最新

在过去的几个月里，我一直在构建 OxyJen，这是一个用于在 Java 中构建可靠的多步骤 AI 流水线的开源框架。在大多数 Java LLM 项目中，一切仍然只是字符串。你构建一个提示，发出调用，然后解析你的正则表达式，等待返回的“几乎是 JSON”的结果是否有效。这种方式脆弱、不易测试，感觉与 Java 的“契约优先”理念背道而驰。 OxyJen 的方法有所不同。它是一个基于图的编排框架（目前是顺序执行），在这个框架中，LLM 被视为流水线中的原生、可靠节点，而不是神奇的辅助工具。核心思想是为概率性 AI 调用带来确定性的可靠性。系统中的每个元素都是图中的一个节点，LLMNode、LLMChain、LLM API 被用来构建一个简单的 LLM 节点，支持重试/回退、抖动/退避和超时强制（目前支持 OpenAI）。 PromptTemplate、Variable（必需/可选）和 PromptRegistry 被用来构建和存储可重用的提示，避免你重复编写提示。 JSONSchema 和 SchemaGenerator 被用来从 POJOs/Records 构建模式，这将对这些 LLM 的输出提供 JSON 强制。SchemaNode<T> 封装了 SchemaEnforcer 和验证器，以便将 LLM 输出直接映射到类上。Enforcer 还确保你的输出是正确的，并进行最大重试。 目前正在开发 Tool API，以帮助用户在 OxyJen 中构建自定义工具。我现在是一个独立开发者，项目处于非常早期的阶段，因此我非常欢迎任何反馈和贡献（即使是文档中的小改进也会很有价值）。 OxyJen: [https://github.com/11divyansh/OxyJen](https://github.com/11divyansh/OxyJen)

AnChat Lite 是一款端到端加密的消息应用，运行在去中心化的基础设施上，而不是依赖于中央服务器（orama.network）。其认证方式基于钱包——无需手机号码、电子邮件或身份要求。 我们开发它的原因是，所有“私密”消息应用仍然依赖于由单一实体控制的中心化基础设施。Signal 需要手机号码，并通过 Signal 的服务器进行路由。Matrix 虽然是联邦式的，但仍然依赖于服务器。我们希望有一种方式，使得没有单一实体控制消息基础设施。 它的工作原理： - 消息通过 Orama 网络路由——这是一个由独立节点组成的分布式网络，而不是单一的中央服务器 - 所有消息内容均采用端到端加密 - 通过 ANyONe 协议（洋葱路由）进行元数据保护——不仅消息内容被隐藏，谁与谁交谈也被隐藏 - 基础设施层是定制构建的：Go 后端、基于 Raft 的分布式 SQL（RQLite）、独立节点之间的 WireGuard 网状网络、自主运营的 DNS - 不使用 AWS，也不依赖 GCP——在独立的 VPS 节点上运行，无需云服务提供商的支持 - 基于钱包的认证意味着在注册时不会收集任何身份数据 目前在 iOS（TestFlight）和 Android（Google Play + APK）上处于封闭测试阶段。 已知的限制：测试版质量、用户基础较小、基于钱包的注册对非加密货币用户存在一定摩擦。我们正在努力解决这些问题。 我们希望获得的反馈： - 去中心化消息架构及其与联邦式（Matrix）或中心化（Signal）的权衡 - 主流用户的基于钱包的注册体验 - 还有哪些缺失的功能会让你考虑使用它 网站：https://anchat.io/#download Google Play：https://play.google.com/store/apps/details?id=debros.anchat_lite iOS TestFlight：https://testflight.apple.com/join/GzQ2gvx4 Orama 网络：https://github.com/DeBrosOfficial/orama

从未见过这样的情况。<p>然而，我注意到在搜索控制台中出现了大量的404错误。<p>我随机抽查了一些问题，发现它们似乎都是相同的——谷歌将非超链接的内容索引为链接。<p>以下是一个报告的404错误示例：<p><pre><code> https://glama.ai/docs/phoenix/use-cases-evals/rag-evaluation </code></pre> 搜索控制台显示它在以下链接中发现了指向该页面的链接：<p><pre><code> https://glama.ai/mcp/servers/@Arize-ai/phoenix/blob/4f076b41f023e7e90c98ff7aece47bd1f1f5ebce/docs.json </code></pre> 如果你检查该页面的源代码，根本没有指向该资源的超链接。<p>目前在谷歌搜索控制台中报告的此类案例已经有成千上万。<p>我甚至不知道从哪里开始进行故障排除。

我创建 workz 是为了应对日常的一个烦恼：使用 git worktree add 时，会进入一个没有 .env 文件、没有 node_modules 的目录，并且每个分支如果重新安装会浪费 2GB 的磁盘空间。 workz 主要有三个功能： 1. 自动同步 — 创建符号链接到重型目录（node_modules、target、.venv），并将 .env 文件复制到每个新的工作树中。 2. 模糊切换 — 基于 skim 的 TUI，可以在工作树之间快速跳转，并与 shell cd 集成，类似于 zoxide。 3. MCP 服务器 — workz mcp 提供 6 个工具，使 Claude Code/Cursor 能够自主创建和管理工作树，无需人工干预。 该工具使用 Rust 编写，单个二进制文件，零配置，适用于 Node/Rust/Python/Go/Java 项目。 可以通过以下命令安装：`cargo install workz` 或 `brew install rohansx/tap/workz`。 更多信息请访问： [https://github.com/rohansx/workz](https://github.com/rohansx/workz)

我创建了这个工具是因为我大部分的日常工作都是在私有组织的代码库中，所以我的公共 GitHub 图表看起来很不活跃。<p>这个工具在本地运行，扫描你选择的代码库（以只读模式），提取你作者邮箱的提交时间戳，并在一个公共镜像仓库中创建带有这些时间戳的空提交。不会复制任何源代码、差异或文件名。<p>如果配置了 `gh`，它还可以镜像 PR/审查/问题活动。它是一个 Bash 命令行工具，可以通过 Homebrew 安装（`brew install yuvrajangadsingh/greens/greens`）。<p>我知道有些人将此视为图表游戏，这个观点也有道理。我的意图并不是暗示公共开源软件的输出，而只是想让私有工作的量可见。还值得注意的是：在使用之前请检查你的公司政策。<p>欢迎反馈，特别是关于边缘案例或故障模式的意见。

我创建Steward是因为大多数AI助手仍然需要被主动召唤。<p>这里的想法有所不同：Steward在后台运行，监控来自GitHub、电子邮件、日历、聊天和屏幕上下文的信号，并在用户明确请求之前，尝试推动低风险的工作进展。<p>其核心机制是感知与执行之间的政策门控。低风险且可逆的操作可以自动处理，并保留审计记录。高风险或不可逆的操作则必须升级以获得明确的批准。系统设计为定期向用户简要汇报已完成的工作、待处理的事项以及真正需要判断的内容，而不是不断发送通知。<p>目前这是一个早期的本地优先原型。它通过简单的`make start`命令运行，打开本地仪表盘，并使用与OpenAI兼容的API密钥。<p>我希望能得到一些反馈，主要是关于以下几个方面：<p>* “政策门控自主性”是否是这种代理的正确抽象 * 静默自动化与干扰之间的边界应该在哪里 * 人们会如何为这样的系统构建连接器和上下文聚合