最新

我是一名在印度AIIMS读医的第一年学生，20岁。我的长期目标是创办一家脑机接口（BCI）初创公司。原因是我一直对创新以及科技与医学的交叉领域感兴趣，但由于医学生通常被要求遵循既定的体系，我并没有真正获得相关的经验。我认为我们不仅仅是要遵循传统的协议，尤其在这个人工智能的时代，跨学科的合作显得尤为重要。我有Python编程背景，以及信号处理和MNE Python等技术栈。我希望能得到一些建议，作为一名医学生，我该如何着手进行，如果你处在我的位置，你会怎么做？

我为OpenClaw（始终在线的AI代理运行时，不基于会话）构建了一个技能库，代理可以在正常对话中自我学习新行为。 这个想法是：你告诉你的代理“每次我请求代码审查时，首先要检查安全问题。”它会调用一个创建技能的功能，写入新的SKILL.md，这种行为会立即生效——无需重启，无需更改配置，也不需要开发者介入。 我认为实际上有用的功能（安全集群）包括： • 循环电路断路器：OpenClaw对所有错误进行相同的重试。在第二次相同失败时停止，以免消耗你的上下文窗口。 • 支出电路断路器：OpenClaw没有内置上限。它跟踪累积的API成本，并在可配置的阈值下暂停非必要的定时任务。 • 工作区完整性保护者：对SOUL.md、AGENTS.md和MEMORY.md进行哈希校验。损坏的SOUL.md意味着代理被劫持，且能够在重启后存活。 • 危险操作保护：在执行rm -rf、git push --force、发送电子邮件和进行财务操作之前需要明确确认，并且有审计日志。 • 提示注入保护：在对外部内容（网页抓取、电子邮件、文档）采取行动之前进行扫描。 此外：事实核查（对事实声明的二次验证）、项目入驻（从代码库自动生成PROJECT.md）、技能审核（安全扫描——约17%的社区技能是恶意的）。

我们在工作流程中都在使用大型语言模型（LLM）这一事实不容否认。然而，当我们收到一封明显经过 LLM “润色”的电子邮件，或者在 HN 上看到一条显然是 LLM “改写”的评论时，心中难免会产生一种自动的挫败感。 为什么当有人做我们大家都在做的事情时，我们会感到不快？是因为明显的（过度）使用吗？ 我已经到了不再像以前那样修订自己的写作的地步，为了保持“真实”，我故意保留一些小的拼写错误和语法瑕疵——这些在非母语英语使用者中是很常见的。 毫无疑问，我们将会面对越来越多的 AI 生成内容，而“我们”指的是我们人类及我们的代理人，问题是何时这种情况会达到平衡？我们何时才能接受这一事实？ 这是否与我们愿意为“手工制作”商品支付额外费用有关？（作为类比：很明显，你的鞋子是机器制造的。） （*）或许除了 99.999% 的人之外，大家都是如此。 —— 为了讽刺，这里是上述内容的“由 Claude 润色”版本 —— 问 HN：在人与人之间的沟通中平衡 AI 的使用 我们在工作流程中都在使用 LLM。这并不是一个有争议的说法。然而，当你收到一封明显经过 LLM “润色”的电子邮件，或阅读一条显然是 AI 改写的评论时，几乎所有人都会感到恼怒。这种挫败感是真实存在的，虚伪也是如此。 这是否因为它的明显性？缺乏努力？还是更令人不安的原因——我们认出这张面具，因为我们自己也在戴着它？ 我已经到了故意不再修订自己写作的地步，保留一些小的拼写错误和语法怪癖。这在非母语者中是很常见的。我把这些作为存在的证明。 AI 生成内容的数量只会不断增加。不仅仅是人类对其做出选择——还有我们的代理人，代表我们与彼此的代理人沟通。挫败感何时会变得正常？我们何时会将其视为基础设施，就像我们接受电子邮件或自动更正一样？ 在手工制作的商品中有一个有用的类比。我们知道鞋子是机器制造的，但我们仍然愿意为手工制作的鞋子支付更高的价格。这种溢价并不在于鞋子本身——而在于信号。证明一个人选择花时间去制作。 也许这就是我们真正反应的原因：并不是 AI 的帮助本身，而是缺乏这种信号。