OpenLoom 是一个 Chrome 扩展，它利用浏览器的原生屏幕捕获和媒体录制 API 录制你的屏幕，并在画布上合成一个摄像头画中画（PIP）叠加，直接上传到你自己的 Supabase 项目中。没有中间服务器，没有订阅费用，也没有厂商锁定。位于 openloom.live 的网页播放器是一个托管在 GitHub Pages 上的静态网站，直接从你的后端获取视频，不存储或记录任何内容。整个项目是开源的（包括扩展、网页查看器和配置流程），你可以审计每一个网络请求。你的录制、你的存储桶、你的规则。请务必查看并分享你的反馈！
返回首页
最新
我从事开发工作已经超过20年，也曾创办过一些初创公司，但这是我第一次开发移动应用 :) 我从一个简单的项目开始。我觉得随着大语言模型（LLM）API的普及，可能会有许多类似的应用可以吸引“外部世界”（非技术受众）的兴趣，因此我决定从这个项目开始进行实验。
大家好，
我创建了Whisker，因为搭建一个简单的在线商店不应该需要WordPress、Composer或每月39美元的SaaS费用。它是一个自托管的电子商务购物车，完全基于PHP和MySQL，没有外部依赖。
只需上传到任何共享主机，运行6步网页安装程序，就可以开始销售。这就是全部。
它的功能包括：带有变体的产品目录（按尺寸×颜色组合，提供单独的SKU/价格/库存），4个支付网关（Razorpay、Stripe、CCAvenue、加密货币），多货币支持，管理员仪表盘，订单管理，发票，客户账户，带有JSON-LD产品架构的SEO引擎，CSV批量导入，支持票务系统，优惠券系统。
安全性方面：PDO预处理语句、bcrypt、CSRF、防止会话指纹攻击、Webhook签名验证、登录速率限制、上传MIME类型和扩展名验证。
大约130个文件，25个表，运行在PHP 8.0+和MySQL 5.7+上。
演示链接：https://whisker.lohit.me
GitHub链接：https://github.com/WhiskerEnt/Whisker-Cart
我非常欢迎对架构或安全性的任何反馈。乐意讨论技术决策。
在决定针对哪些国际市场开展我的SaaS业务时，我经历了一番挣扎，因此构建了这个工具。<p>这是一个MCP服务器，可以连接到Claude、Cursor、ChatGPT Desktop、Windsurf以及任何兼容MCP的客户端。其背后使用了DataForSEO，提供来自172个国家的真实关键词数据，以及Claude进行市场分析。通过与您的AI工具的对话，您可以获得关键词机会、竞争数据和内容。<p>欢迎就MCP架构或DataForSEO集成方面的问题进行咨询。
我们将斯坦福大学的ACE（通过执行反馈学习的智能体）与反思语言模型模式相结合。不同于单次读取轨迹，LLM在沙箱中编写并运行Python代码，以程序化的方式探索这些轨迹，从而发现单次分析所遗漏的跨轨迹模式。该框架在τ2-bench上实现了2倍的一致性提升。
很多人都听说了谷歌计划阻止用户安装未由谷歌签名的APK文件的消息。但谷歌尚未改变主意。我在想这里是否有比我们更了解情况的人。如果这不是威胁，而是谷歌的真实计划，你们打算如何应对这种情况？
嗨，HN，
我开发了OpenGraviton，这是一个开源的AI推理引擎，旨在突破在消费级硬件上运行极大模型的限制。
该系统结合了多种技术，显著降低了内存和计算需求：
• 1.58位三元量化（{-1, 0, +1}），实现约10倍的压缩
• 动态稀疏性，结合Top-K剪枝和MoE路由
• 基于mmap的层流式加载，直接从NVMe SSD加载权重
• 预测解码以提高生成吞吐量
这些技术使得远超系统RAM的模型能够在本地运行。
在早期基准测试中，OpenGraviton将TinyLlama-1.1B的内存需求从约2.05GB（FP16）降低到约0.24GB，使用了三元量化。在140B规模的合成压力测试中，通常需要约280GB FP16的模型，在使用三元格式打包后，可以适应约35GB的内存。
该项目针对Apple Silicon进行了优化，目前使用自定义的Metal + C++张量解包。
基准测试、架构和详细信息：
[https://opengraviton.github.io](https://opengraviton.github.io)
GitHub：
[https://github.com/opengraviton](https://github.com/opengraviton)
大家好，我开发了一个名为 Outside In 的小型 iOS 应用（<a href="https://apps.apple.com/us/app/outside-in/id6759529344">https://apps.apple.com/us/app/outside-in/id6759529344</a>）。
这个想法很简单：你可以把一部闲置或旧的 iPhone 放在户外（如门廊、窗台或后院），而将另一部放在床边。户外的手机会捕捉外面的声音——如蟋蟀、雨声、风声，偶尔还有猫头鹰的叫声——并通过本地 Wi-Fi 将这些声音传输到室内的手机上。你可以将室内手机翻面放下，伴着这些声音入睡。
我之所以开发这个应用，是因为我和我的伴侣以前晚上会把窗户留一条缝，以便听到外面的声音，但外面的温度并不总是适合这样做。我希望能在不受天气影响的情况下，享受开窗时的声音。
一些技术细节：
这两部手机通过 Bonjour（NWListener/NWBrowser）相互发现，然后通过简单的 TCP 连接以长度前缀的格式流式传输 PCM 音频。音频为 48kHz 单声道 Float32。没有服务器，没有互联网，所有数据都保留在本地网络中。
应用中有一个语音抑制功能，利用苹果的 SoundAnalysis 框架在设备上检测人声并将其屏蔽。它使用一个滞后门控，关闭时的置信度阈值约为 55%，重新开启时约为 30%，并设有 3 秒的保持时间，以避免声音的抖动。增益的提升是按缓冲区呈指数级的，以避免点击声。效果出乎意料地好。人行道上的对话会被抑制，但你仍然能听到蟋蟀的声音。
室内手机使用加速度计检测其是否面朝下且静止（重力.z > 0.85 + 1.75 秒静止缓冲），然后逐渐增强音频。当你拿起手机时，音频会逐渐减弱。整个交互模型基本上是“放下它，忘记它”。
没有账户、没有云服务、没有分析、没有录音。零外部依赖。全部使用苹果的框架。免费，无广告，无内购等。我是为自己开发的，觉得其他人也可能会需要这个应用。
欢迎提问（不可避免会有人问“我为什么要在 X 城市听外面的声音？” :)）