返回首页
一周热榜
我们现在有了Instagram、TikTok和YouTube短视频。最开始是邮件代替信件，接着是短信和Facebook代替邮件，然后是图片，再到视频，现在是更短的视频。我们可能还会填补其他感官的空白，但不确定，如果真这样，那就意味着一切都到了尽头。
我在试图思考一个场景，未来人们是否会比现在更频繁地做一些神秘的事情，比如阅读（以及为什么这种趋势不会持续下去）。没有理由假设事情会改变方向，除非有某种力量促使这种变化。
那可能是什么呢？我想不出任何东西。这重要吗？我们能在没有阅读的情况下过得好吗？
独立创始人正在构建 *Vibe* — 三层 AI 副驾驶系统：
1. *Chrome 扩展*（当前 MVP — API 密钥，页面命令）
2. *Chromium 分支*（完整浏览器，内置 AI 副驾驶）
3. *Playwright 代理*（无头，完整的 DOM + 可访问性树访问）
*关键见解：*
- 扩展 = 有限（没有可访问性树，上下文较弱）
- 浏览器 + Playwright = 全力（HTML 树，实时 DOM，自动化）
我 *原本* 打算将扩展开源（MIT 许可），以获得关注和贡献者。
但现在：*未来 90% 的价值在于浏览器 + 代理*，而不是扩展。
*两难境地：*
- 开源扩展 → 社区增长外壳，但我失去对 *真正* 产品的控制
- 保持完全封闭 → 反馈较慢，验证更困难
*选项：*
1. *源代码可用的扩展*（公开代码，不允许分叉/商业使用）
2. *仅开源扩展 SDK*（用于接入 Vibe 浏览器的 API）
3. *保持完全封闭*，先发布浏览器测试版
LangFuse：MIT 核心 + 收费 EE
Raycast：封闭核心，开放扩展
*HN：*
- 我应该将 *弱* 部分（扩展）开源以建立影响力吗？
- 还是在浏览器 MVP 发布之前保持一切封闭？
- 如何在不泄露护城河的情况下获取早期用户？
旧金山，2 个月的资金储备。
代码库（即将上线）：https://github.com/VibeTechnologies/VibeWebAgent
推介：pitch.vibebrowser.app
你会怎么做？
嗨，HN，
在过去的几年里，我一直对一个问题感到着迷：我的硬盘是过去十年知识的宝藏（PDF、文档、笔记），我想利用现代人工智能来真正使用它。
但每个解决方案都迫使我做出取舍：要么方便（将所有内容上传到云端），要么隐私（让我的文件在本地静默存放）。
我厌倦了这种“捏鼻子”的妥协。
随着强大的小型语言模型（SLMs）迅速崛起，以及设备端计算（苹果硅芯片、神经处理单元）终于迎头赶上，我相信隐私和智能不再是一个虚假的选择。
因此，我（和我的团队）构建了 KnowledgeFocus（仅支持苹果硅芯片）。
这是一个开源（Apache-2.0）知识引擎，使用 Tauri（Rust + Python + TS）构建，100% 本地优先。
在 v0.6.4 中，它专注于一件事：解锁你的本地文件“宝藏”。
- 扫描与索引：它扫描你指定的本地文件夹（PDF、.md、.txt、.docx 等）。
- 自动标签：使用本地模型自动为文件打标签，以便你可以聚合和发现它们。
- 本地 RAG：你可以与所有本地文件“聊天”。它在设备上 100% 运行 RAG。没有任何数据（包括向量）会离开你的机器。
网站（下载）：[https://github.com/huozhong-in/knowledge-focus](https://github.com/huozhong-in/knowledge-focus)
这只是我们“数据工作台”愿景的第一步。
我还有很多关于“本地优先代理”、“数据聚合”（例如将你的云端 AI 聊天记录拉取到本地存储）以及为知识工作者构建真正的“第二大脑”的想法。
我会在评论区中进一步阐述这些想法和我们的未来路线图。
我期待所有的反馈——尤其是批评意见。谢谢，HN。
嗨，HN！<p>我已经运行 GitHub Actions 工作流一段时间了，当 GitHub 宣布推出新的 ubuntu-slim 运行器作为比 ubuntu-latest 更便宜的替代方案时，我想进行迁移——但确定哪些工作流可以安全切换却出乎意料地繁琐。<p>你需要检查 Docker 的使用情况、服务、容器、因缺少软件包而导致的步骤失败，以及作业是否依赖于 slim 镜像中不可用的工具。<p>因此，我构建了 gh-slimify，这是一个 GitHub CLI 扩展，可以自动化这一切。它扫描你的代码库，检测哪些作业可以迁移，标记不兼容的模式，识别缺失的命令，并且可以通过一个命令仅更新安全的工作流。<p>gh extension install fchimpan/gh-slimify
gh slimfy # 分析工作流
gh slimfy fix # 仅更新可以安全迁移的作业<p>它是开源的（MIT 许可证）。
作为额外奖励：README 中还包含一个 AI 代理提示，可以重现相同的工作流迁移分析——如果你想将逻辑集成到 LLM 代理中或实验自动重构，这非常有用。<p>我很想听取反馈——特别是关于边缘案例、误报/漏报或它应该更好检测的模式。