - 滑动窗口 KV 缓存，实现无限流媒体传输而不降低延迟。 - 可配置的转录延迟（240ms–2.4s），最佳设置为 480ms。<p>它的优势： - 在 20 多种终端/集成开发环境（VS Code、Xcode、iTerm2、Warp、JetBrains）中均可使用。大多数听写工具在终端中无法正常工作——我们能够检测到并切换注入策略。 - 自动去除填充词（“呃”、“啊”、“像”）。 - 支持 13 种语言并具备自动检测功能。 - 个人字典 + 片段扩展，支持变量（{{date}}、{{clipboard}}）。 - 在下载模型后完全离线工作。无需账户，无需遥测，无需分析。<p>尚未实现的功能（未来会有）： - 不支持文件/会议转录（即将推出） - 不支持翻译（即将推出） - 不支持 Linux/Windows（仅限 macOS，需 Apple Silicon）<p>定价：免费套餐（每天 5 分钟，无需账户）。专业版每月 7.99 美元或每年 79.99 美元。<p>我希望能得到以下反馈： 1. 本地 LLM 后处理（例如，通过 MLX 的 Phi-4-mini）用于语法/语调是否值得额外占用约 1GB 内存？ 2. 对于使用语音转代码工作流程的开发者：您希望将什么上下文传递给您的编辑器？ 3. 还有其他人在基于 Voxtral Realtime 开发吗？想了解您与因果音频编码器的使用体验。