最新

我编写了一种轻量级的脚本语言，可以与C语言一起运行。具体来说，它是一个C库，通过C函数调用来运行，并且可以回调你自己的C函数。编译后大小约为250KB。除了C标准库之外没有其他依赖。 主要语言特性： * 使用别名而不是指针，因此内存安全 * 数组支持N维并且可调整大小 * 可以运行脚本或其自己的“shell” * 错误捕获 * 方法、继承等 * 可定制的语法

我有一个已经做了一段时间的副项目，工程方面我很满意，但我在营销方面很糟糕。我在reddit上发表过几条评论，向一些会从我的项目中受益的朋友展示过，但我想知道最好的推广方式是什么？

我正在构建一个工具，旨在替代常见的单人创始人工具组合：<p>客户关系管理（CRM）、电子邮件及跟进、预约、着陆页、社交媒体排程、轻量级自动化。<p>其中一些工具已经存在，我每天都在使用（CRM + 社交媒体 + 简单的冷邮件）。这并不是一个纯粹的概念。<p>我认为这个项目可能失败的原因有：<p>说“替代你的工具组合”会立即杀死信任感；<p>对于大多数人来说，切换成本超过了挫败感；<p>用户会根据最弱的替代品来评判整个产品；<p>尤其是电子邮件，想让人们转移使用非常困难；<p>受众广泛，期望差异很大；<p>现有产品定义了基准，而不是用户的投诉；<p>我发布这个内容是为了尽早消灭不好的想法。<p>你认为这些问题中哪个是致命的？我低估了什么？

我是一名专注于数字资产追踪的法务会计师。我在此向社区发布信息，因为我发现一个名为SISVIDA的平台存在一个特定的架构模式，值得进行技术审查。 尽管该实体目前通过金融科技新闻发布机构发布激进的新闻稿以建立SEO合法性，但我对其基础设施的分析表明，用户界面与实际链上执行之间存在脱节。 以下是我在法务追踪过程中识别出的具体异常： 1. **“闭环”账本差异** 我执行了一系列追踪请求，以绘制该平台的流动性路由。在标准的交易所架构中，您应该看到与已知流动性提供者的API握手，或在链上进行明确的热钱包/冷钱包管理。然而，SISVIDA的架构似乎运作在一个闭环中。仪表板反映了价值变化，但这些变化与公共账本上的可见交易ID（TXID）并不相关。后端行为与“模拟”环境一致——数据库更新整数，而不是协议与区块链互动。 2. **监管和实体空指针** 该平台声称全球合规。我对他们声称运营的主要注册机构进行了自动查询（包括类似于美国证券交易委员会和金融行为监管局的数据库）。返回的值为零。其公关材料中描述的公司在所引用的司法管辖区内并不存在。看起来这个“公司”仅存在于前端渲染中，而在后端没有相应的法律实体。 3. **SEO注入与技术债务** 针对金融科技关键词的付费反向链接（“声誉注入”）数量很高，这与其前端代码的通用性形成鲜明对比。网站结构似乎是一个低成本的白标模板，通常与“猪肉屠宰”工具包相关，而不是为高频交易构建的专有技术栈。 **结论** 如果您或您的客户遇到SISVIDA，请将其基础设施视为被破坏或不存在。“交易所”似乎只是一个前端壳体，旨在接受存款而没有提款渠道。

我使用 Lovable.dev 和纯粹的 vibe-coding 提示构建了这个应用，因为我讨厌在购物后手动输入价格。理想的核心流程是：打开应用 → 拍摄收据照片 → AI 提取产品、价格、商店、日期、地点 → 如有需要进行确认 → 保存。几秒钟内完成。无需填写表单，无需麻烦。 目前它的功能还比较基础，但已经上线： - 上传收据以贡献数据（目标是实现从照片中完全自动填充） - 浏览价格，查看历史，比较不同地点以找出更便宜的商品 - 创建购物清单并估算总价 - 设置价格下降提醒（电子邮件通知） 当前统计数据（大部分是种子数据 + 少量真实数据）：追踪了 1,000 个价格，6 位贡献者，66 家商店，发现了 36 个节省（例如，某 LEGO 套装在当地降价 1 朗） 提供免费账户以添加/查看（快速注册），没有广告/付费墙。 社区角度：众包真实的支付价格，让任何人都能避免在杂货、电子产品等方面多花钱——尤其是在不同国家或商店之间。 Vibe-coding 让我快速迭代：描述“收据照片上传与 AI 提取” → Lovable 生成 → 调整提示 → 重复。虽然还有一些粗糙的地方（例如，上传功能还未完全实现 AI，贡献者较少显得有些稀疏），但这正是我发布的原因。 我很好奇 HN 的看法： - 收据 → AI 的流程是否听起来足够有用，能让人冲动贡献？ - 目前最大的障碍是什么（注册墙？没有访客添加？看起来空荡荡的？） - “我也支付了同样的！”快速按钮或奇怪价格排行榜是否能帮助留住用户？ - 关于共享收据照片/数据的隐私看法？ - 或者这根本不是人们所需的功能？

大家好， 我开发了一个名为 Omni-NLI 的开源工具，用于自然语言推理。它可以使用不同的模型来检查一段文本（称为前提）是否支持另一段文本（称为假设）。这种工具的主要应用是进行软事实核查和文本之间的一致性检查，例如句子之间的关系。 目前，Omni-NLI 具备以下功能： - 可以通过 `pip install omni-nli[huggingface]` 安装为 Python 包。 - 可以在您的个人计算机上使用，因此您的数据保持本地和私密。 - 具有 MCP 接口（用于代理）和 REST API，适合作为微服务的常规使用。 - 支持使用来自不同来源的模型（Ollama、OpenRouter 和 HuggingFace）。 - 可以用来检查模型是否存在自我矛盾的情况。 - 支持展示推理过程，让您了解它为何认为某个主张是错误的。 如果您有兴趣了解更多信息，以下是相关链接： 项目的 GitHub 仓库：[https://github.com/CogitatorTech/omni-nli](https://github.com/CogitatorTech/omni-nli) 项目的文档：[https://cogitatortech.github.io/omni-nli/](https://cogitatortech.github.io/omni-nli/)