你好，<p>大约两个月前，我在这里展示了我的“巨型 JSON 查看器”的第一个版本：<a href="https://news.ycombinator.com/item?id=46609592">https://news.ycombinator.com/item?id=46609592</a><p>现在，经过许多波折，修复了大约一百个漏洞，并进行了更深入的测试，我自豪地推出了经过全面重构的 Rust 核心的新版本，并添加了一些相关的隐私优先工具。<p>首先，我添加了一些更常见的格式：
- JSON，NDJSON/JSONL
- CBOR（首次转换为 JSON）
- MsgPack（首次转换为 JSON）
- HAR（专门为此提供的功能）
- Markdown（直接打开，仅供查看）<p>接着，我进行了更深入的压力测试……成功在 S23 Ultra 上打开了一个约 100GB 的 JSON 文件。
之前的版本崩溃了。经过重构的索引器、后端和辅助文件，这次成功了！索引花了 40 分钟，但成功了。<p>在意识到我的编译器优化错误后，SIMD 最终发挥了真正的本地性能，第一次索引的时间缩短到了 100GB 只需 4-5 分钟。在手机上！文件的处理、滚动、查看和跳转到元素在第一次索引后都是瞬时的。<p>搜索和过滤仍然（相对）非常快速，使用了 memchr::memmem。<p>为了使应用程序作为日常工具更有用，我开始构建一些额外的功能：<p>- 一个丰富的 REST API 客户端（尚未完全实现，但支持 GraphQL、OAuth2 和 AWS SigV4）。<p>- HAR 分析器。由于 HAR 只是 JSON，为什么不利用我现有的后端来发挥它的优势呢？（第一次打开会稍微慢一些，因为除了初始的 JSON 索引外，还需要处理请求元数据以支持过滤/搜索和统计功能）。<p>- 简单的 MOCK API：没有花哨的功能，只是在本地网络（Wifi、USB 共享、USB 以太网）上静态托管任何文件。<p>- 隐私优先的便捷功能：如果可以在本地完成，为什么还要使用在线工具而冒着敏感数据泄露的风险呢？你可能已经有自己的工具（js、python 等），但如果没有，我可以从应用程序在本地网络上为你托管一个 Web UI，提供所有这些功能。JWT、小型 JSON 工具如格式化、压缩、字符串化、反转义、Unix 时间戳、哈希生成器……都在你自己的私有 Web UI 中，由应用程序托管。（应用程序中也有相同的功能）。<p>是的，这是我发布的第一款应用程序，目前仅在 Android 上可用，抱歉。仍然有一些小错误和一个主要（边缘案例）问题，但这些也会得到解决。<p>如果你能看一下并告诉我你的第一印象，我非常希望听到诚实的反馈！ （我最近意识到，从用户那里获取有用信息甚至是错误报告是多么困难）。<p>这是一个免费增值应用：JSON 查看器部分完全免费，没有大小限制，导出/转换功能、API 客户端和工具是收费的。
返回首页
最新
互联网审查在这里已经持续了一段时间，大多数人都采用了Xray和其他VPN解决方案来应对。然而，互联网服务提供商（ISP）开始推出白名单（实际上是允许访问大约一百个网站的列表）封锁，许多地方的移动互联网几乎完全消失，下一步是对家庭宽带ISP实施白名单封锁，这已经开始发生。
这些封锁极其难以绕过，甚至可以说是不可能的，目前有效的解决方案依赖于部署到国内云服务提供商的白名单子网。然而，当局已经开始对此进行打击，考虑到对这些虚拟专用服务器（VPS）的KYC（了解你的客户）要求，这些解决方案可能很快也会消失（运营VPN服务可能面临监禁的风险）。
还有一些其他边缘解决方案，比如将TCP流量编码为视频信号，并通过像VK视频通话这样的俄罗斯服务进行流式传输，但这依赖于这些网站在国外可用，无法预测这种方法还能维持多久。
说实话，我也不太确定该怎么办，只是想分享一下。如果有人有解决方案，我将非常感激，因为我已经没有其他想法了，除了靠近边境并通过定向天线设置点对点WiFi信号（这是否可行呢？）。
谢谢。
我喜欢联想词游戏。这是一个可以玩的文字游戏，您需要匹配相对的词块。在经过大量机制的游戏测试后，我认为反义词与麻将单人游戏的结合非常有趣。
