最新

以下是我为何/如何构建TurboPentest的故事。TurboPentest是为人工智能时代而设计的，旨在应对当前由编码助手生成的大量代码及其带来的相关安全漏洞。

你好！我们是Vincenzo和Riccardo，我们开发了Doxa，这是一款用于约束场景（如地缘政治、经济等）中代理人模拟的通用引擎，能够与像Qwen2.5:7B、Llama等大型语言模型以及云模型如Gemini良好协作。<p>Doxa可以在几分钟内通过YAML场景进行配置，您可以为代理人分配角色、投资组合和约束条件。<p>这里有一个现成的Colab示例：<a href="https://colab.research.google.com/github/VincenzoManto/Doxa/blob/main/notebooks/doxa.ipynb" rel="nofollow">https://colab.research.google.com/github/VincenzoManto/Doxa/...</a><p>欢迎告诉我们您的想法！

我正在开发一个网页应用程序 <a href="https://cardcast.gg" rel="nofollow">https://cardcast.gg</a>，用于远程玩纸质《万智牌》。你只需将摄像头对准你的游戏区域，它就能识别你放下的牌。这是我为我的朋友们每周游戏而构建的一个替代于 Spelltable 的工具。 主要的技术区别在于检测。Spelltable 使用感知哈希，而 cardcast 则使用现代的 ViT 架构，因此速度更快，准确性更高。如果你从 Moxfield、Archidekt 或 MTGGoldfish 导入牌组列表，搜索将缩小到该牌组的卡池，从而大大减少误判。 目前我已经实现的功能包括： - 与 Spelltable 功能相当。 - 无需注册。创建游戏，分享链接，开始游戏（少于 30 秒即可开始）。 - 生命值、君主追踪、先攻、回合计时器、悬停时显示卡片信息。 - 在浏览器中运行，使用 WebRTC 进行视频/音频，检测在服务器端按请求进行。 我希望未来能实现的目标包括： - 将推理移到客户端（WebGPU / Web Workers）。 - （前提是上述功能运行良好）在 AR 类似的叠加层中持续检测卡片。 - 在产品中构建更多的卡片智能，以避免在游戏中途需要谷歌搜索（这是我们小组游戏速度慢的主要原因）。 我发布这个的原因是：核心功能已经可以使用，我的小组每周都在使用它，但我希望能找到更多热情的用户来贡献或帮助规划未来的路线图——无论是代码（Python/FastAPI + React/TS）、计算机视觉工作，还是定期玩游戏并告诉我哪里有问题。 试试吧：<a href="https://cardcast.gg" rel="nofollow">https://cardcast.gg</a> Discord: <a href="https://discord.gg/axRtvbsfAU" rel="nofollow">https://discord.gg/axRtvbsfAU</a> 欢迎在评论中深入讨论检测流程、托管经济（Oracle 免费套餐对此非常有帮助！）或其他任何问题。构建这个项目的过程既有趣又富有教育意义，现在我希望能与你们分享。 :)