返回首页
最新
作者在此。我希望在与 #ChatGPT 讨论创意的同时，能方便地查看我与 #Gemini 的代码对话，并在另一个窗口中使用 #DeepSeek。我觉得使用 Electron 应用程序太浪费了，因此我想以自己的方式与大型语言模型（LLMs）进行对话。当我发现了 llm CLI 工具时，我真的希望能够方便且美观地访问我的对话，因此我编写了 gtk-llm-chat——一个为 llm 提供小程序和简单窗口以与 LLM 模型互动的插件。
<p>请确保您首先配置 llm（<a href="https://llm.datasette.io/en/stable/" rel="nofollow">https://llm.datasette.io/en/stable/</a>）</p>
我非常希望能收到反馈、拉取请求（PR），也许还能喝杯咖啡！
<a href="https://buymeacoffee.com/icarito" rel="nofollow">https://buymeacoffee.com/icarito</a>
简而言之：Cookie 同意不应该在每个网站上都成为弹窗战争。浏览器应该像处理位置或通知一样，基于用户设定的隐私偏好来原生处理这一问题。我们可以通过一个头部信息、少量的浏览器强制执行以及大幅减少无谓的干扰来改善网络体验。
当前的 Cookie 同意系统混乱不堪。每个网站都在你面前弹出一个窗口，要求你接受你既不想要也不需要的跟踪。讽刺的是，这在技术上并不是必要的。我们可以在浏览器层面上解决这个问题——以一种干净、普遍且尊重用户的方式。
以下是解决方案：
1. **浏览器级隐私偏好**
浏览器应该允许用户设置全局同意偏好，就像设置默认语言或搜索引擎一样。
示例：
- 必需的 Cookie：始终允许
- 分析 Cookie：询问或阻止
- 营销 Cookie：询问或阻止
- 第三方 Cookie：询问或阻止
只需设置一次，适用于所有网站。不再有弹窗。
2. **新的 HTTP 头部：Set-Cookie-Category**
网站在设置 Cookie 时应对其进行分类，例如：
Set-Cookie: sessionId=abc123; Category=Essential
Set-Cookie: trackUser=true; Category=Marketing
标准化的类别：必需、分析、营销、个性化、其他。没有欺骗，没有模糊。
3. **浏览器强制执行**
当一个网站试图设置 Cookie 时：
- 浏览器检查声明的类别。
- 浏览器检查用户的隐私偏好。
- 如果没有同意：Cookie 被静默阻止。
如果同意为“询问”，浏览器会显示一个小的权限提示（类似于位置或通知）。不再劫持页面界面。
4. **可选的网站消息**
网站可以选择触发一个浏览器原生对话框来解释其 Cookie 使用情况——但不应有法律术语的墙壁阻挡访问。
5. **额外：更简单的合规审计**
浏览器可以提供 API 供合规工具自动验证网站是否尊重同意偏好。
为什么这还没有实现？
- 广告技术公司从摩擦和黑暗模式中赚取了太多钱。
- 浏览器厂商（尤其是 Chrome）从现状中获利。
- 监管机构在 GDPR/CCPA 草案中针对的是网站，而不是浏览器。
但现在还不算太晚。Safari、Firefox、Brave、Arc——甚至 Chrome（如果施加足够的压力）——都可以轻松实现这一点。
用户值得拥有更好的体验，网络也值得拥有更好的未来。
如果你认为应该构建这个功能，请点赞以帮助提高可见性。
Pad.ws 是一个无限画布，运行在 Linux 上，您可以在自己的 Ubuntu 工作区中绘画、写作、打开终端或使用 vscode。<p>画布部分使用了 Excalidraw，而开发环境由 Coder 管理。<p>我们在 <a href="https://pad.ws" rel="nofollow">https://pad.ws</a> 提供了一个公共托管实例，欢迎您尝试。<p>免责声明：该项目仍处于早期阶段，您的反馈将帮助我们改进，因此请告诉我们您的想法！
