返回首页
最新
我们创建Golden Owl是因为与战略相关的“有趣”数据——泄露信息、新兴竞争对手、声誉受损、监管变化——很少集中在一个整洁的地方。
我们的人工智能代理会爬取开放网络、深网和暗网，提取非索引页面、制裁名单、法院文件、社交网络、RSS等内容，然后实时去重、合并和排序。
<p>它能做什么？
发现——多源开放情报（OSINT），揭示隐藏的文档、域名、论坛线程、泄露数据等。
<p>分析——基于人工智能的实体和关系提取、异常评分、趋势检测。
<p>可视化——交互式图表、时间线和地图，可以从10,000英尺的高度缩放到原始证据。
<p>监控——实时警报，关注品牌提及、竞争对手动态、供应链风险和地缘政治事件。
<p>比较/基准——并排仪表板，用于对比竞争对手、市场或投资。
<p>技术说明：
<p>定制抓取 + Tor中继用于暗网，支持向量图存储。
<p>所有结果保持私密——没有公共索引，没有查询共享。
<p>在<a href="https://goldenowl.ai" rel="nofollow">https://goldenowl.ai</a>获取您的免费试用。
<p>非常欢迎您对可用性、数据新鲜度以及您认为缺失的任何内容提供反馈！
十五年前，我有一个奇怪的想法：软件版本号如果不是随意的标签，而是遵循更深层次的模式——就像空间中的坐标一样，会怎样呢？<p>我注意到版本号演变背后隐藏的一些规则，这促使我构建了一个我称之为 CodeCompath 的工具：一个基于这些规则生成和可视化软件版本的工具。这个项目比较低调，不算炫目——但对我而言，它代表了一个我无法放弃的想法的漫长而缓慢的展开。<p>这里有一个简短的演示：
https://youtu.be/leL6y5uHXEg<p>如果你对我的思考过程感兴趣，这里有一个更长的解释：
https://youtu.be/8R0HMyHwm-c<p>我知道这是一个小众话题，但这些年来我投入了很多心血。如果你关心版本管理、模式或系统思维——我很想听听你的想法。
Orkes已公开发布了Conductor MCP服务器，该服务器兼容OSS Conductor和Orkes Conductor端点。<p>对于那些不太了解的人，Conductor是一个开源工作流编排工具：<br>https://github.com/conductor-oss/conductor<p>Orkes Conductor是一个围绕该工具构建的现代企业平台：<br>https://orkes.io/<p>在这里查看代码库：<br>https://github.com/conductor-oss/conductor-mcp
我构建了一个开源实现的 Google DeepMind 的 AlphaEvolve 系统，称为 OpenEvolve。它是一个进化编码代理，利用大型语言模型（LLMs）通过迭代进化发现和优化算法。
<p>试试这个： <a href="https://github.com/codelion/openevolve">https://github.com/codelion/openevolve</a>
<p>这是什么？
<p>OpenEvolve 通过结合多个 LLM 和自动评估，进化整个代码库（不仅仅是单个函数）。它遵循 AlphaEvolve 论文中描述的进化方法，但完全开源且可配置。
<p>我构建这个系统是因为我想尝试进化代码生成，并看看是否能复制 DeepMind 的成果。原始系统成功改善了 Google 的数据中心，并发现了新的数学算法，但没有发布任何实现。
<p>它是如何工作的
<p>该系统有四个主要组件，它们在进化循环中协同工作：
<p>1. 程序数据库：以 MAP-Elites 启发的结构存储程序及其指标
2. 提示采样器：使用过去的解决方案创建丰富上下文的提示
3. LLM 集成：使用多个模型生成代码修改
4. 评估池：测试程序并提供反馈指标
<p>你可以用它做什么
<p>- 运行现有示例，观察进化的过程
- 定义自己的问题，使用自定义评估函数
- 配置 LLM 后端（与任何兼容 OpenAI 的 API 一起使用）
- 在集成中使用多个 LLM 以获得更好的结果
- 使用多个目标优化算法
<p>我从 AlphaEvolve 论文中复制的两个示例：
<p>- 圆形打包：从简单的几何图案进化到复杂的数学优化，达到了 DeepMind 报告结果的 99.97%（n=26 时，半径和为 2.634 对比 2.635）。
- 函数最小化：将随机搜索转变为完整的模拟退火算法，具有冷却调度和自适应步长。
<p>技术见解
<p>- 低延迟的 LLM 对于快速生成周期至关重要
- 使用 Gemini-Flash-2.0-lite + Gemini-Flash-2.0 作为集成时效果最佳
- 对于圆形打包问题，Gemini-Flash-2.0 + Claude-Sonnet-3.7 表现最佳
- Cerebras AI 的 API 提供了最快的推理速度
- 两阶段方法（探索然后利用）在复杂问题上效果最佳
<p>开始使用（少于 2 分钟）
<p># 克隆并安装
git clone <a href="https://github.com/codelion/openevolve.git">https://github.com/codelion/openevolve.git</a>
cd openevolve
pip install -e .