当前一代前沿的大型语言模型（LLMs）无法创造出比“热-大-快”更有趣的谜题。除非提示能够引导LLM进入新的语言领域，否则新的推理总是围绕着一小部分概念循环。制作谜题需要图遍历。
我通过算法生成了20个关卡，因为我使用了一个拥有超过1亿条边的大型语义图，这个图是通过手动词典编纂和数百万次LLM推理（各种模型）构建的。我不断探索这个图中可以涌现出的内容。谜题是随机选择的；重新加载可以看到其他谜题。
前端是使用Claude Code构建的。
也许有一天我会把这个做成一款手机游戏，增加复杂性和挑战。如果您是游戏开发者，欢迎随意拆解并借用其中的任何部分。
嘿，HN！在“洗车测试”帖子引发了热烈讨论（超过400条评论，<a href="https://news.ycombinator.com/item?id=47128138">https://news.ycombinator.com/item?id=47128138</a>）后，我花了几周时间开发了一个工具，让任何人都可以提出类似的问题并获得结构化的结果。无需注册，免费使用。
你只需输入一个问题，定义答案选项，从200多个模型中选择最多50个模型，它们将在相同条件下独立作答。没有系统提示，输出结构化，所有模型的设置相同。
你还可以进行辩论回合，让模型们看到彼此的推理，并有机会改变自己的观点。然后，一个审阅模型会总结完整的对话记录。所有模型都通过我的初创公司Opper进行路由。欢迎任何反馈！
希望你喜欢这个工具，期待听到你的想法！
我在AWS安全领域工作多年，查询CloudTrail一直是个大麻烦——获取类似“这个角色在过去30天内实际使用了什么？”的数据，要么需要编写自定义查询和结果解析代码，要么只能从像Access Analyzer这样的内置工具中获取模糊的数据。
TrailTool的核心理念是在数据摄取时预先聚合CloudTrail事件为实体关系——人员、会话、角色、服务、资源——这样查询就变成了对DynamoDB的读取，而不是日志扫描。CLI直接使用标准AWS凭证与您的DynamoDB表进行交互，无需API层。
文章中的四个工作流程（ClickOps检测、最小权限策略生成、AccessDenied修复、紧急验证）都是我实际手动执行的任务。会话记录是真实的Claude Code运行结果，使用了该工具。
我想知道这对大家是否有用，或者是否还有其他CloudTrail问题可以通过这种方式预先计算，以完成常见任务。
Clarity 是一个 Slack 机器人，旨在作为私人沟通教练，直接解决远程工作中最大的障碍：沟通不畅。通过使用大型语言模型（LLMs），Clarity 在您发送消息后分析内容，提供针对语气和清晰度等问题的即时自动编辑。
核心技术难点在于评估“良好沟通”，这本质上是主观的，无法依赖标准测试集。为了解决这个问题，我们设计了一个复杂的多LLM评估流程。一个强大的LLM合成了初步的标记测试集，第二个LLM作为精确度和召回率的评判者，第三个LLM则不断自动调整标记LLM的提示，从而提高了我们系统准确性的信心。此外，我们还建立了一个专门的代理，模拟 Clarity 在各种合成工作空间中的操作——这些工作空间涵盖了不同的行业、领域和在冲突情况下的人物，以进一步验证其性能。
我们有意将 Clarity 作为一个以个人为中心的产品推出，以降低使用门槛，战略目标是在转向团队模型（M1）之前建立使用基础。目前，我们正在寻求社区对该产品的反馈，以便在扩展我们的影响力之前进行改进。
制作了第一款嘲讽企业文化的派对游戏！希望你能试试看。
嗨，HN，
我开发了Skub，这是一款基于经典桌游“反弹机器人”的浏览器滑块拼图游戏。
最初，我的挑战是尝试简化桌游的机制，以适应移动浏览器，这促成了一个8x8的网格。
此后，它逐渐演变为一个更具实验性的项目，使用Deno，并让我真正尝试AI辅助开发。Claude Code在构建广度优先搜索（BFS）求解器和设置持续集成（CI）方面特别有帮助，但在用户界面和逻辑方面的帮助相对较少。
希望你们喜欢这款游戏，欢迎提出任何问题或反馈。