返回首页
最新
找不到支持 gpodder 或 Nextcloud（NextPod）的 iOS 客户端，所以我自己开发了一个。虽然它是基于 Flutter/Dart 构建的，但开发的重点是 iOS 及其生态系统功能，例如 WatchOS 支持、CarPlay、AirPlay 流媒体等。你可以在 Apple App Store（iOS/iPadOS/macOS）下载，价格不贵（也可以通过 TestFlight 获取），或者从代码库自行编译（已在 iOS 和 Linux 上测试，其他平台也应该可以使用）。
接下来将添加播客搜索功能，并考虑增加独立账户支持（保持播客数据本地存储，不需要 gpodder 同步）。
你觉得缺少什么功能？你希望完美的播客应用具备哪些特性？你希望当前的播客应用“不要”有什么功能？
更多市场相关的细节请访问 <a href="https://asecretcompany.com/yourpods/" rel="nofollow">https://asecretcompany.com/yourpods/</a>。
<p><pre><code> 在过去几个月里，我一直在开发一个新的第一层区块链，旨在解决我认为该领域的基本三难困境：同时实现强隐私、无限扩展性和后量子安全性。
结果是NERV：一个默认隐私的、横向可扩展的区块链，它用512字节的神经状态嵌入替代了Merkle树，这在Halo2电路中得到了验证，并在硬件安全区中进行了证明。
</code></pre>
关键技术创新：<p>神经状态嵌入
与Merkle树不同，分片的整个状态被压缩成一个512字节的向量，使用变换器编码器。转账在这个空间中是同态更新——无需解压缩。这使得包含证明相比于zkEVM减少了约900倍。
盲验证与TEE绑定隐私
交易通过在远程证明的安全区（SGX/SEV/TrustZone）内运行的5跳洋葱混合器进行路由。链上从不显示地址、金额或元数据。
动态神经分片
分片根据LSTM负载预测器自主分裂和合并，通过联邦学习进行更新。这允许超过1M的持续TPS，没有理论上的上限。
AI原生共识
验证者使用蒸馏变换器预测下一个嵌入哈希。通过在TEE中进行蒙特卡洛模拟解决分歧，实现亚秒级最终性。
有用工作经济
节点通过贡献梯度来改善网络自身的编码器，利用差分隐私的联邦学习获得代币——用有用的计算替代PoW/PoS。
为什么这对HN可能有趣：
系统完全开源（MIT/Apache 2.0），所有代码、电路和测试都已公开。
没有预挖矿，没有风险投资分配，没有基金会国库。公平启动计划于2027年10月进行。
从创世开始就构建了后量子原语（Dilithium-3、ML-KEM、SPHINCS+）。
实现了正式的隐私保证（包括ProVerif模型）。
核心ZK电路（LatentLedger）约为790万约束——远小于等效的zkEVM证明。<p>当前状态：
代码的85-90%已完成，包括核心电路、TEE证明管道、分片模拟和联邦学习激励。测试网目标定于2026年第四季度。
我在这里分享这些内容不是为了推广代币，而是邀请社区提供技术反馈、密码学审查和合作，以帮助我们从强原型迈向一个完全实现的、实时的、不断演变的私人货币。
如果你对ZK、TEE、联邦学习或后量子密码学感兴趣，我非常希望听到你的想法。<p>链接：
白皮书： <a href="https://github.com/nerv-bit/nerv/blob/main/NERV_Whitepaper_v1.01.pdf" rel="nofollow">https://github.com/nerv-bit/nerv/blob/main/NERV_Whitepaper_v...</a>
GitHub仓库： <a href="https://github.com/nerv-bit/nerv" rel="nofollow">https://github.com/nerv-bit/nerv</a>
代码与测试： <a href="https://github.com/nerv-bit/nerv/tree/main/NERVCodeV2" rel="nofollow">https://github.com/nerv-bit/nerv/tree/main/NERVCodeV2</a><p>乐意回答任何技术问题或讨论设计权衡。
《Marches & Gnats》是一款基于浏览器的编码解谜游戏，灵感来源于《代码的冒险》。不同于使用传统编程语言编写代码，您将在游戏中编程一个图灵机。
每个任务都呈现一个具体的问题和一个最简化的计算模型。您需要定义转换规则，运行机器，检查输出（或错误），并不断迭代直到解决问题。
游戏设定在19世纪的爱沙尼亚，背景为浪漫主义时代，结合了叙事与逐渐增加难度的问题，包括算术、排序、解析、密码和元胞自动机。
在过去的一年里，我花了大部分时间构建了Frigatebird，这是一款用Rust编写的高性能列式SQL数据库。我的目标不仅仅是“让它工作”，而是利用所有可用的系统编程技巧来最大化Linux上的吞吐量。Frigatebird是一个从基本原理出发构建的在线分析处理（OLAP）引擎。它拥有一个自定义的存储引擎（Walrus），使用io_uring进行批量写入，配备了自定义的自旋锁分配器，以及基于推送的火山执行管道。我明确避免使用异步运行时，而是选择手动线程调度和原子工作窃取，以最大化缓存局部性。
目前，它仅支持单表操作（还不支持连接查询），非常希望听到你的想法。
代码链接：<a href="https://github.com/Frigatebird-db/frigatebird" rel="nofollow">https://github.com/Frigatebird-db/frigatebird</a>