<p># 运行函数最小化示例
python openevolve-run.py examples/function_minimization/initial_program.py \
examples/function_minimization/evaluator.py \
--config examples/function_minimization/config.yaml \
--iterations 50
<p>你只需要 Python 3.9 以上版本和一个 LLM 服务的 API 密钥。配置通过简单的 YAML 文件完成。
<p>我会在这里回答问题并进行讨论！
真正的错误在于不从自己的错误中学习。<p>我的平台通过错误追踪、预防中心、高级分析等功能，帮助你避免这种情况……以便从自己的错误中学习。该平台的设计基于基本原则思维。
嗨，HN！<p>不久前，我开始探索如何让空气动力学模拟在网页上变得更加互动和直观。我希望能有一种即时的体验——对学生来说足够直观，对爱好者来说足够快速，对工程师来说足够可修改。这就是Olelo Foil的诞生。<p>Foil是一个基于浏览器的翼型模拟器，使用JavaScript、Three.js和WebGL编写。它允许你以互动的方式探索翼型在不同条件下的表现，所有内容都是实时渲染的。目前，它使用简化的流体模型，但我正在努力整合Navier-Stokes方程，以实现更准确的模拟——如果有人对流体动力学、GPU计算或数值求解器感兴趣，我非常欢迎你的帮助。<p>我还在构建Olelo Honua，这是一个专注于夏威夷STEM内容和数字工具的教育平台。Foil是这个更大愿景的一部分——将STEM教育带入浏览器，提供开放和可访问的工具。<p>欢迎查看，如果你对合作感兴趣（尤其是在物理方面），我很乐意与你联系！
嗨，HN。我叫Matteo，目前在Twilio担任软件工程师。
在一次站立会议上，有人提到是否有类似于 [runscope.com](https://www.runscope.com) 的开源解决方案。我发现竟然没有类似artillery.io的YAML/DSL解决方案，这让我觉得非常有趣。所以我决定自己动手做一个。
我认为这个项目很酷的原因有：
1. 现在的公司运行着大量的微服务来支持事件驱动的系统。对系统的入口和出口进行断言可能并不能完全通过HTTP来覆盖。我设置了一个插件接口，以便将来可以在文件存储、数据库、队列等方面实现断言。
2. 我不想重新发明轮子。Temporal提供了我所需的所有测试编排、调度、持久化等功能。简单来说：一个测试 = 一个工作流，而一个步骤 = Temporal中的一个活动。
3. 将来，你的AI助手可以针对你的系统运行这些测试，以确保没有回归问题。
你可以在这里试用本地版本：[https://docs.rocketship.sh/quickstart](https://docs.rocketship.sh/quickstart)
我认为这个项目有很大的潜力，任何建议、星标，或者更好的是两者兼而有之，我都将非常感激。
Juvio为Jupyter笔记本提供了类似PEP 723的内联依赖管理和自动、临时的环境设置。