最新

经过一年多的迭代，我发布了更新版的PAS税收计划，这是一项超越党派的提案，旨在用基于资本的融资模型取代现行税制。 目标是在不采取紧缩政策、新增税收或引发通货膨胀的情况下，使美国财政实现可持续，同时建立一个奖励生产力、创新和储蓄的国家框架。 核心机制 • 每周工资贡献（例如600美元）通过联邦储备银行的储备银行原则进行转换 → 产生5400美元的新资本。 • 一半返还给工人，另一半则分配给国家预算和社会保障信托基金。 • 每位参与者获得10%的年度资本回报，将个人收入与国家资本增长相结合。 • 传统税收（如所得税、企业税、工资税、资本利得税等）被取消。 债务与主权模型 • 美国最富有的250人向联邦公共债务注入资本和主权股权。 • 美国最贫困的250个县通过主权财富基金（SWF）获得资本转换权，以解决学生贷款、消费债务和州政府负债。 • 用基于股权的价值创造取代杠杆收购——资本和所有权保持在国内。 结果 • 美国从借贷转向自我融资。 • 通过内部资本化偿还公共债务。 • 公民和企业获得直接的资本回报，而不是税收退款。 • 激励机制对齐：创造价值的人分享国家的收益。 在经过HN社区的仔细考虑和批评后，我将发布完整计划！ —— HN提问 1. 您认为以这种方式转换工资资本存在哪些宏观经济或技术缺陷？ 2. 联邦储备和国税局的双重系统能否利用数字基础设施或代币化储备进行大规模管理？ 3. 基于股权的债务偿还（最富有的250人 / 最贫困的250个县）在政治和法律上是否可行？ 4. 我们如何通过现有的主权财富基金或州级试点来试点这一方案？ 感谢任何深思熟虑的批评，特别是来自对系统性改革感兴趣的经济学家、工程师和政策思想者的意见。

我一直在探索构建一个简单的电子邮件和日历助手所需的条件，该助手能够连接到 Gmail 和 Google 日历。目标是使用户能够以有用的方式轻松搜索和处理自己的数据。 我仍在尝试弄清楚的部分是，实际上需要同步和索引多少数据。有些工具似乎只是按需调用 API，而另一些则将所有数据保存在本地或向量存储中，以便更快地检索。 如果你曾经构建过类似的东西： - 你是否考虑过同步和索引数据，还是仅仅查询实时 API？ - 在不触及速率限制的情况下，保持数据更新有多困难？ - 你是否使用过像 Merge.dev 或 Composio 这样的工具，还是自己全部搭建？ 我主要想了解在深入之前，实际的权衡是什么。

我最近读了《天才制造者》，非常喜欢这本书。我想知道是否有类似的书籍，可以帮助我更好地理解我们目前在质量控制方面所处的位置以及我们是如何走到这一步的。

这里有一句引述： “这不是神经科学——这只是用学术术语包装起来的伪科学推理。” 我想我们大多数使用ChatGPT的人都会立即认出这句话是由AI生成的。它的英语表达完全正确，我们都能想象一个真实的人会这样说，但ChatGPT（或者更广泛的语言模型）似乎总是使用像这样的某些模式。这是一种过拟合吗？是在训练后引入了对这种模式的偏见？还是其他什么原因？

