返回首页
最新
对于电子商务从业者来说，这尤其有价值。您可以使用一项服务来进行价格监控、库存监控以及所有的在线运行监控工具。
我的团队找到了我：“我们无法估算这个项目。我们不理解系统是如何运作的。”
我们继承了一个已有十年历史的Yii2代码库。之前的两个团队尝试过现代化，但都失败了。代码遵循了正确的模式——ORM、肥模型、MVC——但有一个功能需要跨越8层的40多个文件。原始开发者已经离开，文档也是2019年的。
Cursor和Claude Code无法提供帮助。他们在处理单个文件时非常出色，但无法看到功能如何在数百个文件之间连接。上下文窗口有限，且会话之间没有记忆。
于是我凭借直觉编写了一些代码来解决这个问题。我并不是专业开发者，而是出于创始人的绝望。
18个月后，它变成了CodeCompass：
- 将能力映射到分散的代码上
- 跨层追踪逻辑
- 在几秒钟内回答“X是如何工作的？”
- 为AI助手提供持久的上下文
我将其开源了。我与每个企业交谈时，他们都有同样的问题。
https://pearlthoughts.com/codecompass
欧盟和美国都在机场引入了面部扫描技术，以“提高安全性”。目前，欧盟的规定更加严格，而美国的规定则允许一些对面部扫描感到不适的人选择退出。但这只是时间问题，最终这项技术将成为对所有人的事实上的强制措施。他们声称数据不会被保留或与其他方共享。是的，我完全相信这一点……对此能采取什么措施吗？我相信很少有顾客认为面部扫描是一种改善。
要从稀疏性中获得好处，通常需要非常稀疏的矩阵、对稀疏模式施加某种结构，或者使用专用硬件。如果你想在消费级设备上运行剪枝后的大型语言模型（LLMs），以上条件都不适用。
我想看看在GPU上能推到什么程度，最终得到了这个结果。
博客：<a href="https://www.grizzlytech.dev/blog/macko-spmv" rel="nofollow">https://www.grizzlytech.dev/blog/macko-spmv</a>
论文：<a href="https://arxiv.org/abs/2511.13061" rel="nofollow">https://arxiv.org/abs/2511.13061</a>
代码（使用torch的示例）：<a href="https://github.com/vlejd/macko_spmv" rel="nofollow">https://github.com/vlejd/macko_spmv</a>
我构建了一个开源的恶意软件检测守护进程，能够实时监控所有正在运行的进程，采用机器学习和启发式方法。无需内核模块或 eBPF。
关键点：
- 轮询 /proc 以检测新进程（适用于任何 Linux 内核 2.6 及以上版本）
- 基于 EMBER 2018 数据集（230 万样本）训练的随机森林模型
- 针对加密矿工、勒索软件和根套件的启发式规则
- 约 20MB 内存占用，CPU 使用率低于 1%，扫描延迟在毫秒级
- 纯 C 编写，无运行时依赖
- 模型直接嵌入二进制文件中（50KB）
我构建这个工具的原因：
现有的解决方案要么需要现代内核（eBPF），要么过于庞大或专有。我希望有一个轻量级的解决方案，能够在各种环境中工作——服务器、容器、旧版发行版。
检测方法：
从可执行文件中提取特征（熵、导入、段），运行机器学习预测，应用启发式规则，结合得分。如果超过阈值，则终止该进程。
欢迎讨论实现细节或 Linux 安全相关内容。