最新

厌倦了那些在会话之间忘记一切的AI编码工具吗？每次我打开与Claude的新聊天或启动Copilot时，我都得重新解释我的代码库结构。 所以我构建了一个解决方案，叫做In Memoria。它是一个MCP服务器，为AI工具提供持久的记忆。AI不再需要在每次对话中从头开始，而是能够记住你的编码模式、架构决策以及你所积累的所有上下文。 设置非常简单：只需运行 `npx in-memoria server`，然后连接你的AI工具。无需注册账户，数据不会离开你的机器。 在技术实现上，它是基于TypeScript和Rust，使用tree-sitter进行解析，并利用向量存储进行语义搜索。目前支持JavaScript/TypeScript、Python和Rust。 最初它是作为一个文档工具开始的，但我意识到——AI并不需要更好的文档，它需要记住信息。过去几个月我一直在从零开始重建这个记忆层。 对我来说，它的效果相当不错，但我很好奇其他人的看法，尤其是关于模式学习的部分。你希望下一个支持哪些语言？ 代码链接： [https://github.com/pi22by7/In-Memoria](https://github.com/pi22by7/In-Memoria)

我一直在研究一种压缩算法，以便在大型集合中快速随机访问单个字符串。<p>这个问题出现在处理大型内存数据库列（如电子邮件、URL、产品标题等）时，这些场景对低延迟的点查询至关重要。对于短字符串，基于LZ77的压缩算法表现不佳。块压缩有所帮助，但块大小在压缩比和访问速度之间造成了权衡。<p>一些现有的选项：<p>- BPE：压缩比不错，但速度慢且占用内存较多。<p>- FSST（在这里讨论：<a href="https://news.ycombinator.com/item?id=41489047">https://news.ycombinator.com/item?id=41489047</a>）：速度非常快，但压缩效果较弱。<p>这个解决方案提供了一个有趣的平衡（详细信息见论文）：<p>- 压缩比：与BPE相似。<p>- 压缩速度：100–200 MiB/s。<p>- 解压速度：6–7 GiB/s。<p>我很想听听你的想法——无论是你认为这可以帮助的工作负载、API改进的想法，还是一般讨论。欢迎在HN上或通过电子邮件与我交流。<p>---<p>资源：<p>- 论文：<a href="https://arxiv.org/pdf/2508.02280" rel="nofollow">https://arxiv.org/pdf/2508.02280</a><p>- Rust：<a href="https://github.com/gargiulofrancesco/onpair_rs" rel="nofollow">https://github.com/gargiulofrancesco/onpair_rs</a><p>- C++：<a href="https://github.com/gargiulofrancesco/onpair_cpp" rel="nofollow">https://github.com/gargiulofrancesco/onpair_cpp</a>

你好，最近我一直在开发这个项目，现在我很高兴它终于可以与大家见面了。我热爱Tor，但我认为Tor最大的一个问题在于节点都是陌生人，这本身就需要一定的信任基础。 基于这个原因，我决定构建一个受洋葱路由器启发的私有网络。与其他公共网络不同，GiralNet并不是为了与陌生人进行匿名连接。它是为那些希望保持隐私但又需要一定信任的小团队或小组而设计的。它假设网络中运行节点的人是已知且可验证的。这为一个小组创建自己的私密安全网络提供了一种方式，在这个网络中，基础设施是可控的，节点背后的人也是可以追责的。我们的目标是在不依赖于大型匿名公共网络的情况下提供隐私保护。 在技术细节方面，它是一个SOCKS5代理，通过一系列其他计算机来路由互联网流量。它通过将您的数据包裹在多层加密中来实现这一点，就像洋葱路由器一样。路径中的每台计算机解开一层以找到下一个目的地，但永远不知道完整的路径。这使得任何单一方都难以同时看到流量的来源和去向。 如果您有任何问题，我会很乐意回答，谢谢。