最新

TerminalPhone 是一个单一的、自包含的 Bash 脚本，提供通过 Tor 网络进行匿名、端到端加密的语音和文本通信。它的工作方式类似于对讲机：您录制一条语音消息，该消息会被压缩、加密，并作为一个整体传输给远端的接收方。在通话期间，您还可以发送加密的文本消息。无需服务器基础设施，无需账户，无需电话号码。您的 Tor 隐藏服务 .onion 地址就是您的身份。

好吧，这一切终于发生了。在无尽的发布候选版本之后，我们终于达到了 v0.1.0。 内容包括： - 基于 WebGPU 着色器的 GPU 加速渲染，支持阴影，以及轮廓边缘和特殊的柔光模式等功能。 - 核心操作的速度比原始的 PyMOL 快了多达 1000 倍。以前需要你去喝咖啡的表面生成，现在只需按一下按钮就能完成。 - 完整的 PyMOL 选择代数支持——95 个以上的关键字、布尔逻辑、距离/扩展运算符、斜杠宏。 - 距离、角度和二面角测量，原子标签——结构分析所需的一切。 - Python API——从 `pymol_rs import cmd` 开始，你会感到如鱼得水。 - 支持 PDB、mmCIF、BinaryCIF、SDF/MOL、MOL2、XYZ、GRO 格式——读写、自动格式检测、透明的 gzip 解压缩。 - 场景、电影、光线追踪——全部在 GPU 上进行。 - Kabsch 超位、CE 对齐、RMSD、DSS、所有 230 个空间群的对称性。 - 在 PyMOL 的 798 个原始设置中，有一些实际上是有效的。具体有多少没有人知道，但肯定在几百个以上。此外，我们还添加了一些原版没有的新设置——例如每链的表面生成。 - 13 个独立的 crate——如果你在编写 Rust，可以只使用选择解析器、文件读取器或完整的 GUI。没有单一的庞然大物。

嗨，HN， 我是Bereket，Better Auth的创始人。我们的团队每天在GitHub上花费大量时间。和所有在那待过的人一样，我一直希望能有更好的GitHub体验。 我问过很多人是否能对此做些什么，但似乎没有人真正直接解决GitHub的问题。 几周前，我看到Mitchell（HashiCorp）在推特上抱怨仓库主页。这成为了我的触发点。我决定开始制作一个原型，看看通过GitHub的API我能推动一个替代界面到什么程度。 不到一周，我真的开始将其作为我的默认工具，团队的其他成员也是。在修复了一些小问题后，我决定将其发布出来。 我们希望实现的几件事情： - UI/UX重新思考：重新设计的仓库主页、PR审查流程和概览页面，专注于信号而非噪音。更快的导航和更清晰的结构。 - 以键盘为中心的工作流程：⌘K驱动的指令中心，⌘/进行全局搜索，⌘I打开“Ghost”，一个AI助手，等等。 - 更好的AI集成：上下文感知的AI，能够理解仓库、你正在查看的PR和你正在查看的差异。 - 新概念：提示请求、自愈CI、自动合并及自动冲突解决等。 这是一个简单的Next.js服务器，连接到GitHub API，具有强大的缓存和本地状态管理。 我们正在考虑可选的git托管（与构建替代后端的团队合作），但目前的实验是：在不替换GitHub的情况下，我们能改善多少。 这是一个雄心勃勃且非常早期的项目。目标是探索更现代的代码协作体验可能是什么样子，并使其成为我们都能共同协作的东西。 我很想听听你们对GitHub整体上应该改进的地方的反馈。

我制作了一个测验游戏，用于测试对数据问题的信心校准。<p>这个游戏会呈现由人工智能生成的问题，答案为数字。你提交你的估计值和信心水平，游戏会跟踪你的准确性得分，以及你在一段时间内是否表现出过度或不足的自信。

大家好！我知道NES模拟器已经被实现了无数次，几乎在所有可以想象的编程语言中都有。然而，让一个大型语言模型（LLM）仅凭记忆完全复现规范，而不参考现有代码，仍然是一个重大挑战。这要求底层模型具备强大的反幻觉能力和扎实的长期规划，以避免偏离方向。因此，构建一个NES模拟器是对LLM的一个极好的压力测试。 以下是模拟器的构建过程： 数据收集：我要求Codex下载必要的开发手册和测试套件。它被严格禁止在线搜索参考实现。 开发：我指示Codex构建模拟器，直到所有测试套件通过。这个过程大部分是无干预的；我只在它暂停时鼓励它继续。 初稿：经过4-5次提示，Codex交付了一个功能完整的纯Python模拟器，尽管它的运行速度只有7帧每秒。 优化：这次让我Codex完全自主优化应用程序并没有成功。相反，我让它生成了一个火焰图，识别出PPU更新是瓶颈。然后，我指示Codex在不破坏通过测试的情况下，用Cython重写PPU。 总体来说，我对Codex感到非常惊讶。我早就知道它有能力完成这个任务，但速度令人震惊。它在不到一个小时内完成了项目，仅使用了我每周Pro配额的2%。 虽然NES可能是一个相对容易模拟的系统，但我认为模拟可以作为测试未来LLM的一个绝佳基准。

嗨，HN， 我最近注意到一家YC公司（Run Anywhere，W26）给我发了以下邮件： 发件人：Aditya &lt;aditya@buildrunanywhere.org&gt; 主题：Mikołaj，我想你会喜欢这个 [省略] 嗨，Mikołaj， 我找到了你的GitHub，觉得你可能会喜欢我们正在开发的项目。 [省略] 我还收到了另一家AI公司Voice.AI（似乎与YC无关）发来的大量类似邮件。这些邮件表明，这些公司会抓取人们的GitHub活动，如果他们注意到用户在其业务领域的代码库中贡献内容，就会在未获得用户同意的情况下向这些用户发送营销邮件。我的猜测是，他们使用提交元数据来实现这一目的。这包括GDPR下的收件人（也就是我）。 我已经向这两家机构提出了投诉，目前还没有得到回复。 我刚刚就此问题联系了GitHub和YC伦理委员会，如果我收到回复会在这里更新。