我最近写了一篇博客，介绍了如何在本地 Kubernetes 集群中使用 containerd、crun 和 WasmEdge 运行 WebAssembly (WASM) 容器。博客中包含了设置说明、使用 shim、crun 和 youki 之间的区别，甚至还有一个实时 HTTP 服务器的演示。如果你对云原生技术中的 WASM 感兴趣，或者在 Kubernetes 中尝试超轻量级工作负载，这篇文章可能会对你有所帮助。
可以在这里查看：<a href="https://blog.sonichigo.com/running-webassembly-with-containerd-crun-wasmedge" rel="nofollow">https://blog.sonichigo.com/running-webassembly-with-containerd-crun-wasmedge</a>
期待听到你的想法或反馈！
我所指的开发类型是 GreaseMonkey 或 TamperMonkey 脚本，甚至是浏览器插件，这些工具在网页加载到浏览器后会对其进行修改和“黑客”攻击。<p>有没有一个专门的名称来指代这种类型的东西？这是一种被接受的学科还是伪学科？我正在尝试寻找相关的最佳实践，但当似乎没有相关的术语时，这就变得很困难。
寻找一些例子，说明最近的人工智能发展如何实现了一些根本性的创新，而不仅仅是改进了现有的流程。我们现在可以做些什么，是几年前实际上不可能做到的，这要归功于人工智能？
大家好，
我想征求大家对一个“自我学习”人工智能工具在心理健康领域应用的看法。
面部表情与抑郁症有相关性。基于小型数据集（来自少量参与者的4分钟面部视频）的机器学习模型在预测患者抑郁评分方面的表现优于医生的评分。其他与智能手机兼容的生物标志物，如瞳孔测量、眼球扫视、音频和运动学，也与抑郁症相关。虽然有几家公司出售使用这些平台的人工智能工具，但我并不知道有任何大规模多模态模型。
精神病学对主观数据的依赖削弱了其可靠性和信任度。尽管人工智能评分是基于主观数据训练的，但它们是客观的，能够解决这一问题。
如果一个非营利组织：
(a) 推出一款免费的智能手机应用程序，实时生成基于面部表情的抑郁评分。
(b) 定期要求用户完成PHQ-8（8个问题的抑郁调查），例如每第四次使用时，并存储PHQ和视频数据。
(c) 利用这些数据扩展模型训练数据库；后续使用应能找到更强大的模型。
(d) 扩展到包括其他数据模式，并考虑年龄、性别、种族、文化等因素。
(e) 从一个主动应用程序（“1分钟内获取您的评分”）发展为一个被动应用程序（“在用户同意下持续运行，以便随时间跟踪心理健康”）。
(f) 实现盈利：
a. 保护用户数据，确保数据捐赠者可以免费使用应用程序。
b. 将算法授权给医疗专业人员。
c. 在初始慈善启动期后，将收益再投资于基金维护和开发。
面部表情模型的概念验证在学术界已经存在，但需要为智能手机重新开发。编码、建模和心理健康系统设计仍然面临挑战。非营利结构可能对鼓励数据捐赠至关重要。
未解的问题包括：（a）模型的保真度如何随着数据的增加而变化，（b）纵向系统的性能（随时间跟踪视频片段），（c）可靠监测所需的最小视频时长，（d）环境对视频捕捉的影响（例如，是否需要情感刺激的提示等）。
批评者可能会称这是一种噱头，因为用户已经在自我评估抑郁症（自我评估被用作训练的真实依据），而且系统可能会被欺骗。然而，客观的纵向数据可能会使个体受益，足够的数据也可能实现欺骗检测。高使用率还可能通过提供客观数据来重新定义病症和评估治疗，从而改变心理健康研究。
虽然存在监管方面的担忧（例如，避免“诊断，确保知情同意”），但似乎对于早期版本的管理是可行的。
期待听到大家的想法。
您是如何对提示进行分类、维护和版本管理的？您主要依赖于一个工具链，该工具链在界面中默认进行组织（但被锁定在该工具链中）吗？还是您使用其他机制？您是否使用某种机制来与团队成员、同事或朋友共享和授权这些提示？<p>提出这个问题的目的是为了改善我自己的工作流程，并可能帮助其他对这个话题感兴趣的人。谢谢！