大家好！我想分享我们刚刚推出的企业层级API，目前处于测试阶段。它的主要目标是通过对开放网络和全球政府注册信息的深入研究，绘制出完整的企业所有权结构，直到最终母公司。 问题：公司在合规/风险问题上花费了数百万美元来雇佣人工研究团队，以回答诸如“这家企业是否归属于中国/俄罗斯的国有实体？”这样的问题。我们合作的一家破产处理公司就有30人专门手动研究这样的数据点。一位前壳牌交易员告诉我们，壳牌有800人，每年花费超过1亿美元与德勤合作进行手动研究，以确保国际贸易合规。 现有解决方案的不足：一个不为人知的秘密是，像邓白氏、Orbis和标普这样的传统提供商依赖大量人工工人，并且基于数十年前的技术。在查询时，您通常是在访问一个每季度生成的、静态的、昂贵的数据库。 我们的解决方案：我们在我们的实体解析引擎基础上构建了这个API——一个深度研究代理，将实体锚定到我们的商业图谱上，依托于与政府登记机构的直接集成和我们的网络爬虫基础设施。当您需要层级研究时，我们的AI代理平均花费10到20分钟进行向上研究，以识别最终母公司并构建完整的所有权有向无环图（DAG），并附上来源引用。我们自动生成Mermaid图表，以便您可以立即在自己的应用中呈现结果。 技术背景：我在B2B初创公司和企业中花费了10年时间构建主数据管理、数据增强和实体解析系统，主要集中在金融科技领域。实际上，在我们被收取过高费用并几乎导致我所在的初创公司倒闭后，我构建了一个内部的Clearbit替代品。核心挑战始终如一——将杂乱的商业数据映射到网络数据和实际法律实体上。大多数现成的解决方案都很平庸，因为它们跳过了最困难的部分：那些迫使您进行手动研究的20-40%的复杂记录。 当前状态：我们只有三个人，自筹资金。我们也收到了完整子公司映射的请求，但目前专注于向上层级。我们仍在确定定价（市场价格似乎是每次查询几美元，但我们的目标是更低）。深入研究成本高昂，但我们相信可以实现规模化。 试用一下： - 互动演示: [https://savvyiq.ai/products/entity-hierarchy](https://savvyiq.ai/products/entity-hierarchy)（无需注册） - 免费账户: [https://savvyiq.ai/signup](https://savvyiq.ai/signup) - API文档: [https://savvyiq.ai/api-reference#tag/entity-hierarchy-beta](https://savvyiq.ai/api-reference#tag/entity-hierarchy-beta) 我们非常希望能收到关于层级API的反馈，特别是关于架构、缺口/边缘案例的意见，同时也对其他商业身份解析的痛点用例感兴趣。 如果有人想看看API的实际效果，我很乐意在评论中进行几次实体层级查询——我可以将结果以Mermaid图表的形式分享，您可以直接粘贴到任何Mermaid渲染器中。

Afrim是一个框架/工具，旨在简化输入法引擎（IME）的实现。它兼容任何顺序书写系统，如阿姆哈拉语、吉兹语、拼音等。 Afrim使用Rust编写，其架构受到librime的启发。它支持Rust（afrim）、Python（afrim-py）、JavaScript（afrim-js）等多种语言。 请注意，该项目之前在<a href="https://news.ycombinator.com/item?id=41427563">https://news.ycombinator.com/item?id=41427563</a>上作为一种非洲语言的输入法进行了介绍。从那时起，我进行了多次更改。 代码库：<a href="https://github.com/fodydev/afrim" rel="nofollow">https://github.com/fodydev/afrim</a> 演示：<a href="https://fodydev.github.io/afrim-web/" rel="nofollow">https://fodydev.github.io/afrim-web/</a> 常见问题：<a href="https://github.com/fodydev/afrim/blob/main/FAQ.md" rel="nofollow">https://github.com/fodydev/afrim/blob/main/FAQ.md</a>

除了Palantir的前线部署工程师和Quora的AI自动化工程师之外，AI原生初创公司（或希望向AI原生转型的公司）正在出现哪些新角色？

LLM 应用程序传统上被视为文本生成器。如果我们将它们视为 HTTP API，强制输出可检查、可验证和可调试的结构化结果，会怎样呢？ 我将现有的模式结合起来，提出了一种方法：强制 LLM 输出 JSON，将其绑定到 HTTP 请求，并记录所有内容。 这个代码库是一个参考实现： - LLM 必须以结构化的 JSON（而不是原始文本）进行响应 - 每个响应都包括推理过程的痕迹。时间和元数据在后面附加 - 每个事件都保存在 SQLite 中，允许对话重建 - 加密哈希验证对话的完整性 - DevTools 风格的检查器实时显示所有内容 演示：安大略省采购指南聊天机器人，支持完整的 RAG 和多轮对话调试。 在 Node.js 和 .NET 中分别实现，功能相当。与 Anthropic/OpenAI/Ollama 兼容。 注意：这展示了一种架构模式，而不是一个即插即用的产品。它是可扩展的，但需要围绕结构化输出重构您的应用程序。